六西格玛绿带 (6 Sigma Green Belt) 培训总结复习提纲

nullnull6σ绿带培训 总结复习提纲null缺陷减少 5倍缺陷减少11倍缺陷减少26倍缺陷减少68倍20.5308,537 31.566,807 42.56,210 53.5233 64.53.4 过程能力 - Z每百万机会的缺陷数DPMOZSTZLT6σ衡量指标- ZZ 值-- 是过程的平均值与 规范 编程规范下载gsp规范下载钢格栅规范下载警徽规范下载建设厅规范下载 的上、下限之间所包含的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 差个数，即上、下规格限的标准化距离。减少偏差是减少缺陷的关键！在6Sigma方法中，过程能力通常用 DPMO 或 Z值 来表示null在6σ项目开始之前，客户的呼声必须转换成为“产品或过程的物理特性”(技术要求)技术要求 当炉灶的自动调温装置设在350o时必须产生350o±5的温度 呼叫接收者必须在30秒钟内应答95%的入局呼叫 (迅速应答电话) QFD (质量功能展开)是经常使用的转换方法！其中QFD第一个房子中，在矩阵的左边一列一定是基于客户的呼声。CTQ’s -(关键质量特性) (需要测量和/或控制尺寸/参数) 炉灶自动调温器的准确度 客户投诉应答率(应答入局呼叫的百分率)技术要求和CTQ’s是所有6σ项目的基础－它们必须预先确定！举例： 客户的呼声 炉灶必须加热到所设定的温度 呼叫接收者必须及时应答呼叫6σ始于客户的呼声nullQFD为CTQ提供了从高到低的下行过程。 下行过程以始于客户呼声。 通过质量四层结构图确定内部可控因素。 QFD是用于展示各种因素的相对重要性的工具，而不是用于确定质量与各种因素之间的量化关系。质量功能展开(QFD)QFD-将客户的呼声转换成为CTQ’s的工具，其目的是将客户的CTQ与可测的子过程或子产品标准联系起来。做QFD时，由客户代表及跨部门的项目队伍负责对客户的需求优先排序。( Quality Function Deployment )nullD - 定义： 将VOC转换成为对内部产品、服务、过程的技术要求，再转换成CTQ’s， 进而定义“项目Y”－KPOV ；决定项目所需资源；定义问题、设定目标、 效益预测；确定高端流程图；制订项目进展 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 。 M - 测量： 收集现有信息，寻找潜在的关键因素-KPIV’s，并进行测量系统分析和 过程能力分析(过程能力分析可在分析阶段进行)。 A - 分析： 进行过程能力分析。根据在测量阶段所寻找到的潜在的关键因素 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 实 验，根据实验数据进行图表分析、假设检验和回归分析。以确定一组按 重要程度排列的关键因素。 I - 改进： 优化解决 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 ，并确认该方案能够满足或超过项目改进目标。 C - 控制： 验证测量系统，确定过程能力，制订控制计划，实施SPC动态跟踪。确 保对过程的改进一经实施就能够持之以恒，不会返回到以前的状态。6σ突 破 策 略nullDMAIC – 改进现有过程/工序。 DMADV – 新型产品/过程设计或 现有产品/过程的重新设计。 DMAIC 与 DMADV比较null6 σ工 具1. 质量功能展开 (QFD) －目的是什么？ 2. 过程流程图(Process Map) －目的是什么？ 3. 柏拉图 (Pareto Chart) －目的是什么？ 4. 因果图(鱼骨图) －目的是什么？ 5. 因果矩阵(Cause-Effect Matrix) －目的是什么？ 6. 失效模式及影响分析(FMEA) －目的是什么？ 7. 测量系统分析(MSA) －目的是什么？ 8. 过程能力分析(σ水平) －目的是什么？ 9. 图表分析 10. 假设检验 11. 回归分析 12. 试验设计(DOE) 13. 统计过程控制 (SPC) 系统地应用众多熟悉的质量工具！null数据的两种类型连续(可变)数据：使用一种度量单位，比如英寸或小时，并 且可以有意义地无限分割。 连续(可变)数据的例子：电压、电流、 功率、时间、距离、重量、速度。 离散(逻辑)数据：是类别信息，可以计数，但不能有意义地分割。 比如“合格” 或“不合格”。连续数据离散数据注：相同数量的连续数据比离散数据能提供更多的信息null描述数据的居中程度Mean均值 Median中位数 Mode众数 Quartiles四分位数Range极差 Variance方差 Standard Deviation标准偏差 Inter Quartile Range内四分位极差描述数据的离散程度www.m448.com中国最庞大的数据库下载null中心极限定理在实际问题中，有许多随机变量，它们是由大量的相互独立的随机因素 的综合影响所形成的，即可以表示成独立随机因素之和，这种随机变量 往往近似地服从正态分布，这就是中心极限定理的客观背景。 独立同分布的中心极限定理指出：设独立随机变量序列X1, X2, …, Xn,…服从同一分布，并具有有限的数学期望和方差，则只要n充分大，不管Xi 服从什么分布， 近似地服从正态分布 德莫佛－拉普拉斯定理指出：当n很大时，在n次独立重复试验中事件A发生地次数近似服从正态分布。从而服从二项分布的随机变量近似服从正态分布N(np, np(1-p))。 （附：在不合格率为 p 的一大批产品中任取 n 件产品，那么取得不合格品 的件数  服从二项分布)。中心极限定理的意义在于将非正态分布转换为正态分布的数据。null置信度、置信区间 与样本容量的关系要求置信度越高或置信区间越窄，则需要的样本容量越大。 在样本容量一定的情况下，提高置信度，就必须加宽置信区间。减小置信区间，势必会降低置信度。 举例：“我现在有95%的信心投中所有的球。如果加宽球门，信心将更大!” null 测量阶段就是收集数据，运用数据将问题特征化，利用头脑风暴寻找潜在的关键因素，并对测量系统和现有的过程能力进行分析。测量阶段的任务测量阶段主要工具： 流程图 柏拉图 利用头脑风暴寻找潜在的KPIV 鱼骨图(因果图) 因果矩阵 失效模式和影响分析(FMEA) 测量系统分析 过程能力分析 null测量阶段的输入是什么？ 测量阶段的输入正是定义阶段的输出： －关键质量特性CTQ’s －定量化的项目描述 －高端流程图 －项目进程计划 测量阶段使您能够在试图解决一个问题(改进)之前，深入了解问题现状及其过程能力。 测量阶段的重要性何在？测量系统分析在6σ项目中，测量系统分析的主要目的是确定项目中所使用的数据是否可靠,保证测量出的CTQ与实际值相吻合。 一. 离散数据测量系统分析 离散数据测量系统分析判断标准： 效率得分>= 95%，可以接受； 效率得分= 100% ，就是好系统!! 测量系统分析null二. 连续数据测量系统分析一.测量系统的准确性是测量所得的平均值与真实值的差别。 二.测量系统的精确性描述了测量系统的偏差： 1.可重复性－ 偏差由量具本身造成。即在相同条 件下，对同一物体进行重复测量所得的偏差。 2.可再现性－ 偏差由测量者的技巧造成。即在不同的条件下测量同一物体得到相同结果的能力。 a.不同的测量者或者不同的测量设备 （测量者和测量设备只能有一样不同） b. 同样的工件 c. 同样的环境的条件null贡献百分比： <1％可接受； <10％可考虑； >10％不可接受。调查百分比： <15%可以接受； <30%可考虑； >30%不可接受。容差百分比： <10％理想值； <20％可接受； <30％可考虑； >30％不可接受。Number of Distinct Categories: 差别类数目： 5可接受连续数据测量系统分析判断标准：二. 连续数据测量系统分析(续)spart-to-part sgage差别类数目 = x 1.41 null二. 连续数据测量系统分析(续)计算和解释：差别类数目指的是测量系统可以识别出的过程数据中的非重叠组的数目。 差别类数目 = x 1.41 spart-to-part sgage 注意： 差别类数目适用于连续数据的ANOVA 法GR&R。 差别类数目决策 / 值< 2对制定过程控制决策没有价值2 – 3只用于二元决策 （“Go/No Go”） 5足够的分辨率。 对于制定过程控制决策来说，可以接受。null分析阶段的任务• 分析阶段是按照测量阶段找出的潜在的 关键因素(X’s)的优先顺序来进行试验， 收集数据,并运用统计工具进行分析确认。 • 用统计学解决实际问题: 哪些X’s对Y有显著性影响?分析阶段的三类主要工具： 1.图表分析；2.假设检验；3.相关、回归分析null 分析阶段的目的 分析阶段的重要性： 通过对数据的分析, 确认在测量阶段得 出对Y有影响的重要X’s。 对Y影响小的X’s进行现水准管理; 把关键因素(X’s)压缩到4～8个左右之 后, 在改进阶段找出最适合的条件。 根据数据设定输出变量Y的目标水准。 对引起Y变动的所有潜在的关键因素(X’s)进行图表分析, 优先确定主要变量。 在多个输入变量(X’s)中选定对Y影响最大的X’s因子。最佳化的过程30-504 - 83 - 6重要 X’s 选定5 - 8定义、测量分析确认重要 X’s改进重要 X’s最佳化控制2 - 4重要 X’s 控制null 确定统计量的分布是研究推断问题和假设检验问题的基础。其中 标准正态分布，卡埃平方分布，T分布，F分布是进行假设检验构造统 计量的基本依据。 （自 由 度 n: 表 示 式 中 独 立 变 量 的 个 数）统 计 量 的 概 率 分 布 －抽 样 分 布假 设 检 验 的 风 险 概 率 Hypothesis Testing RisksThe Risks Involved in Hypothesis Testing 第一类风险(Type I Error): Rejecting the null hypothesis when it is true. Probability of this error equals a (by convention) 视 真 为 假---Over Reject. P{ 拒 绝 H0 | H0 为 真 }= a 第二类风险(Type II Error): Accepting the null hypothesis when it is false. Probability of this error equals b (by convention). When H1 has been quantified, the Type II error is better defined as rejecting the alternative hypothesis when it is true 弄 假 成 真---Over Accept. P{ 接 收 H0 | H0 为 假 }= b 假 设 检 验 的 风 险 概 率 Hypothesis Testing Risksnull正态总体的均值检验: 1. One sample Z-test (总 体 方 差 已 知 时， 单 个 正 态 总 体 均 值 的 Z 检 验 ) 2. One sample t-test (总 体 方 差 未 知 时， 单 个 正 态 总 体 均 值 的 t 检 验 ) 3. Two sample t-test (总 体 方 差 未 知 时， 两 个 正 态 总 体 均 值 的 无 配 对 t 检 验 ) 4. Paired t-test ( 总 体 方 差 未 知 时，两 个 正 态 总 体 均 值 的 配 对 t 检 验---但是两 个样本不是相互独立的简单随即样本 ) 5. ANOVA ( 总 体 方 差 未 知 时，大于 两 个正 态 总 体 均 值 的 检 验 )分析阶段－假设检验方法汇总null二. 正态总体的方差检验: 1. F Test ( 两 个 正 态 总 体 方 差的 检 验) 2. Bartlett’s Test (大于两 个 正 态 总 体 方 差 的 检 验)三. 离散(比率)数据的比例检验: 1. 1 Proportion Test ( 单 个 总 体 的 比 例 检 验) 2. 2 Proportion Test ( 两 个 总 体 的 比 例 检 验) 3. Chi-Square Test (大于两个总体的比例检验) Minitab: Stat / Tables / Chi-Square Test …分析阶段－假设检验方法汇总(续)注意null四. 非正态总体的中位数检验(Median Test):1. 1-Sample Wilcoxon Test (单 个 非 正 态 总 体) 2. Mann-Whitney Test ( 两 个 非 正 态 总 体) 3. Kruskal-Wallis Test (大于两 个 非 正 态 总 体) Mood's Median Test (大于两 个 非 正 态 总 体) Friedman Test (大于两 个 非 正 态 总 体)五. 非正态总体的方差检验(Variance Test):Levene’s Test (大于等于两 个 非 正 态 总 体)分析阶段－假设检验方法汇总(续)null改进阶段概述优化 Y = f(X) 的函数关系并采取行动。 将关键少数X’s和Y联系起来； 预知关键少数X’s 对Y的巨大影响； 指明关键少数 X’s的改变方向； 计划并准备实施基于数据的关键少数 X’s 的改进。改进目标：null选择解决问题的合适工具改进阶段的工具基本工具 鱼骨图 柏拉图 盒子图 过程流程图 FMEA 图表分析 假设检验 线性回归中级工具 (重点使用工具) Full Factorial DOE－－全因素法 Fractional Factorial DOE －－部分因素法) 多变量回归(回归方程) 高级工具 Taguchi Methods (田口方法)； Response Surface Methods (响应面法)。 低高问 题 的 复 杂 性null1.响应(Response): 实验输出的结果。 2.因素(Factor): 实验过程中的不同输入变量。 3.水平(Level): 实验中对因素的不同设定值。 4.噪声(潜伏)变量(Noise)：不可控制的(或未知的)变量。 5.分组(Blocking): 将干扰最小化的方法。－－A “block” is a set of conditions likely to produce experimental runs that are more homogenous within the block than between the blocks. For example, parts from a single batch of material are likely to be more uniform than parts from a different batch. 6.主要影响(Main Effect)：对单个因素而言, 从一个水平到另 一个水平的变化对输出的平均影响。 7.交互作用(Interaction)：几个因素合起来对总输出的影响。 即一个因素的影响，依赖于其它因素所处的水平。DOE-基本概念null8.随机化(Randomization)：以一种随机的次序做实验。(消除噪 声变量或随机误差的影响） 9.反复(Repetition): Running several experimental runs sequentially using the same treatment combination－－ 一种组合的反复，以得到相同水平的多个结果。 10.重复(Replication): Replicating the entire experiment. Replication automatically implies that you do NOT run several experimental runs consecutively using the same treatment combination－－以随机的次序重复整个实验，而不 是按同样的次序把实验再做一次。(降低系统误差和随机误差)。 11.实验次数：多水平实验次数＝K1*k2*K3…(K1,K2…为第K个因 素的水平数。两水平实验次数＝2**K；三水平实验次数＝3**K。DOE-基本概念(续)null1.单因素实验(OFAT-One Factor At a Time) －即分析阶段采用的假设检验和单因素方差分析。 2.筛选DOE (Screening DOE )/部分因素法 －用于识别某一CTQ的关键少数X，确定哪些变量是最重要的，即从多个关键变量(5－8个)中找出最重要的关键变量(2－6个)。(特点：多个变量，两个水平，采用部分因素法设计－Fractional Factorial DOE)。项目常用实验类型null3.全因素法(Full Factorials DOE) －用于详细研究少数变量(特点：少数(2－4)个变量，两个或两个以上水平)。项目常用实验类型(续)22全因素法实验案例：null主要影响(Main Effect)Main Effect = YLevel=1 – YLevel=-1––null交互作用(Interaction)Interaction Effect = YAB=1 – YAB=-1Run A B AB Response 1 -1 -1 1 7.6 2 1 -1 -1 9.2 3 -1 1 -1 9.9 4 1 1 1 10.1––控制阶段概述控制阶段概述 经过前面D、M、A、I 四个阶段，在过程取得改 进之后，如果不及时“充电” ( 以文件和实时过程控制 的形式), 过程会随着时间的流逝逐步退化，改进成果 会也之丢失。 在控制阶段通过建立过程控制系统来为我们给过 程“充电”！控制阶段概述控制阶段概述 确保过程在改进方法实施后继续保持受控 状态。 2. 迅速察觉过程失控状态并找出相应的特殊 原因，从而在缺陷或不良品产生之前采取 措施防止。主要目标：什么是过程控制系统?什么是过程控制系统?过程控制系统A process control system -长期保持过程改进结果的方针 - 确定保持过程改进结果所要求的特殊措施和工具 过程控制系统可以具体表现为： 风险管理机制(危机管理) 失误防止装置 统计过程控制 (SPC) 数据收集计划 实时(在线)测量 审核计划 响应(应急)计划 产品设计 过程文件化及过程所有权归属过程控制系统过程控制系统风险管理统计过程控制SPC失误防止控制潜在 问题发生 避免潜在 问题发生 三个主要控制机构：失误防止可以单独使用，也可以和风险 管理及统计过程控制等方法综合使用。 将风险与其发生的概率和影响 联系在一起以决定风险消除措施SPC控制图可以用来监测X并迅速察觉过程由于特殊原因而导致的波动。当过程的X不可能用失误防止办法解决或在容差范围内不易受控时非常有用。null统计过程控制(SPC) UCLLCLSPC--控制图的类型SPC--控制图的类型1. 计量型控制图（连续变量控制图） 计量型控制图涉及的是连续 型变量，而相应的统计参数反映的是 集中趋势和变异性（分散程度）。 计量型数据的例子：电压，电流，功率，温度，重量，速度。 2. 计数型控制图（逻辑变量控制图） 计数型控制图涉及的是离散（逻辑）型变量。 计数型控制图又包括计件值控制图（np图，p图）和计点值控制 图（c图，u图）。 1.计件值例如不合格的模块个数，报废的元器件数； 2.计点值例如财务发票中的缺陷数，硬盘碟片上的划痕数。 说明：SPC控制图在控制阶段的功能是过程监测和反馈系统，其中 连续变量控制图即计量型控制图可用来跟踪同一过程的几个特性。如何正确选择控制图类型？如何正确选择控制图类型？数据 类型是单值 还是分组? 分组之样本量恒定吗?各样本之机会 面积一样吗? 计缺陷数还 是不合格品数 u p / nppI- MR计数型控制图计量型控制图不合格品是缺陷分组单值 不是 c X - RX - S不缺陷率控制图缺陷数控制图不合格品率图不合格品数图不合格品率图单值-移动极差图平均值-极差图平均值-标准差图控制图的组成控制图的组成控制图由中心线,控制上限及控制下限组成控制上限控制下限中心线=样本序号---时间样本均值平均值控制图平均值其中控制上限和控制下限反映了(随机)变异的自然极限。控制极限和规范极限控制极限和规范极限 控制极限是根据平均值计算得出的，控制极限是按过程中心值+/- 3个标准偏差计算出来的。即控制极限是根据样本数据计算得出的，是过程的内部特征。控制极限是由过程能力决定的 规范极限是由执行的标准决定的，是过程的外部特征。大多数规范是关于个体数值的，是由客户的要求决定的。 规格极限通常超 出控制极限之外控制阶段总结控制阶段总结控制阶段的目标是确保改进方案得到 切实执行。 2. 可以采用多种机制对过程实施控制: 风险控制 失误防止 统计过程控制(SPC) 控制计划GE公司推行的6 Sigma 12 步骤法:GE公司推行的6 Sigma 12 步骤法:测量： 1 2 3 分析： 4 5 6 改进： 7 8 9 控制： 10 11 12从测量阶段到控制阶段共分12个步骤， 每一步骤的任务和作用是什么？ 以《烤制面包》为案例学习并理解。null