[6시그마] 기초통계, 통계 분석
데이터의 개념 이해 1. Data - 연속형(계량형) 데이터 : 측정값, 소수점 O, 소수, 모든 구간의 값 표현 가능 평군, 분산, 표준편차 - 이산형(계수형) 데이터 : count, 소수점 X, 정수, 특정 구간의 값만 표현 가능 빈도, 비율 2. 모집단과 표본 모집단 표본 정의 모든 관측값들의 집합 모집단의 일부분 평균 μ (뮤) 표준편차 σ (시그마) 분산 σ² (시그마 제곱) 비율 P (피) 6시그마 주요 통계분석 0. 가설 검정 - 귀무가설 (H0) : 어떤 현상이 변화가 없거나, 개선이 안되었다는 가설 (기존의 사실, =) - 대립가설 (H1) : 어떤 형상에 변화가 있거나, 개선이 되었다는 가설 (새로운 사실, ≠) - α (유의수준) : 가설을 선택하는 기준 (보통 5%) - P-valu..
2022. 5. 7.
[6시그마] 관리도
통계적 공정관리 (관리도) - 품질의 변동요인 우연원인 이상원인 구성 군내변동 다수의 사소한 원인(기술적 요인) 군간변동 소수의 주된 원인(관리적 요인) 성격 안정적, 예측가능 산발적, 예측불가 점유율 약 85% 약 15% 개선활동 시스템 개선활동, QC 활동 현장관리, 실천과제 관리도 관리상태 관리상태에 있음 (이상원인이 통제되고 있는 상태, 우연원인만 존재) 관리상태 X (이상원인이 통제되지 않음) 1. 연속형(계량형) 관리도 - 측정값 이용 (길이, 지름, 밀도, 온도, 습도) - 일반적으로 관리도상에 한 개의 품질 특성치만 나타낸다 - 비용은 많이 들지 않지만, 많은 정보를 얻을 수 있음 - 공정의 평균 및 산포가 직접 뷸량률에 영향을 미치므로, 평균과 산포를 모두 관리해야 한다 - Xbar-R ..
2022. 5. 7.
[6시그마] 공정능력분석(시그마수준, Cp, Cpk, Pp, Ppk)
데이터의 개념 이해 1. Data - 연속형(계량형) 데이터 : 측정값, 소수점 O, 소수, 모든 구간의 값 표현 가능 평군, 분산, 표준편차 - 이산형(계수형) 데이터 : count, 소수점 X, 정수, 특정 구간의 값만 표현 가능 빈도, 비율 2. 모집단과 표본 모집단 표본 정의 모든 관측값들의 집합 모집단의 일부분 평균 μ (뮤) 표준편차 σ (시그마) 분산 σ² (시그마 제곱) 비율 P (피) 시그마 수준 (공정능력분석) 1. 시그마수준 - 연속형 데이터 : 프로세스 성능 데이터가 고객핵심요구사항(CCR)을 어느정도 만족시키는지 계량적으로 평가한 값 규격(Spec)이 평균으로부터 얼마나 떨어져 있는지 표준편차(σ)의 단위로 보여줌 * USL (Upper Specification Limit) : 규..
2022. 5. 6.
