3.0 分析阶段.ppt

3.0 分析阶段 3.1 流程分层与分析 目标： 详细分析流程，确定项目的关键输出变量，即项目的主要问题，并重点分析主要问题的可能根本原因。 主要内容： 数据分层 排列图分析 数据分层 范例:将流程数据按不同的种类进行分层（续） 从前面流程数据的单值图可能看不出什么，但若将流程数据按轧制计划的种类进行分层，分别是镀锡板计划（du）、汽车板计划（qi）和硅钢计划（si)。如右图。从分层的数据能看出什么吗？ 排列图（Pareto)— 一种将数据进行分层的方法 排列图（Pareto) 排列图的建立 如何建立排列图 1. 确定将要使用的数据。 (Y 或 y) 根据业务问题, 选择合适的分类方法，将数据进行分类，有些分类可能不一定会产生“重要的少数”。 从左边按降序画成柱状图表。 4. 检查排列图的形状，一个平坦的排列图，也就是所有类别都有相同的百分比，这意味着要对数据进行另外不同方法的分类。 检查一遍，确信你没有混合了应分开的类别。 Minitab会帮你很方便地做出排列图。 排列图分析范例:服务投诉 范例- 用 MINITAB 来建立排列图 数据类型 Y 是计数数据 (离散的) ，X 是分类类别(离散的)。 打开文档 : Practice.mpj Stat Quality Tool Pareto Chart 缺陷数据放在: C11 “Major-Complaints”（主要投诉） 这些数据是从各个客户收集来的, 因此这栏是客户的主要投诉，分为五个类别： 难以定购 ( Difficult to order) 不能获得 (在需要时不能得到产品)(Not available) 花费太长时间处理订单（Order takes too long) 回复电话 (来电没有及时回复或根本没有回复)(Return calls） 颜色错误 (需要时不能得到想要的颜色) （Wrong color) 按OK 投诉的排列图 3.2 识别潜在根本原因 目标： 识别造成缺陷或问题的潜在根本原因, 这样可使小组最终设计出能永久消除缺陷或问题的解决方案. 主要内容： 差异的来源 因果图 解因图 差异的来源 因果图 因果图的建立方法 如何建立 在“鱼”的头部写下问题陈述 确定造成结果的主要原因类别 识别潜在的根本原因 主要原因类别 确定主要原因类别的不同方法 最常用的方法是使用人、方法、机器、原料、环境、测量系统等“通用”类别。 如果可以，将问题的主要原因和上述类别一一对应。例如,一个由货车司机组成的小组在他们的职能范围内处理一个问题 : “通用”类别 主要原因 ? 人 ? 司机 ? 方法 ? 驾驶流程 ? 机器 ? 货车 ? 原料 ? 货车所载之物 ? 环境 ? 路线 因果图的元素 范例: 产品尺寸不合格的因果图 解因图（Why-Because Diagram) 识别潜在的根本原因的注意事项 1、问“为什么” 3-5 次 为什么这个失效模式起作用了？ 范例：问3-5个为什么，识别潜在的根本原因 做某些事可防止问题存在或再发生 你或你的部门可针对某些可能的根本原因做些事情（你对可能的根本原因采取控制了吗？） 5.没有程序和培训是潜在的解决方案,而不是一个潜在的根本原因. 为什么要验证根本原因? 缺陷品数量 它们的均值真的存在差异吗? 当分布重叠时,如何下结论? 1、单样本T检验 计算样本尺寸 正态检验 正态检验 再进行单样本的T检验 MINITAB输出结果 2、双样本T检验 进行正态性检验 双样本的方差齐性检验 MINITAB的输出 T检验的一般步骤： 3.3.2 方差分析 目标: 掌握如何运用方差分析（ANOVA) 主要内容： 单因子方差分析 问题讨论： 案例： 假设2003年第1－52周冷轧产品交货周期41－51状态实绩 1420、1550、2030 共三个单元 问题：三单元的交货周期均值是否有显著差异？ 请各位试着分析一下如何运用MINITAB中的工具来验证？ 用T检验可以吗？ 还有没有更好的工具？ 方差分析（ANOVA) 假设一个试验中考察一个因子，它有n个水平： 总体均值是否相等归结为一个假设检验问题，其中原假设与备择假设分别为： H0: μ1 = μ2=……=μn versus Ha: μ 1, μ2,……μn 不全相等 检验这一对假设的统计方法便是方差分析 每个样本互相独立，而且是随机的 各组数据来自正态分布的总体 各总体的方差相同 方差分析（ANOVA)运用的步骤 步骤