[离散数据分析.pptVIP

离散数据(也称为 ‘属性’ 或 ‘类别’ 数据) 定义和术语 每单元缺陷 DPU = d/u “ d” 是所观测到的缺陷的频数或“次数” “ u” 是所生产的单元数量 实例： 在最近生产的 1,000 个洗衣机当中，检测出1,000个不服规范。 这个例子的DPU为多少？ 缺陷 1,000 单元 1,000 DPU = 1.0 这就意味着，平均而言，所生产的每一件产品都包括一个缺陷。 每机会缺陷 例：对于生产的1,000洗衣机来说， 每一台洗衣机都具有 10 个等同的缺陷机会，而检测出的缺陷个数为800。在这个例子中，DPO 为多少？ DPO = = DPO = 0.08 或8% 这就意味着每次缺陷机会出现缺陷的概率是8%。DPO是一个 概率, 而不是一个平均数。 单步骤工序的离散数据分析 当分析单个离散输出时： 将DPU转换为DPO。(如果是合格率，应首先将合格率转换为DPU) 使用DPO，从工具箱的Z表中找出Z 值 (ZLT)。 对于上一个缺陷率等于.08 (或8.0E-02)的实例 Z = 1.41 实例： 小工具的生产 实例问题 实例问题 生产具有零缺陷部件的可能性 合格率的类型： 首次或最终合格率(YFT) 滚动合格率 (YRT) 正常平均合格率 (YNA) 首次合格率 合格率与能力 滚动合格率 滚动合格率 YRT 考虑工序每一步 (机会)的合格率 检查或测试之前的合格率 考虑返工和废弃的结果 总是低于YFT 给出零缺陷地通过工序所有步骤的概率 考虑过程的复杂性 首次合格率 YFT 在每个过程结束时的合格率 检查或测试之后的合格率 没有包括返工和废弃的结果 总是高于YRT 给出零缺陷地通过一个步骤的概率 没有考虑过程的复杂性 复杂性对 YRT 的影响 1 93.32% 99.379% 99.9767% 99.99966 7 61.63 95.733 99.839 99.9976 10 50.08 93.96 99.768 99.9966 20 25.08 88.29 99.536 99.9932 40 6.29 77.94 99.074 99.9864 60 1.58 68.81 98.614 99.9796 80 0.40 60.75 98.156 99.9728 100 0.10 53.64 97.70 99.966 150 -- 39.38 96.61 99.949 200 -- 28.77 95.45 99.932 300 -- 15.43 93.26 99.898 400 -- 8.28 91.11 99.864 500 -- 4.44 89.02 99.830 600 -- 2.38 86.97 99.796 700 -- 1.28 84.97 99.762 800 -- 0.69 83.02 99.729 900 -- 0.37 81.11 99.695 1000 -- 0.20 79.24 99.661 1200 -- 0.06 75.88 99.593 3000 -- -- 50.15 98.985 17000 -- -- 0.02 94.384 38000 -- -- -- 87.880 70000 -- -- -- 78.820 150000 -- -- -- 60.000 制造业的实例 BPO 完成了 YRT 来分析其过程。 了解 YRT 可使您更清楚地了解该领域所存在的改进机会。如何将这一信息与业务分析相结合？ Bloomington 拥有三条装配线接收来自其它工序的组件。 我们重点分析南部装配线。流程图如下所示。 数据记录在如下文件L:\Minitab\Taining\Minitab\Session1\bporolup.mtw. Bloomington 南线 - YNA 让我们使用 Minitab 的功能 MINITAB 将使用下列信息计算 ZBench 并提供图形： 特征: 工序的组成部分或部件，这一线的数据项来自于此。 (例如， C.G. 箱子；密封系统) 缺陷: 所发现的所有缺陷的数量。 机会: 特征的机会数量，其中可能包括工序数量和/或组成部分数量。 单元: 包括在样本中的单元数量。 注意：Zshift 的缺省值为1.5。如果需要，可输入 Zshift值栏 (这是可选的)。例如，您可能需要使用六个西格玛过程报告中生成的一组ZShift 值。 创建产品分析报告 产品性能总结 注意: Mi