CPKPPM课件.ppt

提高工序能力 Y = f(X) Y 是因变量。 X 是独立变量。 ? Y 取决于X。 改进X才能改进Y。 不太重要的 多数变量 30% + 70% = 100% 至关重要的 少数变量 独立变量 (Xs) 有时被称为“根本原因系统”。 因变量 (Y) 有时被称为响应变量。Y取决于独立变量，或“X”变量。 至关重要的少数变量也被称为“杠杆”变量，因为它们对因变量具有重大影响。 统计学问题: 是均值偏离、偏差过大，还是两者兼而有之 W6.9 改进的焦点 Copyright 1995 Six Sigma Academy, Inc. 控制平均 值的杠杆 变量 控制标准 差的杠杆 变量 ? ? 变量Y Y = f ( X1, ... , XN) 较差的工序能力 LSL USL LSL USL 出色的 工序能力 均值偏移 过度分散 能力 这适用于所有过程 — 制造业和商业。 稳定运行可以从过程中消除偏差，使结果更加稳定、提高可预测度。 偏差是恶魔，发现它并且清除它！ 低劣表现 出色表现 客户： “我希望每天都 这样” 稳定的运行 “坏日子” “一般的日子” “好日子” Q1 平均值 Q3 产品产量的直方图 根除坏日子，提高一致性，提高平均值。 将坏日子变为好日子 原来的行为 增加平均值。偏差保持不变。依然存在着坏日子！ 稳定运行 根除过程的“不稳定“部分(坏日子)。平均值也增加了！ 初始表现 根除坏日子，改进一致性，提高平均值。 平均值 平均值 平均值 稳定的运行会降低偏差 Raw Data Sorted Q3 Q31 Q3= 23646 Q1= 12215 原始数据 分类后 顶部25% 底部25% 1) 测量您的工序每天的产量。 2) 将数据按从最好到最坏顺序排列。 3) 将数据四等分。 Q1 = 1/4 的日子较差。 3/4 的日子较好。 Q3 = 3/4 的日子较差。 1/4 的日子较好。 4) 计算稳定性因子 (SF): SF = Q1 / Q3 = 12215 / 23646 = .52 随着偏差的降低，稳定性因子越来越接近1.0。 “稳定性因子”：Q1 / Q3 根除坏日子，提高一致性，提高平均值 平均值 初始表现 Q1 Q3 稳定操作 1. 根除过程的“不稳定“部分 (坏日子)。 2. 增加Q1. 3. 降低偏差。 4. 平均值也增加了！ Q1 稳定操作降低偏差 偏差是恶魔。发现它，并且消除它！ 稳定运行带来的好处 客户会看到更高的一致性和可靠性。 过程的可预测性增加，更易于管理。 平均值(能力)更高。利用“隐蔽的工厂”。 低劣表现 出色表现 客户： “我每天都希望 实现这个目标” 稳定运行：如何实现 1. 在测量阶段，计算您的过程的稳定性因子。发现那些具有低稳定性因子的过程，那些具有最大改进机会的过程。 2. 使用分析方法筛选出可能导致坏日子的关键因素X。 3. 使用改进方法来确认将坏日子变成好日子的关键因素X。 4. 控制关键因素X，保持高稳定性。 使用六个西格玛方法来实施稳定操作。 关键概念： 第3部分 统计学概念 误差存在于所有过程。 连续(可变) 数据可以有意义地进一步分割，例如，长度，重量。 离散 数据是以类别形式存在的，不能进行分割。 总体就是全部对象。 样本 就是总体的一个子集。 平均值 – 分布的平均数。 标准差 – 分布的分散程度。 方差 – 标准差的平方。 正态分布 – 对称分布于平均值两边的数据，钟形曲线。 标准正态分布 – 具有平均值(m) = 0 和标准差(s) = 1 的正态分布。 关键概念： 第3部分 统计学概念 中心极限定理表明，无论单个变量是不是服从正态分布，多个变量的平均值或总和通常近似于正态分布。 Z 值是平均值与规范的上下限之间所包含的标准差个数 Y (‘响应变量’) - 因变量 X (‘因素’) - 独立变量 Y = f(X): Y 取决于X。通过确定和改进关键的X变量来改进Y。 工序能力 – 过程的偏差与其要求(规范)之间的比较。 稳定运行 - 集中于降低偏差，使坏日子变成好日子。 稳定性因子 - Q1/Q3. 第一个四等分/ 第三个四等分。 Drive time - Ask a BB how long? Grades Explain each. Descriptive Stat Graph -M -? 3 4 What are examples of