六西格玛AIC阶段培训总结2015年.docx

AIC阶段培训总结A阶段：一、多变量分析1、“多变量分析”应该持续到输出变量的所有范围都被观测完为止意思：选取的样本能代替整体。2、（1）确定目标：明确陈述研究的目的， 就是研究输入对输出的影响。（2）确定要研究的KPIVS和KPOVS关键的数据：a 、来自于因果矩阵和 FMEA 的关键 X’sb、流程图中有可能遗漏的噪音变量或其他变异来源（3）典型的噪音变量确认每个变量的测量系统分析（4）选择数据抽样的方法- 简单随机抽样 (Simple Random Sample)- 分层抽样 (Stratified Sampling)- 集群抽样 (Cluster Sampling)- 系统抽样 (Systematic Sampling)- 子群抽样 (Subgroup Sampling)（5）数据收集、计划（6）流程运行的程序和设定描述（7） 组成及培训小组（8） 清楚划分责任（9） 确定数据分析的方法（10 ）运行流程和记录数据（11）数据分析时间序列图：功能：判断：趋势、漂移、周期变化点图：和箱线图一样。主效应图:响应就是Y。交互作用图：因子之间是否有影响。多变异图：统计-质量工具-多变异图散点图：两个连续变量相关性的分析。（12）结论Order 采用散点图；day：箱线图或者点图；truck type ：箱线图或者点图；assembly person：箱线图或者点图（13）报告结果提出建议。直方图：直方图代表该区间内数据出现的频次。帕累托图：帮助聚焦于引起80%不良绩效的20%的问题。二、中心极限定理1、 抽样三个原理（样本大于25）：（1）样本平均值分布的平均值非常接近总体的平均值；（2）样本平均值的标准差是总体标准差除以样本大小的平方根；（3）样本平均值的分布非常接近于正态分布。样本平均值分布是T分布，（样本大于25），接近正态分布。卡方分布是从0开始。三、置信区间1、全部样本的平均值的95%在总体平均值的两个标准差之内。群间的变异比群内的变异相对好解决。2、Z分布3、置信区间，计算方法:统计-单样本t或者统计-基本统计量-图形化汇总。T分布是2个标准差之内的分布，t=2。T分布看的是平均值分布；卡方分布是和标准差有关；F分布是方差分布。流程能力计算四、假设检验1、3西格玛 99.7%；2西格玛95%；1西格玛68%。2、假设检验3、H0=原假设（0假设或者归属假设）Ha=备择假设（不含等号）P值=概率值（≥0.05,接受原假设；＜0.05，拒绝原假设）4、P值≥0.05，正态分布；P值＜0.05，不是正态分布；怀疑的东西或者原因一般设定为备择假设。风险的大小：0.95；指的是概率分布在置信区间内。如果错误的拒绝原假设，所承担的风险是α风险，β显著水平：＜0.05，有显著影响；大于0.05，无显著影响。检验统计量：T、F、Z值；P值不是检验统计量，只是概率值。五、T检验与选定的非参数检验1、T检验 前提：（1）Y连续，X离散；（2）数据正态分布；T值检验（单样本和双样本检验），主要看均值。一个因子多个水平（2个水平以上样本的），用的是方差分析，主要分析均值之间是否有差异。2、非参数检验数据不正态分布的话：采用非参数检验，主要看中位数。数据若不正态度，应先考虑的问题：（1）检查数据为何不正态；考虑是否增加样本量？（2）检验是否有异常点；（3）数据是否分层；（4）分辨率是否不够？3、单样本t假设（1）稳定性；（2）正态分布检验；P值大于0.05，正态分布；小于0.05，非正态。（3）单样本t；P值，大于0.05，接受原假设；小于0.05，拒绝原假设。4、双样本t分布H0=没有差异；Ha=有差异。均值1=均值2（1）稳定性；（2）正态分布检验；P值大于0.05，正态分布；小于0.05，非正态。（3）离散度检验；H0=方差相等；Ha=方差不相等。A、数据堆叠：数据-堆叠。-B、统计-方差分析-等方差检验P值大于0.05，不能拒绝原假设，小于0.05，拒绝原假设，备择假设成立。（3）双样本t；P值，大于0.05，接受原假设；小于0.05，拒绝原假设。若等方差，双样本检验时选择“假定等方差”；若不等方差，不用选择“假定等方差”。若方差不等，结论：双样本P=0，拒绝原假设，说明存在差异。总的变异（方差）=群间变异（方差）+群内变异（方差）T越小P值越大；T值越大P值越小。t=群间变异/群内变异比值越大，P值越小，差异越大。比值越小，T分布中，一个T就对应一个P值。关系是：数据不正态：统计-非参数- Mann-Whitney。6、配对TN1=N2，数据成对出现，同一个载体。7、单因子方差分析方差和回归方法可以转换。主效应图或者区间图模型：τ ：群间差异、μ ：均值、ξ：随机误差路径：（1）稳定性；I-MR图（2）正态分布检验；P值大于0