计算六西格玛处理水平
约书亚是南加州大学的一名研究生。他对商业技术、分析、金融和精益六西格玛感兴趣。
六西格玛是由摩托罗拉公司的一位名叫比尔·史密斯的工程师在1989年开发的。构成六西格玛的技术和工具体系在今天的制造业中得到了越来越广泛的应用，以提高质量和促进改进。
由约书亚·克劳德创造
什么是过程Sigma?
过程西格玛是对过程中相对于需求的变化的度量。要求设置为上限公差限制(UTL)和下限公差限制(LTL)。这个词过程σ和统计z分数是一样的。假设一个被测量的过程服从正态分布，那么过程的平均值和UTL或LTL之间的距离就是过程的标准差。所以，你的过程标准差越高，你的过程越好。这样做的原因是，随着过程σ的增加，分布在平均值上越来越窄。
六西格玛是防止过程变化的最佳工具之一。你必须有一个可接受的质量范围，平均值，和一个计算的标准偏差(σ)，用于量化数据的变化或分散程度。有了这些数据，就可以计算出过程的标准差(z分数)。要找到这个度量，可以使用UTL或LTL。求过程sigma的方程如下。
上面的方程是用来求过程的。两个结果中最低的被称为过程西格玛。
由约书亚·克劳德创造
使用过程西格玛方程的例子
这个例子涉及到一个需要在2到10英寸范围内的零件的测量。LTL将是2,UTL将是10。从过去收集的数据来看，这个过程的平均值是6.5，标准差是1.75。让我们首先使用UTL来计算sigma水平。
(10 - 6.5) /1.75 = 2.0
UTL的过程sigma是2.0
(6.5-2) /1.75 = 2.57
LTL的过程sigma是2.57
过程Sigma = 2
选择2是因为2比2。57更接近均值，缺陷更多。如果我们想进一步，我们可以计算更多的项。为了找到超出公差上限的缺陷零件面积，我们必须采用工艺sigma (z-score)"2。0"然后在正态分布图上找到2。00。
因此，正如您在下面的图表中所看到的，要找到z分数，您必须在横轴上找到2.0，然后在纵轴上找到.00。纵轴表示百分位。在下面的图表中找到z分数。
正态分布表用于查找从均值到过程的面积百分比(z-score)。
由约书亚·克劳德创造
公差上限
UTL的过程sigma是2.0
好结果的概率= .9772
坏结果的概率1- .9771 = .0229
公差下限
LTL的过程sigma是2.57
好结果的概率= .9949
一个坏结果的概率是1-。9949 = .0051
在找到图表上的z分数后，我们可以说，当操作水平高于均值水平时，使用UTL有97.72%的机会得到好的结果，使用LTL有99.49的机会得到好的结果。
有缺陷产品的概率可以通过简单地用1减去好的结果的概率来得到。把这些概率加在一起，就会得到缺陷百分比的上下限。51 + .0229 = .028或2.8%)。现在如果你把有缺陷部件的概率乘以100万，我们现在可以说这个过程有2800个缺陷部件的概率(DPMO)。查看下面的结果百分比的可视化表示。
结果百分比。
由约书亚·克劳德创造
使用微软Excel查找过程Sigma
Microsoft Excel可以利用一系列步骤来找到过程sigma。您可以下载Microsoft Excel示例在这里。正如你在下面的图片中所看到的，所有的计算都可以在Microsoft Excel中进行。
以下是用于计算过程sigma的Microsoft Excel统计函数:
=标准化(计算过程sigma)
= NORM.S。DIST(来自负z分数的左尾缺陷百分比)
= NORM.S。区域(UTL优良部件百分比)
= NORM.S。DIST(ABS (UTL好零件百分比from negative z-score)
= 1-NORM.S。DIST(右尾不合格率)
过程sigma计算可以在Microsoft Excel中与统计功能的帮助。
由约书亚·克劳德创造
参考文献
Boyer, K. & Verma, R.(2010)。面向21世纪的运营与供应链管理。梅森,哦:西南。
相关文章
如何计算节拍时间来控制一个过程
如何在生产过程之间完成盈亏平衡分析
这一内容是准确和真实的作者的知识，并不意味着取代正式和个性化的建议，从一个合格的专业。
©2018 Joshua Crowder
