6_Sigma及的统计学基本概念.pptVIP

6 Sigma涉及的 统计学基本概念 连续数据 也称为可变数据 离散数据 也包括属性或类别数据 离散数据 应用你所学到的东西 统计学术语 总体 － 全组数据，全部对象。 - 一个总体中的元素数量用N来表示 样本 －总体的一个子集 - 样本的元素数量用n 来表示 平均值 － 总体或样本的平均值 - 总体的平均值用?来表示 样本的平均值用X 或?来表示 方差 － 数据与其平均值之间差值的平方的平均值 。 它代表该组数据的分散程度 - 总体的方差用?? 表示 - 样本的方差用s2或??表示 均方差是方差的 正 平方根。 它也代表该组数据的分散程度 。 -总体的标准差用? 来表示 -样本的标准差用s或?来表示 统计学术语和定义 统计学术语和定义 举例 课堂练习 绘制直方图 用直方图形成一个连续分布 正态分布的标准差 ? 面积和概率 使用正态表 中心极限定理 - 为什么我们得到的通常是正态分布 中心极限定理 - 为什么我们通常得到正态分布 提高工序能力 改进的焦点 稳定的运行 将坏日子变为好日子 稳定的运行会降低偏差 “稳定性因子”：Q1 / Q3 稳定操作降低偏差 关键概念： 第3部分 统计学概念 误差存在于所有过程。 连续 可变 数据可以有意义地进一步分割，例如，长度，重量。 离散 数据是以类别形式存在的，不能进行分割。 总体就是全部对象。 样本 就是总体的一个子集。 平均值 – 分布的平均数。 标准差 – 分布的分散程度。 方差 – 标准差的平方。 正态分布 – 对称分布于平均值两边的数据，钟形曲线。 标准正态分布 – 具有平均值 m 0 和标准差 s 1 的正态分布。 关键概念： 第3部分 统计学概念 中心极限定理表明，无论单个变量是不是服从正态分布，多个变量的平均值或总和通常近似于正态分布。 Z 值是平均值与规范的上下限之间所包含的标准差个数 Y ‘响应变量’ - 因变量 X ‘因素’ - 独立变量 Y f X : Y 取决于X。通过确定和改进关键的X变量来改进Y。 工序能力 – 过程的偏差与其要求 规范 之间的比较。 稳定运行 - 集中于降低偏差，使坏日子变成好日子。 稳定性因子 - Q1/Q3. 第一个四等分/ 第三个四等分。 统计学问题: 是均值偏离、偏差过大，还是两者兼而有之 W6.9 Copyright 1995 Six Sigma Academy, Inc. 控制平均 值的杠杆 变量 控制标准 差的杠杆 变量 ? ? 变量Y Y f X1, ... , XN 较差的工序能力 LSL USL LSL USL 出色的 工序能力 均值偏移 过度分散 能力 这适用于所有过程 — 制造业和商业。 稳定运行可以从过程中消除偏差，使结果更加稳定、提高可预测度。 偏差是恶魔，发现它并且清除它！ 低劣表现 出色表现 客户： “我希望每天都 这样” “坏日子” “一般的日子” “好日子” Q1 平均值 Q3 产品产量的直方图 根除坏日子，提高一致性，提高平均值。 原来的行为 增加平均值。偏差保持不变。依然存在着坏日子！ 稳定运行 根除过程的“不稳定“部分 坏日子 。平均值也增加了！ 初始表现 根除坏日子，改进一致性，提高平均值。 平均值 平均值 平均值 Raw Data Sorted Q3 Q31 Q3 23646 Q1 12215 原始数据 分类后 顶部25% 底部25% 1 测量您的工序每天的产量。 2 将数据按从最好到最坏顺序排列。 3 将数据四等分。 Q1 1/4 的日子较差。 3/4 的日子较好。 Q3 3/4 的日子较差。 1/4 的日子较好。 4 计算稳定性因子 SF : SF Q1 / Q3 12215 / 23646 .52 随着偏差的降低，稳定性因子越来越接近1.0。 根除坏日子，提高一致性，提高平均值 平均值 初始表现 Q1 Q3 稳定操作 1. 根除过程的“不稳定“部分 坏日子 。 2. 增加Q1. 3. 降低偏差。 4. 平均值也增加了！ Q1 偏差是恶魔。发现它，并且消除它！ 稳定运行带来的好处 客户会看到更高的一致性和可靠性。 过程的可预测性增加，更易于管理。 平均值 能力 更高。利用“隐蔽的工厂”。 低劣表现 出色表现 客户： “我每天都希望 实现这个目标” 稳定运行：如何实现 1. 在测量阶段，计算您的过程的稳定性因子。发现那些具有低稳定性因子的过程，那些具有最大改进机会的过程。 2. 使用分析方法筛选出可能导致坏日子的关键因素X。 3. 使用改进方法来确认将坏日子变成好日子的关键因素X。 4. 控制关键因素X，保持高稳定性。 使用六个西格玛