六西格瑪在測試數據分析過程中的應用

張加斌

（1.上海交通大學電子信息與電氣工程學院，上海，200030;2.諾信（中國）有限公司，上海，201209）

關鍵字：六西格瑪；測試設備；數據和統計分析；統計圖表

0　引言

六西格瑪（Six Sigma，6 Sigma）是一種管理策略，這種策略主要強調制定極高的目標、收集數據以及分析結果，通過這些來減少產品和服務的缺陷。西格瑪即希臘字母“σ”，在統計學中代表著“標準差”，反映了一組數據的離散程度。六西格瑪( 6σ)的意思是“六倍標準差”，在質量管理上表示每百萬個機會中只有3.4 個錯誤或故障，合格率達 99.999 66%，由此可見，六西格瑪水平是一個近乎完美的狀態[1]。六西格瑪已經應用于工程管理、項目管理、企業管理等多個領域，對于制定策略、提升業績和提高客戶滿意度等方面起了積極的促進的作用。同理，將六西格瑪的精髓應用于測試領域，對測試數據進行分析處理，是有利于提高測試設備的性能的。

1　六西格瑪常用的分析工具

六西格瑪常用繪制統計圖表的方式進行數據分析。繪制統計圖表有助于識別數據所處過程中的風險，量化所得樣本的輸出，并且展示被動數據收集的結果。一個好的統計圖表，首先要有正確的標注，如圖表名稱、數據覆蓋的時間范圍、清楚明確的單位標注、標注好名稱并且比例統一的坐標軸和明確的理想方向。其次，需要能夠用正確的圖形對輸出進行量化，量化是對數據進行數字化處理，把不確定的模糊的一部分數據，變得確定并且可以進行判斷，能夠明確的反映數據的結果。最后，統計圖表需要主營異常的條件和情況。

常用的統計圖表，有點狀圖、箱形圖、正態概率圖和時間序列圖等。點狀圖是用于呈現離散型變量各取值水平的分布情況，可以看見每個數據點，容易辨別不同層理。箱形圖是用作顯示一組數據分散情況資料的統計圖，在對比不同條件下的數據樣本的時候非常有用。正態概率圖是用來檢驗一組數據是否服從正太分布的圖表，通過對P值、Cp值和Cpk的值進行分析，得出數據的分布情況。時間序列圖顯示的是測量值隨時間的變化程度。

2　應用六西格瑪分析的意義

測試設備在長期使用的過程中，尤其是應用于生產線對產品進行功能檢驗的測試設備，需要面對使用頻率高、人員操作差異性大的問題,這些對于測試設備本身的性能來說，都是提出了更高的要求的。如果測試設備的性能不夠穩定，那么就會帶來較多的由設備本身所引起的誤測情況，誤測率會升高。對于同樣的產品需要進行重復測試，增加了產品的測試時間，從而降低了勞動生產率。這種情況會造成人力資源的浪費。因此提升測試設備的穩定性，是能夠給公司帶來切實的經濟效益的。

那么，需要解決的問題就是如何提高測試設備的性能，提高其穩定性。完善測試設備的先決條件是能夠發現其所存在的問題，能夠找到完善的方向。采用六西格瑪的分析工具，對測試數據進行分析處理，使用統計圖表，量化明確的反映測設數據的分布情況，從而反映測設設備所存在的問題。以此為突破口，完善測試設備，增強其穩定性，提高測試性能。

3　六西格瑪數據分析的實際應用

運用六西格瑪的數據分析方法，對實際使用中的測試數據進行分析，以齒輪泵測試機為例。齒輪泵測試機，專門用于對齒輪泵進行性能測試，可以對齒輪泵的排量、液壓等性能進行檢驗，保證通過檢驗的齒輪泵均可符合產品的應用需求。

圖1　齒輪泵測試數據

圖2　點狀圖，箱形圖和正態分布P值

對齒輪泵性能來說，壓力和流量是兩個十分重要的參數。實際的液壓控制系統中,無論是進行功率效率計算、狀態監測、故障診斷,還是對負載進行控制都需要對系統流量或壓力進行測量。無論是那種控制都需要對系統的壓力或流量進行快速、方便、準確的測量[2]。因此，對于齒輪泵的液壓和流量性能，都提出來更高的要求。以齒輪泵的流量特性為例，選取兩個齒輪泵的型號，對流量數據進行分析，其中Part Number代表兩種不同型號的齒輪泵， Date代表數據采集的不同時間，Flow代表數據采集所獲得的流量數據。

針對以上數據，分別運用統計圖表進行數據分析，本例使用Minitab 16作為分析軟件。首先進行標準差分析，通過Minitab軟件得到標準誤和標準差。中均值的標準誤 (SE Mean)是度量樣本均值多大精確程度地估計總體均值，并用于創建總體均值的置信區間。SE Mean 值越小，表示對總體均值的估計越精確，通過SE Mean最大為1.52，說明對總體均值的估計準確。STDEV用于估算樣本的標準偏差，它反映了數據相對于平均值(mean)的離散程度，從圖1中可以得出，0.46的齒輪泵，相對于7.73的齒輪泵離散程度較低，數據較為準確。

圖3　0.46和7.73齒輪泵正態分布

然后是點狀圖，從2圖左側可以得出兩種型號齒輪泵的流量數據的分布情況，均較為合理。其次是箱形圖，從圖2右側可以得出，2月23日和26日的數據分布更為集中。最后進行正態分布分析，P值就是接受原假設時出錯的概率，用于檢驗數據的正態性。通常當其大于0.05即認為所選數據服從正態分布。從圖中可以得出，2月7日的數據P值為0.019，不服從正態分布。其余數據均服從正態分布，而2月5日的數據P值最高，具有更強的正態性。

針對以上數據，得到其正態分布圖，主要考察Cp和Cpk兩個重要指標。Cp(過程能力)是設計公差與過程程整個變異的比值,它反映的是設計的極限指數.是對過程潛在能力的測定,一個高的Cp指數表明過程具有好的潛在的再制能力，反映數據(尺寸)的波動范圍大小,Cp數值越大,尺寸波動越小,過程能力越穩定CPK: Capability index of process,過程能力指數。綜合反映Cp與K值（標準平均值）的差距，評估過程滿足實際尺寸要求的能力,并以此統計分析結果確定生產能力是否滿足大批量生產之要求。從下面兩張圖可以看出，0.46的齒輪泵Cpk值低于1.33，反映出齒輪泵測試機在測試這個型號的泵時，穩定性較差。

4　總結

綜上所述，通過六西格瑪的統計圖表，對測試數據進行數據分析，可以直觀明確的反映出測試設備的穩定性，找出引起問題的原因，從而完善測試機，為提高測試機的測試能力提供幫助。