【管理精品】03 全套六西格玛培训资料-分析1.ppt

Updated: 11/20/96 fn: AnalPlan.ppt 方法论 方法论 DATA收集计划 ? 目的 为了确认CTQ，从VOC收集计划开始、 MSA 、一次作成工程能力分析,在A阶段里为了确认输出变量Y和输入变量X的关系而作成. ? 适用可能的工具 ? DATA收集计划 ? 抽样方法 DATA收集计划 DATA收集方法 1. 构成好的提问 2. 选定确切的DATA分析技法 3. 决定测定方法 4. 定义DATA收集Point 5. 选定没有偏向的DATA收集员,确认他们的兴趣 后教育 6. 利用DATA收集样式计划和检定 7. 检讨DATA收集过程,并确认其结果 DATA收集Process ? 第一阶段 : 构成好的提问 构成正确的提问是核心,成功数据收集的第一阶段。 - 为得到好情报的提问应该是焦点明确而具体. - 明确显示我们找的情报,给予用那情报和结果执行什么 的信赖,让别人帮助我们就很容易. DATA收集Process 抽样 有偏向(Bias)的抽样 ? 偏向的种类: 抽样信赖区间 抽样信赖区间 抽样方法 单纯任意抽样: 构成母集团的各个因子被选样品的概率是一样. 2. 层别任意抽样: 把母集团区分几个同质的层后,在各层按单纯 任意抽样抽出样品. 3. 群别任意抽样: 把母集团分为多数集团后, 对按抽样单位选择的群体进行全数调查. 4. 系统任意抽样: 时间上或空间上隔一定间隔抽出样品. 单纯任意抽样 其它抽样方法 ? 不符合统计学的原则,但经常使用的惯例 ? 固定百分率抽样 : 与“经常取10%样品”同样的 “大概判断法” 。 结果为小的母集团总是选择太小的样品，大的母集团 总是选择太大的样品。 ? 判断抽样 : 让DATA收集要员凭自己的判断选定X 个 “代表性” 样品，就能拿到不偏向的样品。 ? 块抽样 仅凭项目便利集合的理由来选定样品，其结果会产生样品的 偏向和非代表性。 举个例子如下： “从v文件抽出D姓人们的订购记录。” DATA收集Process ? 第4阶段 : 定义DATA收集Point 理想的想法，我们要在尽可能不防碍Process作业工序的范围内 收集所有的DATA。可这比预想不容易。 DATA收集Process ? 第6阶段 : 设计DATA的收集样式和指南后进行Test. ? DATA的记录应容易做. KISS 原则 (Keep It Simple, Stupid) ? 样式是从DATA的记录或解释中不会有失误的可能性而设计. ? 样式应包括未来的分析、参照及为了再确认的追加情报. ? 样式应最大限度明确. ? Check Sheet或Data Sheet应显示有专业性. 用手制作,线不规则,字写的乱, 还有如果给人不认真作成的感觉, 那么容易让收集Data的人不注意. DATA收集Process ? 第6阶段 : 设计DATA的收集样式和指南, 必须进行Test 计划很认真,但是在DATA收集过程中仍有可能发生预想不到的问题. 最常出现的问题如下. 对如何作成 DATA收集样式的错误理解而引起的失误. 设计样式的人没理解与Process相关的所有变量, 发现收集 追加情报的必要性. 问题发生的状况下,很难输入DATA,所以收集不完全的DATA. 把DATA记录在样式的人,怕收录情报对他们有坏的影响而犹豫, 因此产生的不完全或有偏向的DATA. DATA收集Process ? 第7阶段: 检讨DATA收集过程, 确认其结果. 检讨完成的样式,观察收集过程等，有必要对于DATA收集Process全面的显示.DATA收集员中有一部分理解错误时,应立即进行再教育. ** 有必要使用已收集的Raw Data,或利用新收集的Data时, 必须明确地表示Data收集位置、作成者、期间、 Data数 等Source ** 方法论 漇刚蘧痦膩皢幄芁櫚僋諁転蹴曇猕死批蘲懝澹唠狝浻髈雔塐樓氄鯭嫔錯栐鲥躁忻臣鱝彳鱑舡稭