当前位置：文档之家 › 世界级质量管理工具谢宁DOEppt课件

世界级质量管理工具谢宁DOEppt课件

  • 格式：ppt
  • 大小：2.21 MB
  • 文档页数：49

下载文档原格式

  / 49

合集下载

谢宁DOE

谢宁DOE
19
练习答案
（1）为以下8个计划方针中的每一个鉴别重要变量族（即时间 对时间，部件对部件、部件内）。 在每个硅晶片上，北、南、东、西和中间5部分：部件内 每个批次里采集3个样本：部件对部件 每个批次的左、中、右3个方向：部件内 2个真空镀膜室：部件内 每批次需要2小时，即每班4批次：部件对部件 从1班和2班中2个连续的批次：时间对时间 在周一、周二、周三取样：时间对时间 在连续的3周内取样：时间对时间
14
案例研究：设计多变量
印刷电路板钻孔
解答：对于上述问题有3个主要变量族系和7个子族系。
绿Y：毛刺度量尺度
时间对时间
部件对部件
部件内
班次对班次（3） 面板对面板（3）
小时对小时（3） 机器对机器（3）
钻孔夹头对钻孔 夹头（2）
钻孔尺寸对钻孔 操作者对操作者
尺寸（4）
（3）
15
确定取样频率和所需部件的数量
16
课堂练习
半导体硅晶片多变量计划
在一个多变量研究中，要在一个半导体硅晶片上（包括几百个 芯片）进行厚度测量，以确定哪些变量族对厚度的差别影响最 大。厚度变量就是绿Y。假定测量仪器的精度是硅晶片规范厚度 公差的6倍多。设计一个多变量计划，以表述下列计划方针所 罗列的问题。
17
课堂练习
（1）为以下8个计划方针中的每一个鉴别重要变量族（即时间对时间， 部件对部件、部件内）。 在每个硅晶片上，要对5个部分进行测量（北、南、东、西和中 间）。 从镀膜后的每个批次里采集3个样本。 从该批次镀膜过程中，从真空室的左、中、右3个方向采样。
24
數據案例
25
分析結果
thickness 对于 Day-position 的多变异图Fra biblioteka, 1

经典田口谢宁韩永春DOE试验设计

经典田口谢宁韩永春DOE试验设计
统计分析因子设计?然后再使用响应优化器统计响应优化器?你也必须在响应优化器的对话框中的设置功能中设定响应变量的目标值6和上下限58和62doedoedoe优化参数设定优化参数水平设置来减少一个系统对噪声变化的敏感性找问题的原因筛选试验设计全因子试验设计响应曲面设计混料试验设计静态参数设计动态参数设计十大工具因子解析法信噪比逆向思维法筛选试验设计响应曲面设计筛选试验设计田口设计从果到因的思维方式主要应用于研发生产主要应用于研发生产主要应用于生产minitabjmp等minitabjmp等不需要基本统计知识基本统计知识基本统计知识需求相对较少试验期间要停止生产试验期间要停止生产可以不停产利用sn和正交试验从工程角度来看田口试验方法就是在产品设计或设计过程中在不增加成本的前提下突破设计瓶颈或改善生产制造流程提高产品品质的一种试验方法
12. 得出实际结论 13. 贯彻改进方案
10
三.全因子试验设计的实例
1. 2. 3. 4. 5. 定义问题: 建立一个精确的弹射器 验证测量系统的能力 确立试验目标: 发射球到6米远,并使变化在6X):
a. 发射角 b. 球的类型 c. 像皮筋的条数 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 d. 插销的位置 h. 弹射杯的位置
19
设置试验设计中的选项
• 在“选项”对话框中
选择 “随机化运行顺序 ”。以完全随机的方式 安排各次试验单元的 顺序。
• 随机化的目的是防止
那些试验者未知的但可 能会对响应变量产生的 某种系统的影响。
20
选定因子的名称和水平
• 在“因子”对话框中填入 各因子的高底水平代码或 实际的设定值。
21
Minitab中的试验设计输出
a. 发射角 b. 球的类型 c. 像皮筋的条数 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 d. 插销的位置 h. 弹射杯的位置

世界级质量管理工具谢宁DOE.ppt

世界级质量管理工具谢宁DOE.ppt
好处：减少数据量
X：变量
红X
粉红X
浅粉红X
绿Y
测量精度：5:1，（即变量变化范围:测量工艺精度）≥5
X变 量 对 Y的 影 响 比 重 60%
50% 50%
40%
30% 20%
20%
10%
0% 红X
粉红X 原因重要性
10% 浅粉红X
多变量分析
成对比较
部件搜索 针对20个以上的变量
集中图
产品/过程搜索
谢宁DOE概述
什么是DOE？
design of experiment
DOE：试验设计是有目的的改变过程输入因素
（X）以观测相应的输出变化（Y）的行动。 Y=F(X1,X2,X3……Xn)
➢DOE是一种质量工具，要解决的变量X与Y的关系，如果逆向知道问 题Y，如何找出X1，X2，X3……..？
X：变量
变量是有害的
需要找出和控制
Cp和Cpk表征变量分布
所有变量的都很重要？
➢DOE分类：经典DOE、田口DOE和谢宁DOE
原理 目的
DOE逆向：知道问题Y如何找到X
8/2原则
帕累托定律
80%的问题（Y） 是由哪些20%的原
因（X）造成的
简单，有效 强调与部件对话
10大工具
Y：绿Y，代表要解决的问题和目标 利克特尺度：在好坏之间建立一个好坏程度，如1代表差，10代表好；
扑克戏法的原理：对于27张牌，三次定位找出指定的牌 （红X），即第一次找出红X所在的列，可以排除18张牌； 再次洗牌后，确定红X所在的排，排除6张，只剩3张牌；再
次洗牌，则可以轻松的确定唯一的红X
鱼骨图的无奈——常用的分析问题的方法
鱼骨图可以分析问题产生的可能原因，但并不能进一 步分析，到底哪个是主要原因，次要的原因。只能每 项可能的原因都要进行改善，效率低，很多原因可能 只是猜测，这正是多变量分析的优势。

10_Shainin DOE

10_Shainin DOE
C07_Pg 74
使用預先管制圖
红色黄色 綠色
綠色 黄色 红色
红色黄色 綠色
綠色 黄色 红色
• 流程建立和檢查是否合格: – 取五個樣本 – 如果所有五個樣本都在綠色 區, 流程合格, 得到控制且製 程能力很好 – 如果有一個或以上落在黃 色和紅色區: • 流程沒有得到控制 • 尋找引起失控的原因 和/或按文件記載的反 應行動計劃調整流程. • 取另外五個樣本檢驗 檢查是否合格
摩托罗拉公司有这样一句名言：“没有戴明，美国就不会有质 量哲学；没有朱兰，美国不会有质量的方向；没有谢宁，美国
就无从解决质量问题。”
变量的两种基本类型
• 随机变量 - 流程内在变化，不能完全排除。 • 系统变量 - 由人、机器、方法、材料、环境等问题造成的反常的变化。 - 能被各种各样的控制图表发现。 • 是品质的最大敌人。
Shainin DOE
Shainin DOE 简介
• 由美国多利安·谢宁（Dorian Shainin）发明或者是完善的一些简 单但强大的方法。 • 谢宁DOE不必是工程师的专属领域。一线工人广泛使用DOE的公司证 实：若给一线工人以培训、鼓励和支持，他们会做得和工程师同样 好，也许还要更好一些。
• 對短期和長期的生産運作都適用 • 資料不必記錄,計算和作圖 • OCAP (失控行動計劃) 易於 定義和實施
C07_Pg 78
預先控制系統的缺點
• 預先控制的觀念與6 Sigma相反 – 採用 “規格限之間就足夠好” 的觀念 – 6 Sigma 的焦點是達到目標值 • 監控技術對診斷問題不是很有用 • 對製程能力差的流程很可能有假警報 – 對製程能力差的流程, 由預先管制圖中發出假警報的可能性很高 . • 如 Cpk = 1, 純粹是隨機發生的信號大約有~2% 的機率會造成假 警報 – 對製程能力差的流程, 由預先管制圖中不發出真警報的可能性也很 高. • 如 Cpk = 1 且流程均值突然偏離到USL (産生 50% 缺陷), 在下兩 個樣本中探測不到這個偏離的機率大約是6.5%

谢宁DOE

谢宁DOE
14
案例研究：设计多变量
印刷电路板钻孔
解答：对于上述问题有3个主要变量族系和7个子族系。
绿Y：毛刺度量尺度 时间对时间 班次对班次（3） 小时对小时（3） 机器对机器（3） 钻孔夹头对钻孔 夹头（2） 钻孔尺寸对钻孔 操作者对操作者 尺寸（4） （3） 部件对部件 面板对面板（3） 部件内
15
确定取样频率和所需部件的数量
从先前定义的所有族中收集样本（多腔、多轴等等） 从先前定义的每个不同时间段收集一批样本
•
• •
如果80％的历史变差可以从数据中获取，则停止收集样本
利用多变差图分析数据 根据以下类别计算变差： a) 时间变差 b) 单位内变差 c) 零件间3
案例研究：设计多变量
确定在零件的缺陷中是否存在任何模式（pattern）或
密度（concentration） 只有在多变差分析表明单位内变差很大，而且怀疑是变 差很大的原因时适用
• 画一幅单位图 • 在图上用网格画成多个区域 • 当对单位进行检验时，在单位图上标记发现缺陷的准确位置 • 如果你在分析多种缺陷，确定缺陷编号（这绝不是我们在问题定义阶段第 一步要做的事） • 用比例（1～5）乘以缺陷，表示每个缺陷的严重度，填写在适当的网格里 • 把这个图和多变差分析结合起来。连续标记，直到获得80％的历史拒收 • 研究网格，看是否有什么缺陷很集中，密度很大 • 看看能否用工程判断来确定缺陷的原因。如果不行，我们必须应用产品/过 程或变量调查来继续试验。
（11）你会很神气地从第2列第5行中抽出那张牌（总是中间那行）。
8
第二章－1 初级DOE工具—多变量分析
扑克牌戏法背后的多变量原理
在给定的问题中，27张牌就是27个变量，任何一个都可能是红X。

世界级质量管理工具谢宁DOE教材

世界级质量管理工具谢宁DOE教材

变量是有害的
需要找出和控制
Cp和Cpk表征变量分布
所有变量的都很重要？
➢DOE分类：经典DOE、田口DOE和谢宁DOE
原理 目的
DOE逆向：知道问题Y如何找到X
8/2原则
帕累托定律
80%的问题（Y） 是由哪些20%的原
因（X）造成的
简单，有效 强调与部件对话
10大工具
Y：绿Y，代表要解决的问题和目标 利克特尺度：在好坏之间建立一个好坏程度，如1代表差，10代表好；
➢ 针对各个x进行族系的划分： ✓ 每天三班倒
时间对时间
✓ 每班工作时间的变化
时间对时间
✓ 有13台同样的钻床
部件内
✓ 每台机器有4个钻削夹头
部件内
✓ 每班有8个工人操作机器
部件内
✓ 每台机器上有3个装在PWB板上的控制板
部件对部件
✓ 每台机有10种钻孔尺寸
部件内
➢首先画出族谱图，按照三个族系分类，然后确定各个x的取 样数目，一般3~5就可以。从上可以得看，存在3大族系，个 子族系，如下图：
设计多变量具体研究步骤
1. 测量仪器的精度至少是产品精度的5倍 2. 确定可出现的变量的族的数目 3. 画出族谱 4. 估计所要求的不同时间取样的次数 5. 确定对在加工过程中连续抽取的部件的数量（一般3~5） 6. 确定在部件内，族系的取样数量，如方位、机器、模腔的数
量） 7. 将第4、5、6不重的数量相乘，以确定要研究的部件总数 8. 设计一个图表，简化多变量数据的收集
多变量分析案例（一）
印刷电路板在钻孔时产生的过量毛刺，用利克特度 量尺度把毛刺分成1到10级，然后对各种变量族系进行 甄别。决定仅用一天的时间进行试验，期望在一天之 内就能充分找到至少80%的重要变量。 • 每天三班倒 • 有13台同样的钻床 • 每台机器有4个钻削夹头 • 每班有8个工人操作机器 • 每台机器上有3个装在PWB板上的控制板 • 每台机有10种钻孔尺寸

DOE全套资料PPT课件

DOE全套资料PPT课件

2019/9/13
31
2019/9/13
32
Minitab运行窗口的输出如下：
2019/9/13
33
分析评估回归的显著性： （1）看ANOVA表： 如果对应“主效应”和“2因子交互效作用”中至少一项的P 值＜0.05，则 可以判定本模型总的来说是有效的，如果两项的P值＞0.05，则可判定本模 型总的来说是无效，此时说明整个试验没有有意义的结果。造成该情况的 原因可能有以几点： 试验误差大。由于ANOVA检验的基础是将有关各项的离差平方和与随机 误差的平方和相比较，形成F统计量。如果随机误差平方和太大，则将使F 变小，以而得到“不显著”的结论。此时，应仔细分析误差产出的各项原 因，能否设法降低误差。 • 由测量系统造成的，应改进测量系统。 • 试验设计中漏掉了重要因子，漏掉重要因子会使“试验误差”增大。在 初期选定因子时，应该“宁多毋漏”，因子多选了，将来删除很容易，但 漏掉了想找回来难度就较大。 有可能模型本身有问题。例如模型有失拟或数据本身有较强的弯曲。
2019/9/13
7
2.2水平：因子的不同取值，称为因子的“水平”
2.3处理：各因子按照设定的水平的一个组合，按照此组合能够进行一 次或多次试验并获得输出变量的观察值
2.4模型与误差：按照可控因子x1、X2、。。。XK建立的数学模型
Y=F（ x1、X2、。。。XK ）+ε
误差ε包含： 由非可控因子所造成的试验误差 失拟误差（lack of fit):所采用的模型函数F与真实函数间的差异
2019/9/13
5
2、DOE的基本术语
2.1 因子：影响输出变量Y的输入变量X称为DOE中的因子 可控因子：在实验过程中可以精确控制的因子，可做为DOE的因子 非可控因子：在实验过程中不可以精确控制的因子，亦称噪声因子，不能 作为DOE的因子。只能通过方法将其稳定在一定的水平上，并通过对整体 试验结果的分析，确定噪声因子对试验结果的影响程度。 可控因子对Y的影响愈大，则潜在的改善机会愈大。

DOE培训教材经典版PPT课件

DOE培训教材经典版PPT课件
因子水平取值应尽可能地分散，但不要过于分 散，以便对分析造成不利影响。
水平取值的建议：以现行操作值为中心点，再 来确定控制范围内的最大值和最小值。
精选PPT课件
23
实验设计的基本程序
DOE包含计划-实施-分析三个阶段8个步骤：
步骤1：明确目的
计
步骤2：选择品质特性（响应Y）
步骤3：选择确定因子及其水平
精选PPT课件
12
实验设计三项基本原则
重复设计
概念：一个处理施于多个单元。简单讲，就是指相同的试验条件 需要重复进行2次或以上的实验。
作用：估计随机误差 常用的策略是——采用中心点
随机化
概念：以完全随机的方式安排试验的顺序。 目的：是防止出现系统差异的影响。
区组化
概念：一组同质齐性的实验单元（运行）称作一个区组，将全部 实验单元划分为若干区组的方法称作区组化。
它不仅能识别单个因素影响，而且能识别多 个因子的交互影响。
DOE通过安排最经济的试验次数来进行试 验，以确认各种因素X对输出Y的影响程度， 并且找出能达成品质最佳因子组合。
DOE是进行产品和过程改进最有效的强大
武器！
精选PPT课件
10
传统实验的致命弱点
原来大学教授传授一种试验方法，至今仍被传 统的工程师所沿用。在这种老式的试验中，一次 只有一个变量变动，而其他变量均保持恒定。
精选PPT课件
8
DOE发展的三个里程碑
1920年, 实验设计技术最早是由英国统计学大师 费歇尔（R.A.Fisher）所创立，首先将其应用在 农业试验，目的是为提高农业产量。
1947年印度的劳博士（Rao，D，R）发明并建议 使用正交表规划具有数个参数的实验计划。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

某厂生产的振荡器的时间延迟，同时存在高值（H）和低值（L）。通 过拆卸/重装，结果如下：
阶段一
初始 第一次拆卸/重装 第二次拆卸/重装
高值组件（H）
配置
结果（ms）
所有组件，高
13
所有组件，高
16
所有组件，高
15
低值组件（L）
配置
结果（ms）
所有组件，低
34
所有组件，低
38
所有组件，低
35
阶段二 阶段三
➢然后设计数据收集表格
多变量分析案例（二）
某芯片生产线对芯片与基带的黏贴度进行多因素 分析,并得出如下结果:
变量图，利用收集到的数据做图。图标可以直观的判断哪个 变量族变化最大。
水平线表示时间——也可以是周对周、天天天，小时对小 时，批次对批次，
垂直轴表示正在研究的绿Y。
从图中可以看出， 位置变量的变化 最大，这说明红 X在位置变量内
2、进行第二阶段的部件互换，根据阶段一得数据做判断极限： 高值范围=高中值±2.776đ/1.81=35 ±2.776*3.5/1.81=35 ±5.37 低值范围=低中值±2.776đ/1.81=15 ±2.776*3.5/1.81=15 ±5.37
3、做曲线图，看哪些子部件的交换导致输出超出了判断极限，即为重要 因子
后4h
时间对时间 B
前4h 中间4h 后4h
前4h
C 中间4h
后4h
变量族
工艺40
员工#
甲
乙
丙
机台
1
2
3
15
16
17
34
35
36
砂浆# M N M N M N M N M N M N M N M N M N
多变量图的后续分析
1. 首先确定重要变量的族系（注意：红X仅可能存在于几 个族系之一中）
2. 如果红X是位置变量族，则需要使用集中图，分析出绿Y 所在具体的位置；
部件搜索
部件的交换是否能将绿Y带走？
用途：用于装配操作，可拆卸的部件对比
适用条件：通过多变量分析发现重要的变量存在于部件 对部件时；或在同样的运行条件下，同时存在好坏时， 直接使用部件搜索。
试验样品：2个，1“好”和1“坏”，两个部件的差异 应该尽可能的大，考虑两种极端情况。
原理：交换理论，两个相同部件的对换，绿Y是否被带 走
变量族的划分
1. 位置变量(样本内的） 部件内部/组件内的不同位置 在成批加料时出现的位置或范围的变化 不同机器/不同试验位置 不同生产线之间/不同工人之间的质量变化 2. 周期性(样本之间的变化) 在同样的时段，从一个生产过程中抽取的连续的部件间
的变化 不同的批次/部件组中的变量 3. 时间性的变化 小时、天、周、班别的变化差异
试验具体步骤： 1、取样：1个最好的样品和1个最差的样品，差异尽量大， 有利于重要的因子的捕捉。 2、分别拆卸/重装2个样品部件2次，测量绿Y是否重现。 3、显著性检验，两个样品之间的差别是否显著。 ➢3次绿Y的输出都是好的样品高于差的样品，之间没有重 叠交叉。 ➢D/đ≥1.25，才进行下一步；低于1.25则说明问题在与部件 的拆卸/重装过程。（D和đ具体应用时讲解） 4、子部件交换，测量每次交换后两个部件的输出。 5、使用判断极限，如果输出超出了判断极限，则为重要因 子。（判断极限，具体应用时讲解） 6、进行析因分析，量化因子的重要性和相互作用。
6. 如果只有一个，可直接进行BVsC比较，确认改善效果。
适用的条件：变量处于部件内，为位置变量，下一步应当绘 制部件内问题的精确定位。
目的
精确定位部件内问题的位置，为多变量分析的续篇。从谢宁 DOE解决问题的路径图中可以看出其所在位置：
应用于：
1、检查问题/缺陷是否集中发生在产品或过程中的某一特定 区域；
族谱图分析
绿Y：线痕粗糙度
时间对时间
部件对部件
部件内
班次对班次（3）
工艺对工艺（2）
员工对员工（3）
时间对时间（3）
机台对机台（9）
砂浆对砂浆（2）
注：针对各个变量选取适当的取样次数，每4小时取样一次，主 操手6个选取3个，机台36台选取9台。
设计数据收集表
变量族 班# 时间 工艺#
前4h
A 中间4h
扑克戏法的原理：对于27张牌，三次定位找出指定的牌 （红X），即第一次找出红X所在的列，可以排除18张牌； 再次洗牌后，确定红X所在的排，排除6张，只剩3张牌；再
次洗牌，则可以轻松的确定唯一的红X
鱼骨图的无奈——常用的分析问题的方法
鱼骨图可以分析问题产生的可能原因，但并不能进一 步分析，到底哪个是主要原因，次要的原因。只能每 项可能的原因都要进行改善，效率低，很多原因可能 只是猜测，这正是多变量分析的优势。
多变量分析案例（一）
印刷电路板在钻孔时产生的过量毛刺，用利克特度 量尺度把毛刺分成1到10级，然后对各种变量族系进行 甄别。决定仅用一天的时间进行试验，期望在一天之 内就能充分找到至少80%的重要变量。 • 每天三班倒 • 有13台同样的钻床 • 每台机器有4个钻削夹头 • 每班有8个工人操作机器 • 每台机器上有3个装在PWB板上的控制板 • 每台机有10种钻孔尺寸
➢ 针对各个x进行族系的划分： ✓ 每天三班倒
时间对时间
✓ 每班工作时间的变化
时间对时间
✓ 有13台同样的钻床
部件内
✓ 每台机器有4个钻削夹头
部件内
✓ 每班有8个工人操作机器
部件内
✓ 每台机器上有3个装在PWB板上的控制板
部件对部件
✓ 每台机有10种钻孔尺寸
部件内
➢首先画出族谱图，按照三个族系分类，然后确定各个x的取 样数目，一般3~5就可以。从上可以得看，存在3大族系，个 子族系，如下图：
设计多变量具体研究步骤
1. 测量仪器的精度至少是产品精度的5倍 2. 确定可出现的变量的族的数目 3. 画出族谱 4. 估计所要求的不同时间取样的次数 5. 确定对在加工过程中连续抽取的部件的数量（一般3~5） 6. 确定在部件内，族系的取样数量，如方位、机器、模腔的数
量） 7. 将第4、5、6不重的数量相乘，以确定要研究的部件总数 8. 设计一个图表，简化多变量数据的收集
DOE概述
什么是DOE？
design of experiment
DOE：试验设计是有目的的改变过程输入因素
（X）以观测相应的输出变化（Y）的行动。 Y=F(X1,X2,X3……Xn)
➢DOE是一种质量工具，要解决的变量X与Y的关系，如果逆向知道问 题Y，如何找出X1，X2，X3……..？
X：变量
变量是有害的
多变量分析案例（三）
某加工者在制造直径要求为0.0250英寸±0.001英寸的 圆柱体转子轴时，出了很多废品。有3个轴式上午8点加 工的，其它的为上午9、10、11和12点加工的。对每个 轴要进行四次测量——2次在右面，两次在右面，对每 个轴从左到右测量锥度；从上到下测试不同心度，让轴 转动，测量最大直径点和最小直径点。这样，在部件内 变量中，就会出现两个子族，即锥度和不同心度，绿Y 为转子的直径。针对数据做变量图如下：
好处：减少数据量
X：变量
红X
粉红X
浅粉红X
绿Y
测量精度：5:1，（即变量变化范围:测量工艺精度）≥5
X变 量 对 Y的 影 响 比 重 60%
50ቤተ መጻሕፍቲ ባይዱ 50%
40%
30% 20%
20%
10%
0% 红X
粉红X 原因重要性
10% 浅粉红X
多变量分析
成对比较
部件搜索 针对20个以上的变量
集中图
产品/过程搜索
3. 如果红X是部件对部件的变量组,就要检验周期图形、灰 尘及管理等，这些银子可以影响一个部件，蛋不会连续 影响其它部件，为进一步使用部件搜索和成对比较相对 顺利；
4. 如果是时间变量组，注意过程中随时间变化的规律，可进 行产品/过程搜索。
5. 如果残留的相关变量在5~20个，可以进行变量搜索；如 果少至2~4之间，可再进行全析因分析。
4、做析因分析
通过上表，可以算出A的主效应=[(35+17.5) — （15.5+17.5)]/2=10 E的主效应=[(35+17.5） — （15.5+17)]/2=10
AE之间的交互效应= [(35+15.5） — （17.5+17)]/2=8
成对比较
复杂的东西简单化，统计的东西非理论化
用途：用于装配操作，部件不能拆卸分离时对部件的属 性进行比较鉴别重要因子
思维创新工具
变量搜索
全析因
确认重要变量
B Vs C分析 散布图 响应曲面图
SPC
确认改善效果 优化X变量的公差
持续改善
为什么首先要讲多变量分析？
最重要的是该工具针对大量没有直接联系的、猜测 的可能原因和不可处理的变量减少到少得多的一族相 关变量。
多变量分析为其它工具的使用提供一个分析基础。
多变量分析是一种过滤技术，将20个以上变量过滤， 定位最可能的原因，可以形象的称之“漏斗法”
适用条件：在同样的运行条件下，同时存在好坏时，直 接使用成对比较，避开多变量分析。
试验样品：6-8个好部件和6-8个差部件。
成对比较的通用性很强，可以用于设计、管理、技术等 各种场合的部件对比。后一章关于部件/过程搜索的方法 与本章基本一样，成对比较主要针对不能拆卸的子部件 参数，而产品/过程搜索主要针对过程参数，如温度，角 度，湿度、时间等变化的因子。其实在具体使用中，子 部件的参数和过程参数都可以同时使用成对比较。产品/ 过程搜索就不再累述。
分析和结论
1、仅需进行目视分析；
2、检查缺陷是否集中发生在产品或过程中的特定区域；