sigma培訓基本統(tǒng)計概念

6σ普及培訓第二部分基本統(tǒng)計概念(ZTE-WB102-V1.0)2002年三月統(tǒng)計概念解釋以下基本統(tǒng)計概念。1. 波動(偏差)2. 連續(xù)數(shù)據(jù)和離散數(shù)據(jù)3. 平均值、方差、標準差4. 正態(tài)曲線5. 用Z值將數(shù)據(jù)標準化6.中心極限定理7. 過程能力 -使用Z值作為衡量工序能力的指標 -通過改進關鍵值Xs來改進Y8.穩(wěn)定性因子波動所有的人不會都是同樣的高度；所有的葡萄不可能同一天采摘問題:你期望存在波動嗎?什么類型的波動?觀測值變化當重復進行測量的時候，通常會得到不同的答案，

這就是波動！系統(tǒng)波動預期的和可預測的測量結果之間的差異。舉例：

夏季和冬季的空調的銷售量不同。隨機波動不可預測的測量結果之間的差異。舉例：具有同一種設計的兩臺冰箱，由同一個技術人員、在同樣的氣溫條件下、使用同樣的測量儀器，在兩個不同的日子對其能量消耗進行測試…...可能得到兩個不同的結果。1.2.觀測值變化（續(xù)）我們預期觀測值會有差異。如果沒有差異，我們就會產生懷疑。如果所有地區(qū)的手機銷售量是一樣的，那么我們就會懷疑是數(shù)據(jù)庫出了問題。.

如果我們測量10臺電冰箱，得到同樣的能耗測量結果，我們就會懷疑測量是否正確。這種變化使我們的工作更具挑戰(zhàn)性！一般來說，我們不能相信來自一個數(shù)據(jù)點的結果。通常我們收集多個數(shù)據(jù)點，而且非常注意如何選取這些樣本，以減少偏差。波動的產生是很自然的，意料之中的，是統(tǒng)計學的基礎統(tǒng)計學的作用統(tǒng)計學用以下方法處理誤差： (置信區(qū)間和假設檢驗)。統(tǒng)計描述用圖表和幾個總結性數(shù)字(均值、方差、標準差)描述一組數(shù)據(jù)。統(tǒng)計推理確定結果之間的差異何時可能是由于隨機誤差引起的，何時不能歸因于隨機誤差。

收集并分析數(shù)據(jù)，以估算過程變化的影響。

試驗設計數(shù)據(jù)的兩種類型

連續(xù)(可變)數(shù)據(jù)

使用一種度量單位，比如英寸或小時。

離散(屬性)

數(shù)據(jù)是類別信息，比如““通過”或““未通過”。連續(xù)數(shù)據(jù)離散數(shù)據(jù)問題解決辦法舉例: 部件號

離散

連續(xù) 1 通過 2.031 2 通過 2.034 3 未通過 2.076 4 通過 2.022 5 未通過 2.001連續(xù)數(shù)據(jù)以參數(shù)的形式，比如尺寸、重量或時間，說明一個產品或過程的特性。測量標準可以有意義地不斷分割，使精確度提高。你能舉出我們用來獲得連續(xù)數(shù)據(jù)的三個器具例子嗎？相對于僅僅知道部件是否合格而言，連續(xù)數(shù)據(jù)可以提供更多的信息。連續(xù)數(shù)據(jù)(也稱為可變數(shù)據(jù))離散數(shù)據(jù)不能更進一步精確地細分。

離散數(shù)據(jù)是某件事發(fā)生或未發(fā)生的次數(shù)，以發(fā)生的頻數(shù)來表示。

離散數(shù)據(jù)也可以是分類數(shù)據(jù)。如：銷售地區(qū)、生產線、班次和工廠。離散數(shù)據(jù)(也包括屬性或類別數(shù)據(jù))地區(qū)亮和不亮離散數(shù)據(jù)一般來說，連續(xù)數(shù)據(jù)比離散數(shù)據(jù)更可取，因為你可以利用更少的數(shù)據(jù)獲得更多的信息。如果不能得到連續(xù)數(shù)據(jù)，就可以對離散數(shù)據(jù)進行分析，發(fā)現(xiàn)結果，作出判斷。.連續(xù)數(shù)據(jù)與離散數(shù)據(jù)進行比較的解釋： 離散數(shù)據(jù)舉例：有凹痕的部件數(shù)量

通過/未通過申訴決議

產出生產線不合格品數(shù)量

及時交貨離散數(shù)據(jù)需要更多的數(shù)據(jù)點才能進行有效的分析請在下面的的例子旁，，寫出它是是“連續(xù)””還是“離離散”1銷售訂訂單準確度度2數(shù)據(jù)輸入準準確度3銷售地區(qū)4使用““合格/不不合格”測測量儀器得得到的孔徑徑5孔徑6應答中中心對話時時間7制冷氟氟利昂的重重量(克)8每百萬萬部件中有有缺陷部件件的數(shù)量9裝配線線缺陷(ALD)應用你所學學到的東西西總體－全組數(shù)據(jù)，，全部對象。-一個總體中中的元素數(shù)數(shù)量用N來表示樣本－總體的一個個子集-樣本的元素素數(shù)量用n來表示平均值－總體或樣本本的平均值值-總體的平均均值用來表示樣本的平均均值用X或來表示方差－數(shù)據(jù)與其平均值值之間差值值的平方的的平均值。(它代表該組組數(shù)據(jù)的分分散程度)-總體的方差差用表示-樣本的方差差用s2或表示均方差是方差的(正)平方根。(它也代表該該組數(shù)據(jù)的的分散程度度)。-總體的標準準差用來表示-樣本的標準準差用s或來表示統(tǒng)計學術語^^^－統(tǒng)計學術語和和定義總體－全部對象.舉例–1998年5月在深圳圳生產的所有有的21英寸寸彩電樣本－代表總體的一個子子集數(shù)據(jù)。舉例-1998年5月在深圳生產的一百二二十臺21英英寸彩電舉例：這個矩陣代表表25個X的總體。畫上上圓圈的那些些是由總體中中的六個X組成的樣本。。平均值-總體或樣本的的平均值。用x或來表示樣本，，用來表示總體。。舉例：給定一一個樣本：{1,3,5,4,7}，平均值就是：：統(tǒng)計學術語和和定義x=xn在這里X1是樣本的第一一個點，Xn是樣本的最后后一個點。.i1n?,平均值的公式式

x=(1+3+5+4+7)=20=4.0 55樣本的平均值值等于4。^標準差－衡量數(shù)據(jù)分散程度度的一個指標標。一般用表示總體，用用s或表示樣本。=(Xi-)2i=1NN總體的公式方差-與平均值之差差的平方的平平均值。一般般用s2或2來表示。

=

S=(Xi-X)2i=1nn-1樣本的公式統(tǒng)計學術語和和定義^^舉例課堂舉例：計算樣本{2,6,4}的方差和標準準差首先計算均值值：(2+6+4)/3=12/3=4計算平均值、、方差和標準準差x=xnii=1ns2=n(Xi-X)2i=1n-1

s=(Xi-X)2i=1nn-1平均值方差標準差方差(s2)=8/(3-1)=4標準差(s)=sqrt(4)=2ixi(xi-4)(xi-4)21 2-2 42 62 43400和12 08課堂練習課堂舉例：計算樣本{1,3,5,4,7}的方差和標準準差(使用下面的表表作為向導。。)首先計算平均均值X：計算平均值、、方差和標準準差x=xni1ns2=n(Xi-X)2i=1n-1

s=(Xi-X)2i=1nn-1均值方差標準差方差(s2)=標準差(s或)=^統(tǒng)計學術語和和定義缺陷；未滿足足與預期或規(guī)規(guī)定用途有關關的要求。（（引起顧客不不滿意）單位缺陷數(shù)（（DPU）：PPM（PartsperMillion）不合格品PPM=用PPM來表示缺陷率率：PPM=DPU1000000不合格品數(shù)量量檢驗的產品數(shù)數(shù)量1000000xx統(tǒng)計術語和定定義缺陷機會：做做一項工作（（或生產一件件產品等）所所有產生缺陷陷的可能性。。如：一個過過程的步驟數(shù)數(shù)；一個產品的零零件數(shù)。每百萬機會的的缺陷數(shù)（DPMO）DPMO=單位缺陷數(shù)每單位的缺陷陷機會1000000我能計算缺陷陷率嗎？我的過程產生生了多少缺陷陷?生產40000只燈泡,其中50只只有缺陷.DPMO是多少?x1,000,000=5040,0001250DPMO如何計算DPMO?我的過程產生生了多少缺陷陷?1999年A19燈泡的客戶退退貨率是1.0%。DPMO是多少？x1,000,000=如何把%轉化化成DPMO?把%轉化成小小數(shù)DPMO小數(shù)點向前移移動2位0.01x1,000,000=10,000DPMO作業(yè)-商務一名客戶服務務代表3天收收到這些電話話:小時: 第1天: 第2天: 第3天:

電話數(shù) 回答數(shù)

電話數(shù) 回答數(shù)

電話數(shù) 回答數(shù)

1 20 20 25 23 22 222 15 12 20 18 25 243 25 23 15 15 20 174 23 20 22 20 24 245 26 24 26 23 20 196 27 25 28 28 24 247 23 23 24 21 25 228 21 20 25 23 21 16未回答電話的的DPMO是多少:a)第1天b)第2天c)第3天d)3天繪制直方圖75706560151050高度度頻數(shù)數(shù)59616363645962666565646065626468706563646866656667646658656571636963667064676466626464646164636564686667697168666563646468676564656470656865666966666563686662676566676660676360647390位女士士的身身高用直方方圖形形成一一個連連續(xù)分分布測定單單位條形的的中心心點平滑的的曲線線連接接每個個條形形的中中心點點許多(但非全全部)數(shù)據(jù)符符合““正態(tài)態(tài)”分分布，，或鐘鐘形曲曲線。。正態(tài)分分布的的標準準差()拐點1USLp(d)上限(USL)下限(LSL)均值()標準差差()3拐點與與平均均值之之間的的距離離是一一個標準差差。如如果三三倍的的標準準差都都落在在目標標值和和規(guī)范范的上上下限限內，，我們們就稱稱這個個過程程具有有“三三個西西格瑪瑪能力力”平均值值LSL曲線從從較陡陡的狀狀態(tài)變變得越越來越越平坦坦面積和和概率率合格部件控制限曲線下的面積是1.0。我們可以計算規(guī)范上下限之外的面積，也就是出現(xiàn)缺陷的概率。一個缺陷部件的概率正態(tài)曲曲線與與橫軸軸之間間的面面積等等于1，所所以曲曲線下下面的的面積積與缺缺陷發(fā)發(fā)生的的概率率相關關。正態(tài)分分布可可以用用來將將和轉換為為出現(xiàn)缺缺陷的的百分分比。。規(guī)范上上限出現(xiàn)缺缺陷的的概率率=.0643假設Z=1.52。。1.52之外的的正態(tài)態(tài)曲線線下部部的面面積就就是出出現(xiàn)缺缺陷的的概率率。Z值是工工序能能力的的一種種尺度度，通通常稱稱為““工序序的西西格馬馬”，，不要要與過過程標標準差差混淆淆。Z曲線下下的整整個面面積是是1=0(在在這這里=1，，=0)使用正正態(tài)表表Z=1.52下頁上上的表表列出出了Z值右邊邊的面面積。。正態(tài)分分布Z00.010.020.030.040.050.060.070.080.090.05.00E-014.96E-014.92E-014.88E-014.84E-014.80E-014.76E-014.72E-014.68E-014.64E-010.14.60E-014.56E-014.52E-014.48E-014.44E-014.40E-014.36E-014.33E-014.29E-014.25E-010.24.21E-014.17E-014.13E-014.09E-014.05E-014.01E-013.97E-013.94E-013.90E-013.86E-010.33.82E-013.78E-013.75E-013.71E-013.67E-013.63E-013.59E-013.56E-013.52E-013.48E-010.43.45E-013.41E-013.37E-013.34E-013.30E-013.26E-013.23E-013.19E-013.16E-013.12E-010.53.09E-013.05E-013.02E-012.98E-012.95E-012.91E-012.88E-012.84E-012.81E-012.78E-010.62.74E-012.71E-012.68E-012.64E-012.61E-012.58E-012.55E-012.51E-012.48E-012.45E-010.72.42E-012.39E-012.36E-012.33E-012.30E-012.27E-012.24E-012.21E-012.18E-012.15E-010.82.12E-012.09E-012.06E-012.03E-012.01E-011.98E-011.95E-011.92E-011.89E-011.87E-010.91.84E-011.81E-011.79E-011.76E-011.74E-011.71E-011.69E-011.66E-011.64E-011.61E-011.01.59E-011.56E-011.539E011.52E-011.49E-011.47E-011.45E-011.42E-011.40E-011.38E-011.11.36E-011.34E-011.31E-011.29E-011.27E-011.25E-011.23E-011.21E-011.19E-011.17E-011.21.15E-011.13E-011.11E-011.09E-011.08E-011.06E-011.04E-011.02E-011.00E-019.85E-021.39.68E-029.51E-029.34E-029.18E-029.01E-028.85E-028.69E-028.53E-028.38E-028.23E-021.48.08E-027.93E-027.78E-027.64E-027.49E-027.35E-027.21E-027.08E-026.94E-026.81E-021.56.68E-026.55E-026.43E-026.30E-026.18E-026.06E-025.94E-025.82E-025.71E-025.59E-021.65.48E-025.37E-025.26E-025.16E-025.05E-024.95E-024.85E-024.75E-024.65E-024.55E-021.74.46E-024.36E-024.27E-024.18E-024.09E-024.01E-023.92E-023.84E-023.75E-023.67E-021.83.59E-023.52E-023.44E-023.36E-023.29E-023.22E-023.14E-023.07E-023.01E-022.94E-021.92.87E-022.81E-022.74E-022.68E-022.62E-022.56E-022.50E-022.44E-022.39E-022.33E-022.02.28E-022.22E-022.17E-022.12E-022.07E-022.02E-021.97E-021.92E-021.88E-021.83E-022.11.79E-021.74E-021.70E-021.66E-021.62E-021.58E-021.54E-021.50E-021.46E-021.43E-022.21.39E-021.36E-021.32E-021.29E-021.26E-021.22E-021.19E-021.16E-021.13E-021.10E-022.31.07E-021.04E-021.02E-029.90E-039.64E-039.39E-039.14E-038.89E-038.66E-038.42E-032.48.20E-037.98E-037.76E-037.55E-037.34E-037.14E-036.95E-036.76E-036.57E-036.39E-032.56.21E-036.04E-035.87E-035.70E-035.54E-035.39E-035.23E-035.09E-034.94E-034.80E-032.64.66E-034.53E-034.40E-034.27E-034.15E-034.02E-033.91E-033.79E-033.68E-033.57E-032.73.47E-033.36E-033.26E-033.17E-033.07E-032.98E-032.89E-032.80E-032.72E-032.64E-032.82.56E-032.48E-032.40E-032.33E-032.26E-032.19E-032.12E-032.05E-031.99E-031.93E-032.91.87E-031.81E-031.75E-031.70E-031.64E-031.59E-031.54E-031.49E-031.44E-031.40E-033.01.35E-031.31E-031.26E-031.22E-031.18E-031.14E-031.11E-031.07E-031.04E-031.00E-033.19.68E-049.35E-049.04E-048.74E-048.45E-048.16E-047.89E-047.62E-047.36E-047.11E-043.26.87E-046.64E-046.41E-046.19E-045.98E-045.77E-045.57E-045.38E-045.19E-045.01E-043.34.84E-044.67E-044.50E-044.34E-044.19E-044.04E-043.90E-043.76E-043.63E-043.50E-043.43.37E-043.25E-043.13E-043.02E-042.91E-042.80E-042.70E-042.60E-042.51E-042.42E-043.52.33E-042.24E-042.16E-042.08E-042.00E-041.93E-041.86E-041.79E-041.72E-041.66E-043.61.59E-041.53E-041.47E-041.42E-041.36E-041.31E-041.26E-041.21E-041.17E-041.12E-043.71.08E-041.04E-049.97E-059.59E-059.21E-058.86E-058.51E-058.18E-057.85E-057.55E-053.87.25E-056.96E-056.69E-056.42E-056.17E-055.92E-055.68E-055.46E-055.24E-055.03E-053.94.82E-054.63E-054.44E-054.26E-054.09E-053.92E-053.76E-053.61E-053.46E-053.32E-054.03.18E-053.05E-052.92E-052.80E-052.68E-052.57E-052.47E-052.36E-052.26E-052.17E-054.12.08E-051.99E-051.91E-051.82E-051.75E-051.67E-051.60E-051.53E-051.47E-051.40E-054.21.34E-051.29E-051.23E-051.18E-051.13E-051.08E-051.03E-059.86E-069.43E-069.01E-064.38.62E-068.24E-067.88E-067.53E-067.20E-066.88E-066.57E-066.28E-066.00E-065.73E-064.45.48E-065.23E-065.00E-064.77E-064.56E-064.35E-064.16E-063.97E-063.79E-063.62E-064.53.45E-063.29E-063.14E-063.00E-062.86E-062.73E-062.60E-062.48E-062.37E-062.26E-064.62.15E-062.05E-061.96E-061.87E-061.78E-061.70E-061.62E-061.54E-061.47E-061.40E-064.71.33E-061.27E-061.21E-061.15E-061.10E-061.05E-069.96E-079.48E-079.03E-078.59E-074.88.18E-077.79E-077.41E-077.05E-076.71E-076.39E-076.08E-075.78E-075.50E-075.23E-074.94.98E-074.73E-074.50E-074.28E-074.07E-073.87E-073.68E-073.50E-073.32E-073.16E-07Z科學記記數(shù)法法科學記記數(shù)法法是將將數(shù)字字寫成成一個個數(shù)字字的10次次冪的的一種種方法法。我我們來來看一一些用用科學學記數(shù)數(shù)法表表示的的數(shù)字字。6.43E-02是.0643的科學學記數(shù)數(shù)法格格式。。6.43E-02=6.42x10-2=.06426.43E-02實際數(shù)數(shù)字科學記記數(shù)法法6.43代代表表基數(shù)數(shù)將基數(shù)數(shù)乘以以10的冪冪：10-21271.27E+02224162.24E+040.06436.43E-020.0000565.60E-052.0512.05E+00如果““E”后面的的數(shù)字字是負負的，，那么么就將將數(shù)字字的小小數(shù)點點的位位置挪挪到左左邊。。Z值–轉化為為“標標準正正態(tài)””我們需需要利利用正正態(tài)分分布的的平均均值和和標準準差將將其轉轉化為為“標標準正正態(tài)””分布布，以以便使使用標標準正正態(tài)分分布表表來獲獲得概概率。。通過轉轉換將將變量量(y)轉換為為標準準正態(tài)態(tài)分布布。標標準正正態(tài)分分布的的平均均值(=0,標準差差()=1.規(guī)范上上限(USL)規(guī)范上限Z值是平均值與規(guī)范的上下限之間所包含的標準差個數(shù)。出現(xiàn)一一個缺缺陷部部件的概率率USL-Z=對于規(guī)規(guī)范的的上限限：正態(tài)分分布舉舉例規(guī)范是是1.030”+.030=(1.000,1.060)假設我我們測測量了了30個部部件，，X=1.050,s=.015計算一一下不不符合合規(guī)范范的部部件的的比例例1.0201.0351.0501.0651.080LSLUSL目標值值從正態(tài)表可以看出，.2514

或者(25%)不符合規(guī)范。USL

Z.USL=USL-X

S=1.060-1.050

.015Z.USL=+.67XLSLZ.LSL=X-LSL S

=1.050-1.000.015

Z.LSL=3.33從正態(tài)表可以看出，

.0004或者(.04%)不符合規(guī)范數(shù)據(jù)的的實際際分布布現(xiàn)狀分分析報報告中中的Z值就是是ZBench。ZBench的定義義PUSL是相對對USL而出現(xiàn)現(xiàn)缺陷陷的概概率。。PLSL是相對對LSL而出現(xiàn)現(xiàn)缺陷陷的概概率。。PTOT是出現(xiàn)現(xiàn)缺陷陷的總總概率率PTOT=PUSL+PLSLZBench是與出出現(xiàn)缺缺陷的的總概概率相相對應應的Z值，可可從正正態(tài)表表中查查到。。25.14%.04%ZLSL=3.33ZUSL=0.6725.18%ZBENCH=.67從正態(tài)態(tài)表獲獲得面面積(合格品品和不不合格格品的的百分分比)例1:Z=2.00右邊的的面積積=_________左邊的的面積積=_________例2:Z=1.57右邊的的面積積=_________左邊的的面積積=_________例3:=6.34=.03x=6.41計算Z=x-右邊的的面積積=_______左邊的的面積積=_______中心極極限定定理-為什么么我們們得到到的通通常是是正態(tài)態(tài)分布布平均值值分布布–n個測量量結果果的平平均值值單個變變量的的分布布圖XX(總平均數(shù))中心極限定理表明，如果n足夠大，樣本平均值(x)或其總和的分布，都近似于正態(tài)分布，無論單個變量是否服從正態(tài)分布。每個子子群中中有“n””個樣本本。－中心極極限定定理（（例））中心極極限定定理-為什么么我們們通常常得到到正態(tài)態(tài)分布布中心極限定理表明，如果n足夠大，樣本平均值(x)或其總和的分布，都近似于正態(tài)分布，無論單個變量是否服從正態(tài)分布。例1“總銷量量”是是許多多經銷銷商的的銷售售量的的總和和。一一個經經銷商商的銷銷售量量可能能不是是正態(tài)態(tài)分布布，但但總銷銷量很很可能能近似似于正正態(tài)分分布。。例2一堆部部件的的高度度可能能近似似服從從于正正態(tài)分分布，，盡管管個別別部件件的高高度不不是正正態(tài)分分布。。注意：：不是所所有數(shù)數(shù)據(jù)都都符合合正態(tài)態(tài)分布布。后面我我們將將討論論如何何檢驗驗正態(tài)態(tài)性，，以及及如何何處理理非正正態(tài)分分布數(shù)數(shù)據(jù)。。Z作為一一種能能力的的尺度度zUSLT+3能力Z=3123USL+6能力Z=6123456T隨著偏偏差減減小，，出現(xiàn)缺缺陷的概率率降低低，所以，，能力力提高高。我們希希望：：小z大提高工工序能能力Y=f(X)Y是因變量。X是獨立變量。

Y取決于X。改進X才能改進Y。不太重要的多數(shù)變量30%+70%=100%至關重要的少數(shù)變量獨立變變量(Xs)有時被被稱為為“根根本原原因系系統(tǒng)””。因變量量(Y)有時被被稱為為響應應變量量。Y取決于于獨立立變量量，或或“X”變量。。至關重重要的的少數(shù)數(shù)變量量也被被稱為為“杠杠桿””變量量，因因為它它們對對因變變量具具有重重大影影響。。統(tǒng)計學學問題題:是均值值偏離離、偏偏差過過大，，還是是兩者者兼而而有之之改進的的焦點點控制平均值的杠桿變量控制標準差的杠桿變量變量YY=f(X1,...,XN)較差的工序能力LSLUSLLSLUSL出色的工序能力

均值偏移過度分散能力這適用用于所所有過過程—制造業(yè)業(yè)和商商業(yè)。。穩(wěn)定運運行可可以從從過程程中消消除偏偏差，，使結結果更更加穩(wěn)穩(wěn)定、、提高高可預預測度度。偏差是是惡魔魔，發(fā)發(fā)現(xiàn)它它并且且清除除它！！低劣表表現(xiàn)出色表表現(xiàn)客戶：“我希望望每天天都這樣””穩(wěn)定的的運行行“壞日子”“一般的日子”“好日子”Q1平均值Q3產品產量的直方圖根除壞壞日子子，提提高一一致性性，提提高平平均值值。將壞日日子變變?yōu)楹煤萌兆幼釉瓉淼牡男袨闉樵黾悠狡骄抵?。偏偏差保保持不不變。。依然然存在在著壞壞日子子！穩(wěn)定運運行根除過過程的的“不不穩(wěn)定定“部部分(壞日日子)。平平均值值也增增加了了！初始表表現(xiàn)根除壞壞日子子，改改進一一致性性，提提高平平均值值。平均值值平均值值平均值值穩(wěn)定的的運行行會降降低偏偏差Q3Q31Q3=23646Q1=12215原始數(shù)數(shù)據(jù)分類后后頂部25%底部25%1)測測量量您的的工序序每天天的產產量。。2)將數(shù)據(jù)據(jù)按從從最好好到最最壞順順序排排列。。3)將數(shù)據(jù)據(jù)四等等分。。Q1=1/4的日子子較差差。3/4的日子子較好好。Q3=3/4的日子子較差差。1/4的日子子較好好。4)計算穩(wěn)定定性因子子(SF):SF=Q1/Q3=12215/23646=.52隨著偏差差的降低低，穩(wěn)定定性因子子越來越越接近1.0。?！胺€(wěn)定性性因子””：Q1/Q3根除壞日日子，提提高一致致性，提提高平均均值平均值初始表現(xiàn)現(xiàn)Q1Q3穩(wěn)定操作1.根除過程的“不穩(wěn)定“部分(壞日子)。2.增加Q1.3.降低偏差。4.平均值也增加了！Q1穩(wěn)定操作作降低偏偏差偏差是惡惡魔。發(fā)發(fā)現(xiàn)它，，并且消消除它??！穩(wěn)定運行行帶來的的好處客戶會看看到更高高的一致性和可靠性。過程的可預測性性增加，更更易于管管理。平均值(能力)更高。利利用“隱隱蔽的工工廠”。。低劣表現(xiàn)現(xiàn)出色表現(xiàn)現(xiàn)客戶：“我每天都都希望實現(xiàn)這個個目標””穩(wěn)定運行行：如何何實現(xiàn)1.在在測量階段，計計算您的的過程的的穩(wěn)定性性因子。。發(fā)現(xiàn)那那些具有有低穩(wěn)定定性因子子的過程程，那些些具有最最大改進進機會的的過程。。2.使用分析方法篩選選出可能能導致壞壞日子的的關鍵因因素X。3.使用改進方法來確確認將壞壞日子變變成好日日子的關關鍵因素素X。4.控制關鍵因素素X，保持高穩(wěn)穩(wěn)定性。。使用六個個西格瑪瑪方法來來實施穩(wěn)穩(wěn)定操作作。關鍵概念念：統(tǒng)計學概概念誤差存在于所所有過程程。連續(xù)(可變)數(shù)據(jù)可以以有意義義地進一一步分割割，例如如，長度度，重量量。離散數(shù)據(jù)是以以類別形形式存在在的，不不能進行行分割。?？傮w就是全部部對象。。樣本就是總體體的一個個子集。。平均值–分布的平平均數(shù)。。標準差–分布的分分散程度度。方差–標準差的的平方。。正態(tài)分布布–對稱分布布于平均均值兩邊邊的數(shù)據(jù)據(jù)，鐘形形曲線。。標準正態(tài)態(tài)分布–具有平均均值(m)=0和標準差差(s)=1的正態(tài)分分布。關鍵概念念：統(tǒng)計學概概念中心極限限定理表明，無論單單個變量量是不是是服從正正態(tài)分布布，多個個變量的的平均值值或總和和通常近近似于正正態(tài)分布布。Z值是平均均值與規(guī)規(guī)范的上上下限之之間所包包含的標標準差個個數(shù)Y(‘響應變量’)-因變量X(‘因素’)-獨立變量Y=f(X):Y取決于X。通過確定和和改進關鍵鍵的X變量來改進進Y。過程能力–過程的偏差差與其要求求(規(guī)范)之間的比比較。穩(wěn)定運行-集中于降低低偏差，使使壞日子變變成好日子子。穩(wěn)定性因子子-Q1/Q3.第一個四等等分/第三個四等等分。謝謝！9、靜夜夜四無無鄰，，荒居居舊業(yè)業(yè)貧。。。12月月-2212月月-22Wednesday,December7,202210、雨中中黃葉葉樹，，燈下下白頭頭人。。。22:45:3622:45:3622:4512/7/202210:45:36PM11、以我獨獨沈久，，愧君相相見頻。。。12月-2222:45:3622:45Dec-2207-Dec-2212、故人江海海別，幾度度隔山川。。。22:45:3622:45:3622:45Wednesday,December7,202213、乍乍見見翻翻疑疑夢夢，，相相悲悲各各問問年年。。。。12月月-2212月月-2222:45:3622:45:36December7,202214、他鄉(xiāng)鄉(xiāng)生白白發(fā)，，舊國國見青青山。。。07十十二二月202210:45:36下下午午22:45:3612月月-2215、比比不不了了得得就就不不比比，，得得不不到到的的就就不不要要。。。。。十二二月月2210:45下下午午12月月-2222:45December7,202216、行行動動出出成成果果，，工工作作出出財財富富。。。。2022/12/722:45:3622:45:3607December202217、做前，，能夠環(huán)環(huán)視四周周；做時時，你只只能或者者最好沿沿著以腳腳為起點點的射線線向前。。。10:45:36下下午10:45下下午22:45:3612月-229、沒有失失敗，只只有暫時時停止成成功！。