六西格玛AIC阶段培训总结_六西格玛每个阶段总结

2020-02-28 其他工作总结下载本文

六西格玛AIC阶段培训总结由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“六西格玛每个阶段总结”。

AIC阶段培训总结

A阶段：

一、多变量分析

1、“多变量分析”应该持续到输出变量的所有范围都被观测完为止意思：选取的样本能代替整体。

2、（1）确定目标：明确陈述研究的目的，就是研究输入对输出的影响。

（2）确定要研究的KPIVS和KPOVS 关键的数据：

a、来自于因果矩阵和 FMEA 的关键 X’s b、流程图中有可能遗漏的噪音变量或其他变异来源（3）典型的噪音变量

确认每个变量的测量系统分析

（4）选择数据抽样的方法

-简单随机抽样(Simple Random Sample)集群抽样(Cluster Sampling)子群抽样(Subgroup Sampling)

（5）数据收集、计划

（6）流程运行的程序和设定描述（7）组成及培训小组

（8）清楚划分责任（9）确定数据分析的方法（10）运行流程和记录数据（11）数据分析

时间序列图：

功能：判断：趋势、漂移、周期变化点图：和箱线图一样。主效应图:响应就是Y。

交互作用图：因子之间是否有影响。

多变异图：统计-质量工具-多变异图散点图：两个连续变量相关性的分析。（12）结论

Order 采用散点图；day：箱线图或者点图；truck type ：箱线图或者点图；aembly person：箱线图或者点图（13）报告结果提出建议。

直方图：直方图代表该区间内数据出现的频次。

帕累托图：帮助聚焦于引起80%不良绩效的20%的问题。

二、中心极限定理

1、抽样

三个原理（样本大于25）：（1）样本平均值分布的平均值非常接近总体的平均值；（2）样本平均值的标准差是总体标准差除以样本大小的平方根；（3）样本平均值的分布非常接近于正态分布。样本平均值分布是T分布，（样本大于25），接近正态分布。卡方分布是从0开始。

三、置信区间

1、全部样本的平均值的95%在总体平均值的两个标准差之内。

群间的变异比群内的变异相对好解决。

2、Z分布

3、置信区间，计算方法:统计-单样本t或者统计-基本统计量-图形化汇总。

T分布是2个标准差之内的分布，t=2。

T分布看的是平均值分布；卡方分布是和标准差有关；F分布是方差分布。流程能力计算

四、假设检验1、3西格玛 99.7%；2西格玛95%；1西格玛68%。

2、假设检验

3、H0=原假设（0假设或者归属假设）Ha=备择假设（不含等号）

P值=概率值（≥0.05,接受原假设；＜0.05，拒绝原假设）

4、P值≥0.05，正态分布；P值＜0.05，不是正态分布；怀疑的东西或者原因一般设定为备择假设。风险的大小：0.95；指的是概率分布在置信区间内。

如果错误的拒绝原假设，所承担的风险是α风险，β

显著水平：＜0.05，有显著影响；大于0.05，无显著影响。

检验统计量：T、F、Z值；P值不是检验统计量，只是概率值。

五、T检验与选定的非参数检验

1、T检验

前提：（1）Y连续，X离散；（2）数据正态分布； T值检验（单样本和双样本检验），主要看均值。

一个因子多个水平（2个水平以上样本的），用的是方差分析，主要分析均值之间是否有差异。

2、非参数检验

数据不正态分布的话：采用非参数检验，主要看中位数。数据若不正态度，应先考虑的问题：（1）检查数据为何不正态；考虑是否增加样本量？（2）检验是否有异常点；（3）数据是否分层；（4）分辨率是否不够？

3、单样本t假设（1）稳定性；

（2）正态分布检验；P值大于0.05，正态分布；小于0.05，非正态。（3）单样本t；P值，大于0.05，接受原假设；小于0.05，拒绝原假设。

4、双样本t分布

H0=没有差异；Ha=有差异。均值1=均值2（1）稳定性；

（2）正态分布检验；P值大于0.05，正态分布；小于0.05，非正态。（3）离散度检验；

H0=方差相等；Ha=方差不相等。A、数据堆叠：数据-堆叠。

-B、统计-方差分析-等方差检验

P值大于0.05，不能拒绝原假设，小于0.05，拒绝原假设，备择假设成立。

（3）双样本t；P值，大于0.05，接受原假设；小于0.05，拒绝原假设。若等方差，双样本检验时选择“假定等方差”；若不等方差，不用选择“假定等方差”。

若方差不等，结论：双样本P=0，拒绝原假设，说明存在差异。

总的变异（方差）=群间变异（方差）+群内变异（方差）T越小P值越大；T值越大P值越小。t=群间变异/群内变异比值越大，P值越小，差异越大。比值越小，T分布中，一个T就对应一个P值。关系是：

数据不正态：统计-非参数-Mann-Whitney。

6、配对T N1=N2，数据成对出现，同一个载体。

7、单因子方差分析方差和回归方法可以转换。主效应图或者区间图

模型：

τ ：群间差异、μ ：均值、ξ：随机误差

路径：

（1）稳定性；I-MR图

（2）正态分布检验；P值大于0.05，正态分布；小于0.05，非正态。（3）离散度检验；（等方差检验）

A、数据堆叠；B、等方差检验（统计-方差分析-等方差检验）。H0 Ha，P小于0.05 拒绝原假设。

（4）统计-方差分析-单因子分析

P值小于0.05，说明因子对Y有显著影响。（5）残差分析，随机并正态，若残差不正态，K-W检验（主要检验中位数），统计-非参数-KW检验。

单因子方差分析: C4 与 C5

来源自由度 SS MS F P C5 2 80.386 40.193 44.76 0.000 误差 87 78.116 0.898 合计 89 158.502

S = 0.9476 R-Sq = 50.72% R-Sq（调整）= 49.58% R-Sq = 50.72%代表人对厚度的影响占50.72%，此项为实际占比。

因子的占比可能不是100%，主要原因是因子之间存在交互作用。

来源

自由度

SS ：平方和（变动量），人引起的变动为群间变动，群内变动（残差，error）

MS ：平均平方

群间方差:40.193=80.386/2, 群内方差0.898=78.116/87

F ：群间变异/群内变异

44.76= 40.193/0.898

P : 1-概率分布图里的P值（下图），操作路径:计算-概率分布-F检验。

方差分析检验的是群间和群内差异，ANOVA为了决定平均值是否有差异采用F-T。

方差分析中：数据中有的数据正态不正态，应对不正态的数据进行核实不正态原因，或者加大样本量。

8、卡方检验（X、Y都离散）

操作路径：统计-表格-卡方检验（双向表）

卡方值越大，P值越小，相关；卡方值越小，P值越大，不相关。

有相关，在检查卡方值，卡方值越大，贡献越大，实际和预期的数据相差比较大，数据越有问题。

9、相关与回归分析（X、Y都连续）

（1）、相关系数；（2）、相关与因果关系，相关不一定因果，因果一定相关；（3）、绘制并分析拟合直线图；

1、相关：

（统计-基本统计量-相关），散点图也可以看相关性。H0=不相关；Ha=相关

P值小于0.05，相关，拒绝原假设接收备择假设；P值大于0.05，不相关，接收原假设。

P代表是否相关，相关系统R是看相关强弱，（-1~+1）

2、回归

拟合回归告诉X和Y的关系，一个模型。

回归分析是一种分析连续变量间相关性的统计工具。“计算最佳拟合直线”。分析路线图:（1）规划分析内容；（2）收集数据；（3）Minitab绘制拟合直线图；（4）评估R2和P值的显著性；（5）评估残差；（6）制定决策。路径：统计-回归-拟合线图（1）拟合直线图

先看P值，再看R

2回归方程为

Braking Distance = 182.8 + 0.4763 Speed S = 13.5571 R-Sq = 69.5% R-Sq（调整）= 67.9% 方差分析

来源自由度 SS MS F P 回归 1 7955.9 7955.91 43.29 0.000 误差 19 3492.1 183.79 合计 20 11448.0

回归分析一个缺陷：内推法不适应外推法，意思是X在一定的区间。

（2）看P值和R2 R2越高，相关性越高。

（3）残差分析

X的实际数据点与拟合线上的对应的理论点之间的差值。

Braking Distance 残差图正态概率图992090百分比残差与拟合值100-1050101-30-150残差1530-20340360380拟合值400直方图6.04.5频率残差与顺序20100-103.01.5-200.0-20-100残差10202468101214观测值顺序161820 残差图：右上图，杂乱分布；右下图：数据点受控；左上图应该正态分布；左下图应该是正态分布。残差分析目的：预测更准确点。

图形-概率图，检查残差是否正态。不正态，说明模型预测的不够准确。

（4）制定决策

不是所有数据成为线性的，非线性的选择二次的。下图：

五、精益分析工具

减少浪费，是否增值？？？

整理、整顿、清扫（保持干净）、清洁、（让所有的东西可用）、总结： I阶段：改善

快速换型、5S、拉动系统、差错预防。

SMED“单分钟即时换模”single minute exchange 快速换模内部作业和外部作业换模

换模指的是：换型前最后一个产品到换型后第一个产品产出。5S 整理：整理要和不要的东西；

整顿：一个能够容纳每样东西并且每样东西都在它自己所在位置的地方。清扫：打扫

清洁：保证所有的设备或者东西全部可用。素养：差错预防：

缺陷状态：缺陷即将发生；