课程主要内容：
**天
一.6 Sigma管理技术的导入与应用
解释dMAIC的改善战略:
即定义-define，测量-Measure,分析-Analyze,改善-Improve和控制-Control
解释绿带的定义和工作范围
定义关键过程输入变量（KPIV）和关键过程输出变量（KPOV）
讲解过程输出如何受输入的影响
解释测量的价值
二.质量成本系统对企业的重要性
为什么要检测质量成本（COQ） ?
田口质量损失函数和球门心理
预防和报废成本
质量成本（COQ）的要素
利用QCPI指数对供应商进行分级
三.改善/基础统计学的基本原理
确定变异和如何利用变异
解释数据的基本类型，从而选择正确的统计分析工具
用图表描述数据：质量七工具
对数据中心进行测量：平均值，中间值和众数
对数据的分布进行测量： 全数, 标准差和变异
正态分布和正态概率
四.因果关系分析
定义原因和结果之间的关系
鱼骨图
因果关系矩阵
第二天
一.潜在失效模式及效果分析（FMEA）
潜在失效模式及效果分析（FMEA）的定义
什么是潜在失效模式？
FMEA的使用或应用领域
FMEA的要素
优先风险数值（RPN）与措施优先次序
按部就班建立FMEA
二.测量系统分析
了解测量是一个过程
测量术语
确认并量化测量变异的来源
变量型量具重复性和再现性（Variable Gauge R&R）
计数型量具重复性和再现性（Attribute Gague R&R）
比较测量系统变异和过程变异：
精确度与公差比例(P/T Ratio)
精确度与总变异比例 (P/T Ratio)
三.能力分析
能力分析的类型
定量输出
定性输出
定义并计算Z-数值（Z-Score）
能力分析的需求
方法
四.多变量分析
描述变异的不同来源
建立并理解多变量图表
第三天
一.假设检验理论
讲解并定义建设检验及其价值
了解并正确使用零假设和备择假设
假设检验的误差
测试的显著性级别， Alpha
P-Value
二.参数统计分析工具
假设检验路线图
正态检验
变异同质检验
单样板和双样板参数测试(t, Z .. 等等)
单方向变量（ANOVA）多层次（双或多样板）测试
三.非参数统计检验
了解什么是非变量统计？
Box-Cox 转换
单样板和双样板参数测试，例如Sign / Wilcoxon 和 Mann-Whitney 测试
Kruskal-Wallis多样板（双样板或多样板）测试
第四天
一.回归和相关性分析
回归，相关性和散布图
简单线性回归
假定
相关性系数
常见错误
回归诊断
置信范围
重要的观察
多项式回归
统计显著性
经调整的决定系数
预测的标准误差
二.实验法介绍 : 单因子测试与实验法
假设检验步骤简述
实验步骤
同单因子测试的相同点双参数检验
同单因子测试的区别
实验法的障碍
三.全因子（2K）实验法
描述一个全因子实验
定义因素和水平
了解主要的影响和相互作用
建立和分析一个 2 x 2全因子实验 (Minitab软件演示)
建立和分析一个具有中央点的 23全因子实验 (Minitab软件演示)
了解中央点的价值
用图表表示产出结果，例如： cube plot
简化模型（ Reduced Models）
第五天
一、SPC 理论
控制系统的层次
控制图表的时间因素
SPC与变异
规格与变异
定义"失控"现象
二、计量型数据SPC
了解 Xbar-R, Xbar-S和X MR控制图表
特殊原因检验
控制图的趋势规则
从X MR控制图评估制程能力
三、案例研讨
