Ich habe mich mit Malcolm Moore, JMP Technical Manager für Europa, über das Internet unterhalten Wissenschaftliches rechnen Artikel von Mark Anawis: "Six Sigma in der PC-Welt - Untersuchungsansatz profitiert von statistischen Instrumenten." Anawis beschreibt, wie statistische Werkzeuge, einschließlich JMP, als Teil der DMAIC-Methodik verwendet werden können.
Malcolm wies darauf hin JMP bietet eine einfache, robuste und schnelle Methode zum Berechnen von Cp / Cpk-Schätzungen, um die Leistung kontinuierlicher Variationen zu ermitteln, die keiner Normalverteilung folgen. Man passt einfach alle 13 in JMP verfügbaren kontinuierlichen Distributionen an und lässt JMP dann AICc-Kriterien verwenden, um die am besten geeignete Verteilung zu bestimmen. Wenn die Spezifikationsgrenzen als Spalteneigenschaften definiert sind, gibt JMP automatisch Cp / Cpk-Schätzungen und Long Term Sigma für die am besten passende Verteilung zurück.
Ich habe das Beispiel mit MFI-Spezifikationsgrenzen von 192 und 198 und einem Ziel von 195 ausgeführt. In diesem Fall ist die am besten passende Verteilung Johnson SI, und die Cp / Cpk-Indizes werden aus dieser Verteilung berechnet.
Dieser Ansatz, der nur wenige Schritte in JMP umfasst, kann für diejenigen eines Six Sigma-Teams besonders wertvoll sein. Wenn sie sich für die beste Verteilung eignen, können sie die zukünftige Fehlermöglichkeit für den Prozess während der Maßnahmen und Kontrollschritte von DMAIC oder während ähnlicher Prozessverbesserungsmethoden, die sie verwenden, genauer vorhersagen.
Möchten Sie das selbst ausprobieren? Das Beispiel stammt aus dem Buch 2010 Visual Six Sigma: Datenanalyse schlanker gestalten : Kapitel 8, "Einen Polymerherstellungsprozess verbessern". Das Daten (2 MB ZIP-Datei) steht auch zum Download zur Verfügung.
