- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
经典6西格玛统计理论【荐】.ppt
下面单板例子中计算DPU与DPMO.圆圈表示评价元器件的个数,黑色表示功能失效元器件. 例题 一个单位发生的总缺点机会数 1,000,000 x DPU = DPMO 一般说6 SIGMA水平时把不良率说成3.4DPMO比3.4PPM更恰当 适于互相不同的Process或产品间,制造范筹和非制造范筹间的比较 DPMO的计算 例题 总缺点数 = DPU 总生产单位数 DPU的计算 例题 填单案例: 为了掌握固定资产申购过程的现况,整理了今年1月份到6月份的固定资产申购单,总共有678份,每份申购单要求事业部填写12项内容的信息,经过整理发现共有124项填写不完整,68项填写有错误。请问填写固定资产申购单过程的DPU、DPO、DPMO为多少?过程能力为多少Sigma? 例题 DPMO 计算例 适用连续性的数据 不良率 = 0.02275 Probability of 良品率 = 0.97725 规格上限 DPMO = 0.02275 * 1,000,000 = 22,750 适用离散性的数据 缺点数 某一PCB有800个熔接点与200个部品 此PCB中发现6个焊接不良点与2个不良部品 DPMO =(6+2)/(800+200) * 百万 = 8,000 例题 RTY:一个产品或服务过程提供无缺陷的概率 例题 2. 某一投诉处理由 A, B, C, D, E 五个作业构成,各作业的 通过率为0.99, 0.95, 0.90, 0.90, 0.95. A B C D E 0.99 0.95 0.90 0.90 0.95 计算投诉处理的通过率? 例题 数据种类的确认 离散型数据 Unit的确认 计算 DPU 计算 DPO 计算 DPMO 连续型数据 正态性验证 数据转换(必要时) 工程能力分析 (利用MINITAB) 引出DPMO DPMO值在 Sigma Chart转换为Z值,掌握SIGMA水平 大家是否记得Z值是怎么来的? SIGMA水平(Z值)的计算程序 1) 离散型数据的SIGMA水平 缺陷数据(泊松分布)的情况 求DPMO 从SIGMA表读对应于DPMO的 Z.st值 过程通过率数据的情况 计算过程每一个步骤的通过率 求出整个过程的通过率 从SIGMA表读百万个 = (收率)*1,000,000 相对应的Z.st值 不良率(二项分布)数据的情况 从不良率计算PPM PPM=(不良率)*1,000,000 从SIGMA表读与PPM值一样的 DPMO值相应的Z.st值. SIGMA水平(Z值)的计算程序 2) 连续型数据的SIGMA水平 USL Z.st ?.st LSL 规格中心 规格中心和规格上限或下限间的距离是标准偏差的多少倍? SIGMA水平(Z值)的计算程序 CP:产品的品质特性的分布没有向两面规格倾斜的情况下的工程能力指数-----理论工程能力指数 Cp=(USL - LSL)/6 ? Cpk:产品的品质特性的分布没有位于规格的中央,而是向一面倾斜时,考虑倾斜度的工程能力指数----实际的工程能力指数. Cpk=(USL-X)/3 ?或(X-LSL)/ 3 ?中的小值 工程(过程)能力 * Basic Statistics – The Importance of Data The importance of data Types of data Representing data Statistical parameters The normal distribution Discrete distributions Sampling Basic Statistics – The Importance of Data The importance of data Types of data Representing data Statistical parameters The normal distribution Discrete distributions Sampling Basic Statistics – The Importance of Data The importance of data Types of data Representing data Statistical parameters The normal distribution Discrete distributions Sampling * 5 * Start conversation with “Statistics are used everywhere.” Ex: Baseba
文档评论(0)