网站大量收购闲置独家精品文档,联系QQ:2885784924

MA改进阶段.pptVIP

  1. 1、本文档共72页,可阅读全部内容。
  2. 2、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。
  3. 3、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
  4. 4、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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、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
  7. 7、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。
  8. 8、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
MA改进阶段

第五章:主要内容 5.1 改进阶段基本任务是什么? 5.2 怎样揭示y和x间的内在规律? 5.3 如何确定项目改进的优化方案? 5.4 如何评估、验证和实施改进方案? 5.1 改进阶段基本任务是什么 5.1.1 改进阶段的步骤 寻找解决问题的改进措施,提出改进建议、目标和方法,应用头脑风暴法集思广益,并充分应用统计技术、方法,提高解决问题的效率和效果。(x的方案) 对改进方案进行综合比较分析,从中挑选优化的方案。(x方案的投入、可行性、技術性等進行考慮) 对改进方案进行验证,确认有效性后努力实施取得成效 精心设计策划,估计可能出现的困难和阻力并加以克服。 5.1 改进阶段基本任务是什么 5.1.2 收集、分析相关数据 6 SIGMA是基于数据的决策方法,强调用数据说话,而不是凭直觉、凭经验办事。 6 SIGMA其实是一项以数据为基础,追求几乎完美无暇的管理方法。 6 SIGMA是工程技术人员应用统计技术精确调整产品生产过程的有效方法。 5.1 改进阶段基本任务是什么 6 SIGMA带来know-know 的开发。 在改进阶段要优化改进方案,寻找关键质量特性y与原因变量x间的内在规律,就需要研究不同因子x在不同水平下与y的关系,并开展试验分析活动。例如:应用正交试验设计DOE方法时,对选用几个因子和几个水平需要作出总体安排,这些因子与水平的确定十分重要,这些数据来源于对已有实践数据的统计汇集和分析,以找出问题发生的原因并分析优化方案的合理范围,使能合理地确定影响关键质量特性的关键因子的水平范围,使试验能高效地开展,做到事半功倍。 5.1 改进阶段基本任务是什么 5.1 改进阶段基本任务是什么 5.1.4 改进阶段注意要点 要为解决存在的潜在问题提供一系列的可行方案、措施,并进行提炼、优化; 要寻找真正的具有创新性的改进方案,并使之具有可操作性; 要事先做好细致的规划,力争做到事半功倍; 要对改进方案进行评估和验证,实施评估和验证可以证实改进方案的效果,并使大家对改进团队充满信心;(可以先做小量驗證) 要对改进过程中可能会遇到的困难和阻力提出防范措施; 要做好信息交流沟通,当成果有效并获得成功时,别忘了让团队成员分享快乐! 5.2揭示y与x间的内在规律 5.2.1 一元线性回归 第4章分析階段的例题讨论了碳含量与钢的强度之间有正相关关系,那么,如果我们知道了碳含量,能预测钢的强度吗?或钢的强度可能在什么范围内呢?还有,随着碳含量的增加,钢的强度也在增大,那么,碳含量每增加1个单位,钢强度增加多少呢?上面的相关关系分析不能提供给我们需要的答案。这些要用线性回归的方法来解决。 当我们知道了两个变量之间有线性相关关系时,一个变量的变化会引起另一个变量的变化,但是由于存在其他随机因子的干扰,因此这两个变量之间的关系不是严格的函数关系式。线性回归就是用来描述随机变量y如何依赖于变量x而变化的。 在线性回归中通常假定随机变量y的观察值是由两部分组成,一部分是随x线性变化的部分,用 表示,另一部分是随机误差,用?表示,那么就有y的结构式: 一般还假定 ,我们的任务是通过独立收集的n组数据 去估计参数 ,记为 则得y关于x的一元线性回归方程: 5.2.1 一元线性回归 为估计回归系数 ,常采用最小二乘法。其思路是:若y与x之间有线性相关关系,就可以用一条之间来描述它们之间的相关关系。由y与x的散点图,可以画出直线的方法很多。那么我们希望找出一条能够最好地描述y与x(代表所有点)之间的直线。这里“最好”是找一条直线使得这些点到该直线的纵向距离的平方和最小。 可以通过求导函数的方法求得 与 的最小二乘估计,其表达式为: 5.2.1 一元线性回归 对第4章例题的数据,求碳含量与钢的强度之间的回归方程可以通过MINITAB中的Stat-Regression-Regression得到如下结果: Regression Analysis: y versus x The regression equation is y = 28.5 + 131 x Predictor Coef SE Coef T P Constant 28.493 1.580 18.04 0.000 x 130.835 9.683 13.51 0.000 S = 1.319

文档评论(0)

pengyou2017 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档