您还没有绑定微信,更多功能请点击绑定

关于1.5西格玛偏移,具体怎么理解呢?

     如果用数学方法计算6σ,会发现每百万机会里的缺陷差不多是2,但是为什么说是3.4呢?
      所有的过程都会随时间发展产生漂移,平均值会偏移大约1.5σ,3.4PPM对应的是4.5σ,如果你是根据长期数据的做出的,考虑了长短期的1.5σ的偏移,我们可以认为短期的为6σ。
      关于1.5σ的偏移,根据实际经验统计的出,广为采用的一个关于长短期数据变化的一个标准依据。针对到具体的流程就不一定是1.5σ,那要看你对流程的控制能力,如果你流程的控制能力好,可能低于1.5,反之可能大于1.5。所以,针对具体流程,偏移是不唯一的。
上面这段话看不明白,求大佬举个简单的例子帮助理解一下。
对“好”的回答一定要点个"赞",回答者需要你的鼓励!
已邀请:

jacd (威望:1283) (江苏 苏州) 机械制造 供应商开发经理 - 供应商质量管理,为中华品质之崛起而学习

赞同来自:

第一个问题,肯定是3.4,网上大把的换算表和计算过程。
https://metaso.cn/search/8504614709271748608?q=6%E8%A5%BF%E6%A0%BC%E7%8E%9B%E5%AF%B9%E5%BA%94%E7%9A%84PPM%E6%98%AF%E5%A4%9A%E5%B0%91
 
第二个问题,我懒得打字,用ChatGPT3.5直接回答你的疑问
 


好的,我来举一个简单的例子帮助您理解。

假设有一个制造流程,生产某一产品的尺寸指标。我们可以做如下假设:

长期来看,这个制造流程的平均值会随时间存在约1.5个标准差(σ)的偏移。也就是说,如果今天的平均值是10cm,过一段时间可能会变成10.15cm。

对于短期来说(比如一天或一周内),这个流程的稳定性较好,波动幅度约为6个标准差(6σ)。也就是说,在任何一天或一周内,测量到的尺寸指标基本上都在9cm到11cm之间。

对于长期来看(比如一年或几年内),由于平均值的1.5σ偏移,实际上这个流程的总体波动幅度可能达到4.5σ。也就是说,从一年前到现在,这个产品的尺寸指标可能在8.5cm到11.5cm之间波动。

所以总的来说,短期内这个流程控制的较好,波动在6σ内,但从长期来看,由于平均值的漂移,实际波动可能增大到4.5σ。这就是您提到的长短期数据变化的标准依据。

具体到不同的制造流程,由于流程控制能力的差异,这个1.5σ的漂移值也可能会有所不同。这需要结合实际情况来具体分析。希望这个例子能够帮助您理解这个概念。

2 个回复,游客无法查看回复,更多功能请登录注册

发起人

扫一扫微信订阅<6SQ每周精选>