白沙啤酒改进续集 – 变量分析

刘妍慧

项目回顾：在六西格玛绿带的带领下，项目团队识别出5个最重要的流程变量和2个比较重要的流程变量。

分别是：

l  X2啤酒流速

l  X6电磁阀响应时间

l  X7工艺参数组合

l  X5灌装头

l  X15 啤酒瓶盖子压力

l  X3 啤酒温度

l  X9 设备维护ME人员技能

项目团队将历史数据整理出来，将原始数据贴上了流程变量的标签，因此每一个单瓶啤酒量的数字就携带了很多流程信息。数据上贴的标签越多，携带的信息就越丰富，数据就越“大”，这就是大数据BIG  DATA

让我们赶快来看看一号灌装机的灌装头时间之间是否存在差异？

使用假设检验：

原假设 H0：六个灌装头的灌装的单瓶啤酒量没有差异

备择假设Ha：六个灌装头中至少有一个灌装的啤酒量存在显著差异

应用统计分析工具方法分析 -  ANOVA，得到如下结论：

看来3号灌装头有点“堵”啊。

看看P值如何？

单因子方差分析: 白沙啤酒 与 灌装机灌装头

P值为零。

绿带记起来了黑带大师的教导，“P值小，H0倒！”

数据统计显示P值为零，非常的小，推翻原假设H0的描述，而接受备择假设描述的风险很低，意味着“六个灌装头中至少有一个灌装的啤酒量存在显著差异”。从箱线图可知，就是3号灌装头显著地比其它灌装头装的少。是不是就是这个地方装少了，引起了市场的负面反馈呢？

小伙伴们，你们怎么看？