6西格玛mintable使用技巧.ppt

此直方图比较令人满意，不象以前那样，再没有多个尖蜂。 步骤七、准备工序能力分析 只采用supplier1，使得变动大为减小。从组装线上下来的组件不良数明显降低，但是问题没有完全消除。决定进行能力分析，看看supplier1是否符合工程规格600±2mm。 进行工序能力分析之前，工序必须可控。管理图表明，由于措施得力，工序现在在管理范围之内。同时还希望凸轮轴的长度服从正态分布。现在由直方图检验其正态性。 现在看看supplier1的凸轮轴长度的分布。 1.选择 Stat ?Basic Statistics ?Display Descriptive Statistics。 2.在 Variables中，输入 Supp1，点击 OK。 7.在 Target（adds Cpm to table），输入 600 。 8.点击 OK 。 步骤八、 进行工序能力分析。 1.选择 Stat ?Qulity Tools ? Capability Analysis（Normal） 2.选中 Single column 输入 Supp1 。 3.在 Subgroup size 中，输入 5 。 4.在 Lower spec 中，输入 598 。 5.在 Upper spec，输入 602 。 6.点击 Options 。 从上面这个图形可以看出，工序的平均值与目标值不足，中心值落在目标值的左边。曲线的左边尾部落在了下限以外。因此，有些凸轮轴不符合最低规格598mm。 我们再看看文字性的统计说明。 Cpk 指数表明工序能否在公差范围内进行生产。如果Cpk指数为 1，意味着工序恰好符合规格；小于 1 说明超出规格。理想情况下，希望 Cpk 远大于 1，因为这个指数越大，表明工序越好。Supp1 的 Cpk指数只有0.9，表明需要减小变动，靠近目标值。 第九章 实验设计 背 景 假设你在一家化学工厂工作，任务是对生产一种化学产品的化学反应进行 研究。你想通过这个反应提高产量。根据过去的经验已经知道改变温度、气压和催化剂的种类可以改变反应产量。现在的问题是你的那些同事对于以上那些因素怎样影响反应的各有一套自己的见解。为了真正的改善，你决定做一个实验来决定这三个因子中哪一个是真正的影响者。 步骤一、生成一个新的project。 步骤二、生成一个实验设计 选择一个设计 假设你要设计一个实验测试三个因子：时间、温度和催化剂类型。 1. 选择 Stat ? DOE ? Create Factorial Design 只有两个按钮有效：Display Available Designs和Designs。 其他按钮是设置因子水平、特殊选项、控制会话窗口输出、点击Design按钮之后别的按钮便会生效。 2.点击 Display Available Designs。 使用此表可以帮助你选择一个合适的设计，主要基于以下几点： ● 感兴趣的因子数目。 ● 实验中能进行的实验次数。 ● 预期的实验解决方案。 这里我们对三个因子比较感兴趣，从上面这个表中知道有两种选择： ● Resolution III运行四次的 部分因子设计 ● 运行八次的完全因子设计 三因子两水平设计有 23 个可能的因子组合数。通过选择所有可能的组合设计（完全因子设计），可以没有混淆地得到结果，也就是说，所有效果或影响都彼此分离开。也可以通过少做几次实验或组合来得到有意义的结果。 最后决定采用三因子的完全因子设计（完全配置法）比部分因子设计（部分配置法）要合适。在你的化学工厂里，感兴趣的三个因子—时间、温度和催化剂种类—不需要很多的开销（经济的和时间耗费方面的）。而且此实验的进行也不是在生产高峰时候，不会影响生产。如果实验的进行开销很大的话，则需另择良方。 3.点击 OK。回到主窗口。 4.选择 2-level factorial（default generators ） 5.在 Number of factors 中，选择 3 。 6.点击 Designs。 7.在 Designs 框中，选择 Full factorial。 8 在 Number of replicates 中，选择 2 。 9.点击 OK 。 给因子命名并设置因子水平 在两水平因子设计中，将因子设置为两水平—一个低水平、一个高水平。每次实验