六西格玛A阶段上册课件.ppt

六西格玛A阶段课件(上册);*; 广州赛宝认证中心 培训部 汪 五 二 电话： E-mail：wangwe@ceprei.org;*; 数据采集计划;;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;;主要影响图 - 杂质数据均值;*;让我么再次检查主要影响;将 连续输入 转化为 属性输入变量;从另一个角度看 温度和压力;描述统计 / 四分为数;连续输入变量编码;;主要影响图 - 编码的 vs. 不编码的;主要影响图 - 杂质数据均值;主要影响图 - 杂质数据均值;1.在不影响流程自然运作的状态下所收集的“X”,其变异范围可能太狹窄;报告结果;结 论;紧跟流程取得数据 ! 从Process Map、CE、和 FMEA 中得到 X’s ____________________________________ ____________________________________ ____________________________________ ;总 结;;*; 为了给今后应用统计学打好基础，在概率基础章节后介绍中心极限定理。从严格的数学意义上来讲，中心极限定理内容非常丰富。但我们只介绍与今后应用统计学遇到的两个重要结论：;2、样本平均值的分布性质（德莫佛-拉普拉斯中心极限定理） 随着样本量的无限增长，无论原来的分布是什么（离散分布或连续分布，正态分布或非正态分布），样本平均值的分布总会趋向于正态分布;从左图上两排看出对于对称分布，5个样本的平均值分布就与正态相似了 对于偏斜分布30个样本平均值分布则与正态分布很相近; 从以下案例进一步了解中心极限定理;图形输出;个体控制图和 X bar控制图的差异;当总体数据具备正态分布时; 让我们用MINITAB产生一些模拟的数据来验证我们的理论。 首先用MINITAB产生9列各250个数据，假设这些数据来自一个 平均值=70、标准偏差=9的正态分布: 则列C1-C9 代表白色纸条 然后求出各行9个数据的平均值，其结果放在列C10，则 C10代表绿色纸条。 我们用描述统计的方法求出各列数据的平均和标准偏差。 仔细比较C1-C9列与C10列有什么差别？ ;1、用MINITAB随机产生样本数据;2、样本平均数计算;3、输出：产生10列数据;4、描述统计路径;;5、描述统计结果??较（续）;样本的散布(C9)和样本平均的散布(C10)进行比较。;用点图比较频度数则能够更明确的了解散布。 ; 样本平均值分布的平均值和总体的平均值十分接近; 样本平均值分布的标准偏差等于总体的标准偏差除以样本数的平方根; 样本平均值的分布十分接近正态分布。; 当总体数据是非正态分布时，若从中随机抽样n个并计算其平均， 同样如此反复若干次，然后比较这些平均的散布与这些个体值的 散布，你会发现，当n→∞时，x-bar的散布也具有正态分布。 为了验证,我们在非正态分布中随机选择一个偏移较大的分布- “Chi-Square分布”，求其x-bar来体会一下中心极限定理。 ;1、用卡方分布随机产生9列，每列各有250个数据;2、用产生的数据进行点图描绘和正态检验 ;C10 项是对 C1~C9 的平均值的数据统计， 同样样本大小为 9，其散布明显变得小多了。;个体值的分布;个体值的概率图 ; 我们经常依靠从测量系统中得到的一个数值来估计输入或输出变量的值。减小测量系统误差的简易方法就是把两个或更多的读数平均。 我们的测量系统的精密度自动增加，增加因子是平均值样本数的平方根,如果我们要想使测量系统的误差减小一半，我们就需要把4次的测量值平均才可以。 ;;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;*;P value 极为重要 记住这句话… “ If P is Low , HO Must Go ! ” “ P 值低, Ho 则弃！”　;;*;*;*;*;*;*;*;*;概率分布补充 (Probability Distribution);;*