精益六西格玛_测量阶段概述.ppt

测量阶段概述 测量阶段工作的目的 在定义阶段，我们确定了项目所要解决的问题，了解了问题的历史状况，并且得到了管理层对项目的批准，接着项目来到了测量阶段。 在测量阶段，我们工作的目的是： 确定项目的问题所在（改善的焦点） 为了达到以上的目的，我们将要回答以下的问题： 我们的数据可靠吗？ 流程现状能力如何（长期能力）？ 流程的潜在最好能力能满足要求吗（短期能力）？ 是管理问题还是技术问题？ 改善的目标如何？ 是哪些问题引起了大部分缺陷的产生（项目的焦点）？ 测量阶段的工作流程 在测量阶段，我们将按照以下流程开展工作 我们的数据可靠吗？ 错误的数据将把我们引向错误的方向 同一个产品，不同的测量人员测量可能会有不同的结果？ 产品品质的判定，是否会出现人员A判断不合格，而人员B判断合格的情况？ 流程能力 合理子组（Rational Subgroup）技术可以帮忙收集数据和进行流程能力分析 子组内流程的波动仅受普遍原因的影响，它反映了流程最好的能力即短期能力。 子组间流程的波动受外来因素（特殊原因）的影响，它反映了流程的控制状态即长期能力。 项目改善的焦点(问题所在) 我们利用一种叫做分层（Stratification）的技术来找出问题所在 80%的缺陷会由20%的问题产生 对于我们的项目，这关键的20%问题在哪里？ 数据收集计划 为了能够正确对流程能力进行研究和找出问题所在，需要收集数据 在正式收集数据之前明确数据收集的目的、制定数据收集的计划将会使得数据收集更加有效，周期更短。 数据收集计划从以下几方面去考虑： 为什么要收集数据（Why） 需要收集哪些数据（What) 谁去收集数据（Who） 在哪里收集数据（Where） 什么时候去收集数据（When) 怎么样去收集数据（How） 数据属性与基本统计学 数据的属性 数据来源于对象、情景和现象。 数据被用来分类、描述、改善和控制对象、情景和现象。 有些数据可以用连续的刻度来加以区别；换言之，这种刻度可以被合理的细分到更准确的增量，因此这种数据被称为连续型数据。 但我们也可以用记数的方式来获取数据。这种数据不能被合理的细分，因此被称为离散型数据 。 数据的类型 连续型数据 变量数据 测量数据 数据的类型 离散型数据 属性数据 计数数据 连续型数据和离散型数据的比较 在项目中，首先应考虑获取连续型数据，因为连续型数据提供的信息更多，而需求的数据量更少。 当不能得到连续型数据的时候，就可以利用离散型数据进行分析，但需求的数据量更大。 总体和样本 总体 (N) 具有某种特征的全体对象或个体的集合。包括对所有可能的对象或个体的具体参数或特征的测量。 总体可能指刚刚出厂的所有盒装牛奶。 样本 (n) 总体的一个子集。在统计学中，我们会遇到“随机抽样”，或一组特选的样本数据，每一次样本被选中的几率都相同。 如果我们要从工厂中随即抽取10盒牛奶，那么我们需要确保这10盒是从工厂生产的所有同规格的盒装牛奶中随意选取的。 波动 引起波动的原因 普遍原因 流程固有的未知因素。就目前流程所用的技术而言，此类因素是不可控制的。 此类因素也叫残差或背景噪音。 它限定了流程可达到的最小的偏差，所以从偏差的角度来看，普遍原因所造成的偏差代表了流程的最好水平。 要想控制或改善普遍原因造成的偏差需要对系统或流程采取行动。 特殊原因 显而易见的并可归结为某个指定的的原因或流程输入的因素。 利用现行的技术可以对此类原因进行控制。 随着时间的推移，此类因素的作用会表现在流程输出的波动上。 通常我们把特殊原因归类为5M1E 人员（Manpower） 机器（Machinery） 方法（Method） 测量（Measurement） 物料（Materials） 环境（Environment） 数据的分布 数据分布是一个概率分布。它是流程波动的数学模型。 下面的柱状图可以直观反映实际观察的分布概率，称为频率分布。 描述数据分布的参数 通常以以下三方面来描述一个分布: 形状 反映分布曲线的形状。分布是就平均值对称的还是偏斜的，是呈尖峰状的还是平缓的? 位置或者中心趋势 反映了分布的中心或者分布数据的中点。 离散程度 反映了分布数据的变化范围。 分布的形状 集中趋势的衡量 模数 (Mode) 模数,又叫众数,是一组数中出现频率最高的数值，统计学中不常用。 例如: 今天出售的鞋尺码： 36, 42, 40, 41,43, 39, 40, 41, 40, 37, 38 观察每种尺码出现的数值，可以发现40是模数。 集中趋势的衡量 平均值或者均值 (Average or Mean) 一组数据的平均值仅仅是所有数据的几何平均 这里 X 代表观