Sixsigma綠帶人員培訓教材-課件

SixSigma綠帶人員培訓教材目錄第一章何謂6Sigma第二章企業(yè)導入6Sigma的過程第三章6Sigma項目選擇第四章界定(Define)第五章衡量(Measure)第六章分析(Analyze)第七章改善(Improve)第八章控制(Control)第九章企業(yè)文化的變革與展望附錄一統(tǒng)計表附錄二參考案例SixSigma綠帶人員培訓教材第一章何謂6Sigma

SixSigma

GreenBelt課程

6σMS2NPI開發(fā)部SixSigma6σMS2NPI開發(fā)部引言歡迎您參加6Sigma綠帶課程!當您完成此課程,您將具備6SigmaGreenBelt(綠帶人員)資格.在推動6Sigma的過程中,主要是擔任BlackBelt(黑帶人員)助手的角色;運用改善工具與方法,使各項改善項目能順利展開.引言歡迎您參加6Sigma綠帶課程!當您完成此課程,您將具第六章分析(Analysis)DMAIC第六章分析(Analysis)DMAIC目錄1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進行比較4.確認根本原因目錄1.呈現(xiàn)數(shù)據(jù)資料目標使項目團隊能更詳細的將搜集的資料,利用工具與方法呈現(xiàn)數(shù)據(jù),去找出問題的根本原因﹐尋找改善的機會。學習DMAIC中,分析階段的步驟與方法目標使項目團隊能更詳細的將搜集的資料,利用工具與方法呈現(xiàn)數(shù)據(jù)分析原因*分析問題的主要原因*確定測量的方式*監(jiān)別CTQ*解決問題的最佳改善方案*維持改善的成果界定(D)測量(M)分析(A)改善(I)控制(C)分析原因*分析問題的主要原因*確定測量的方式*監(jiān)別CTQ第六章

分析(Analysis)1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進行比較4.確認根本原因第六章分析(Analysis)利用己搜集到的數(shù)據(jù)與資料,根據(jù)其特性呈現(xiàn),進行分析.並找出其要因呈現(xiàn)數(shù)據(jù)資料進行比較鑒別潛在原因確認根本原因如何進行分析利用己搜集到的數(shù)據(jù)與資料,根據(jù)其呈現(xiàn)數(shù)進行鑒別潛確認根如何進分析工具運用觀念1.必須確認問題點在哪里2.了解數(shù)據(jù)之特性(計數(shù)或計量)3.選擇適合的解析工具4.正確地判斷圖形所表示的意義5.針對其意義決定下一步的動作分析工具運用觀念1.必須確認問題點在哪里分析工具使用時機1.觀察因果關(guān)系的關(guān)聯(lián)性或兩個因素之間的關(guān)系。─散布圖2.整理原因結(jié)果之關(guān)系─因果圖(魚骨圖)3.考慮事物的平均與變異特性─直方圖﹑控制圖4.運用數(shù)據(jù)與時間的比對,來看出整體過程的趨勢─運行圖﹑控制圖5.從影響較大的2~3項顯示并采取措施─柏拉圖6.根據(jù)事實﹑數(shù)據(jù)顯示圖形─查驗表﹑柱狀圖﹑雷達圖﹑箱形圖…分析工具使用時機1.觀察因果關(guān)系的關(guān)聯(lián)性或兩個因素之間的關(guān)系一﹑數(shù)據(jù)資料的呈現(xiàn)方法一﹑數(shù)據(jù)資料的呈現(xiàn)方法描繪數(shù)據(jù)的四種方式畫出數(shù)據(jù)的圖形直方圖(分布)運行圖(波動)箱形圖(分散度)

描繪數(shù)據(jù)的四種方式畫出數(shù)據(jù)的圖形直方圖運行圖箱形圖直方圖直方圖何謂直方圖容易看出計量值的數(shù)據(jù)分配情形何謂直方圖容易看出計量值的直方圖原則*研究短期的變化*確定分布為何*尋找明顯的原因*搜集50-100個連續(xù)的數(shù)據(jù)-最好是取來自於同一來源直方圖原則*研究短期的變化范例-直方圖分析1公司所進料之噴嘴對口零件,其內(nèi)徑規(guī)格32.5~33.5mm,今按隨機抽樣抽樣取100個樣本,在25℃測定值如附表,制作直方圖並計算制程能力范例-直方圖分析1公司所進料之噴嘴對口零件,其內(nèi)徑規(guī)格32.范例-直方圖分析1范例-直方圖分析1范例-直方圖分析1范例-直方圖分析1范例直方圖分析2例:記錄機車里程計的不良,根據(jù)資料請分析缺點數(shù)據(jù)的分布狀況與外型1.選擇檔案theWorksheet“EXH_QC.MTW”2.選擇Graph>Histogram范例直方圖分析2例:范例-直方圖分析23.在GraphVariables選“Faults”。4.選擇ok范例-直方圖分析23.在GraphVariables選“范例-直方圖分析2范例-直方圖分析2直方圖的三個特徵

集中離散外形直方圖的三個特徵集中集中趨勢和分布

集中態(tài)勢-平均數(shù)離散態(tài)勢-全距(最大值-最小值)-標準方差集中趨勢和分布集中態(tài)勢集中和離散

視覺估計平均數(shù)集中和離散

視覺估計平均數(shù)解釋“外形”*異常值*多峰*偏態(tài)解釋“外形”*異常值異常值位於分布之外的點﹐即是表明存在特殊的原因異常值位於分布之外的點﹐即是表明存在特殊的原因多峰不同的峰代表不同的群體-來源-時間長度-操作員-……等多峰不同的峰代表多峰分解可能包括的多個過程機器或位置不同批料或材料來源不同很多人同時進行同一個過程過程不穩(wěn)定,造成有兩個過程的假象多峰分解可能包括的多個過程自然偏態(tài)測量有一個自然的“停止點”變化傾向於發(fā)生在一個方向上-ppm-交貨周期自然偏態(tài)測量有一個自然的“停止點”人為偏態(tài)

截尾由分類而引起的偏態(tài)看上去像一個“被截斷的鍾形曲線”超出規(guī)格的單元被檢驗員剔除了人為偏態(tài)

截尾由分類而引起的偏態(tài)超出規(guī)格的單元WorkshopKC公司所進料之關(guān)鍵零件,其規(guī)格為130~160,今隨機抽樣60個為樣本,測定值如附表,請制作直方圖WorkshopKC公司所進料之關(guān)鍵零件,其規(guī)格為130~1

箱形圖(盒須圖)箱形圖何謂箱型圖

呈現(xiàn)資料數(shù)據(jù)分布特性及

異常點分布何謂箱型圖呈現(xiàn)資料數(shù)據(jù)分布特性及箱型圖原則

使用在呈現(xiàn)資料數(shù)據(jù)分布特性

了解數(shù)據(jù)分配情況

可辨別數(shù)據(jù)是否有異常點

可比較2個或多個過程箱型圖原則使用在呈現(xiàn)資料數(shù)據(jù)分布特性箱形圖*偏離值最大值

75百分位(Q3)中位數(shù)25百分位(Q1)

最小值箱形圖*偏離值箱形圖箱形圖解讀中位數(shù):所有數(shù)值排列順序后的中間位數(shù)值75百分位數(shù)(Q3):所有數(shù)值排列順序的3/4位數(shù)值25百分位數(shù)(Q1):所有數(shù)值排列順序的1/4位數(shù)值

最大值:小於Q3+1.5(Q3-Q1)數(shù)據(jù)的最大值

最小值:大於Q1-1.5(Q3-Q1)數(shù)據(jù)的最小值

偏離值:假如數(shù)值小于Q1-1.5(Q3-Q1)或大於Q3+1.5(Q3-Q1),則為偏離值箱形圖箱形圖解讀范例-箱形圖分析180℃時噴頭之內(nèi)口徑數(shù)據(jù):

依據(jù)內(nèi)口徑25℃與80℃的數(shù)據(jù),應用箱形圖分析比較范例-箱形圖分析180℃時噴頭之內(nèi)口徑數(shù)據(jù):依據(jù)內(nèi)口徑25范例-箱形圖分析1258033.533.034.0改善前＊＊＊＊＊＊＊＊溫度范例-箱形圖分析1258033.533.034.0改＊＊＊＊范例-箱形圖分析2

例:男性與女性測心記錄Pulse2,請以箱形圖比較之1.選擇檔案theworksheet“PULSE.MTW”2.選擇Graph>

Boxplot>

WithGroups范例-箱形圖分析2例:范例-箱形圖分析2

3.在Graphvariables欄,輸入pulse2,在Categoricalvariables欄,輸入Sex4.ClickOK.范例-箱形圖分析23.在Graphvariables欄,Workshop檔案PULSE.MTW男性與女性測心跳記錄Pulse1,請以箱形圖比較Workshop檔案PULSE.MTW推移圖推移圖何謂推移圖呈現(xiàn)過程資料數(shù)據(jù)分布是否

具有隨機性及了解趨勢模式何謂推移圖呈現(xiàn)過程資料數(shù)據(jù)分布是否推移圖原則

研究長期的變異判定分布的穩(wěn)定性-分布是否保持過程水準和散離態(tài)勢?尋找時間上的特殊原因按順序搜集20個或更多的子群-來源相同-在一個行圖上或Shewhart圖上標出-性能評價推移圖原則研究長期的變異推移圖的規(guī)劃

研究所需的時間-要充分觀察到“正常的過程行為”蒐集數(shù)據(jù)的型式-歷史的vs.目前的相關(guān)數(shù)據(jù)-可以用來做分析和解釋推移圖的規(guī)劃研究所需的時間范例-推移圖分析例:

此公司為生產(chǎn)測量輻射的設備,為了探討測量的變異.根據(jù)實驗記錄做運行圖分析1.選擇檔案theworksheet“RADON.MTW”2.選擇Shat>QualityTools>RunChart.范例-推移圖分析例:范例-推移圖分析3.在singlecolumn填入“Membrane”.

在sulgroupsize填入“1”4.選擇ok范例-推移圖分析3.在singlecolumn填入“Me范例-推移圖分析范例-推移圖分析隨機性檢驗的方法:

超過期望的串數(shù)來自兩母體混雜1.以中位數(shù)(資料呈現(xiàn)隨機趨勢)計算串數(shù)資料成串少數(shù)期望的串數(shù)(資料呈現(xiàn)不隨機趨勢)

超過期望的串數(shù)資料上下震蕩變化2.以上下趨勢計算串數(shù)少數(shù)期望的串數(shù)資料成某種趨勢范例-推移圖分析隨機性檢驗的方法:范例-推移圖分析在何處畫中心線

數(shù)據(jù)的平均數(shù)(中心數(shù)或平均數(shù))-當目的是研究一個集中趨勢的績效概況時

目標值-當日的是控制一個過程以實現(xiàn)一個具體的目標在何處畫中心線數(shù)據(jù)的平均數(shù)(中心數(shù)或平均數(shù))Workshop:推移圖分析請將以下的數(shù)據(jù),使用趨勢圖分析Workshop:推移圖分析請將以下的數(shù)據(jù),使用趨勢圖分析散布圖散布圖何謂散布圖

藉由畫出兩變數(shù)之對比以闡

明之間的關(guān)連性何謂散布圖藉由畫出兩變數(shù)之對比以闡散布圖原則

研究一個引起“因素”x和一個“回應”Y之間的關(guān)系更加精確地將兩種特性的關(guān)系量化確定相關(guān)性和回歸根據(jù)輸入變數(shù)預測輸出變數(shù)尋找明顯的﹑可確定的原因搜集20個或更多的成對數(shù)據(jù)(X,Y)-在散布圖上標出-評價X,Y的關(guān)系散布圖原則研究一個引起“因素”x和一個“回應”Y之間的關(guān)系以從軸表示影響,以橫軸表示可能的原因X值Y值的值域可以構(gòu)在一個正方形對應的X,Y值.可找出一對應點散布圖原則原因(X)X●Y結(jié)果(Y)以從軸表示影響,以橫軸表示可能的原因散布圖原則原因(X)X●范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化范例-散布圖分析1

記錄溫度與噴頭封口內(nèi)徑的變化噴頭內(nèi)徑溫度2030405060708033.433.533.633.733.8??????????????????????????????????????范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化噴溫度203范例-散布圖分析2

例:根據(jù)資料請分析廣告支出部分與業(yè)務銷售部分是否相關(guān)1.選擇檔案theworksheet“MARKET.MTW”2.選擇Graph

>Scatterplot范例-散布圖分析2例:范例-散布圖分析23.點選圖形類別,選擇ok.4.在Graphvariables中Y欄選入“Sales”,在X中選入“Advertis”.5.選擇ok范例-散布圖分析23.點選圖形類別,選擇ok.范例-散布圖分析2范例-散布圖分析2Workshop鋼的抗張力強度與含鐵量的關(guān)系,請繪出散布圖#%cTensile10.04651.3520.05353.0430.05552.8940.06454.0650.06854.9160.07357.2870.09857.4280.10057.9490.10456.11100.11060.82110.12066.38120.13463.38130.13561.30140.14659.60150.15060.03

#%cTensile0.15563.630.16971.420.17368.900.17671.500.17871.060.20273.470.20969.580.21577.070.22079.210.22378.600.22978.370.28377.220.26880.750.35291.290.35394.25#%cTensile0.35792.280.38595.600.395106.170.42098.640.440113.450.510118.700.513118.090.570131.270.580130.530.624135.380.660143.310.675143.240.695139.710.727146.06Workshop鋼的抗張力強度與含鐵量的關(guān)系,請繪出散布圖散布型式“蛋糕”法國面包負相關(guān)(無相關(guān))(強相關(guān))

“德國豬腿”非線性相關(guān)

(弱相關(guān))

散布型式散布圖的陷阱

偏離值

重疊的相關(guān)

不正確的相關(guān)

不正確的相關(guān)散布圖的陷阱分層是關(guān)鍵用不同的標記表示不同的層X,Y之間的關(guān)系可能會與Z有關(guān)Z可能是一個變數(shù),也可能是一個特定數(shù)值分層是關(guān)鍵用不同的標記表示不同的層矩陣散布圖<1>分析例:

PULSE.MTW

求身高,體重及脈搏的矩陣散布圖1.選擇檔案theworksheet“PULSE.MTW”2.選擇Graph>Matrixplot,點選圖形類別選擇ok矩陣散布圖<1>分析例:矩陣散布圖<1>分析3.在Graphvariables選擇“Height”“Weight”“Pulse1”.選擇ok矩陣散布圖<1>分析3.在Graphvariables選擇矩陣散布圖<2>分析例:以不同的結(jié)果(Y)做層別.繪制矩陣散布圖(仍然利用pulse.MTW)1.選擇檔案theworksheet“PULSE.MTW”2.選擇Graph>Matrixplot,點選圖形類別選擇ok矩陣散布圖<2>分析例:以不同的結(jié)果(Y)做層別.繪制矩陣散3.在Yvariables選擇“pulse1”及“pulse2”

在Xvariables選擇“Height”﹑Weight”﹑Sex”選擇ok矩陣散布圖<2>分析3.在Yvariables選擇“pulse1”及“pulWorkshop下表為三種化學成分與不良率的關(guān)系,請繪出矩陣散布圖Workshop下表為三種化學成分與不良率的關(guān)系,請繪出矩陣第六章分析(Analysis)

1.呈現(xiàn)數(shù)據(jù)資料

2.鑒別潛在原因

3.進行比較

4.確認根本原因第六章分析(Analysis)二、鑒別潛在原因二、鑒別潛在原因?qū)ふ以蛉藗儍A向於自己主觀的想法沖床c應該重新研磨……但是那和這個問題又有什么關(guān)系呢?尋找原因人們傾向於自己主觀的想法沖床c應該但是那和這個問題又

理論是不會缺乏的

-事實-記憶-經(jīng)驗-直覺-偏見-比較

幹草堆中的針(可能的原因)需要有系統(tǒng)的方法來確認可能的原因?qū)ふ以蚶碚撌遣粫狈Φ膶ふ以蜩b別潛在原因的方法層別法五個為什么柏拉圖因果圖矩陣法鑒別潛在原因的方法層別法五個為什么柏拉圖因果圖矩陣法層別法層別法層別法將數(shù)據(jù)依不同曾別搜集﹐以檢查不同層別之間測量值的差異,進而了解過程的差異和潛在變異之處.層別的分類:

不同部門不同作業(yè)員不同制程不同機器不同時間不同原料不同檢查方法不同地區(qū)不同環(huán)境…層別法將數(shù)據(jù)依不同曾別搜集﹐以檢查不同層別之間測量值的差異,層別法范例層別法范例柏拉圖柏拉圖柏拉圖原則20%的原因造成80%的問題步驟:

1.決定步驟分類項目-依不良項目﹑場所﹑時間﹑過程﹑機器等.2.決定收集數(shù)據(jù)的時間3.將數(shù)據(jù)從高到低排列繪制柱狀圖4.繪累計曲線及累計比例關(guān)注在次數(shù)最高的少數(shù)項目改善最大不良,達立竿見影效果柏拉圖原則20%的原因造成80%的問題范例-柏拉圖分析1根據(jù)第四章沙拉油案例分析發(fā)生為不良的狀況分析

現(xiàn)況數(shù)據(jù)收集(改善前)

缺點項目

數(shù)量噴嘴封口裂縫201容器封口裂縫12噴嘴封口變形244容器封口變形25容器瓶中受壓力變形106無變形斷裂仍漏油670范例-柏拉圖分析1根據(jù)第四章沙拉油案例分析發(fā)生為不良的狀況分范例-柏拉圖分析1根據(jù)沙拉油案例分析發(fā)生不良的狀況分析范例-柏拉圖分析1根據(jù)沙拉油案例分析發(fā)生不良的狀況分析范例-柏拉圖分析2例:記錄機車里程表的不良,根據(jù)資料請分析出此不良品中發(fā)生最多的原因為何?1.選擇檔案theworksheet“EXH_QC.MTW”2.選擇Shat>QualityTools>Pareto

chart范例-柏拉圖分析2例:范例-柏拉圖分析23.點選Chartdefectstable,在Labelsin選入“Defects”。在Frequenciesin選入“Counts”4.選擇

ok范例-柏拉圖分析23.點選Chartdefectstab范例-柏拉圖分析2范例-柏拉圖分析2柏拉圖的陷阱排序時可從高到低,也可從低到高『其他』項必須置於圖上的最后一條柱上當柏拉圖上有彎曲點時,表示有重要的少數(shù)(VitalFew)存在當柏拉圖上沒有彎曲點時,表示沒有重要的少數(shù)存在,存在的是有用的多數(shù)(UsefulMany)或細微的多數(shù)(TrivialMany)柏拉圖的陷阱排序時可從高到低,也可從低到高Workshop以下是KC公司所分析之不良原因1.請以不良發(fā)生次數(shù)繪制柏拉圖2.請以損失總金額繪制柏拉圖依照下表,請問哪兩個是影響最大的問題?比較上述兩張柏拉圖,你的建議為何?Workshop以下是KC公司所分析之不良原因因果圖(魚骨圖)因果圖因果圖某項結(jié)果的形成必定有其原因設法使用圖解找出原因1.原因追求型:列出可能影響的相關(guān)因子環(huán)境人方法問題因素原因機器材料因果圖某項結(jié)果的形成必定有其原因環(huán)境人方法問題因素原因機器材因果圖2.對策達成型:追尋問題應如何防止,目標結(jié)果應如何達成做法做法材料結(jié)果環(huán)境人方法機器因果圖2.對策達成型:追尋問題應如何防止,目做法做法材料步驟:1.確定特性特性可以是零件規(guī)格﹑帳款回收率﹑客戶抱怨﹑報廢率等2.繪制骨架3.4M+1E

人(Man)﹑機械(Machine)﹑材料(Material)﹑方法(Method)﹑環(huán)境(Environment)因果圖步驟:因果圖4.提出大要因.中要因及小要因.再圈出最重要的原因一個可能的原因必須是一個可以執(zhí)行的項目B-14房間的照明問題怎么會引起數(shù)據(jù)輸入上的錯誤環(huán)境房間B-14數(shù)據(jù)輸入錯誤原因原因照明原因數(shù)據(jù)輸入部門因果圖4.提出大要因.中要因及小要因.再圈出最重要的原因一個可能的范例-因果圖范例-因果圖五個為什么五個為什么五個為什么每一個可能的原因必須是上一個可以執(zhí)行解決的項目不停的問“為什么”,直到達到目的*類別不是原因*現(xiàn)象也不是原因錯誤→環(huán)境→照明→太暗不要掉入“單一原因”的陷阱*“為什么”可能不止一種的答案五個為什么每一個可能的原因必須是上一個可以執(zhí)行解決的項目為什么圖日程安排無法實現(xiàn)和銷售之間無法協(xié)調(diào)圖面不完整或不正確工作受到“緊急”工作的影響高的重工,不合格品Why?Why?工作耗時過長Why?Why?Why?為什么圖日程安排無法實現(xiàn)和銷售之間圖面不完整工作受到“緊急”因果矩陣法從問題中找出兩群要素,分別排出行與列行與列的交集發(fā)展出對應關(guān)系,借以分析問題關(guān)連或解決構(gòu)想“排除過程”:將不可能的因果關(guān)系排除評估與每一個描述相對應的原因因果矩陣法從問題中找出兩群要素,分別排出行與列利用一個矩陣來整理

步驟1.橫向列出問題的原因2.縱向列出問題的描述(癥狀)3.如果原因不能解釋癥狀,那麼在方格中寫“NO”4.一個以上的“NO”就可以排除這個原因利用一個矩陣來整理步驟Workshop請就以下之問題描述,確認問題之原因在某一工廠中,有五臺相同之機器,而且同時安裝完成。這五臺機器放在同一個工作間﹐接在同一個變壓器上運轉(zhuǎn),生產(chǎn)相同批號的組件,采用同一個供應商的原料。在星期一早上﹐三號機臺突然發(fā)生故障,其他機器則是正常運轉(zhuǎn)。在以前從來沒有發(fā)生過同樣的問題,請試著用矩陣表來確認其原因。Workshop請就以下之問題描述,確認問題之原因WorkshopWorkshop剩余的問題篩選應當排除大部分的原因如果篩選后,仍有很多的原因,那麼-還需要更多的癥狀-還需要收集更多的數(shù)據(jù)篩選后沒有一個原因剩下,那麼需要-更多的“對比和變化”*尋找“隱藏”的原因*尋找“交互作用”剩余的問題篩選應當排除大部分的原因第六章

分析(Analysis)1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進行比較4.確認根本原因第六章分析(Analysis)三、進行比較三、進行比較假設檢驗目的:判斷是否存在足夠的統(tǒng)計証據(jù),可以對某母全參數(shù)的某種認知或假設做合理的推論假設檢驗目的:判斷是否存在足夠的統(tǒng)計証假設檢驗之構(gòu)成1.虛無假設:以H0表示.明確指明母體參數(shù)等於某一特定數(shù)值2.對立假設:以H1表示。說明參數(shù)有以下的一種情形(1)大於虛無假設所設定的值(2)小於虛無假設所設定的值(3)不同於虛無假設所設定的值3.顯著性水準:以α表示.4.檢驗統(tǒng)計量(由抽樣數(shù)據(jù)與分配決定)假設檢驗之構(gòu)成1.虛無假設:以H0表示.錯誤的兩種形式型I錯誤-當虛無假設為真時拒絕它-型I錯誤的概率為α

(“α-risk”)型II錯誤-當虛無假設為假時卻接受-型II錯誤的概率為β(“β-risk”)型Iα-riskOKOK型II

β-risk拒絕H0不拒絕H0數(shù)據(jù)証實真假虛無假設錯誤的兩種形式型I錯誤型IOKOK型II拒數(shù)真P值(p-value)p-value:會導致虛無假設(H0)被拒絕的概率值P值可以作為是否接受或拒絕虛無假的指標P值與α值(顯示水準)比較(一般而言,α值設定為5%)P≧α不拒絕H0P<α,拒絕H0單尾風險雙尾風險σ=0.05σ=0.025σ/200Z=1.645Z=-1.96Z=1.96P值(p-value)p-value:會導致虛無假設(H0)假設檢驗步驟建立假設檢驗模式?jīng)Q定顯著水準選擇檢驗統(tǒng)計量行動決策定義臨界點執(zhí)行Mini-tab假設檢驗步驟建立決定選擇行動定義執(zhí)行假設檢驗范例品保部想了解最近生產(chǎn)的某部品是否與以前生產(chǎn)的部品的質(zhì)量水準相當(根據(jù)歷史資料此類部品的分配接近常態(tài)分配,且平均數(shù)=5.0mm,σ=0.2mm.自現(xiàn)場隨機取出9件,在顯示水準5%下.是否有足夠證據(jù)顯示比類產(chǎn)部品的平均數(shù)仍然是5.0mm.

虛無假設H0:μ＝5.0對立假設H1

:μ≠5.0假設檢驗范例平均數(shù)μ之檢驗使用時機:

1.一組數(shù)據(jù)進行平均數(shù)的分析2.過去的群體標準方差(σ)己知,可做推定3.要檢驗的平均數(shù)己知,可做檢驗平均數(shù)μ之檢驗使用時機:平均數(shù)μ之檢驗抽樣數(shù)n:n≧30『大樣本』(使用z檢驗)檢驗統(tǒng)計量z=(若σ未知.則以s取代)N<30『小樣本』母體為常態(tài),則若σ己知(使用z檢驗)若σ未知(使用t檢驗)檢驗統(tǒng)計量t=虛無假設H0:μ=μ0(μ0為假設值)對立假設H1:μ>μ0(右尾檢驗)或H1:μ<μ0(左尾檢驗)或H1:μ≠μ0(雙尾檢驗)X-μσnX-μsn平均數(shù)μ之檢驗抽樣數(shù)n:n≧30『大樣本』(使用z檢驗)X1-SampleZ檢驗范例

品保部想了解最近生產(chǎn)的某部產(chǎn)品是否與以前生產(chǎn)的部品的質(zhì)量水準相當(根據(jù)歷史資料此類部品的分配接近常態(tài)分配,且平均數(shù)=5.0mm,σ=0.2mm).自現(xiàn)場隨機取出9件,在顯著水準5%以下,是否有足夠的證據(jù)顯示此類部品的平均數(shù)仍然是5.0mm.1,選擇檔案theworksheetEXH-STAT.MTW.2,選擇Stat>Basic

Statistics>1-Samplez.

1-SampleZ檢驗范例1-SampleZ檢驗

3.在Variables欄位中選入“values”4.在sigma中輸入“0.2”5.在Testmean輸入“5.0”6.點選Options,在Confidencelevel輸入“95”,在Alternative選擇“notequal”,點選ok1-SampleZ檢驗3.在Variables欄位中選1-SampleZ檢驗P=0.02<0.05表示拒絕平均數(shù)μ=5.0的假設,也就是此樣本與歷史記錄是有所差異的One-samplez:ValuesTestofmu=5vsnot=5Theassumedstandarddeviation=0.2VariableNMeanStDevSEMean95%CIZPValues94.788890.247210.06667(4.6822,4.91955)-3.170.0021-SampleZ檢驗P=0.02<0.051-Samplet檢驗使用時機:1.一組數(shù)據(jù)進行平均數(shù)的分析2.標準方差未知,可做推定3.要檢驗的平均數(shù)己知,可檢驗1-Samplet檢驗使用時機:1-Samplet檢驗范例

品保部想了解最近生產(chǎn)的某部產(chǎn)品是否與以前生產(chǎn)的部品的質(zhì)量水準相當(根據(jù)歷史資料此類部品的分配接近常態(tài)分配,且平均數(shù)=5.0mm).自現(xiàn)場隨機取出9件,在顯著水準5%下,是否有足夠的證據(jù)顯示此類部品的平均數(shù)仍然是5.0mm.1,選擇檔案theworksheetEXH-STAT.MTW.2,選擇Stat>Basic

Statistics>1-Samplet.1-Samplet檢驗范例1-Samplet檢驗3.在Variables欄位中選入“Values”4.在Testmean輸入“5.0”6.點選Options,在Confidencelevel輸入“95”,在Alternative選擇“notequal”,點選OK,OK1-Samplet檢驗3.在Variables欄位中選入“1-Samplet檢驗P=0.034<0.05表示拒絕平均數(shù)μ=5的假設,也就是此樣本與歷史記錄是有所差異的One-sampleT:ValuesTestofmu=5vsnot=5VariableNMeanStDevSEMean95%CITPValues94.788890.247210.08240(459887,497891)-2.560.0341-Samplet檢驗P=0.034<0.052-Samplet檢驗使用時機:

1.二組數(shù)據(jù)進行平均數(shù)差的分析

2.方差可相等或不相等,可做推定及檢驗2-Samplet檢驗使用時機:范例

有兩廠商各自提供相同規(guī)格的零件,其零件對加熱器的熱消耗可能有不同的影響,現(xiàn)將兩種零件分別安裝並記錄熱消耗,假設兩組資料方差相等,在5%顯著水準下,請分析此兩廠商的零件對熱消耗是否有差異?1,選擇檔案theworksheet“FURNACE.MTW”2,選擇Stat>Basic

Statistics>2-Samplet.2-Samplet檢驗范例2-Samplet檢驗2-Samplet檢驗3.在Samples欄位中選入“BTU,In”4.在Subscripts輸入“Damper”5.Assumeequalvariance勾選6.點選Options,在Confidencelevel輸入“95”,Testmean輸入0.0,在Alternative選擇“notequal”,點選OK,OK2-Samplet檢驗3.在Samples欄位中選入“BT2-Samplet檢驗P=0.701>0.05表示不拒絕平均數(shù)之間有差異的假設,也就是此兩樣本是沒有差異的Two-sampleT-TestandCI:BTU,In,DamperTwo-sampleTforBTU,InDamperNMeanStDevSEMean1409.913.020.4825010.142.770.393Difference=mu(1)-mu(2)Estimatefordifference:-0.23525095%CIfordifference:(-1.450131,0.979631)T-Testofdifference=o(vsnot=):T-Value=-0.38p-Value=0.701DF=88BothusePooledStDev=2.88182-Samplet檢驗P=0.701>0.05Workshop參考前面范例,現(xiàn)在假設兩組資料方差不相等,在5%顯著水準下,請分析此兩種零件對熱消耗是否有差異?Workshop參考前面范例,現(xiàn)在假設兩組資料Pairedt

檢驗使用時機:1.二組配對的數(shù)據(jù)進行平均數(shù)差的分析2.可做推定及檢驗Pairedt檢驗使用時機:范例某鞋廠比較A.B兩種材質(zhì)耐用性實驗,請十位小孩兩腳分別隨機穿A、B材質(zhì)的鞋子,一個月后測量鞋子耐用狀況,在5%顯著水準下,請分析此兩種材質(zhì)實驗結(jié)果是否有差異?1.選擇檔案theworksheet“EXH_STAT.MTW”2.選擇Shat>BasicStatistics>Pairedt.Pairedt

檢驗范例Pairedt檢驗3.在FirstSample欄位中選入“Mat-A”.4.在SecondSample輸入“Mat-B”.5.點選Options在Contidencelevel

輸入“95”,Test

mean

輸入0.0,在Alternative選擇“notequal”,點選OK,OKPairedt

檢驗3.在FirstSample欄位中選入“Mat-A”.PaPairedt檢驗P=0.009<0.05表示拒絕這對平均數(shù)之間的差=0的假設.也就是此成對樣本之間是有差異的PairedT-TestandCI:Mat-A,Mat-BPairedTforMat-A-Mat-BNMeanStDevSEMeanMat-a1010.630002.45130.7752Mat-b1011.04002.51850.7964Difference10-0.4100000.3871550.12242995%CIformeandifference:(-0.686954,-0.133046)T-Testofmeandifference=0(Vsnot=0):T-Value=-3.35P-Value=0.009Pairedt檢驗P=0.009<0.05單一群體比例-p檢驗使用時機:

計算一比例的推定及檢驗(抽樣數(shù)及成功次數(shù)/發(fā)生次數(shù)均己知)單一群體比例-p檢驗使用時機:

單一群體計數(shù)型資料,如計數(shù)該變量發(fā)生次數(shù),然后計算其比例.其參數(shù)為群體比例p當n要夠大的時候(np≧5),通常n≧30(取大樣本)依中央極根定理.此時群體比例p之抽樣分配屬于常態(tài)分配,再依Zα或Zα/2(-Zα/2)為臨界值,即可進行檢驗P的檢驗統(tǒng)計量Z=設定假設H0:p=p0H1:p>p0(右尾檢驗)

或H1:p<p0(左尾檢驗)或H1:p≠p0(雙尾檢驗)單一群體比例-p檢驗p－ppq/n(q=1-p)單一群體計數(shù)型資料,如計數(shù)該變量發(fā)生次數(shù),單一群體比例單一群體比例p檢驗范例

某業(yè)務所計劃拓展業(yè)務.有65%的委托人支持拓展業(yè)務,事務所負責人即同意拓展計劃.隨機抽選委托人950人調(diào)查,共有560人支持,在5%顯著水準下,請分析是否超過65%的支持度?H0:P=0.65H1:P>0.651.選擇Stat>BasicStatistics>1Proportion.單一群體比例p檢驗范例單一群體比例p檢驗2.選Summarizeddata;Numberof

trials輸入“950”,Numberof

successes

輸入“560”3.點選Options

在Confidencelevel

輸入“95”,Test

Proportion輸入0.65,在Alternative

選擇“greaterthan”點選ok,ok單一群體比例p檢驗2.選Summarizeddata;NuP=1.000>0.05表示不拒絕這比例=0.65的假設.就是沒有證據(jù)>0.65.也就是沒有超過65%支持此提案TestandCIforOneProportionTestofp=0.65vsp>0.6595%lowerExactSampleXNSamplepBoundP-Value1.5609500.5894740.5625151.000單一群體比例p檢驗P=1.000>0.05單一群體比例p檢驗Workshop

某事務所只要有65%的委托人支持拓展業(yè)務,事務所負責人即同意拓展計劃.隨機抽取950人調(diào)查.共有650人支持.在5%顯著水準下,請分析是否超過65%的支持度?Workshop某事務所只要有65%的委托人支持拓展業(yè)務兩群體比例p檢驗使用時機:計算二比例差的推定及檢驗(二組樣本抽樣數(shù)及成功次數(shù)/發(fā)生次數(shù)己知)兩群體比例p檢驗使用時機:兩群體比例p檢驗范例

某公司采購機器,挑選兩家廠商比較,隨機挑選兩家(X,Y)廠商在使用中的機器.觀察一年內(nèi)維修記錄次數(shù).記錄顯示X廠商50臺中有6臺送修,Y廠商50臺中有8臺送修.在5%顯著水準下,請分析該挑選哪一家?H0:px-py=0H1:px-py<01.選擇Stat>BasicStatistics>

2Proportion兩群體比例p檢驗范例兩群體比例p檢驗2.選Summarizeddata;在Firstsample,Trials

輸入“50”Successes輸入“44”,在Secondsample,Trials輸入“50”Successes

輸入“42”;3.點選Options

在Confidencelevel輸入“95”,Test

Proportion輸入0,在Alternative

選擇“l(fā)essthan“點選ok,ok兩群體比例p檢驗2.選Summarizeddata;在Fi兩群體比例p檢驗P=0.718>0.05表示不拒絕這虛無假設.也就是這兩家廠商一年內(nèi)需要維修比例沒有差別TestandCIforTwoProportionsSampleXNSamplep1.44500.8800002.42500.840000Difference=p(1)-p(2)Estimatefordifference:0.0495%CIfordifference:(-0.0957903,0.175790)Testfordifference=0(vsnot=0):Z=0.58P-Value=0.564兩群體比例p檢驗P=0.718>0.05兩群體方差檢驗使用時機:二組樣本數(shù)據(jù)的方差之檢驗兩群體方差檢驗使用時機:兩群體方差檢驗兩群體變異之相同與不同,通常以σ1/σ2形式表示,如:兩產(chǎn)品生產(chǎn)線之變異比較,

設定假設H0:σ1=σ2H1:σ1>σ2

或H1:σ1<σ2(以上為單尾檢驗)

或H1:σ1≠σ2(為雙尾檢驗)

檢驗統(tǒng)計量F=(當H1σ1>σ2時)=(當H1σ1<σ2時)=(當H1σ1≠σ2時)22222222S12S22S22S12S大2S小222222222兩群體方差檢驗兩群體變異之相同與不同,通常以σ1/σ2形兩群體方差檢驗范例

兩種零件對加熱器的熱消耗有影響,現(xiàn)將兩種零件分別安裝於加熱器上並記錄熱消耗,在5%顯著水準下,請分析此兩種零件樣本方差是否相等?1.選擇檔案“FURNACE.MTW”2.選擇Stat>BasicStatistics>

2Variances兩群體方差檢驗范例兩群體方差檢驗3.選Samplesinonecolumn,在Samples欄位中選入“BTU.In”在Subscripts輸入“Damper”.4.點選Options

在Confidencelevel

輸入“95”點選OK,OK

TestforEqualVariances:BTU.InversusDamper95%BonferroniconfidenceintervalsforstandarddeviationsDamperNLowerStDevUpper1.402.406553.019874.027262.502.254472.767023.56416F-Test(normaldistribution)Teststatistic=1.19,p-value=0.558Levene’sTest(anycontinuousdistribution)Teststatistic=0.00,p-value=0.996兩群體方差檢驗3.選SamplesinonecolumP=0.558>0.05

表示無法拒絕虛無假設,也就是沒有足夠證據(jù)證明這兩樣本的方差不一樣兩群體方差檢驗P=0.558>0.05兩群體方差檢驗第六章分析(Analysis)1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進行比較4.確認根本原因第六章分析(Analysis)四、確認根本原因利用工具分析資料后,項目團隊可確認根本原因.在系統(tǒng)中,有時根本原因只有一個。但在復雜的系統(tǒng),根本原因可能不只一個,而且可能會交互作用.四、確認根本原因利用工具分析資料后,項目團隊可確認根本原因篩選原因這個原因有可能發(fā)生過,那麼它真的發(fā)生過嗎?証實這個原因確實發(fā)生過-現(xiàn)場觀察-檢查記錄在這個原因中.有沒有什么隱匿在其中的假設?篩選原因這個原因有可能發(fā)生過,那麼它真的發(fā)生過嗎?篩選原因有時候需要更細致的查証-原因多於一個-如果錯認原因，那麼補救措施的代價會很昂貴利用試驗設計(DOE)篩選原因有時候需要更細致的查証小結(jié)分析階段包含了多個分析工具,以方便找出根本原因利用圖形式的工具,可以方便判別出其潛在原因當找到根本原因.即可作為改善階段的基礎.小結(jié)分析階段包含了多個分析工具,以方便找出根本原因TheEndTheEndSixSigma綠帶人員培訓教材目錄第一章何謂6Sigma第二章企業(yè)導入6Sigma的過程第三章6Sigma項目選擇第四章界定(Define)第五章衡量(Measure)第六章分析(Analyze)第七章改善(Improve)第八章控制(Control)第九章企業(yè)文化的變革與展望附錄一統(tǒng)計表附錄二參考案例SixSigma綠帶人員培訓教材第一章何謂6Sigma

SixSigma

GreenBelt課程

6σMS2NPI開發(fā)部SixSigma6σMS2NPI開發(fā)部引言歡迎您參加6Sigma綠帶課程!當您完成此課程,您將具備6SigmaGreenBelt(綠帶人員)資格.在推動6Sigma的過程中,主要是擔任BlackBelt(黑帶人員)助手的角色;運用改善工具與方法,使各項改善項目能順利展開.引言歡迎您參加6Sigma綠帶課程!當您完成此課程,您將具第六章分析(Analysis)DMAIC第六章分析(Analysis)DMAIC目錄1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進行比較4.確認根本原因目錄1.呈現(xiàn)數(shù)據(jù)資料目標使項目團隊能更詳細的將搜集的資料,利用工具與方法呈現(xiàn)數(shù)據(jù),去找出問題的根本原因﹐尋找改善的機會。學習DMAIC中,分析階段的步驟與方法目標使項目團隊能更詳細的將搜集的資料,利用工具與方法呈現(xiàn)數(shù)據(jù)分析原因*分析問題的主要原因*確定測量的方式*監(jiān)別CTQ*解決問題的最佳改善方案*維持改善的成果界定(D)測量(M)分析(A)改善(I)控制(C)分析原因*分析問題的主要原因*確定測量的方式*監(jiān)別CTQ第六章

分析(Analysis)1.呈現(xiàn)數(shù)據(jù)資料2.鑒別潛在原因3.進行比較4.確認根本原因第六章分析(Analysis)利用己搜集到的數(shù)據(jù)與資料,根據(jù)其特性呈現(xiàn),進行分析.並找出其要因呈現(xiàn)數(shù)據(jù)資料進行比較鑒別潛在原因確認根本原因如何進行分析利用己搜集到的數(shù)據(jù)與資料,根據(jù)其呈現(xiàn)數(shù)進行鑒別潛確認根如何進分析工具運用觀念1.必須確認問題點在哪里2.了解數(shù)據(jù)之特性(計數(shù)或計量)3.選擇適合的解析工具4.正確地判斷圖形所表示的意義5.針對其意義決定下一步的動作分析工具運用觀念1.必須確認問題點在哪里分析工具使用時機1.觀察因果關(guān)系的關(guān)聯(lián)性或兩個因素之間的關(guān)系。─散布圖2.整理原因結(jié)果之關(guān)系─因果圖(魚骨圖)3.考慮事物的平均與變異特性─直方圖﹑控制圖4.運用數(shù)據(jù)與時間的比對,來看出整體過程的趨勢─運行圖﹑控制圖5.從影響較大的2~3項顯示并采取措施─柏拉圖6.根據(jù)事實﹑數(shù)據(jù)顯示圖形─查驗表﹑柱狀圖﹑雷達圖﹑箱形圖…分析工具使用時機1.觀察因果關(guān)系的關(guān)聯(lián)性或兩個因素之間的關(guān)系一﹑數(shù)據(jù)資料的呈現(xiàn)方法一﹑數(shù)據(jù)資料的呈現(xiàn)方法描繪數(shù)據(jù)的四種方式畫出數(shù)據(jù)的圖形直方圖(分布)運行圖(波動)箱形圖(分散度)

描繪數(shù)據(jù)的四種方式畫出數(shù)據(jù)的圖形直方圖運行圖箱形圖直方圖直方圖何謂直方圖容易看出計量值的數(shù)據(jù)分配情形何謂直方圖容易看出計量值的直方圖原則*研究短期的變化*確定分布為何*尋找明顯的原因*搜集50-100個連續(xù)的數(shù)據(jù)-最好是取來自於同一來源直方圖原則*研究短期的變化范例-直方圖分析1公司所進料之噴嘴對口零件,其內(nèi)徑規(guī)格32.5~33.5mm,今按隨機抽樣抽樣取100個樣本,在25℃測定值如附表,制作直方圖並計算制程能力范例-直方圖分析1公司所進料之噴嘴對口零件,其內(nèi)徑規(guī)格32.范例-直方圖分析1范例-直方圖分析1范例-直方圖分析1范例-直方圖分析1范例直方圖分析2例:記錄機車里程計的不良,根據(jù)資料請分析缺點數(shù)據(jù)的分布狀況與外型1.選擇檔案theWorksheet“EXH_QC.MTW”2.選擇Graph>Histogram范例直方圖分析2例:范例-直方圖分析23.在GraphVariables選“Faults”。4.選擇ok范例-直方圖分析23.在GraphVariables選“范例-直方圖分析2范例-直方圖分析2直方圖的三個特徵

集中離散外形直方圖的三個特徵集中集中趨勢和分布

集中態(tài)勢-平均數(shù)離散態(tài)勢-全距(最大值-最小值)-標準方差集中趨勢和分布集中態(tài)勢集中和離散

視覺估計平均數(shù)集中和離散

視覺估計平均數(shù)解釋“外形”*異常值*多峰*偏態(tài)解釋“外形”*異常值異常值位於分布之外的點﹐即是表明存在特殊的原因異常值位於分布之外的點﹐即是表明存在特殊的原因多峰不同的峰代表不同的群體-來源-時間長度-操作員-……等多峰不同的峰代表多峰分解可能包括的多個過程機器或位置不同批料或材料來源不同很多人同時進行同一個過程過程不穩(wěn)定,造成有兩個過程的假象多峰分解可能包括的多個過程自然偏態(tài)測量有一個自然的“停止點”變化傾向於發(fā)生在一個方向上-ppm-交貨周期自然偏態(tài)測量有一個自然的“停止點”人為偏態(tài)

截尾由分類而引起的偏態(tài)看上去像一個“被截斷的鍾形曲線”超出規(guī)格的單元被檢驗員剔除了人為偏態(tài)

截尾由分類而引起的偏態(tài)超出規(guī)格的單元WorkshopKC公司所進料之關(guān)鍵零件,其規(guī)格為130~160,今隨機抽樣60個為樣本,測定值如附表,請制作直方圖WorkshopKC公司所進料之關(guān)鍵零件,其規(guī)格為130~1

箱形圖(盒須圖)箱形圖何謂箱型圖

呈現(xiàn)資料數(shù)據(jù)分布特性及

異常點分布何謂箱型圖呈現(xiàn)資料數(shù)據(jù)分布特性及箱型圖原則

使用在呈現(xiàn)資料數(shù)據(jù)分布特性

了解數(shù)據(jù)分配情況

可辨別數(shù)據(jù)是否有異常點

可比較2個或多個過程箱型圖原則使用在呈現(xiàn)資料數(shù)據(jù)分布特性箱形圖*偏離值最大值

75百分位(Q3)中位數(shù)25百分位(Q1)

最小值箱形圖*偏離值箱形圖箱形圖解讀中位數(shù):所有數(shù)值排列順序后的中間位數(shù)值75百分位數(shù)(Q3):所有數(shù)值排列順序的3/4位數(shù)值25百分位數(shù)(Q1):所有數(shù)值排列順序的1/4位數(shù)值

最大值:小於Q3+1.5(Q3-Q1)數(shù)據(jù)的最大值

最小值:大於Q1-1.5(Q3-Q1)數(shù)據(jù)的最小值

偏離值:假如數(shù)值小于Q1-1.5(Q3-Q1)或大於Q3+1.5(Q3-Q1),則為偏離值箱形圖箱形圖解讀范例-箱形圖分析180℃時噴頭之內(nèi)口徑數(shù)據(jù):

依據(jù)內(nèi)口徑25℃與80℃的數(shù)據(jù),應用箱形圖分析比較范例-箱形圖分析180℃時噴頭之內(nèi)口徑數(shù)據(jù):依據(jù)內(nèi)口徑25范例-箱形圖分析1258033.533.034.0改善前＊＊＊＊＊＊＊＊溫度范例-箱形圖分析1258033.533.034.0改＊＊＊＊范例-箱形圖分析2

例:男性與女性測心記錄Pulse2,請以箱形圖比較之1.選擇檔案theworksheet“PULSE.MTW”2.選擇Graph>

Boxplot>

WithGroups范例-箱形圖分析2例:范例-箱形圖分析2

3.在Graphvariables欄,輸入pulse2,在Categoricalvariables欄,輸入Sex4.ClickOK.范例-箱形圖分析23.在Graphvariables欄,Workshop檔案PULSE.MTW男性與女性測心跳記錄Pulse1,請以箱形圖比較Workshop檔案PULSE.MTW推移圖推移圖何謂推移圖呈現(xiàn)過程資料數(shù)據(jù)分布是否

具有隨機性及了解趨勢模式何謂推移圖呈現(xiàn)過程資料數(shù)據(jù)分布是否推移圖原則

研究長期的變異判定分布的穩(wěn)定性-分布是否保持過程水準和散離態(tài)勢?尋找時間上的特殊原因按順序搜集20個或更多的子群-來源相同-在一個行圖上或Shewhart圖上標出-性能評價推移圖原則研究長期的變異推移圖的規(guī)劃

研究所需的時間-要充分觀察到“正常的過程行為”蒐集數(shù)據(jù)的型式-歷史的vs.目前的相關(guān)數(shù)據(jù)-可以用來做分析和解釋推移圖的規(guī)劃研究所需的時間范例-推移圖分析例:

此公司為生產(chǎn)測量輻射的設備,為了探討測量的變異.根據(jù)實驗記錄做運行圖分析1.選擇檔案theworksheet“RADON.MTW”2.選擇Shat>QualityTools>RunChart.范例-推移圖分析例:范例-推移圖分析3.在singlecolumn填入“Membrane”.

在sulgroupsize填入“1”4.選擇ok范例-推移圖分析3.在singlecolumn填入“Me范例-推移圖分析范例-推移圖分析隨機性檢驗的方法:

超過期望的串數(shù)來自兩母體混雜1.以中位數(shù)(資料呈現(xiàn)隨機趨勢)計算串數(shù)資料成串少數(shù)期望的串數(shù)(資料呈現(xiàn)不隨機趨勢)

超過期望的串數(shù)資料上下震蕩變化2.以上下趨勢計算串數(shù)少數(shù)期望的串數(shù)資料成某種趨勢范例-推移圖分析隨機性檢驗的方法:范例-推移圖分析在何處畫中心線

數(shù)據(jù)的平均數(shù)(中心數(shù)或平均數(shù))-當目的是研究一個集中趨勢的績效概況時

目標值-當日的是控制一個過程以實現(xiàn)一個具體的目標在何處畫中心線數(shù)據(jù)的平均數(shù)(中心數(shù)或平均數(shù))Workshop:推移圖分析請將以下的數(shù)據(jù),使用趨勢圖分析Workshop:推移圖分析請將以下的數(shù)據(jù),使用趨勢圖分析散布圖散布圖何謂散布圖

藉由畫出兩變數(shù)之對比以闡

明之間的關(guān)連性何謂散布圖藉由畫出兩變數(shù)之對比以闡散布圖原則

研究一個引起“因素”x和一個“回應”Y之間的關(guān)系更加精確地將兩種特性的關(guān)系量化確定相關(guān)性和回歸根據(jù)輸入變數(shù)預測輸出變數(shù)尋找明顯的﹑可確定的原因搜集20個或更多的成對數(shù)據(jù)(X,Y)-在散布圖上標出-評價X,Y的關(guān)系散布圖原則研究一個引起“因素”x和一個“回應”Y之間的關(guān)系以從軸表示影響,以橫軸表示可能的原因X值Y值的值域可以構(gòu)在一個正方形對應的X,Y值.可找出一對應點散布圖原則原因(X)X●Y結(jié)果(Y)以從軸表示影響,以橫軸表示可能的原因散布圖原則原因(X)X●范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化范例-散布圖分析1

記錄溫度與噴頭封口內(nèi)徑的變化噴頭內(nèi)徑溫度2030405060708033.433.533.633.733.8??????????????????????????????????????范例-散布圖分析1記錄溫度與噴頭封口內(nèi)徑的變化噴溫度203范例-散布圖分析2

例:根據(jù)資料請分析廣告支出部分與業(yè)務銷售部分是否相關(guān)1.選擇檔案theworksheet“MARKET.MTW”2.選擇Graph

>Scatterplot范例-散布圖分析2例:范例-散布圖分析23.點選圖形類別,選擇ok.4.在Graphvariables中Y欄選入“Sales”,在X中選入“Advertis”.5.選擇ok范例-散布圖分析23.點選圖形類別,選擇ok.范例-散布圖分析2范例-散布圖分析2Workshop鋼的抗張力強度與含鐵量的關(guān)系,請繪出散布圖#%cTensile10.04651.3520.05353.0430.05552.8940.06454.0650.06854.9160.07357.2870.09857.4280.10057.9490.10456.11100.11060.82110.12066.38120.13463.38130.13561.30140.14659.60150.15060.03

#%cTensile0.15563.630.16971.420.17368.900.1