sixsigma 专家论坛（MFG Six Sigma名词解释）[原创]

MFG Six Sigma名词解释：
工程能力指数：（process capability index）
●工程在管理状态下，把生产的产品品质变动定量化的值。
○产品品质变动小，工程能力好；产品品质变动大，工程能力差。
○根据设计的公差范围，把工程变动用工程能力指数表示的值。
○平均值与Target一致时使用Cp，偏离时使用Cpk。
○Six sigma工程能力是指工程变动很小，规格满足6倍的标准偏差。
短期工程能力指数：（short term process capability index）
● 假定工程无外部影响，在短时间内的工程能力。
○工程变动分群内变动和群间变动。
○Cp是工程的固有能力，不考虑工程平均的位置，只考虑规格范围。
○Cpk是工程的实际能力，在Cp的基础上考虑平均值的偏离。
○工程平均与Target值一致时，Cp＝Cpk。
○短期工程能力是指只有群内变动，即sample同质。
○同质的sample全部品质特性相同，变动来自技术原因。
○品质特性变动大，正态分布的散步大，短期工程能力差。
长期工程能力指数：（long term process capability index）
● 工程的实际能力，工程有外部影响的长时间的工程能力。
○判断工程是否稳定，包含技术和管理要因引起的变动。
QC 7种工具：(seven tools of QC)
1. 特性要因图（cause and effects diagram）
●把对结果有影响的因子按4M整理，研究因果关系使用。
2. 柱状图（histogram）
●用柱形表示的连续型Data的分布状态。
3. 排列图（Pareto diagram）
●将各种问题按原因或状况分类统计，把数据从大到小排列后所做出的累计柱状图。
●２, 8法则：80%的不良发生在20%的主要工程上。
4. 检查表(check sheet)
●用表格形式对Data进行整理和粗略分。
5. 管理图（graph）
●统计方法使用于sample data监控及分析process变动。
6. 散点图（scatter plot）
●判断两个连续型变量之间相互关系的点状图。
7. 阶层别（stratification）
●把Data按特征分类，找到Data的散步规律。
数据类型：(data kinds)
连续型：（continuous data）
●可以连续测定的品质特性值。如长度，重量。
离散型：（discrete data）
●可以用个数测量的品质特性值。
○离散型data评价改善品质特性时，可信度比较低。
○尽量选定连续型data进行改善。
○选用离散型data时：用连续型特性值替代；增加sample数；收集时间记录参考。
母集团：（population）
●data的全体集团，研究的对象。
○通过sample分析，得出母集团的某些特性值。
○品质特性值：平均值（X-bar），标准偏差（sigma）。
样本：（sample）
● 从母集团抽取的可以代表母集团性质的data。
●Sample种类：
⒈random sample：母集团各种性质相同。
⒉层别sample：分类收集的data。
⒊系统sample：根据时间均匀的抽出。
⒋多阶段sample：分阶段收集的data。
有理数群：（rational subgroup）
● 在短时间内，同性质条件下的sample的集团。
○subgroup内只存在群内变动，subgroup间只存在群间变动。
○包含全部变动，subgroup no＝6，subgroup size＝5。
变动：（variation）
● 对于某种特性值，各data在平均值上离得多远，以平方和表示。
○为得出各因子对Y的影响度使用。
○变动大的因子是改善重要的因子。
○变动大，意味着各data与平均值相差大，即X与Y斜率大。
群内变动：（white noise）（Sum of Square Within）
● 所有工程中存在的由一般原因引起的变动。（偶然原因）
○偶然原因由作业者不熟练、周围环境等不可控制因素引起。
○影响工程样本的分布。
○一般由技术因素引起，可通过技术性改善减少。
群间变动：（black noise）（Sum of Square Between）
● 工程有外部影响时，由可查明的原因引起的变动。（异常原因）
○异常原因表现为与平时不一样的散布，不可控制与预测。
○通过管理可以控制的变动。
○影响平均值偏离目标值。
○表示随时间流逝实际的工程能力。
统计参数：（statistical parameter）
⒈平均值：（average）算术平均，表示中心位置使用最广泛。
○集团平均用μ表示，sample用X-bar表示。
○计算时去掉异常点。
⒉中央值：（center）把data按大小排列，处在中间位置的值。
○n为奇数时，第（n＋1）/2个数为中央值；n为偶数时，n/2和n/2＋1个数的平均为中央值。
⒊最频值：最常出现的值。数据分等级，最高等级即最频值的中间值最重要。
⒋散布：（distribute）表征data距离平均值大小的程度。
⒌分散：最大值到最小值的变动范围，有异常点不适用。
⒍标准偏差：（standard deviation）表征data散布大小的统计参数。
⒎四分位数：把data按大小顺序排列后，四等分。
○第一个数字叫第一四分位数。（Q1）
○第三个数字叫第三四分位数。（Q3）
○第二四分位数是中央值。
○四分位数的范围是Q3－Q1。
⒏变动系数：不同种类的散布比较时，数值差异大时使用。V=S/X-bar。
Gage R&R：（gage repeatability & reproducibility）
●评价测量系统本身的变动对工程变动影响程度。
○统计性工程管理依据测量的data。如果data不可靠，导致工程能力出错，实验失败。
○测量误差是指测量值与参考值的差异。
○区分仪器不适合（反复性：EV）和测量方法不足（再现性：AV）评价。
○不是random sample，包含变动或者spec全范围准备。
统计性工程管理：SPC（statistical process control）
● 为生产出品质规格合格的产品按统计原理管理工程的方法。
○statistical：得出统计性资料和分析方法的帮助。
○process：掌握给出的品质规格和工程的能力状态。
○control：以我们的要求来管理。
统计：（statistical）
● 根据定量的data收集与分析导出结论掌握集团特性而使用。
自由度：
● 测定母集团参数必要的独立观察值数。
独立变量：（independent variable）
●可控制对其它变量影响的变量。
○变量之间影响相互独立。
○实验计划时增加不必要的因子，不增加实验次数。
从属变量：（dependent variable）
● 由独立变量决定的变量。
CTQ：（critical to quality）
● 对产品的性能、功能、安全性等重要品质有致命影响的核心特性值。
○在顾客的观点进行FMEA和QFD。
○把顾客的要求以技术事项定量化再与具体SPEC相联系。
○CTQ是产品的功能、性能、不良都应该选定，并且可以测量。
○全部CTQ与关联部门确定，工程上判定。
CTP：（critical to quality）
● 对CTQ有影响的工程条件特性值。
规格上限：（Upper Spec Limit）/规格下限：（Lower Spec Limit）
● 技术性给出的公差尺寸的上限和下限。
○对象规格为10±0.5时：target是10，USL是9.5，LSL是10.5。
Z-bench：对于标准正态分布，用sigma scale衡量可满足规格的母集团品质的能力。
正态分布：（normal distribution）
○统计性方法根据sample推测母集团特性。
○统计性参数包括平均值和标准偏差。
○X对于平均值μ左右对称，散布由sigma决定。
○连续型概率分布包括：正态分布，F-分布，T-分布，Chi-square 分布。
泊松分布：（Poisson distribution）
●在一定时间或一定大小的空间上，事件无条件发生次数对应的概率分布。
○离散型概率分布包括：几何分布，多项分布，移值分布。
○前提条件：
1. 对象区间应该分为某种事件发生可能性很小的单位区间。
2. 事件发生次数与单位时间应该独立。
3. 单位时间内两个以上的事件发生概率为‘0’。
业务流程图：（process mapping）
○调查业务的流程，把process文件化用于明确改善的机会。
品质功能展开：(Quality Function Deployment)
○是把顾客的要求转换成技术事项，有体系的接近获得CTQ的方法。
故障影响度分析：（Failure Modes & Effects Analysis）
○明确产品设计中出现的问题，确定优先顺序，决定对故障Mode合适的action。
头脑风暴法：（brainstorming）
○为了短时间内获得好的idea的方法。
种类：
1. Free Wheeling：全体人员以对话形式得出idea。
2. Round Robin：成员轮流阐述idea。
3. Card Method：无讨论的形式下把idea写在卡片上。
注意事项：
1. 任何idea不要批评。
2. 所有idea记录。
最少break down反映值在狭小范围上实验，致命因子也遵循2：8原则，改善20％的
因子，改善效果是80％。
验证实验：（run confirmation）
●实验计划法找出最佳工程条件，利用实际现物进行再现实验确认改善与否的实验。
○实验注意方面：潜在变量的影响，致命因子的遗漏，实验精度低。
回归分析：（regression analysis）
●表示相关的独立变量和从属变量之间的函数关系。
○这个函数关系用数学方程式表示，利用这个方程式可以得到其它有用的情报。
○回归分析分类
单纯回归：两个变量之间的关系是一次线性关系。
重回归分析：一个从属变量和两个以上独立变量。
曲线回归：两个变量之间是曲线关系。
○全部回归必须首先确认变数间是线性还是曲线关系。
○确认残差，残差图应为等分散，不是正态分布，无倾向性。
残差：（residual）
●把从属变量与独立变量间的关系以回归线表示出来，由于回归线不能说明的误差。
○建立回归关系后，各测定值相同条件下存在潜在变数影响之外的散布。
○把这个值用变动量计算。回归线不能说明的变动叫作残差。
○残差的值比较大的时候，用分散分析表验证，判断没有差异时，回归线无效。
○为减少残差，最大限度减少潜在变数，实验random进行。
决定系数：r2（coefficient of determination）
是指以测定回归方程式的精度方法，在总变动中因回归线说明的变动所占有的距离，也叫回归线的奇与率。
○把两个因子间的相关关系以某种数学方程式表示，如果方程式存在全部data，则决定
系数为1，回归方程式有用，决定系数接近0，则方程式无效。
○决定系数越接近1则精度越高，65％以上的相关系数回归线可以使用。
○决定系数越高对改善越有用。
相关关系：（correlation coefficient）
●显示两个变量之间相关关系程度的统计值。
○相关系数大，关系就大。
最小平方法：（method of least squares）
想把因子间的相关关系以方程式表示，让各data变动和最小而选定方程式的方法。
○假定两个变量Y和X之间有n个data，方程式可以表示为Y=a+bx1+e，这时想找到最
佳关系式。S=Σe2=Σ（Y-a-bx1）2上决定误差e的平方之和最小化选定a和b。
管理图：（control chart）
●管理图按sampling计划收集一定期间的data，为了掌握工程是否在管理状态而使用。
可以随时分析，有很多优点。
○分为连续型和离散型管理图。
○连续型管理图对测定data不敏感，有工程stop，判断error少，用于事后管理。
○离散型管理图对测定data敏感，没有工程stop，判断error多，用于事前管理。
○不能说工程在管理状态就只生产良品。
○统计性品质问题有两种：平均值移动问题和散布问题。
管理上限：（Upper Control Limit）：工程稳定状态时中心线上3σ处的管理线。
管理下限：（Lower Control Limit）：工程稳定状态时中心线下3σ处的管理线。
○传统管理界限以±3σ为基准。
○当界限比3σ窄时，生产者损失，叫第一种error，α-risk。
○当界限比3σ宽时，消费者损失，叫第二种error，β-risk。