6SIGMA系統講義

PPT 内容
PPT 图集

1. *6 sigma
2. *6sigma概念Ⅰ3sigma水平的公司6sigma水平的公司銷售額中10~15%是損失費用百萬中有66,807個不合格品依靠品質檢查保證高品質需要很多費用不能按體系進行承認并滿足于99% 內部決定CTQ銷售額中5%是損失費用百萬中有3.4個不合格品重點是使工序中不產生不良保證高品質所需費用更低使用測定，分析，改善，管理技法不滿足于99% 徹底地以顧客觀點來決定CTQ4sigma的水平是30頁報紙中有1個錯字的品質水平 5sigma的水平是百科全書中有1個錯字的品質水平 6sigma的水平是小規模圖書館中有1個錯字的品質水平
3. *6sigma概念Ⅱ3sigma水平的公司6sigma水平的公司每年有54,000次的藥品調劑錯誤每年護士或醫生的錯誤造成新生兒死亡40,500名每月有2小時喝污染的食用水每周有2小時不能提供電話服務每周飛機發生5次著陸錯誤每周發生1350次外科手術事故每小時遺失54,000件郵件25年中只生1次藥品調劑錯誤 100年中護士醫生的錯誤造成新生兒死亡3名 16年中只有1秒鍾喝污染的水 100年中6秒不能提供電話服務美國所有航空公司10年發生1次著陸錯誤 20年發生一次外科手術事故每年遺失35件郵件
4. *6sigma概念（使用工具）階段ToolsDefine （定義）1)Process Mapping 3)Pareto Analysis2)Logic Tree 4)QFD, FMEAMeasurement （測定）5)Gage R&R 7)Process Capability6)Rational SubgroupAnalysis （分析）8)Hypothesis Test 10)Graph Analysis9)RegressionImprovement （改善）11)DoE(Design of Experiment) 12)ANOVAControl （管理）13)SPC6sigma不同推進階段中，改善問題使用的統計工具
5. *Y=f(x)Question 1)： Y或X中對哪一個聚焦YX1…Xn從屬變數獨立變數OutputInput結果原因現象根源問題觀察監視的對象管理對象
6. *Y=f(x)Question 2)假如X良好的話，有沒有必要繼續實驗及檢查Y？ 6sigma活動是對根本原因的因素（CTQ）聚焦後，展開改善活動
7. *6sigma各階段推進內容階段展開內容FocusDefine(定義）1）确定問題點/具體改善目標Measurement (測定）2）選定制品或工序的CTQ 3）把握Y的工序能力 4）明确Y的測定方法 5）將Y的改善對象具體化Y Y Y YAnalysis (分析）6）明确改善Y的目的 7）明确影響Y的因素Y X1…Xn
8. *6sigma各階段推進內容Improvement (改善）8)通過篩選抽出關鍵的少數因素 9)把握關鍵的少數因素的相關關系 10)工序最佳化&驗證(再現性實驗)X1…Xn 致命的少數因素數Xi 致命的少數因素數XiControl (管理)11)确立對X的測定系統 12)确立對關鍵的少數因素的管理方法 13)确立關鍵少數因素的工序管理系統及事後管理致命的少數因素數Xi 致命的少數因素數Xi 致命的少數因素數Xi 6Sigma Process是以D-M-A-I-C5階段構成并經過重要的13步驟 6Sigma活動是通過現象分析，展開問題，查明臨時性因素，以D-M-A-I-C程序改善關鍵少數因素。先把握現象，能夠1次性改善的部門采取1次性改善活動；然後下一個階段再接著進行改善活動。
9. *統計基本概念的理解數據的計算方法中心位置特征值的計算：
10. *統計基本概念的理解散布的計算 S(總變動：Total Sum of Squares):偏差平方和無偏方差(Unbiased Variance):S除以自由度（n-1）無偏方差的開方or標準偏差
11. *統計基本概念的理解參數和統計量參數(Parameter)：描述變量集合的特性值統計量（Statistics)：表示标本的特性值
12. *統計基本概念的理解區分參數統計量均值(Mean)均值：μ樣本均值：方差 (Variance)偏差 (Deviation)
13. *統計基本概念的理解Sigma的定義 Sigma是希腊字母，表示工序的散布。 Sigma是統計學記述接近平均值的標準偏差（Standard Deviation）或變化（Variation），或定義為事件發生的可能性。 Sigma是表示工序能力的統計單位，測定的Sigma跟DPU（單位缺陷，Defect Per Unit）,PPM等一起出現。
14. *統計基本概念的理解可以說明擁有高Sigma值的工序，具備不良率低的工序能力 Sigma值越大品質費用越少，周期越短。
15. *統計基本概念的理解平均值和拐點之間距离用標準偏差（σ）表示。如果目標值（T）和規格上下限（USL or LSL)距离是標準偏差的3倍的話，說明具備了3Sigma的工序能力。USL3σ1σμ（平均） T拐點
16. *統計基本概念的理解某班學生的國語平均分數是60分，按偏差是5的正態分布的話，隨意抽取一個學生時，70分以上分數的可能性是多少？45 50 55 60 65 70 7568.3%95.4%99.7%測定值（分數） Z-值σ：-3 -2 -1 0 1 2 3
17. *統計基本概念的理解正態分布：N（60，52）標準正態分布：N（0，12） 70分的情況下Z-值是假如規格上限是75分的話，現在的工序能力是Z=2或是2σ。 Z值是已測定的標準偏差（σ）有幾個能进入平均值到规格上下界限（USL，LSL）之间的测定值。
18. *統計基本概念的理解Z-值的計算 70分以上的可能性有多少？正態分布總面積是‘1’ 某概率變量‘X’到平均值（μ）之間距离除以標準偏差（σ）的值用‘Z’來表示。如果規格上限（or下限）用‘X’來代替時超出規格上限的尾部面積可以認為有缺陷可能性。 ‘Z’值是用來測定工序能力，跟工序的標準偏差不同，在這里‘Z’值是2.0，把全體面積作為1的時對應的面積0.0228。
19. *Z值的計算45 50 55 60 65 70 75Z規格上限
20. *工序能力測定方法 Z-值 Z=33σ能力1 σUSL2 σ3 σLSL
21. *工序能力測定方法 Z-值Z=66σ能力1σUSLLSL2σ3σ4σ5σ6σ工序的變動（散布）越小工序能力越高。其結果標準偏差更小，發生不良的可能性就低。通過問題的現象分析把握工序能力（Z）：要提高到6 σ水平，統計上采取什麼樣的活動？
22. *需要什麼樣的管理？需要什麼樣的技術短期的工序能力長期的工序能力判斷為短期內工序沒有外部影響判斷為充分長時期內工序有外部影響Zst（σst）Zlt（ σ lt ）CpCpk技術技術+工序管理最佳條件下的工序能力日常條件下的工序能力6 σ： Zst=6.0，Cp=2.06 σ：Zlt=4.5，Cpk=1.5Zst=3×CpZlt=3 ×Cpk長期內的工序能力因工序的中心移動及變動，跟Zlt
23. *6 sigma的品質水準是什麼？正態分布的平偏移（±1.5 σ）-6σ -5σ -4σ -3σ -2σ -1σ X +1σ +2σ +3σ +4σ +5σ +6σ -1.5σ+1.5σ規格上限（USL）規格下限（LSL）
24. *按規格變化和平均值偏移的不良率規格關系無偏移時不良率（理想的工序時）±1.5σ偏移時不良率±1σ317,000697,700±2σ45,500308,700±3σ2,70066,810±4σ636,210±5σ0.57233±6σ0.0023.46Sigma品質是每百萬個中3.4PPM，即Cp=2.0，Cpk=1.5
25. *4Block DiagramABC2.5 2.0 1.5 1.0 0.51 2 3 4 5 6PoorGoodPoorGood技術Z stZ shift 工序管理
26. *4Block DiagramA：工序管理狀態不足，現在技術水平也低 B：需改善工序管理，但技術水平優秀 C：工序管理優秀，但技術水平低 D：World Top水平的公司
27. *聚焦問題點階段确定問題範圍 Process Mapping Process Mapping是調查情報的流程，而使Process文件化為明确改善的可能性而使用的工具 Process Mapping制定定義Process範圍（要改善的一般領域或特殊的Process）通過大腦風暴法制定Process的階段順序
28. *聚焦問題點階段為了容易分析，使用符號為了驗證Process，實際确認追加Key Process的值（Yield, Cost, 損失費用，加班費用，Cycle time等）按題目的性質，使用分析圖（Process Loss或浪費要素/改善Cycle time/改善品質/Flow改善） QFD（Quality Function Deployment)質量指標分解 QFD是將顧客核心要求事項，轉換分解成技術要求事項（規格），或暫定的CTQ的工具，由相關工序專家制定。
29. *聚焦問題點階段QFD Process 進行市場調查，明确信賴性要求，及一般的要求事項和顧客對現在品質核心問題的要求。對調查內容優先排序，為滿足顧客的要求事項制定技術規格确定對顧客要求事項影響大的技術規格的先後順序，對已确定的先後順序的技術要求事項，轉換成暫定的Part特性（CTQ）對技術規格影響大的特性要素（CTQ）進行排序 QFD是為了能夠改善顧客的核心要求事項，轉換成技術規格的工具通過QFD把顧客要求事項系統化，最終選定暫定的CTQ，開展改善活動
30. *聚焦問題點階段FMEA（Failure Modes & Effects Analysis)故障模式及效果分析 FMEA是明确制品設計上可能發生的問題和排定其順序，并針對故障模式制定所采取的恰當活動 FMEA Process 對已設計的制品用Brainstorming法列出可能的故障模式。決定每種可能故障模式的重要度和發生可能性決定消除重要故璋模式而采取的方法開發消除或減少重要故障模式的方法
31. *聚焦問題點階段部分分析法以優先順序找出問題的核心事項典型的是：80%的問題由20%產生決定活動課題和相關非常勤人員用邏輯樹等方法展開問題後，找出最終區域，選定經驗豐富的工程師來執行課題活動。
32. *聚焦問題點階段找出活動課題的具體事項 Brainstorming：在短時間內得出很多主意的辦法 Brainstorming種類 Free Wheeling：全Team員以對話形式即興發掘Idea Round Robin：對事件，Team員輪流發掘Idea Card Method：不經討論，Team員把Idea寫在卡片上，貼到牆上。
33. *聚焦問題點階段Brainstorming時注意事項禁止批評全部Idea都要記錄 Idea發掘時不要解釋或討論粗略的Idea也要鼓勵所有人都積極參與 Logic Tree(Structure Tree) 為達成目標的手段，用邏輯性表示 Break-down（展開）的問題之間MECE（互不重復無遺漏的全體） MECE（Mutually Exclusive and Collective Exhaustive)（不重復，各個的和等于全體）
34. *聚焦問題點階段确定活動題目的相關Benefit[利益]（定量/定性效果）為保證達成，明确改善金額對活動課題的問題記錄在現象分析時，記錄現在現象和所希望的現象計劃時間管理通過分析把全部日程用具體的圖表管理
35. *測定（Measurement）
36. *變化的理解數據的分類解決問題工程問題/Bottle Neck/Issue 事項
37. *变化的理解連續型數據（計量型數據） Inch or時間一樣能使用測定刻度的數據比較數值數據提供更多情報离散型數據（計數型數據）提供合格不合格之類情報的數據不能再細分化的數據
38. *变化的理解群內變化（White Noise） White Noise是工程內存在的日常因素引起的變化（偶然因素）現在的技術水平是不可能控制的變化一般工程的散布工程上受細小的多數因素的影響 Z.st來表示
39. *变化的理解群間變化（Black Noise） Black Noise是工程外部因素影響中心值移動，一般情況下，可查明原因的變化（异常原因）現在工程上可控制的變化一般情況下，在工程的目標值下平均值偏移實際上可以知道隨時間的變化，工程能力會怎樣變化
40. *群內、群間變化的區分例群內變化：每Line 1，2，3內出現的（即Line內作業者間的變化）工程變化群間變化：各Line間的變异而出現的工程變化作業者1 作業者2 作業者3作業者4 作業者5 作業者6作業者7 作業者8 作業者9Line1Line2Line3
41. *变化的理解Rational Subgroup（合理分組）批跟數據的種類無關，在可能的短時間內彼此類似的條件下作業的樣本群。 Rational Subgroup是指Subgroup內只存在群內變化，Subgroup間只發生群間變化，將數據Grouping 通過這種區分把握長期、短期工程能力經長期收集的數據是不管業務部門還是製造部門都包含在群內，群間變化。
42. *工序能力工序能力度評價Short-term Capability (6σ)Long-term Capability (3σ)時間SLSUltstststst隨著時間的變化，工序因各種外部因素（4M）變化，長期工序能力比短期工序能力散布大
43. *工序能力什麼是工序能力工序在管理狀態時，其工序生產的產品品質變化有多少程度的值：或指在管理狀態（穩定狀態）下，工序能製造出來的品質水平的程度。 Six Sigma工序能力是指工序的變化（or標準偏差：σ）小，即使乘以6倍變化值也能夠滿足規格的工序能力。
44. *工序能力短期/長期工序能力的意義短期工序能力是只存在群體內變化，表示取樣的數據都具有同樣的品質特性，但有主要技術要素引起品質特性變化，因此，品質特性變化越大，散布也就越大，短期工序能力也就越差。 Short Term Process Capability Index：短期工序能力指數 Zlt（σlt），Cpk Zlt=3×Cpk
45. *工序能力長期工序能力是包括群內變化和群體間變化，為了改善技術和工序管理，必須判斷工序是否穩定時，用長期工序能力的特性來取樣，來确認包括管理因素引起的變化和技術的要素引起的變化。 Long Term Process Capability Index：長期工序能力指數 Zlt（σlt），Cpk Zlt=3× Cpk
46. *Gage R&RGage R&R實行時注意事項以Blind測定來評價決定幾名評價者為合理接產品的重要性和統計特性決定試料數的反復次數預先決定評價周期抽取樣本時運用隨機原則，但實施Gage R&R時須對試料事先計劃再行抽樣
47. *Gage R&R一般是看%Tolerance值來判斷Gage的接受與否，但%Study Var在20%以上時，有必要點檢工序Process Gage R&R值較大時，必須制定改善計劃進行改善。如果測定系統有誤差，但不改善系統的話，在執行6 σ Project期間要接受測定系統可能發生誤差的危險。
48. *Gage R&R適合貫能判斷時Gage R&R 對各Parts用貫能來判定合格與不合格，或go·no go時 1V外觀檢查時， 2名評價者反復測試20個管子
49. *測試實驗順序評價者1評價者212121GGGG2GGGG3NGGGG4NGNGNGNG5GGGG6GGGG7NGNGNGNG8NGNGGG9GGGG10GGGG
50. *測試實驗順序評價者1評價者2121211GGGG12GGGG13GNGGG14GGGG15GGGG16GGGG17GGGG18GGGG19GGGG20GGGG如果各部品別4次都有出現同樣結果的話，其評價是可接受的 %Gage R&R=[3÷20] ×100%=15%
51. *Gage R&R長期方法時Gage R&R的Minitab運用 Gage R&R的Graph解釋 P39
52. *Gage R&RP38
53. *Gage R&RX bar管理圖測定值超出管理界限，表現為良好的結果。如果測定值的50%以上在管理界限內的話，這個系統不適合。管理界限是用測定者間的測定值變化來計算，因此測定值的變化小說明管理界限的幅小，即說明測定者間的測定值變化很小測定的變化（測定者，測定系統）比部品間變化相對小，可以讀出Parts間變化的情況
54. *Gage R&RR管理圖大部分的測定值在管理界限內表示所測定的數據的值是正常的
55. *Gage R&RNumber of Distinct Categories=4 表示檢測部品的信賴性區間不重疊的個數4個Categories對同樣部品的同樣特征值量，由3名檢查者反復檢測2次。可以分為4組對特定部品測定，信賴性區間小說明測定者和測定有反復，且測定很準确。如果信賴性區間重疊意味（信賴區間不重疊意味著組數小）測定的變化大。
56. *Gage R&RNumber of Distinct Categories判斷方法 Number of Distinct Categories：0～1不適用（改善檢測系統） Number of Distinct Categories：2～4附加條件時可接受 Number of Distinct Categories：5以上可接受
57. *Gage R&R長期方法時Gage R&R的Minitab運用選定Monitor Cover為Six Sigma Theme Spec=2.3±1.5 為确認測定系統，3名檢查者對10個部品反復測試2次 File name:Gageaiag.mtw
58. *Gage R&R短期的方法時Gage R&R運用 CTQ部品的Spec是2.000±0.015時部品測定值1測定值2測定差（1-2）12.0032.0010.00221.9982.0030.00532.0072.0060.00142.0011.9980.00351.9992.0030.004範圍的界限∑R=0.015
59. *Gage R&R測定差平均值= ∑R/5=0.015/5=0.013 測量誤差=(5.15/1.19) ×(R)=4.33 × 公差的測量誤差=(0.013÷0.030）×100%=43.3% 參考）測量誤差用測定差的平均值乘以常數（這里是4.33）來計算。常數在5.15/d*里已有計算， d*是下表中的值，5.15是Gage引起的變化能滿足5.15是Gage引起的變化能滿足5.15σ99%值。
60. *對測定差平均分布的d*值實驗順序測定者數234511.411.912.242.4821.281.812.152.4031.231.772.122.3841.211.752.12.3751.191.742.102.3661.181.732.092.3571.171.732.092.3581.171.722.082.3591.161.722.082.34101.161.722.082.34
61. *Gage R&RGage R&R類型短期的方法只需要2名測定者和5個部品不能分离反復性和再現性可以迅速确認想測定的計測器的接受與否長期的方法典型的是2~3名的測定者對10個部品反復測定2~3次可以明确把握測定系統的變化有多大，能分离反復性和再現性
62. *Gage R&R對測定系統變化的理解線性（Linearity）：通過期望的Gage工作範圍比較精确度得到的值即在已定的工作範圍的兩邊界線區間上，最少研討1回的精确度得到的值的差。
63. *Gage R&R偏差大偏差小參考值測定值參考值測定值
64. *Gage R&R對測定系統變化的理解穩定性（Stability）：在一定的時間間隔下把標準品用同一的計測器測定同一的特性值時得出的變化。StabilityTime2Time1
65. *Gage R&R偏移（Bias）：實際測定值跟試料平均值的差异值叫準确度（Accuracy）BiasReference ValueObserved Average Value
66. *Gage R&R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
67. *Gage R&R再現性（Reproduceability)：同樣部品的同樣特性使用同樣計測器由多名測定者測定時得到的變化。Reproduceability測定者2測定者1測定者3
68. *變化的理解為什麼要Rational Subgrouping Rational Subgroup是6 Sigma的一個強大的工具。是區分工程的短期工程度能力的重要方法可以把握平均值移動問題還是散布問題把問題特殊化的第一個階段
69. *變化的理解Rational Subgroup要包含的要素：為了明确給工序變化暫定影響的‘X’因素，使用5M求解特性要因圖 Man：作業者變更，晝夜班次交換，新作業者等 Machine：機械設定值變更，設備維修&維護等 Material：交付LOT，作業安排，原材料等 Method：作業者間的作業方法差异等 Measurement：測定者的變化，測定設備誤差等
70. *變化的理解Rational Subgrouping事例改善供應TV Back Cover協力社的品質，為了分析部品變化的原因制定Rational Subgrouping計劃預想的暫定“X”因素及實際計劃兩台注塑機：對兩台注塑機實施下列內容交接班：對交接班別取樣分析每周作業者的變更：對每周變更的作業者別取樣分析按原材料別構成Lot，分析Lot別有無差异
71. *工序能力工序能力的數學式兩側有規格的工序能力SLSU
72. *工序能力在偏移時的工序能力SLSUKM
73. *工序能力用語解釋 K：偏移系數（如果K=0，Cp=Cpk） M（Mid-range）：規格的中心 T（Tolerancne）：公差 SU（Upper Spec）：規格上限 SL（Lower Spec）：規格下限
74. *工序能力只有規格上限的工序能力 SU
75. *工序能力只有規格下限的工序能力SL
76. *工序能力工序能力的Minitab運用葡萄酒農場為了參加慶祝大會，在準備過程中，有必要改善葡萄酒品質而準備Project，首先為了把握現象，按合理分組計劃規劃得出了包括下列“X”因素的葡萄酒質量“Y”的樣本。 X因素：地域，木塞，葡萄酒味，透明性，香氣，葡萄酒瓶
77. *工序能力短期工序能力有關的統計值Cp，Cpk，Cpu，Cpl長期工序能力有關的統計值有Pp，Ppk，Ppu，Ppl 為了計算短期工序能力，使用只考慮組內的滾動，即群內變化的Zst，以用暫定目的地工序能力或最高的工序能力來表示。并且表示通過改善活動消除平均值移動引起的偏移時的最高的能力。為了計算長期工序能力，考慮規格的上、下限，表示實際的工序能力，用群內、群間變化都考慮在內的Zlt。
78. *离散型數據分析用語解釋 D（Defect）：缺陷or不良（事項）為了滿足顧客的要求事基而浪費的再作業或失敗的工作。例：把顧客的要求事項記錯的差錯情報。 DO（Defect Opportunity）：機會損失（缺陷）可能引發的機會損失（缺陷）的行動或事件。例：須在一張要求式樣上記錄的項目數
79. *离散型數據分析U（Unit）：元件元件測定可能機會的細節例：要求樣式 DPU（Defect Per Unit）：每個元件內存在的缺陷數 DPO（Defect Per Opportunity）：每個機會損失數
80. *离散型數據分析DPMO（Defect Per Million opportunity）（每百萬要會損失數） 1,000,000單元存在的損失數 DPO× 1,000,000轉換Six Sigma比率 P（ND）=None Defect：無損失機會不能成為損失的可能性 P（ND）=1-DPO
81. *离散型數據分析DPU/DPO/DPMO/P(ND)改善發出了張送貨單，其中檢出100個不符合項，如果各單元有10個項目， DPU/DPO/DPMO/P(ND)各是多少？ DPU=D/U DPU=100/100=1.0（100%）該值表示平均值，所以每張送貨單包含1個符合項
82. *离散型數據分析DPO=D/(U×Opp) DPO+100/(100 ×10)=0.1(10%)該值表示所發出的送貨單的每个最小有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 DPMO P(ND)=1-DPO=1-0.1=0.9(90%)
83. *离散型數據分析利用泊松公式計算收率利用泊松公式這里 Y：收率 DPU：元件缺陷數 R： e：指數函數2.71828……
84. *离散型數據分析r=0時 ∴Y=e-dpu ∴對缺陷機會數越大，“Y”越接近“0”
85. *离散型數據分析Process Yield（例題）如果750元件有34個的缺陷時，計算DPU/DPO/DPMO/Yield/Sigma各是多少？（各元件有10個的機會數） DPU=缺陷數÷元件數=34 ÷750=0.0453 DPO=缺陷數÷(元件數×機會數)=34 ÷(750 ×10)=0.00453 Yield值是Y=e-dpu=2.7138-0.045=0.9559=95.6%
86. *离散型數據分析DPMO=DPO ×1,000,000=0.0045×1,000,000=4,500PPM 一個元件有45,000PPM的缺陷 Sigma=Zinv(0.9556)+1.5(偏移）=1.71+1.5=3.21 Zinv是把Z值按面積來換算的值，以標準正態分布來計算。
87. *离散型數據分析收率的種類 YFT(First Time Yield)：(單工序單次收率) 表示再作業後沒有修理的收率的值應用：決定個別工序的個別品質水平時使用。 YRT(Rolled Throughput Yield)：全工程一次性直通收率表示一個產品通過全工各沒有經過一次的修理和再作業，到最終合格為止的收率值。應用：在所有工序上按順序的階段來進行累計後，評價品質水平時使用。
88. *离散型數據分析YNA(Normalized Yield)：標準收率表示計算連續工序的評價收率的值應用：完成產品的品質水平評價時使用。
89. *收率概念比較累計收率（YRT）現在為止的收率（YF）考慮工序各階段只考慮最終工序考慮再作業和部品廢棄不考慮再作業和部品廢棄提示無缺陷的可能性不能提示無缺陷的可能性調查各工序的品質只調查最終工序的品質考慮工序是由多少個來構成的不考慮工序是由多少來構成的YRT=eYF=S/UY=Y1×Y2×……×YnS：合格台數U：檢查台數
90. *离散型數據分析VFT（First Time Yield） A再作業完成的產品廢棄 15unitHidden Factory70 Units100 Units85 Units
91. *离散型數據分析工序A有輸入100個Unit（元件）輸入的70%元件沒有缺陷已經銷售輸入的30%元件有缺陷并再作業 15個元件修理完畢，15元件報廢現在為止的Final Yield（YF）[最終收率]是85% 因First Time Yield（YFT）表示歸初的作業是正确的，所以現在情況下YFT是70%。
92. *离散型數據分析YRT(Rolled Throughput Yield) 產品A由3個連續的階段來形成的話，YRT/YND的值的值是什麼？階段1階段2階段3YFT=80% YF=100%YFT=70% YF=90%YFT=90% YF=95%
93. *离散型數據分析YRF是連續的各階段YFT之乘 YRT=0.8×0.7×0.9=0.504(50.4%) 沒有考慮作業計算各階段的平均收率不是算術平均，而使用各階段的幾何平均值 YND(Normalized Yield) 這里n表示工序的數
94. *离散型數據分析上例YND(Normalized Yield) 各階段平均YFT=79.6% 正常收率是全工程平均收率，以YND(Normalized Yield)值來計算Sigma值通過YRF可以知道工程真正的收率（累計直通率）部品數或工序（作業）的階段越少，收率值越大。
95. *离散型數據分析并列構成的工序的累計收率的計算 Process Mapping中并列構成的工序變換為直列來計算收率99%?97%98%工序1工序2工序3工序491%99%99%2a2b2c
96. *离散型數據分析YRF=Y1×Y2×Y3×Y4 = 0.99×[0.91×0.99×0.99]1/3×0.97×0.98 =0.9035 YNA=(YRT)1/3=(0.9035)1/4=0.9749 損失(缺陷)概率=1-0.9749=0.0251 利用正態分布查找0.0251值的Z值，可知Z=1.96
97. *分析（Analysis）
98. *Graph分析想知道什麼？跟實際問題相結合，明确產生結果將預想產生的結果與試驗計劃結合Focusing 按預想產生的結果制定數據收集計劃怎麼做呢？利用收集的數據，運用（實際）Graph來分析
99. *Graph分析對Graph分析結果相應采取措施 Graph分析結果，确認是否得到所需要的結果後，決定有無追加研討事項實際對Graph分析結果，改善可能的部門，采取一次性改善措施。
100. *Graph分析Graph分析的Minitab運用在空調生產線上Compressor（壓縮機）組裝時間對暴露在濕氣的時間很重要，因此對3個生產線的3名作業者，調查了3組組裝作業時間的數據。
101. *假設檢驗（Hypothesis Test）計量值什麼是假設檢驗？指想知道的內容用假設來設定，對假設的成立與否用樣本數據得到的情報為基礎進行統計分析後做出決定。運用假設檢驗（事例）新產品Flatron Monitor產品顯著降低了眼睛的疲勞 LG Digital TV比競爭社的Digital TV畫質更優秀 6σ品質改善Tool比原有品質改善活動使用的改善Tool效果更卓越 019 PCS比它社手機通話音質更清晰
102. *假設檢驗（Hypothesis Test）計量值假設檢驗的用語理解原假設(Null Hypothesis:Ho)：作為檢驗對象的假設如果接受原假設的話，表示“什麼也不能确信（or證明）”。假定為“始終一樣” 對立假設(Alternative Hypothesis:Hi)：按确實的根據來證明的假設平常我們更關心對立假設，也希望對立假設能得到證明 Ho拒絕後接受的假設（即否定原假設的假設）
103. *假設檢驗（Hypothesis Test）計量值第一種錯誤(Type ⅠError:α)：指一些現象是“真”，但錯誤的判斷為“假”，犯這種錯誤的概率第二種錯誤(Type Ⅱ Error:β)：指一些現象是“假”，但錯誤的判斷為“真”，犯這種錯誤的概率檢驗統計量(Test Statistic)：為了決定接受或是拒絕Ho，而通過樣本的計算得到的值。顯著性水平(Significance Level)：象一般使用的α=0.05(or0.01,0.10)Ho是真的拒絕的概率
104. *假設檢驗（Hypothesis Test）計量值第二種錯誤（β）第一種錯誤（α）真實H0=真H1=假采納H0=真H1=假
105. *假設檢驗（Hypothesis Test）計量值假設設定方法以原假設[母體和Sample(樣本)是一樣的]來假定 Ho：μ1=μ2 Ho：μ1=μ2=μ3=……μn Ho： σ1=σ2 Ho： σ1=σ2= σ3 ……σn
106. *假設檢驗（Hypothesis Test）計量值對立假設[母體和樣本不同的]則為兩側檢驗時H1：μ1≠μ2 偏側檢驗時H1：μ1 ＜ μ2 μ1 ＞ μ2 兩側檢驗時H1：σ1≠ σ2 偏側檢驗時H1：σ1 ＜ σ2 σ1 ＞ σ2
107. *假設檢驗（Hypothesis Test）計量值假設檢驗的形態計量型數據：使用Z，T-test統計量實行平均值檢驗的必須檢驗分散的同質性（F-test) F-test是比較2個以上的母體的散布計數型數據：使用x2(chi-Square)統計量次數、頻度等
108. *假設檢驗（Hypothesis Test）計量值假設檢驗時樣本大小和特征樣本的大小取多少好呢？如果樣本數小，很難表示母體的特征，可能導致檢驗結果的錯誤相麼，樣本數大的時候，實際操作中時間/費用方面難以適用因此，樣本數的大小最好從各方面都考慮後作出恰當的決定
109. *假設檢驗（Hypothesis Test）計量值假設檢驗的實行順序設定原假設、對立假設(Ho，Hi) 确定顯著性水平（α=0.10，0.05，0.01）選擇檢驗統計量（Z，T，Chi-square統計量）求接受或拒絕域從數據上判定顯著性，解釋結果 P(Probability)概率值＜α則接受對立假定(H1) P(Probability)概率值＞α則接受對立假定(Ho) 把統計的解釋結果用于實際問題
110. *假設檢驗（Hypothesis Test）計量型假設檢驗結果的判定方法拒絕值接受域原假設(Ho)：接受對立假立 (H1)：拒絕拒绝域原假設(Ho)：拒绝對立假立 (H1)：接受(α)
111. *假設檢驗（Hypothesis Test）計量型統計學的判定方法數據計算值結果小于拒絕值時：接受原假設(Ho) 數據計算值結果大于拒絕值時：拒絕原假設(Ho) “0”值在信賴區間內時：接受原假設(Ho) “0”值在信賴區間外時：拒絕原假設(Ho) Minitab的判定方法 P-Value值大于α時：接受原假設(Ho) P-Value值小于α時：拒絕原假設(Ho)
112. *假設檢驗（Hypothesis Test）計量值假設檢驗的Minitab運用洗衣機下部Transmission Housing有10CTQ，10個CTQ是8個Fixture Brake的高度&离合器，在這里先查看8個不同的Fixture間有無高度尺寸公差，如果Fixure間有高度公差的話，用“X”因素來判斷後調查原因并改善。
113. *假設檢驗（Hypothesis Test）計数型X2（Chi-square）適合度檢驗（Goodness of fit test）什麼是適合度？：試驗or觀測得到的結果跟理論一致的程度什麼是適合度檢驗？：檢驗觀測值有什麼樣的理論分布假設設定 Ho：P1=P2=……=Pn H1：P1×P2×……×Pn 例：硬幣的正面的出現的概率50%和實際觀測的概率比較
114. *假設檢驗（Hypothesis Test）計数型分割表（Contingency Table）什麼是分割表？：因兩個變數分割後得到表什麼是獨立性檢驗？：使用于檢驗分類的變量之間的關系是獨立，即變量之間有相關性（從屬關系），或者有（獨立關系）稱獨立性檢驗。設定假設 Ho：獨立（分類的變數之間地相關性） H1：從屬（分類的變數之間有相關性)
115. *假設檢驗（Hypothesis Test）計数型期望值（E），觀測值（O），X2統計量期望值（Expected Frequency）：對一些現象的結果期望的值觀測值（Observed Frequency）：對一些現象的結果實際觀測的 X2統計量是
116. *假設檢驗（Hypothesis Test）計数型X2(Chi-square)統計量用3個月把Monitor產品不良類型按不同的交接班整理後，調查各交接班有（從屬的）無（獨立的）產品不良類型的特性後，進行改善活動，檢出了N=309個Monitor不良。按4種不良類型來整理。利用X2(Chi-square)驗證原假設(Ho)：不良類型和交接之間彼此是否無關聯（獨立因素）對立假設（H1）：不良類型和交接班之間彼此是否有關聯（從屬因素）
117. *假設檢驗（Hypothesis Test）計数型不良類型： A：碰傷 B：洩漏 C：開關不良 D：粘貼不良
118. *假設檢驗（Hypothesis Test）計数型交接班ABCD11521451322631345333174920設定假設原假設（Ho）：不良類型和交接班之間彼此無關聯（獨立）對立假設（H1）：不良類型和交接型號之間彼此有關聯（從屬）
119. *改善（Improvement）
120. *分散分析（ANOVA）的理解什麼是分散分析（ANOVA）？試驗實施後，對試驗結果進行分析所使用的分析方法特性值的散布用總平方和來表示。直接影響特性值的因子或用水平變動來分析後找出對比誤差，造成‘Y’特性值（反應值）特別大的影響因子。什麼是水平的分析方法。區分‘X’的水平，分析各水平上連續的‘Y’的數據。
121. *分散分析（ANOVA）的理解可以說是決定各水平上‘Y’特性值（反應值）的平均值是否具有同樣值，步驟暫定的找出致命的少數因子的方法分散分析的用語理解因子(Factor)：試驗上影響特性值的原因水平(Level)：為實施試驗的因子條件平方和(Sum of square)：在因子的特定水平上，計算測定值變化程度試驗Balance/Unbalance：測定值相同或不相同時所有因子水平的調合數
122. *分散分析（ANOVA）的理解分散分析的使用 One Way ANOVA：具有2個以上的水平的1個因子的情況 Balance ANOAV：具有2個以上因子的情況試驗計劃法（DoE=Design of Experiment）：分析多因子時，針對那個調合上給‘Ｙ’特性值造成影响大的因子。
123. *試驗計劃法的樹立試驗計劃法的樹立明確試驗的目的選定反應值（從屬變量）‘Y’ 選定因子（獨立變量）‘X’ 選定因子的水平選定試驗計劃實施試驗&數據收集數據分析導出結論驗證試驗
124. *試驗計劃法的樹立明确試驗目的明确試驗記錄樣式的目的製作‘Y’(從屬變量)明确定義‘X’(獨立變量）效果的的預測值表在做試驗計劃時，必須注意以下內容用數據決定什麼？數據收集後怎麼分析？得到的數據做必要的決定時有用嗎？如果不是重新樹立計劃
125. *試驗計劃法的樹立選定反應值（從屬變量）‘Ｙ’ 選定的題目可能有多個‘Ｙ’ 題目展開後(Logic Tree等)，選定‘Yn’的各個獨立因子‘X’進行改善計數值數據的效率性是計量值的63%左右時，有必要更多數據當測定‘Y’困難時，采用給予分類或跟標準進行比較的方法
126. *試驗計劃法的樹立測定後的樣本數據最好是保存，必要時再進行對比調查當數據測定有主觀性時，可能有時間偏移，因此必須隨機化或盲化實施試驗前不管數據的種類，必須對‘Y’實施Gage R&R，其值要少于20%
127. *試驗計劃的樹立選定因子（獨立變量）‘X’ 獨立變量有多種在試驗上接意圖變化的試驗變量不是有意變化的可觀察的變量 Blocking變量（人為制造的變量）潛在變量
128. *試驗計劃的樹立選定獨立變量利用測定、分析階段得到的統計分析結果專家意見大腦風暴法 Flow Chart 現象分析數據特性要因圖競爭社分析顧客分析&協力社調查 Process Mapping Rolled Through Yield
129. *試驗計劃的樹立潛在變量潛在變量是給結果帶來影響的，但難以發覺，并且不可能控制和測定。為了減少潛在變量的影響，一般采用隨機法和Blocking。主效果及交互作用主效果比普通交互作用更重要。如果判定為交互利作用更重要的話，使用試驗計劃的一個因素；可是交互作用有可能跟其它交互作用交叉。
130. *試驗計劃的樹立選定因子水平水平數可以按試驗的目的和反應值的圖表形狀來決定能用篩選試驗來找出得要的因子的話，使用典型的2水平 ‘Y’值按水平產生充分差异的範圍來選定水平如果選定的溫度範圍小，幾乎不影響應答的話，可能錯判為溫度不重要的因子确定的水平不能超出現實可能的水平（最佳的選定水平上，不能適用實際的話郵局不能改善）試驗的幾個調和可能是不能接受的反應值，但是那種條件下，可能出現最佳值？
131. *試驗計劃的樹立選定試驗計劃做試驗計劃時要想10個重要概念直交性隨機性再現性反復性管理能力潛在變量 Noise變量 Blocking Sample的大小交叉
132. *試驗計劃的樹立试验计划的选定直交性试验配置或部分配置法上把因子的效果做成彼此獨立而使用隨機化為了防止非試驗的因子的外部要因引起的效果時使用試驗順序隨機化試驗Unit隨機化測定順序隨機化
133. *試驗計劃的樹立再現性完全再設置度驗裝置，在同樣水平上追加得到值的時候在做測定時可減少散布對對試的結果增加信賴感反復性反復各試驗Run 得到Sample不如再現性，但能測定變動管理：選定的條件，必須能得到管理
134. *試驗計劃的樹立潛在變量不太明确，控制也困難，測定也不可能，但影響反應值的值。為了減少潛在變量的影響，常常隨機化。 Noise變量已知道影響反應值，但控制困難的變量，為了減少這個變量選定預想的Noise變量，在所有水平上實施試驗
135. *試驗計劃的樹立Blocking Block是同質性的集團，如果判斷為一些要因成為問題時，把那個要因選定為Blocking因子 Blocking因子來選定的話，不增加試驗烽，可要因分析 Blocking不選定為Blocking因子的話，試驗結果出現問題，不能分析原因樣本的大小考慮測定值的變化程度等，決定樣本數，質。
136. *試驗計劃的樹立交叉法交叉是因子的效果不能彼此分离，部分配置法多少都有交叉，一般是主效果大于可交互作用的情況，3次以上的交互作用類似的情況幾乎沒有。試驗和實施數據收集試驗之前準備數據表格，可能的話，把相關的所有內容全部記錄。試驗時必須參加觀察通過觀察可以知道是因果關系還是相關關系。實驗期間可以知道條件的範圍是否恰當
137. *試驗計劃的樹立測定後的樣本，因有的時候需要再調整測定樣本，最好要保管。連續的試驗：進行大規模試驗不如實施幾次小的試驗初期試驗階段上能知道哪些因子是重要的，也能理Mechanism，因此下一步能夠更有效地實施試驗。能夠知道怎樣實施試驗，對提高試驗技術有用。
138. *試驗計劃的樹立數據分析 GRAPH分析 Capability Analysis Histogram Box Plot Pareto Scatter Plot Cube Plot Main effect plot：平均值&標準偏差 Interaction plot：平均值&標準偏差
139. *試驗計劃的樹立信賴區間 P-value，檢驗統計量 T-test，F-test，Chi-square 分散分析表(ANOVA Tables）回歸方程式(Regression)
140. *試驗計劃的樹立導出結論結果值在統計上有效嗎？測定/分析/改善階段使用的工具間有矛盾嗎？結合實際問題統計的處理結果合理嗎？得到改善的證據（長期的）充分嗎？結果值得到實際改善了嗎？工序能力值向上了嗎？所選定題目的‘Y’值得到了長期改善了嗎？會不會發生逆性能的問題？
141. *試驗計劃的樹立試驗結果怎樣指示改善問題的方向？是否要做追加的試驗？驗證試驗驗證試驗是證明已找出的最佳條件是真的改善的步驟驗收試驗必須象現象分析類似對長期的數據合理分組來實施找出最佳條件來做試驗期間在遷定的條件內應使其自然（實際作業條件）
142. *試驗計劃的樹立參照事項做驗證試驗期間必須參加觀察要确認因子的水平變化是否正确應留意試驗條件變更是否損壞裝備或誘發安全性問題 +/-只能在條件內實際控制可能的話，不能檢出2水平變化引起的效應
143. *試驗計劃的樹立試驗時注意事項錯誤認識發生問題的因子相關關系錯誤認識為因果關系最佳選定的條件和實際使用的條件不符試驗結果最佳選定的值在實際上協力社不能作業或生產工序不能賦予其條件跟Cost（成本費用）等相關，不能實行其政策全體的制度等有可能變更
144. *試驗計劃的樹立不能決定是因為沒有得到管理而變化潛在變量的影響給‘Y’值造成大的影響試驗在很小範圍的因子水平上實施沒有包含重要的獨立變量沒有包含影響品質的CTQ 因測定的變動大，不能檢出變化的值
145. *一元配置法一元配置法只選擇1個預計對一些特性值有影響的因子，實施試驗的最單純的試驗計劃法。認為紡紗生產工序上反應溫度影響紡紗產品的強度，因此為了了解按反應度的變化，強度怎樣變化，并且在怎樣的溫度水平下給最高的強度而做反應溫度為因子來取水平(A1:60℃，A2:65℃，A3:70℃，A4:75℃），在各度下3回，把全體12回試驗按隨機順序來實施。其結果得到了下列數據，最佳條件。
146. *一元配置法按反應溫度(A)變化的強度(單位：Kg/mm2)的試驗數據因子水平A1A2A3A4試驗的反復8.448.599.348.928.368.919.418.928.288.609.698.74
147. *二元配置法選定配置法選定2個因子後做試驗的試驗計劃某化工廠認為影響產品的收率(Yield，%)是反應溫度和原料。作為因行了沒有反復的二元配置實驗，因子的收率如下，求最佳條件。因子的水平數反應溫度(A)：A1(180 ℃)，A2(190 ℃)，A3(200 ℃) ， A3(200 ℃) 原料(B)：B1（美國M社原料），B2（日本Q社原料），B3（國內P）
148. *二元配置法試驗數據如下因子A 因子BA1A2A3A4B197.698.699.098.0B297.398.298.097.7B396.796.997.996.5
149. *二元配置法對收率溫度是A3=200℃，原料是在B1上最佳水平雖然現在選定的水平是最佳的，但考慮過程條件，費用方面也可選擇不同水平的最佳條件。
150. *要因配置法(Factorial Design)什麼是要因配置法 n個因子，各因子的水平數是k的試驗計劃，所有因子間的水平調和下實施試驗。要因試驗的形態 2n：因子是n個，因子的水平數是2試驗 3n：因子是n個，因子的水平數是3試驗
151. *要因配置法(Factorial Design)要因試驗的優點所有因子間的水平調合下實施試驗可推定所有因子的效果和交互作用 22試驗兩種橡膠(A0，A1)混合使用Mold(B0，B1)製作輪胎時得到的輪胎(balance)各測定4次的數據
152. *要因配置法(Factorial Design)試驗數據A0A1合計B03116582 110 88 72352517454643B1228430 37 38 29134218211823合計249486735
153. *要因配置法(Factorial Design)橡膠配合(mix)1水平，mold-1水平上得到大的效果 mold比橡膠配合(mix)更多的影響反應值 Main effects plot里因子的偏移越大，其因子更多影響品質特性值
154. *要因配置法(Factorial Design)什麼是交互作用表示2個因子的水平組合上，發生不期待的效果。3次以上的交互作用，技術分析不太容易，因此一般不考慮。XY沒有交互作用（平行的狀態）XY有一點交互作用XY有很大的交互作用
155. *要因配置法(Factorial Design)Cube plot
156. *要因配置法(Factorial Design)具有最佳均勻的條件是橡膠配合(mix)1水平，mold-1水平判斷為有一點點交互作用 mold比橡膠配合更大的影響反應值
157. *要因配置法(Factorial Design)23試驗考慮一下工序中能清洗部品的機器，這機器的性能是清洗完畢的部品上流下來的水通過Filter（過濾器）過濾後，Filet的殘留物越少說明機器性能越優秀，試驗按各要素的2水平來實施。
158. *要因配置法(Factorial Design)FactorLevel-1+1A. 水的溫度(Temp)溫水熱水B.時間(Time) 短長C.清洗液濃度(Conc.)低高同樣Run實施2次（或2次以上）得到反應值(Yield)時，求平均值後適用試驗排列全體反復2次（或2次以上）時，把數據放在1列來適用。
159. *要因配置法(Factorial Design)試驗配置RUNTempTimeConc.Yield1-1-1-16521-1-1433-11-146.5411-1435-1-1159.561-11447-11151811143
160. *要因配置法(Factorial Design)把Yield和temp/time/conc因子的效果plot Graph 首先繪製各要素的Low Level(-1)[低水平(-1)]的反應值（殘留物的量），然後繪製High Level(1)[高水平(+1)]。可以把握溫度最大影響反應值。反過來，濃度因子幾乎沒有特別的影響反應值哪些要素最重要哪些要素可以說沒有影響
161. *要因配置法(Factorial Design)Temp*Time：水、溫度的影響隨時間的變化，低溫度和短時間清洗，流下的殘留物最多 Temp*Conc：在高的溫度下，和清洗液的濃度無關，殘留物少無交互作用 Time*Conc：長時間清洗下，殘留物更少；時間的效果比低清洗濃度更顯著
162. *要因配置法(Factorial Design)Cube plot（繪制立體圖）4651606544434443temp-1-11timeconc11
163. *要因配置法(Factorial Design)temp(1：熱水)，time(1：長)，conc(1：低)時或temp(1：熱水)，time(-1：短)，conc(-1：低)，殘留物最少提高溫度，費用多并且找出最佳條件不重要的話，也可以在不同水平上選擇最佳點。如果溫度高，可以在低清洗濃度下，線體速度可以運行更快。（線體速度和清洗液濃度在高溫度下沒有差异）
164. *部分配置法(Fractional factorial design)什麼是部分配置法(Fractional factorial design) 在實施試驗時因子的數增加，試驗的次數增加，試驗的次數以幾何規律增加試驗次數的增加現實是時間方面或成本費用方面發生困難產生不可預想的潛在變量，試驗的程度變壞
165. *部分配置法(Fractional factorial design一般主效果交互作用沒有必要必須在因子的所有調合下試驗，不用求不必要的交互作用或高次的交互作用；而為了縮小試驗數的大小，只取因子的調合中的一部分進行試驗（2n3n型部分配置法）因此，通常完全配置法不如使用試驗次數少的部分配置法。
166. *部分配置法(Fractional factorial design）為什麼要使用部分配置法(Fractional factorial design) 為了找出致命的少數因子Screening時；從經濟/成本費用方面愾有水平配合下，試驗發生困難。部分配置法(Fractional factorial design)的優點以少的試驗次數得到好的試驗結果和提高檢出力試驗因子多，但做的試驗次數少
167. *部分配置法(Fractional factorial design)25試驗從32個中選擇16個方法是重要的 X1×X2×X3×X4×X5=-1工 X1×X2×X3×X4×X5=+1選擇這樣乘全體因子選擇的話，始終不會丟失直交性試驗因子彼此間獨立，對試驗結果的再現性高始終從高次的交互作用開始交叉
168. *部分配置法(Fractional factorial design)如果任意的選擇的配合，會破壞直交性，因子間不能完全獨立而成為從屬的，繼而導出錯誤的試驗結果選定X1×X2×X3×X4×X5=+1的16種配合這是具有高次的交互作用交叉的效果實施部分配置法時的試驗配合分布形態
169. *部分配置法(Fractional factorial design)25試驗進行16個部分配置法中各立方形底面2個和上面2個左側2個和右側2個前面2個和後面2個
170. *部分配置法(Fractional factorial design-1-1+1X1+1-1+1X3X4-1+1X2-1+1X5
171. *部分配置法(Fractional factorial design）主效果Column交互作用ColumnRunX1X2X3X1X2X1X3X2X3X1X2X3反應值1-1-111-1-1121-1-1-1-1113-11-1-11-1141111111考慮有4人組合的23-1部分配置，在23完全配置上，可以把相關因子全部相乘後再選定：“+or-”的4個組合，這時前2個因子具有完全配置法同樣的形態。此時X3因子的配置結構跟Z1，X2有同樣的交互作用。
172. *部分配置法(Fractional factorial designX1，X2，X3的主效果跟2因子交互作用交叉在一起 X3 Column=X1 X2 Column X1 Column=X2 X3 Column X2 Column=X1 X3 Column-1-1+1X1+1-1+1X2X3
173. *部分配置法(Fractional factorial design25試驗在注塑物配合工序上，從調查的結果來看，到測定、分析階段為止選定了5個暫定因子，選定的各個因子如下：進入反應器的原材料的量(liter/min) 添加的催化劑（%）轉速（RPM）反應器內溫度（℃）當中哪能些因素在什麼條件下能得出最佳值？
174. *部分配置法(Fractional factorial designFactor-1+11.注入量（feed rate）10152.催化劑（catalyst）123.轉速（RPM）1001204.溫度（temperature）1401805.濃度（concentration）36
175. *部分配置法(Fractional factorial design反應值受催化劑和溫度的影響強烈，幾乎不受其它干擾影響。剩下的注入量（注入速度）人反應值影響微小從干擾的分析結果來看，轉速幾乎不影響，因此排除該因素不會發生什麼問題。
176. *部分配置法(Fractional factorial design出現catalyst*temperature和temperature*concentrate 的交互作用有意義判別剩下的因素間的交互作用幾乎沒有意義要銘記2次的交互作用跟3次的交互作用交叉在一起的事實，雖然3次的交互作用有意義的情況幾乎沒有，但是還是要注意觀察。
177. *部分配置法(Fractional factorial designCube plot67655655606952784945636110159395
178. *部分配置法(Fractional factorial design最適當的條件是：催化劑+1（2%），溫度+1（180℃），濃度-1（3%）下具有最好的組合。注入量和轉速的影響不多這里必須測驗產品是否按改善的最佳條件來生產的再現性
179. *回歸分析（Regression）什麼是回歸分析（Regression）？想要改善問題時，掌握相關變量之間的相互關聯性，這種情況有用的時候多。（有/無相互關聯性，可以提供解決問題的Point）這種關聯性用某種數學方程工來表示及分析叫回歸分析，即可以認為將從屬變量“Y”與獨立變量“X”的關系用下列模型的數學方程式來適當表示。 y=a+bx+error 這里a=截距 b=斜率
180. *回歸分析（Regression）回歸方程式的分類單純回歸分析：獨立變量（說明變量），從屬變量（反應變量）各1個的情況中回歸分析：獨立變量（說明變量）2個以上的情況曲線回歸分析：獨立變量（說明變量）1個，從屬變量（反應變量）1個構成的情況（假定是2次以上的高次函數）
181. *回歸分析（Regression）為什麼要使用回歸方程式（Regreesion )? 為了發現暫定的Vital Few（少數致命缺陷）為了判定“Y”值并使其最佳化為了決定哪些“X”因素值上“Y”成為最佳化
182. *回歸分析（Regression）用手動方法發現暫定的Vital Few時使用手動方法導出最終結論，但危險情況多，因此最好使用試驗計劃法。為了分析試驗的結果
183. *回歸分析（Regression）回歸方程式 a和b的計算公式
184. *回歸分析（Regression）把全体测值用某一个适当数学方式来表示，其适当方程式不能说明的误差变化和成为最小而决定a和b。（最小平方法）如果所有數據在適當方程式上，誤差變化是“0”，即最好的情況：但這種民政部幾乎不會發生。并且對比總變化不能說明的變化小（誤差引起的變化），可以說明回歸模型好。
185. *回歸分析（Regression）怎樣做好數據收集？為了推定變動最小的偏移，使用因子“X”的最低界限值到最高界限值為止的大範圍的數據。為了減少收集數據時因時間變量，最發好是以無序法來确定“X”因子的水平後再做試驗。
186. *回歸分析（Regression）運用Minitab進行回歸分析為了預測LOT大小的生產人力，利用隨機法來抽出資料來求回歸方程式。 LOT大小（X）10203040405060607080生產人力（Y）2029506070859095109120
187. *回歸分析（Regression）FITS是從因素各個測定數據計算回歸方程式時的實測值，“Y”的推測值是man-hour=4.17+1.48 lot size Residual（殘差）的error標示是實際反應值上，把預想的反應值從各測定值上減掉的值，上面例題值是C4=C2-C3
188. *回歸分析（Regression）回歸方程式的殘差（Residual）是什麼？殘差（Residual）Plot是回歸模式是否適當，進行檢查的分析工具殘差（Residual）的平均值始終是“0” 殘差（Residual）具有正態分析(Normal Distribution) 殘差（Residual）應是隨機分布（即，不能有什麼樣的傾向）
189. *回歸分析（Regression）殘差分布形態按時間序列估計為等分散的情況
190. *回歸分析（Regression）估計是獨立的或可能不是直線關系的曲線形態
191. *回歸分析（Regression）其它變量也要一起考慮的情況
192. *回歸分析（Regression）殘差（Residual）分析（正規性） P146
193. *回歸分析（Regression）可以對殘差是否為正態分布進行檢查或Stat>Besic Stactistic>Normality Test Variable:Resi 1,Value=0.269上看出是正規性
194. *回歸分析（Regression）附加說明回歸方程式y=a+bx,即a（偏移）=4.71，b=1.48（截距）的值 Constant P-Value H0：回歸原點通過（0,0） H1：回歸線未通過原點（0,0）上面情況是采用H0，因此4.71可以看作0
195. *回歸分析（Regression）對因子的P-Value H0：Lot size=沒有意義（or不影響） H1：Lot size≠沒有意義（ or有影響）上面情況是P-Value=0.00，因此可以判斷有意義 S值：表示誤差的散布，即表示推定的標準偏差值。越小越有好的值。 R-Sq ：觀察值到適當線的變動比率。
196. *回歸分析（Regression）R-Sq(adj)：表示推定的回歸方程式的好的程度 Fitting的回歸方程式可用因子來說明的變動不能用適當的方程式說明的變動考慮實測值到平均值為止的變動
197. *回歸分析（Regression）得出結論 LOT的大小（X）是影響生產人力（Y）的因子因R-Sq=98.5%，可以判定為做了相當的貢獻（一般推荐為R-Sq的值為65%）從該例題可以看出殘差是正態分布的（P-Value=0.269, Normality Test）
198. *管理(Control)
199. *管理計劃什麼是管理階段？ Project（項目）的終了階段，并對業務的事後管理再分工。為了工序最適當化的持續維持管理，必須能夠檢查出體系管理系統的變化。為了監控process及采取糾正措施等行動而制定計劃。給process的實行主管部門說明新的步驟和系統。對于新的process，必須文書化
200. *管理計劃管理階段的活動內容是什麼？确認實際上已改善的內容，持續地對改善/維持進行确認驗證活動成果制定/實行管理計劃按改善內容變更程序步驟及系統 Process Foolproof化（工序簡單化）制定審查計劃定期監控設定下一步進行的project 活動範圍
201. *管理計劃對改善的檢驗試驗管理階段上證明程序确實得到了改善，這表示在合理分組下以長期的觀點再确認程序不能只用試驗計劃的結唱歌或連續采取樣本，從短期的觀點上來驗證改善內容。在日常條件的偶然因素引起的變動狀態下必須确認改善事項。
202. *管理計劃Six Sigma管理計劃明确定義問題Y和CTQ（致命的少數因子）測定System技術文件化定義sampling（取樣）計劃提供第一個和最後工序的工序能力說明及明确改善內容為了确認隨時時間變化的改善內容，進行技術性的Know-how文件化明确管理部門
203. *管理計劃Six Sigma管理階段的基礎提問事項是什麼？測定的對象是什麼？需要多久測定一次？需要怎樣進行管理？誰進行管理？用什麼樣的Mechanism檢出？測定值超出管理界限時，可能發生的事項是什麼？
204. *管理計劃怎樣制成Six Sigma管理計劃書确定致命的少數因子制定管理計劃驗證管理計劃管理計劃的實施及文件化對管理計劃的實施進行審查實施對工序能力的監控
205. *管理圖（Control Chart）什麼是統計的工序管理（SPC=Statistical Process）？ Statistical：統計的方法是利用樣本數據對process變動進和行監控和分析。 Process：表示哪些反復的事情和階段。 Control：對工序所產生的變化做到事前知曉。
206. *管理圖（Control Chart）統計式工序管理（SPC=Statistical Process）工具的長處由于工序受到偶然原因（White Noise）和异常朱因(Black Noise）的影響，所以一直這樣做可以一目了解地了解工序現況。可以用合理分組區分偶然原因和异常原因，收集樣品後可以容易地确定變動現況。偶然原因引起變動的工程，要持續地保持安定的狀態
207. *管理圖（Control Chart）异常原因引起變動的是Process（工程）的外部原因引起發生由組間（Subgroup間）的變動而引起發生。隨著時間的變化那些變更的細節可以對工序有、無正常進行判斷。管理界限線是為了管理Process變動，使用的可能性（确定對Process采取什麼樣的措施）管理圖一般是兩個圖組成，一個是subgroup的平均值變動特性，另一個是subgroup散布特性曲線。是為了表示基本的的Process的平均值，另外也為了檢出產生散布影響的异常原因而進行使用的。
208. *管理圖（Control Chart）SPC（Statistical Process Control)的Logic正确的 Output工序能力ControllerProcessINPUTOUTPUTSAMPLE可以控制的因子异常原因改善對象調整可能特別的情況不可以控制的因子偶然原因共同的事項 Noise 持續的事項
209. *管理圖（Control Chart）對于規格，組成的成品及部品的致命性相關因素的采集樣品和測定處于源流階段，進行“Y”的特性管理。 Six Sigma源流階段的Input特性值的致命因子管理來管理“Y”是焦點
210. *管理圖（Control Chart）為什麼Process安定性是重要的？工序能力是指對今後生產產品Output做預計的意思。但是如果工序過去的數據是不安定的狀態話，那麼這種推測不可能由此要能預測工序能力的話，則Process一定要處于安定狀態。
211. *管理圖（Control Chart）Process安全性的概念當Process的output由偶然原因構成時，定義為工序處理安定狀態所謂的安定還指：所有的分組的平均值及其範圍都處于各自的管理上，下限以內，這意味著：發生變動的异常原因并沒有增加。若是在管理圖上有脫离管理界限的點，數據值的分布不是隨機分布而有一定傾向性的話，這種情況可以視為嚴重的异常情況。
212. *管理圖（Control Chart）結論：Process若在安全的狀態下，測定值位于output，超過±3σ的安全變動範圍的情況極少安定的Process變動區域（只是存在偶然原因）异常原因變動範圍UCL X LCL异常原因變動範圍
213. *管理圖（Control Chart）什麼是管理圖（Control Chart)？為了判定工序的狀態還是不安定狀態，用統計工具來描述工序的連續的變化。管理圖的種類按統計量的分類計量型管理圖：能連續測定的值（長度，溫度，濕度）計數型管理圖：离散型測定的值（不良品數，缺陷數）
214. *管理圖（Control Chart）按使用目的分類工序解釋用管理圖：為确知工序處于什麼樣的狀態？調查由什麼原因而產生何種散布？工序管理用管理圖：隨著作業，通過管理圖檢查該結果，為找出异常及構成的原因，以利于及時采取對策。
215. *管理圖（Control Chart）管理圖的管理界限決定管理界限使用±3 σ，相應占有面積為正規分布的99.73%的相應面積，即异常原因引起平均值和平均偏差的變化不大，偶然原因引起的變動，大部分在管理界限以內。若是測定品數量增加，則可以更明确地評價母體的特性。管理界限隨著取樣的大小而變動；取樣量的加大，管理界限的幅會隨之減小。（依照規格的上，下限）即減少β的危險性。由此取樣大小為2＜n＜6典型地使用n=5。
216. *管理圖的种类（Control Chart）管理圖的種類連續地測定數值的情況离散地測定數值的情況平均值&範圍管理圖（n<3) 典型的3~5個平均值&標準偏差 n：10不良率管理 P管理圖（n：50) DPU/DPU追蹤不良管理 nP 管理圖（n：50) 不良數追蹤
217. *管理圖的种类（Control Chart）變量&範圍 X &R （n<10) 典型性地取3~5個開發&Moving Range X &mR n=1有确定單位欠點數 C管理圖 C＞5無确定單位欠點數 U 管理圖 n變數為了使用恰當的管理圖，對于Process應在事前确定其是連續型的還是离散型的
218. *管理圖（Control Chart）管理圖的Minitab運用（計量型）顧客服務中心監控顧客的滿足度，每周對顧客依照地域調查其對10個中心的的滿足度，制成如下圖的圖表管理图使用分析全體Subgroup=25 Subgroup Size=10 平均=4.034 範圍的平均：1.045
219. *管理圖（Control Chart）第7次的周間評價在3.712以下顧客滿足分數的變化，若是由异常原因引起發生的原因，進行體系管理确認發生問題，給予改善。第7周的中心間的變動，比設想的高。
220. *管理圖（Control Chart）管理圖的Minitab運用（計數型）地區牙科協會為了弄清顧客為什麼不遵守約定時間，改善Team從’97.1月開始引進Flexible Time制利用過去的數據得到了下列數據。按月調查數據是100件
221. *管理圖（Control Chart）年度1997月789101112%Failed403636424240年度1998月123456%Failed202625192018月78910%Failed16101212
222. *管理圖（Control Chart）管理界限線以1996年數據基準設定的。管理圖表示Flexible Time制的實行後未遵守約定件急劇地減少。新的方向設定後，平均由此39%到18%實現了改善。
223. *管理圖（Control Chart）管理圖用系數表下列表中的常數是SPC管理圖常用的值nA2A3D3D4B3B4d2d312.663.76------21.8802.65903.62703.6271.1280.85331.0231.95402.57502.5861.693088840.7291.62802.28202.2662.0590.66050.5771.42702.11502.0892.3260.864
224. *管理圖（Control Chart）nA2A3D3D4B3B4d2d360.4831.28702.0040.0301.9702.5340.84870.4191.1820.0761.9240.1181.8822.7040.83380.3731.0990.1361.9640.1851.8152.8470.82090.3371.0320.1841.8160.2391.7612.9700.808100.3080.9750.2231.7770.2841.7163.0780.797
225. *管理圖（Control Chart）A2：平均的標準誤差的3倍 D3：1+範圍的標準誤差的3倍 D4：1-範圍的標準誤差的3倍 d2：範圍的平均值修正 d3：範圍的平均偏差修正
226. *管理圖（Control Chart）管理圖解釋對于正常的Run的變化予以說明，概要的成績狀況如下：許多點接近中心線少數點，很接近管理界限沒有在管理界限以外的點（即使有，也很少）連續25個點在管理界限以內時連續35個點中，脫离管理國創始的在1個以內時連續100個點中，脫离管理界限的點在2個以內時
227. *管理圖（Control Chart）UCLCLLCL
228. *管理圖（Control Chart）管理圖解釋 (Run)：連續地向中心線一邊偏側時，顯示的點意味著群。由工序的平均，散布發生小的變化而引起，尋找原因，采取措施。
229. *管理圖（Control Chart）有5個點的Run要注意工序的進行狀態有6個點的Run，要采取行動的準備有7個點的Run，要采取行動UCLCLLCL
230. *管理圖（Control Chart）周期（Cycle）：意味著在某種原因下，對工序產生周期性的影響明确工序周期性變動的原因，對工藝采取措施CLLCLUCL
231. *管理圖（Control Chart）傾向（Trend）：意味著點顯示為向某一方向連續變化。UCLCLLCL
232. *管理圖（Control Chart）脫离管理：調查工序的异常原因，采取杜絕再發UCLCLLCL
233. *管理圖（Control Chart）管理狀態和安定狀態：點散布在中心線的附近，并且不脫离管理界限下的狀態。UCLCLLCL
234. *管理圖（Control Chart）接近管理界限：將中心線和管理界限間進行3等份，點處于最外部分2/3的狀態由于工序的散布增加，通過工序的點檢及确認，采取必要的行動UCLCLLCL
235. *管理圖（Control Chart）接近中心線：接近中心線的點，持續的連續出現顯示取樣有問題或是由工序方法變更而引起UCLCLLCL
236. *附錄
237. *Six Sigma Review測定階段Review階段實行方案1)推出實際問題為什麼要改善 —Field SVC不良率，收率，銷售實績，部品廢棄等技術上明确定義跟問題相關的反應值“Y” 為了把反應值特性化而使用Process Map, Logic Tree, Minitab —將有問題的系統細分後，繼續往層展末期，選定最終必須善的重要特性值。整理或記述問題使其視角化。
238. *Six Sigma Review階段實行方案2)測定計劃對于反應值“Y”确認測定系統的程度 —實施GRP，确認系統有什麼樣的Issue事項，必要時進行原因分析，對于問題點，樹立改善計劃，從測定系統開始進行改善。 Data收集時，一定要按照Rational Subgroup Plan進行實施 —在短期的條件下不能收集連續作業狀態的sample —要對引起Process變化的日常性的全部條件，變化原因進行事前Review，包括全部因素的sample數量，是由subgroup數決定的。 —Data收集應包括日常煌作業條件下可能發生的群內變動和群間變動
239. *Six Sigma Review階段實行方案3)測定結果确認測定數據的正規性對工序能力分析結果，使用Minitab分析問題點，制定向後方向的計劃如果拓應值“Y”多個時，可制表分析
240. *Six Sigma Review階段實行方案4)測定階段概要使用4-Block Diagram對工序能力水平下結論，標示影響工序能力的Issue事項 —Z.st，Z.lt，平均值移動問題，散布問題等等分析Graph或討論影響反應值“Y”的工序能力的基礎的process變量等之後graph化概要/整理Project 改善方案 —issue事項&障礙要因确認決定暫定的致命少數要素的下一步分析階段的日程及方向
241. *Six Sigma Review分析階段Review階段實行方案1)用統計的方法記述問題調查各種可能的潛在因素“X”，樹立測定計劃 —制成特性要因圖 —ANOVA —Pareto Diagram制成 —Screening DOE —Regression等等
242. *Six Sigma Review階段實行方案2)抽出“X”因素找到給反應值“Y”實際影響的因素利用Plot，Chart等，找到致命性的所屬因素(CTQ) —Box Plot，Regression，ANOVA，假設檢驗(T-Test)，Screeing DOE 針對“X”因子，制成表可知，記成影響圖通過實驗計劃确定什麼因素在什麼條件下產生影響，在分析階段上找出相關因子及預想水平
243. *Six Sigma Review階段實行方案3)分析階段概要确定潛在的致命性的因素（CTQ）導出在怎樣的條件下表現出影響度樹立計劃，以便可以确認致命性的因素（CTQ）和它們的影響記述下有效的潛在解決方法，和不有效的潛在解決方法 —Process變更，技術性變更，設計變更等等簡要概括Issue事項，達成程度
244. *Six Sigma Review改善階段Review階段實行方案1)統計式解決方案Regression/ANOVA另外DOE的實施將實行結果，用output顯示 —對于主效果和Cube Plot “Y”反應值最佳條件給予提示。 —對P-Value較好適用
245. *Six Sigma Review階段實行方案2)對于統計式結論進行驗證試驗導出結論 —對于反應值管理/為了最佳化，設定界限 —必要時進行變更spec —确認由輸入值的變動，依統計方法而對反慶值變動影響程度進行确認 —為了使“X”因素的設定到最佳化，使用Regression 若是找到了給予最佳條件的致命性因子（CQT）和水準要驗證改善效果 —分析現象同時做工序能力确認，此時進行的sample一定要依照Rational Subgroup Plan做包含群內的變動和群間變動工的sample做驗證試驗，确認是否得以改善。
246. *Six Sigma Review階段實行方案3)改善階段概要對于致命性所屬因子（CTQ）和“Y”決的密切影響程度，導出結論對于選定的最佳條件，樹立計劃，將她使用于要管理實行的場所通過Process Optimization的達成，將改善效果予以記述為了持續地保持改善效果，記錄需要采取的action —Process變更，系統變更，教育訓練，技術性變更，材料變更，Design變更等等雖然完成了改善目標，但要确實确認有無相應的負作用
247. *Six Sigma Review管理階段Review階段實行方案1)管理計劃實行如果Design變更時，一定要記述新的條件下，對反慶值的影響程度對于致命性所屬因子“X”&問題（反應值，CTQ）的“Y”做統計式管理構筑能夠确認工序能力的系統對于异常條件發生，所采取的action給予定義 —who，what，when，where，why，how 設定工序能力checks的schedule 具備事後管理，業務分擔明确化

下载需要 2 积分 [ 获取积分 ]

服务器/托管费、人工审核、技术维护等都需要很多费用，请您支持香当网的发展

下载PPT

6SIGMA系統講義

该用户的其他文档

相关PPT

相关文档