六西格玛之分析阶段S842多变量分析p55.pptx
合集下载
六西格玛基础知识课件PPT课件
日期 4月1日 4月2日 4月6日 4月7日 4月8日 4月9日 4月11日 4月12日 4月13日 4月14日 4月15日 4月16日 4月18日 4月19日 4月20日 4月21日 4月22日 4月23日 4月25日 4月26日 4月27日 4月28日 4月29日 4月30日
上班时间数据表(单位：分钟）
自己
仔细 效率 主动性 坚持原则 创新
4
课程回顾
1、什么是6
sigma是希腊字母, 是一个用来表示标准差的统计单位. 它衡量数据的分散程度；
Sigma水平 是业绩水平的一个普适性衡量指标. 它是衡量我们所提供的产品或服务 满足客户要求能力的指标. 流程的sigma水平越高, 产品或服务满足客户要求的百 分比就越高, 缺陷也越少.
定义阶段测量阶段分析阶段分析阶段改迚阶段改迚阶段控制阶段控制阶段步骤dmaicqc聚焦关键问题选课题确定ctq和y现状调查制定项目计划设定目标测量系统分析分析原因过程能力分析确定主要原因查找潜在关键因素制定对策确定关键因素实施对策产生改迚方案检查效果验证改迚结果固化措施10固化改迚结果总结及下一步打算六西格玛dmaic模式六西格玛dmaic模式目录目录六西格玛dmaic模式第二部分第二部分第二部分第二部分第三部分第三部分第三部分第三部分第五部分第五部分第五部分第五部分六西格玛dmaic模式第一部分第一部分第一部分第一部分六西格玛dmaic模式第四部分第四部分第四部分第四部分六西格玛案例分享第六部分第六部分第六部分第六部分10定义阶段目的通过对客户需求对产品质量以及流程表现等方面迚行分析找出影响客户感知和流程绩效的关键问题幵确定为六西格玛项目
33
定测 分 改 控 义量 析 进 制
回忆一下：测量阶段分为那三个步骤？ 测量系统分析、过程能力分析、寻找潜在关键因素
六西格玛之分析阶段 S8 42 多变量分析 p55
鉴别输入和输出变量
工具 • C&E 矩阵 • FMEA • 鱼刺图 • 短期流程能力
示例 •不同的作业者 •不同的设备 •不同的班次
噪音输入变量
(离散型)
可控的输入变量
示例 •温度 •压力 •时间
工具 • 散点图 • 相关 • 回归
工程
噪音输入变量 (连续型)
示例 •室温 •大气压力 •相对湿度 •原材料某特征参数
0 - .004
XX X
X X
X
X XX
Spec. Limit X X
X
Pc. No.:
Time: Day:
123
12 3
9:30 a.m.
2:00 p.m.
Apr. 18
12 3 7:45 a.m.
123 1:30 p.m.
Apr. 19
Three Sequential Units at Four Time Intervals
多变量研究 -14-
计划多变量研究
1.确定研究范围或领域：
－确定要研究的最大过程系列（设备？生产线？机器？工具？班次？） －如果有多个流（例如生产线），考虑仅采用表现特别突出的流以
节省精力。 －确定是否在单元内抽样
多变量研究 -15-
计划多变量研究（续）
2.确定研究的时间分布图
查清楚单元是否可连续抽样 确定哪些因素构成一个短时间间隔 确定哪些因素构成一个长时间间隔 确定在短期和长期之间是否可使用时间间隔
练习 2：多变量显示
Finish Thickness
Example of Multi-vari display
0.05
Day 1
Day 2
Back Front
精益六西格玛分析手法课件
因果图也称为鱼骨图，是一种用于表示因果关系的图形工具。
通过因果图，可以分析和表示一个结果或目标与其相关的影响因素之间的关系。因果图有助于识别潜在的原因和解决方案，帮助团队聚焦于问题的根本原因。
直方图是一种用于表示数据分布的图形工具。
通过直方图，可以展示数据的频数、频率或概率分布。直方图有助于识别数据的中心趋势、离散程度和异常值，为进一步的数据分析和改进提供基础。
定义（Define）
明确问题，确定改进目标。
测量（Measure）
收集数据，评估当前过程能力。
分析（Analyze）
分析数据，识别关键影响因素。
设计（Design）
设计新的过程或产品，优化解决方案。
验证（Validate）
验证新设计的有效性，确保达到预期目标。
03
04
05
系统方法
采用系统方法论，综合考虑整个产品或过程的生命周期。
详细描述
价值流分析是一种系统性的方法，用于评估产品或服务从概念到交付给客户的整个过程中的所有活动。它可以帮助企业识别哪些活动是增值的，哪些活动是不必要的，从而优化流程并降低成本。
总结词
总结词
5S管理是一种现场管理方法，包括整理、整顿、清扫、清洁和素养五个方面。
详细描述
5S管理是精益生产中的重要工具，用于提高工作效率、减少浪费并确保工作场所的安全。通过整理、整顿和清扫，企业可以保持工作区域的整洁和有序，从而提高生产效率和产品质量。
根据监控结果，及时调整控制计划，确保改进成果的持续性和稳定性。
调整控制计划
05
CHAPTER
精益六西格玛工具与技术
VS
流程图是一种可视化工具，用于表示一个过程或系统的各个步骤和活动。
通过因果图，可以分析和表示一个结果或目标与其相关的影响因素之间的关系。因果图有助于识别潜在的原因和解决方案，帮助团队聚焦于问题的根本原因。
直方图是一种用于表示数据分布的图形工具。
通过直方图，可以展示数据的频数、频率或概率分布。直方图有助于识别数据的中心趋势、离散程度和异常值，为进一步的数据分析和改进提供基础。
定义（Define）
明确问题，确定改进目标。
测量（Measure）
收集数据，评估当前过程能力。
分析（Analyze）
分析数据，识别关键影响因素。
设计（Design）
设计新的过程或产品，优化解决方案。
验证（Validate）
验证新设计的有效性，确保达到预期目标。
03
04
05
系统方法
采用系统方法论，综合考虑整个产品或过程的生命周期。
详细描述
价值流分析是一种系统性的方法，用于评估产品或服务从概念到交付给客户的整个过程中的所有活动。它可以帮助企业识别哪些活动是增值的，哪些活动是不必要的，从而优化流程并降低成本。
总结词
总结词
5S管理是一种现场管理方法，包括整理、整顿、清扫、清洁和素养五个方面。
详细描述
5S管理是精益生产中的重要工具，用于提高工作效率、减少浪费并确保工作场所的安全。通过整理、整顿和清扫，企业可以保持工作区域的整洁和有序，从而提高生产效率和产品质量。
根据监控结果，及时调整控制计划，确保改进成果的持续性和稳定性。
调整控制计划
05
CHAPTER
精益六西格玛工具与技术
VS
流程图是一种可视化工具，用于表示一个过程或系统的各个步骤和活动。
六西格玛分析阶段
六西格玛分析阶段
2020/11/6
六西格玛分析阶段
第七步 确定关键因素
六西格玛分析阶段
目录
一、分析阶段目的 二、图表分析 三、多变量分析
六西格玛分析阶段
第一部分 分析阶段目的
六西格玛分析阶段
分析阶段要做什么
分析阶段的目的：
➢ 通过对数据的分析，确认
在测量阶段得出的对Y有
影响的重要X’s
定义、测量
➢ 比率检验： 1 Proportion, 2 Proportions, Chi-square test （总体>=2）
回归分析
六西格玛分析阶段
第二部分 图表分析
六西格玛分析阶段
引入图表分析的目的
用图形对测量阶段找出的变量(KPIV)的 “形态”进行描述，通过视觉来判断变量是 否满足我们的期望，确定是否关键的KPIV
➢我们想了解某些过程的基本信息 例如:1.顾客投诉问题的处理时间 2.加工尺寸 3.输出功率 …………… 与我们的要求(期望)有什么差异?
➢通过分布分析可以解决以上问题
六西格玛分析阶段
确认基本统计量－描述性统计 描述性统计（Descriptive Statistics）可提供多种图表和数据 的平均值及标准差，偏度，峰度，置信区间，正态分布等信息， 帮助我们确认基本统计量。
六西格玛分析阶段
图表分析的步骤
选定要分析的变量 搜集及整理数据 进行图表分析 结果解释
重点:可靠数据的收集和正确的图表解释
六西格玛分析阶段
选择要分析的变量
我们要分析的变量来自测量阶段的结果, 在利用图表分析前我们首先要确定变量的类 型、分析的目的、选择什么方法等
六西格玛分析阶段
搜集及整理数据
2020/11/6
六西格玛分析阶段
第七步 确定关键因素
六西格玛分析阶段
目录
一、分析阶段目的 二、图表分析 三、多变量分析
六西格玛分析阶段
第一部分 分析阶段目的
六西格玛分析阶段
分析阶段要做什么
分析阶段的目的：
➢ 通过对数据的分析，确认
在测量阶段得出的对Y有
影响的重要X’s
定义、测量
➢ 比率检验： 1 Proportion, 2 Proportions, Chi-square test （总体>=2）
回归分析
六西格玛分析阶段
第二部分 图表分析
六西格玛分析阶段
引入图表分析的目的
用图形对测量阶段找出的变量(KPIV)的 “形态”进行描述，通过视觉来判断变量是 否满足我们的期望，确定是否关键的KPIV
➢我们想了解某些过程的基本信息 例如:1.顾客投诉问题的处理时间 2.加工尺寸 3.输出功率 …………… 与我们的要求(期望)有什么差异?
➢通过分布分析可以解决以上问题
六西格玛分析阶段
确认基本统计量－描述性统计 描述性统计（Descriptive Statistics）可提供多种图表和数据 的平均值及标准差，偏度，峰度，置信区间，正态分布等信息， 帮助我们确认基本统计量。
六西格玛分析阶段
图表分析的步骤
选定要分析的变量 搜集及整理数据 进行图表分析 结果解释
重点:可靠数据的收集和正确的图表解释
六西格玛分析阶段
选择要分析的变量
我们要分析的变量来自测量阶段的结果, 在利用图表分析前我们首先要确定变量的类 型、分析的目的、选择什么方法等
六西格玛分析阶段
搜集及整理数据
六西格玛PPT课件
每年457， 909封信邮寄 错误
每年有6770 封信邮寄错 误
68，800 8800 230 3.4
第29页/共157页
产出率 93.32000% 99.1200％
99.97700% 99.99966％
6 SIGMA不仅研究“平均”，同时更关注“波动（散布）”！
s
波 动 （ 散 布 ） 大
平 均 发 生 偏 移
理解标准偏差 (σ)
● 标准偏差的概念
平均值
1
2
3
4
5
距离
距离
距离
距离
距离
➢ 计算1，2，3，4，5等5个数据的平均值。 ➢计算每个数据与平均值之间的距离。 ➢累加所有距离并除以数据个数。 ➢ 结果就是 Sigma = 平均距离
即，所谓标准偏差就是指数据到中心值距离的平均偏差值。
s = (x - x)2或s = (x - x)2
第20页/共157页
2、六西格玛管理 “六西格玛很可能是这100年来，我们学到一切关于品质
理论的集结总成。”
----美国品质协会前主席华森
ISO9000:2000的定义
在ISO9000:2000版中，质量就是一组固有特性满足要 求的程度。一般以满足要求的程度来衡量质量的好坏，如 果满足了要求，质量就被评价为比较好；如果不满足要求 ，则称质量比较差。
课程安排
教学目的及要求： ➢掌握六西格玛管理的基本理论和方法； ➢了解实现六西格玛管理的步骤 ； ➢树立起开展六西格玛管理战略的理念 。
学习方法： ➢预习教材（记下疑难问题） ➢认真听讲（做好笔记） ➢再看教材（再提出问题讨论）
第1页/共157页
第一章 六西格玛管理概述
本章要点： • 一、六西格玛管理产生的背景 • 二、六西格玛管理的概念 • 三、六西格玛管理的一般推进过程
每年有6770 封信邮寄错 误
68，800 8800 230 3.4
第29页/共157页
产出率 93.32000% 99.1200％
99.97700% 99.99966％
6 SIGMA不仅研究“平均”，同时更关注“波动（散布）”！
s
波 动 （ 散 布 ） 大
平 均 发 生 偏 移
理解标准偏差 (σ)
● 标准偏差的概念
平均值
1
2
3
4
5
距离
距离
距离
距离
距离
➢ 计算1，2，3，4，5等5个数据的平均值。 ➢计算每个数据与平均值之间的距离。 ➢累加所有距离并除以数据个数。 ➢ 结果就是 Sigma = 平均距离
即，所谓标准偏差就是指数据到中心值距离的平均偏差值。
s = (x - x)2或s = (x - x)2
第20页/共157页
2、六西格玛管理 “六西格玛很可能是这100年来，我们学到一切关于品质
理论的集结总成。”
----美国品质协会前主席华森
ISO9000:2000的定义
在ISO9000:2000版中，质量就是一组固有特性满足要 求的程度。一般以满足要求的程度来衡量质量的好坏，如 果满足了要求，质量就被评价为比较好；如果不满足要求 ，则称质量比较差。
课程安排
教学目的及要求： ➢掌握六西格玛管理的基本理论和方法； ➢了解实现六西格玛管理的步骤 ； ➢树立起开展六西格玛管理战略的理念 。
学习方法： ➢预习教材（记下疑难问题） ➢认真听讲（做好笔记） ➢再看教材（再提出问题讨论）
第1页/共157页
第一章 六西格玛管理概述
本章要点： • 一、六西格玛管理产生的背景 • 二、六西格玛管理的概念 • 三、六西格玛管理的一般推进过程
六西格玛分析阶段.ppt
为了解LEG2 总交货时间是否有关系， 项目组创建散点图。
56
使用散点图
57
使用散点图
1 2
58
使用散点图
1
2
3
59
使用散点图
60
案例研究——使用散点图
根据案例研究中的信息， 与同事一起工作制订Minitab散点图。
61
案例研究——使用散点图
在更大范围内讨论你对散点图作出的解释。
62
使用图形分析工具
82
分析阶段回顾
识别变动源 应用图形分析工具
回顾分析工具
83
80 60 40 20
0 D
4月1日 —— 6月30日
单元数量: 200
100
90
80
70
60
50
40
30
20
10
0
B
F
A
C
E 其他
D —— 错件 B —— 交货拖延 F —— 组装不正确
A —— 缺陷件 C —— 无法得到的零件 E ——规范丢失
17
累积 百分数
如果不能坚持 Pareto 图原理怎么办
项目组要了解汽车动力系规格是否 以任意方式影响到交货时间。
20
使用 Pareto 图工具
21
使用Pareto图工具
1
2
3
22
使用Pareto图工具
1 2
23
使用Pareto图工具
24
案例分析 —— Pareto 图练习
用案例研究中的说明，构造 Pareto图， 解释与讨论Pareto图。
25
5 0
填空位置时间
1 2 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
56
使用散点图
57
使用散点图
1 2
58
使用散点图
1
2
3
59
使用散点图
60
案例研究——使用散点图
根据案例研究中的信息， 与同事一起工作制订Minitab散点图。
61
案例研究——使用散点图
在更大范围内讨论你对散点图作出的解释。
62
使用图形分析工具
82
分析阶段回顾
识别变动源 应用图形分析工具
回顾分析工具
83
80 60 40 20
0 D
4月1日 —— 6月30日
单元数量: 200
100
90
80
70
60
50
40
30
20
10
0
B
F
A
C
E 其他
D —— 错件 B —— 交货拖延 F —— 组装不正确
A —— 缺陷件 C —— 无法得到的零件 E ——规范丢失
17
累积 百分数
如果不能坚持 Pareto 图原理怎么办
项目组要了解汽车动力系规格是否 以任意方式影响到交货时间。
20
使用 Pareto 图工具
21
使用Pareto图工具
1
2
3
22
使用Pareto图工具
1 2
23
使用Pareto图工具
24
案例分析 —— Pareto 图练习
用案例研究中的说明，构造 Pareto图， 解释与讨论Pareto图。
25
5 0
填空位置时间
1 2 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
六西格玛介绍PPT课件
-
2
三、 6的意义与计算 1、DPU的意义与计算 2、DPMO的意义与计算 3、DPMO与X的转换 4、工序指数Cp、Cpk与6 的关系 5、3与6的比较
四、 6战略 1、质量的概念不再只局限于产品的质量 2、 6是公司文化的中心 3、 6的组织架构 4、制造业与6
五、 6战术 （DMAIC) （演示一个6项目） 1、Define (定义) 2、Measure (测量) 3、Analysis (分析) 4、Improve (改进) 5、Control (控制)
-
7
在美国99%的合格率(2.6)将意味着:
b每小时丢失20,000个邮件 p每天有 15 分钟喝上不安全的水 h每周作错 5,000 次手术 j在大部分主要机场, 每天有两次过长或过短的着陆
s 每年开出 200,000 个填错的处方 g 每月大约会停电7 小时
6的标准是在一百万次机会当 只有3.4 次出错
First Pass Yield(一次合格率)=全过程中未产生任何缺陷的单元数/总单元数
Rolled Yield (单元的缺陷数为零的几率） （The likelihood that any given unit of product will contain 0 defects)
e YRT= -DPU
DPO (Defects per Opportunity)=Defects/TOP (每个机会中产生的缺陷数）=缺陷数/总机会
DPMU(Defects per million units)=DPUx 106 （每百万单元中的缺陷数）
-
20
计算个数的概念与公式（非连续数据）
DPMO (Defects per Million Opportunities) = Defects / TOP x 106 = 缺陷数 / TOP x 106
六西格玛的讲解课件
分析结果表明评价人与基准表现出的一致性良好。
注：“1”为合格；“0”为不合格。 基于上述信息，判定该测量系统中，评价人 ABC均接受，该测量系统符合要求。
四、六西格玛方法体系
M阶段过程能力分析
单值控制图显 示控制限制范围 之外有 1 个点， 控制限制范围之 内有 7个点，表 示有非随机模式 ，从而说明存在 特殊原因 。 移动极差控 制图显示没有一 个点高于控制上 限。说明生产流 程还是有效的， 工程控制也是有 效的。
一、六西格玛导入
2、起源与发展
让6 sigma管理模式 声名大振的还是美国通用 电气公司（GE），自 1995年推行6 sigma管理 模式以来，由此所产生的 效益每年呈加速度递增： 每年节省的成本为右图； 利润率从1995年的13.6％ 提升到1998年的16.7％。
一、六西格玛导入
2、起源与发展
有效性 ≥90%
96.0% 98.0% 96.0%
A B C
结论：
1 31 1 31.0 1 119 0 119.0 0 150 1 150.0 1 C1 0.92 1 0.94 0 --1
总 计 1 1 1 1.00 1 1 0.00 1 计算 C 1 30 误发警报的比例 1漏发警报的比例 1 1 期望的计算 24.0 30.0 0 0 1.00 120 ≤ 2% 0 计算 ≤5% 119 期望的计算 96.0 120.0 0 0 0 150 2.00% 2.00%120 1 1 1 计算 总计 期望的计算 120.0 150.0 1 1 1 Kappa Kappa≥0.75 ） 0.00% 2.00% 1 1分析结果（要求： 1 1 1 A C 1 1 1 1 1B 2.00% 2.00% 0.96 0.98 0.96 0 0 Kappa 0 0 0 1 1 1 1 1 结论：
- 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)。
1.面板内的变化 2. 单元之间的变化 3. 从上午到下午的变化 4. 每日的变化
多变量研究 -12-
练习 2：多变量显示
对下列变化，您能谈些什么：
面板内的变化？ 面板之间的变化？ 从上午到下午的变化？ 每日的变化？
多变量研究 -13-
练习 2：多变量显示答案
➢ 1.单元内的漆层厚度差别在所有抽样周期
Step 9- Vital Few X’的选定
Improve Control
噪音变数研究
主焦点
首先研究不可控的噪音变量！
➢ 噪音变量散布产生长期的和严重的平均值移动和散布变化， 从而导致工程不稳定
➢ 如果有可能，我们必须首先在系统地度量重要可控输入变量之前 祛除这些散布源。
多变量研究 -2-
鉴别输入和输出变量
Day 1
Day 2
Back Front
0.04
0.03 0.02
1 2
3 0.01
AM
PM
AM
PM
Panel
1 2 3 1 2 3 12 3 1 23
Sample， 3 consecutive panels at one time.
此多变量图显示四个变化系列。我们绘制了在一条喷漆生产线中生产出的面板前后的漆层 厚度尺寸。
计划多变量研究（续） 4.收集样品。
5.测量样品。
6.绘制样品数据。
如果数据结构允许（见下一节中的讨论），可使用 Minitab 中 的 Stat>Quality Tools>Multi-Vari Chart。
用于画一个图以汇总信息
多变量研究 -17-
Measurement Scale Measurement Scale
短期与长期
测量系列 标准度量 R&R
多变量研究 -10-
练习 1：多变量图在工作中的可能应用 对您希望减少变化的工作情况列出可能的变化来源。 情况：
可能来源：
多变量研究 -11-
练习 2：多变量显示
Finish Thickness
Example of Multi-vari display
0.05
多变量研究 -6-
应何时使用它？ 多变量分析应在“分析”步骤中使用，以补充过程分
析和分层。它通常在分层分析之后进行。
多变量研究 -7-
计划多变量研究：概述
A. 预备工作
B. 主要工作
1. 定义研究范围或领域
选择与问题有关的产品 特性（在“定义”或“ 测量”步骤中完成）
2. 定义样品选择的时间 分布图
工具 • 箱图 • 主效果和交互作用 • ANOVA, T-检验
关键的工程输出
可控与不可控
(整个左环)
影响反应 的因子
有影响的 噪音但不
可控制
噪音因子， 我们只能在 实验中操纵
控制因子 和 “保持不变”
的因子
对反应没 有影响的
因子
对于噪音变量应该具体 问题具体分析，情况不 同，噪音变量也不同
噪声不是一成不变的
工具 • C&E 矩阵 • FMEA • 鱼刺图 • 短期流程能力
示例 •不同的作业者 •不同的设备 •不同的班次
噪音输入变量
(离散型)
可控的输入变量
示例 •温度 •压力 •时间
工具 • 散点图 • 相关 • 回归
工程
噪音输入变量 (连续型)
示例 •室温 •大气压力 •相对湿度 •原材料某特征参数
多变量研究 -3-
多变量图
下面是三种模式，显示多变量图如何识别不同的变化系列
6
5
1
4
3
2
1
1.000
9
8
7
6
0.995
4
3
= Time-to-Time Variation
1
0.990
Unit No. Time:
1234 5
12 3 4 5
9:30 a.m.
1:45 p.m.
1st Shift
12 3 4 5 5:00 p.m.
多变量研究 -4-
(整个右环)
在实验中可 控制的因子
在现实中可控制
这是个什么工具？
多变量分析有助于您查看响应变量（该变量可与潜在原因 变量相关）中的变化模式。这里所使用的特定工具称为多变 量图。
多变量图的示意图
测量
多变量研究 -5-
件之间
件内
时间或情况变化
时间或情况变化
为什么这个工具很有用？
多变量分析有助于将多个潜在原因大大减少，以便进 行详细研究（例如，通过设计的实验）。它还可帮助 您限制可能需要研究的潜在变量。
12 3 4 5 1-:15 p.m.
2nd Shift
Five Sequential Units at Four Time Intervals
3. 制订收集产品样品的 详细计划
列出感兴趣的特性变化 的潜在因素（原因）
4. 收集样品 5. 测量样品 6. 绘制样品数据 7. 分析结果
多变量研究 -8-
变化系列（组成部分）
生产环境中的典型变化系列可聚集成子群： 单元系列：
单元内变化（Within-Piece） ：单元内或产品内在不同点不同的
多变量研究
( Multi-Vari Studies )
多变量研究 -0-
路径位置
Define Measure Analyze
Step 7- Data 收集 Step 8- Data 分析
多变量研究 中心极限定理 假设检验 置信区间 方差分析，均值检验 卡方检验 相关/回归分析
多变量研究 -1-
测量或结果
单元之间（Piece-to-Piece） ：一个单元与另一个单元之间（子
群内变化） 子群之间
流之间（Location-to-Location） ：供应商之间，生产线之间，机器之间，工具之间，操作员 Nhomakorabea间，等等
多变量研究 -9-
变化系列（组成部分）（续）
时间系列（Time-to-Time）
（单元之间，从上午到下午和每日）大致保持不变， 没有任何一面的漆层厚于另一面。
➢ 2.面板之间的变化在一天之中和每一天大致保持不变。 ➢ 3.每天上午每组样品的平均值比下午要高。 ➢ 4.第 1 天的值范围与第 2 天的值范围近似相等。
多变量研究 -14-
计划多变量研究
1.确定研究范围或领域：
－确定要研究的最大过程系列（设备？生产线？机器？工具？班次？） －如果有多个流（例如生产线），考虑仅采用表现特别突出的流以
节省精力。 －确定是否在单元内抽样
多变量研究 -15-
计划多变量研究（续）
2.确定研究的时间分布图
查清楚单元是否可连续抽样 确定哪些因素构成一个短时间间隔 确定哪些因素构成一个长时间间隔 确定在短期和长期之间是否可使用时间间隔
3.建立数据收集计划
（参见前面讨论的“数据收集”计划格式。）
多变量研究 -16-
多变量研究 -12-
练习 2：多变量显示
对下列变化，您能谈些什么：
面板内的变化？ 面板之间的变化？ 从上午到下午的变化？ 每日的变化？
多变量研究 -13-
练习 2：多变量显示答案
➢ 1.单元内的漆层厚度差别在所有抽样周期
Step 9- Vital Few X’的选定
Improve Control
噪音变数研究
主焦点
首先研究不可控的噪音变量！
➢ 噪音变量散布产生长期的和严重的平均值移动和散布变化， 从而导致工程不稳定
➢ 如果有可能，我们必须首先在系统地度量重要可控输入变量之前 祛除这些散布源。
多变量研究 -2-
鉴别输入和输出变量
Day 1
Day 2
Back Front
0.04
0.03 0.02
1 2
3 0.01
AM
PM
AM
PM
Panel
1 2 3 1 2 3 12 3 1 23
Sample， 3 consecutive panels at one time.
此多变量图显示四个变化系列。我们绘制了在一条喷漆生产线中生产出的面板前后的漆层 厚度尺寸。
计划多变量研究（续） 4.收集样品。
5.测量样品。
6.绘制样品数据。
如果数据结构允许（见下一节中的讨论），可使用 Minitab 中 的 Stat>Quality Tools>Multi-Vari Chart。
用于画一个图以汇总信息
多变量研究 -17-
Measurement Scale Measurement Scale
短期与长期
测量系列 标准度量 R&R
多变量研究 -10-
练习 1：多变量图在工作中的可能应用 对您希望减少变化的工作情况列出可能的变化来源。 情况：
可能来源：
多变量研究 -11-
练习 2：多变量显示
Finish Thickness
Example of Multi-vari display
0.05
多变量研究 -6-
应何时使用它？ 多变量分析应在“分析”步骤中使用，以补充过程分
析和分层。它通常在分层分析之后进行。
多变量研究 -7-
计划多变量研究：概述
A. 预备工作
B. 主要工作
1. 定义研究范围或领域
选择与问题有关的产品 特性（在“定义”或“ 测量”步骤中完成）
2. 定义样品选择的时间 分布图
工具 • 箱图 • 主效果和交互作用 • ANOVA, T-检验
关键的工程输出
可控与不可控
(整个左环)
影响反应 的因子
有影响的 噪音但不
可控制
噪音因子， 我们只能在 实验中操纵
控制因子 和 “保持不变”
的因子
对反应没 有影响的
因子
对于噪音变量应该具体 问题具体分析，情况不 同，噪音变量也不同
噪声不是一成不变的
工具 • C&E 矩阵 • FMEA • 鱼刺图 • 短期流程能力
示例 •不同的作业者 •不同的设备 •不同的班次
噪音输入变量
(离散型)
可控的输入变量
示例 •温度 •压力 •时间
工具 • 散点图 • 相关 • 回归
工程
噪音输入变量 (连续型)
示例 •室温 •大气压力 •相对湿度 •原材料某特征参数
多变量研究 -3-
多变量图
下面是三种模式，显示多变量图如何识别不同的变化系列
6
5
1
4
3
2
1
1.000
9
8
7
6
0.995
4
3
= Time-to-Time Variation
1
0.990
Unit No. Time:
1234 5
12 3 4 5
9:30 a.m.
1:45 p.m.
1st Shift
12 3 4 5 5:00 p.m.
多变量研究 -4-
(整个右环)
在实验中可 控制的因子
在现实中可控制
这是个什么工具？
多变量分析有助于您查看响应变量（该变量可与潜在原因 变量相关）中的变化模式。这里所使用的特定工具称为多变 量图。
多变量图的示意图
测量
多变量研究 -5-
件之间
件内
时间或情况变化
时间或情况变化
为什么这个工具很有用？
多变量分析有助于将多个潜在原因大大减少，以便进 行详细研究（例如，通过设计的实验）。它还可帮助 您限制可能需要研究的潜在变量。
12 3 4 5 1-:15 p.m.
2nd Shift
Five Sequential Units at Four Time Intervals
3. 制订收集产品样品的 详细计划
列出感兴趣的特性变化 的潜在因素（原因）
4. 收集样品 5. 测量样品 6. 绘制样品数据 7. 分析结果
多变量研究 -8-
变化系列（组成部分）
生产环境中的典型变化系列可聚集成子群： 单元系列：
单元内变化（Within-Piece） ：单元内或产品内在不同点不同的
多变量研究
( Multi-Vari Studies )
多变量研究 -0-
路径位置
Define Measure Analyze
Step 7- Data 收集 Step 8- Data 分析
多变量研究 中心极限定理 假设检验 置信区间 方差分析，均值检验 卡方检验 相关/回归分析
多变量研究 -1-
测量或结果
单元之间（Piece-to-Piece） ：一个单元与另一个单元之间（子
群内变化） 子群之间
流之间（Location-to-Location） ：供应商之间，生产线之间，机器之间，工具之间，操作员 Nhomakorabea间，等等
多变量研究 -9-
变化系列（组成部分）（续）
时间系列（Time-to-Time）
（单元之间，从上午到下午和每日）大致保持不变， 没有任何一面的漆层厚于另一面。
➢ 2.面板之间的变化在一天之中和每一天大致保持不变。 ➢ 3.每天上午每组样品的平均值比下午要高。 ➢ 4.第 1 天的值范围与第 2 天的值范围近似相等。
多变量研究 -14-
计划多变量研究
1.确定研究范围或领域：
－确定要研究的最大过程系列（设备？生产线？机器？工具？班次？） －如果有多个流（例如生产线），考虑仅采用表现特别突出的流以
节省精力。 －确定是否在单元内抽样
多变量研究 -15-
计划多变量研究（续）
2.确定研究的时间分布图
查清楚单元是否可连续抽样 确定哪些因素构成一个短时间间隔 确定哪些因素构成一个长时间间隔 确定在短期和长期之间是否可使用时间间隔
3.建立数据收集计划
（参见前面讨论的“数据收集”计划格式。）
多变量研究 -16-