202 Passive Studies.pptVIP

目 的 对“观察研究”的总体介绍 变异的来源 进行观察研究 计划编制 收集数据 分析数据 观察研究存在的问题 方法论 分析 观察研究方法概览: 方法 在生产模式中描述流程基准能力的方法 数据是从自然状态下的流程中收集到的，因此是被动的 对短时间内收集的数据进行分析，以确定： 稳定性、正态和能力 重要流程输入变量和重要流程输出变量之间的关系 持续进行观察研究，直到正常范围内的输出变量都被观察到 涵括在短期能力研究或历史数据观察中获得的从低到高的数据 观察研究方法概览: 目的 要用较高的统计信心来确定关键流程输出变量的能力 确定可归因的变异来源 获得变异的基本构成 不同班次之间 不同营运时间之间 不同操作者之间 得到对流程稳定性的初步认识 为实验设计（改善阶段）提供方向和输入 变异的来源 变异: 第一个需要考虑的事项 首先研究不可控的噪声变量（Noise Variable) 噪声变量的变异会使均值产生缓慢或剧烈的移动及变异，这些变异会进一步导致流程的不稳定 如有可能，我们必须在对重要的可控输入变量进行系统研究之前，消除这些变异的来源 变异 变异的来源: 部件内 变异的来源: 部件之间 变异的来源: 各批之间 变异: 分析 我们可以通过三种类型的变异来分析观察到的变异： 部件之内的 部件之间的 时间的 （各批量之间，或不同天的） 根据变异来源将其分解的方法作用强大 变异的来源 进行观察研究 两个阶段 阶段I: 进行短期能力研究 在短期能力分析的数据基础上，制定一个对流程更深一步研究的计划 阶段II: 对可控因子、不可控因子（噪声）及原材料输入变量对输出变量的影响进行初步研究 主要研究关键不可控变量（噪声）对系统的影响 研究可控输入和输出变量之间的初步关系 阶段I: 流程设定和数据收集 将流程设置在你认为表现“最佳”的地方，并记录关键流程输入变量的值 (KPIVs) 确定建立合理子群组（subgroups）的方法 在一个较短的时间内制造一些产品，尽可能多地消除外部变异 目标为收集大约30个数据点 让你的团队仔细观察流程，并做大量记录 测量和记录关键流程输出变量的值 (KPOV) 阶段I: 分析 执行Six-pack流程能力分析，并检查： SPC 图 (检查稳定性) 正态图、直方图(检查正态) 能力指标 进行详细的流程能力分析，确定短期和长期能力指标 Cp / Cpk 和Pp / Ppk 诊断： 需要移动均值 (Cpk不等于Cp) 变异太大了 (Cpk低于1.5) 在诊断的基础上制定行动计划 阶段II:计划编制 明确说明研究目标 确定要研究的输入和输出变量 确定每个输入和输出变量的测量系统 需要做MSA吗？ 建立抽样计划 检查数据收集、格式化和存储的程序 将用于流程操作的程序和相关设定文字化 分配团队角色，并确保他们都接受过培训 检查要用的数据分析方法 抽样计划 好的抽样计划可以捕捉到所有噪声变异的相关来源 批次之间 班次之间、操作者之间、机器或流程之间 样本大小：经验值为30 没有必要针对每个样本都测量输入变量 比如: 每小时抽取样本量测输出变量的表现 假定环境湿度 (输入变量) 在4小时内都保持恒定 抽样设计 你可以使用以下一个或多个抽样设计 抽样设计可帮助你不必收集太多的数据，却能找到代表流程的样本。 抽样设计： 简单随机抽样 分层抽样 聚落抽样法 系统抽样法 子群组抽样法 阶段II: 收集数据 运行流程，收集数据 分析数据： 流程稳定吗？处于控制中吗？ 哪些是影响输出变量的重要噪声变量？ 哪些是影响输出变量的重要可控变量？ 用接下来的DOE确认结果 结论 报告结果，并提出建议 数据分析 数据分析 数据分析应该遵循以下三个基本步骤： 实际的 检查数据（原始数据），查看有无任何反常（错误、意外的数据） 图形化的 用图形分析数据，得到对数据的视觉感觉 分析的 用统计方法分析数据，得到对数据的数字感觉 数据分析:范例 数据分析: 信息窗口 数据分析 单一输入变量Y=f(X) 数据分析: 范例GraphBoxplot 箱型图: 操作者之间 箱型图：操作者之间 箱型图: 班别之间 点图: 班别之间GraphDotplot 多个输入变量Y=f(X1, X2, etc) 矩阵图为我们提供了多个输入变量的点状图 矩阵图由两个个别的两维矩阵图组成。 矩阵图有利于在众多变量中立刻找到两个变量之间的关系 这可以帮助你节省时间，因为通过一张图即可找到有意义的关系。 你可以一次绘制多达20个变量的矩阵图。 来源: Minitab online help 矩阵图GraphMatrix Plot 矩阵图 主效应图Main Effect Plot 主效应图Stat ANOVA Main Effect Plot 主效应图