六西格玛培训课件-500强外企内部培训课程(8)

18101943592744.32.44.510.213.964.8100.095.793.488.978.764.84003002001000100806040200DefectCountPercentCum%百分比Count缺陷的帕累托图150100500302010观测值数单值X=22.033.0SL=30.57-3.0SL=13.48基本统计和质量工具绿带六西格玛DMAIC原理计数缺陷计数百分比累计百分比目的•介绍过程差异性和稳定性概念•讨论数据类型、图表使用和分布等基本统计概念讨论对数据集中趋势和分布情况的测量方法了解正态分布•介绍基本质量工具流程图（包括在过程图绘制中）打点图/直方图/正态分布检验图记录图/时序帕累托图/分层（二级帕累托）盒形图/散点图核查表/集中图•显示如何在数据分析中运用这些方法DMAIC过程改进•验证关键输入•优化关键输入过程分析•完成失效模式分析•进行多变量分析•明确潜在的关键输入•制定下一阶段的方案过程控制•实施控制方案•验证长期能力•持续改进过程定义•范围和界限•定义缺陷•小组任务书和小组领导人•估计经济影响•领导层批准过程测量•绘制过程图，确认输入和输出•因果关系矩阵•确定测量系统能力•确定过程能力基期状况Y=f(x1,x2,x3,x4,...xn)流程流程从许多琐碎的变量X中“过滤”出少数重要的几个Y在一段时间中的绩效Y的差异过程图初始能力评估FMEA减少“错误输入”引起的差异及其影响FMEA多变量多变量研究有助于确立Y和关键X之间的联系x1,x7,x18,x22,x31,x44,x57多变量分析确认噪声变量，减少实验设计中的XY=f(x7,x22,x57)实验设计确定关键X及其与Y的关系3020100555045ObservationNumberIndividualValueIChartforChart11X=50.353.0SL=54.21-3.0SL=46.50对关键X进行适当的控制实际差异测量差异再现性（员工/方法）重复性（设备）我们从“Y”开始：}因果关系矩阵成本我们能否容忍差异性？•差异性存在于所有过程中•在以下情况下，我们可以容忍差异性：过程紧扣目标进行对照过程的规范，总体差异性较小过程长期保持稳定新观点规范下限USL目标规范上限传统观点可接受成本规范下限规范上限目标紧扣目标的成本成本规范下限规范上限目标成本规范下限规范上限目标紧扣目标；差异性最小时的情况紧扣目标；差异性勉强可接受时的情况偏离目标的成本成本规范下限规范上限目标成本规范下限规范上限目标偏离目标；差异性最小时的情况偏离目标；差异性勉强可接受时的情况成本规范下限规范上限目标x这个值…x和另一个值真的不同吗？我们准备使用其中一个，放弃另一个！紧扣目标与“符合规范”相比较x这两个值真的相同吗？对我们的客户而言，哪两个值的表现更为相近？紧扣目标还是符合规范-差异在哪里？•目标理念…我们所能取得的最好成绩是什么？•“符合规范”理念…我们可以避免何种错误？基本统计概念•数据类型连续型，变量离散型，属性•操作定义•收集恰当的数据•图表使用•数据中心趋势的测量方法均值中值•数据分布的测量方法极差方差标准差•正态分布的性质数据和分析：核查条目单•数据属于何种类型？•现有数据是否可用？•数据是否适用于该项目？•如果不适用，经过处理后是否可用？•如何检查数据？•数据是否可靠？两种类型的信息区分信息的两大类型很有用：定性信息和定量信息（数值）•定性信息描述特性或属性用“动词性质的”术语和描述表示可通过计算发生频率进行量化此种变量也可被描述成离散型变量•定量信息以数值形式表示特性数据可以是离散型，也可以是连续型数据类型–示例•离散型数据（属性）眼球颜色：蓝色、绿色、褐色等社会经济地位：高、中、低类别：好/坏、机器1/机器2•连续型数据（变量）时间：2.000,2.1,2.119秒压力：45,45.8,49.234psi周期：8,14,32天•计数数据文件的错误数，装运产品数等如果发生率很低（如：简单文件中出现的错误）或极差小于10（如：所有计数结果在105到112间），作属性数据处理如果发生率很高（如：装运产品），作连续型数据处理(1)一家工厂制造的每批产品的粘度(2)市场份额（%）(3)营销信息的质量（好、中、差）(4)每个客户定单中的排印错误次数(5)一家工厂每月发生工伤次数(6)全程一次合格率(7)收回应收账款花费的时间(8)客户退货原因(9)未结销售额逾期天数(DSO)它们属于何种数据类型？选择统计方法现有统计方法可以涵盖数据类型的所有组合ABCR51025S805075321xyTargetxTargetx数据描述测试离散变量X离散变量YX2检验对照目标连续变量Y单样本t检验两个离散变量X，连续变量Y双样本t检验两个以上离散变量X，连续变量Y方差分析连续变量X;连续变量Y回归1x2x1x2x目标有意义的数据可能需要有操作定义的术语操作定义对于通常属于感觉和态度等主观领域的抽象概念具有重要意义•你怎样对一个“愤怒的客户”作出操作定义？列出使客户愤怒的几类要素，这些要素应可观察并可测量•你怎样向管理层汇报“客户愤怒的程度”？收集适当的数据•现有的数据可能不适用于过程的改进•重要的是考虑什么数据可使你了解过程收集适当数据的练习•从过程角度看，以下有关供应链的测量方法有哪些优点和缺点：按时交付的纸板箱按时交付的生产线按时交付的发票收集适当数据的练习•通过在温度达到180oF时停止反应来控制一个批量生产过程。对以下问题的研究有什么优点和缺点：最高反应温度达到最高温度花费的时间收集适当数据的练习•如果一个珍宝卷的长度超出了规定范围，我们将剪下并扔掉最后50码胶带，然后重新进行测量。研究以下问题有何意义：所有珍宝卷的首次测量值所有珍宝卷的最终测量值收集适当数据的练习•下图显示了30个月内库存变化的情况。你能否想出另一个测量方法，从另一角度显示影响库存的过程？库存10000120001400016000180002000022000Source:DonaldWheeler,UnderstandingVariation图表使用•了解差异的性质•使数据的性质更易为人们所理解•帮助说明数据环境•应成为数据分析的主要演示工具如果你无法用图表显示数据，你可能无法得出正确的结论•有助于区分噪声和信号图表使用•我们可以通过为变量绘制多个数据点来描述任何可测量的特性的行为：在一段时间内不同产品不同机器，等•这些数据的累积结果表现为数值的分布•数据可以以下形式显示：打点图直方图1.确定过程是否稳定如果过程不稳定，找出不稳定的原因并加以消除（如果这些原因使过程变得更为糟糕）2.确定过程均值的位置-是否在目标线上?如果偏离目标，找出影响均值的变量并确定达到目标值的最佳设置3.估计总体差异性的量值-对于客户要求（规范上下限）来说，是否可接受？如果不可接受，找出差异性的来源，根除或减少其对过程的影响我们现在将回顾对过程有所帮助的图表和统计数据旨在改进过程的数据分析任务时序图Y:使用喷涂器产生的涂层厚度打开GBBasicStats.MPJ,文件中的Coating工作表将厚度作为变量时序图1501005029241914指数厚度厚度的时序图控制图•控制图画出一段时间内的数据，通过计算控制限值来评估稳定性我们将进一步了解统计过程控制部分的控制图I-MR控制图15010050子群0302010单值均值=22.03上控制限=30.58下控制限=13.481050移动极差1=均值3.213=10.50=0厚度的单值和移动极差控制图上控制限下控制限创建打点图打点图分布29241914厚度设想一个用来供应21密耳厚涂层的涂层操作过程。对实际涂层厚度进行150次测量并在上图中画出测量结果。每个点代表一次输出值。随着点的累积，涂层操作过程实际效果的性质表现为厚度值的“分布”。平均值看上去是否接近21密耳?创建一个直方图直方图分布现在设想原始的厚度数据按区间集结成群，区间条的高度由厚度数据点落于某个既定区间的次数决定。3025201520100厚度频率样本统计数据还是总体参数•我们一般需要总体信息所有客户的平均购买额是多少？所有胶带卷的标准差是多少？•通常难以测量全部总体即使我们可以测量当前的全部总体，我们通常还想预测未来的情况•我们通过收集一个样本的数据来获得总体信息•统计数据指用于估计总体特征的样本的特性•均值：一组数值的算术平均值反映所有值的影响受极端值的影响很大中位数：反映处于50%位置的值–将一组数值按顺序排列后，位于中央的数值即为中位数计算中不一定包括所有的值，不受极端值影响中心趋势的测量方法nxxn1ii$10,20,30,40,50(以千美元为单位)作为哈佛大学反对退学项目的负责人，您被要求概括出哈佛退学生（未毕业的学生）的平均工资。平均收入（或“重力中心”）是多少？收入中位数是多少?平均收入（或“重力中心”）是多少？收入中位数是多少?$10,20,30,40,~1000(以千美元为单位)然而，计算机科学系的主席提醒您不要忘了一个著名的哈佛退学生：比尔·盖茨（微软董事长）打点图分布假设涂层数据如这个打点图所示，其平均值看上去是否仍接近21密耳？你如何解释这个平均值？2624222018厚度DotplotforThickness差异性的测量方法•极差：一组数据中极端值间的离差（最高—最低）•方差(2):各均值数据离差平方的平均值•标准差():方差的（正的）平方根•极差比方差异常值更敏感测量差异性最常用且有用的方法是标准差-为什么？比较方差显示不同差异数的打点图64544434DotplotforC1-C3C1C2C3计算总结性统计数据Y:使用喷涂器产生的涂层厚度打开GBBasicStats.MPJ,文件中的Coating工作表将厚度一列作为变量描述性统计数据描述性统计数据：厚度变量个数均值中位数Tr均值标准差标准差平均值厚度15022.02921.95022.0392.8430.232变量最小值最大值25%分位75%分位厚度14.40028.80020.25023.800带图表的描述性统计数据图表形式的小结272421181522.522.021.5变量：厚度21.50772.553921.5699最大值75%分位中位数25%分位最小值数量峰度偏度方差标准差均值P值A平方22.40003.207322.487428.800023.800021.950020.250014.4000150-3.1E-012.67E-028.084472.843322.02870.4010.379中位数的95%置信区间的95%置信区间Mu的95%置信区间Anderson-Darling正态测试描述性统计数据Mu的95%置信区间中位数的95%置信区间正态分布•“正态”分布是具有一定相同性质的数据分布•这些性质有助于我们理解关键过程（数据取自这个过程）的特征•许多自然现象和人为过程呈正态分布，或者近似正态分布•性质1:只需知道以下数据即可完整地描述正态分布：均值和标准差正态分布分布一分布二分布三这三个正态分布有什么不同？概率和正态分布•性质2:曲线下的面积可用于估计某一“事件”发生的累积概率结果位于两个值之间的概率-4-3-2-10123495%99.73%68%标准差的经验规则理论正态分布经验结果-几乎任何分布+/-168%60-75%+/-295%90-98%+/-399.7%99-100%即使一组数据并非完全遵循正态分布，先前的概率规则仍然适用我们比较一下理论（完美）正态分布和经验（实际）分布的数值标准差的数量正态分布检验图•测试一组数据能否被描述为“正态”分布•如果分布接近正态分布，正态分布检验图将接近于一条直线正态分布检验图工作表：Coating分布检验图举例30252015999590807060504030201051数据百分比