培訓(xùn)背景
六西格瑪管理是一套系統(tǒng)的業(yè)務(wù)改進(jìn)方法，它主要通過(guò)有組織、有計(jì)劃地實(shí)施六西格瑪項(xiàng)目，優(yōu)化業(yè)務(wù)流程，提高質(zhì)量和效益，提升企業(yè)的管理水平。它是成功企業(yè)管理經(jīng)驗(yàn)的結(jié)晶，更是企業(yè)實(shí)現(xiàn)管理現(xiàn)代化的重要途徑。
六西格瑪綠帶是六西格瑪改善項(xiàng)目實(shí)施的主導(dǎo)者，是六西格瑪方法在企業(yè)推進(jìn)的中堅(jiān)力量，也是六西格瑪改善文化的傳播者。培訓(xùn)一支高素質(zhì)的綠帶隊(duì)伍對(duì)于六西格瑪理念自上而下貫徹和持續(xù)推進(jìn)起著關(guān)鍵的作用。
課程對(duì)象
企業(yè)中高層管理者，研發(fā)、工藝、品質(zhì)、設(shè)備、制造、行政等部門骨干人員，負(fù)責(zé)改善及革新項(xiàng)目的骨干人員及對(duì)本課程有興趣的人士。
學(xué)習(xí)目標(biāo)
1、熟悉質(zhì)量對(duì)于企業(yè)的含意
2、熟悉六西格瑪方法論的發(fā)展背景及其能夠?yàn)槠髽I(yè)帶來(lái)什么
3、熟悉六西格瑪項(xiàng)目改善課題的甄選流程與標(biāo)準(zhǔn)，熟悉項(xiàng)目課題的描述方法
4、理解六西格瑪方法論之DMAIC改進(jìn)路徑及各階段核心輸出
5、理解統(tǒng)計(jì)方法在DMAIC改進(jìn)流程中的應(yīng)用，包括：SPC、MSA、DOE、ANOVA、假設(shè)檢定、相關(guān)與回歸等
6、能夠獨(dú)立帶領(lǐng)團(tuán)隊(duì)實(shí)施項(xiàng)目改善
課程大綱
第一單元：六西格瑪基礎(chǔ)
一、六西格瑪概述
二、六西格瑪?shù)牧鶄€(gè)主題
三、六西格瑪中的組織與領(lǐng)導(dǎo)
四、六西格瑪項(xiàng)目具體方法
五、定義階段的中國(guó)企業(yè)運(yùn)行六西格瑪注意事項(xiàng)
第二單元：六西格瑪方法和工具—— 測(cè)量階段
一、量測(cè)階段的質(zhì)量概念
二、量測(cè)階段常用的工具和方法
三、MINITAB方法和工具
第三單元：六西格瑪方法和工具—— 分析階段
一、分析階段的質(zhì)量概念與理解
二、分析階段的質(zhì)量統(tǒng)計(jì)分析工具
三、分析階段的技巧
四、多變量分析技術(shù)
五、置信區(qū)間與假設(shè)檢驗(yàn)
六、企業(yè)實(shí)際中問(wèn)題分析與解決
第四單元：六西格瑪方法和工具—— 改進(jìn)階段
一、改進(jìn)階段質(zhì)量概念講解
二、改進(jìn)階段的工具和方法
三、改進(jìn)階段的運(yùn)用技巧和方法
四、企業(yè)實(shí)際中改善
第五單元：六西格瑪方法和工具—— 控制階段
一、控制階段質(zhì)量概念理解
二、控制階段的工具和方法
三、計(jì)量型數(shù)據(jù)SPC
四、計(jì)數(shù)型數(shù)據(jù)SPC
五、CP K過(guò)程能力分析
六、六西格瑪運(yùn)行中的技巧
七、企業(yè)實(shí)際中六西格瑪問(wèn)題
課程內(nèi)容節(jié)選
以下是部分摘要
全因子設(shè)計(jì)的分析
全因子設(shè)計(jì)的分析方法是一般的試驗(yàn)設(shè)計(jì)分析的典型代表。
1.ANOVA和模型整體顯著性分析
方差分析(AnoVa)是試驗(yàn)設(shè)計(jì)重要的分析方法,下面結(jié)合了MINITAB 件得到的方差分析的結(jié)果。方差分析的原假設(shè)和備擇假設(shè)分別是:H0:模型無(wú)效,H1:模型有效
如果對(duì)應(yīng)回歸項(xiàng)的P值小于0.05,則表明應(yīng)拒絕原假設(shè),即可以判定本模型總的來(lái)說(shuō)是有效的。如果對(duì)應(yīng)回歸項(xiàng)的P值大于0.05,則表明無(wú)法拒絕原假設(shè),即可以判定模型總的來(lái)說(shuō)是無(wú)效的。遇到這種情況就比較麻煩,這說(shuō)明模型整體擬合有問(wèn)題。
2.ANOVA與模型失擬
模型失擬是指擬定的模型與試驗(yàn)數(shù)據(jù)不能很好地?cái)M合。如果模型中漏掉了關(guān)鍵的因子或交互作用項(xiàng),就會(huì)導(dǎo)致失擬。失擬的假設(shè)檢驗(yàn)是:H0:無(wú)失擬,H1:有失擬
在Anova 中,如果失擬項(xiàng)的P大于0.05,則表明無(wú)法拒絕原假設(shè),即可以判定,本模型并沒(méi)有失擬現(xiàn)象;反之,就說(shuō)明模型漏掉了重要的項(xiàng),應(yīng)該補(bǔ)上。
3.ANOVA與模型彎曲項(xiàng)
全因子設(shè)計(jì)是基于含有所有主因子和交互作用的一階模型的,如果試驗(yàn)引入了中心點(diǎn),中心點(diǎn)的試驗(yàn)結(jié)果對(duì)模型的主因子和交互作用項(xiàng)的參數(shù)估計(jì)不會(huì)有任何影響,也不會(huì)幫助估計(jì)出二次項(xiàng)。但是中心點(diǎn)的數(shù)據(jù)可以幫助分析模型的線性假設(shè)是否成立。
4.擬合的總效果
擬合的總效果可以看多元全相關(guān)系數(shù)(multiple correlation coefficient)及調(diào)整的多元全相關(guān)系數(shù)(adjusted multiple correlation coefficient)。
我們常常比較包含所有自變量有關(guān)項(xiàng)的“全模型”與刪去所有影響不顯著的項(xiàng)后的“縮減模型”,看看究竟哪個(gè)更好,如果將影響不顯著的項(xiàng)刪去之后,二者更接近,則說(shuō)明刪去這些項(xiàng)確實(shí)使模型得到改進(jìn)。
5.對(duì)于s或s2的分析
粗略地說(shuō),在預(yù)測(cè)值的基礎(chǔ)上,加減2倍s,則可以得到預(yù)測(cè)值的95%置信區(qū)間。因此這里的s在分析模型的好壞中起著關(guān)鍵作用,顯然s越小說(shuō)明模型越好。
6.各項(xiàng)效應(yīng)的顯著性
在計(jì)算結(jié)果的最開始部分,響應(yīng)變量的效應(yīng)和系數(shù)的估計(jì)(已編碼單位)給出了各項(xiàng)主效應(yīng)及各交互效應(yīng)的數(shù)值及檢驗(yàn)結(jié)果。這是對(duì)各項(xiàng)的分別的檢驗(yàn),很可能有些項(xiàng)是顯著的,而另一些項(xiàng)不顯著,將來(lái)修改模型時(shí),應(yīng)該將這些不顯著項(xiàng)刪除。
課程事項(xiàng)
>培訓(xùn)地址為合肥蜀山區(qū)；
>該培訓(xùn)項(xiàng)目共培訓(xùn)5天，30課時(shí)；
>培訓(xùn)費(fèi)用RMB 7500元/人，含教材、資料、培訓(xùn)、證書；
>單獨(dú)"六西格瑪綠帶"網(wǎng)絡(luò)課程收費(fèi)標(biāo)準(zhǔn)：2400元/人。
