6Sigma 名词解释

1、6sigma 名词解释工程能力指數：（ process capability index ） 工程在管理狀態下，把生產的產品品質變動定量化的值。 產品品質變動小，工程能力好；產品品質變動大，工程能力差。 根據設計的公差範圍，把工程變動用工程能力指數表示的值。 平均值與 target 一致時使用 cp ，偏離時使用 cpk 。 six sigma 工程能力是指工程變動很小，規格滿足 6 倍的標準偏差。 短期工程能力指數：（ short term process capability index ） 假定工程無外部影響，在短時間內的工程能力。 工程變動分群內變動和群間變動。 cp 是工程的固有能力

2、，不考慮工程平均的位置，只考慮規格範圍。 cpk 是工程的實際能力，在 cp 的基礎上考慮平均值的偏離。 工程平均與 target 值一致時， cp cpk 。 短期工程能力是指只有群內變動，即 sample 同質。 同質的 sample 全部品質特性相同，變動來自技術原因。 品質特性變動大，正態分佈的散步大，短期工程能力差。 長期工程能力指數：（ long term process capability index ） 工程的實際能力，工程有外部影響的長時間的工程能力。 判斷工程是否穩定，包含技術和管理要因引起的變動。 qc 7 種工具： (seven tools of qc) 1.特性要因

3、圖（ cause and effects diagram ） 把對結果有影響的因數按 4m 整理，研究因果關係使用。 2.柱狀圖（ histogram ） 用柱形表示的連續型 data 的分佈狀態。 3.排列圖（ pareto diagram ） 將各種問題按原因或狀況分類統計，把資料從大到小排列後所做出的累計柱狀圖。 , 8 法則： 80% 的不良發生在 20% 的主要工程上。 4.檢查表 (check sheet) 用表格形式對 data 進行整理和粗略分。 5.管理圖（ graph ） 統計方法使用於 sample data 監控及分析 process 變動。 6.散點圖（ scatte

4、r plot ） 判斷兩個連續型變數之間相互關係的點狀圖。 7.階層別（ stratification ） 把 data 按特徵分類，找到 data 的散步規律。 資料類型： (data kinds) 連續型：（ continuous data ） 可以連續測定的品質特性值。如長度，重量。 離散型：（ discrete data ） 可以用個數測量的品質特性值。 離散型 data 評價改善品質特性時，可信度比較低。 儘量選定連續型 data 進行改善。 選用離散型 data 時：用連續型特性值替代；增加 sample 數；收集時間記錄參考。 母集團：（ population ） data 的全

5、體集團，研究的物件。 通過 sample 分析，得出母集團的某些特性值。 品質特性值：平均值（ x-bar ），標準偏差（ sigma ）。 樣本：（ sample ） 從母集團抽取的可以代表母集團性質的 data 。 sample 種類： random sample ：母集團各種性質相同。 層別 sample ：分類收集的 data 。 系統 sample ：根據時間均勻的抽出。 多階段 sample ：分階段收集的 data 。 有理數群：（ rational subgroup ） 在短時間內，同性質條件下的 sample 的集團。 subgroup 內只存在群內變動， subgroup

6、間只存在群間變動。 包含全部變動， subgroup no 6 ， subgroup size 5 。 變動：（ variation ） 對於某種特性值，各 data 在平均值上離得多遠，以平方和表示。 為得出各因數對 y 的影響度使用。 變動大的因數是改善重要的因數。 變動大，意味著各 data 與平均值相差大，即 x 與 y 斜率大。 群內變動：（ white noise ）（ sum of square within ） 所有工程中存在的由一般原因引起的變動。（偶然原因） 偶然原因由作業者不熟練、周圍環境等不可控制因素引起。 影響工程樣本的分佈。 一般由技術因素引起，可通過技術性改善減少

7、。 群間變動：（ black noise ）（ sum of square between ） 工程有外部影響時，由可查明的原因引起的變動。（異常原因） 異常原因表現為與平時不一樣的散佈，不可控制與預測。 通過管理可以控制的變動。 影響平均值偏離目標值。 表示隨時間流逝實際的工程能力。 統計參數：（ statistical parameter ） 平均值：（ average ）算術平均，表示中心位置使用最廣泛。 集團平均用表示， sample 用 x-bar 表示。 計算時去掉異常點。 中央值：（ center ）把 data 按大小排列，處在中間位置的值。 n 為奇數時，第（ n 1 ） /

8、2 個數為中央值； n 為偶數時， n/2 和 n/2 1 個數的平均為中央值。 最頻值：最常出現的值。資料分等級，最高等級即最頻值的中間值最重要。 散佈：（ distribute ）表徵 data 距離平均值大小的程度。 分散：最大值到最小值的變動範圍，有異常點不適用。 標準偏差：（ standard deviation ）表徵 data 散佈大小的統計參數。 四分位數：把 data 按大小順序排列後，四等分。 第一個數字叫第一四分位元數。（ q1 ） 第三個數字叫第三四分位元數。（ q3 ） 第二四分位數是中央值。 四分位數的範圍是 q3 q1 。 變動係數：不同種類的散佈比較時，數值差異

9、大時使用。 v=s/x-bar 。 gage r&r ：（ gage repeatability & reproducibility ） 評價測量系統本身的變動對工程變動影響程度。 統計性工程管理依據測量的 data 。如果 data 不可靠，導致工程能力出錯，實驗失敗。 測量誤差是指測量值與參考值的差異。 區分儀器不適合（反復性： ev ）和測量方法不足（再現性： av ）評價。 不是 random sample ，包含變動或者 spec 全範圍準備。 統計性工程管理： spc （ statistical process control ） 為生產出品質規格合格的產品按統計原理管理工程的方法

10、。 statistical ：得出統計性資料和分析方法的幫助。 process ：掌握給出的品質規格和工程的能力狀態。 control ：以我們的要求來管理。 統計：（ statistical ） 根據定量的 data 收集與分析導出結論掌握集團特性而使用。 自由度： 測定母集團參數必要的獨立觀察值數。 獨立變數：（ independent variable ） 可控制對其他變數影響的變數。 變數之間影響相互獨立。 實驗計畫時增加不必要的因數，不增加實驗次數。 從屬變數：（ dependent variable ） 由獨立變數決定的變數。 ctq ：（ critical to quality

11、） 對產品的性能、功能、安全性等重要品質有致命影響的核心特性值。 在顧客的觀點進行 fmea 和 qfd 。 把顧客的要求以技術事項定量化再與具體 spec 相聯繫。 ctq 是產品的功能、性能、不良都應該選定，並且可以測量。 全部 ctq 與關聯部門確定，工程上判定。 ctp ：（ critical to quality ） 對 ctq 有影響的工程條件特性值。 規格上限：（ upper spec limit ） / 規格下限：（ lower spec limit ） 技術性給出的公差尺寸的上限和下限。 物件規格為 10 0.5 時： target 是 10 ， usl 是 9.5 ， ls

12、l 是 10.5 。 z-bench ：對於標準正態分佈，用 sigma scale 衡量可滿足規格的母集團品質的能力。 正態分佈：（ normal distribution ） 統計性方法根據 sample 推測母集團特性。 統計性參數包括平均值和標準偏差。 x 對於平均值左右對稱，散佈由 sigma 決定。 連續型概率分佈包括：正態分佈， f- 分佈， t- 分佈， chi-square 分佈。 泊松分佈：（ poisson distribution ） 在一定時間或一定大小的空間上，事件無條件發生次數對應的概率分佈。 離散型概率分佈包括：幾何分佈，多項分佈，移值分佈。 前提條件： 1.物

13、件區間應該分為某種事件發生可能性很小的單位區間。 2.事件發生次數與單位時間應該獨立。 3.單位時間內兩個以上的事件發生概率為 0 。 業務流程圖：（ process mapping ） 調查業務的流程，把 process 檔化用於明確改善的機會。 品質功能展開： (quality function deployment) 是把顧客的要求轉換成技術事項，有體系的接近獲得 ctq 的方法。 故障影響度分析：（ failure modes & effects analysis ） 明確產品設計中出現的問題，確定優先順序，決定對故障 mode 合適的 action 。 頭腦風暴法：（ brainst

14、orming ） 為了短時間內獲得好的 idea 的方法。 種類： 1.free wheeling ：全體人員以對話形式得出 idea 。 2.round robin ：成員輪流闡述 idea 。 3.card method ：無討論的形式下把 idea 寫在卡片上。 注意事項： 1.任何 idea 不要批評。 2.所有 idea 記錄。 最少 break down 反映值在狹小範圍上實驗，致命因數也遵循 2 ： 8 原則，改善 20 的 因數，改善效果是 80 。 驗證實驗：（ run confirmation ） 實驗計畫法找出最佳工程條件，利用實際現物進行再現實驗確認改善與否的實驗。 實

15、驗注意方面：潛在變數的影響，致命因數的遺漏，實驗精度低。 回歸分析：（ regression analysis ） 表示相關的獨立變數和從屬變數之間的函數關係。 這個函數關係用數學方程式表示，利用這個方程式可以得到其他有用的情報。 回歸分析分類 單純回歸：兩個變數之間的關係是一次線性關係。 重回歸分析：一個從屬變數和兩個以上獨立變數。 曲線回歸：兩個變數之間是曲線關係。 全部回歸必須首先確認變數間是線性還是曲線關係。 確認殘差，殘差圖應為等分散，不是正態分佈，無傾向性。 殘差：（ residual ） 把從屬變數與獨立變數間的關係以回歸線表示出來，由於回歸線不能說明的誤差。 建立回歸關係後，各

16、測定值相同條件下存在潛在變數影響之外的散佈。 把這個值用變動量計算。回歸線不能說明的變動叫作殘差。 殘差的值比較大的時候，用分散分析表驗證，判斷沒有差異時，回歸線無效。 為減少殘差，最大限度減少潛在變數，實驗 random 進行。 決定係數： r2 （ coefficient of determination ） 是指以測定回歸方程式的精度方法，在總變動中因回歸線說明的變動所佔有的距離，也叫回歸線的奇與率。 把兩個因數間的相關關係以某種數學方程式表示，如果方程式存在全部 data ，則決定 係數為 1 ，回歸方程式有用，決定係數接近 0 ，則方程式無效。 決定係數越接近 1 則精度越高， 65

17、 以上的相關係數回歸線可以使用。 決定係數越高對改善越有用。 相關關係：（ correlation coefficient ） 顯示兩個變數之間相關關係程度的統計值。 相關係數大，關係就大。 最小平方法：（ method of least squares ） 想把因數間的相關關係以方程式表示，讓各 data 變動和最小而選定方程式的方法。 假定兩個變數 y 和 x 之間有 n 個 data ，方程式可以表示為 y=a+bx1+e ，這時想找到最 佳關係式。 s= e2= （ y-a-bx1 ） 2 上決定誤差 e 的平方之和最小化選定 a 和 b 。 管理圖：（ control chart ） 管理圖按 sampling 計畫收集一定期間的 data ，為了掌握工程是否在管理狀態而使用。 可以隨時分析，有很多優點。 分為連續型和離散型管理圖。 連續型管理圖對測定 data 不敏感，有工程 stop ，判斷 error 少，用於事後管理。 離散型管