6Sigma_定义衡量阶段_数据的力量_PowerofData_CN.pptVIP

1 数据的力量 2 内容 ? 为何要使用数据 ? 统计数据的作用 ? 可变数据 variable data ? 属性数据 attribute data ? 知识的层次 ? 将属性数据转化为可变数据 3 6 Sigma 进程图 — 数据 衡量 分析 在整个过程中都将使用到数据： 用来确定优先的内容及重点 用来量化当前过程运作情况 用来验证原因 用来量化解决方案的效果 用于持续控制过程 改进 控制 4 6 Sigma 的基础 数据决定了决策和行动 !! 5 什么是数据？ 数据是 我们记录的衡量或观察结果并用以 描述、理解、优化或控制 诸如过程这类事物。 6 为什么要衡量？ 如果我们不能精确地衡量某一事物 那么 我们就不能充分了解它 那么 我们就无法控制它 那么 我们就只能碰运气了 !!! 7 为何要使用数据？ 我们进行衡量是为了获得 …… 数据 有用的信息 统计将数据 转化为 8 统计数据是用于 …… ? 描述我们的产品和过程 平均数 mean = 3.2 标准差 std. dev = 0.04 ? 得出结论并预测结果 总体 population 所有发票 样本 sample 50 张发票 9 运用统计数据时 …… 1. 衡量适当的事物 2. 肯定数据是“良好的” 3. 有信心结论是正确的 4. 效率高 10 1 、衡量适当的事物 数据是否能回答我们所需知道的问题？ 过程 客户 ? ? ? ? ? 客户见到的 PPM 不反映“隐藏的工厂”。 11 2 、肯定数据是“良好的” 与被衡量项目的偏差相比，衡量误差有多大？ 贡献率 55% 45% 零件间 偏差 衡量系统 偏差 12 3 、有信心结论是正确的 有 95% 的可能性 …… “ 过程发生了变化” 我们结论正确的可能性有多大？ 历史数据 新样本 13 4 、效率高 我们想要从尽可能 少 的数据中提炼出尽可能 多 的信息。 尴尬： 我们有大量数据但却信息贫乏 14 两类基本数据 例如 可变数据 variable data （连续数据 Continuous Data ） ? 从连续区间内得出的衡量结果 ? 长、宽、高等任何一种度量 ? 重量 ? 强度 ? 时间 ? 成本 属性数据 Attribute data （不连续数据 Discrete Data ） ? 计数获得的数据 例如 ? 有污渍的上衣数 ? 发票上的错误数 15 练习 在下列各项中，标出数据类型， V 表示可变， A 表示属性。 1. 有裂缝的厨柜台面数 2. 每块厨柜台面上的裂缝数 3. 焊点直径（单位：英寸） 4. 坏的焊点数目 5. 航班晚点次数 6. 每次发货至送达时间（单位：天数） 7. 未通过检验的产品数 8. 吊装设备吨位（单位：吨） 数据类型（ V 或 A ） 16 练习答案 数据类型（ V 或 A ） A A V A A V A V 1. 有裂缝的厨柜台面数 2. 每块厨柜台面上的裂缝数 3. 焊点直径（单位：英寸） 4. 坏的焊点数目 5. 航班晚点次数 6. 每次发货至送达时间（单位：天数） 7. 未通过检验的产品数 8. 吊装设备吨位（单位：吨） 17 两类属性数据 缺陷项数量 Defective Items （通过 / 失败 , 二项分布 binomial distribution ） 例如： ? 未通过检验的产品数 ? 有错误的发票数量 缺陷的数量 Defects （泊松分布 Poisson Distribution ） 例如： ? 每块厨柜台面上的裂缝数 ? 每张发票上的错误数量 18 讨论 可变数据的优点是什么？ 缺点是什么？ 属性数据的优点是什么？ 缺点是什么？ 19 集体讨论 可变数据 优点： ? 能用相对较小的样本得出有关过程的详细信息。 ? 可用于低差错率的统计分析。 ? 能预测发展趋势和未来情况。 缺点： ? 通常数据较难获得。 ? 分析比较复杂。 20 集体讨论 属性数据 优点： ? 数据易于获得，计算简单。 ? 每个人都能理解数据含义。 ? 通常是当前可获的。 缺点： ? 无迹象表明为何缺陷会发生，过程是如何发生变化的。 ? 低差错率时的统计往往不精确（需要大样本）。 ? 不能预测趋势发展或未来情况。 21 两类数据的比较 可变数据 属性数据 连续数据 计算数据 分布 经常是正态分布 二项分布、泊松分布 结果 实际值 通过 / 失败 数据解释力 强 弱 需要的样本 较小 需要大样本