六西格玛理论知识

6Sigma理论2内容安排排Part16Sigma概述Part26Sigma品质策划划Part36Sigma产品设计计Part46Sigma测量Part56Sigma统计方法法Part66Sigma品质突破破策略Part76Sigma实施案例例讨论思考考题3Part16Sigma概述一、6Sigma的涵义二、6Sigma的基础———变量量／数据据／问题题三、6Sigma与客户//可靠性性/周期期时间//品质成成本四、对6Sigma的进一步步理解4一、6Sigma的涵义6Sigma的研究内容容6Sigma是一个统统计测量量基准6Sigma是一种工工作策略略56Sigma的研究内容容发展链条条：个人特定组织织业务的增增长客户的满满意程度度产品和服服务的品品质、价价格和交交付状况况组织的过过程能力力过程因受受各种因因素影响响而产生生的非预期变异异66Sigma的研究内容容6Sigma是研究过程变量量与过程程能力间相互关关系的科科学通过对过过程能力力的测量量，确定定过程所所处的状状态，再再通过比比较分析析，找出出影响过过程能力力的主要要变量，，用过程程优化方方法找出出其变化化规律，，再对其其予以消消除或控控制连续的测量分析改善控制循环过程能力力不断提提高，最最终达到到6Sigma水平76Sigma是一个统统计测量量基准6Sigma测量标尺尺提供给给一个精精确测量量自己产产品、服服务和过过程的“微型标尺尺”知道自己己的努力力方向和和如何才才能达到到此目的的共同的测测量指引引是“每单位缺缺陷数”。在这里里，单位位代表了了许多东东西，如如组件、、原材料料、表格格、时间间段、产产品等86Sigma是一种工工作策略略怎样改善善品质，，降低成成本，提提高客户户满意度度一种业务务方法，，能使工工作更精精确，使使我们在在做任何何事时将将失误降降到最低低发现和避避免不利利因素，，Sigma值上升，，导致过过程能力力的改善善和缺陷陷的减少少或消除除96Sigma与PPM的对应关关系10二、变量量/数据据/问题题变量研究究数据问题11变量研究究变量的定定义变量的分分类过程能力力与变量量控制12变量的定定义Y=f（（x1，x2，…，xn）Y为过程能能力x1，x2，…，xn为影响过过程能力力的各种种因素，，为自变变量13过程能力力与变量量控制①80//20规规律②变量的的选择因变量（（Y）的选择基于问题题状况及及研究目目标而确确定，如如研究的的目标是是提高过过程首次次通过率率，则选选择的Y应为YFT&PPM自变量（（x）的选择（（试验因因子）14自变量（（x）的选择重复因子子用于调整整因变量量特性到到所希望望或特定定水平的的自变量量，可被被实验者者建立和和控制，，又叫调调整因子子控制因子子其现存设设置可被被实验者者确定并并相对容容易预测测或控制制的变量量，目的的是降低低成本和和对因变变量特性性的敏感感度噪声因子子其现存设设置可被被确定但但不容易易控制或或预测，，在正常常过程运运作时这这类变量量会引起起因变量量的严重重偏差背景变量量其存在很很难确定定且不容容易预测测或控制制。其影影响明显显表现在在处理（（within）中而非处处理之间间（between），会引起随随机偏差差15数据测量分析水平平的确定定（由低低到高））实例16分析水平平的确定定①只凭经经验进行行分析，，从不需需数据②收集数数据，但但只是看看看数字字大小③收集数数据并用用其画出出控制图图④用描述述统计和和调查数数据⑤用描述述统计和和推断统统计17实例千分尺测测得一工工件尺寸寸①数据列列表②数据分分类根据一定定规则将将上表尺尺寸分为为-1，0，1。-1代表测量量值小于于4.976，0代表测量量值等于于4.976，1代表测量量值大于于4.976③推移图图表示两两类不同同的数据据④用从小小到大排排序方式式画出其其分布及及走势18①数据列列表19②根据一一定规则则将上表表尺寸分分为-1，0，120③推移图图表示两两类不同同的数据据21④数据分分布及走走势22问题问题的转转化问题的性性质问题解决决流程问题表述述问题解决决232425问题解决决流程实际问题题统计问题题解决统计计问题解决实际际问题26问题解决决流程例例实际问题题：波峰炉焊焊接直通通率低转化成统统计问题题：平均值偏偏离目标标值统计问题题解决：：找出主要要变量为为松香比比重偏低低实际问题题解决：：安装自动动控制器器以及时时补充松松香，达达到理想想焊接效效果27问题表述述28三、客户户/可靠靠性/周周期时间间/品质质成本6Sigma关于客户户与供应应商关系系的描述述品质和周周期时间间的描述述品质和可可靠性品质和成成本29客户与供供应商关关系30客户与供供应商相相互作用用31品质和周周期时间间降低过程程周期时时间的因因素理论周期期时间32降低过程程周期时时间的因因素（1）搬搬运（2）检检查（3）测测试（4）分分析（5）等等待（6）延延迟（7）存存贮（8）调调整33理论周期期时间理论周期期时间的的定义实际周期期时间与与理论周周期时间间的关系系34理论周期期时间的的定义没有等待待、停留留或放置置地完成成所有过过程所需需的过程程时间在过程操操作中，，任何时时间产生生的不良良均会在在检查、、分析、、测试、、修理上上附加周周期时间间这些无附附加值的的操作也也需要设设备、物物料、人人员和场场地，所所以当缺缺陷上升升时，成成本上升升35实际周期期时间Ttotal=Tmin+Tinsp+Ttest+(1--YRT)Tinsp+DPU(Ttest+Tanaly+Trepain)+Tqueue其中：Ttotal=总的周期期时间Tmin=理想周期期时间Tinsp=检查时间间Ttest=测试时间间YRT=全过程通通过率DPU==单位产品品缺陷率率Tanaly=不良分析析时间Trepain=不良修理理时间Tqueue=等待时间间WIP（（WorkinProcess）==生产率X周期时间间生产率=单位时间间内的产产量36周期时间间分解37品质和可可靠性可靠性可靠性和和置信度度潜在缺陷陷对可靠靠性的影影响38可靠性可靠性是是指相对对于预先先确定的的时间操操作成功功的概率率。影响品质质和可靠靠性的主主要因素素有三个个：设计方面面：由于于设计公公差的固固定，可可以认为为是恒定定的原材料方方面：组组成产品品的各组组件的自自然损耗耗过程能力力：与品品质缺陷陷相关。。一个新新产品比比已经过过一段时时间工作作后的产产品更容容易出现现问题。。当一个个新产品品在经过过短期工工作后发发生故障障，称其其为“婴儿夭折折”。为避免免这种情情况，须须定期进进行所谓谓“bu-in”（通电加热热）测试试，或仿仿真产品品实际功功能工作作一段时时间39可靠性的的计算Ps=R=e-t/u=e-tλPs=R：无故障操操作时间间等于或或大于t的概率t：特定的无无故障操操作的时时间周期期u：故障间的的平均时时间间隔隔，或称称MTBF（MaintanceTimeBetweenFailure）λ：故障率（（u的倒数））40可靠性的的计算例例一个产品品的MTBF已被证明明为8760h（一年），，假定其其为恒定定故障率率，则其其无故障障工作24小时概率率为：Ps=R=e-24//8760=0.99724MTBF是故障间间的平均均时间，，不同于于工作寿寿命及修修理或代代替时间间，MTBF的增加并并不会使使继续使使用的概概率成比比例地增增加41可靠性和和置信度度（t=1）42潜在缺陷陷对可靠靠性的影影响故障率的的计算方方法单位产品品潜在缺缺陷LDPU对潜在缺缺陷的注注释43故障率的的计算方方法λ=[1+(k-1))e-t/T]λcλ：瞬时故障障率λd：交付故障障率λc：固有故障障率k：交付故障障率和固固有故障障率的比比率（λd/λc)t：从交付开开始算起起的实际际时间T：除去潜在在缺陷的的时间常常数44累计故障障率45单位产品品潜在缺缺陷LDPULDPU（LatentDefectsPerUnit）LDPU=(k-1))Tλc46对潜在缺缺陷的注注释（1）没有任任何检查查和测试试可发现现100％的缺陷陷（2）交付的的缺陷是是在公司司检查或或测试时时漏出去去的（3）交付的的缺陷和和整个过过程中发发现的总总缺陷成成直接比比例（4）早期故故障是潜潜在缺陷陷作用的的结果（5）潜在的的缺陷是是在制造造过程中中进行控控制的（6）潜在缺缺陷和在在整个制制造过程程中发现现的缺陷陷成正比比例（7）潜在的的缺陷是是一些异异常特性性，可能能导致故故障发生生（8）这个缺缺陷依赖赖于异常常程度、、施加应应力的大大小、施施加应力力维持的的时间（9）当实施施纠正后后，异常常特性返返回到正正常状态态（10））须持续续降低不不良率，，直到所所有潜在在缺陷被被发现并并加以纠纠正47四、对6Sigma的进一步步理解6Sigma是一个多多面体6Sigma系统的普普遍适用用性6Sigma方法与传传统方法法的比较较实施6Sigma的利益6Sigma系统的突突破模式式486Sigma是一个多多面体①质量标标准②基准③设想④方法⑤工具⑥价值⑦基本原原理⑧目标496Sigma系统的普普遍适用用性Sigma测量标尺尺具有普普遍适用用性，其其共同要要素是“单位缺陷陷数”，这个单单位可能能是各种种任务或或实体，，如一个个小时的的工作、、一个写写作的人人、一个个零件、、一份文文件等，，“机会”也可指任任意事件件错误或缺缺陷机会会是任何何人都不不希望的的任意事事件基于此，，6Sigma可以作为为一切工工作、活活动的基基准一般地说说，全球球各大公公司的产产品、服服务的平平均品质质水准约约为4Sigma，最好的已已达到6Sigma根据Sigma值我们能能公正地地评价产产品、过过程或作作业，而而这是一一切改善善的基础础506Sigma方法与传传统方法法的比较较51实施6Sigma的利益降低总消消耗提高产品品质量和和可靠性性缩短生产产周期减少设计计变更以上利益益最终表表现为客客户满意意度上升升、市场场扩大而而带来的的公司有有形和无无形收益益的增加加526Sigma系统的突突破模式式阶段1：测量选择产品品特性作作为因变变量，将将各过程程流程图图示化，，对因变变量进行行测量并并记录，，以评估估短期和和长期过过程能力力阶段2：：分析将产品性性能与基基准值比比较，用用方差分分析法确确定共同同的成功功因子。。在某些些时候，，须重新新设计产产品或过过程阶段3：：改善选择必须须进行改改善的因因子，用用实验设设计(DOE))对因子参参数进行行优化；；用相关关品质工工具对过过程进行行改善阶段4：：控制此阶段是是用统计计过程控控制(SPC))方法对过过程进行行管制536Sigma系统的突突破模式式54Part26Sigma品质策划划一、6Sigma品质策划划基本内内容二、6Sigma供应商开开发三、6Sigma系统分析析55一、6Sigma品质策划划基本内内容为什么要要进行6Sigma品质策划划？以客户为为中心的的原则连续改善善人力资源源的改善善56为什么要要进行品品质策划划？57以客户为为中心的的原则客户是上上帝，商商业利益益都来源源于客户户没有客户户的组织织将会失失掉一切切须定期接接受评审审，最大大限度地地满足客客户要求求及时交货货，减少少周期时时间（CycleTime），加强工程程设计研研究，消消除不必必要的过过程或动动作，减减少在制制品（WIP，WorkinProcess），提高生产产效率，，以达到到或超过过客户的的期望58连续改善善达到6Sigma不可能一一蹴而就就，要有有进行持持续改善善的心理理准备不断进行行“M-A--I-C”循环，一一步步向向6Sigma品质逼进进6Sigma品质连续续改善研研究分析析方法如如表7.8所示59连续改善善60人力资源源的改善善61为什么要要进行6Sigma供应商开开发？供应商品品质开发发（SQD）供应商品品质评估估二、6Sigma供应商开开发62为什么要要进行供供应商开开发？随着全球球经济—体化进程程的加快快，传统统品质管管理正在在发生裂裂变：由由一个公公司的品品质管理理（CQC）向全集团团（含供供应商））品质管管理（GWQC）转变，供供应商品品质成为为集团公公司品质质中的重重要一环环63供应商品品质开发发（SQD）SQD（SupplierQualityDevelopment）将先进的的品质管管理技术术和方法法推荐给给供应商商。如实实验设计计方法（（DOE，，DesignofExperiment））、统计过程程控制方方法（SPC，，StatisticsProcessControl））加强培训训和沟通通建立健全全供应商商品质体体系，使使供应商商品质成成为系统统品质的的一部分分不断追求求完善64供应商品品质评估估供应商评评估内容容供应商品品质评估估方法供应商品品质评价价表65供应商评评估内容容生产方面面：生产效率率/生产直通通率/交货期等等工程方面面：技术能力力/CAD设计能力力/新产品开开发能力力/仪器校正正/设备维护护/管理信息息系统评评价等品质方面面：品质方针针/品质质体系//预防措措施/纠纠正措施施/品质质改善等等具他方面面：人事管理理/人员员素质//财务管管理/信信息管理理/电子子数据处处理/后后勤管理理等66供应商品品质评估估方法①系统评评价法：：对某—系统进行行定性评评价②量化评评分法：：通过对某某一要素素进行量量化。然然后根据据实际评评分的结结果确定定供应商商品质水水平6768三、6Sigma系统分析析6Sigma系统结构构6Sigma系统与传传统品质质系统的的区别6Sigma系统解决决问题的的基本方方法696Sigma系统结构构70与传统品品质系统统的区别别716Sigma解决问题题的基本本方法DMAIC方法：主要针对对Y=f((x)进行研究究DMADV方法：针对设计计方面72DMAIC方法73DMADV方法74Havearest…75Part36Sigma产品设计计一、6Sigma产品设计计方法二、6Sigma产品设计计成本分分析三、设计计FMEA（DFMEA）76一、6Sigma产品设计计方法可互换性性设计可生产性性（制造造性）设设计高可靠性性设计最小单位位缺陷数数（DPU）设计最优化设设计77可互换性性设计可互换性性是零件件的可替替代性为满足大大批量生生产和机机械化、、自动化化生产的的需求，，特别是是对一些些标准件件需进行行可互换换性设计计，这将将大大节节约成本本和提高高生产效效率，而而且能保保证部品品质量78可生产性性（制造造性）设设计可生产性性（制造造性）设设计是指指设计出出的产品品在现代代化工艺艺条件下下能够制制造出来来，而且且能保证证质量可生产性性设计要要求过程程能力CPK达到1.5以上可制造性性设计也也要尽量量使制造造工艺满满足现代代化加工工中心的的需要79高可靠性性设计高可靠性性设计是是指产品品能够满满足预期期使用寿寿命要求求的设计计在故障（（失效））情况下下，尽量量使平均均故障间间隔时间间（MTBF）设计得最最大运用现代代设计方方法，利利用有限限元设计计方法，，使零件件的强度度达到最最大；利利用优化化设计方方法，使使产品的的价质比比达到最最优；利利用计算算机模拟拟设计，，使设计计制造成成本达到到最小80DPU设计最小单位位缺陷数数（DPU）设计是指指设计出出来的产产品，有有良好的的工艺性性，有优优良的品品质，很很少出现现不良它要求设设计者有有丰富的的经验，，娴熟的的工艺技技巧，敏敏捷的思思维能力力并借助现现代化的的设计工工艺和制制造工艺艺，使DPU达到最小小81最优化设设计建立设计计参量的的目标函函数Y=f((x)和参量矩矩阵，通通过计算算机寻求求最优解解首先要确确定产品品的重要要特性，，多视角角分析市市场和潜潜在顾客客的影响响其次进行行达成这这些特性性的特定定产品要要素分析析，确定定重要品品质特性性的设计计中心值值与最大大误差，，进行早早期产品品的试验验或仿真真试验，，解决设设计中存存在的问问题，确确保CP≥2(CPk≥1．5)的要求82二、6Sigma产品设计计成本分分析成本分析析（设计计）受设计影影响的成成本因素素成本分析析例83成本分析析（设计计）生产一种种部件或或产品的的可能最最低成本本由设计计师最初初设计决决定，生生产工程程师只能能在已有有设计的的限度内内使生产产成本最最低设计师在在满足功功能设计计的情况况下，应应进行低低成本设设计这种为降降低制造造成本的的设计工工作叫生产设计计，以区别别于功能能设计生产设计计应根据据材料、、公差、、基本结结构、各各部件的的联结方方法等方方面的任任务，初初步确定定可能达达到的最最低成本本84受设计影影响的成成本因素素明显因素素：直接劳动动力、材材料设备费用用、工艺艺费用、、间接劳劳动力费费用，以以及非生生产方面面的工程程技术费费用隐蔽(间间接)因因素例如，假假设某产产品的一一种设计计要求有有30个个不同部部件，而而另一种种设计有有18个个即可。。则对每每件成品品来说，，由于30个而而不是18个部部件，就就要有更更多文书书工作以以及订货货、储存存和管理理费用，，这样，，间接成成本就有有了差异异85成本分析析例86三、设计计FMEA（DFMEA）什么是设设计FMEA？什么时候候需要开开始做FMEAFMEA的几个重要概念念风险系数数（RPN））DFMEA的开展87什么是设设计FMEA？FailModeandEffecAnalysis设计FMEA是用于研研究产品品在正式式投产之之前的可可能潜在在坏品模模式及其其影响的的一种分分析方法法在设计阶阶段，通通过DFMEA及时发现现产品中中存在的的问题，，以便及及早得到到改善，，提高产产品的可可靠性88什么时候候需要开开始做FMEA当一个新新的系统统、产品品或过程程开始设设计时当存在的的设计或或过程需需要改变变时当设计或或过程应应用到新新的地方方或新的的环境研究或解解决的问问题完成成后，防防止问题题再发生生设计的产产品功能能被确定定，在产产品设计计被批准准开始制制造之前前89FMEA的几个重要概念念严重度（（Severity）潜在坏品品模式对对下—操作者或或最终用用户的影影响程度度产生概率率（Occurrence）坏品模式式发生的的概率发现度（（Detection））当前的设设计或工工艺控制制发现坏坏品模式式的概率率当前的控控制（CurrentControl））包括SPC、、检验、写写程序文文件、培培训、设设备的维维护保养养和其他他一些行行动，来来确保过过程的平平稳运行行关键特性性通常的过过程设定定参数，，如温度度、时间间、速度度等均为为关键特特性，如如果这些些项目与与实际规规格不一一致，一一定要调调整到100％％相符合合重要特性性要求SPC和质量计计划加以以控制来来确定其其处于可可接受的的水平90风险系数数（RPN））风险系数数表征特特定不良良项的危危害程度度，由三三部分组组成：发生特定定坏项严严重度（（Severity）产生这种种坏项的的概率（（Occurence）这种坏项项被发现现的概率率（Detection）PRN==S·O·D风险系数数越大，，表明特特定坏项项潜在影影响危害害性越大大，对特特定项目目需制定定品质计计划和加加以改善善风险系数数值一般般在1~1000之间，对对于高RPN值要采取取改善行行动；对对高的严严重度，，不论RPN有多大，，也要采采取行动动91风险系数数（RPN））92DFMEA的开展设计FMEA由设计工工程师负负责实施施，根据据潜在坏坏品影响响程度采采取行动动，主要要根据标标准的DFMEA表格进行行93Part46Sigma测量一、单位位缺陷数数二、过程程首次通通过率94一、单位位缺陷数数DPU的含义DPU的测量两类缺陷陷模式对DPU进行图示示95DPU的含义单位缺陷陷数，DPU（DefectsPerUnit）每个单位位所包含含的缺陷陷的个数数是一个通通用的衡衡量产品品和服务务良好程程度的量量。这里里的单位位可以代代表任一一事件，，如一个个产品、、一个组组件、一一页报告告、一节节课等96DPU的测量为方便讨讨沦，我我们假设设一个产产品设计计可用矩矩形区域域代表，，我们要要求每个个矩形包包含10个相等等的可能能不合格格区域97DPU的测量假设本例例的质量量报告显显示在制制造的1000个单位位产品中中，共发发现1000个个缺陷。。我们将将计算得得DPU==D/U=1000//1000=1.0其中：D为观察到到的缺陷陷数U为产品单单位数这意味着着平均每每个单位位产品包包含了一一个这种种不良。。这种不不良是随随机分布布的，并并且在每每个单位位产品有有10个个相等的的区域有有机会产产生不良良，故DPM==DPU/m==1.0/10=0..1，0.1DPM为每个单单位机会会里的缺缺陷m是每个单单位中不不合格的的独立机机会数，，本例m=1098DPU的测量反之可知知有0.9即90％的机会会在任一一给定单单元中不不会遇到到不合格格对于任一一给定单单位产品品，零缺缺陷概率率为0.910=0.348678或34.87%如增加每每个单位位中不合合格的独独立机会会数，如如m=100，每个机会会出现不不合格的的概率将将为1/100=0.01。同样地地，给定定单位产产品零缺缺陷的概概率为：：（l-0..01））100-0.99l00=36..60%%DPU==1.0，而m增加时零零缺陷的的概率如如表7.19所示99DPU的测量100两类缺陷陷模式统一缺陷陷同样的缺缺陷出现现在一个个产品单单元中，，如不锈锈钢错型型号随机缺陷陷缺陷是间间歇性的的和不相相关的，，如成品品表面裂裂缝101对DPU进行图示示实例

DPU图的特点点及用途途作DPU图的步骤骤102DPU图实例103DPU图实例104DPU图实例根据图7.25，如对第第7点进行观观察，是是否需采采取纠正正行动呢呢?这要根据据其性质质来决定定。如果果这不是是一个偶偶然事件件（随机机事件）），即有有可寻找找的原因因，就应应采取行行动并进进行验证证。如果果为偶然然因素所所致，则则任一纠纠正行动动将无法法验证例如本例例第7点是由随随机因素素引起的的，消除除和解决决很不经经济105DPU图实例106DPU图实例根据上下下限，我我们可以以发现与与DPU相关联的的样本数数7是归因于于材料或或生产过过程方面面的随机机变化所所致（假假设产品品设计未未变），，消除这这类随机机因素引引起的变变异是很很不经济济的同时观察察发现样样本数9中的DPU点高于3Sigma上限，即即第9点由随机机因素引引起的可可能性很很小，须须采取纠纠正行动动107DPU图的特点点及用途途DPU图可以累累加（假假定缺陷陷是独立立的）。。这样DPU可通过累累加来创创造—个和组装装过程相相联系的的DPU，组装DPU又可通过过累加产产生系统统DPU当高层次次（如系系统、项项目、部部门等））u图显示一一个超出出控制的的状况或或一些非非随机图图样时，，问题可可通过DPU的分解而而追溯到到较低的的制造过过程。这这种方法法提供了了标识和和消除过过程变化化源头的的解决办办法简单明了了，人人人会做，，便于推推广及发发挥作用用108对DPU进行图示示（1）确定研研究目的的。DPU图是通过过“不合要求求”的情况来来了解品品质状况况的（2）确确定如何何研究。。DPU允许方便便地作成成图示形形式（3）列列出用来来作图的的数据（（列出所所有的缺缺陷类型型）（4）确定处处理这些些数据的的方法用u图表示，，计算平平均DPU和控制界界限即可可。步骤骤如下：：①计算每每个样本本的DPU②计算（样样本的平平均DPU）③作图④对图加加以解释释⑤根据需需要采取取适当行行动109二、过程程首次通通过率过程首次次通过率率的概念念过程首次次通过率率与过程程产出率率的比较较关于工厂厂的新观观点改善YRT的方法110过程首次次通过率率的概念念YFT为firsttimeyield（首次通过过率）YFT=S/US为直接通通过检查查或测试试的单位位产品数数U为检查或或测试的的产品总总数111YFT与时间的的关系112过程首次次通过率率与过程程产出率率假定生产产某个产产品需有有5个主要过过程，在在这种情情况下，，零缺陷陷地完成成此任务务的概率率是多少少？假设每一一过程步步骤中有有18个个部位要要作业，，则总的的机会数数变为：：m=5×18=90因此，100%%无缺陷陷通过整整个过程程的概率率如下：：1）过程程有3Sigma能力时在在90个个机会中中无缺陷陷的概率率为：0.973910=0.7840（过程程中心未未变）0.866390=0.0000（过程程中心偏偏移1..5Sigma）2）过过程有6Sigma能力时在在90个个机会中中无缺陷陷的概率率：0.999999997590=0.999999990（（过程中中心未变变）0.999996690=0.9997000（过程中中心偏移移1.5Sigma）113过程首次次通过率率与总通通过率1143Sigma与6Sigma能力比较较115过程首次次通过率率与过程程产出率率YTP=YieldThoughtPut==过程产出出率若100个产品中中有10个缺陷产产品（见见表7.23），那么么YFT、YTP的关系如如下：YFT=S/U=90/100=0.9==90%%YTP=e-DPU=e-1.0=0.3699%≈37%以上假定定100个单元中中有100个缺陷，，DPU==100/100=1.0，为何YFT与YTP会有如此此大的差差异（对对同一问问题），，图7.28、图7.29表示了YFT&YTP的意义116YFT&YTP117关于工厂厂的新观观点YRT为总的过过程首次次通过率率降低DPU意味着增增加YRT，也意味着着改善产产品可靠靠性和客客户满意意度118关于工厂厂的新观观点119关于工厂厂的新观观点的例例子一条生产产线有两两个作业业过程，，每个过过程有99%的YTP，总的YRT为多少？？操作1××操操作2==总总通通过率YRT99%→99%→98%没经检查查或测试试没经检查查和测试试没经检查查和测试试可知对任任何给定定的单位位产品通通过这两两个操作作不出现现缺陷的的概率为为98%%。每个测试试故障均均由一个个或多个个缺陷引引起，但但是并非非任一缺缺陷都可可引起测测试故障障120改善YRT的方法为改善—个典型制制造过程程的YRT，应将焦点点集中在在何种因因子上？？经实验分分析，在在制造过过程的复复杂度、、过程能能力、过过程控制制三个因因素中，，各因素素对YRT影响程度度用柏拉拉图表示示如下（（见图7.31）：从柏拉图图可以看看出，过过程能力力对YRT的影响最最大，在在三个因因素中，，其影响响所占比比例为84%，过程控控制对YRT的影响占占10%，其次是是能力和和控制的的综合影影响，达达到3%，复杂度度对YRT之影响最最小，只只占2%。由此可可见，我我们在改改善YRT时，应将将主要精精力放在在改善过过程能力力上121改善YRT所用的柏柏拉图122Part56Sigma统计方法法一、二项分布布二、泊松分布布三、正态分布布四、中心极限限定理五、一些有用用的近似似公式六、过程质量量的统计计推断与与抽样分分布123一、二项项分布考虑一个个包含n个独立试试验序列列的过程程，每次次试验的的结果或或是“成功”或是“失败”。设每次次试验成成功的概概率为常常数P，则在n次试验中中成功的的次数x具有下列列二项分分布，x=0，1，…，n式中，n与P为参数，，n为正整数数，而0<P<1。二项分布布的均值值与方差差分别为为：μ=npσ2=np（1-P）在质量管管理中，，二项分分布是常常见的。。对于从从无限总总体中抽抽样而以以P表示总体体不合格格品率的的情况，，二项分分布是适适宜的概概率模型型124二项分布布125二项分布布126不合格品品率样本不合合格品率率式中，x为样本不不合格品品数，服服从参数数为n（即样本大大小）与与P（即总体不不合格品品率）的的二项分分布。P的概率分分布可由由二项分分布导出出，即式中，r为规定的的不合格格品率，，[nr]表示小于于或等于于nr的最大整整数，则则μp=Pσp2=p（1-P）/n127二、泊松松分布泊松分布布的概率率函数为为P（x）=e-λλx/x！，x=0，1，…式中，参参数λ>0泊松分布布的图形形如图3.3所示。由由图可见见，当λ充分大时时，泊松松分布趋趋于对称称，近似似趋于正正态分布布。泊松松分布的的均值与与方差分分别为：：μ=λσ2=λ在质量管管理中，，泊松分分布的典典型用途途是用作作单位产产品上所所发生的的缺陷数数目的数数学模型型。发生生在每个个单位上上（如每每单位长长度、每每单位面面积、每每单位时时间等等等）的随随机现象象通常可可用泊松松分布得得到很好好的近似似128泊松分布布129三、正态态分布若x为一正态态随机变变量，则则x的概率密密度为，-∞<<x<∞正态分布布的参数数是μ（-∞∞<μ<<∞）与σ>0常常采用用一个专专门记号号x~N（μ,σσ2）表示130正态分布布131正态分布布132积累正态态分布积累正态态分布定定义为正正态变量量x小于或等等于某一一数值c的概率，，即为使上述述积分的的计算与与μ以及σ2的具体数数值无关关，引入入标准变变换Z=(x-μ))/σ，于是P｛x≤≤c｝==P｛Z≤(c-μ))/σ｝｝=Φ(((c--μ)//σ)式中，函函数Φ为标准正正态分布布N（0，，1）的累积分分布函数数。它的的计算见见正态分分布表133利用正态态分布对对称性的的几个公公式P｛Z≥≥c｝==1-P｛Z≤≤c｝==1-ΦΦ（c））P｛Z≤≤-c｝｝=P｛｛Z≥c｝P｛Z≥≥-c｝｝=P｛｛Z≤c｝P｛c1<Z≤c2｝=Φ（（c2）-Φ（（c1），c,c1,c2>0134算例包装纸的的抗拉强强度是一一个重要要的质量量特性。。假定包包装纸抗抗拉强度度服从正正态分布布，其均均值为μ=3..0kg/cm2，方差为σ2=0.2（kg/cm2）2。现购买厂厂家要求求包装纸纸抗拉强强度不低低于2..5kg/cm2，问购买该该种包装装纸能满满足厂家家要求的的概率是是多少？？解：满满足厂厂家要求求的概率率为P｛x≥≥2.5｝=1-P｛｛x≤2.5｝｝应用标准准变换，，可求得得P｛x≤≤2.5｝=P｛Z≤(2.5--3.0)/0.2｝｝=P｛Z≤≤-2..5｝==P｛｛Z≥2.5｝｝=1--Φ（2.5））于是P｛x≥≥2.5｝=ΦΦ（2..5）==0.99379135独立正态态随机变变量的线线性组合合若x1,x2，…，xn为n个独立的的正态随随机变量量，其均均值分别别为μ1,μ2，…，μn，方差分别别为σ12,σ22，…，σn2，则下列正正态随机机变量的的线性组组合y=a1x1+a2x1+…+anxn的分布也也是正态态的，其其均值和和方差分分别为μy=a1μ1+a2μ1+…+anμnσy2=a1σ12+a2σ22+…+anσn2这里，a1,a2，…，an为常数136四、中心心极限定定理若x1,x2，…，xn为n个独立的的随机变变量，其其均值分分别为μ1,μ2，…，μn，方差分别别为σ12,σ22，…，σn2，且，，则则当n趋向无穷穷大时的分布趋趋向于标标准正态态分布N（0，，1）中心极限限定理表表示n个独立分分布的随随机变量量之和的的分布近近似正态态分布，，而不管管个别变变量的分分布如何何。当变变量个数数n增加时，这种近近似程度度也增加加一般地，，若xi为同分布布，且每每一的分分布与正正态分布布相差不不大时，，则即使使n≥4,,中心极限限定理也也能保证证相当好好的近似似正态性性。这点点在质量量管理中中十分重重要137五、一些些有用的的近似公公式二项分布布的泊松松近似二项分布布的正态态近似泊松分布布的正态态近似138二项分布布的泊松松近似在概率论论中我们们已经知知道，当当参数P趋近于零零，n趋近于无无穷大且且为nP=λ常数时，，泊松分分布可由由二项分分布的极极限形式式得到这就意味味着，对对于小P和大n的情况，，具有参参数nP=λ的泊松分分布可用用来近似似二项分分布当P<0..1，则对于大大的n，这种近似似通常是是良好的的。N越大，P越小，则则近似程程度也越越好139二项分布布的正态态近似前面我们们已经定定义二项项分布为为n次独立试试验序列列的和，，每次试试验成功功的概率率为P。若试验次次数n大，则由由中心极极限定理理，可用用均值为为nP和方差为为nP（1-P）的正态分分布来近近似二项项分布。。即当P近似等于于1/2且n>10时，用正正态分布布近似二二项分布布令人满满意。对对于其他他数值的的P则需要n更大才行行。一般般地，若若P<1//（1++n）或P>n//（1++n），，或者当随随机变量量的值落落在区间间以外时时，这时时的近似似程度都都是不足足的140泊松分布布的正态态近似既然二项项分布可可用正态态分布来来近似，，而二项项分布与与泊松分分布之间间又有着着密切的的关系，，因此用用正态分分布去近近似泊松松分布是是合乎逻逻辑的事实上，，若泊松松分布的的均值λ≥15，则应用均均值μ=λ、、方差为σ2=λ的正态分分布去近近似泊松松分布，，结果是是令人满满意的如果再考考虑经济济因素，，则即使使上述λ值减少到到9甚至至比9更更小些，，也可以以用正态态分布去去近似泊泊松分布布141六、过程程质量的的统计推推断与抽抽样分布布统计推断断的目的的是根据据从总体体抽取的的样本对对总体做做出结论论或决策策通常，我我们假定定所取样样本为随随机样本本。所谓谓“随机”抽样就是是指无系系统倾向向性的抽抽样方法法。上述定义义适合于于从无限限总体或或从有放放回有限限总体抽抽取的随随机样本本对于由N个样品组组成的无无放回有有限总体体，当从从N个样品抽抽取n个的种抽抽样方法法具有等等可能性性时，称称由n个样品组组成的样样本为随随机样本本142统计量统计推断断是根据据统计量量做出的的。所谓谓统计量量是指不不包含未未知参数数的样本本观测值值的函数数。令x1,x2，…，xn为一样本本观测值值，则样本均值值样本方差差样本标准准差143统计推断断若已知总总体的概概率分布布，则通通常可以以确定由由所抽取取的样本本数据计计算出的的各个统统计量的的概率分分布。统统计量的的概率分分布称为为抽样分分布若x为一正态态随机变变量，其其均值为为μ，方差为σ2。若x1,x2，…，xn为从此过过程抽取取的大小小为n的一个随随机样本本，则由由前述正正态随机机变量线线性组合合的分布布可知样样本均值值的分布布为N（μ，σ2/n）样本均值值的上述述性质只只限于正正态总体体的样本本。但从从中心极极限定理理知道，，不论总总体的分分布如何何，的的分布是是近似于于正态分分布的，，其均值值为nμ，方差为nσ2144Part66Sigma品质突破破策略6Sigma解决问题题的基本本步骤6Sigma品质实施施方法6Sigma品质突破破策略6Sigma品质突破破工具1451466Sigma品质实施施方法（1）建立Y=f((x)设计模型型，寻找找最佳x，使设计目目标函数数最优化化（2）测测量Y值：Y=f((x)（3）分分析Y受潜在的的x的影响（4）改改善：通通过优化化x来改善Y（5）控制：控控制x的变化（6）“D—M—A—I—C”流程图如如图7..51所所示1471486Sigma品质突破破策略6Sigma品质的突突破结构构6Sigma突破要素素6Sigma突破策略略1496Sigma品质的突突破结构构1506Sigma突破要素素过程性能能（processcharacterization）确定过程程性能与与其相关关新产品品关键性性能。运运用Gap（（间隙、公公差））分析确确定影响响成功因因素的因因子过程优化化（processoptimization）过程优化化的目的的在于确确定产品品的关键键性能，，并将影影响过程程的变量量予以优优化1516Sigma突破策略略首先，找找出与6Sigma要求的差差距，制制定实施施计划和和实施策策略，可可分近期期、中期期、长期期计划，，找出制制约6Siena瓶颈的过过程问题题并进行行持续品品质改善善其次在于于实施。。在6Sigma目标已经经建立的的情况下下，必须须在6Sigma推行委员员会领导导下，全全面部署署实施6Sigma计划（plan）培训（training）应用（apply）评审（review）152计划（plan）（1）实施6Sigma策略（2）实实施6Sigma的短期目目标（3）实实施6Sigma的中期目目标（4）实施6Sigma的长期目目标153培训（training）（1）6Sigma基本知识识培训（2）统统计知识识培训（3）如如何建立立6Sigma标准和测测量6Sigma值（4）过过程能力力研究（5）统统计过程程控制（（SPC））（6）怎样进行行实验设设计（DOE））达到品质质改善的的目标（7）如如何运用用6Sigma分析方法法解决过过程问题题（8）掌掌握6Sigma解决问题题的工具具和方法法（9）6Sigma品质与制制造周期期、成本本和可靠靠性的关关系（10）怎样建建立一支支高素质质的品质质改善队队伍154应用（apply）（1）6Sigma标准应用用（2）利利用统计计知识解解决过程程中存在在的问题题（3）进进行ZST、ZLT、DPU、DPMO、、PPM测量，计计算出Sigma水平值（4）分分析过程程能力及及改善方方法（5）应应用——R、P//np、、U图进行过过程控制制，使过过程处于于受控状状态（6）用用DOE设计方法法进行品品质改善善（7）用用6Sigma分析方法法分析过过程中的的实际问问题（8）用用6Sigma解决问题题的工具具和方法法处理过过程中存存在的问问题（9）分分析产品品制造周周期、产产品成本本和产品品可靠性性（10）成立一一支高素素质的品品质改善善队伍，，持续推推进品质质改善155评审（review）（1）是否各各过程已已开展6Sigma评价（2）是是否运用用统计技技术解决决问题（3）是是否用ZST、ZLT、DPU、DPMO、、PPM等作6Sigma品质评价价（4）是是否用CP、CPK测量过程程能力（5）是是否用SPC控制过程程水平（6）是是否用DOE进行过程程改善（7）是是否用6Sigma分析方法法分析实实际过程程问题（8）是是否运用用6Sigma工具和方方法解决决过程问问题（9）是是否有控控制产品品生产周周期、成成本、可可靠性的的工具和和方法（10）是否成成立了6Sigma品质改善善队伍1566Sigma品质突破破工具6Sigma分步突破破工具6Sigma应用工具具包数据是基基本的工工具1576Sigma分步突破破工具第一步设设计计（Design）第二步测测量量（Measurement）第三步分分析析（Analysis）第四步改改善善（Improvement）第五步控控制制（Control）统计过程程控制（（SPC））158第一步设设计计（Design）可互换性性设计高可靠性性设计最小DPU设计最优化设设计DFMEA&DOE159第二步测测量量（Measurement）计划和组组织6Sigma测量：ZST、ZLT、CP、CPK、DPU、DPMO、PPM160第三步分分析析（Analysis）过程性能能基准6Sigma品质分析析方法Gap分析161第四步改改善善（Improvement）诊断方法法实验设计计公差性能能1626Sigma应用工具具包163鱼刺图164过程能力力165数据是基基本的工工具解决问题题要以数数据为基基础收集数据据是第一一位的信信息将收集的的数据存存入计算算机磁盘盘以便将将来应用用将收集的的信息