6西格玛管理过程中的多种数据类型分析
六西格玛的统计与分析方法
六西格玛的统计与分析方法六西格玛（Six Sigma）是一种以统计分析为基础的管理方法，旨在通过减少过程中的变异性来提高质量和效率。
六西格玛方法通过一系列统计和数据分析技术，帮助组织找出和解决导致问题的根本原因，从而改进和精益化其业务流程。
六西格玛方法的核心是将统计学和数据分析应用于实际业务问题中，以充分了解和改进过程中的变异性。
下面将介绍一些常用的统计和数据分析工具，以及如何应用它们来实施六西格玛方法。
1.流程映射和价值流图：流程映射是一种将工作流程可视化的方法，通过绘制工作流程图形来识别和理解工作流程中的活动和阶段。
价值流图是一种补充的工具，它通过分析价值流，并识别和消除非价值增加的活动。
流程映射和价值流图为改进活动的目标设置了基线，并帮助确定需要关注的关键问题。
2.直方图和散点图：直方图是一种图表，用于可视化数据的分布情况。
通过绘制样本数据的分布，直方图可以帮助确定数据是否服从正态分布，以及是否存在任何异常值或异常情况。
散点图则用来显示两个变量之间的关系，通过绘制散点图，可以确定两个变量之间是否存在任何相关性。
3. 测量系统分析（MSA）：测量系统分析是一种评估和验证测量系统的能力和准确性的方法。
MSA可以帮助确定测量系统是否稳定和准确，并确定测量误差的源头。
常用的MSA工具包括方差分析、相关性分析和Gage R&R分析。
4. 接触图（Fishbone Diagram）：接触图是一种将问题和潜在原因之间的关系可视化的工具。
接触图通过绘制鱼骨状图形，将问题放在鱼头上，然后将潜在原因放在鱼骨的骨架上。
接触图帮助团队识别和分析导致问题的各种因素，从而有针对性地改进和解决问题。
5. 测量分析计划（Measurement Systems Analysis Plan）：测量分析计划是一种说明如何采集和分析数据的方法，包括定义关键度量指标（KPIs）、制定数据采集计划、确定样本量和采样方法等。
测量分析计划帮助确保数据收集的准确性和可靠性，并为进一步的数据分析提供有价值的基础。
六西格玛管理工具的相关分析
/六西格玛管理工具的相关分析在六西格玛管理的分析阶段(analyze)中，分析问题出现的原因是至关重要的。
这时，统计学中的相关分析及回归分析就是很有力的六西格玛工具。
如果同时获得了两个或多个连续型变量的观测值，就可以使用相关分析和回归分析了。
例如，在一定的范围内，反应罐中的温度与最终的产量间，就呈现某种关系。
分析并确认二者是否有关系，这就是相关分析的任务；把二者的关系用方程的形式表达出来，这就是回归分析的任务。
回归分析的任务可能更复杂，影响最终产量的，除了温度之外，还可能有反应时间、反应罐中的压力等多个因素，因此回归分析又分单自变量的回归(称一元回归)和多自变量的回归(称多元回归)。
除了线性回归外，还可能有二次回归、三次回归等多项式回归以及更多自变最的逐步回归等。
下面将介绍简单线性回归分析方法。
1、相关系数的概念相关系数 (通常是指Pearson相关系数)是用来描述两个变量线性相关程度的一种度量。
由两个变量的组观测值可以画出多种不同形状的散点图，我们希望用相关系数来表示出它们是正相关还是负相关以及它们以何种程度相关。
2、相关分析如果拥有x与Y的成对数据，则可以在散点图中直观地看见这种关系。
x与Y的关系可能是密切的，也可能是不密切的。
3、判断x和Y之间的相关程度通常先从散点图可以获得一个大概的印象。
当然，如果只是获得些初步印象，那是远远不够的，我们要定量地对相关关系加以分析。
4、相关分析中的x与yx与y都是随机变量，而在回归分析中，y是随机变量，x可以是随机变量，也可以是非随机的，通常在回归模型中，总是假定x是非随机的；5、相关分析的研究相关分析主要是研究两个变量之间的密切程度，而回归分析不仅可以揭示x对y的影响大小，还可以由回归方程进行数量上的预测和控制。
相关分析与回归分析在实际应用中有密切关系。
然而在回归分析中，所关心的是一个随机变量Y对另一个（或一组）随机变量X的依赖关系的函数形式。
而在相关分析中，所讨论的变量的地位一样，分析侧重于随机变量之间的种种相关特征。
6西格玛过程能力分析
Ⅱ级
1.67＞CP≥1.33
Ⅲ级
1.33 ＞ CP≥1
Ⅳ级
1 ＞ CP≥0.67
低风险
Ⅴ级
CP＜0.67
中等风险
1、过程能力与过程不合格品率有关 望目值质量特性
X M时 p 2 3CP
X M时 P 31 k CP 31 k CP
望小值质量特性 pU 3CPU 望大值质量特性 pL 3CPL
CP 0.67 0.86 1.0 1.1 1.16 1.3 1.33 1.47 1.63 1.67
不合格品率 4.56% 1% 0.27% 0.1% 0.05% 0.01% 0.006% 0.001% 0.0001% 0.00006%
ˆ L ˆS d
d r ˆL ˆS L
（过程稳定系数）
（过程相对稳定系数）
d r＜10% 10% dr＜ 20%
过程接近于稳定 过程不太稳定 过程不稳定 过程很不稳定
20% d r＜ 50%
50% d r
ISO 0.2
9004-1 组织目标 为了达到目标，组织应确保影响其质量的技 术、管理和人的因素处于受控状态。无论是硬件、 软件、流程性材料还是服务，所有的控制都应针对 减少和消除不合格，尤其是预防不合格。
组织目标：减少和消除不合格，尤其是预防不合格 保证手段：技术、管理和人的因素处于受控状态 ① 技术受控（过程处于技术稳态） 采用最先进的工艺技术生产产品。 具备保证不出合格品的能力（过程能力），要求 : Cp、Cpk≥1。
下表，是考虑了产品的质量特性重要度分级
⑵现代等级评定:产品——过程综合能力等级评价
过程能力等级 特性 CP ≥1.6 7
六西格玛中分析阶段的作用及常用工具
六西格玛中分析阶段的作用及常用工具六西格玛是一种质量管理方法，旨在通过减少变异性和缺陷数量来提高组织的效能和质量。
六西格玛方法一般包括五个阶段，分别是界定、测量、分析、改进和控制。
分析阶段是六西格玛的第三个阶段，它通过分析数据和识别问题的根本原因来为改进阶段提供基础。
该阶段的主要目标是识别导致问题和缺陷的主要因素，并通过深入理解以便制定优化计划。
分析阶段的作用主要有以下几个方面：1.识别问题的根本原因：在六西格玛方法中，问题通常是由一系列因素引起的。
分析阶段帮助团队确定出引起问题的主要因素，而不仅仅是解决表面上的问题。
通过更深入地分析问题，团队可以确定并重点处理主要问题，从而提高改进的效果。
2.确定关键的业务指标：分析阶段有助于确定关键的业务指标，这些指标可以帮助团队了解当前业务的状态和问题的严重程度。
通过对这些指标进行分析，团队可以制定相应的改进计划并确定目标。
3.分析数据以支持决策：在分析阶段，团队将对现有的数据进行详细的分析，以了解业务的关键因素和变化趋势。
这些数据包括来自不同部门和过程的数据，通过对这些数据进行分析，团队可以得出客观的结论，为改进方案的制定提供支持。
4.确定改进机会：分析阶段帮助团队确定出改进的机会和潜力。
通过对数据的分析、问题根本原因的识别和业务指标的评估，团队可以确定出可能产生最大改进的领域和机会。
这有助于团队优化资源的分配，并确保改进方案的最大效益。
常用的工具和技术在六西格玛的分析阶段中有很多种，下面列举一些常见的工具：1.流程图：流程图可以帮助团队理解业务过程中的各个步骤和关键环节，并揭示出潜在的问题和瓶颈。
通过绘制流程图，团队可以更容易地识别出改进的机会和可能的优化点。
4.核对表和问卷调查：通过使用核对表和问卷调查，团队可以搜集和整理来自不同部门和员工的意见和建议。
这些数据可以提供宝贵的信息，帮助团队了解问题的实际情况和整体掌握改进机会。
5.样本分析：样本分析是对一组数据进行统计学分析的过程，以了解样本所代表的总体特征和变化情况。
(整理)6西格玛管理中常用的度量指标.
6西格玛管理中常用的度量指标6西格玛管理中常用的度量指标有：西格玛水平Z、百万机会缺陷数DPMO、单位缺陷数DPU、首次产出率FTY、滚动产出率RTY等，它们覆盖了各种连续型和离散型测量数据的情况。
这里我们重点介绍西格玛水平Z和百万机会缺陷数DPMO的统计与计算方法如下：(一) 西格玛水平Z：对应于过程输出无偏移的情况，西格玛水平Z是指规格范围（USL-LSL）与2σ的比值，可由式5-6-1求得：例5-6-1：某送餐公司为某学校送午餐，学校希望在中午12：00送到，但实际总有误差，因而提出送餐的时间限定在11：55分至12：05分之间，即：LSL为11：55分，USL为12：05分。
过去一个星期来，该送餐公司将午餐送达的时间为：11：50、11：55、12：00、12：05、12：10，求该公司准时送餐的西格玛水平。
这里，将送达时间按相对于目标值12：00的差值进行变换，记录为-10、-5、0、5、10，则：用样本标准差S估计总体标准差，得到=S=7.91，将上述参数代入式5-6-1，得：即该公司准时送餐的西格玛水平仅为0.63。
（二）百万机会缺陷数DPMO（Defects Million Opportunity）在统计和计算DPMO时，我们先要明确下述概念：缺陷：是指产品、或服务、或过程的输出没有达到顾客要求或超出规格规定。
缺陷机会数：是指产品、或服务、或过程的输出可能出现缺陷之处的数量，如：一块线路板有200个焊点就有200个出现焊接缺陷机会；一张申请表有15个栏目就有15个出现填表缺陷的机会。
如果我们统计了过程输出的缺陷数和缺陷机会数，我们就可以计算：机会缺陷率DPO（Defects Per Opportunity），即每次机会中出现缺陷的比率表示了每个样本量中缺陷数占全部机会数的比例。
由式5-6-3计算：例5.6.2假定这100块电路板中，每一个电路板都含有100个缺陷机会，若在制造这100个电路板时共发现21个缺陷。
6西格玛过程能力分析
6西格玛过程能力分析六西格玛过程能力分析是一种用于衡量和改进过程质量和效率的方法。
它基于六西格玛质量管理体系，旨在降低过程的变异性，提高过程的稳定性和能力。
过程能力表示一个过程在一定的条件下能够达到的最大状态，即过程在实际操作中实现目标的能力。
而过程能力分析则是通过对过程进行量化分析，以确定过程的能力水平，从而为改进和优化过程提供指导。
六西格玛过程能力分析通常包括以下几个步骤：1.确定关键因素：通过对过程的分析和理解，确定影响过程性能的关键因素。
这些因素可以是人力、设备、材料、方法等各个方面。
2.收集数据：收集与关键因素相关的数据，并进行准确和全面的记录。
数据可以包括产品质量指标、过程时间、过程成本等。
3.数据分析：对收集到的数据进行统计分析，探索数据的分布特征、关系和趋势。
常用的数据分析方法包括直方图、散点图、箱线图等。
4. 过程能力计算：根据统计分析的结果，计算过程的能力指标。
常用的过程能力指标有过程能力指数(Cpk)、过程稳定性指标(Pp/Ppk)等。
Cpk衡量了过程实际产出与规格要求的允许范围之间的关系，而Pp/Ppk衡量了过程的分布性能和稳定性。
5.过程改进和控制：根据过程能力分析的结果，确定过程改进和控制的措施。
可以使用各种质量工具和方法，如因果图、5W1H分析、PDCA循环等，来改进和优化过程，提高过程能力。
六西格玛过程能力分析的核心是准确收集和分析数据，并通过数据分析结果来评估过程的能力水平。
通过这种方法，可以合理评估现有过程的能力，找出存在的问题和不足之处，并采取相应的改进措施，以提高过程的质量和效率。
总的来说，六西格玛过程能力分析是一种重要的质量管理方法，它可以帮助组织了解过程的能力水平，发现问题和改进机会，并通过改进过程来提高产品和服务的质量。
通过六西格玛的实施，组织可以不断精益求精，持续提高自身的核心竞争力。
6西格玛咨询的过程绩效度量管理指标
6西格玛咨询的过程绩效度量管理指标过程绩效即过程输出的绩效，用来度量过程绩效的数据包括离散型数据(也称计数值数据或属性值数据)和连续型数据(也称计量值数据)。
6西格玛咨询管理中常用的过程绩效离散型度量指标有：单位缺陷数、机会缺陷率和百万机会缺陷数等计点值指标，最终合格率、一次合格率、流通合格率等计件值指标。
下面是过程绩效离散型度量指标是基本概念。
单位(unit)：过程加工过的对象，或传递给顾客的一个产品及一次服务。
缺陷((defect)：产品(或服务)没有满足顾客的要求或规格标准。
缺陷机会：单位产品上可能出现缺陷的位置或机会(缺陷机会与缺陷的度量应保持一致)。
确定缺陷机会数时可以分三步：列出可能出现缺陷类型的清单；判定哪一种缺陷是顾客特别关心的、真实发生的缺陷，用其他标准来复核产生缺陷机会的数目。
1、单位缺陷数(defects per unit，DPU)。
单位产品上平均的缺陷个数。
它由以下公式计算：2、机会缺陷率(defects per opportunity，DPO)。
每次机会中出现缺陷的比率，表示样本中缺陷数占全部机会数的比例。
它由下式计算：3、百万机会缺陷数(defects per million opportunity，DPMO)，DPO常以百万机会的缺陷数表示，即：DPMO=DPO×1064、最终合格率(process final yield，PFY)。
过程最终的合格率通常是指通过检验的最终合格单位数占过程全部投产单位数的比例。
但是，此种质量评价方法不能计算该过程的输出在通过最终检验前发生的返工、返修的损失。
这里我们把返工等叫做“隐蔽工厂” (hidden factory)，隐蔽工厂不仅出现在制造过程，同时也出现在服务过程。
5、一次合格率(first time yield，FTY)。
第一次就把事情做对，由没有经返工返修便通过的过程输出单位数而计算出的合格率。
6、流通合格率(rolled throughput yield，RTY)。
六西格玛质量管理体系
六西格玛质量管理体系六西格玛（Six Sigma）是一种全面的质量管理体系，以精益的方法、数据驱动的分析和持续改进为基础，旨在减少变异、提高质量水平并实现业务的全面优化。
本文将针对六西格玛质量管理体系展开详细论述，从定义、原理、方法以及实施步骤等方面进行阐述。
一、定义六西格玛质量管理体系是一种以减少缺陷和变异为目标，通过使用统计方法和项目管理的原则来改进业务过程的管理方法。
它将关注点放在了减少质量问题、提高产品和服务质量以及降低成本上。
这一管理体系的核心目标是将过程的极限变异控制在六个标准差之内，以确保质量的稳定和一致性。
二、原理六西格玛质量管理体系遵循了一系列原理和理念，包括：1. 以客户为中心：六西格玛强调将客户需求作为一切工作的核心，并通过不断改进来满足客户的期望和需求。
2. 数据驱动决策：六西格玛依赖于数据来支持和指导管理决策，通过统计方法和数据分析来解决问题，提高过程和产品的性能。
3. 过程优化：六西格玛将业务过程视为关键要素，通过流程分析和改进来提高效率和质量，并降低变异性。
4. 团队协作：六西格玛倡导团队合作和协作，通过多学科和跨职能的团队合作来实现改进目标。
三、方法六西格玛质量管理体系采用了一系列方法和工具来实现质量的改进和持续优化，其中主要包括：1. DMAIC方法：DMAIC是六西格玛最常用的实施方法，包括定义（Define）、测量（Measure）、分析（Analyze）、改进（Improve）和控制（Control）五个步骤。
通过这一循环过程，团队可以识别问题、收集数据、分析原因并实施改进措施，最终达到质量改进的目标。
2. 流程映射：流程映射是用于显示和分析业务流程的工具，它通过绘制流程图和标识关键环节，有助于识别瑕疵和问题以及改进的机会。
3. 统计分析：统计分析是六西格玛中常用的工具之一，通过收集和分析数据，应用统计技术来了解过程的性能和变异性，并找到优化的机会。
4. 设计实验：通过设计实验来测试和验证假设，确定最佳的工艺参数和条件，以实现过程的优化和稳定。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
6西格玛管理过程中的多种数据类型分析
在六西格玛管理项目实施的过程中，需要不断地与数据打交道，需要不断地依据数据进行决策，需要处理各种数据，是利用数据来量化流程的表现，即利用数据来测量流程能力。
但是从统计的角度来说，这些测量数据可以分为两种基本类型，即连续型数据和非连续或离散型数据。
连续型数据(continuous data)：也称为计量型数据，指用连续坐标进行测量并得出的数据，或者说用测量仪器或量具测量的可以连续取值的数据。
连续型数据记录的是一个输出单位上某一特性的测量结果，如尺寸、重量、时间、温度等。
连续型数据的特点是反映产品或流程的特性，是量的问题，可以比较敏感地反映特性过程的变化，包含的信息丰富。
连续型数据测量单位可以进行细分，并且有一定的实际意义。
在统计分析时，可以利用较少的样本量获得分析结论。
但一般来说，连续型数据均使用一种度量单位，如米、千克、小时等，对测量手段要求较高，测量成本较高。
非连续型数据或离散型数据(discrete data)：也可以称为计数数据。
离散型数据可分为可区分型数据和可数型数据。
可区分型数据记录单位是否满足顾客的需要，即好与坏、合格与不合格的问题，如合格/不合格、通过/失败、是/否、接受/不接受等。
可数型数据是记录一个输出单位所包含的缺点数，如裂纹数量、缺陷数量等。
离散型数据在反映流程的变化方面不如连续型数据那样敏感，只反映是否满足顾客的需要、反映缺陷发生的次数，所包含的信息少。
离散型数据在统计分析过程中，往往需要大量的样本量或较长的测量周期才能得出分析结论。
但一般来说，离散型数据只是类别的信息，对测量手段和精度要求不高，测量成本低。
连续型数据属于正态分布，可区分型数据属于二项分布，可数型数据属于泊松分布。
正态分布：大家比较熟悉，图形为钟形，左右对称，曲线下面积为1。
正态分布的两个重要
的参数：平均值和标准差，如图7-3所示。
二项分布：从一个篮子里拿出烂苹果的机会有多大?二项分布是说，有一个篮子有50个苹果，据历史经验15%的苹果会是坏的，那么从篮子拿50个都是好的机会是多少?有1个是烂的机会是多少?有2个是烂的机会是多少?
泊松分布：它的属性是产品中有多少个缺陷。
根据以上所述，在收集数据时尽可能使用连续型数据。
使用哪种数据要根据顾客的需要来确定，当只需要了解一个输出单位是否合格时，则选用可区分型数据，如付款的准时和延误、服务的好坏等；当只需要了解一个输出单位的缺点数时，则选用可数型数据，如一份合同的错误数、一份订单的漏填项数、一条焊缝的气孔数、一米布匹的疵点数等；当需要了解一个输出单位的某一特性，则选用连续型数据，如客服中心的回复时间、开一份发票的时间、一个零件的直径、货物的重量等。