六西格玛DMAIC实施指导书

1. 6 Sigma项目总体思路五个阶段 关注点 阶段关注1. CTQ 是什么 ? 1. 创建问题陈述 1. 创建问题陈述 2. Y的目标是什么 ? 2. 选择 选择 CTQ CTQ 特征 特征 3. Y(第二级 )是什么 ? 3. 小 定义绩效标准 3. 定义绩效标准 4. 项目的流程是什么 ? 1. 针对 Y的 MSA分析 . 4. 了解流程及验证测量系统 4. 了解流程及验证测量系统 2. Y的现状如何 ? 5. 判定流程能力 判定流程能力 3. 对 X主观筛选 (关键因子 ). 6. 绩效目标定案 6. 绩效目标定案 4. 有快速改善吗 ? 1. 针对 X的 MSA分析 . 7. 验证关键 识别变异源 2. X. 7. 识别变异源 8. 有快速改善吗 筛选潜在原因 3. ? 8. 筛选潜在原因 4. 验证后非关键因子怎么办 ? 1. X的最佳值和范围 ? 9. 关键 判定 Y=f (x) 10. 建立操作公差 10. 建立操作公差 2. 有快速改善吗 ? 11. 确定结果并验证改善 11. 确定结果并验证改善 3. 特殊 X的改善 (顽固性不良 ).

阶段输出1. 2. 3. 4. 5. 1. 2. 3. 4. 5. 1. 2. 3. 4. 5. 1. 2. 3. 4. 5. 项目授权书? CTQ是什么? Y的目标是什么? 小Y(第二级)是什么? 项目的流程是什么? 是否需要做Y的MSA? Y的现状如何(Capa分析)? 对X主观筛选(关键因子,含风险评估). 有快速改善吗? 针对Y初步的效果验证. 关键因子X是否有MSA? 统计性方法验证关键X(变异源分析). 是否有快速改善? 因子的流程分析(TQ). 针对Y的阶段效果验证(必要时). 优化X因子条件. 查找X因子的最佳条件范围. 因子公差设计. 验证试验计划的结论. 创意性的因子改善.

整体因子筛选

选用工具

应用路线图

D efine

定义

Y

测量 Y

流程能力OK? N

Measure

测量

Y X

罗列30~50因子 筛选出10~15个

Process Mapping C &E Matrix PFMEA 假设检验 回归分析 DOE试验 DOE RSM 田口试验N

重新设计

分析

A nalysis

分析

X

验证后得出 8~10个 关键因子 以4~8个 因子 作改善 控制 3~6 因子

设计变更？ N

Y

9. 判定Y=f (x)

改善

Improve

改善

X

1. 流程文件化(控制计划)

C ontrol

控制

2. 建立针对Y的SPC图. 1. 控制好 X的变异 (SPC). 12. 12. 验证流程能力和测量系统 验证流程能力和测量系统 3. 改善前后的分析和(显著性)对比. 2. 控制好 Y的变异 (SPC). 4.建立针对X的SPC图. 13. 实施流程控制 实施流程控制 Y X 13. 5.财务效益评估. 3. Control Plan. 14. 完成项目文件 6. 其他项目结案叙 14. 完成项目文件 4. 其他事项 .

流程能力OK? Y 控制

SPC & Capa Control Plan

2. BB项目运作思路(聚集团队的实际问题)测 定 分 析 改 善 管 理Session 开始日:03.30 □○ □○ □○ □○ □○ □○ □○ □○ □○ □○ □○ 测定系统定义 CTQ选定 Process Map作成 DPU组成 Pareto图作成 可能测定的Y值选定 Gage R&R 短期/长期工序能力 4Block Focus QFD 问题技术 Session 开始日:03.25

□○ □○ □○ □○ □○ □○ □○ □○ □○ □○ □○ Process Benchmarking Gap分析 CTQ选定 Brainstorming 特性要因图 Process Map Chi-Square T-Test One-Way ANOVA 回归分析(Regression) Graph解释 Session 开始日:04.30 □○ □○ □○ □○ □○ □○ □○ DOE Work Out(及时改善) Graph的解释 统计的解释 ANOVA:对实际问题 注意统计性 假设检验 分割表/Chi-Square Session 开始日:05.30 □○ □○ □○ □○ □○ □○ DOE 假设检验 合理的容许差选定 管理(Pre control) 管理(Run Chart) 管理(个别管理图)

Session 研讨日:07.30-08.15 □○ Y 明确化 □○ 4Block Focus (Zst&Zshift) □○ 问题陈述再确认 □○ 初期问题点改善 实际性问题技术 :

Session研讨日:08.15-09.30 □○ □○ □○ □○ Y的统计的技术 Y的 Graph的技术 (Y的推定和倾向分析) Graph 分析 对X(因子)的一次改善 统计性问题技术 :

Session研讨日:09.30-10.30 □○ □○

Session研讨日:11.30-12.15

结论导出(确定的X因子) □○ 管理计划的实行 验证计划 □○ CTQ Process Monitorring System 构筑 □○ 文件和口头确认的 全部问题确认 统计性解决技术 : 实际性解决技术 :

*相关Session期间：‘■’表示实施的，‘□’表示未实施的，‘●’表示没有必要实施的

2. BB项目运作思路(概略导图)定义机会 (项目章程) 测量 症状/结果 (目前状况) 分析 问题/原因 (根本原因) 改善 绩效水平 (解决方案) 控制 KPIVs (保持成果)

6 Sigma 项目以关键营运过程的改善机会为目标，由全职黑带实施QFD 项目策划 和管理 工具 COQ 过程图 QC七工具 因果关系分析 脑力激荡 FMEA 能力分析 测量系统分析 中央极限定理 多变量分析 假设检验 正态检验 均方差分析 ANOVA 非参数检验 相关性分析 回归分析 全因子DOE 中央点 部分因子分析 障碍 田口设计 多线性分析 反应表面分析 EVOP 统计制程控制 预先控制图 其他控制图 防错 图象控制 组织学习 系统思考

高层支持及责任感; 6 Sigma结构; 财务核算; 客户焦点数据驱动分析; 6 Sigma 指标; 黑带承诺; 奖励和认可; 文化/行为改变; 关键群体; 全面文化; 行为改变; 共同语言; 变革管理

2. BB项目培训学习思路

如何计算和应用基础统计学 实验的基本原则 如何建立和标杆流程能力 如何设计和执行多变量实验 如何解释和传达实验结果 了解抽样和假设检验理论 如何计划/实施变量搜寻研究 如何对假设检验应用关键统计工具

了解成功实施计划的基础 了解流程控制的基础 如何应用/ 管理突破性策略 如何构建,使用及维护变量和属性数据图表 如何识别和影响变异的重要来源 如何实施及维护预控制和计划 如何建立实际的绩

效公差 如何计划/实施流程控制系统 了解六西格玛的基础概念 实验的基本原则 发展六西格玛和统计学语言 如何设计和执行多变量实验 如何计算和应用基础统计学 如何解释和传达实验结果 如何建立和标杆流程能力 如何计划/实施变量搜寻研究

C

I

A

了解抽样和假设检验理论 了解流程控制的基础 如何对假设检验应用关键统计工具 如何构建，使用及维护变量和属性数据图表 了解成功实施计划的基础 如何实施及维护预控制和计划 如何应用 /管理突破性策略 如何计划/实施流程控制系统 如何识别和影响变异的重要来源 如何建立实际的绩效公差

DM

了解六西格玛的基础概念 实验的基本原则 发展六西格玛和统计学语言 如何设计和执行多变量实验 如何计算和应用基础统计学 如何解释和传达实验结果 如何建立和标杆流程能力 如何计划/实施变量搜寻研究

5

了解抽样和假设检验理论 了解流程控制的基础 如何对假设检验应用关键统计工具 如何构建，使用及维护变量和属性数据图表 了解成功实施计划的基础

2. 各种类型的改善思路No 项目 类型 推进的路径 D M 略 如果流程稳定性分析 用设备构造图取 发现特殊原因是故障 代流程分析, 以 的主要构成部分重点 便M阶段确定故 执行FMEA分析, 并制 障发生点 定改善计划 只有故障主要由规律 性发生的小故障构成 FMEA更新, 点 定期维护或状态 为主才需要深入分析. 检制度化, 责任 维护计划的制定 但Pareto分析应可以 制等 达到目标 各阶段 A I C 1 品质类 典型的DMAIC方法 通过对设备的失效 设备故 模式进行分析并对 障类 关键设备的关键部 件进行TPM改进

2

3

LEAN改善工具 VSM分析,确定浪 制度化建立, 防 用VSM进行流程分析, 明确需改进的是 PARETO分析, 时间分 使用: 单分换模, 生产效 费,NT工序,进行工序 错, 交叉培训, 标 率类 那种浪费 析, 瓶颈分析 U型产线, 看板 平衡的Lean方法. 准作业等 等 主要是流程的标准 用职能分布流程 流程控制系统建 化和效率提升,流程 采集时间节点, 工作量 PARETO分析, 时间分 未来流程图的建 进行流程分析, 立, 相关管理政 管理类 立, 责任制建立 的定性分析和时间 析, 瓶颈分析 等方面的数据 流程规范化 策制定 分析. 直接实施快速改善 成本改 (但对可能影响的交 善类 期和质量需要验证 无负面影响) 统计分析改善措施是 否对质量, 甚至交期的 执行降本措施 影响

4

5

确定降本措施

建立质量/交期 的监控制度

1. A阶段的整体思路(假设检验分析思路 )当前流程(业务问题)确定和阐明问题是什

么? 例: 为了提高生产线的良率 从85%提升到95%.

原因分析和判断分析问题的原因是什么? 例: 何原因导致良率下降? 何区间?何标准?何时间? 必要时:

要解决的Y是什么?再次明确Y的量化特性(可能 是大Y,也可能不是)?目标? 例: 选良率可以,也可以选择 与良率强相关的连续性 KPI.

1. A阶段的整体思路(假设检验分析思路 )向统计性问题转化Y的KPI是否可以转化为 统计性的指标? 例: Y转化为μσπλ X的范围?规格?标准? Y,X是连续?离散? 比如,将良率转化成加工 尺寸在10±0.5范围内.

测量系统的分析进行假设检验之前,分析 是否有必要对X因子的 MSA分析? 例: 加工尺寸测量系统是 千分尺,应该在试验之 前进行测MSA.

建立统计性假设H0: X对Y有显著性影响 H1: X对Y没有显著性影响 例: 若有三个因子:

H0: μ σ π λA H1: μ σ π λA

=

≠

μ σ π λB μ σ π λB

=

≠

μ σ π λC μ σ π λC

例: 加工速度是一个因子. H0: 加工速度对加工尺寸 无显著性影响 H1: 加工速度对加工尺寸 有显著性影响

1. A阶段的整体思路(假设检验分析思路 )寻找统计方案1. 决定合适统计检验方法- 1 Sample Z test - 1 Sample T test - 2 Sample T test - Paired T test - ANOVA - Correlation - Regression Y连续 X离散 Y离散 X离散 - Chi-square test - 1 Proportion test - 2 Proportion test Y连续 X连续 Y离散 X连续 -Logistic Regression

判断结论1. P<0.05 拒绝 H0 P>0.05 接受 H0 2. 必要时 ,进行功效检验 犯错误可能性有多大 ? 例 : 加工速度的 P值小于 0.05,说明加工速度对 加工尺寸有显著性影响 下此结论犯错误的概率 比 5%要低 , 故可以接受 H1.

再转化和实际解决方案1. X对 Y有显著性影响吗 ? 有显著性差异吗 ? 大于或小于有显著性吗 ? 2. 哪个水平结果要好 ? 3. 如何制定改善对策并实施 ? 4. 或者选择更好水平的 X因子 条件 例 : 假设检验较低的加工速度 产生的良率更高 (即选择 速生产比较好 ).

2. α=?(一般 5%) β=?(一般 10~20%) 3. 根据 αβδ计算样本数 4. 合理设定因子水平 5. 抽样计划是什么 ? 6. 选择合适的样本 7. 实施检验并收集数据 8. 计算检验统计量 (Z,t,F等 ) 9. 判断计算出的检验统计 量发生的概率 ?9

1. A阶段的整体思路(A阶段的分析导图之一 )图形直观分析

X对Y有显 著影响吗?

图形直观分析 连续型数据 图形直观分析

正态分布正态分布

1-Sample T 均值检验 描述性统计分析均值检验

X 对Y有显 著影响吗 ? 著影响吗?

X对Y有显

连续型数据

连续型数据

正态分布

散布检验

均值检验

散布检验

2-Sample T ANOVA 1-Sample T 配对 T检验 1-Sample 2-Sample T T 双样本 2-Sample T ANOVA ANOVA 配对 T检验 三样本以上 配对T检验 双样本

关系检验 非正态分布非正态分布

散布检验

推理性

统计分析离散型数据离散型数据 流程分析

非参数检验 关系检验非参数检验

关系检验 非参数检验

非正态分布比例检验

离散型数据流程分析

流程分析10

1-Proportion 2-Proportion Chi-Square 1-Proportion 比例检验 流程的分层分析 2-Proportion 流程的时间分析 1-Proportion 比例检验 Chi-Square 流程的节点(效率)分析 2-Proportion 流程的分层分析 价值流图分析 Chi-Square 流程的时间分析 其他…… 流程的分层分析 流程的节点 (效率)分析 流程的时间分析 价值流图分析 其他…… 流程的节点(效率)分析

Correlation 三样本以上 Regression 三样本以上 单样本符号检验 Correlation 单样本Wilcoxon检验 Levene's-Test Regression Correlation检验 Mann-Whitney 单样本符号检验 Regression检验 Kruskal-Wallis 单样本Wilcoxon检验 单样本符号检验 其他 …… Mann-Whitney检验 单样本Wilcoxon检验 Kruskal-Wallis检验 Mann-Whitney检验 其他……

双样本

F-Test Levene's-Test Bareltt-Test F-Test Levene's-Test F-Test Levene's-Test Bareltt-Test Levene's-Test Levene's-Test Bareltt-Test

Kruskal-Wallis检验 其他……

1. A阶段的整体思路(A阶段的分析导图之二 )数据非正 态分布 数据非等 方差 独立性满 足 样本量很 小 多样本(正态性,独立性,数据分布形状检验)

单样本(95%CI宽于参数检验)

1-Sample Sign Test(类似1-Sample t / Z) 1-Sample Wilcoxon(类似1-Sample t / Z)(数据对称时用更好)

双样本

2-Sample Wilcoxon Signed Rank Test(类似Paired T-Test,但用到两组样本的差)

Mann-Whitney(类似双样本T检验, 数据是非对称的)

Kruskal-Wallis(类似一元方差) Mood's Median(类似一元方差)

两个因子(配对检验的广义性)

Friedman(类似二元方差)

1. A阶段的整体思路(你熟悉这些图形分析工具吗? )Graph Skill 确认数据的分布状态 Histogram Dotplot Graphical Summary Stem and Leaf 确认随着时间的变化 Time Series Plot SPC 确认变量间的关系图 Scatter Plot Matrix Plot Marginal Plot Fitted Line Plot 确认正态性分布的图 Graphical Summary Probability Plot Normal Test Symmetry Plot(Quality Tool) 确认任意分布的图形 直观判断因子影响度 Individual Distribution Identification Multi-Vari Chart

1. A阶段的整体思路(你熟悉这些图形分析工具吗? )比较数据集团的图形 Box Plot Interval Plot Individual Value Plot CI Chart(Graphical Summary) Main Effects Plots Interaction Plots 排序图(重要度分析) Pareto Chart Pie Chart 响应曲面图(优化图) Contour Plot 3D Scatter Plot 3D Surface Plot 数据情报统计(现状) Display Descriptive Statistics Store Descriptive Statistics Graphical Summary 统计报告(数据分析) Process Report Product Report

1. A阶段的整体思路(方差分析的运用思路 )Power and Sample Size Multi-Vari Chart Main Effects Interaction Effects

确定方差的Y实际Y是什

么?

建立假设H0 / H1

收集数据(样本数检验)

多变量分析(当多因子时 )

主效果图 分析

交互作用图 分析

如何转化 为统计问题? α / β = ?

结论

信息解释

方差分析

独立性检验Correlation

等方差检验Test For equal Vari

正态性检验Normal Test Probability Plot

1.S R-Sq R-Sq(adj) 1.一元ANOVA 2.因子P-Value 3.图形分析…… 4.残差分析 5.SS分析 5.其它…… 2.二元ANOVA 3.Balance ANOVA 4.GLM(固定模型/随机模型)

1. A阶段的整体思路(回归模型的分析思路 )通过ANOVA观察模型1.回归的P值分析 若P>0.05,模型有效 若P<0.05,模型无效 http://www.77cn.com.cnck of fits分析 若P>0.05,模型无失拟 若P<0.05,模型有失拟 (有重复时出现) 当失拟出现时,可能是应加 入高次项和遗漏了因子. 失拟和纯误是两个重要的量, 可以反映试验误差的大小.

评估S1.S是均方根误(衡量失拟误 差),越小模型越好. 2.没有进行因子删除时可能 较大. 3.模型优化后S值最小. 当模型没有优化或漏了因子 时S值较大,故此值可判断 模型的状态.

评估R-Sq/R-Sq(adj)1.二者都越大越好. 2.二者越接近越好. 3.没有进行因子删除时可能 二者差距较大. 4.模型优化后二者最接近 5.R-Sq(adj)最好地反映模型 的好坏.当模型优化后此值 会接近R-Sq.

观察因子P值1.各个因子的P值分析. 2.当P值接近0.05(虽然大于 0.05),删除时可能使S值增 加且R-Sq(adj)减少;故一般 不要从优化模型中去掉.

1. A阶段的整体思路(区间估计的运用 )No 1 测量值 样本代码 均值 Xbar 符合分布 n≥30; σ已知 符合Z分布 N<30; σ未知 符合t分布 dpu均值 Possion分布 2 3 标准差 比例 σ P Chi-Square分布 二项分布 minitab路径 Stat>Basic Statistics > 1-Sample Z Stat>Basic Statistics > Graphical Scummary Stat>Basic Statistics> 1-Sample t Stat>Basic Statistics > Graphical Scummary Stat >Quality Tools >Capability Analysis (Poisson) Sample Size = 1 Stat>Basic Stat > Display Descriptive Statistics Stat>Basic Stat >1 Proportion Calc>Probability distribution Z分布(近似) 4 流程能力 Chi-Square分布 Stat >Quality Tools > Capability Analysis>Binomial Stat >Quality Tools >Capability Analysis>Normal(Option)