04 全套六西格瑪培訓(xùn)資料改進(jìn)

1、階段目的主要活動輸出物對成果的現(xiàn)水準(zhǔn)測定。 導(dǎo)出潛在Xs導(dǎo)出通過分析的 Vital Few Xs 對Vital Few Xs的最佳條件(方案)設(shè)定,適用及效果的確認(rèn)構(gòu)筑為了維持成果的管理體系通過VOC/ VOB/COPQ分析 Project選定，定義 分析 DOE 樹立管理計劃Project 選定 Vital Few Xs 目錄 數(shù)學(xué)模型/最佳條件 管理計劃書 Project 定義現(xiàn)水準(zhǔn)確認(rèn) Project 實行計劃書 工程能力分析 水準(zhǔn) 優(yōu)先順序化的 Xs目錄 成果的 顯示化 對策方案選定 最佳解決方案 管理圖 SOP 標(biāo)準(zhǔn)化Define(定義)Measure(測定)Analyze(分析)I

2、mprove(改善) 導(dǎo)出潛在 XsControl(管理) DATA 收集 DATA 收集計劃 Improve Measure Define Analyze ControlIMPROVE概要 MeasureDefineAnalyzeImproveControl方法論 Improve 概要 DOE 介紹 完全要因?qū)嶒?對策方案選定controlImprove 階段知道影響Project Y的重要的 Xs. 使用這 Xs決定解決問題的對策。 為此對Xs的最佳設(shè)定值或最佳對策的決定，進(jìn)行對策方案的選定步驟。 查明Project是否適用DOE或是否必要選定對策方案 決定改善戰(zhàn)略為了決定滿足改善目標(biāo)的對

3、策，執(zhí)行改善戰(zhàn)略。 這按如下能達(dá)成。 試驗的進(jìn)行或者對策方案的試用 DATA分析 按必要修整和反復(fù)識別輸入變量的性質(zhì) 連續(xù)性或者離散性以不同價值或形態(tài)而可以設(shè)定 例: 溫度 (Temperature) 職員的經(jīng)歷程度 供給者(Supplier) 位置(Location)決定X性質(zhì)DOE 適用對策方案選定 有可以試驗的多樣而 獨立的對策方案 例: Process流程 Process標(biāo)準(zhǔn)化 改善意思溝通 開發(fā)數(shù)學(xué)MODEL 決定X的最佳狀態(tài)或組合改善戰(zhàn)略 . . .假如 . . .Xs主要是連續(xù)性，想知道 X之間的關(guān)系和Xs與Y之間的關(guān)系時。 Xs主要是不連續(xù)性，但在各種水準(zhǔn)下被決定，有必要預(yù)測P

4、rocess是怎么反映時。Improve 戰(zhàn)略的適用類型 必要適用DOE時 Process流程問題最佳化 Process 標(biāo)準(zhǔn)化 開發(fā)實用性的解決策改善戰(zhàn)略 . . .假如 . . .重要Xs為Process流程的問題 因標(biāo)準(zhǔn)化的運營不足而造成重要Xs我能發(fā)現(xiàn)具體問題Improve 戰(zhàn)略的適用類型 必要對策方案選定時 改善戰(zhàn)略的選擇決定X性質(zhì)DOE 適用對策方案選定 想知道Xs之間的關(guān)系,Xs與Y是什么樣的關(guān)系時，或者有必要 預(yù)測Process是怎樣反應(yīng)時。可能的 Tool : DOE 選擇數(shù)學(xué)MODEL 選擇Xs的最佳狀態(tài)或 Xs的最佳組合。 例Six Sigma Team 著手進(jìn)行在 信用

5、卡申請書中遺漏或縮小不易的項目的Project.Team考慮了6種重要的X. 為了計量化Xs對申請書作成的的影響，必要最佳樣式設(shè)計或形式的決定。重要的X研究設(shè)置如下。 申請書包括信用相關(guān)用語(是 / 不是) 申請書包括作成指針(是 / 不是) 包括必須記載項目的標(biāo)記(是 / 不是) 包括記載數(shù)字情報的Box的周長(是 / 不是) 保險情報的位置(本文內(nèi)/外) Page安排(人物照片/ 風(fēng)景)活用DOE方法，選定Team是對Project有影響力的X， 信用相關(guān)用語, 必須記載項目的標(biāo)記, 保險情報的位置. 還有從 Main Effects Plots中決定了各各 X最佳形式。決定X 性質(zhì)DOE

6、 適用對策方案選定改善戰(zhàn)略的選擇 Process 流程的最佳化 例Team著手進(jìn)行縮短信用卡申請書處理時間的作業(yè).分析三個不同地點的Process后, 他們決定需要改善現(xiàn)在的Process中如下問題點。 各Process最少包括了占全部處理時間70%的非附加價值業(yè)務(wù)階段。 申請書里有個欄,需要得到6名管理者的承認(rèn)。 與危險程度或金額無相關(guān)，所有申請書都經(jīng)過了同一的Process。 未完成申請書使用到Process最終階段。與各領(lǐng)域的專家一起，Team開發(fā)試驗了沒有附加價值的文件作業(yè)和縮減要求文件的別的Process。 他們在標(biāo)準(zhǔn)申請書中需接受管理者的承認(rèn)從5個縮減到1個。還附加改善了為危險度低

7、申請者的迅速的步驟。以及未完成申請書還給顧客。 這樣的改善結(jié)果把危險度低申請時的發(fā)放許可時間從45天縮短到5天,標(biāo)準(zhǔn)樣式的作成份量也比第一次減少了40% 。 決定X 性質(zhì)DOE 適用對策方案選定改善戰(zhàn)略的選擇Process 標(biāo)準(zhǔn)化 例Six Sigma Team成員，進(jìn)行了Process變動和電子控制裝置的組裝，以及為減少Process時間的Project 。 通過作業(yè)流程分析，知道了以制品設(shè)計變更的結(jié)果，3個部分獨立的Process， 給倉庫的其它領(lǐng)域也帶來影響。 現(xiàn)進(jìn)行的Process不是文述化和標(biāo)準(zhǔn)化。在 組裝Process中，導(dǎo)致了頻繁的遲延，也發(fā)生了很多廢氣物。 在調(diào)查各 Proce

8、ss以后，Team成員 構(gòu)筑了對所有制品的總括性作業(yè)流程，最終決定為適用于各制品。Six Sigma Team成員 與各部門的專家一起，構(gòu)筑并檢討了總括性作業(yè)流程圖。最終CFT(Cross-Functional Team)，開發(fā)、實驗并適用了符合組裝各制品的作業(yè)流程。改善戰(zhàn)備的選擇決定X 性質(zhì)DOE適用對策方案選定 實用性改善對策 例 Six Sigma Team 著手為提高裝備出租事業(yè)的銷售數(shù)和質(zhì)量的Project。 他們檢討全年度的顧客相談 ,分析出因顧客沒有得到對制品的充分的情報被競爭社搶走相當(dāng)數(shù)量的顧客。 Team成員對銷售的制品，進(jìn)行潛在教育，誘導(dǎo)到銷售。他們?yōu)榇碎_發(fā)了以下其它方法。

9、 預(yù)先大量發(fā)送印刷的促銷資料 設(shè)備的現(xiàn)場試演會 從原有顧客得到制品的證明書 對競爭社顧客宣傳。 提供免費使用設(shè)備。 對以上5種的實行結(jié)果，現(xiàn)場設(shè)備試演取得的成績很高。改善戰(zhàn)略的選擇決定X性質(zhì)DOE 適用對策方案選定完全要因?qū)嶒?Full Factorial Designs)MeasureDefineAnalyzeImproveControl方法論 Improve 概要 DOE 介紹 完全要因?qū)嶒?對策方案選定 學(xué)習(xí)目的完全要因?qū)嶒灥睦斫?- 完全要因?qū)嶒灥亩x和特征 - 主效果與交互作用的計算方法及分析 - 最佳條件導(dǎo)出方法2. 利用Minitab的完全要因?qū)嶒灥脑O(shè)計及分析理解 什么是完全要因

10、實驗什么是完全要因?qū)嶒?定義 對因子的全部水準(zhǔn)組合，任意抽樣實驗 Kn 要因?qū)嶒炇菍水準(zhǔn)、n個因子的所有水準(zhǔn)組合, (Kn)進(jìn)行實驗 - 22要因?qū)嶒炇?水準(zhǔn)、2個因子組成 - 23 要因?qū)嶒炇?水準(zhǔn)、3個因子組成 適合于特性化 /最佳化階段 對主效果和交互作用的效果都能進(jìn)行評價。所規(guī)定的實驗領(lǐng)域內(nèi)的全部過程（Point)中可以推定輸出 (反應(yīng))值。.通過反復(fù)實驗可以求出實驗誤差。 特性22 設(shè)計的標(biāo)準(zhǔn)排列因子的低水準(zhǔn)表示為“-” 或 “-1” 高水準(zhǔn)表示為 “+” 或 “+1” 22 要因?qū)嶒灥臉?biāo)準(zhǔn)排列如下。反應(yīng)溫度 濃度 - 1 - 1 +1 - 1 -1 +1 +1 +1 什么是完全要

11、因?qū)嶒?23 設(shè)計的標(biāo)準(zhǔn)排列22 要因?qū)嶒?3 要因?qū)嶒?3 要因?qū)嶒灠?22 要因?qū)嶒?。什么是完全要因?qū)嶒?主效果濃度的效果 = ( 對應(yīng)+的數(shù)合計 ) - ( 對應(yīng)-的數(shù)合計 ) / ( +(-) 符號數(shù) ) = ( 52 + 83 ) - ( 60 + 72 ) / 2 = 3/2 = 1.5-1 反應(yīng)溫度 +1+1濃度-160527283 濃度隨著濃度變化增加（低 - 高），數(shù)率平均也增加 1.5 左右。反應(yīng)溫度 濃度 -1 -1 +1 -1 -1 +1+1 +1 數(shù)率60725283主效果(Main Effect)意味著根據(jù)因子水準(zhǔn)變化的反應(yīng)值平均變化。即， 顯示因子對反應(yīng)值有多

12、大影響。 主效果 Plot反應(yīng)溫度對數(shù)率影響大，但濃度對此幾乎沒有影響。但此因子間交互作用，可能是歪曲的判斷結(jié)果，所以沒有交互作用的前提下才能說這結(jié)論是準(zhǔn)確。交互作用(Interaction Effect) 除了各因子的個別效果之外，因子組合特別效果有無？ 交互作用：因2因子以上特定因子水準(zhǔn)組合而出現(xiàn)的效果。 交互作用存在與否 - 一個因子的效果隨著另一個因子水準(zhǔn)的變化而變化時， 存在交互作用效果。交互作用-1 反應(yīng)溫度 +1+1濃度-160527283 = -8 = +11反應(yīng)溫度是高水準(zhǔn)(+1)時:隨著濃度由低水準(zhǔn)轉(zhuǎn)為高水準(zhǔn)時，數(shù)率增加 11反應(yīng)溫度是低水準(zhǔn)(-1)時 : 隨著濃度由低水準(zhǔn)

13、轉(zhuǎn)為高水準(zhǔn)，數(shù)率減少8濃度的效果隨著溫度水準(zhǔn)而不同，所以存在溫度與濃度的交互作用。交互作用(Interaction Effect)因反應(yīng)溫度與濃度之間有交互作用，所以不僅看主效果Plot，應(yīng)根據(jù)交互作用效果Plot判斷數(shù)率的變化。 交互作用效果 Plot交互作用(Interaction Effect) 交互作用的有無 B=+1B=-1 無交互作用狀態(tài)數(shù)率 -1 +1 A+1-1-1+1有交互作用 -1 +1 A數(shù)率+1-1-1+1 B=+1B=-1交互作用非常大數(shù)率 -1 +1 A+1-1-1+1 B=+1B=-1沒有交互作用時，對應(yīng)相對因子各水準(zhǔn)的輸出變量變化是平行。有交互作用時，對應(yīng)相對因

14、子各水準(zhǔn)的輸出變量變化是交叉或不平行。交互作用(Interaction Effect)完全要因?qū)嶒灥睦ㄟ^測定和分析階段，得知影響半導(dǎo)體制造A 工程數(shù)率(輸出變量)的因子(輸入變量)是溫度,濃度及壓力。1階段: 問題記述Process Engineer知道對半導(dǎo)體數(shù)率的溫度，濃度及壓力的效果。2階段: 設(shè)定因子及水準(zhǔn)，用Minitab作成實驗DATA SHEET 因子及水準(zhǔn) 反應(yīng)溫度 () : 160 (-1) , 180 (+1)B 濃度 (%) : 20% (-1) , 40% (+1)C 壓力(psi) : 5 psi (-1) , 10 psi (+1) 用Minitab作成實驗DAT

15、A SHEET 生成23 要因模型的設(shè)計。 : 2 X 2 X 2 = 8 個runs的完全要因?qū)嶒灐?因子數(shù)顯示可能的實驗設(shè)計Menu利用Minitab的完全要因?qū)嶒濩lick 用Minitab作成實驗DATA SHEET StatDOEFactorialCreate Factorial DesignStep 1確認(rèn)可能的實驗設(shè)計及根據(jù)被選取設(shè)計的實驗數(shù) 上表只能看出可能的實驗設(shè)計。在這個例中要做3因子完全要因?qū)嶒?Full Factorial Design)，所以對應(yīng)因子 3的實驗數(shù)為8 Click因子數(shù)實驗數(shù)Step 2 有8個runs的3變量完全要因?qū)嶒灐?不存在Block化要因Cli

16、ckClick中心點數(shù)反復(fù)數(shù)Block數(shù)實驗設(shè)計的選擇Step 3為實驗順序的Random化選擇ClickClick 需要Random化時， Minitab再排列實驗的標(biāo)準(zhǔn)順序。 Option 選擇Step 4指定實驗因子的名稱和水準(zhǔn)，使模型具體化。 ClickClick指定Factor的名稱及水準(zhǔn)Step 5分析結(jié)果中，選擇愿意輸出的部分。ClickClick指定分析結(jié)果輸出方法Step 6Create Factorial Design 實行結(jié)果ClickFactorial DesignFull Factorial DesignFactors: 3 Base Design: 3, 8 Run

17、s: 8 Replicates: 1 Blocks: none Center pts (total): 0All terms are free from aliasing( Session窗的內(nèi)容 )( Worksheet的內(nèi)容 )3階段: 實施實驗輸入DATA4 階段: 關(guān)于完全模型(Full Model)的ANOVA表作成利用Minitab的分析輸入分析的反應(yīng)變量ClickClickStat DOE Analyze Factorial DesignStep 1Normal & Pareto Plot的選擇畫Plot時使用的留意水準(zhǔn)ClickGraph 選擇Step 2ClickAnalyz

18、e Factorial Design 實行結(jié)果( 輸出圖表的選擇 )在留意水準(zhǔn)10%離上面的正態(tài)線越遠(yuǎn)效果越有影響。在本例中反應(yīng)溫度，反應(yīng)溫度*壓力的交互作用效果有影響。 利用Graph，認(rèn)定 哪些項按誤差項Pulling為好的參考資料。Analyze Factorial Design 實行結(jié)果 4 1 階段: 通過圖表確認(rèn)無影響的因子。 基準(zhǔn)線計算是知道留意水準(zhǔn)時在Minitab自動計算。得出與前面的 Normality Probability Plot相同結(jié)果。Graph比基準(zhǔn)線往右，被判斷為效果有影響。 在選定按誤差項Pulling的項時，一般來講把最高差的交互作用 ABC Pullin

19、g， 在 此例中，因BC的交互作用為0 ，所以，值得把此兩個項按誤差項Pulling 。 基準(zhǔn)線Analyze Factorial Design 實行結(jié)果沒有F和P值! 4-2 階段. Analyze Factorial Design 實行結(jié)果作成的ANOVA表有P值時根據(jù)P值選擇無影響的效果，但在這例中利用前Graph分析的結(jié)果。 為什么沒有P值？Analyze Factorial Design 實行結(jié)果5階段: 消除無影響的項，作成關(guān)于縮小模型(Reduced Model)的 ANOVA表。在分析項(Selected Terms)中 沒有ABC項和BC項，是因為 把此兩項，按誤差項Pull

20、ing的緣故。 ClickStep 1 Stat DOE Analyze Factorial DesignClick 在4-1 階段的Graph中消除效果小的項，重新實行Analyze( 關(guān)于縮小模型的ANOVA表 )Fractional Factorial Fit: 數(shù)率 versus 反應(yīng)溫度,濃度,壓力Estimated Effects and Coefficients for 數(shù)率 (coded units)Term Effect Coef SE Coef T PConstant 64.250 0.1768 363.45 0.000反應(yīng)溫度 23.000 11.500 0.1768 6

21、5.05 0.000濃度 -5.000 -2.500 0.1768 -14.14 0.005壓力 1.500 0.750 0.1768 4.24 0.051反應(yīng)溫度*濃度 1.500 0.750 0.1768 4.24 0.051反應(yīng)溫度*壓力 10.000 5.000 0.1768 28.28 0.001Analysis of Variance for 數(shù)率 (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 3 1112.50 1112.50 370.833 1E+03 0.0012-Way Interactions 2

22、204.50 204.50 102.250 409.00 0.002Residual Error 2 0.50 0.50 0.250Total 7 1317.50Step 2在ANOVA表中看p值時，消除沒有影響的效果( p值 0.05 )，(“Selected Terms”中不包括無影響的項)從新實行Analyze Stat DOE Analyze Factorial Design 實行Analyze Factorial Design時，為了殘差分析把 Residuals 和 Fits 儲存在Work sheet.ClickStep 3Click( 再縮小的ANOVA表 )把壓力因子放在模型

23、的理由是什么?6階段: 分析殘差圖(Residual Plots)確認(rèn)模型的適合性Stat Regression Residual Plots點以0(橫線)為中心，任意分布嗎?有脫離USL, LSL的點嗎?是不是正態(tài)分布Graph上的點表示殘差(Residual).假如殘差隨正態(tài)分布沒有管理脫離以0為中心任意分布，就判斷其分析結(jié)果得出的模型(數(shù)學(xué)式)是適合的。 7階段 : 主效果分析Step 1Stat DOE Factorial Factorial PlotsClickClick主效果 PlotStep 2Set-up: 選擇Plot包含的因子( 主效果 Plot )反應(yīng)溫度的效果最大，壓力

24、的效果幾乎是沒有。傾斜度越大效果也越大。數(shù) 率 8階段 : 在ANOVA表中分析有影響的交互效果Step 1Stat DOE Factorial Factorial PlotsClickClick交互效果 PlotStep 2Set-up: 選擇Plot包含的因子 ( 交互效果 Plot )交互作用幾乎沒有交互作用存在交互作用不存在 DATA的視覺化 立方形Graph DATA的視覺化 立方形 PlotStep 1Stat DOE Factorial Factorial PlotsClickClick立方形 PlotStep 2Set-up: 選擇Plot包含的因子數(shù)率最大化的因子的水準(zhǔn)是 ?

25、 立方形 Plot這個Graph視覺化反應(yīng)(輸出)值的分布情況。 9階段: 用ANOVA表的Coef敘述數(shù)學(xué)MODEL數(shù)率 = 64.25+11.5反應(yīng)溫度 - 2.5濃度 + 0.75壓力+ 5.0反應(yīng)溫度*壓力 欲分析的反應(yīng)變量移到 或者 . Stat DOE Factorial Response Optimizer利用Response Optimizer 完全要因?qū)嶒灧治龇椒A段10: 數(shù)學(xué)MODEL的意思轉(zhuǎn)換為Process用語Step 1Click反應(yīng)變量數(shù)率的規(guī)格為 79 81時，在 Goal里選擇 Target，Lower 里79, Upper里 81, Target里輸入 80

26、.完全要因?qū)嶒灧治龇椒⊿et-upStep 2ClickClick Search為定義，子鉤的始發(fā)點 輸入因子水準(zhǔn)的值。 這個值為輸入因子水準(zhǔn)的最大值 和最小值之間的值。輸出最佳化 Plot.完全要因?qū)嶒灧治龇椒∣ptionStep 3ClickClick滿足反應(yīng)變量的目標(biāo)值80的 code化的三個因子的水準(zhǔn)。 完全要因?qū)嶒灧治龇椒A段 11: 再現(xiàn)最佳條件。擬定下一個階段的實驗計劃 或適用變化的條件。結(jié)果分析及決定因子的最佳水準(zhǔn)Step 3移動這個 Line，因子的三個 Setting值有變化，y值及滿足度(d)值也改變。 有中心點的完全要因?qū)嶒灥?例2-水準(zhǔn)實驗設(shè)計時，只考慮輸入變量的2個

27、水準(zhǔn)， 隨時存在忽略曲線效果的危險。追加“中心點(Center points)”，因此不增加實驗次數(shù)也能檢定曲線效果。例: 作為Process Engineer想提高相互不同的2個die-castings的數(shù)率， 并且對溫度及壓力的2個輸入變量，有關(guān)心。 作為Engineer追加對 2x2 模型的5個中心點而執(zhí)行實驗， 決定要對實驗誤差及曲率效果，進(jìn)行推定。 輸入變量 溫度(Temp) 水準(zhǔn): 150(-1), 155(0), 160(+1) 壓力(Pressure) 水準(zhǔn): 30 (-1), 35(0), 40 (+1)1 階段: 問題記述 作為Process Engineer想提高相互不同

28、的2個die-castings的 數(shù)率，并且對溫度及壓力的2個輸入變量，有關(guān)心。 2 階段: 記述因子及水準(zhǔn)，生成 Minitab 實驗DATA SHEET 溫度: 150, 155, 160 壓力: 30, 35, 40 Stats DOE Create Factorial Design- Designs: Full Factorial, 5 Center points- Options: No randomization of runs- Factors: Specify names and levels3 階段: 實施實驗輸入DATA有中心點的完全要因?qū)嶒灥?例有中心點的完全要因?qū)嶒灥?

29、例3 階段: 實施實驗輸入DATATempPressYieldYield21503039.3039.301603040.9040.901504040.0040.001604041.5041.501553540.3042.301553540.5042.501553540.7042.701553540.2042.201553540.6042.60制品1的數(shù)率(Yield)制品2的數(shù)率(Yield)4階段: 作成對制品1數(shù)率(Yield)的 ANOVA表 Stat DOE Analyze Factorial DesignFractional Factorial FitEstimated Effect

30、s and Coefficients for Yield (coded units)Term Effect Coef StDev Coef T PConstant 40.4250 0.1037 389.89 0.000Temp 1.5500 0.7750 0.1037 7.47 0.002Press 0.6500 0.3250 0.1037 3.13 0.035Temp*Press -0.0500 -0.0250 0.1037 -0.24 0.821Ct Pt 0.0350 0.1391 0.25 0.814Analysis of Variance for Yield (coded units

31、)Source DF Seq SS Adj SS Adj MS F PMain Effects 2 2.82500 2.82500 1.41250 32.85 0.0032-Way Interactions 1 0.00250 0.00250 0.00250 0.06 0.821Curvature 1 0.00272 0.00272 0.00272 0.06 0.814Residual Error 4 0.17200 0.17200 0.04300 Pure Error 4 0.17200 0.17200 0.04300Total 8 3.00222曲率效果5階段: 消除沒有影響的項 縮小模型

32、(Reduced model) Stat DOE Analyze Factorial Design- Storage Residuals & FitsFractional Factorial FitEstimated Effects and Coefficients for Yield (coded units)Term Effect Coef StDev Coef T PConstant 40.4444 0.05729 705.99 0.000Temp 1.5500 0.7750 0.08593 9.02 0.000Press 0.6500 0.3250 0.08593 3.78 0.009

33、Analysis of Variance for Yield (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 2 2.82500 2.82500 1.41250 47.82 0.000Residual Error 6 0.17722 0.17722 0.02954 Curvature 1 0.00272 0.00272 0.00272 0.08 0.791 Lack of Fit 1 0.00250 0.00250 0.00250 0.06 0.821 Pure Error 4 0.17200 0.17200 0.0430

34、0Total 8 3.00222消除的項是什么?4-1 階段: 作成對制品 2數(shù)率(Yield2)ANOVA表 Stat DOE Analyze Factorial DesignEstimated Effects and Coefficients for Yield2 (coded units)Term Effect Coef StDev Coef T PConstant 40.4250 0.1037 389.89 0.000Temp 1.5500 0.7750 0.1037 7.47 0.002Press 0.6500 0.3250 0.1037 3.13 0.035Temp*Press -

35、0.0500 -0.0250 0.1037 -0.24 0.821Ct Pt 2.0350 0.1391 14.63 0.000Analysis of Variance for Yield2 (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 2 2.8250 2.82500 1.41250 32.85 0.0032-Way Interactions 1 0.0025 0.00250 0.00250 0.06 0.821Curvature 1 9.2027 9.20272 9.20272 214.02 0.000Residua

36、l Error 4 0.1720 0.17200 0.04300 Pure Error 4 0.1720 0.17200 0.04300Total 8 12.2022曲率效果5-1 階段: 消除沒有影響的項- 縮小模型(Reduced model) .Stat DOE Analyze Factorial Design- Storage Residuals & FitsEstimated Effects and Coefficients for Yield2 (coded units)Term Effect Coef StDev Coef T PConstant 40.4250 0.09341

37、432.78 0.000Temp 1.5500 0.7750 0.09341 8.30 0.000Press 0.6500 0.3250 0.09341 3.48 0.018Ct Pt 2.0350 0.12532 16.24 0.000Analysis of Variance for Yield2 (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 2 2.8250 2.82500 1.41250 40.47 0.001Curvature 1 9.2027 9.20272 9.20272 263.69 0.000Residu

38、al Error 5 0.1745 0.17450 0.03490 Lack of Fit 1 0.0025 0.00250 0.00250 0.06 0.821 Pure Error 4 0.1720 0.17200 0.04300Total 8 12.2022中心點怎么樣? 有影響嗎?6階段: 分析殘差圖確認(rèn)模型的適合性。Stat Regression Residual Plots制品2制品17階段: 在ANOVA表分析有影響的主效果 Stat DOE Factorial Plots Main Effects Plot Stat DOE Factorial Plots Cube Plot制

39、品2制品1因點脫離直線，可以知道有曲率效果。8階段: 在ANOVA表分析有影響的交互效果 Stat DOE Factorial Plots Interaction Plot 點在兩個直線的外面，可以知道有曲率效果。制品2制品19階段: 記述數(shù)學(xué)MODEL的結(jié)果制品 1的模型 與制品2的數(shù)率(yield2)相關(guān)，還沒得到有效的模型。 現(xiàn)在始點，只知道曲線 效果存在。從新設(shè)定水準(zhǔn)，再實行 DOE或反應(yīng)表面分析 (RSM).Yield = 40.44 + 0.775 * Temp + 0.325 * PressTerm Effect Coef T PConstant 40.4444 705.99 0

40、.000Temp 1.5500 0.7750 9.02 0.000Press 0.6500 0.3250 3.78 0.00910階段: 把數(shù)學(xué)MODEL的意思轉(zhuǎn)換為Process用語。11階段: 再現(xiàn)最佳條件。擬定下一個階段實驗的計劃或適用 變化的條件。 對策方案選定MeasureDefineAnalyzeImproveControl方法論 Improve 概要 DOE 介紹 完全要因?qū)嶒?對策方案選定 學(xué)習(xí)目標(biāo)理解為對策方案選定的四個階段和分析技法。 - 創(chuàng)造對策方案 - 危險評價 - 試驗對策方案 - 選定最佳方案對策方案選定為創(chuàng)造對策方案的工具創(chuàng)造對策方案Process Map危險評價

41、試驗對策方案選定最佳方案制品/工程 最佳化Process標(biāo)準(zhǔn)化查明實際解決策Brainstorming創(chuàng)意性思考Bench markingFMEA 危險評價工具 FMEAPilot實驗計劃SimulationGraphic 工具工程能力分析假設(shè)檢定Selection MatrixPay-off Matrix 創(chuàng)造對策方案危險評價試驗對策方案選定最佳方案Process Map遇以下用途可以使用。 為了說明現(xiàn)在的作業(yè)工序。 為了查明對現(xiàn)在作業(yè)工序的對策方案。為了消除重復(fù)，loop, 非附加價值階段及整體 。為了促進(jìn)工程作業(yè)工序的合理化活動。為了使資源得到合理的分配。Process MapProce

42、ss Map 想的 . 實際的 理想 . 可能的 . 很快找出許多設(shè)想。 禁止對設(shè)想的判斷或批判。 收集所有設(shè)想。 在別人的設(shè)想和創(chuàng)意性的基礎(chǔ)上更加發(fā)展。 激勵所有的人參與。Brain storming為什么? 誰?怎能?什么?什么時候?替代?缺陷?適用?修整?增幅?消除?極小化?極大化?逆設(shè)想?再整列?思考引導(dǎo)型提問 對原有的慣例及方法提出問題并挑戰(zhàn)。創(chuàng)意性思考 誰執(zhí)行作業(yè)？ 別人能執(zhí)行嗎? 作業(yè)在什么地方完成？ 在別的場所也能完成嗎? 作業(yè)什么時候完成？ 能更換Timing嗎? 必要怎樣的資源？ 從哪兒得到資源? 可以使用別的什么嗎? 作業(yè)在什么條件下完成？ 那些條件能換嗎? 作業(yè)怎么被管

43、理？ 附加價值是什么? 顧客真正需要的是什么？ 顧客怎樣使用制品/服務(wù)? 發(fā)現(xiàn)要破壞的現(xiàn)有規(guī)則創(chuàng)意性思考定義把焦點對照確保領(lǐng)先位置。確認(rèn)世界級水準(zhǔn)的組織，制品(商品和服務(wù)), 事業(yè)慣例。 能達(dá)到世界級水準(zhǔn)評價要因。 把那樣的知識系統(tǒng)而持續(xù)地合并在組織的 制品和Process里。Benchmarking 實績現(xiàn)在貴社的事業(yè)實績發(fā)生差距Bench marking 對象組織Bench marking 測定Bench marking 競爭性 調(diào)查競爭社的Process，測定顧客滿足、市場占有率等。確認(rèn)競爭企業(yè)怎樣充分滿足市場的流動和顧客的要求、嗜好的變化。什么樣的顧客最高評價企業(yè)的制品和服務(wù)。確認(rèn)那些

44、顧客認(rèn)為最重要的領(lǐng)域上，本公司是怎樣做的等。 技能性 把焦點放在Process自身。 與業(yè)種無關(guān)把重點放在擁有類似Process的組織。 工廠的生產(chǎn)戰(zhàn)略，職工年間平均教育時間，銷售額對比廢棄， 再作業(yè)比率，銷售額對比品質(zhì)保證費用等。 事例 : 摩托羅拉公司開發(fā) XX Pager 時， 通過威尼通醫(yī)類公司 進(jìn)行 Benchmarking。威尼通從全世界的販賣店中，通過 Computer System,掌握了顧客的趨向。為迅速掌握、反映 意識摩托羅拉公司 Style顧客的嗜好, 導(dǎo)入了與威尼通 類似的System。 內(nèi)部性 在公司內(nèi)部比較幾個部門共同的Process. Bench marking危

45、險評價的工具創(chuàng)造對策方案Process Map 危險評價試驗對策方案選定最佳方案制品/工程 最佳化Process 標(biāo)準(zhǔn)化查明實際解決策Brainstorming創(chuàng)意性思考Bench markingFMEA 危險評價工具 FMEAPilot實驗計劃SemulationGraphic 工具工程能力分析假設(shè)檢定Selection MatrixPay-off Matrix創(chuàng)造對策方案危險評價試驗對策方案選定最佳方案對Process給予變化或試驗之前， 必須檢查潛在的危險。危險評價顧客 : 新型的，沒有受到監(jiān)定定的Process的變化，給顧客 引起什么樣的潛在缺陷呢?事業(yè)Partner : 有與事業(yè)Partner關(guān)聯(lián)的學(xué)習(xí)嗎? 營業(yè)員 : 新 Process對營業(yè)員的安全帶來影響嗎？ Business 利害關(guān)系者 : 新 Process給予影響的是誰？ 另，給予什么樣的影響呢? 進(jìn)行對策方案試驗之前，評價與各對策方案有聯(lián)系的 危險要素。為了成功地接受變化要考慮兩個側(cè)面。 對已提案變化的技術(shù)性品質(zhì) 解決方案接受與否顧客營業(yè)員 Business 利害關(guān)系者顧客能否情愿接受對潛在缺陷，曝光的危險呢