六西格玛改进阶段.pptx
- 文档编号:18683999
- 上传时间:2023-09-08
- 格式:PPTX
- 页数:72
- 大小:441.11KB
六西格玛改进阶段.pptx
《六西格玛改进阶段.pptx》由会员分享,可在线阅读,更多相关《六西格玛改进阶段.pptx(72页珍藏版)》请在冰点文库上搜索。
GB改进阶段GB第五章:
主要内容第五章:
主要内容5.1改进阶段基本任务是什么?
5.2怎样揭示y和x间的内在规律?
5.3如何确定项目改进的优化方案?
5.4如何评估、验证和实施改进方案?
GB5.1改进阶段基本任务是什么5.1.1改进阶段的步骤寻找解决问题的改进措施,提出改进建议、目标和方法,应用头脑风暴法集思广益,并充分应用统计技术、方法,提高解决问题的效率和效果。
(x的方案)对改进方案进行综合比较分析,从中挑选优化的方案。
(x方案的投入、可行性、技術性等進行考慮)对改进方案进行验证,确认有效性后努力实施取得成效精心设计策划,估计可能出现的困难和阻力并加以克服。
GB5.1改进阶段基本任务是什么5.1.2收集、分析相关数据6SIGMA是基于数据的决策方法,强调用数据说话,而不是凭直觉、凭经验办事。
6SIGMA其实是一项以数据为基础,追求几乎完美无暇的管理方法。
6SIGMA是工程技术人员应用统计技术精确调整产品生产过程的有效方法。
GB5.1改进阶段基本任务是什么6SIGMA带来know-know的开发。
在改进阶段要优化改进方案,寻找关键质量特性y与原因变量x间的内在规律,就需要研究不同因子x在不同水平下与y的关系,并开展试验分析活动。
例如:
应用正交试验设计DOE方法时,对选用几个因子和几个水平需要作出总体安排,这些因子与水平的确定十分重要,这些数据来源于对已有实践数据的统计汇集和分析,以找出问题发生的原因并分析优化方案的合理范围,使能合理地确定影响关键质量特性的关键因子的水平范围,使试验能高效地开展,做到事半功倍。
GB5.1改进阶段基本任务是什么yx1x2x3x5x4GB5.1.4改进阶段注意要点要为解决存在的潜在问题提供一系列的可行方案、措施,并进行提炼、优化;要寻找真正的具有创新性的改进方案,并使之具有可操作性;要事先做好细致的规划,力争做到事半功倍;要对改进方案进行评估和验证,实施评估和验证可以证实改进方案的效果,并使大家对改进团队充满信心;(可以先做小量驗證)要对改进过程中可能会遇到的困难和阻力提出防范措施;要做好信息交流沟通,当成果有效并获得成功时,别忘了让团队成员分享快乐!
5.1改进阶段基本任务是什么GB5.2揭示y与x间的内在规律5.2.1一元线性回归第4章分析階段的例题讨论了碳含量与钢的强度之间有正相关关系,那么,如果我们知道了碳含量,能预测钢的强度吗?
或钢的强度可能在什么范围内呢?
还有,随着碳含量的增加,钢的强度也在增大,那么,碳含量每增加1个单位,钢强度增加多少呢?
上面的相关关系分析不能提供给我们需要的答案。
这些要用线性回归的方法来解决。
当我们知道了两个变量之间有线性相关关系时,一个变量的变化会引起另一个变量的变化,但是由于存在其他随机因子的干扰,因此这两个变量之间的关系不是严格的函数关系式。
线性回归就是用来描述随机变量y如何依赖于变量x而变化的。
GB在线性回归中通常假定随机变量y的观察值是由两部分组成,一部分是随x线性变化的部分,用表示,另一部分是随机误差,用表示,那么就有y的结构式:
一般还假定,我们的任务是通过独立收集的n组数据去估计参数,记为则得y关于x的一元线性回归方程:
5.2.1一元线性回归01xbb+01yxbbe=+()20,Nes:
(),1,2,iixyin=L01,bb01,bb01yxbb=+GB为估计回归系数,常采用最小二乘法。
其思路是:
若y与x之间有线性相关关系,就可以用一条之间来描述它们之间的相关关系。
由y与x的散点图,可以画出直线的方法很多。
那么我们希望找出一条能够最好地描述y与x(代表所有点)之间的直线。
这里“最好”是找一条直线使得这些点到该直线的纵向距离的平方和最小。
可以通过求导函数的方法求得与的最小二乘估计,其表达式为:
5.2.1一元线性回归0b1b()()()1121niixyinxxiixxyyLLxxb=-=-01yxbb=-0b1bGB5.2.1一元线性回归对第4章例题的数据,求碳含量与钢的强度之间的回归方程可以通过MINITAB中的Stat-Regression-Regression得到如下结果:
RegressionAnalysis:
yversusxTheregressionequationisy=28.5+131xPredictorCoefSECoefTPConstant28.4931.58018.040.000x130.8359.68313.510.000S=1.319R-Sq=94.8%R-Sq(adj)=94.3%AnalysisofVarianceSourceDFSSMSFPRegression1317.82317.82182.550.000ResidualError1017.411.74Total11335.23GB以上得到的回归方程是:
若要系数更精确些,可以利用下面的结果写出:
这就是我们求得的二者关系的回归方程。
该方程对应的回归直线,一定经过与两点。
5.2.1一元线性回归28.5131yx=+28.493130.835yx=+()00,b(),xyGB5.2.2回归方程显著性检验由最小二乘法所得的回归直线是不是真正反映了y与x之间的关系?
要回答这个问题必须经过某种检验或者找出一个指标,在一定可靠程度下,对回归方程进行评价。
在一元线性回归模型中斜率是关键参数,若,那么x变化时y不会随之而变化,此时求得的回归方程就没有意义。
反之,若,那么方程是有意义的。
所以对回归方程的显著性检验就是对如下的假设进行检验:
1b10b=10b11:
0Hb01:
0Hb=GB5.2.2回归方程显著性检验在一元线性回归中进行检验有两种等价的方法:
方法之一,相关系数r,对于给定的显著性水平,当相关系数r的绝对值大于临界值时,便认为两个变量间存在线性相关关系,所求得的回归方程是有意义的。
方法之二,是用方差分析的方法,这个方法具有一般性。
在我们收集到的数据中,各不同,他们之间的波动可以用总偏差平方和ST表示:
12
(2)rna-()2,1TiTSyyfn=-=-12,nyyyLGB造成这种波动的原因有两个方面:
一是当变量y与x线性相关时,x的变化会引起y的变化;另一个原因是除了自变量x的线性函数以外的一切因子,统统归结为随机误差。
我们可以用回归平方和SR与残差平方和SE分别表示由这两个原因引起的数据波动,其中:
(即自变量的个数)可以证明有平方和分解式:
5.2.2回归方程显著性检验()2,1RiRSyyf=-=()2,EiiETRSyyfff=-=-TERfff=+TERSSS=+GB计算F比:
对给定的显著性水平,当时,认为回归方程是有意义的。
5.2.2回归方程显著性检验()1,REFFffa-RREESfFSf=GB上述叙述可以列成方差分析表方差分析表方差分析表在MINITAB计算结果的后面部分给出了方差分析表,F=182.55,对应P值0.000,若取显著性水平0.05,那么由于P值小于0.05,所以方程是有意义的。
来源偏差平方和自由度均方和F比回归SRfRSR/fR残差SEfESE/fETSTfT5.2.2回归方程显著性检验RREESfFSf=GB5.2.3利用回归方程做预测当求得了回归方程,并经检验确认回归方程是显著的,则可以将回归方程用来做预测。
所谓预测是指当x=x0时对相应的y的取值y0所作的推断。
如果x=x0,那么y的预测值为:
另外,我们还可以给出y0的预测区间:
在x=x0时随机变量y0的取值与其预测的值总会有一定的偏离。
人们要求这种绝对偏差不超过某个的概率为1-,其中是事先给定的一个比较小的数(030),t分布可以用标准正态分布近似进一步。
若x0与相差不大时,可以近似取为:
其中是标准正态分布的1-/2分位数。
yx下图给出在不同x值上预测区间的示意图:
在处预测区间最短,远离的预测区间愈来愈长,呈喇叭状。
5.2.3利用回归方程做预测()yyxd=+()yyxd=-010yxbb=+xxd12uads-蛔12ua-xx=xGB我们也可以在MINITAB中获得这一预测值,在x0=0.16时的预测值如下:
PredictedValuesforNewObservationsNewObsFitSEFit95.0%CI95.0%PI149.4260.381(48.577,50.276)(46.366,52.487)ValuesofPredictorsforNewObservationsNewObsx10.160结果表明,当x0=0.16,则得到预测值为49.426,置信度95%的预测区间是(46.366,52.487)。
5.2.3利用回归方程做预测GB学习用minitab来操作Select:
Statregressionregression数据输入GB学习用minitab来操作输入因变量输入自变量GB学习用minitab来操作输出并分析结果GB回归的案例练习合金的强度y与合金中的碳含量x(%)有关。
为了生产出强度满足顾客要求的合金,在冶炼时应该如何控制碳的含量?
如果在冶炼过程中通过化验得知了碳的含量,能否预测者炉合金的强度。
GB回归的案例练习数据如下序号X(%)Y(Pa)序号X(%)Y(Pa)10.1042.070.1649.020.1143.580.1753.030.1245.090.1850.040.1345.5100.2055.050.1445.0110.2155.060.1547.5120.2360.0请画出散布图、计算相关系数、回归方程;如果X=0.22,请预测Y并计算置信区间。
GB實際練習請打開下列的執行程式。
請練習溫度和良率之間的關係。
利用簡單的線性回歸。
請利用二次式的回歸請利用三次式的回歸請評估那一個回歸方式會更好。
應用程式GB5.3如何确定项目改进的优化方案5.3.1试验设计概述一家专门作西装裤的服装公司,想要比较四种不同布料:
麻纱、棉质、丝质和毛料做出来的西装裤,哪一种布料的西装裤最耐穿?
于是,每种布料做10条西装裤,提供给40位志愿试穿的人各穿6个月,试穿期间每周穿4天,然后再拿回来比较裤子破损的情形。
但这里有一个问题是,即使同一种布料作的裤子,给不同人试穿,其破损的程度都不尽相同,何况不同种布料作的呢?
换句话说,我们如何分辨哪些破损是由于人为的因素?
哪些是因为布料本身的耐磨?
还是一些其他因素的影响?
GB5.3.1试验设计概述试验设计目的确定潜在的少数变量x是否对响应变量y有影响;确定这些有影响的变量x值在什么范围内使响应变量y几乎围绕目标值波动;确定x的值以改变响应变量分布的均值,并减少其波动;确定具有影响的x值使其不可控变量的影响最小,即使响应变量对外部环境的变化是稳健的。
GB5.3.1试验设计概述试验设计分类全因子试验设计(FullFactorialDesign)部分因子试验设计(FractionFactorialDesign)响应曲面方法(ResponseSurfaceMethodology)田口试验设计(RobustParameterDesign)混料设计(MixtureDesign)调优运算(EvolutionaryOperation)GB5.3.2试验设计的思路进入提出试验问题理解目前状况响应变量选择策划后续试验后续管理验证试验试验设计选择实施试验数据分析分析结果及其结论因子及水平选择试验设计选择GB1)试验问题的提出)试验问题的提出。
明确的提出问题有助于理解所要解决隐含问题的现象。
2)对目前状况的理解)对目前状况的理解。
为试验问题收集尽可能多的相关历史数据是很有必要的,这有助于理解现在的状况。
可以从文献或者涉及的各个方面收集信息,如加工、质量保证、制造、市场、操作人员等等。
3)响应变量的选择)响应变量的选择。
选择合适的响应变量,还要考虑响应变量是如何度量的,这种度量的精度应得到保证。
4)因子及其水平的选择)因子及其水平的选择。
试验者必须选择影响响应应变量的关键变量x(因子),x的选择可以使用项目分析阶段的技术。
应用于试验中的因子的值(水平)必须仔细选择。
通常选用两个或三个水平,最多不宜超过五个水平是比较合适的,水平的范围在试验者感兴趣的区域内应该尽可能的大。
5.3.2试验设计的思路GB5.3.2试验设计的思路55)试验设计的选择)试验设计的选择。
这一步是试验设计流程的核心。
试验者通过考虑因子的数目、水平多少、所有可能的水平组合、试验成本以及可利用的时间等,来选择合适的试验设计。
6)实施试验)实施试验。
这是一个实际收集数据的过程。
试验者应该注意尽可能的使试验环境保持一致。
另外,精确地测量试验结果,获得高质量数据也应加以注意。
7)数据分析)数据分析。
应采用诸如方差分析和参数估计等统计方法。
目的就是通过数据分析,找到前面提出地试验问题地所有可能的信息。
8)分析结果以其结论)分析结果以其结论。
分析完数据后,试验者就必须对他的统计结果坐工程解释,估计它们对提出的试验问题的实际含义,并为提出的问题给出结论。
GB9)验证试验)验证试验。
在把结果提交给他人和在采取实际行动之前,试验者需要实施一个确认试验来评估试验结论的再现性。
10)后续管理)后续管理。
试验者将结果提交给他人并采取一些必要的保证措施(行动)。
为了支持由试验得出的这个改进,需要紧跟着行动,例如操作条件的标准化和检查表与控制图的使用等,来评估试验的后续影响。
1111)后续试验计划)后续试验计划。
通常,由于试验问题没有彻底解决,建议进行进一步的试验。
试验通常是一个反复的过程,一次试验只能解决问题的一部分,希望后续的试验能处理未解决的问题。
5.3.2试验设计的思路GB5.3.3正交试验设计正交试验设计是使用正交表来安排试验和分析数据的一种方法。
正交表(orthogonalarrays)于1947年由C.R.Rao所创,后被田口玄一(Taguchi)简化推广,它在所有研究领域中非常重要,在统计上,主要被用于试验设计。
正交表有许多,下表为L9(34)正交表。
这里“L”是正交表的代号,“9”表示表的行数,在试验中表示要做9个不同条件的试验,“4”表示表的列数,在试验中表示最多可以安排4个因子,“3”表示表的主体,在试验中它代表因子水平的编号,即用这张表安排试验时每个因子应取3个不同水平(1,2,3)。
GB5.3.3正交试验设计12341234511111222133321232231列号试验号试验号列号123467892312313232133321L9(34)GB正交表的正交性:
每列中不同的数字重复次数相同。
在正交表L9(34)中,水平1,2,3,各出现3次。
将任意两列(因子)的同行数字看成一个组合,那么一切可能组合重复次数相同。
在表L9(34)中,任意两列有9种可能的组合:
(1,1),(1,2),(1,3),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3),每一对各出现一次。
5.3.3正交试验设计GB5.3.4正交设计与数据分析举例:
磁鼓电机是彩色录像机磁鼓组件的关键部分之一,按质量要求其输出力矩应大于210gcm。
某生产厂过去这项指标的合格率较低,从而希望通过试验找出好的条件,以提高磁鼓电机的输出力矩。
GB在安排试验时,一般应考虑如下几步:
1)1)明确试验目的明确试验目的:
在本例中试验的目的时提高磁鼓电机的输出力矩。
2)2)响应变量的选择响应变量的选择:
响应变量就是试验指标,它用来判断试验条件的好坏,在本例中直接用输出力矩作为考察指标,该指标越大表明试验条件越好,即它是一个望大特性。
3)3)确定因子与水平确定因子与水平:
在试验前首先要分析影响指标的因子时什么,每个因子在试验中取哪些水平。
在本例中,经分析影响输出力矩的可能因子有三个,它们是:
A:
充磁量B:
定位角度C:
定子线圈匝数5.3.4正交设计与数据分析GB123A:
充磁量(10-4T)B:
定位角度(/180)rad)C:
定子线圈匝数(匝)90011001300101112708090水平因子并根据各因子的可能取消范围,经专业人员分析研究,决定在本试验中采用如下水平,见下表:
5.3.4正交设计与数据分析GB44)试验设计的选择)试验设计的选择:
选用合适的正交表,进行表头设计,列出试验计划。
(1)选正交表:
首先根据在试验中所考察的因子水平数选择具有该水平数的一类正交表,再根据因子的个数具体选定一张表。
在本例中所考察的因子是三水平的,因此选用三水平正交表,又由于现在只考察三个因子,所以选用L9(34)即可。
(22)进行表头设计:
选定了正交表后把因子放到正交表的列上去,称为表头设计,在不考虑交互作用的场合,可以把因子放在任意的列上,一个因子占一列。
5.3.4正交设计与数据分析GB譬如在本例中将三个因子分别置于前三列,将它写成如下的表头设计形式:
表头设计ABC列号12345.3.4正交设计与数据分析GB(33)列出试验计划:
有了表头设计便可写出试验计划,只要将因子的列中的数字换成因子的相应水平即可,不放因子的列就不予考虑。
本例的试验计划可以这样得到:
将第一列的1,2,3分别换成充磁量的三个水平900,1100,1300,将第二列的1,2,3分别换成定位角度的三个水平10,11,12,将第三列的1,2,3分别换成定子线圈匝数的三个水平70,80,90,则得试验计划(见下表)。
表中第一号试验的条件是充磁量取900*10-4T,定位角度取10*(/180)rad,定子线圈取70匝。
其他各号试验条件类似得到。
5.3.4正交设计与数据分析GB123456789
(1)900
(1)10
(1)70
(1)900
(2)11
(2)80
(1)900(3)12(3)90
(2)1100
(1)10
(2)80
(2)1100
(2)11(3)90
(2)1100(3)12
(1)70(3)1300
(1)10(3)90(3)1300
(2)11
(1)70(3)1300(3)12
(2)80160215180168236190157205140列号试验号充磁量/10-4T定位角度(/180)rad定子线圈匝数/匝试验结构y输出力矩/(g*cm)5.3.4正交设计与数据分析GB5)实施试验实施试验有了试验计划后就可以按其进行试验,为了避免事先某些考虑不周而产生系统误差,因此试验的次序最好要随机化,然后将试验结果记录在对应的试验条件右侧。
例题的试验结果见前表的最后一列。
此外试验要由经过专业培训的试验人员去做,试验结果要用合格的测量仪表进行测量,测量仪表要经过校正,这样测得的结果准确、可靠,还要防止记录错误。
5.3.4正交设计与数据分析GB6)数据分析数据分析
(1)数据的直观分析数据的直观分析在例题中考虑了三个三水平因子,其所有不同的试验条件共有27个,现用正交表L9(34)去挑选。
试验的目的是想找出哪些因子对指标是有明显影响的,各个因子的什么样的水平组合可以使指标达到最大。
这可以利用正交表的特点进行数据分析。
仍然结合例题进行叙述。
为方便起见,把试验结果写在正交表的右边一列上(见下表),并分别用y1,y2,.y9表示,所有计算可以在表上进行。
5.3.4正交设计与数据分析GBa)a)寻找最好的试验条件寻找最好的试验条件我们来看第一列,该列中的1,2,3分别表示因子A的三个水平,按水平号将数据分为三组:
“1”对应y1,y2,y3,“2”对应y4,y5,y6,“3”对应y7,y8,y9。
“1”对应的三个试验都采用因子A的一水平进行试验,但因子B的三个水平各参加了一次试验,因子C的三个水平也参加了一次试验。
这三个试验结果的和与水平值分别为:
T1=y1+y2+y3=160+215+180=555,类似的我们分别计算“2”和“3”对应的三个试验结果的和与水平均值为:
T2=y4+y5+y6=168+236+190=594,T3=y7+y8+y9=157+205+140=502,5.3.4正交设计与数据分析185/3TT11198/3TT223.671/3TT333TGB表头设计ABCy试验号列号1234123456789111112221333212222312312313232133321160=y1215=y2180=y3168=y4236=y5190=y6157=y7205=y8140=y9T1T2T3555485555594656523502510573185161.7185198218.7174.3167.3170191R30.75716.7直观分析计算表5.3.4正交设计与数据分析1T2T3TGB由以上可知,各水平值之间的差异(T1,T2,T3之间的差异也一样)只反映了因子A的三个水平间的差异,因为这三组试验条件除了因子A的水平有差异外,因子B与C的条件是一致的,所以可以通过比较这三个平均值的大小看出因子A的水平的好坏。
从这三个数据可知因子A的二水平最好,因为其水平均值最大。
这种比较方法称为“综合比较”。
以上计算的结果列在前表下方。
以上计算还可以对第二、第三列上类似进行,其结果都列在表5.3.4的下方。
由此可知,因子B取二水平好,因子C取三水平好。
综上可知,使指标达到最大的条件是A2B2C3,即充磁量取1100*10-4T,定位角度取11(/180)rad,定子线圈取90匝可以使输出力矩达到最大。
5.3.4正交设计与数据分析321,TTTGBb)各因子对指标影响程度大小的分析各因子对指标影响程度大小的分析这可从各个因子的“极差”来看,这里指的一个因子的极差是该因子所有水平均值的最大值与最小值的差,因为极差大的话,则改变这一因子的水平会对指标造成较大的变化,所以该因子对指标的影响大,反之,影响就小。
在本例中因子A的极差为:
RA=198-167.3=30.7对因子B、C可同样计算,它们被置于前表的最下面一行。
从三个因子的极差可知因子B的影响最大,其次是因子A,而因子C的影响最小。
5.3.4正交设计与数据分析GBC)C)各因子不用水平对指标的影响图各因子不用水平对指标的影响图为直观起见,可以将每个因子不同水平均值画成一张图,见图5.3.2,从图上可以明显看出每一因子的最好水平A2,B2,C3,也可以看出各个因子对指标影响的大小,RBRARC123123123220205190175160ABCRARBRC因子各水平对输出力矩的影响5.3.4正交设计与数据分析GB
(2)
(2)数据的方差分析数据的方差分析在数据的直观分析中是通过极差额大小来评估各个因子对指标影响的大小,那么极差要小到什么程度可以认为该因子对指标值已经没有显著的差别了呢?
为回答这一问题,需要对数据进行方差分析。
在方差分析中,我们假定每一试验是独立进行的,每一试验条件下的试验指标服从正态分布,这些分布的均值与试验的条件有关,可能不等,但它们的方差是相等的。
方差分析中的平方和分解、F统计量的构建和显
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 六西格玛 改进 阶段
![提示](https://static.bingdoc.com/images/bang_tan.gif)