Como criar uma Sigma multi Plano de Amostragem Vari Six

Multi-vari usa um plano de amostragem de dados específico, que destaca graficamente a principal causa variação na característica de seu processo de Six Sigma de saída, permitindo que o processo para operar na sua forma normal e sem a necessidade de qualquer interrupção do processo. A principal causa da variação de saída é isolado em três categorias:

• posicional

• cíclica

• Temporal

Quando você sabe que categoria de variação domina a saída do seu processo, você pode concentrar-se em fatores potenciais que se enquadram nessa categoria e eliminar fatores que pertencem a outras categorias. Se você achar que a maior variação em sua saída do processo é proveniente de uma fonte temporais, você pode descontar todos os fatores que são posicional ou cyclical- a verdadeira causa raiz deve ser um fator temporal.

variação posicional

o variação posicional categoria é às vezes chamado dentro da variação unidade. Isso porque ele é definido pela magnitude da variação vem de dentro de uma única unidade. As diferenças entre estas medições são a prova de que um factor de variação de posição é influenciar o resultado do processo.

Você pode precisar definir uma # 147 unidades # 148- diferente para diferentes situações de processo. A exigência básica para uma unidade é que a característica de saída deve ser mensuráveis ​​várias vezes em diferentes pontos da unidade. Isso pode ser a mesma característica de medição em locais diferentes, na unidade.

variação cíclica

o variação cíclica categoria é às vezes chamado entre a variação da unidade. É definido pela magnitude da variação que ocorre entre as unidades consecutivas retiradas do processo. Grande variação entre as unidades significa que a condução desempenho do processo fator deve ser aquele que se enquadra na categoria cíclica. No exemplo de eixo, a magnitude da variação que observar nos diâmetros entre os eixos produzidos consecutivamente uma variação cíclica.

variação temporal

o variação temporal categoria é às vezes chamado variação do tempo-à-tempo. Quando você olha para a magnitude da variação entre os segmentos do processo separados por uma quantidade significativa de tempo, que é a variação temporal. Se este tipo de variação é grande, o desempenho do processo factor de condução deve ser um que pertence à categoria- temporal, de outra forma, o factor deve ser de outra categoria.

Aqui está o procedimento passo-a-passo para puxar dados intermitentes de um processo em execução:

1. Selecione ou estabelecer uma medição de dados do tipo contínua do desempenho de saída do processo.

   Esta escala pode ser em unidades de tempo, dólares, polegadas, gramas, mas seja o que for, ele deve ser um tipo de dados contínua.

2. Explorar os valores históricos de sua métrica de saída selecionado para entender o que a magnitude de variação tem sido no processo.

   Depois de começar a amostragem multi-vari do seu processo, continuar até que tenho observado aproximadamente a mesma magnitude da variação que você já viu historicamente. Dessa forma, você está certo de ter monitorado o processo o tempo suficiente para ter capturado a atividade nos fatores de entrada que está dirigindo variação na saída de processo.

3. Definir o que constitui uma unidade em seu estudo multi-vari.

   Lembre-se que sua unidade definida deve permitir duas ou mais medidas do resultado do processo em diferentes # 147 localizações # 148- dentro ou na unidade.

4. Recolha de dois a cinco medições a partir de dentro da unidade definido no Passo 3 em três a cinco unidades consecutivas.

5. Permitir passar algum tempo - o suficiente para que fatores potenciais têm uma chance de exercer nova influência no processo.

6. Repita os passos 4 e 5 em intervalos consecutivos de unidades de três a cinco até que você tenha capturado pelo menos 80 por cento da variação do processo histórico.

   Basta comparar a gama dos dados históricos para a gama dos dados multi-vari. Se eles são aproximadamente iguais, você capturou dados multi-vari suficiente. Se não, manter a coleta.

7. Criar um gráfico multi-vari e analisar e interpretar o gráfico para uma das principais fontes de variação.