专栏首页日常撸知识【精益生产】六西格玛管理的统计学理解

【精益生产】六西格玛管理的统计学理解

摩托罗拉公司为了改善产品质量,在1987年提出了六西格玛质量管理方法,以及后来的种种故事,这里不扯那些犊子,讲讲基于统计学上对这种质量管理方法的理解,因为六西格玛中的基础是依赖于统计和数据分析。

六西格玛的改善的步骤为“DMAIC”过程

图一

Define: 根据客户的要求或者其他工艺要求,明确问题,辨认需改进的产品或过程。确定项目所需的资源。

Measure: 收集产品和工艺的数据/测量当前过程的相关数据;

Analyze: 分析在测量阶段所收集的数据,以确定一组按重要程度排列的影响质量的变量。根据测量的数据分析因果关系,尽量考虑所有因素,利用实验设计、失效模式等方法进行分析,以发现产生缺陷的根本原因;

Imporve: 根据分析结果,利用防错、标准化等方法对流程进行改进;优化解决方案,并确认该方案能够满足或超过项目质量改进目标。

Control: 确保过程改进一旦完成能继续保持下去,而不会返回到先前的状态。对未来的状态进行控制以保证与目标间的缺陷已经纠正;并不断重复该过程,直到获得期望的结果。

6西格玛水平下PPM和合格率的怎么计算的?

6西格玛水平下的PPM和合格率如下:

图二

上图数据是怎么计算的呢?首先看一下西格玛水平的定义:

图三

1表示西格玛水平的值为1,此时USL-LSL=2σ;

2表示西格玛水平的值为2,此时USL-LSL=4σ;

3表示西格玛水平的值为3,此时USL-LSL=6σ;

以此类推......

6表示西格玛水平的值为6,此时USL-LSL=12σ。

那么,上面的值有什么统计学意义呢?

接下来,看看如下图,正态分布下的概率图:

图四

+-σ 下的概率为:68.27%;

+-2σ下的概率为:95.45%;

+-3σ下的概率为: 99.73%;

+-4σ下的概率为: 99.9937%;

+-5σ下的概率为: 99.999943%;

+-6σ下的概率为: 99.9999998%。

在生产过程中,生产产品总是服从正态分布的。从上图可以看出,如果:

USL-LSL=12σ

此时应该在+-6σ下的概率为: 99.9999998%。因此,合格率应该为:

99.9999998%。然而,从图二可以看出,在6σ水平下的合格率为99.99966%,PPM为3.4。

是什么原因呢?

漂移:美国的两个学者Bender和Gilson通过近三十年的独立数据研究表明,生产过程中漂移为1.49σ,近似为1.5σ。

因此,在6的西格玛水平下,由于漂移的存在,实际上是+-4.5σ下的概率,

+-4.5σ下的概率为:99.99966%。这就是6σ水平下合格率99.99966%的由来。

此外,PPM=(1-99.99966%)*100万=3.4

CPK和不同σ水平的关系:

CPK=(USL-LSL)/3

当西格玛水平为1时,此时,由于存在漂移:

USL-LSU=σ-1.5σ=-0.5σ

CPK=-0.17;

以此类推,CPK和西格玛水平对照关系如下表:

在6西格玛水平下,CPK>1.3而且PPM只有3.4,合格率高达99.99966%。是一个非常不错的质量,能够满足客户和产品质量的要求。所以满足6西格玛水平的产品或者工艺时放心的。

最后,在产品出现缺陷或者为了提高产品质量,在实施6西格玛的过程中,有许多的measure和analysis的方法:SWOT,5Why,5W1H,鱼骨图,FMEA......等方法和工具。再学习介绍。

本文分享自微信公众号 - 小末快跑(Faster_Future),作者:小末快跑

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-03-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • MySQL 组合查询及全文本搜索

    使用union的规则:1.两条或两条以上的select语句;2.每个select语句必须包含相同的列,表达式或聚集函数;3.这些列可以以不同的次序出现;4.列的...

    小末快跑
  • python numpy 的基础操作

    e=np.array([['ding','mo'],['xiao','momo']])

    小末快跑
  • 学习Django,用户个人系统的密码找回功能的实现

    上一篇中,学习了个人注册、登录功能的实现。最近又大概了解了一下Bootstrap,对注册、登录的页面进一步完善。效果如图:

    小末快跑
  • 定制用于日常使用的树莓派系统

    你有一个运行树莓派系统Raspberry Pi OS(以前称为 Raspbian)操作系统的树莓派Raspberry Pi,你肯定知道,它是一个非常棒的小型电脑...

    云深无际
  • 基于深度学习的推荐系统

    在微信公众号“机器之心”中无意中看到的论文:Deep Learing based Recommender System:A Survey and New Per...

    周小董
  • 在Python中使用K-Means聚类和PCA主成分分析进行图像压缩

    各位读者好,在这片文章中我们尝试使用sklearn库比较k-means聚类算法和主成分分析(PCA)在图像压缩上的实现和结果。压缩图像的效果通过占用的减少比例以...

    deephub
  • 5. Observable 和 数组的区别

    Observable 和 数组都有filter, map 等运算操作operators,具体的区别是什么? 主要是两点:

    mafeifan
  • 数据驱动型的设计04之Stack

    一个哥们,有次聚会说自己买了很多条iphone数据线,家里每个房间插一条,走到哪儿都能随时充电。在场的姑娘们都当成是段子笑笑就过去了,只有个细心的姑娘悄悄问他买...

    mixlab
  • 如何在python的字符串中输入纯粹的{

        https://docs.python.org/3/library/string.html#formatstrings

    py3study
  • Android定时器Timer的停止和重启实现代码

    本文介绍了Android定时器Timer的停止和重启实现代码,分享给大家,具体如下:

    砸漏

扫码关注云+社区

领取腾讯云代金券