sigaqma 討論

benji

附件中對SIGAMA有三各公式，而如果按照其中未分組數據計算公式，我有一疑問。
5 {! c: {4 G  H- h% G& B' L7 x! H舉例：下面為裁減尺寸。五各數據，單位MM：495、505、500、502、498
計算平均數：500，按照公式計算得出SIGAMA：3.6    那管制上下限制豈不是：500+10.8 ，500-10.8   那公差豈不是+/-10.8，
6SIGAMA的公差還這么大？
$ [& ~2 }, r/ a! }: x2 P: j# C我們公司實際公差為+/-2 ？
9 y" k! U( R& @. ~9 c: }% U這個就帶來一個疑問：SIGAMA 如果是按照實際生產數據計算得出的話，那還不如工程規定的呢？
  o0 V/ x: y3 I( T! F* r我到底要改信哪個？

2237xm

要计算sigama的前提是你的数据分布是正态分布，否则计算结果无意义。

benji

那如果我收集到的數據就不是正态分布呢？那如何管制呢，管制上下限不就無法確定了嗎？還談什麽6SIGAMA呢？

2237xm

建议你重新收集样品。尽可能分布在工艺的整个范围内。

benji

我現在就是有一個疑問，如果我收集到的樣品已經分布在工藝的整個範圍內的話，其也不呈現正态分布，如果是這樣的話，我該如何做呢？
還有就是我們說的管控上下限，就是平均值+/-3sigama，   那如果我收集的樣品其尺寸就不在工程規範的公差內，那么，在重這些數據中計算出sigama，還有無意義呢？或者說計算sigama用到的樣品數據，其本身首先就是要符合工程規範要求呢？
$ r' N6 \1 n6 j# l如果樣品本身就是要符合工程定義的公差內的話，那么計算sigama才有意義呢！ 或者說其管控上下限才會在工程的公差內呢？

ppp7872

我来给你答复吧：
首先正态不正态，不是最关键，但你的连续数据是正常的（没有异常情况），足够多的情况下，总是屈从于某种分布。如果是属性数据，那就可以用数缺陷的方式来定Z-value.

2 O2 v$ S) B2 k  m你的问题在于UCL/LCL和USL/LSL你有点混淆了：

; b' x$ a, Q% C  v2 H% E* _1 Z1 v根据你的数据，得出的结论是UCL/LCL, 也就是你的mean+/- 3 sigma,这是你的数据表现/也就是你的流程本身能力决定的。也就是说根据的你流程能力，你能保证3 sigma的范围是500+/- 10.8，你短期内有99.7%的产品尺寸落在这个范围内。
: f2 }1 q6 b1 b7 }1 G: ]
说回USL/LSL,这和你本身的数据/流程能力无关，只和你的标准-客户需求有关。在这个例子中就是你的500+/-2。
& i0 S  D5 O, D
我们所说的6 sigma是指你的过程能力/数据和你的USL/LSL做比较，两边可以有6 sigma，达到缺陷率百万分之3.4
5 i2 n/ `" {: f, J1 Z
也就是说你的500+/- 2的+/- 2的公差代里要能容下12 sigma,也就是你的标准差基本在0.3,所以说你们现有的制程能力距离6 sigma即使3 sigma还很远。当然这和你的数据较少也有关，不过你5个数据有2个超出你的标准，总是有问题的。
& a$ O: b# T4 H# B. k8 I2 |: Z
不过话说回来，其实这并非six sigma的精髓，精髓在于DMAIC/DMADV的方法和流程。当然数据方面最后的Z value主要是用来衡量原有水平和改进后水平的主要标志。
6 z1 N) l0 c) O# S
大部分项目会致力于关键表现的提高，但并非最终都能做到6 sigma的结果，有可能从1 sigma到3 sigma....
* n% Y5 w+ _5 j* Q; h
; M, s+ h/ L- D7 F  _3 o我觉得可以申请精华了。。。。。。
" E- _, A. }5 M3 x* E
[ 本帖最后由 ppp7872 于 2008-9-3 10:42 编辑 ]