质量培训796 sigma培训大全

单元

1:6sigma简介1-16Sigma概念1-26Sigma阶段推进内容1-3

统计基本概念及理解1-46Sigma品质水平是什么?1-5

聚焦问题点阶段最香甜的果实-全系统设计大部分的果实-Process特性化/最佳化下部的果实-QC7

tool掉在地上的果实-仅依靠直接检查6sigma概念（广义）σ-水平65432PPM3.42336,21066,807308,5373sigma水平的公司6sigma水平的公司

销售额中10～15%是损失费用

销售额中5%是损失费用

百万中有66,807个不合格品

百万中有3.4个不合格品

依靠品质检查

重点是使工序中不产生不良

保证高品质需要很多费用

保证高品质所需费用更低

不能按体系进行

使用测定,分析,改善,管理技法承认并满足于99%

不满足于99%

决定CTQ

彻底地以顾客观点来决定CTQ6sigma概念Ⅰ

每年有54,000次的药品调剂错误25年中只发生1次药品调剂错误每年护士或医生的错误造成新生儿死亡40,500名100年中护士或医生的错误造成新生儿死亡3名每月有2小时喝污染的食用水16年中只有1秒钟喝污染的水

每周有2小时不能提供电话服务100年中6秒不能提供电话服务

每天飞机发生5次着陆错误美国所有航空公司10年发生1次着陆错误

每周发生1350次外科手术事故20年发生一次外科手术事故

每小时遗失54,000件邮件

每年遗失35件邮件6sigma概念Ⅱ3sigma水平的公司6sigma水平的公司阶段Tools6sigma概念(使用工具)Measurement(测定)5)GageR&R6)RationalSubgroup7)ProcessCapabilityAnalysis(分析)8)HypothesisTest9)Regression10)GraphAnalysisImprovement(改善)11)DoE(DesignofExperiment)12)ANOVADefine(定义)1)ProcessMapping2)LogicTree3)ParetoAnalysis4)QFD,FMEAY=f(χ)Question1)Y或

X中对哪一个聚焦?Question2)假如X良好的话,有没有必要继续实验及检查Y?Y

从属变数

Output

结果

现象

观察监视的对象X1…Xn

独立变数

Input

原因

根源问题

管理对象6sigma概念(活动方法)阶段展开

内容6sigma各阶段推进内容Measurement(测定)2)选定制品或工序的CTQ3)把握Y的工序能力

4)明确Y的测定方法

5)将Y的改善对象具体化FocusYYYYAnalysis(分析)6)明确改善Y的目的

7)明确影响Y的因素YX1....XnImprovement(改善)8)通过筛选抽出关键的少数因素

9)把握关键的少数因素的相关关系

10)工序最佳化&验证(再现性实验）X1....Xn致命的少数因素

Xi致命的少数因素XiControl(管理)

11)确立对X的测定系统

12)确立对关键的少数因素的管理方法

13)确立关键少数因素的工序管理系统及事后管理致命的少数因素Xi

致命的少数因素Xi致命的少数因素XiDefine(定义)1)确定问题点/具体改善目标·

算术平均值(x):·

调和平均

(H):·S(总变动

:TotalSumofSquares):偏差平方和·

无偏方差(UnbiasedVariance):S

除以自由度(n-1)V=Sn-1S=Σ(xi-x)²=Σxi²

－n(Σxi)²~nxi=1i=1nΣxH=[n1Σxi1]1统计基本概念的理解数据的计算方法中心位置特征值的计算：

散布的计算·

中位值

(x):按大小顺序排列时处在中央位置的值·

最频数(Mode):资料中最频繁出现的值区分参

数统

计

量均值(Mean)方差(Variance)偏差(Deviation)均值：μ样本均值：

x方差：σ²

样本方差,无偏方差：VV=Σ(xi-x)²n-1=Sn=Sn-1标准偏差：σ样本标准偏差,无偏方差的开方σ=σ²

=Snv=S²Sn-1=统计基本概念理解参数和统计量

参数(Parameter):描述变量集合的特性值

统计量(Statistics):表示标本的特性值nσ²=Σ(xi-x)²统计基本概念理解sigma是希腊字母，表示工序的散布.sigma是统计学记述接近平均值的标准偏差(StandardDeviation)或变化

(Variation),或定义为事件发生的可能性.Sigma是表示工序能力的统计单位,测定的sigma跟DPU(单位缺陷,DefectPerUnit),PPM等一起出现.可以说明拥有高sigma值的工序，具备不良率低的工序能力.Sigma值越大品质费用越少,周期越短。Sigma的定义1σ拐点★平均值和拐点之间距离用标准偏差(σ)表示。

如果目标值(T)和规格上下限(USLorLSL)距离是

标准偏差的3倍的话，说明具备了

3Sigma的工序能力.某班学生的国语平均分数是60分,按偏差是5的正态分布的话,随意抽取一个学生时，70分以上分数的可能性是多少?606570455055测定值(分数):012-3-2-1Z-值

σ:68.3%95.4%99.7%753统计基本概念理解

正态分布

:N(60,5²)

标准正态分布

:N(0,1²)70分的情况下

Z-值是f(x)=e1-122πσ[2x-μσ]·

·

·…Z00.010.020.030.040.05.00E-014.96E-014.92E-014.88E-014.84E-010.14.60E-014.56E-014.52E-014.48E-014.44E-01Z-值的计算70分以上的可能性有多少?60657045505575Zσx-μ·

正态分布总面积是‘1’·

某概率变量‘X’到平均值(μ)之间距离除以标准偏差(σ)的值用‘Z’来表示·

如果规格上限(or下限)用‘X’来代替时超出规格上限的尾部面积可以认为‘有缺陷可能性’·

‘Z’值是用来测定工序能力,跟工序的标准偏差不同,·

在这里‘Z’值是2.0，把全体面积作为1的时对应的面积0.0228.规格上限缺陷区域Pr(X≥70)=σx-μ[570-60≥]=(Z≥2)=2.28%或

22,800PPM统计基本概念理解工序能力测定方法

Z-值1σZ=32σ3σ3σ能力USL统计基本概念理解LSLUSLLSLZ=6需要什么样的管理?需要什么样的技术?

短期的工序能力

长期的工序能力

判断为短期内工序没有外部影响

Zst(σst)Cp

技术

最佳条件下的工序能力

6σ:Zst=6.0,Cp=2.0Zst=3×Cp

判断为充分长时期内工序有外部影响

Zlt(σlt)Cpk

技术

+工序管理

日常条件下的工序能力

6σ:Zlt=4.5,Cpk=1.5Zlt=3×Cpk统计基本概念理解规格下限(LSL)-6σ-5σ-4σ-3σ-2σ-1σχ+1σ+2σ+3σ+4σ+5σ+6σ规格关系无偏移时不良率(理想的工序时)±1.5σ偏移时不良率规格上限(USL)±1σ±2σ±3σ±4σ±5σ±6σ317,30045,5002,700630.570.002697,700308,70066,8106,2102333.46sigma品质水准是什么?正态分布的平均偏移(±1.5σ)按规格变化和平均值偏移的不良率-1.5σ＋1.5σ4BlockDiagramZ

shift工序管理ABC1.52.02.50.51.0123456PoorGoodPoorGoodZ

st技术A:工序管理状态不足,现在技术水平也低

B:需改善工序管理,但技术水平优秀

C:工序管理优秀,但技术水平低

D:

WorldTop水平的公司

D6sigma品质水平是什么?聚焦问题点阶段ProcessMapping

·ProcessMapping是调查情报的流程,而使Process文件化

·

为明确改善的可能性而使用的工具

ProcessMapping制定

·

定义Process范围(要改善的一般领域或特殊的Process)

·

通过大脑风暴法制定Process的阶段顺序

·

为了容易分析,使用符号

·

为了验证Process,实际确认

·

追加KeyProcess的值

(Yield,Cost,损失费用

,加班费用,Cycletime等)

·

按题目的性质,使用分析图

(ProcessLoss或浪费要素/改善Cycletime/改善品质/Flow改善)1.确定问题范围QFD(QualityFunctionDeployment)质量指标分解

·QFD是将顾客核心要求事项,转换分解成技术要求事项(规格),或暂定的

CTQ的工具,由相关工序专家制定

QFDProcess

·

进行市场调查，明确信赖性要求,及一般的要求事项和顾客对现在品质核心问题的要求。

·

对调查内容优先排序,为满足顾客的要求事项制定技术规格

·

确定对顾客要求事项影响大的技术规格的先后顺序,对已确定的先后顺序的技术要求事项，转换成暂定的Part特性(CTQ)

·

对技术规格影响大的特性要素(CTQ)进行排序1.确定问题范围聚焦问题点阶段FMEA(FailureModes&EffectsAnalysis)故障模式及效果分析

·FMEA是明确制品设计上可能发生的问题和排定其顺序,并针对故障模式制定所采取的恰当活动

FMEAProcess

·

对已设计的制品用Brainstorming法列出可能的故障模式

·

决定每种可能故障模式的重要度和发生可能性

·

决定消除重要故障模式而采取的方法

·

开发消除或减少重要故障模式的方法

部分分析法

·

以优先顺序找出问题的核心事项

·

典型的是：80%的问题由20%产生用逻辑树等方法展开问题后,找出最终区域,选定经验丰富的工程师来执行课题活动。2.决定活动课题和相关非常勤人员聚焦问题点阶段1.确定问题范围Brainstorming:在短时间内得出很多主意的办法

Brainstorming种类

·FreeWheeling:全Team员以对话形式即兴发掘Idea

·RoundRobin:对事件，Team员轮流发掘Idea

·CardMethod:不经讨论,Team员把Idea写在卡片上，贴到墙上

Brainstorming时注意事项

·

禁止批评

·

全部Idea都要记录

·Idea发掘时不要解释或讨论

·

粗略的Idea也要鼓励

·

所有人都积极参与

LogicTree(StructureTree)

·

为达成目标的手段,用逻辑性表示

·Break-down(展开)的问题之间MECE(互不重复无遗漏的全体)*.MECE(MutuallyExclusiveandCollectiveExhaustive):(不重复,各个的和等于全体)2.找出活动课题的具体事项聚焦问题点阶段4.确定活动题目的相关Benefit[利益](定量/定性效果):为保证达成,明确改善金额5.对活动课题的问题记录

:在现象分析时,记录现在现象和所希望的现象6.计划时间表管理

:通过分析把全部日程用具体的图表管理聚焦问题点阶段单元2:测定(Measurement)2-1

变化的理解2-2GageR&R2-3

连续型数据分析

2-4

离散型数据分析变化的理解数据的分类工程问题/BottleNeck/Issue事项解决问题连续型DATA离散型DATA

连续型数据（计量型数据）

·Inchor时间一样能使用测定刻度的数据

·

比计数值数据提供更多情报离散型数据（计数型数据）提供合格不合格之类情报的数据不能再细分化的数据

变化的理解群内变化(WhiteNoise)WhiteNoise是工程内存在的日常因素引起的变化(偶然因素)

现在的技术水平是不可能控制的变化一般工程的散布工程上受细小的多数因素的影响Z.st来表示群间变化(BlackNoise)BlackNoise是工程外部因素影响中心值移动

一般情况下,可查明原因的变化(异常原因)

现在工程上可控制的变化

一般情况下,在工程的目标值上平均值偏移

实际上可以知道随时间的变化,工程能力会怎样变化群内.群间变化的区分例Line1Line2Line3变化的理解RationalSubgroup（合理分组）

指跟数据的种类无关,在可能的短时间内彼此类似的条件下作业的样本群。ProcessResponseTime群间变化(BlackNoise)群内变化(WhiteNoise)RationalSubgroups

为什么要RationalSubgroupingRationalSubgroup是

6Sigma的一个强大的工具。

是区分工程的短期工程能力或长期工程能力的重要方法

·

可以把握平均值移动问题还是散布问题

·

把问题特殊化的第一个阶段

RationalSubgroup要包含的要素

:为了明确给工序变化暂定影响的‘X’因素，使用5M求解特性要因图

·Man:作业者变更.昼夜班次交换,新作业者等

·Machine:机械设定值变更,设备维修&维护等

·Material:交付LOT.作业安排,原材料等

·Method:作业者间的作业方法差异等

·Measurement:测定者的变化,测定设备误差等

变化的理解RationalSubgrouping事例GageR&RStudyGageR&RStudy有下面3种

·

反复性(Repeatability)

·

再现性(Reproduceability)

·

全体测定变化

即对比

Process或

Spec决定测定系统的变化有多少程度比率的系统。σ²Total=(σPart-Part)²+(σR&R)²·

数据全体

变化·

部品间变化·

测定

Error

变化GageR&R是什么？

测定系统给工程的变化值造成多少影响

GageR&RGageR&RGageR&R判断基准计测器选定(测量的精度)一般来说量具要求是工序变化/Spec许可误差的10%或更小的精度是合理的。

·

精度:在量具上能读到的测定最小单位

例)部品的公差=±0.020时,量具精度要满足≤0.00230%以上

判断20%以下Accept20%～30%考虑适用部品的重要度等判断能否Accept一般情况下

Accept设计许可误差对比

GageGageR&R值越大，要制定改善计划并进行改善。如果不顾测定系统的误差,不改善系统的话,在6σProject实行中,要愿意接受测定系统可能发生误差的危险。GageR&R对测定系统变化的理解

反复性(Repeatability):1名测定者使用同样计测器测定同样部品的

同样特性时得到的变化Repeatability再现性(Reproduceability):同样部品的同样特性使用同样计测器由多名测定者测定时得到的变化

测定者

1测定者

2测定者

3ReproduceabilityGageR&R对测定系统变化的理解

稳定性(Stability):在一定的时间间隔下把标准品用同一的计测器

测定同一的特性值时得出的变化。

偏移(Bias):实际测定值跟试料平均值的差异值叫准确度(Accuracy)Time1Time2StabilityObservedAverageValueBiasReferenceValueGageR&R对测定系统变化的理解线性(Linearity):通过期望的Gage工作范围比较精确度得到的值

即在已定的工作范围的两边界线区间上，最少研

讨1回的精确度得到的值的差.

偏差大偏差小测定值参考值参考值测定值GageR&RGageR&R类型

短期的方法

·

只需要2名测定者和5个部品

·

不能分离反复性和再现性

·

可以迅速确认想测定的计测器的接受与否

长期的方法

·

典型的是2～3名的测定者对10个部品反复测定2～3次

·

可以明确把握测定系统的变化有多大,能分离反复性和再现性部品12345测定值

12.0031.9982.0072.0011.999测定值

22.0012.0032.0061.9982.003｜测定差(1-2)｜0.0020.0050.0010.0030.004范围的界限·测定差平均值=ΣR/5=0.015/5=0.003·

测量误差=(5.15/1.19)×(R)=4.33×(0.003)=0.013·

公差的测量误差

=(0.013×100)/0.030=43.35%

参考)测量误差用测定差的平均值乘以常数(这里是

4.33)来计算.

常数在5.15/d*里已有计算,d*是下表中的值，5.15是Gage引起的

变化能满足5.15σ99%值。ΣR=0.015GageR&R短期的方法时

GageR&R运用CTQ部品的Spec是2.000±0.015时

对测定差平均分布的

d*值GageR&R长期方法时

GageR&R的

Minitab运用

选定MonitorCover为

SixSigmaThemeSpec=2.3±1.5

为确认测定系统,3名检查者对10个部品反复测试2次

File

name:Gageaiag.mtw为确认测定系统,3名检查者对10个部品反复测试2次Stat＞QualityTools＞GageR&RStudyGageR&R输入变量选择ANOVA长期方法时

GageR&R的

Minitab运用GageR&RStudy-ANOVAMethodTwo-WayANOVATableWithInteractionSourceDFSSMSFPPart_92.058710.22874539.71790.00000Operator20.048000.0240004.16720.03256Operator*Part_180.103670.0057594.45880.00016Repeatability300.038750.001292Total592.24913GageR&RSourceVarCompStdDev5.15*SigmaTotalGageR&R0.0044370.0666150.34306Repeatability0.0012920.0359400.18509Reproducibility0.0031460.0560880.28885Operator0.0009120.0302000.15553Operator*Part_0.0022340.0472630.24340Part-To-Part0.0371640.1927810.99282TotalVariation0.0416020.2039651.05042Source%Contribution%StudyVar

%ToleranceTotalGageR&R10.6732.66

11.44

Repeatability3.1017.626.17Reproducibility7.5627.509.63Operator2.1914.815.18Operator*Part_5.3723.178.11Part-To-Part89.3394.5233.09TotalVariation100.00100.0035.01NumberofDistinctCategories=4GageR&R长期方法时

GageR&R的

Minitab运用NumberofDistinctCategories=4

·

表示检测部品的信赖性区间不重叠的个数GageR&R4个CategoriesNumberofDistinctCategories判断方法

·NumberofDistinctCategories:0～1不适用(改善检测系统)

·NumberofDistinctCategories:2～4附加条件时可接受

·NumberofDistinctCategories:5以上

可接受对同样部品的同样特征值测量，由3名检查者反复检测2次。可以分为4组对特定部品测定，信赖性区间小说明测定者和测定有反复，且测定很准确。如果信赖性区间重叠意味(信赖区间不重叠意味着组数小)测定的变化大。长期方法时

GageR&R的

Minitab运用※GageR&RGageR&R的

Graph解释Xbar管理图

·

测定值超出管理界限,表现为良好的结果.*如果测定值的50%以上在管理界限内的话,这个系统不适合.

·

管理界限是用测定者间的测定值变化来计算,因此测定值的变化小说明管理界限的幅小

即,说明测定者间的测定值变化很小

·

测定的变化(测定者,测定系统)比部品间变化相对小

可以读出

Parts间变化的情况

R管理图

·

大部分的测定值在管理界限内

·

表示所测定的数据的值是正常的长期方法时

GageR&R的

Minitab运用GageR&RGageR&R的Graph解释有必要对Operator1,2,3间的Part10,找出散布大的原因并查明可以知道“Oper*Part”间的交互作用,这是主效果的操作者(测定者)影响

Y的值.操作者的测定值,跟Part彼此调合后影响

Y(GageR&R).长期方法时

GageR&R的

Minitab运用GageR&R适合贯能判断时

GageR&R

对各

Parts用贯能来判定合格与不合格，或

go·nogo时

·TV外观检查时,

·2名评价者反复测试20个管子评价者

1评价者2121212345678910111213GGGGGGGGNGGGGNGNGNGNGGGGGGGGGNGNGNGNGNGNGGGGGGGGGGGGGGGGGGGGNGGG实验顺序GageR&RGageR&R实行时注意事项

以Blind测定来评价

决定几名评价者为合理

按产品的重要性和统计特性决定试料数和反复次数

预先决定评价周期

抽取样本时运用随机原则，但实施

GageR&R时须对试料事先计划再行抽样

利用贯能法检查实施GageR&R时，要选定技能相同的评价者实施GageR&R

一般是看

%Tolerance值来判断Gage的接受与否，但%StudyVar在20%以上时，

有必要点检工序ProcessGageR&R值较大时，必须制定改善计划进行改善。如果测定系统有误差，但不改善系统的话，在执行6σProject期间要接受测定系统可能发生误差的危险。

短期工序能力是只存在群体内变化,表示取样的数据都具有同样的品质特性，但有主要技术要素引起品质特性变化，因此，品质特性变化越大，散布也就越大，短期工序能力也就越差。

·ShortTermProcessCapabilityIndex:短期工序能力指数

·Zst(σst),Cp

·Zst=3×Cp

长期工序能力是包括群内变化和群体间变化，为了改善技术和工序管理，必须判断工序是否稳定时，用长期工序能力的特性来取样，来确认包括管理要素引起的变化和技术的要素引起的变化。

·LongTermProcessCapabilityIndex:长期工序能力指数

·Zlt(σlt),Cpk

·Zlt=3×Cpk什么是工序能力工序能力

工序在管理状态时，其工序生产的产品品质变化有多少程度的值；或指在管理状态（稳定状态）下，工序能制造出来的品质水平的程度。

SixSigma工序能力是指工序的变化（or标准偏差:σ)小，即使乘以6倍，变化值也能够满足规格的工序能力。短期/长期工序能力的意义Short-termCapability(6σ)σst^σlt^工序能力度评价工序能力时间σst^σst^σst^●●●●工序能力

两侧有规格时的工序能力Cpk=(1－K)CpCp=SU-SL6σ

有偏移时的工序能力χKK=T/2│M-χ│SLSU工序能力的数学式工序能力的数学式工序能力

只有规格上限时的工序能力

只有规格下限时的工序能力χSUCpu=Su-χ3σχ-SL3σCpL=

葡萄酒农场为了参加庆祝大会，在准备过程中，有必要改善葡萄酒品质

而准备

Project,首先为了把握现象，按合理分组计划规划得出了包括下列

‘X’

因素的葡萄酒质量‘Y’的样本。

X因素:地域,木塞,葡萄酒味,透明性,,香气，葡萄酒瓶

File

name:training/s1/sixsigma.mtw工序能力的

Minitab运用工序能力Stat＞BasicStatistics＞NormalityTest

点击OK后键入变量数据的正规性验证工序能力

计算工序能力指数工序能力的

Minitab运用工序能力Edit＞CommandLineEdit继续输入命令语句‘5’

表示subgroupsize(n=5)表示命令语句输入完毕

点击

SubmitCommands工序能力的

Minitab运用表示对短期/长期Z-level及

PPM值工序能力

点击

SubmitCommands工序能力的Minitab运用工序能力与spec对比工序能力比较提供对工序能力的多样的情报工序能力

Minitab运用工序能力Stat＞QualityTools＞CapabilityAnalysis(Normal)SingleColumn:QualitySubgroupSize:5Lowerspec:8Upperspec:22

键入变量工序能力

Minitab运用工序能力

点击OK用语解释离散型数据分析D(Defect):缺陷

or不良（事项）

为了满足顾客的要求事项而浪费的再作业或失败的工作。

例)把顾客的要求事项记错的差错情报。

DO(DefectOpportunity):机会损失（缺陷）可能引发的机会损失（缺陷）的行动或事件。

例)须在一张要求式样上记录的项目数U(Unit):元件元件测定可能机会的细节

例)要求样式DPU(DefectPerUnit):

每个元件内存在的缺陷数DPO(DefectPerOpportunity)：每个机会损失数

每个

Unit中存在机会数和关联的元件内存在的缺陷数DPMO(DefectPerMillionOpportunity)（每百万机会损失数）

:1,000,000单元存在的损失数

DPO×1,000,000

转换SixSigma比率DPU/DPO/DPMO/P(ND)改善离散型数据分析发出了100张送货单，其中检出100个不符合项,如果各单元有10个项目，DPU/DPO/DPMO/P(ND)各是多少？DPO=D/(U×Opp)DPO=100/(100×10)=0.1(10%)该值表示所发出的送货单的每个项目最少有1个不良的可能性是10%。DPMO=DPO×1,000,000

例)上例DPMO是

0.1×1,000,000=100,000DPMODPU=D/UDPU=100/100=1.0(100%)该值表示平均值，所以每张送货单包含1个不符合项利用泊松公式计算收率离散型的数据分析

利用泊松公式Y=r!dpuer-dpu这里

·

Y:收率

·

DPU:元件缺陷数

·

r:

·

e:指数函数

2.71828…Y=0!1(e)-dpur=0时∴Y=e-dpu∴对缺陷机会数越大，‘Y’越接近

‘0’ProcessYield(例题)离散型数据分析如果

750元件有34个的缺陷时,计算

DPU/DPO/DPMO/Yield/Sigma各是多少？(各元件有

10个的机会数)DPU=缺陷数

÷元件数

=34÷750=0.0453DPO=缺陷数÷(元件数

×机会数)=34÷(750×10)=0.00453Yield值是

Y=e-dpu=2.7138=0.9559=99.6%-0.045Y=P(ND)=(1－DPO)=(1－0.0045)=0.9559=95.6%DPMO=DPO×1,000,000=0.0045×1,000,000=4,500PPM1个元件有

45,000PPM的缺陷

Sigma=Zinv(0.9556)+1.5(偏移)=1.71+1.5=3.21-10-10-10收率的种类YFT(FirstTimeYield):(单工序首次收率)表示再作业后没有修理的收率的值

·

应用

:决定个别工序的个别品质水平时使用。

YRT(RolledThroughputYield):全工程一次性直通收率表示一个产品通过全工各没有经过一次的修理和再作业，到最终合格为止的收率值。

·

应用

:在所有工序上按顺序的阶段来进行累计后，评价品质水平时使用。

YNA(NormalizedYield):标准收率表示计算连续工序的评价收率的值

·

应用

:完成产品的品质水平评价时使用。

收率概念比较累计收率(YRT