《西格瑪培訓》PPT課件

《《西格瑪培訓》PPT課件》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在教育資源-天天文庫。

1、第6部分:離散數(shù)據(jù)的置信區(qū)間和假設檢驗目的:目標:用Pareto圖確定少數(shù)幾個關鍵類型的缺陷。強調(diào)離散數(shù)據(jù)分析圖的使用。理解缺陷比例的置信區(qū)間的用法，并計算單樣本和雙樣本的置信區(qū)間。理解多個X變量卡方分析的用法（雙向表）。使用Minitab繪圖并進行分析。在上一部分，我們借助圖形、置信區(qū)間和假設檢驗對連續(xù)數(shù)據(jù)的分析進行了討論。下面，我們將運用圖形、置信區(qū)間和幾種比例的統(tǒng)計檢驗方法對離散數(shù)據(jù)進行分析。第6部分:離散數(shù)據(jù)的置信區(qū)間和假設檢驗工具用途1.Pareto-找出少數(shù)關鍵的缺陷類型2.圖形-找出變化規(guī)律以確定哪些X影響缺陷3.比例的置信區(qū)間-量化變差，以確定變化是和

2、假設檢驗否具有統(tǒng)計顯著性四種類型：單樣本，p接近.5雙樣本，p接近.5單樣本，p<.1雙樣本，p<.14.??比例的卡方(?2)檢驗-具有多水平獨立變量的比較。-研究兩個變量間的關系。離散數(shù)據(jù)導圖如果工序產(chǎn)生的數(shù)據(jù)是離散的，Pareto圖表可以幫助我們將注意力集中在研究關鍵因數(shù)上。合并那些不重要的缺陷有助于簡化圖形并使其對分析更有益處。關閉所有打開的工作表和圖形。打開工作表文件Pareto.mtw路徑為L:SixSigmaminitabtrainingminitabpareto.mtw打開:Stat>QualityTools>ParetoChart在pareto

3、對話框中，有兩種數(shù)據(jù)格式選項：ChartDefectsdatain:(用于原始缺陷數(shù)據(jù)，欄C4和C5)ChartDefectsTable:(用于匯總的缺陷數(shù)據(jù)欄C1和C5)Minitab可生成Pareto圖OthersNewAcctSetupPersonalAddressBookNotResolvedServerSpaceNotExchangeInstallationGeneralInquiryLockup/PerformancePasswordResetCustomAddressBug5318181921293254751071289.63.23.23.43.85.25

4、.89.713.519.323.1100.090.487.283.980.576.771.565.756.042.423.15004003002001000100806040200DefectCountPercentCum%PercentCountExchangeHelpDeskCalls-FW36,FW38,FW39累計缺陷%Pareto圖形左邊顯示最大頻數(shù)的缺陷，右邊顯示較小頻數(shù)的缺陷。Pareto圖形Pareto圖形左邊顯示最大頻數(shù)的缺陷，右邊顯示較小頻數(shù)的缺陷。圖中的曲線顯示了累計的缺陷百分比。圖形應該可以說明：查找造成80%缺陷的缺陷類型。在上例中，15種缺陷類

5、型中的4種占總缺陷數(shù)量的66%，剩余35%的缺陷分別由其余的11種類型的缺陷產(chǎn)生。查找欄高度出現(xiàn)較大差異的位置。如果次品數(shù)量之間存在很小的差異，那么，就不能縮小您項目的重點范圍。（嘗試換一種方式考慮問題，即，考慮財務上的影響，而不是缺陷的數(shù)量。）Pareto圖形151050DayCount151050EveningCount151050NightCount151050WeekendCountOtherSmudgePeelScratchFinishDefects可以使用對話設置將原始數(shù)據(jù)對幾種不同的因數(shù)進行分析。在圖形中保留缺陷的常規(guī)順序?？紤]累積缺陷線的高度，它表示特定因

6、素總缺陷數(shù)量。在這種情況下，缺陷大多發(fā)生在“夜間”。在被分析的因素（周期）之間，查找缺陷水平的差異。在這本例中，傍晚和周末很少產(chǎn)生劃痕。原始數(shù)據(jù)的Pareto圖表問題:降低客戶培訓服務電話的比例(百分比)。處理離散的響應變量時，您想知道的是缺陷比例如何隨潛在X變量的變化而變化。注釋:n是樣本容量k是樣本的缺陷數(shù)量p=k/n是樣本中的缺陷比例p總體的缺陷比例(未知)>離散數(shù)據(jù)的指引圖正態(tài)泊松(Poisson)近似法近似法1個比例比較2個比例多于2個比例(及雙向表格)大n(樣本容量)p不太接近0或1np>10和n(1-p)>10大n(樣本容量)比例較小(p<0.10)下表總結

7、了我們在本部分中所使用的方法。(置信區(qū)間和假設檢驗)離散數(shù)據(jù)分析的類型p+z*p(1-p)/n>>>z*p(1-p)*>>(p1-p2)+11n1n2+?2(卡方)精確二項式檢驗Poisson置信區(qū)間正態(tài)泊松(Poisson)近似法近似法大n(樣本容量)p不接近0或1np>10和n(1-p)>10大n(樣本容量)比例較小(p<0.10)>>下表總結了我們將在這一部分使用的方法。Z值得自正態(tài)分布表，取決于所要求的置信度。離散數(shù)據(jù)分析的統(tǒng)計方法1個比例比較2個比例多于2個比例(及雙向表格)下圖顯示何時使用正態(tài)法、何時使用泊松(Po