六西格玛视频绿带培训-8

1、精益六西格玛绿带培训第6课.改进(Improve)课程培训目的掌握科学的解决问题的方法论-DMAIC流程提高数据采集、处理和分析的专业性讲解六西格玛考试大纲，提升认证考试通过率建立6sigma的企业文化，推动企业变革第6课.改进(Improve)六西格玛绿带系列课程-第6课改进方法概述实验设计基础实验设计常用的精益改进工具方案的评价 改进阶段的目标是形成针对根本原因的最佳解决方案，并且验证这些方案是有效的，通常需要完成如下工作：产生解决方案评价解决方案完成改进方案的风险评估改进方案的有效性验证改进方案的实施 实验设计就是研究如何以最有效的方式安排实验以获得含有最大信息量的数据的一门科学，先看一

2、下实验设计的基本概念：l 可控因子与非可控因子过程输入输入可控因子（X1，X2，,X3）非可控因子（Z1，Z2，,Z3）l 水平及处理l 实验单元与实验环境l 模型与误差为了研究因子对响应变量的影响，需要用到因子的两个或更多的取值，这些取值成为因子的水平或设置指对于对象、材料或在制品等载体，处理（即试验）应用于其上的最小单位在实验设计中的数学建模是：Y=f（X1，X2，Xk）+X1，X2，Xk是可控因子， 为误差，这里的误差主要是非可控因子造成的实验误差以及测量系统的误差l 主效应以一个农田的例子来说明主效应（无交互）：水少水多肥少100120肥多130150ABA的主效应=A处于高水平Y的平

3、均值-A处于低水平Y的平均值B的主效应=B处于高水平Y的平均值-B处于低水平Y的平均值l 交互效应以一个农田的例子来说明交互效应：水少水多肥少100120肥多130170ABAB的交互效应=（因子B处于高水平时A的因子效应-因子B处于低水平时A的因子效应）/2BA的交互效应=（因子A处于高水平时B的因子效应-因子A处于低水平时B的因子效应）/2 实验设计的基本原则序号ABC转速（转/分钟）移速（毫米/秒）倾角（度）平面度（）1-1-1-18002.48021-1-19002.4803-11-18002.880411-19002.8805-1-118002.48461-119002.4847-1

4、118002.88481119002.884重复实验随机化区组化为了理解这三个原则，先看一个铣床加工例子： 根据实验设计的基本原则，重新设定实验安排（角点仿行1，中心点4，区组1）：标准序运行序中心点区组转速（转/分钟）移速（毫米/秒）倾角（度）平面度（）101018502.68282119002.88413118002.48024119002.480125018502.68246119002.88077118002.88468119002.48499018502.682510118002.484311118002.8801112018502.682 实验设计的基本步骤计划阶段 阐述目标 选择

5、响应变量 选择因子及水平 选择实验计划实施阶段 按计划矩阵进行实验 记录实验数据 记录实验过程中所有状况分析阶段 拟合选定模型 残差诊断 评估模型的适用性并改进模型 分析、解释及推断 提出因子的最佳设置 练习 1、在农田试验中，考虑两个因子：浇水量A 和施肥量B。A 有两水平：水少、水多；B 有两水平：肥少、肥多。以产量Y（单位：公斤）为响应变量，由试验得到如下数据： 水少 水多肥少 300 320肥多 340 390则交互作用A*B 的效应为：A 10 B 15 C 30 D 7.5 实验设计应用路径试验设计部分因子分析全因子分析响应曲面法作用：找到因子的最佳设置条件：因子数10作用：用于因

6、子筛选，找到关键因子条件：因子数5作用：精确评价因子的主效应与交互效应条件：因子数5作用：找到因子的最优设置条件：因子数3，且模型非线性 全因子设计简介l 全因子设计是指所有因子的所有水平的所有组合都至少要进行一次实验的设计缺点：全因子实验所需的次数较多优点：可以估计所有主效应和各阶交互效应l 通常将全因子记为：mm为因子的水平数，k为因子个数，全因子的实验次数=m 次，当因子水平超过2时，实验次数成指数上升，因而通常也只做两水平全因子实验，即2 。kkkl 全因实验的前提假设：（1）因子是固定的（2）设计时完全随机化的（3）满足通常的输出为正态性的假设 全因子设计计划接铣床加工案例：标准序运

7、行序中心点区组转速（转/分钟）移速（毫米/秒）倾角（度）平面度（）101018502.68234.382119002.88434.713118002.48034.824119002.48033.5125018502.68234.446119002.88035.177118002.88441.468119002.48432.399018502.68237.5510118002.48433.4311118002.88040.11112018502.68236.3 全因子设计数据分析步骤拟合选定模型进行残差诊断模型是否要改进？对选定模型进行分析解释目标是否已达到？进行实验验证进行下记实验YNYN 全

8、因子设计实例-第一步，拟合选定模型平面（） 的估计效应和系数（已编码单位）项 效应 系数 系数标准误 T P常量 35.650 0.3578 99.63 0.000转速（转/分钟） -3.525 -1.762 0.4382 -4.02 0.010移速（毫米/秒） 4.325 2.163 0.4382 4.93 0.004倾角（度） -0.425 -0.213 0.4382 -0.48 0.648转速（转/分钟）*移速（毫米/秒） -2.325 -1.163 0.4382 -2.65 0.045转速（转/分钟）*倾角（度） -0.375 -0.187 0.4382 -0.43 0.687移速（毫

9、米/秒）*倾角（度） 0.875 0.438 0.4382 1.00 0.364S = 1.23956 PRESS = 24.8943R-Sq = 90.74% R-Sq（预测） = 69.98% R-Sq（调整） = 79.62%平面（） 的方差分析（已编码单位）来源 自由度 Seq SS Adj SS Adj MS F P主效应 3 62.6238 62.6237 20.8746 13.59 0.0082因子交互作用 3 12.6237 12.6237 4.2079 2.74 0.153残差误差 5 7.6825 7.6825 1.5365 弯曲 1 0.0037 0.0037 0.003

10、7 0.00 0.967 失拟 1 0.4512 0.4512 0.4512 0.19 0.694 纯误差 3 7.2275 7.2275 2.4092合计 11 82.9300主效应P值=0.008，显示所选定的模型主效应总体是显著的弯曲一栏P值=0.967，显示模型没有弯曲失拟一栏P值=0.694，显示模型没有失拟 全因子设计实例-第二步，残差诊断210-1-2999050101残残 差差百百分分比比4038363432210-1拟拟 合合 值值残残差差2.01.51.00.50.0-0.5-1.0-1.54.83.62.41.20.0残残 差差频频率率121110987654321210

11、-1观观 测测 值值 顺顺 序序残残差差正正 态态 概概 率率 图图与与 拟拟 合合 值值直直 方方 图图与与 顺顺 序序平平面面（） 残残差差图图残差图来看，各图无异常，证明模型拟合有效 l 全因子设计实例-第三步，判断模型是否要改进（1）从残差诊断看出，模型拟合的还可。（2）在检验各项效应中，发现三个自变量主效应只有转速、移速以及两者的交互作用的P值0.05，因此，此三项是显著的，其余项皆不显著。（3）需要删除不显著项，重新计算，回到第一步。 l 全因子设计实例-新第一步，拟合选定模型项 效应 系数 系数标准误 T P常量 35.650 0.3204 111.26 0.000转速（转/分钟

12、） -3.525 -1.762 0.3924 -4.49 0.002移速（毫米/秒） 4.325 2.163 0.3924 5.51 0.001转速（转/分钟）*移速（毫米/秒） -2.325 -1.163 0.3924 -2.96 0.018S = 1.10997 PRESS = 17.5553R-Sq = 88.11% R-Sq（预测） = 78.83% R-Sq（调整） = 83.66%平面（） 的方差分析（已编码单位）来源 自由度 Seq SS Adj SS Adj MS F P主效应 2 62.2625 62.2625 31.1312 25.27 0.0002因子交互作用 1 10.

13、8112 10.8112 10.8112 8.78 0.018残差误差 8 9.8563 9.8563 1.2320 弯曲 1 0.0037 0.0037 0.0037 0.00 0.960 纯误差 7 9.8525 9.8525 1.4075合计 11 82.9300全模型删减模型R0.90740.8811Radj0.79620.8366S1.239561.10997模型拟合优度模型删减后R与Radj的差值更小了，同时删减后的S比全模型的S有所降低，因此，删减后的模型比全模型拟合的更好 l 全因子设计实例-新第二步，残差诊断残差诊断仍按照之前的方法进行，全部结果都是正常的（此处从略）。l 全

14、因子设计实例-新第三步，判断模型是否要改进由上述分析，可以认为已选定了最终模型，minitab给出了回归方程的系数和对应的P值，最后的回归方式为：Y=-219.412+0.267转速+109.625移速-0.11625转速*移速项 系数常量 -219.413转速（转/分钟） 0.267000移速（毫米/秒） 109.625转速（转/分钟）*移速（毫米/秒） -0.116250l 全因子设计实例-第四步，对选定模型进行分析解释（1）输出各因子的主效应、交互效应90085080038373635342.82.62.48482803837363534转速（转/分钟）均均值值移速（毫米/秒）倾角（度）

15、角点中心点类型平平面面（） 主主效效应应图图数据均值2.82.62.4848280403632403632转转速速（转转/ /分分钟钟）移移速速（毫毫米米/ /秒秒）倾倾角角（度度）800 角点850 中心900 角点钟）转速（转/分点类型2.4 角点2.6 中心2.8 角点米/秒）移速（毫点类型平平面面（） 交交互互作作用用图图数据均值从主效应图可看出，因子转速和因子移速对于响应变量平面度的影响趋势是显著的，而因子倾角确实是不显著的从交互效应图可看出，因子转速和因子移速的交互作用对于响应变量平面度的影响是显著的，其他交互作用不显著l 全因子设计实例-第四步，对选定模型进行分析解释（2）输出等

16、高线图，响应曲面图转转速速（转转/ /分分钟钟）移移速速（毫毫米米/ /秒秒）9008808608408208002.82.72.62.52.4 3434363638384040面（）平平平面面（） 与与 移移速速（毫毫米米/ /秒秒）, , 转转速速（转转/ /分分钟钟） 的的等等值值线线图图2.852.7034362.5538800408502.40900平平面面（）移移速速（毫毫米米/ /秒秒）转转速速（转转/ /分分钟钟）平平面面（） 与与 移移速速（毫毫米米/ /秒秒）, , 转转速速（转转/ /分分钟钟） 的的曲曲面面图图从等高线图和响应曲面图可看出，因子转速及因子移速主效应及其交

17、互作用对于响应变量平面度的影响确实是显著的（等高线很弯曲，曲面偏离平面很严重），为使平面度取值更小，应让转速尽可能大，移速尽可能小l 全因子设计实例-第四步，对选定模型进行分析解释（3）实现最优化，根据本例，优化目标属于“望小”型曲 线高低0.03750D优 化d = 0.03750最 小 值平 面 （ ）y = 32.88750.03750合 意 性复 合2.402.80800.0900.0移 速 （ 毫 米 /秒 ）转 速 （ 转 /分 钟 ）900.02.40当转速取900转/分钟，移速取2.4毫米/秒时，平面度将达到平均最小值32.8875l 全因子设计实例-第五步，判断目标是否已达到

18、本例得到预测的最佳值为32.8875，将它与实验目标对比：（1）如认为离目标尚远，则进行新一轮的实验，在技术条件允许情况下，重新选取因子水平进行实验。（2）如认为平面度32.8875已达到目标，则可结束实验，但不要忘记做验证试验，确保按最佳条件生产能获得预期效果，通常验证3批次以上。 部分因子设计简介l 全因子实验的总次数随着因子数量的增加而急剧增加，当因子数过多时（因子数5时），可以使用部分因子进行分析筛选，减少实验次数缺点：无法估计所有阶的交互效应优点：所需实验次数较少l 通常将部分因子记为：mRm为因子的水平数，k为因子个数，p代表新安排的因子个数，R代表分辨度，部分因子的实验次数=m

19、次，通常取两水平，记为2R 。k-pk-pk-p 部分因子设计概念l 设想，总计8次实验,每因子都为2水平，做全因子可以安排3个因子，现在有4个因子需要安排，如何安排这第4个因子呢？ABCABACBCABCD1-1-1-1111-1?21-1-1-1-111?3-11-1-11-11?411-11-1-1-1?5-1-111-1-11?61-11-11-1-1?7-111-1-11-1?81111111?3因子全因子实验计划表全因子实验设计具有均匀分散，整齐可比的特点（正交性） l 希望增加一列来安排因子D，仍能与前面的列保持正交性，要想找出与前7列不同，同时与前三列保持正交，数学上证明是不可

20、能的。因此，D必须与前4/5/6、7列中某一列完全相同，通常认为D=ABC是最好的安排ABCABACBCD=ABC1-1-1-1111-121-1-1-1-1113-11-1-11-11411-11-1-1-15-1-111-1-1161-11-11-1-17-111-1-11-181111111 l D=ABC这个约定非常重要，称之为生成元，由此，我们可以得到如下信息： D=ABC，A=BCD，B=ACD，C=ABD，DC=AB，BC=AD，AC=BD生所有成元中字母个数最少的即为分辨度的级数，并称等号两端效应互为混杂，如A=BCD，即称为主效应A与三阶交互效应BCD混杂2345678910

21、11121314154Full8Full16Full32Full64Full128Full部分因子实施的分辨度表 l 分辨度的特性：分辨度为的设计：各主效应间没有混杂，某些主效应可能与某些二阶交互效应混杂分辨度为的设计：各主效应间没有混杂，主效应与二阶交互效应间也没有混杂，但主效应与某些三阶交互效应混杂，某些二阶交互效应可能与其他二阶交互效应相混杂分辨度为的设计：某些主效应可能与某些四阶交互效应相混杂，但不会与三阶或更低阶交互效应混杂；某些二阶交互效应可能与 三阶交互效应相混杂，但各二阶交互效应之间没有混杂 部分因子试验计划 部分因子试验计划设计采用minitab软件操作，具体操作步骤见演示。

22、 部分因子试验实施 部分因子试验实施与全因子完全一致，此处从略 部分因子试验数据分析 部分因子试验数据分析与全因子完全一致，此处从略 练习 1、某绿带需要在项目改进阶段需要使用试验设计，他认为有3个连续变量的影响因素，准备进行全因子试验，在角点重复2次，并在中心点做3次试验，则总的试验次数为 （ ）A. 11次 B. 19次 C. 9次 D. 18次2、某工序过程有六个因子A、B、C、D、E、F，工程师希望做部分因子试验确定主要的影响因素，准备采用2 设计，而且工程师根据工程经验判定AB、BC、AE、 DE之间可能存在交互作用，但是MINITAB给出的生成元为 E = ABC, F = BCD

23、，为了不让可能显著的二阶交互作用相互混杂，下列生成元可行的是（ ）A. E=ABD， F=ABC B. E=BCD， F=ABCC. E=ABC， F=ABD D. E=ACD， F=BCD6-2 看板、目视管理以及5S管理l 看板是对生产过程中各工序生产活动进行控制的信息系统，通常是一种卡片，记载有零部件型号、取货地点、数量等信息，使用看板遵循的原则是：1.不向后一道工序传递次品2.在必要时间由后一道工序来领取必要数量的必要零部件3.前道工序只按后一道工序的取货量进行生产4.进行均衡生产，各工序均匀地领取零部件5.根据看板进行微小的调整6.要使生产工序稳定化、合理化l 目视管理 利用形象直观、色彩适宜的各种视觉感知信息来组织现场生产活动，达到提高劳动生产率的一种管理方式，它的基本要求如下：目视管理要求统一简明醒目实用严格l 5S 5S管理是精益管理的基础，它的目标简单明确，就是为员工创造一个干净、整洁、舒适、科学合理的工作环境