各大培训知名企业中文版绿带gb4analyze

ANAYZE

STEPX因子采取方法Graph分析验证假设ANOVA（方差分析）相关分析回归分析(株)宇研TQC组SHSIM头脑风暴法特性因果图Marginal

PlotBox

Plot因果图折线图Multi-Vari分析

Plot图分析相关分析假设检验方差分析回归分析残留分析统计T-test,F-test,Chi-test分析通过Graph的检验推断,分析对Y的影响图,找出对Y的有重要影响的X.目的一,在短时间内得出很多想法。二,保留判断和批判，克服创意性的障碍。效果有一个人想到一个思路，别的人就自动得跟着这个想法展开自己的想象。同时，这个想法对别人也启发灵感甚至是刺激，这样，想法会越来越多。有人把这种现象叫做连锁反映。还有人说这是因为刺激竞争心。原则不要批判。对得出的想法的反对保留到最终。尽可能发挥。所得效果会更好。思路很难想出来，但很容易被抓住误点。追求量。想法（IDEA）的数量更多，出现优秀的IDEA的可能性就越多。追求结合和改进。参与者提出自己的想法的同时，还要对别人的想法，怎样做才能作到更好，或把两三个IDEA综合成一个IDEA要怎样，具体地想一想。进行方法首先规定主题。问题尽量是具体一点。做一个说服力最强的资料，让参与者心服口服。以下出现的是对IDEA影响不好，无论是什么样的会议，都要禁止的。到现在为止我们从来没有采用这种方法.....这个不可能实现.....没有道理的妥当性，你怎么能实现?要是这个方法真有那么好，别人早就用过了。Brainstorming头脑风暴法与潮流相差太远了。按照我们公司的规定，实现不了。（与公司的命运有关，所以不能轻视）。>这个到底必不必要，不太清楚.....>我的意见可能没有多大的价值....以下是压制自己的IDEA的想法。>这个想法有点脱离实际...…>你可能会耻笑，但是....…>这并不是我的任务，但有误点请指示。3)然后让参与者提出对主题的意见及想法。尽量简单明了，才能在短暂的时间内讲更多的内容。主持人应该不要让一个人讲话讲得太多要小心翼翼地中断讲话。主持人要想到在会议当中会出现沉默的时候，所以会议前有必要准备好一个把会议维持得生气勃勃的方法。或则暂时听听愉快的音乐，还讲一些关于会议主题的有兴趣的

话题，这样把气氛转换之后再展开会议。5.对提出的IDEA的处理方法会议结束之后剩下用这个方法找出问题的解决方案。从现在开始最重要的是判断。有正确的判断才

能有优秀的解决方案。判断之前要整理好IDEA的目录，各项目之间留一点空白。要是有更好的想法，可以补充。一般参与者开完会议的后几天会一直对会议的主题思索，会想出更好的IDEA。IDEA的最终选择还是由对这个问题有直接关联性的人来评价是最合适的。之后无论是怎样的情况之下把IDEA的处理情况告知出席者。Brainstorming把事情结果的特性和启发其之原因和要因之间的关系用因果图表示。质量特性:显示事情的结果。如产品的品质，产品成本，生产性，安全状况等。所以也能说是“(事情)的结果”。在公司当中也能以“问题点”的形式出现。原因:影响于事情结果的原因。例如人(Man),机器(Machine),材料(Material),方法(Method)等。<实施方法>确定好特性(问题点)要分清楚对什么的特性采取因果图。脊骨线右边写入特性，从左到右用粗箭头（脊骨线）画。主刺线-把产生特性的原因分成大的几类，找出主要有哪些，然后用箭头画。主刺线4~8个是最合适，在实际上依4M(Man,Machine,Material,Method)。小箭头-根据各个大原因，找出发生重要原因的小问题，然后用小箭头画。确认有没有遗漏的地方。对影响力大的原因特别标一下。在各个要因当中影响最大的，或最重要的进行特别标识。特性因果图/cause

and

effect

diagram,characteristic特素要因图/cause

and

effect

diagram,characteristic锡焊不良材

料设备作业方法检查员作业者检查基准不明确检查水准没有限度抽样缺乏磨练技能作业不熟悉没有针对检查能力判断不统一个人都有差异知识不合格判断基准不明确不知检查结果质量意识缺乏意志PLECS重量在LOT中不同容量小熨斗部品被弄脏部品镀金不合格乱环境作业场合暗PLECS电源容量不足时间的长短锡焊时间根据部品温度不同锡焊熨斗的温度熨斗的温度低432176543210-1-2-3groovenoact-spec

Marginal

Plot

:

\

Training\S2\Graphex.mtw

BoxPlot

:\

Training\S2\Graphex.mtw

Plot

:

Training\S2\Graphex.mtw

因果图:\Training\S2\Asmbtime.mtw

柱状图:\Training\S2\Asmbtime.mtw异常值:比其它的数据距离很远时表示Q1

:把数据按顺序摆之后在于1/4的值Q3

:把数据按顺序摆之后在于3/4的值中央值Graph分析Cause

and

Effect

Metrix橡胶底撕裂Importance

tocustomerWarrantyReturns24131111106333399/8-00/7products89049040039737221811210710494OutputNumber12345678910input

numberProcess

Output(结果以Six-SigmaProject

theme选定Process

Input(原因))橡胶底&鞋帮粘合原因不明注塑底破损橡胶底&注塑底粘合缝纫有关混入(鞋码/鞋型)附材料不良(破损/撕裂)鞋舌缝纫其它组立(外观/污染)TOTAL1粘合39009000002793其它组立(包括检查)13033193392044缝纫10000900901055进口检查30030303331506设计33033100001807其它000000000004Way

Analysis计数值计量值数据回归分析方差分析使用样本的统计变量(平均值和偏差)推定某个总体。验证:设定某个假设，该假设的成立与否通过样本的统计数据而决定。假设检验两侧决定概念的理解证据资料的收集设定假设采取领域取消领域取消领域统计推论推定量或检证统计某总体样本取消值取消值作出决定设置原假设(HO),备择假设(H1)·方差分析表(ANOVATabie)定理·决定显著性水平(a)判定显著性(与P-Value的比较)HoH1Ho正确的决定1

-α:可信度第2

种错误(消费者损失)错误概率βH1第1种错误α(错误概率,生产者的损失正确的决定1-β:可信度事实判断对测定样本得出的结果否定假设时，拒绝原设，采取备择假设(Reject),不能否定时，采取原假设(Accept).统计假设验证的结果是把原假设确定或拒绝这两个方面当中一个第1种错误(Type

I

Error)原假设为真，由于样本的随机性，使样本观察值落在拒绝域中，从而作出拒绝原假设的决定。也叫做生产者危险(Producer‘sRisk).如产品本身合格，因抽样随机性，根据抽样结论被判为不合格。把犯第1种错误的概率以α表示显著性水平(Significance

Level)若要求犯第一种错误的概率不超过α，由此给出的检验称为水平为α的检验，称α为显著性水平。在1%,

5%,

10%当中5%主要适用假设检验–用语第2种错误(Type

II

Error)原假设为假，由于样本的随机性，使样本观察值落在接

受域中，从而作出接受原假设的决定。消费者危险

(Consumer‘s

Risk),犯第2种错误的概率以β表示。如产品

本身不合格，因抽样随机性，根据抽样结论被判为合格。可信度(Power

of

Test)要验证的原假设是假的(就是备择假设是真的),意味着拒绝原假设的概率犯第2种错误的概率是β,那么可信度以1-β来表示假设检验假设检验连续数据离散数据分散平均两种平均的比较几种平均的比较F-

testT-

testANOVAVariance...Testfor

Equal

Variance1

Sample

t-test2

Sample

t-testpaired

t-testOne-way

ANOVATwo-way

ANOVAProportionProportion假设检验-Minitab

T-

test:

\

Training\S2\Ttest.mtw假设检验

p-value>

:采取原假设

p-value<

:采取备择假设One-Sample

T:

DaysTest

of

mu

=

125

vs

muN10125Mean131.00StDev19.54SE

Mean6.18VariableDaysVariableDays95.0%

Lower

Bound119.67T

P0.97

0.179Two-SampleT-Test

and

CI:

Manu_a,

Manu_bNMeanStDevSEMean10162.6140.5990.1912155.131.130.33P-Value

=

0.000Manu_aManu_bDifference

=

mu

Manu_a

-

mu

Manu_bEstimate

for

difference:

7.48495%

CI

for

difference:

(6.687,

8.281)T-Test

of

difference

=

0

(vs

not

=):

T-Value

=

19.82Paired

T-Test

and

CI:

calip1,

calip2N

Mean

StDev SE

Meancalip1120.2662500.0012150.000351calip2120.2660000.0017580.000508Difference120.0002500.0020060.00057995%

CI

for

mean

difference:

(-0.001024,

0.001524)T-Test

of

mean

difference

=

0

(vs

not

=

0):

T-Value

=

0.43P-Value

=

0.674假设检验-T-Test

\Training\S2\Furnacbb.mtwTest

for

Variance

:

F-Test检验分散的同质性检验某两个总体的分散是否相同2.53.54.5215101520Boxplots

of

Raw

DataResponseF-Tes

tTest

Statis

tic

:

1.183P-Value

:

0.574Levene's

TestTest

Statis

tic

:

0.000P-Value

:

0.986Test

f

or

Equal

Variances

f

or

Response95%

Confidenc

e

Intervals

for

Sigmas Fac

tor

Levels12带有正态分布时不带有正态分布时Test

for

Variance

:

F-Test因子的水平(Factor

Level)在因子内给实验有影响的各种特别的形态叫做因子水准或水平(Treatment)

。如讲区域：汉城，大口，斧山等能充当因子的水准，那么这时的区域因子持有三种水准。因子或要因(Factor)是在方差分析当中采取的独立变量。例如：按区域分析水的种类，那么区域是因子。按工资制度或设备种类分析生产性的差异，那么工资制度或设备种类是因子。所谓方差分析，把实验的结果、贯彻的特值变动量用分散概念把握之后，弄清楚分散的原因到底在什么地方的一种统计方法。即把特值的变动量用方差(sumofsquare)显示，把这方差区分成起因于(1)实验的部分和(2)偶然发生的错误,然后分析比误差有特大的影响的因子是到底是什么的一种分析方法。使用于本质的方差分析是因子即对独立变量(们)的效果分析。ANOVA

(Analysis

of

Variance)（方差分析）检验3个以上的平均ANOVA（方差分析）的假设在各样本内的观测要独立。抽出样本的某总体是要正态分布。3.

抽出样本的某总体是要同一分布。(Test

for

Equal

Variance)进行对一个因子的方差分析独立变量有一个样本的数量不同ANOVA

(Analysis

of

Variance)分析主效果分析交互作用自变量X数据附属变量Y的数据计数值计量值计数值计量值回归分析进行对二个因子的方差分析独立变量有二个One-way

ANOVA:

Cycletime

versus

RegionAnalysis

of

Variance

for

CycletimSourceDFSSMSFPRegion2181.1590.5818.320.000Error87430.094.94Total89611.25Individual95%

CIs

For

MeanLevelNMeanStDevBased

on

Pooled

StDev---+---------+---------+---------+---13012.8152.647(----*-----)23010.2681.700(----*-----)3309.4942.222(----*-----)Pooled

StDev

=2.223---+---------+---------+---------+---9.0

10.5

12.0

13.5

\Training\S2\cqcycle.mtw

\资料\Exh_aovTwo-way

ANOVA:

Zooplankton

versus

Supplement,

LakeAnalysis

of

Variance

for

ZooplankSourceDFSSMSFPSuppleme219199599.250.015Lake121210.210.666Interaction25612812.710.145Error6622104Total113123ANOVA

(Analysis

of

Variance)交互作用ANOVA:

Cycletime

versus

Region,

Shift,

WorkerExpSourceDFSSMSFPRegion2181.15490.57727.240.000Shift249.15024.5757.390.001WorkerEx163.00363.00318.950.000Region*Shift45.7081.4270.430.787Region*WorkerEx222.66511.3333.410.039Shift*WorkerEx220.52210.2613.090.052Region*Shift*WorkerEx429.6707.4182.230.074Error72239.3763.325Total89611.249

\

S2\cqcycle.mtw

\

manu\stat\ANOVA\BALANCED

ANOVAANOVA

(Analysis

of

Variance)WorkerExpShiftRegion2132132112.711.911.110.39.5CycletimeMain

Ef

f

ects

Plot

-

Data

Means

f

or

Cy

cletime2132113.010.58.013.010.58.0RegionShiftWorkerExp321321Interaction

Plot

-

Data

Means

for

Cycletime分析主要效果分析交互作用ANOVA

(Analysis

of

Variance)Y=

f(X1,X2,X3,….Xn)ANOVA

(Analysis

of

Variance)收集资料分析Graph:Dot

PlotBox

Plot:确认异常值–调查资料收集过程，把握异常原因检验正交试验(Normality

Test):不是正交试验时用Box-cox变换成正交试验检验分布的同质性:Test

for

Equal

Variance본

分析:Main

Effect(主效果)Interaction(交互作用)ANOVA(方差分析)选定几个主要因子找出最低条件-->I阶段(IMPROVE)相关关系-相关关系的种类①Pearson的相关系数:量变量(计量值资料)②

Spearman

的相关系数:

质变量

(计数值资料)

*

实习file

Exh-regr.mtw用相关系数（r）弄清X与Y的关联性)总是–1=<

r=<1r>0

正相关,r<0

负相关lrl>0.7强相关关系0.4<l

r

l<0.7弱相关关系lrl<0.4几乎没有相关关系决定系数r2:y的变量与x的相关程度例)r

=0.8

r2=0.64，表示y的变动64%与x相关腿长身长回归分析(REGRESSION)为了预测为目的,回归分析广泛活用在社会经济现象或自然现象的几乎所有问题在6Sigma特别是在分析阶段应变量(dependentvariable)的结果(Y)和影响于这个的要因(X),

明确自变量(independent

variable)的关系才能与改进阶段连接,这时候适用的有用的统计分析方法就是回归分析为了把X与Y的关联性用方程式表示的方法y

=

ax

+

by

=

ax2

+

bx

+

c能不能以父母的个头预测子女们的个头呢?19世纪有个叫FrancisGalton的人对这个问题考验过，就是以父亲的个头测定子女们的个头，会有多大的正确性,他开发了这个问题。结果发现一个很有意思的事实。个头很高的父母的子女个头高是高，但是大部分比父母矮。个头矮的父母的子女个头矮是矮，但大部分比父母高。即子女的个头相关于父母的个头，但结果还是回归于平均个头的倾向。有向平均值回归的现象。能说明像这样的现象的方法叫做回归分析(Regression

Analysis)。回归分析广泛地活用于弄清社会经济现象或自然界的现象的大部分学问的预测。在6sigma特别是在分析阶段应变量(dependentvariable)的结果(Y)和对这有着影响的要因(X)，即自变量与应变量(dependentvariable)的关系要明确地规定好之后才能连接到改进阶段，就在这时可以适用的统计分析法就是回归分析。跟着自变量X的变化应变量Y以什么样的函数形式变化，为了大概地弄清结果用两种数据作成散点图(Scatter

plot)。推定两个变量之间的函数关系先画散点图，可知大概的函数关系。对设置回归模型可提供妥当的事前情报。(a)是X,Y之间有负相关关系，(b)是X,Y之间有正的相关关系，©是X,Y之间没有任何线性关系。通过作出相关图，我们可以类推出X,Y之间的关系。回归分析(REGRESSION)收集数据决定回归模型评价回归模型的有效性决定回归式·确认散点图·制作回归线·检验回归模型的适合性·确认散点图·制作回归线为了证明变量之间的关联性,假定一个数学模型,把这模型以测定变量数据