六西格玛绿带.pptVIP

取样有群体取样和过程取样，区分他们是非常重要的，因为计算取样的数量是不同的 群体取样Vs过程取样 (population Vs Process sampling) 过程取样 当有一个过程需要测量、分析或控制，这时候就要用过程取样。 举例：你想确定电话接待中心的答复电话过程的基本运行情况。 群体取样 当你有一个很大的群体需要去描述，这时候就需要群体取样。 举例：你想测量最近6个月网上银行的访客% 。 第六十二页，共一百零七页。 由于偏好会造成取样并不能反映实际。如果偏好没有被察觉，那样就会很影响你对过程得到的结论。 偏好(bias) 方便的取样 偏好产生于当数据易于收集的时候。比如，在事情快结束的时候收集数据很容易，但是这些数据能否反映繁忙时候情况？ 判断取样 你会根据受教育程度的不同去做出一些判断，这就是产生了偏好。 第六十三页，共一百零七页。 避免偏好的取样方法 系统的取样 系统的取样就是按照特定的时间间隔去取样，可以是每小时或者每第10个产品。 这种方法最能避免偏好，除非过程本身有固有的模式。 取样收集的时候一定避免单一取样，比如仅在一台机器上每第10个产品取样，而忽略另外3台机器的产品。 随机取样 这种类型的取样，会让群体或过程有对等的选中机会。 事实上很难实现真正的随机，除非采用电脑产生随机数去取样。 分组取样 如果有一个结构存在于群体或过程中，那最好就建立一个分组取样。 举个例子，比如你的小组在做客户调查，发现新客户有着与老客户不同的需求和选择，这时候最好把客户分成两组：新客户和老客户，每组单独取样。 第六十四页，共一百零七页。 计算取样的数量 有一些指导方针来确定取样数量，在决定取样数量之前去请教一个专家是一个很好的方法。不同的分析工具决定不同取样的数量。比如一个排列图需要大约50个点。取样的数量在连续和离散数据中是不同的。 连续数据 离散数据 举例： 你估计一个客户的电话在±2分钟之内Δ=2。电话时长的标准偏差是5分钟 举例： 你估计缺陷率在±0.02 Δ=0.02，平均缺陷率大约是0.05 P=0.05 第六十五页，共一百零七页。 完成所有期望的数据收集工作，你需要检查一下你的测量计划的有效性。一个非常有用的工具Gauge RR(量具的重复性和可再生性repeatability reproducibility) 用Gauge RR在多种环境中反复测量去验证四个标准。 再检查数据收集计划 准确性 测量的精确性有多少？ 可重复性 如果相同的人(装置)测量相同的部分，是否能得到同一结果？ 可再生性 如果不同的人(装置)测量相同的部分，能够能得到同一结果？ 稳定性 精确性，重复性，再生性是否随时间改变？ 第六十六页，共一百零七页。 当发现测量的数据是稳定的后，就需要建立一个数据收集计划工作表。 数据收集计划工作表 第六十七页，共一百零七页。 你已经完成数据收集的准备工作，数据收集的最开始，你必须把收集数据的原因解释给所有相关人员听，另外，你还需要训练数据收集员。 现在你可以开始收集数据了，当达到取样数量后停止收集。 执行和精炼测量 解释原因 训练数据收集员 第六十八页，共一百零七页。 分析阶段 Analyze 第六十九页，共一百零七页。 避免采用不成熟解决办法。 确定问题的根本原因。 能知道问题的大小。 能校准项目的范围。 建立目标和确定机会的数量。 为什么要分析？ 第七十页，共一百零七页。 用测量和数据去查看可能的原因。 两种分析策略：数据分析和过程分析 深入调查过程来发现引起问题的区域。 第七十一页，共一百零七页。 分析循环 无论用哪种策略，都要采用下面的这个循环，所制定的假设要有连续性和能被数据或过程分析评估，循环会不断重复很多次直至根本原因的发现。 在循环中经常会犯2个错误：走捷径或受骗。 第七十二页，共一百零七页。 发展假设 研究测量阶段收集到的数据，发现导致问题产生的原因。 这里有很多工具可以采用，比如排列图(pareto charts)、运行图(run charts)和直方图 (histogram) 评估假设 研究数据 制定一个问题原因的假设 可以采用头脑风暴和因果图 (cause and effect diagram) 用附加的数据或小规模试验来校验原因。 用散布图(scatter diagram)和分类的排