6西格玛-A阶段绿带教材1873.pptx

单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,Analyze,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X,10-15个X,8-10个X,4-8个关键X,3-6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(15 18 21)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,9:00,10:00,11:00,12:00,A、单元内的变异是最大来源,9:00,10:00,11:00,12:00,B、单元间的变异是最大来源,9:00,10:00,11:00,12:00,C、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,顺序,空间,时间,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实例操作,多变量分析：图形制作,StatQuality ToolsMulti-Vary Chart,Response:Time,Factor1:Training Hours,Factor2:Experience,点击“Options”并选择所有三项（包括Display individual Data Points）,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,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,StatQuality ToolsMulti-Vary Chart,Response:Time,Factor1:Experience,Factor2:Training Hours,点击“Options”并选择所有三项（包括Display individual Data Points）,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,1,1,2,1,3,2,1,2,1,2,2,1,2,1,3,2,1,2,1,2,检验员,部件,测量次数,1,1,2,1,3,2,1,2,1,2,2,1,2,1,3,2,1,2,1,2,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,2,1,1,2,2,1,3,2,1,1,2,1,2,1,2,1,3,2,1,2,1,2,1,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,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,Nested ANOVA:Weight versus Plant,Shift,Operator,Sample,Analysis of Variance for Weight,Source DF SS MS F P,Plant 3 0.7411 0.2470 5.743 0.011,Shift 12 0.5162 0.0430 1.302 0.249,Operator 48 1.5865 0.0331 2.582 0.000,Sample 128 1.6385 0.0128,Total 191 4.4824,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,Variance Components,Source Var Comp.%of,Total StDev,Plant 0.004 17.26 0.065,Shift 0.001 3.37 0.029,Operator 0.007 27.40 0.082,Sample 0.013 51.97 0.113,Total 0.025 0.157,Expected Mean Squares,1 Plant 1.00(4)+3.00(3)+12.00(2)+48.00(1),2 Shift 1.00(4)+3.00(3)+12.00(2),3 Operator 1.00(4)+3.00(3),Sample 1.00(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,。