DPMO(即:每百万次采样数的缺陷率)是指100万个机会里面,出现缺陷的机会是多少。这里有一个计算公式,即DPMO=(总的缺陷数/机会)×一百万分之一百万。

如果DPMO是百万分之三点四,即达到99.99966%的合格率,那么这就叫六西格玛。

  • 6个西格玛=3.4失误/百万机会―意味着卓越的管理,强大的竞争力和忠诚的客户
  • 5个西格玛=230失误/百万机会-优秀的管理、很强的竞争力和比较忠诚的客户
  • 4个西格玛=6,210失误/百万机会-意味着较好的管理和运营能力,满意的客户
  • 3个西格玛=66,800失误/百万机会-意味着平平常常的管理,缺乏竞争力
  • 2个西格玛=308,000失误/百万机会-意味着企业资源每天都有三分之一的浪费
  • 1个西格玛=690,000失误/百万机会-每天有三分之二的事情做错的企业无法生存

达到6西格玛标准时,则在正态分布图上,所有采样点位于正负6西格玛(正负6倍标准偏差)

P-Chart(P图)Proportion Chart 品率控制图。

用于控制对象为不合格品率或合格率等计数值质量指标的场合。常见的不良率有不合格品率、废品率、交货延迟率、缺勤率、差错率等等。
1.X-R控制图
用于控制对象为长度、重量、强度、纯度、时间、收率和生产量等计量值的场合。X控制图主要用于观察正态分布的均值的变化,R控制图主要用于观察正态分布分散或变异情况的变化,而X-R控制图则将二者联合运用,用于观察正态分布的变化。
2.X-s控制图
与X-R图相似,只是用标准差(s)图代替极差(R)图而已。
3.Me-R控制图
与X-R图也很相似,只是用中位数(Me)图代替均值(X)。
4.X-Rs控制图
多用于对每一个产品都进行检验,采用自动化检查和测量的场合。
5.p控制图
用于控制对象为不合格品率或合格品率等计数质量指标的场合,使用p图时应选择重要的检查项目作为判断不合格品的依据;它用于控制不合格品率、交货延迟率、缺勤率、差错率等。
6.np控制图
用于控制对象为不合格品数的场合。设n为样本,p为不合格品率,则np为不合格品数。
7.c控制图
用于控制一部机器,一个部件,一定长度,一定面积或任何一定的单位中所出现的不合格数目。焊接不良数/误记数/错误数/疵点/故障次数
8.u控制图
当上述一定的单位,也即n保持不变时可以应用c控制图,而当n有变化时则应换算为平均每项单位的不合格数后再使用u控制图。

http://wiki.mbalib.com/wiki/%E5%85%AD%E8%A5%BF%E6%A0%BC%E7%8E%9B

6sigma 基本概念相关推荐

  1. 6σ.六西格玛(Six Sigma,6Sigma)学习

    六西格玛--第一次接触是在研究生课本上学习精益化管理时出现的名词,当时只提到了黑带绿带,因为觉着这个理念性的东西离自己太远,工作上也没有发现过,所以没有再学习它.最近在看质量管理,发现当前最主流的质量 ...

  2. RPC 笔记(03)— gRPC 概念、安装、编译、客户端和服务端示例

    1. gRPC 概念 gRPC 是 Google 开源的一款高性能的 RPC 框架.GitHub 上介绍如下: gRPC is a modern, open source, high-performa ...

  3. RPC 笔记(01)— RPC概念、调用流程、RPC 与 Restful API 区别

    1. 基本概念 PRC 远程过程调用 Remote Procedure Call,其就是一个节点请求另外一个节点提供的服务.当两个物理分离的子系统需要建立逻辑上的关联时,RPC 是牵线搭桥的常见技术手 ...

  4. 数据结构(01)— 算法复杂度概念及常见的复杂度计算

    1. 大 O 表示法 大 O 表示法指出了算法有多快,让你能够比较操作数,它指出了算法运行时间的增速,而并非以秒为单位的速度.大 O 表示法指出了最糟情况下的运行时间.大 O 表示法在讨论运行时间时, ...

  5. OpenCV 笔记(01)— OpenCV 概念、整体架构、各模块主要功能

    1. OpenCV 概念 图像处理( Image Processing )是用计算机对图像进行分析, 以达到所需结果的技术, 又称影像处理. 图像处理技术一般包括图像压缩, 增强和复原, 匹配.描述和 ...

  6. 用男女朋友关系解释计算机常用概念

    运维方面 很多同学对热备,冷备,云备了解不深,我科普一下 IT 行业各种备份术语.以后别闹笑话了. 假设你是一位女性,你有一位男朋友,于此同时你和另外一位男生暧昧不清,比朋友好,又不是恋人.你随时可以 ...

  7. python中的新式类与旧式类的一些基于descriptor的概念(上)

    python中基于descriptor的一些概念(上) 1. 前言 2. 新式类与经典类 2.1 内置的object对象 2.2 类的方法 2.2.1 静态方法 2.2.2 类方法 2.3 新式类(n ...

  8. 【SpringMVC】基本概念

    SpringMVC的基本概念 三层架构 我们的开发一般都是基于c/s或者b/s架构.在JavaEE开发中,几乎全都是基于B/S架构开发.在B/S架构中,系统标准的三层架构包括:表现层,业务层,持久层. ...

  9. AIFramework基本概念整理

    AIFramework基本概念整理 本文介绍: • 对天元 MegEngine 框架中的 Tensor, Operator, GradManager 等基本概念有一定的了解: • 对深度学习中的前向传 ...

  10. 机器学习PAL基本概念

    机器学习PAL基本概念 本文介绍PAI-Studio.PAI-DSW及PAI-EAS的基本概念. PAI-Studio PAI-DSW PAI-EAS

最新文章

  1. LeetCode Perfect Squares
  2. onnx模型部署 python_onnxruntime模型部署流程
  3. mysql数据库无限分类_php+mysql数据库实现无限分类的方法
  4. 【Hadoop Summit Tokyo 2016】基于Apache Spark的数据科学
  5. 逆置单链表c语言程序,逆置单链表C语言
  6. 《算法图解》之狄克斯特拉算法
  7. 面向对象和面向过程的优劣
  8. 笔记本装服务器系统 无线网卡无法驱动,笔记本Win8.1系统无线网卡驱动装不上如何解决...
  9. 学习iOS从object-c开始-语法(一)
  10. springboot悠悠转二手网站毕业设计源码181134
  11. 误删除数据恢复 plsql
  12. WPF中的文字修饰——上划线,中划线,基线与下划线
  13. 一个简单的网页登陆(html)
  14. 人工智能:第十一章 自然语言理解
  15. 微信公众号数据2019_2019年9月原创公众号排行榜数据报告出炉
  16. planet_Earth靶场渗透记录
  17. 【一年一个小知识】如何往kindle阅读器里传书?
  18. μTorrent 3.2.1 关闭广告
  19. 用计算机算cos1,cos1等于多少怎么算
  20. 常用嵌入式平台主控芯片资源总结

热门文章

  1. 利用SPSS进行person相关分析及散点图绘制
  2. 【PB】动态报表格式自由定义的实现
  3. android aidl参数contentvalues,Android Studio实现进程间通信AIDL详细步骤
  4. 【论文精读】Learning Bounds for Importance Weighting
  5. 75%半导体产能集中在亚洲,让美国半导体霸主地位岌岌可危
  6. 笔记本开热点自动断开
  7. Rasa课程、Rasa培训、Rasa面试系列 金融银行案例Bot Step By Step学习
  8. CSS深入理解之absolute
  9. iPhone自定义铃声(iOS12 + iTunes in macOS Mojave)
  10. ERROR [BD 41-237]