Ho chiacchierato con Malcolm Moore, direttore tecnico JMP per l'Europa, riguardo a Informatica articolo di Mark Anawis: "Six Sigma nel mondo PC - L'approccio investigativo trae beneficio dalla potenza degli strumenti statistici." Anawis descrive come gli strumenti statistici, incluso JMP, possono essere utilizzati come parte della metodologia DMAIC.
Malcolm lo fece notare JMP offre un modo semplice, robusto e veloce per calcolare le stime Cp / Cpk per baseline le prestazioni di variabili continue che non seguono una distribuzione normale. È sufficiente adattare tutte le 13 distribuzioni continue disponibili in JMP e quindi consente a JMP di utilizzare i criteri AICc per determinare la distribuzione più adatta. Quando i limiti delle specifiche sono definiti come Proprietà colonna, JMP restituisce automaticamente le stime Cp / Cpk e il Sigma a lungo termine per la distribuzione più adatta.
Ho eseguito l'esempio con limiti di specifica MFI di 192 e 198 e un obiettivo di 195. In questo caso, la distribuzione migliore è Johnson SI e gli indici Cp / Cpk vengono calcolati da tale distribuzione.
Questo approccio, a pochi passi in JMP, può essere particolarmente prezioso per quelli di un team Six Sigma. Quando si adattano alla migliore distribuzione, predisporrà in modo più accurato le future opportunità di difetti del processo durante le fasi di misurazione e controllo di DMAIC o durante metodologie di miglioramento dei processi simili che potrebbero impiegare.
Vuoi provare questo per te? L'esempio è del libro 2010 Visual Six Sigma: rendere l'analisi dei dati snella : Capitolo 8, "Migliorare un processo di produzione dei polimeri". Il dati (2 MB .zip file) è anche disponibile per il download.
