一个菜鸟渴望了解这个答案---烦请各位大侠再解惑一二！
本帖最后由 wdfwow 于 2009-9-18 18:48 编辑
以下10组数据是公司在为苹果iPhone生产手机面板时，在灌注液晶后，经行封口作业时的渗胶深度值。（一次量测5片，量10次）。（这里补充说明一下，5片是组内，10次是组间）
USL=0.8 , LSL=0.2, u=0.5.
0.60 0.60 0.65 0.60 0.65
0.60 0.60 0.65 0.65 0.65
0.60 0.60 0.60 0.65 0.65
0.60 0.60 0.65 0.60 0.65
0.65 0.60 0.60 0.60 0.65
0.65 0.60 0.60 0.60 0.60
0.60 0.60 0.60 0.60 0.65
0.60 0.60 0.60 0.60 0.60
0.60 0.60 0.65 0.65 0.60
0.60 0.60 0.65 0.60 0.60
将这些数据输入公司的SPC系统后，就会产生如下的CPK信息：
最大值 0.65
最小值 0.6
平均值 0.62
標準差 0.02 (R-Bar/d2)
Ca 0.39
Cp 5.17
Cpk 3.17
如果按一般书上的理论计算方式，那么
其中的Ca=（0.616-0.6）/（（0.8-0.2）/2）= 0.3866 （和0.39差不多）
Cp=（0.8-0.2）/（6*0.02）= 5 （和5.17有点勉强）
CPK=CP(1-Ca）=5.17（1-0.3866）=3.17 （如果Cp以5.17算的话，则结果和系统一样）
但有一个让我到现在都稀里糊涂的问题：请问大侠们，这个标准差0.02是如何算出来的？
这个（R-Bar/d2）告诉我们什么呢？
以上困惑，烦请各位大侠们帮忙求解！感激不禁！！！
以上问题，经由 “4楼 小芝麻”及“6楼 George”的回答，已经完全解开了，这个简单的计算对于大侠级人物来说，可能很简单，但是对于我们刚工作的菜鸟来说，是一个迷糊期！非常感谢各位的帮助！
但是，紧接着，我又有一点疑虑：
现在我又有一个很大的疑问--：“这个计算方式对于新产品实验来说，合理嘛？”
它的标准差是用R-BAR/D2来估算。这其中就考虑到了组间变异，而我们在做工程试验时，所有的数据都是一次性量测的。我想这这个分组只是个形式而已吧。50个数据之间除了数值不同，其他没有任何差异！这似乎有矛盾！
我想这里应该有更合理的计算方式去评估单纯的某一次的实验数据吧？如果直接用STDEV函数对这50个数据进行整体计算标准差，那它的合理性如何呢？
再次感谢 小芝麻 的详细回答！
以上非常感谢朋友的热忱的帮助。
小弟似乎有点贪恋，希望朋友们能在百忙之中帮小弟再解2个困惑：
问题1：
目前估算sigma方法主要有STDEV函数和R-BAR/D2,两种是不是？可否简要的说下他们各自最大的特点是什么呢？他们各自的优点主要在哪儿呢？
问题2：
如果有这么个实例：假设公司在生产一批平板玻璃，要对它们的厚度进行管控，方法是：每一个小时，选取一片，测量该玻璃上的5个位置点的厚度。假如我测量了10片玻璃，那么我就得到了50个数据，请问，我用什么样的方式来估算sigma和计算它的CPK比较合理呢？每片5个点的数据能算5个样本值呢，还是求他们的平均值作为一个样本值比较合理呢，然后再算10个数据的CPK比较合理呢？
以下10组数据是公司在为苹果iPhone生产手机面板时，在灌注液晶后，经行封口作业时的渗胶深度值。（一次量测5片，量10次）。（这里补充说明一下，5片是组内，10次是组间）
USL=0.8 , LSL=0.2, u=0.5.
0.60 0.60 0.65 0.60 0.65
0.60 0.60 0.65 0.65 0.65
0.60 0.60 0.60 0.65 0.65
0.60 0.60 0.65 0.60 0.65
0.65 0.60 0.60 0.60 0.65
0.65 0.60 0.60 0.60 0.60
0.60 0.60 0.60 0.60 0.65
0.60 0.60 0.60 0.60 0.60
0.60 0.60 0.65 0.65 0.60
0.60 0.60 0.65 0.60 0.60
将这些数据输入公司的SPC系统后，就会产生如下的CPK信息：
最大值 0.65
最小值 0.6
平均值 0.62
標準差 0.02 (R-Bar/d2)
Ca 0.39
Cp 5.17
Cpk 3.17
如果按一般书上的理论计算方式，那么
其中的Ca=（0.616-0.6）/（（0.8-0.2）/2）= 0.3866 （和0.39差不多）
Cp=（0.8-0.2）/（6*0.02）= 5 （和5.17有点勉强）
CPK=CP(1-Ca）=5.17（1-0.3866）=3.17 （如果Cp以5.17算的话，则结果和系统一样）
但有一个让我到现在都稀里糊涂的问题：请问大侠们，这个标准差0.02是如何算出来的？
这个（R-Bar/d2）告诉我们什么呢？
以上困惑，烦请各位大侠们帮忙求解！感激不禁！！！
以上问题，经由 “4楼 小芝麻”及“6楼 George”的回答，已经完全解开了，这个简单的计算对于大侠级人物来说，可能很简单，但是对于我们刚工作的菜鸟来说，是一个迷糊期！非常感谢各位的帮助！
但是，紧接着，我又有一点疑虑：
现在我又有一个很大的疑问--：“这个计算方式对于新产品实验来说，合理嘛？”
它的标准差是用R-BAR/D2来估算。这其中就考虑到了组间变异，而我们在做工程试验时，所有的数据都是一次性量测的。我想这这个分组只是个形式而已吧。50个数据之间除了数值不同，其他没有任何差异！这似乎有矛盾！
我想这里应该有更合理的计算方式去评估单纯的某一次的实验数据吧？如果直接用STDEV函数对这50个数据进行整体计算标准差，那它的合理性如何呢？
再次感谢 小芝麻 的详细回答！
以上非常感谢朋友的热忱的帮助。
小弟似乎有点贪恋，希望朋友们能在百忙之中帮小弟再解2个困惑：
问题1：
目前估算sigma方法主要有STDEV函数和R-BAR/D2,两种是不是？可否简要的说下他们各自最大的特点是什么呢？他们各自的优点主要在哪儿呢？
问题2：
如果有这么个实例：假设公司在生产一批平板玻璃，要对它们的厚度进行管控，方法是：每一个小时，选取一片，测量该玻璃上的5个位置点的厚度。假如我测量了10片玻璃，那么我就得到了50个数据，请问，我用什么样的方式来估算sigma和计算它的CPK比较合理呢？每片5个点的数据能算5个样本值呢，还是求他们的平均值作为一个样本值比较合理呢，然后再算10个数据的CPK比较合理呢？
没有找到相关结果
已邀请:
RSS Feed
30 个回复
verdy (威望:28) (上海 浦东新区) 汽车制造相关 工程师 - 6sigma群：2806198<b...
赞同来自:
SPC关键的部分还是sigma了，6楼的解释是正确的，sigma的估计方法不同，代表的意义也不一样，总标准差是用来计算Ppk的，也叫长期能力指数，其实短期与长期的问题是很容易让人产生误解的，我觉得六西格玛管理里，把Cpk叫过程能力指数，把Ppk叫过程性能指数是非常不错的，什么是能力？表示过程最好可以达到的状态，而性能是实际表现出来的状态，组内变异最小，表示一个稳定的过程可以达到这个能力，因为子组的抽样原则是短时间内抽取的，所以Cpk表现的是短期的能力。而组间的波动很大，表示过程在不同时间段，不同操作者之间或不同班别间对过程影响比较大，也就是过程比较不稳定，这叫长期指数，一个稳定的过程，组间的差异与组内的差异比较应该不会有显著的差异，所以从Cpk与Ppk两个指数的差异比较就可以看出问题来，如果Cpk比Ppk大很多，就明显表明组间变异过大。
用一个不恰当的例子来理解能力与性能的，一个人是公认的很有能力，而且确实是非常有能力，可以把事情都做的非常好，就好比Cpk非常好，但是，他对此工作没有任何兴趣或人比较贪玩，或喜欢玩游戏，而不认真工作，你不能因为他的这种表现说他没有能力，而只是表现比较差而已，这就好比Ppk比较不好。当然这个例子是不能完全说明Cpk与Ppk的关系的啦，希望能帮忙你理解。