6西格玛-A阶段绿带教材

6Sigma绿带培训-分析阶段第一章概述（1）多变量分析（2）方差组分分析（3）中心极限定理第二章假设检验（1）假设检验简介（2）均值比较（3）方差比较（4）比例比较（5）样本量选择第三章相关性分析（1）X-Y图（2）相关系数（3）误解分析（4）Minitab练习（抛射器）第四章一般线性回归分析第五章多元回归分析第六章分析阶段路径第七章附录第八章非参量统计（阅）目录DM阶段回顾与试题讲解多变量分析第一章概述练习制作多变量图多变量图与控制图基本概念及作用多变量分析变异来源分类分析应用数据采集要求使用环境变异的2个来源3种分类多变量分析数据采集抽样要求组内、组间、组外的含义Minitab制作多变量图路径方差组分分析方差组分分析用途分析实例、练习交叉与嵌入的混合结构嵌入结构交叉结构因子的数据结构工具工具三种数据结构及相关分析方法方差组分分析四大用途Minitab进行方差组分分析路径模块目标流程图/鱼骨图筛选DOE因果矩阵与FMEA多变量/方差组分/中心极限定理优化DOE通过优化并控制关键X达到流程优化和控制的目的6Sigma改进过程中的漏斗效应假设检验30-50个X10-15个X8-10个X4-8个关键X3-6个关键X应用环境变异的来源单件产品内部批次内单件产品之间不同批次之间不同操作员之间不同生产设备之间设备生产转换前后不同时间段测量系统的重复性测量系统的再现性校准前后的稳定性不同测量人员之间量程范围内的线性度来自流程的变异来自测量系统的变异变异…………什么是多变量分析？多变量分析：基本概念及作用从多个角度通过图表观察造成流程绩效指标变异的原因观察流程的短期与长期能力间的差距及造成差距的主要原因与方差组分分析一起使用，可以明确流程变异的根本原因流程绩效指标随流程输入和流程指标变化的图标展示在生产中对当前流程水平进行过程能力分析的手段流程稳定性的直观观察多变量分析的作用是什么？多变量图R内：单元内部的变化范围R间：单元间的差别R时：不同时间段的差别图为某注塑车间随时间(151821)的不同，注塑强度差异的多变量图R内R外R间多变量分析：多变量图通常在一个图表上展示2-4个X对连续变量Y的影响多变量图与控制图的比较9:0010:0011:0012:00A、单元内的变异是最大来源9:0010:0011:0012:00B、单元间的变异是最大来源9:0010:0011:0012:00C、时间造成的变异最大多变量分析：与控制图的比较有助于发现将流程稳定在最佳条件下的一些有用线索条件：在流程中存在很多变异的情况下，优点：有助于发现造成变异甚至失控的来源优点：可以揭示流程的稳定性与可控性缺点：不能直接发现造成失控的根本原因综合控制图多变量图变异来源变异来自流程的变异1、单件产品内部2、批次内单件产品之间3、不同批次之间4、不同操作员之间5、不同生产设备之间6、设备生产转化前后7、不同时间段8、……来自测量系统的变异1、测量系统的重复性2、测量系统的再现性3、校准前后的稳定性4、不同测量人员之间5、量程范围内的线性度6、……多变量分析：应用环境来自单件内部的变异，来自同一批次不同单件间的变异化工厂的不同反应容器之间不同的设备或操作员工之间连续生产的单件之间不同的生产安排之间不同的原料或批次之间固定间隔的不同时间段，如每小时，班组，日，星期等短时间间隔(小时，班组)与长时间间隔（日、星期）的比较等常见变异来源分类多变量分析：应用环境设备2设备1位置顺序时间1时间1时间间隔常见的变异来源图示多变量分析：应用环境揭示常见的变异来源——产品单元内，单元之间，批次之间，人员，设备，班组，时间，原料，生产调整等。测量系统的重复性与再现性分析——理解测量误差的来源。应用举例多变量分析：应用环境如果要确定是时间因素带来的变异，进行多变量分析时应尽量采用系统抽样的方式（定时或固定间隔采样）为了充分暴露问题，应尽量使用长期数据，考虑了各个造成变异的因素后，才能客观反映问题的来源，一般要求样本的方差达到流程总变异的80%以上。抽样指导原则：1、空间/位置原因变异—每个单件上至少选择两个位置2、顺序—每个批号或每个时间段至少选取3个连续生产的部件3、时间因素—至少挑选20个固定间隔的抽样时间段多变量分析数据采集要求多变量分析：应用环境应用Minitab画多变量图黑带老王希望了解培训和经历对员工生产率的影响，根据与项目团队的交流发现员工在岗时间（1-5年）和培训项目（有基础培训与专家培训两种），分别为40和80小时。对工件的加工时间用来衡量生产率。部分相关数据如图所示。数据在Minitab文件multivariate-crossed.maw中。打开文件按下图进行练习。多变量分析：图形制作StatQualityToolsMulti-VaryChartResponse:TimeFactor1:TrainingHoursFactor2:Experience点击“Options”并选择所有三项（包括DisplayindividualDataPoints）OK应用Minitab画多变量图多变量分析：图形制作应用Minitab练习，你能得出什么结论？多变量分析：图形制作ExperienceTime531300250200150100Traininghours04080Productivitystudy同等经历与培训的员工似乎仍有一定程度的差别：50-80分钟。有一年经验的员工通过培训可最大程度地提高生产率：平均降低约175分钟工作经验的影响：第一年到第三、五年平均降低约40分钟，第三、五年的差别不大多变量分析：图形制作再练习一次，但两个因子的顺序互换StatQualityToolsMulti-VaryChartResponse:TimeFactor1:ExperienceFactor2:TrainingHours点击“Options”并选择所有三项（包括DisplayindividualDataPoints）OK应用Minitab练习“多变量分析”多变量分析：练习多变量分析：练习应用Minitab练习，你能得出什么结论？方差组分分析第一章概述交叉结构——举例注意内容三种因子数据结构交叉结构：根据具体生产运营情况，有完全交叉的因子关系嵌入结构：因子间存在从属关系交叉与嵌入混合结构：交叉与从属结构混合的情形在进行多变量分析前应该特别注意数据是如何收集的及因子之间的相互关系在一次MSA分析中，由3个检验员对10个部件进行了MSA分析。要求：3个检验员对所有10个部件都重复测量对于测量结果来说，部件和质检员都是造成偏差的来源由于所有的检验员和所有部件都组合过，是典型的交叉结构其它交叉结构实例：试验设计中的全因子试验模型方差组分分析：因子数据结构交叉结构——图示11213212122121321212检验员部件测量次数11213212122121321212检验员部件测量次数方差组分分析：因子数据结构在超市购买洗发水，香皂，罐装饮料等，都可以发现一个产品序列号。产品的序列号可以追踪到生产日期和批次。再生产商内部，任何一件产品只能来自某个批次，某个生产线，某班组，某批原料。同一批次的产品只能来自某个生产线，可能属某班组，某批原料。几个班组可能只是在某个生产线工作（如不同地域）所有生产线可能在同时只处理同一批原料。这就可能构成完全嵌入的从属关系。嵌入式结构——举例方差组分分析：因子数据结构嵌入式结构——图示21122132112121213212121原料批次生产线班组批次单件产品编号可能一样但实际上是不同的方差组分分析：因子数据结构因子数据结构不同，采用的定量分析方法就不同方差组分分析可用于：识别最大的变异来源通过对最大变异来源的消除达到改善流程的目的为改善阶段流程的优化确定方向建立更有效的样本采集计划交叉结构——采用方差分析（包括固定模型和随机模型）的方法分析通嵌入结构——采用方差组分分析可以把各个来源所造成的变异进行分离，并计算出各自为总体的偏差（以方差计算）所带来的份额有多少方差组分分析：用途方差组分分析——举例某化工厂黑带小张意图减少洗发水罐装量偏差过大的问题。罐装是在不同工厂，不同设备及有不同班组的员工进行。为了定量了解上述原因对罐装量（以克为单位）变异的影响，小张分别到四个工厂的四个班组中随机抽取了四位操作员，每位操作员工作时抽取三个样品（每间隔800个生产产品）进行了分析。这是一个典型的嵌入式结构，可借助完全嵌入结构的方差分析（即方差组分分析）定量研究成果作为该结果。文件名称为：shapooweight.mtw.方差组分分析：分析案例多变量分析：举例交叉结构分析应用工具之一方差组分分析：分析案例ShiftWeight4321122.2122.1122.0121.9121.8121.7121.6121.5121.4121.34321432143211234Operator1234Multi-VariChartforWeightbyOperator-PlantPanelvariable:Plant班组间变异操作员间变异内部变异工厂间变异多变量分析结论方差组分分析：分析案例请注意输入顺序：从高级开始逐级下沿进行定量分析方差组分分析Minitab应用方差组分分析：分析案例NestedANOVA:WeightversusPlant,Shift,Operator,SampleAnalysisofVarianceforWeightSourceDFSSMSFPPlant30.74110.24705.7430.011Shift120.51620.04301.3020.249Operator481.58650.03312.5820.000Sample1281.63850.0128Total1914.4824工厂间及操作员之间的变异是造成变异的显著原因。方差组分分析——举例方差组分分析：分析案例VarianceComponentsSourceVarComp.%ofTotalStDevPlant0.00417.260.065Shift0.0013.370.029Operator0.00727.400.082Sample0.01351.970.113Total0.0250.157ExpectedMeanSquares1Plant1.00(4)+3.00(3)+12.00(2)+48.00(1)2Shift1.00(4)+3.00(3)+12.00(2)3Operator1.00(4)+3.00(3)•Sample1.00(4)各因素对总变异的贡献比例及绝对量。获得上述数据结论的计算方法。方差组分分析——举例方差组分分析：分析案例同一操作员随时间进行会有不同的罐装量，这是造成变异的最大原因不同员工罐装量有区别，应研究培训或操作规程的制定执行情况不同工厂罐装数量有不同之处，应调查原因是什么不同班组之间没有明显的区别方差组分分析——结论方差组分分析：分析案例绿带李小姐负责供应商质量管理工作，她需要了解是否存在供应商与本公司之间对某产品某项指标的检验结果是否相同。由于供应商来自另外一个国家，来料的品质检验难以按照交叉检验的方式进行。为此，李小姐要求供应商在其两个生产基地各自选五件产品，并各随机选择一个检验员进行重复测量。在本公司也选了五件产品，也挑选了一位检验员进行了重复测量。结果汇总到文件nestedr&r.mtw中。请用多变量分析及方差组分分析进行研究。然后采用嵌入式R&R(StatQualityToolsGageR&RStudy(nested))验证。多变量分析及方差组分分析——练习方差组分分析：分析案例多变量图可以展示造成变异的来源方差组分分析可以定量研究变异的来源数据结构决定了采用的分析模型（1）交叉结构：方差分析、MSA测量系统分析“StatQualityTools…GageStady…或AttributeAgreementAnalysis…”（2）嵌入结构：方差组分分析；“