[原创]22道题测试您的六西格玛功力

本帖最后由 csy_ysc 于 2010-9-20 00:05 编辑

因主题的目的很明显，所以后面题目的答案大家也可以猜个十之八九。都是判断题，用您的实际理解情况来回复吧，看看大家的六西格玛水平如何。如果您认为某题的结论不对，需要给出适当的说明或举证：

第一题：制造相关的绿带或黑带称为DMAIC绿带或黑带，而研发相关的绿带或黑带称为DFSS绿带或黑带。

第二题：C&E Matrix中加权求和分数高对应的因子才是重点关注的对象。

第三题：我们可以根据Process Map找出输入变量与输出变量，然后放到C&E Matrix中进行筛选，再把加权求和分数高的因子放到FMEA中进一步分析。

第四题：在进行Crossed Gage R&R Study 分析中， Repeatability 偏高是由通常所说的“仪器”或量测系统中保持不变的因素导致。

第五题：Crossed Gage R&R Study 分析中的“仪器”，可能并不是仪器，也可能是操作员或其他。

第六题：在进行Crossed Gage R&R Study 分析时，若%Study Var（%GRR）小于30%，则还需观察NDC（Number of Distinct Categories ）是否大于4。

第七题：质量成本分为预防成本、鉴定成本、内部损失成本和外部损失成本。用于体系审核的费用属于质量成本中的鉴定成本，而客退后的检验费用也属于检定成本。

第八题：中心极限定理可以适用于任何分布，不管原来的分布状态如何，从中抽取样本量为n的样本时，其平均值分布的标准差等于原来分布标准差的根号n的倒数。

第九题：在进行相关性分析时，若Pearson correlation相关系数的绝对值大，说明两者相关性强，若为零时，说明两者之间不相关。

第十题：在进行全阶乘试验（Create Factorial Design）时，根据Cube plots找到的最接近目标值的处理是最佳的试验组合。

第十一题：在进行全阶乘试验（Create Factorial Design）时，可以根据因子的显著性和R-sq得出并观察数学模式。

第十二题：我们可以用产线的良率数据绘制成I-MR Chart，来观察生产状况是否稳定。

第十三题：我们通常所说的分布是根据变量的离散还是连续来分类的，要么是连续型分布（如正态分布），要么是离散型分布（如二项式分布）。

第十四题：在进行回归分析确认变量之间的关系时，若满足以下条件：①有显著项存在，②R-sq很高且与R-sq（adj）接近，③Lack-of-fit不显著，则由此得出的回归模型是可信的，可用来进行预测。

第十五题：判定数据是否符合常态分布，若分别执行Anderson-Darling、Ryan-Joiner和Kolmogorov-Smirnov三种检定，结果都显示不存在统计显著性，则可以认为符合常态分布。

第十六题：在进行SPC管制图分析时，使用6倍的标准差进行管制要与使用3倍的标准差进行管制得到的结果不一样。

第十七题：在进行Xbar-R Chart时，假定是使用3倍的标准差进行管制。即使子组数再多，Xbar图上所有的点都出现在3倍的标准差之内也是不可能的。

第十八题：在绘制管制图时，假设是用3倍的标准差进行管制，则所有点都出现在1倍的标准差内是不可能的，一定是计算错误。

第十九题：对于符合正态分布的流程，若Cpk=Cp，且M=（USL+LSL）/2，则可以得出M是等于分布中心u 的。

第二十题：；良率、Cpk等是过程的KPOV，是关键质量特性CTQ的评价指标。

第二十一题：正态分布分布中心u在置信度90%下的置信区间表示u在该区间内出现的概率为90%。

第二十二题：在制程能力分析中，对同一组数据，分别计算出Cpk和Ppk，Cpk要比Ppk小。