2d-16sigma基础统计知识.ppt

-1- * 课程安排: 第二天 8:00 ~8:50 6Sigma相关的基础统计知识 8:50 ~9:00 课间休息 9:00 ~9:50 6Sigma相关的基础统计知识 9:50 ~10:00 课间休息 10:00~10:50 6Sigma定义阶段实施方法 10:50~11:00 课间休息 11:10~12:00 6Sigma定义阶段实施方法 12:00~14:00 午餐 14:00~14:50 项目练习 14:50~15:00 课间休息 15:00~18:00 6Sigma办公室介绍相关的制度及经验 18:00~ 晚餐 第五节 基础统计知识 主 要 内 容 1. 波动(偏差)。 2. 连续变量和离散变量。 3. 平均值,中位数,众数,极差, 方差,标准偏差。 4. 正态曲线。 5. Z值和缺陷率的转换 波动的型式与原因 任何过程都包含随机波动(由于一般或普遍原因造成的)和非随机波动(由于特殊原因造成的)。 时 间 不合格产品率 非随机波动 历史水平(?0) 最佳水平(?1) 在 ?0 (±3?0) 范围内的随机波动 在 ?1 (±3?1) 范围内的随机波动 普遍原因: 过程波动随时间推移是稳定的,可预测的。 处于控制状态。 原因: 固有的或是自然的。 例如: 垂直向上空（先把硬币夹垂直) 抛掷一枚硬币， 统计硬币落地后每一面向上的次数。当抛掷次数很多时，每面向上的次数大约各占一半，只有微小差异。 普遍原因： 差异的原因：有风，每次抛掷动作有微小差异，地面不平整，等等。 随 机 波 动 特殊原因: 过程波动无法预测。 处于失控状态。 原因: 机器调整不当,原材料不合格,操作者本身。 目标: 检测和消除特殊原因。 特殊原因： 例如: 同样是抛硬币，抛1000次，AB两面 各自向上的次数却相差400多次。 原因: 操作者每次抛掷时，总时将硬币 平放，且总是将正面朝上，然后抛出。 非 随 机 波 动 波动 所有的茄子产于一块地并同一天采摘 问题: 你期望存在波动吗?什么类型的波动? 连续 (可变) 数据 使用一种度量单位，比如英寸、时间、重量和尺寸等。 离散 (属性) 数据是类别信息，比如““ 合格” 或““ 不合格”。 连续数据 离散数据 问题 解决办法 举例: 部件号 离散 连续 1 通过 2.031 2 通过 2.034 3 未通过 2.076 4 通过 2.022 5 未通过 2.001 数据类型 连续数据以参数的形式说明一个产品或过程的特性。 比如尺寸、重量或时间，测量标准可以有意义地不断分割，使精确度提高。 连续型的数据 你能举出我们用来获得连续数据的三个器具例子吗？ 离散数据 离散数据不能更进一步精确地细分。 离散数据是某件事发生或未发生的次数，以发生的频数来表示。 离散数据也可以是分类数据。如：销售地区、生产线、班次和工厂。 无罪或有罪 烟火探测器 地区 离散数据 离散数据举例： 有凹痕的部件通过/未通过数量 申诉决议 生产线不合格品数量 及时交货的次数 一般来说，连续数据比离散数据更可取，因为你可以利用更少的数据获得更多的信息。 如果不能得到连续数据，就可以对离散数据进行分析，发现结果，作出判断。. 连续数据与离散数据进行比较的解释： 离散数据需要更多的数据点才能进行有效的分析 请在下面的例子旁，写出它是“连续”还是“离散” 1 销售订单准确度 2 数据输入准确度 3 销售地区 4 使用“合格/不合格”测量仪器得到的孔径 5 孔径 6 应答中心对话时间 7 制冷氟利昂的重量(克) 8 每百万部件中有缺陷部件的数量 9 装配线缺陷(ALD) 应用你所学到的东西 总体 样本 总体的特性 : 个数(N) 平均 μ 方差 ?2标准偏差 ? 样本的特性 : 统计量(n) 平均 x 方差 S2标准偏差 S 总体和样本的统计特性 如果能够准确计算总体的个数时没有问题，但如果难以计算 时以样本计算的统计量为基础进行推断. 总体 － 全部对象. 举例 – 1998年5月在Decatur 生产的所有的16立方英尺冰箱 样本 －代表总体的一个子集数据。 举例 - 1998年5月在Decatur生产的一百二十台十六立方英尺冰箱 举例： 这个矩阵代表25个X的总体。画上圆圈的那些是由总体中的六个X组成的样本。 连续数据的测量 如何描述数据的统计特性： measures of location (central tend