저는 유럽의 JMP 기술 관리자 인 말콤 무어 (Malcolm Moore)와 과학 컴퓨팅 Mark Anawis의 기사 : "PC 세계의 6 시그마 - 조사 도구는 통계 도구의 힘으로 이익을 얻습니다." Anawis는 JMP를 비롯한 통계 도구가 DMAIC 방법론의 일부로 어떻게 사용될 수 있는지 설명합니다.
Malcolm은 지적했다. JMP 는 정규 분포를 따르지 않는 연속 변량의 성능을 기준으로 Cp / Cpk 추정치를 계산할 수있는 간단하고 강력하며 빠른 방법을 제공합니다. 하나는 JMP에서 사용할 수있는 13 개의 연속 배포판에 모두 해당되며 JMP는 AICc 기준을 사용하여 가장 잘 맞는 배포판을 결정합니다. 사양 제한이 열 속성으로 정의되면 JMP는 자동으로 Cp / Cpk 견적을 반환하고 Long Term Sigma는 가장 적합한 배포를 위해 반환합니다.
나는 MFI spec 한계가 192와 198이고 표적이 195 인 예제를 실행했습니다. 이 경우, 가장 잘 맞는 분포는 Johnson SI이고, Cp / Cpk 지수는 그 분포로부터 계산됩니다.
이 접근법은 JMP의 몇 단계 만 거치면 6 시그마 팀의 직원에게 특히 유용 할 수 있습니다. 최적의 분포에 부합하면 DMAIC의 측정 및 제어 단계에서 또는 향후 사용할 수있는 유사한 프로세스 개선 방법 중에 프로세스의 향후 결함 기회를보다 정확히 예측할 수 있습니다.
이것을 직접 해보고 싶습니까? 이 예는 2010 년 도서에서 가져온 것입니다. 시각적 식스 시그마 : 데이터 분석 기울기 만들기 : 8 장, "고분자 제조 공정 개선" 그만큼 데이터 (2 MB .zip 파일)을 다운로드 할 수도 있습니다.
