六西格玛在测试数据分析过程中的应用

张加斌

（1.上海交通大学电子信息与电气工程学院，上海，200030;2.诺信（中国）有限公司，上海，201209）

关键字：六西格玛；测试设备；数据和统计分析；统计图表

0　引言

六西格玛（Six Sigma，6 Sigma）是一种管理策略，这种策略主要强调制定极高的目标、收集数据以及分析结果，通过这些来减少产品和服务的缺陷。西格玛即希腊字母“σ”，在统计学中代表着“标准差”，反映了一组数据的离散程度。六西格玛( 6σ)的意思是“六倍标准差”，在质量管理上表示每百万个机会中只有3.4 个错误或故障，合格率达 99.999 66%，由此可见，六西格玛水平是一个近乎完美的状态[1]。六西格玛已经应用于工程管理、项目管理、企业管理等多个领域，对于制定策略、提升业绩和提高客户满意度等方面起了积极的促进的作用。同理，将六西格玛的精髓应用于测试领域，对测试数据进行分析处理，是有利于提高测试设备的性能的。

1　六西格玛常用的分析工具

六西格玛常用绘制统计图表的方式进行数据分析。绘制统计图表有助于识别数据所处过程中的风险，量化所得样本的输出，并且展示被动数据收集的结果。一个好的统计图表，首先要有正确的标注，如图表名称、数据覆盖的时间范围、清楚明确的单位标注、标注好名称并且比例统一的坐标轴和明确的理想方向。其次，需要能够用正确的图形对输出进行量化，量化是对数据进行数字化处理，把不确定的模糊的一部分数据，变得确定并且可以进行判断，能够明确的反映数据的结果。最后，统计图表需要主营异常的条件和情况。

常用的统计图表，有点状图、箱形图、正态概率图和时间序列图等。点状图是用于呈现离散型变量各取值水平的分布情况，可以看见每个数据点，容易辨别不同层理。箱形图是用作显示一组数据分散情况资料的统计图，在对比不同条件下的数据样本的时候非常有用。正态概率图是用来检验一组数据是否服从正太分布的图表，通过对P值、Cp值和Cpk的值进行分析，得出数据的分布情况。时间序列图显示的是测量值随时间的变化程度。

2　应用六西格玛分析的意义

测试设备在长期使用的过程中，尤其是应用于生产线对产品进行功能检验的测试设备，需要面对使用频率高、人员操作差异性大的问题,这些对于测试设备本身的性能来说，都是提出了更高的要求的。如果测试设备的性能不够稳定，那么就会带来较多的由设备本身所引起的误测情况，误测率会升高。对于同样的产品需要进行重复测试，增加了产品的测试时间，从而降低了劳动生产率。这种情况会造成人力资源的浪费。因此提升测试设备的稳定性，是能够给公司带来切实的经济效益的。

那么，需要解决的问题就是如何提高测试设备的性能，提高其稳定性。完善测试设备的先决条件是能够发现其所存在的问题，能够找到完善的方向。采用六西格玛的分析工具，对测试数据进行分析处理，使用统计图表，量化明确的反映测设数据的分布情况，从而反映测设设备所存在的问题。以此为突破口，完善测试设备，增强其稳定性，提高测试性能。

3　六西格玛数据分析的实际应用

运用六西格玛的数据分析方法，对实际使用中的测试数据进行分析，以齿轮泵测试机为例。齿轮泵测试机，专门用于对齿轮泵进行性能测试，可以对齿轮泵的排量、液压等性能进行检验，保证通过检验的齿轮泵均可符合产品的应用需求。

图1　齿轮泵测试数据

图2　点状图，箱形图和正态分布P值

对齿轮泵性能来说，压力和流量是两个十分重要的参数。实际的液压控制系统中,无论是进行功率效率计算、状态监测、故障诊断,还是对负载进行控制都需要对系统流量或压力进行测量。无论是那种控制都需要对系统的压力或流量进行快速、方便、准确的测量[2]。因此，对于齿轮泵的液压和流量性能，都提出来更高的要求。以齿轮泵的流量特性为例，选取两个齿轮泵的型号，对流量数据进行分析，其中Part Number代表两种不同型号的齿轮泵， Date代表数据采集的不同时间，Flow代表数据采集所获得的流量数据。

针对以上数据，分别运用统计图表进行数据分析，本例使用Minitab 16作为分析软件。首先进行标准差分析，通过Minitab软件得到标准误和标准差。中均值的标准误 (SE Mean)是度量样本均值多大精确程度地估计总体均值，并用于创建总体均值的置信区间。SE Mean 值越小，表示对总体均值的估计越精确，通过SE Mean最大为1.52，说明对总体均值的估计准确。STDEV用于估算样本的标准偏差，它反映了数据相对于平均值(mean)的离散程度，从图1中可以得出，0.46的齿轮泵，相对于7.73的齿轮泵离散程度较低，数据较为准确。

图3　0.46和7.73齿轮泵正态分布

然后是点状图，从2图左侧可以得出两种型号齿轮泵的流量数据的分布情况，均较为合理。其次是箱形图，从图2右侧可以得出，2月23日和26日的数据分布更为集中。最后进行正态分布分析，P值就是接受原假设时出错的概率，用于检验数据的正态性。通常当其大于0.05即认为所选数据服从正态分布。从图中可以得出，2月7日的数据P值为0.019，不服从正态分布。其余数据均服从正态分布，而2月5日的数据P值最高，具有更强的正态性。

针对以上数据，得到其正态分布图，主要考察Cp和Cpk两个重要指标。Cp(过程能力)是设计公差与过程程整个变异的比值,它反映的是设计的极限指数.是对过程潜在能力的测定,一个高的Cp指数表明过程具有好的潜在的再制能力，反映数据(尺寸)的波动范围大小,Cp数值越大,尺寸波动越小,过程能力越稳定CPK: Capability index of process,过程能力指数。综合反映Cp与K值（标准平均值）的差距，评估过程满足实际尺寸要求的能力,并以此统计分析结果确定生产能力是否满足大批量生产之要求。从下面两张图可以看出，0.46的齿轮泵Cpk值低于1.33，反映出齿轮泵测试机在测试这个型号的泵时，稳定性较差。

4　总结

综上所述，通过六西格玛的统计图表，对测试数据进行数据分析，可以直观明确的反映出测试设备的稳定性，找出引起问题的原因，从而完善测试机，为提高测试机的测试能力提供帮助。