6-Sigma-绿带训练-量测

6Sigma綠帶訓練－量測(Measure)

6SigmaforCustomerValue1DMAIC專案步驟和工具階段步驟工作細分與工具

定義

專案選擇確認企業的機會專案計劃Y＝f(X)、團隊建立、KANOmodel問題陳述、VOC、CTQ、定義缺點、衡量尺度專案目標與範圍、ProcessMap、專案綱領量測資料收集計劃評估量測系統確認Sigma水準計數、計量型資料、抽樣方法、C&Ematrix、FMEA操作性定義、巡視流程、GageR&RDPMO、製程能力與績效分析分析建立改善目標驗證潛在要因標竿學習、Entitlement、差距分析圖形分析、假設檢定、相關性分析、迴歸分析改善確認關鍵少數建構最佳模式評估最佳模式篩選實驗設計（DOE）先導測試(PilotTest)、更新ProcessMap、更新FMEA成本/效益分析控制確認管制策略建立管制計劃結合品管系統防呆、目視化顯示與目視化管制管制計劃、長期MSA計劃品管系統、專案移交、專案稽核2量測階段課程大綱M0量測階段概述M1辨識變異來源

M1.1了解變異M1.2鑑別變異源特性要因矩陣Pareto

FMEAM2認識資料類型

M2.1離散型資料

M2.2連續型資料M3資料收集計劃

M3.1進行資料收集計劃

M3.2數據分類-層別法M3.2抽樣方法M4量測系統分析(MSA)M4.1量測系統變異

M4.2操作性定義

M4.3巡視流程M4.4GageR&R

M4.5量測系統改善M5收集資料M5.1目的M5.2應注意事項3M6確認流程能力M6.1目的M6.2了解流程的能力與績效M6.3計算流程能力離散型資料:DPMO連續型資料:Cpk,Ppk

M6.4量測階段總結M7量測階段回顧量測階段課程大綱附錄A合格率型態

最終合格率(YF)首次合格率(YFT)滾式合格率(YRT)4M0量測階段概述學習目標

發展數據資料收集計劃如何收集數據資料找出變異來源確認流程能力、Sigma水準建立專案改善之衡量尺度產出結果

數據蒐集計畫、GageR&R、現況資料、C&EMatrix、FMEA、流程能力5M0量測階段概述如果無法量化…,就無法改善…..MichaelJ.Harry為什麼需要量測?量測可描述產品、流程或服務的數量、能力或績效，其是以所觀察或收集到的數據為基礎6針對流程的結果，進行量測是非常重要的，因為它可以讓我們掌握現階段客戶需求被滿足的程度量測也能同時描述部分流程的輸出(ys)，因為這些輸出與客戶所關心的品質要素(CTQs)有關，所以量測常會在某些關鍵點上進行對流程輸入的量測，透過此量測，專案團隊能評估輸入對流程的貢獻，而這些貢獻可以轉變成對客戶的價值量測的構成要素量測可由流程之輸入、流程及輸出所構成7量測階段執行步驟流程繪圖M1辨識變異來源M3資料收集計劃M2資料型態M4MSAM5收集資料M6確認流程能力專案綱領定義階段KPOVsKPIVs8量測階段的重點依據定義階段所鑑別出之關鍵流程的變數，進一步辨識流程中變異的可能來源(xs)針對流程的輸出變數(ys)及可能的變異源，建立數據收集計劃收集流程的現況資料依所收集之現況資料，計算及確認目前流程的績效，並作為驗證是否改善的基準所收集之現況資料，將可提供分析階段所需的數據6.流程績效一旦確認，專案團隊即可進入分析階段9M1.辨識變異(variation)來源M1辨識變異來源M3資料收集計劃M2資料型態M4MSAM5收集資料M6確認流程能力變異自然存在於任何流程中，而其也是專案團隊執行6Sigma專案的主要原因10學習目標了解變異鑑別變異源特性要因矩陣

ParetoFMEAM1辨識變異來源11M1.1了解變異

什麼是變異?流程產出不同的產品或服務的結果流程中重複性活動所存在的波動量每個流程都會發生變異而改善的目標就在降低變異的程度為什麼變異會發生?4M1E1P如果變異擴大將會發生什麼影響?無法預測/預期結果產生重驗和/或重工延誤時程增加顧客不滿意度M1辨識變異來源12變異的來源

需求需求衡量衡量SIOC供應商投入-資源產出-產品/服務流程顧客P時間M1辨識變異來源13變異的來源(續)人員

-Ex:操作員、班別、新人機器- Ex:機台別、設定、維修物料- Ex:原物料來源、不同批量間差異方法- Ex:操作者使用的方法量測- Ex:校正、量具、量測方式環境-Ex:日光、溫度、風速可以運用魚骨圖進行4M1E1P的分析,幫助確認流程中的潛在變異原因.M1辨識變異來源14發生變異的原因一般原因特殊原因情況組成特性改善作為責任者變異的結構所有資料為相似的形態所有資料為不同的形態許多次要的原因較少主要原因穩定,可預測分離的,不可預測變更流程或重新設計找出關鍵要因予以排除經理人/工程師現場主管/操作員85%15%M1辨識變異來源15流程中只有特殊原因的變異流程中存在一般原因的變異辨識變異的原因(Xbar-R)0Subgroup1020789101112SampleMean1111111X=9.7403.0=11.14-3.0=8.3410123456SampleRangeR=2.4253.0=5.128-3.0=0.00010050Subgroup015105SampleMeanX=9.7403.0=15.50-3.0=3.98520100SampleRangeR=7.9003.0=18.02-3.0=0.000先解決哪一種原因所導致的變異?M1辨識變異來源16M1.2鑑別變異源專案團隊在了解變異產生的原因後，將進一步運用以下幾個工具，以有效鑑別出影響問題較大的KPIVs，這些已鑑別出之輸入變數，即為影響問題的主要變異源，同時，其也為專案後續分析關鍵要因的焦點特性要因矩陣ParetoFMEAM1辨識變異來源17特性要因矩陣(C&Ematrix)

確認流程的關鍵輸入變數(KPIVs)對關鍵輸出變數(KPOVs)的影響程度或重要度的分析方法在六標準差的專案中，團隊經常利用它來確認定義階段中，流程繪圖所找出之關鍵變數間的關係，以排定優先順序.定義特性要因矩陣特性要因矩陣分析前需先發展各項評分的操作性定義M1辨識變異來源18範例:結帳等待時間計算總分(例):2x1+8x9+3x3+9x1+1x1+3x3+8x1+1x1+9x1=120M1辨識變異來源相關程度9:強相關3:中等相關1:弱相關19柏拉圖(Pareto)分析

柏拉圖的目的?-幫助團隊分析CTQ，並將焦點著重在影響問題的少數原因

-柏拉圖原則(80/20)：％的問題是由％的主要原因所造成的。M1辨識變異來源20M1辨識變異來源Minitab輸出結果21回顧前一個範例，專案團隊經特性要因矩陣分析後，為進一步確認，到底哪些原因造成80%的結帳時間不符顧客期望，因此他們利用柏拉圖進行以下分析M1辨識變異來源範例：柏拉圖分析22FMEA（失效模式與效應分析）當變異導致產出無法滿足客戶的需求時，此流程或產出將被視為處於失效的模式而FMEA為尋找變異影響的一種有效方法專案團隊可以依柏拉圖所確認之優先順序進行FMEAM1辨識變異來源FMEA是一個規範性的程序，其定義如下:認識如何評估產品或流程的潛在失效及其影響鑑別出可以消除或減少潛在失效機會的措施把流程文件化定義FMEA23運用FMEA的目的FMEA的運用主要是希望能完成下列任務:

改善被評估之產品或流程的品質、可靠性及安全性對產品或流程中潛在失效的模式，進行風險管理

發展穩健的管制計劃協助專案團隊了解，及聚焦於應該被優先改善的問題點防止問題的發生將流程文件化，並作為後續追蹤改善措施的參考M1辨識變異來源24如何進行FMEA使用表格:M1辨識變異來源25評價嚴重性(SEV)Sourcefrom:QS9000.AIAG嚴重性衡量內容分數會造成功能喪失時10可能會造成功能喪失時9全部會超出界線外8約50%以上會超出界線外7約20%以上會超出界線外6約10%以上會超出界線外5可能會超出界線外4會有些影響但可穩定在規格界線邊緣3會有些影響但仍可穩定在規格界線內2不會造成任何影響1M1辨識變異來源26評價發生性(OCC)M1辨識變異來源可能的失效率(每千件發生的次數)Ppk分數≧100〈0.551050≧0.55920≧0.78810≧0.8675≧0.9462≧1.051≧1.1040.5≧1.2030.1≧1.302≦0.01≧1.67127評價偵測性(DET)M1辨識變異來源偵測方式分數未管制目視量測防呆ˇ10ˇ9ˇ8ˇˇ7ˇˇ6ˇ5ˇ4ˇˇ3ˇˇ2ˇ128FMEA查檢表所有失效模式的水準是否都具一致性?所有失效模式是否都很明確?失效模式是否足以涵蓋流程的步驟?是否已經考量了所有的KPOVs?目前的管制措施是否包括了預防及偵測的方法?針對嚴重性、發生性及偵測性，團隊所給的評價分數是否具一致性?所有項目是否都與流程繪圖有關?M1辨識變異來源29風險優先指數(RPN)的說明風險優先指數是對設計、系統或流程風險的量測。對於較大的RPN，必須採取修正措施減少計算得出的風險。特別注意嚴重性高的，然後是關鍵性強的(嚴重性×發生性)。

一旦採取修正措施必須重新計算RPN

值。M1辨識變異來源30範例:FMEAM1辨識變異來源31M2.認識資料類型M1辨識變異來源M3資料收集計劃M2資料型態M4MSAM5收集資料M6確認流程能力32資料類型離散型資料連續型資料離散型資料是以類別或計數爲基礎，如：通過或失敗、缺點數…連續型資料是以所量測的單位為基礎,如：公分或時間…

M2資料型態M2.1離散型資料離散型資料為發生的次數或是分類性的資料。例如:銷售區域，生產線的資料，工作班別等

離散型資料的注意事項

分析要具有效性，則需要較多的資料(約筆)與缺點相關，僅在缺點發生後才可獲得.反映長期的趨勢，無法對問題進行管制不通過通過M2資料型態34M2.2連續型資料連續型資料具有對特定參數相關之流程或產品的特性，如：尺寸、重量、時間等.換句話說，無論如何提高測試儀器的準確性，資料都可以加以細分而成為更有意義資訊.所需的數據至少為

筆反映短期的趨勢，可以即時修正在流程中，藉由監控因子可及早獲得連續型資料的注意事項M2資料型態35範例練習:連續還是離散?請依連續型或離散型,分類下列資料

1.每百萬次接受的原物料缺點數

2.裝配線的缺點數

3.硬度測試

4.銷售區域的分支機構

5.一個洞的直徑測試資料

6.發票的準確性

7.在電話間裏與客戶交談的時間

8.給冰箱注入冷煤的數量。（如

Freongas:gram）M2資料型態36離散型與連續型資料之比較

資料類型項目離散型資料(計數)連續型資料(計量)收集方法觀察量測特性非連續、間斷連續兩數值間無法再細分兩數值間可再無窮細分絕對值近似值資料鑑別度較低資料鑑別度較高推估母體需較大的資料量(50~100)可以較少資料量推估母體.(n＞30)常用圖形柏拉圖、推移圖……常態分配圖、直方圖、散佈圖…M2資料型態37資料類型

========統計的衡量尺度========Z-值========離散型資料

DPMO連續型資料

CpCpkPp

PpkZ-值Sigma計算

資料類型與Sigma水準M2資料型態38M3.資料收集計劃M1辨識變異來源M3資料收集計劃M2資料型態M4MSAM5收集資料M6確認流程能力39嚴謹且完整的資料收集計劃，可以確保所收集到的資料有用，並有助於保證對問題進行成功的分析資料收集計劃可協助專案團隊安排數據資料收集的活動，並確保所有與數據資料收集的相關人員都明白目標。資料收集計劃之目的為什麼資料收集計劃那麼重要?M3資料收集計劃40基本需要操作員是否對專有名詞的定義及目前的衡量與執行目標相當清楚及了解?資料收集計劃前，應回答下列問題在那裏量測/如何量測/量什麼？要量測多少樣本/量測頻率/誰來量測?在那裏記錄?誰將使用/使用頻率多少?當特別資料找到後應採取什麽行動?現場確認需要確認的量測方法/頻率和資料記錄能按計劃完成嗎?M3.1進行資料收集計劃5W2H!M3資料收集計劃41M3.2數據分類-層別法層別法是一種數據分析方法，將數據分為不同類別後，團隊可以辨識問題的類型與流程的差異為分析階段有效的運用數據資料發展數據收集計劃時，應謹記層別的方法保證數據收集時所採用的方式可以將數據層別M3資料收集計劃應用層別法的目的檢查各組間量測值的差異，以試著了解潛在的變異為何42應用層別法應用數據層別法時，可參考下列因素

因素

範例

What

抱怨、缺點、產品型號

When

年、月、周、日

Where

國家、地區、城市、工作場所

Who

業務、部門、個人

數據層別成功的關鍵在於，確保量測是可靠的，否則，即使具備了嚴謹且完整的數據收集計劃，也會導致決策的錯誤M3資料收集計劃43範例練習:結帳等待時間班別感應器機型店別中壢店樓層地下層一樓早班中班晚班早班中班晚班I型II型I型II型I型II型I型II型I型II型I型II型M3資料收集計劃44M3.3抽樣方法什麽是抽樣？從所欲研究之現象的母體中，隨機選取一部份的資料或樣本進行調查，並以部分樣本所得的結果推論母體。

爲什麽使用它？由於經費、時間、人力的限制或調查具有破壞性，因此採用抽樣調查的方式。

使用相對較少量的數據資料常常可以獲得可靠的結論抽樣準則(Groundrules)隨機抽樣保持資料一致性

流程應具穩定性（控制在範圍內）應能充分代表一個流程或一個母體M3資料收集計劃45樣本與母體的關係在無法以普查或全檢的方式得知全貌時,以抽樣的方式來推測母體抽樣的方式與手法會影響推測母體的精準度母體:在所要研究的統計問題中研究的個體其可能的數值所成的集合樣本:與母體具有相同特徵的一個次群組1.樣本是否可隨機取樣?2.是否可能產生抽樣的錯誤?3.樣本需要多大?M3資料收集計劃46分層隨機抽樣母體被分為若干層後依隨機的方式在每個層內選取適當的樣本數範例:為估計台北市居民的年平均所得,我們將母體(台北市居民)依教育程度分為若干層後,在每一層內隨機選取數個樣本高中職以下高中職大學(專)研究所以上M3資料收集計劃47系統抽樣範例:某公司明年度欲全面推動周薪制，為先了解員工對此制度的看法，人資處將對公司3000名員工採用系統抽樣的方式選出300位員工進行研究。他們以員工名冊中。員工序號個位數為2者，做為進行問卷調查的對象。M3資料收集計劃選取每“第n個”項目或“固定間隔”作為研究的樣本48樣組抽樣選取每“第n個”項目或“固定間隔時間”作為研究的樣本範例:在生產線上每隔10分鐘抽取一個零件，檢驗並紀錄量測結果10分鐘10分鐘M3資料收集計劃49範例:資料收集計劃a.專案名稱：

b.BB/GB：

c.資料收集期間：自年月日~年月日止d.流程負責人：

日期：收集項目名詞定義資料型態設定條件操作性定義樣本數抽樣方法頻率工具負責人工作站M3資料收集計劃50M4.量測系統分析(MSA)M1辨識變異來源M3資料收集計劃M2資料型態M4MSAM5收集資料M6確認流程能力51量測系統分析數據收集計劃完成後，在著手進行數據收集行動前，必須要對此計劃進行量測工具的驗證，此驗證即為量測系統分析(MSA)量測系統分析從數據收集計劃開始，當所收集到的數據已能精確的描述流程中的變異，並達到高水準的信賴度時，分析才算完成沒有好的量測系統，就無法確認任何問題的症狀!M4MSA52量測系統分析的目的確保團隊所收集到的資訊可真正代表流程中正在發生的情況總變異=產品變異+量測系統變異一旦將量測系統的變異降到最小，團隊可以確保所收集到的數據只代表流程的總變異M4MSA53M4.1量測系統變異σT2=σP2+σM2總變異產品變異(實際的變異)量測的變異LSLUSLM4MSA54量測系統的變異源量測系統可視為一種流程.變異的來源:

人力,物料,方法,機器,測量,環境

….確認流程中可能的變異來源.量測系統中的變異人力(People)物料(Material)方法(Method)機器(Machine)測量(Measure)環境(Environment)4M1E1PM4MSA55MSA可以幫助確認…..量測系統能否用於該研究？

量測誤差有多大？

對量測進行說明時，有多少不確定性？

量測使用的單位是否能精確到足以正確地反映出現的變異？

量測誤差根源是什麼?

如果流程有改善，或流程改善正在發生，我們能發現嗎？

量測系統在時間上穩定嗎？

M4MSA56量測系統分析的類型操作性定義巡視流程(WalkingtheProcess)量具的再現與再生性(GageR&R)*計數型資料計量型資料操作性定義及巡視流程較常運用於非製造業中，而GageR&R則經常運用於製造業M4MSA*:Repeatability(再現性);Reproducibility(再生性)57M4.2操作性定義量測系統可以根據專案團隊所提出的操作性定義加以驗證，以確保所有進行量測工作的人員完全了解，在數據收集階段中所預期的結果。操作性定義完成後，團隊須依其驗證數據收集計劃可收集到所需的數據數據收集是有效且方便使用量測人員明白數據收集的預期結果M4MSA58範例練習:M&M巧克力我們希望知道，各組的M&M巧克力有多少顆是不良品，試著與你的小組討論，並發展量測M&M上缺點的操作性定義與其他組交換操作性定義後，再進行資料收集並分析M4MSA59進行巡視流程1.對要收集的每種量測結果，提出操作性定義

2.開始數據收集活動前，對相關人員進行教育訓練

3.從流程的開始到結束，監測數據收集活動，以確認收集數據的方式是否正確

4.繼續巡視（walking）流程，直到所收集的數據能準確地反映出現有的流程

M4MSAM4.3巡視流程在某些情況下，如地理因素或成本考量，而無法應用GageR&R時，巡視流程為進行量測系統分析的另一種方法60M4.4量具的再現與再生性可以用來決定所觀察到的總變異，有多大的比例是來自於量測系統的變異M4MSA再現性(Repeatability)再生性(Reproducibility)61再現性

=“獲得一致性的結果”操作者在條件完全相同(操作者、設定參數、部品、環境)的情況下，對同一項目重覆量測所得到的變異.量測系統的再現性再現性量測值1量測值2M4MSA62在不同的條件(操作者、環境、量測系統或設定參數)下,對同一項目進行量測所得到的變異.操作者A操作者B操作者C再生性量測系統的再生性M4MSA632~3個操作者。衡量

5-10個單位。每個操作者對每個標的物重覆量測

2-3次。校正量具或確保量具已經被校正。第一位操作者以隨機的方式量測所有樣本一次。持續直到所有操作者已經量測所有樣本一次。重複上述步驟直到所要求的實驗次數。.進行GageR&R研究資料收集計劃M4MSA64進行GageR&R研究(續)將量測值填入Minitab資料表

依資料類型，選擇Minitab中GageR&R的分析方法計數型(Attribute)GageR&R計量型(Crossed)GageR&R依據分析結果，決定接下來的活動.分析方法M4MSA65計數型資料量測系統分析不通過通過GoNoGoM4MSA66範例說明:M&M巧克力M4MSA67計數型GageR&R(1/5)a.Stat>QualityTools>AttributeAgreementAnalysis…M4MSA68b.點選變數“A1~C2”c.填入操作者人數“3”及每人重複進行次數“2”d.點選“Attribute”作為標準答案M4MSA計數型GageR&R(2/5)69Minitab輸出結果(1/3)第二位操作員之變異小第三位操作員之變異較大第二位操作員檢驗結果與標準比對之變異相對小若無已知的標準,不會出現此圖第三位操作員檢驗結果與標準比對之變異大M4MSA計數型GageR&R(3/5)70Minitab輸出結果(2/3)個別值與標準值比對操作員不一致性評估(再現性)M4MSA計數型GageR&R(4/5)71Minitab輸出結果(3/3)操作員之間的比對(再生性)整體的一致性(與標準值比對)M4MSA計數型GageR&R(5/5)72一致性100%是每一項分數的目標若分數<100%表示人員需要訓練操作員判斷分數的百分比(EachAppraiserV.S.Standard)即為再現性操作員間判斷分數之一致性(BetweenAppraisers)即為再生性所有操作員之一致性相對於標準(AllAppraisersV.S.Standard)總誤差與已知的標準比對計數型GageR&R判斷標準M4MSA73計量型資料之量測系統分析TEMPERATUREM4MSA74計量型GageR&R判斷標準兩種不同的觀點

70100%8090總容差,VOC量具的變異USLLSLVOC:客戶要求的規格VOP:流程的總變異

流程變異,VOPM4MSA75計量型GageR&R的判斷標準

量測系統變異相對於客戶的規格(%Tolerance)總變異(%Study)

百分比的判斷標準Under10% 可接受的量具10-30% 或許可接受的灰色地帶Over30% 量測系統需要改善M4MSA76範例說明:電容器若產品的規格為:40

2.5量測系統的再生及再現性是多少?目前的量測系統是可以接受的嗎?M4MSA77Stat>QualityTools>GageStudy>GageR&RStudy(Crossed)計量型GageR&R(1/4)M4MSA78分別選入變數:Parts(零件)，

Operator(操作者)&Measure(量測值)進入“Options”對話框後，在tolerance輸入容差“5”計量型GageR&R(2/4)M4MSA79計量型GageR&R(3/4)M4MSA80Xbar-RChartRChart比較每一位量測人員與其他人的量測全距，以及相對於所有人員量測全距的總平均值左圖說明了a、b、c三人量測值的變化，及量具的讀值情形顯示再現性Xbar-RChart主要在圖示因量測人員所產生的量測系統變異M4MSA81Xbar-RChart(續)XbarChart說明每一位量測人員與其他人的量測均值，每位量測人員的曲線應該相似若70%的量測值落在管制界線外，表示量具的解析度較好顯示再生性M4MSA82Minitab圖形分析說明因量測人員與被量測部品間的交互作用所產生的變異情況所有量測者的曲線應該一致左圖，三位量測者對第1、5、6個部品量測時發生變異三位人員的XbarChart組合後即為此圖M4MSA83量測系統變異分析左圖說明了10個部品量測值的變異情況各個部品量測值(黑點)的散佈情況，越集中表示量測值的變異越小，反之，則變異大左圖說明了所有量測人員的一致性(直線部分)變異情況(黑點的散佈)M4MSA84如果交互作用效果是顯著的,代表特定操作者量測特定零件會產生問題.和總變異比較,11.25%<30%的

GageR&R是可接受的水準.13.18%<30%的容差%亦是可接受的水準.一般要求為10以上才為可接受的標準Minitab輸出結果(4/4)M4MSA85再現性誤差＜再生性誤差;須對操作條件採取必要的調整操作者未訓練如何使用及解讀量具的數據

再生性誤差＜再現性誤差

;須對量具採取必要作為量具的維護與校正量具是否歸零量具是否超過部品變異量測系統改善建議M4MSA86GageR&R摘要量測值不是絕對的.因此，在探討x’s對流程衝擊的程度時，我們必須先評估量測系統的變異量測系統的誤差應該要很小，才能確認出真正的流程變異GageR&R的分析重點，首先，須確認%Tolerance是否合乎要求，當我們進一步考慮其與總流程變異的相關性時，%Study會是一個很重要的參考數據.

M4MSA87M5.收集資料M1辨識變異來源M3資料收集計劃M2資料型態M4MSAM5收集資料M6確認流程能力88依資料作決策能觀察流程的趨勢或運作的模式累積足夠的資訊以了解現況，並分析潛在原因收集資料的目的在透過嚴謹的資料收集計劃，以提供後續各階段中，分析及改善所需的必要性資料。M5.1收集資料的目的為什麼資料收集那麼重要?M5收集資料89M5.2收集資料之應注意事項為確保所收集數據資料之品質，團隊應正確的訓練收集數據的人員隨時監測資料收集的過程，以確保收集的頻率，能夠涵蓋及發現問題正在由好變差的情形檢查數據是否合理，若不合理，須對數據提出質疑須在不同的時間點收集數個小樣本，而不是在同一個時間點上收集大量的樣本確保所量測到的值，保持穩定與一致M5收集資料90M6.確認流程能力M1辨識變異來源M3資料收集計劃M2資料型態M4MSAM5收集資料M6確認流程能力91M6.1目的流程能力分析，主要在針對某一個流程，評價其滿足顧客期望(CTQs)的表現上有多好團隊必須確認，流程在考慮一般原因的變異後，是否仍能滿足顧客的期望在六標準差專案中，專案團隊希望藉由此分析，建立流程目前的績效(或Sigma)水準驗證改善的基準點根據數據資料的型態(離散或連續)，有不同的流程能力分析方法M6確認流程能力92經驗上，隨著時間的變化，長、短期的流程能力將會產生1.5個標準差的偏移.

什麼是短期/長期的流程能力TimeTime1Time2Time3Time4LSLUSL目標值短期的流程能力

長期的流程績效M6確認流程能力M6.2了解流程的能力與績效93Lot1Lot2gm/bulbLot3Lot4Lot5飄移偏移偏移(Shift)與飄移(Drift)流程能力會經常發生變化，主要的原因之一為偏移與飄移，偏移是流程突然的變化，飄移則是流程隨時間而緩慢發生的變化，經驗上，隨著時間的變化，長、短期的流程能力將會產生1.5個標準差的偏移.

M6確認流程能力94U:單位(標的物):被生產或處理的部品

D:缺點:任何導致客戶不滿意(或不符合CTQs)的事項OP:機會：單位內,任何被調查或測試的點離散型資料:DPMO離散型資料

DPMO連續型資料CpCpkPp

Ppk流程能力什麼是DPMO?

百萬機會缺點數先了解以下的名詞:以離散型資料計算流程的能力M6確認流程能力M6.3計算流程能力95U:單位

正方形（4個單位）産出的衡量、觀察和量化計算缺點的標的物D:缺點

黑點（9個缺點）客戶不滿意的來源

與規格不符産品或服務需求特性的偏離，或其不能實現客戶對功能/或外觀的需求OP:機會

圓點

(每單位五個機會)。一個流程中,偏離産品/流程標準的機會數目。顯示一個流程的複雜性，獨立且可衡量。範例說明:DPMOM6確認流程能力96DPU:每單位缺點數

:品質的一般性衡量

每單位缺點數=

可以對整個接受區域的任何接受點或總合進行計算。

不是缺點的順序測試，只是計算缺點的總數。DPO:每個機會的缺點數

每個機會的缺點數

=DPMO:每百萬機會缺點數

DPMO=（發現缺點總數）（機會總數,

TOP）x1,000,000（發現缺點總數）（機會總數,

TOP）（發現的全部缺點數)(單位處理的總數)了解DPMOM6確認流程能力971.單位：50個單位,缺點數：20,機會：3.

請計算出DPU,TOP和

DPMO

2.單位：1,000個單位,缺點數：30,機會：4.

請計算出DPU,TOP和

DPMO

3.單位：25,000個單位,缺點數：1,500,機會：10.

請計算出DPU,TOP和

DPMO4.單位：33,500個單位,缺點數：3,000

,機會：12.

請計算出DPU,TOP和

DPMO範例練習:計算DPMOM6確認流程能力98缺點(defect)和不良品(defective)之間有什麽區別？哪一個最接近於6Sigma觀點？

DPMO的應用

為一個新的衡量方式，每百萬次機會的缺點數，可以作為標竿，因為它為多種複雜的產品或服務提供相同的比較基準。

定義機會及缺點是否存在，為了解並計算某個流程現況的第一步。了解DPMO(續)M6確認流程能力99Defect、Defective的不同A裂痕B破洞C閃爍共3類機會一個不良品(Defective)~電腦螢幕，有5個缺點(Defect)，其中有3類機會：裂痕、破洞、閃爍AABBCM6確認流程能力100決定每單位機會缺點數的準則必須對顧客來說很重要改進前後，每單位的機會數不變每單位機會數，可用來為不同複雜性的流程和結果，建立共同的標準僅計算缺點合理發生的機會若一直都不成問題，就不應計入不要為提高Sigma水準而擴大每單位機會數M6確認流程能力101範例:轉換成

Sigma水準DPMO為28,700時，流程的Sigma水準是多少?M6確認流程能力102將DPMO轉換成

Sigma水準17,90098.212.13.610,70098.932.33.86,21099.3792.54.03,47099.6532.74.21,87099.8132.94.496899.90323.14.648399.95173.34.823399.97673.55.010899.98923.75.24899.99523.95.42199.99794.15.6899.99924.35.83.499.99974.56.0DPMOYield(%)ZltZst<500,000500.01.5460,000540.11.6421,000580.21.7382,000620.31.8345,000660.41.9309,000690.52.0242,000760.72.2184,000820.92.4136,000861.12.696,800901.32.866,800931.53.044,600961.73.228,700971.93.4DPMOYield(%)ZltZst在計算流程能力時，有時會用Z值表示，因為其在統計上所代表的意義，即為Sigma水準M6確認流程能力103案例

(1)過去幾年，你經常搭飛機到國外出差。為了解你準時搭飛機的Sigma水準，你收集了100筆資料，其中僅錯過5班飛機。（如果以Sigma水準來顯示這種情況，那會是多少？）

案例

(2)一個會計小組在處理2000年財務報表的內部稽核工作，她檢測到了25項不符合的記錄。在流程中可能有2次機會是紀錄不正確的，觀察值的總數爲25,000筆記錄。

DPU是多少?DPMO是多少?該財務報表流程的Sigma

水準是多少?範例:流程能力是多少?M6確認流程能力104連續型資料:Cpk,Ppk離散型資料DPMO連續型資料CpCpkPp

Ppk流程能力在利用連續型資料計算流程能力前，我們先對以下幾個觀念進行回顧目標值平均數規格上、下界常態分配Z值偏離目標變異標準差合格率、良率(YRT、YFT)M6確認流程能力105目標值(Target)目標:每一種可量測的特性，都有其要求的績效，該績效就是所謂的目標例如每頁可允許2個錯字每月須生產200M/T合理結帳時間為2分鐘目標應與顧客的期望(CTQ)一致M6確認流程能力106規格上、下界規格上、下界:允許超過或低於目標值的界線規格有可能只存在單邊例如*其他重要觀念(平均數、變異、常態分配、合格率….)，參考Measure教材，附錄A:合格率型態LSLTUSL表面硬度253545結帳等待時間(m)25模板厚度(cm)0.20.61.0M6確認流程能力107短期流程變異(經過一段時間)的總和決定了長期變異的水準.

長期變異(

lt)長期收集大量的樣本包含所有的一般及特殊性原因(非隨機效應,例如非常態流程變異)

顯示流程的真正表現

為顧客所關心Time流程變異的類型

短期變異(

st)

少量的連續樣本僅包含一般性原因(隨机變異因子,如流程自然變異)

顯示流程的可能表現指出短期流程能力22M6確認流程能力範例練習:供應商的標準差開啟Excel資料檔ExampleData(GB).xls

中的工作表Sigma將資料放置於Minitab中進行分析，觀察供應商Supp1之長、短期標準差的差異身為顧客的你，關心的是該供應商長期，還是短期的標準差?規格:6002M6確認流程能力109範例:供應商的標準差602601.5601600.5600599.5599598.5Supp1Average599.55ABC圖一圖二圖三圖1以重疊的常態分佈顯示原始數據(依各批次)圖2僅顯示每一批次的變異.短期標準差Sst為0.576圖3顯示沿軸分佈的100個原始觀察值,全部100個觀察值(歸為長期)的標準差:Slt=0.621M6確認流程能力110

stv.s.

lt

利用Minitab軟體計算長、短期的標準差短期標準差(黑實線)較長期標準差(紅虛線)的值小圖形部分也顯示短期的鐘型曲線較長期高且窄M6確認流程能力111規格:ororory變數

LSLTUSL較寬的規格LSLTUSL較窄的規格TUSL單邊規格變異與規格的關係知道了Y的平均值和標準差，仍不足以定義績效.我們也應同時考慮其與規格之間的關係.

若無明確的要求(規格),則不能確定某一產品或流程的變異是好或是壞.

s1μ1s2μ2M6確認流程能力112VOPLSLVOCUSLTμ+3σ+3σ

pCUSLLSL=-6σst流程能力

特性最大允許範圍(VOC)產品/流程的變異(VOP)Cp=M6確認流程能力113CPK=min(Cpu,Cpl)Where,Cpu =(USL-μ)/(3σst)Cpl =(μ-LSL)/(3σst)Zst=3*CpkLSLUSLμ0μ1Tσst中心偏移能力指數(Cpk)&績效指數(Ppk)PPK=min(Ppu,Ppl)Where,Ppu =(USL-μ)/(3σlt)Ppl =(μ-LSL)/(3σlt)Zlt=3*PpkLSLUSLμ0μ1TσstσltσstM6確認流程能力114Cp

PPCPK

PPK流程能力長期標準差不穩定的流程狀態流程能力及績效指標短期標準差穩定的流程狀態流程績效相對於規格的標準差相對於規格的標準差及平均值.“短期觀點”“長期觀點”M6確認流程能力115CpkPpk變異的型態只有一般原因所有的原因樣本數30個樣本以上100個樣本以上範例：生產

-一批次的原物料-一個班別;一組人員-單一設定條件-3到4批次的原物料-所有班別;所有人員-許多的設定條件範例：商業

-“特定”顧客,

服務,

反應時間.-1位顧客

-在夏季的其中一個月-所有的顧客,

服務,

反應時間-所有的顧客-數個月,包括Dec/Jan流程依原始設計來作業依實際情形來作業!能力與績效的比較M6確認流程能力116居中流程縮小變異幅度TargetLSLUSLTargetLSLUSLTargetLSLUSL變異與流程能力的關係偏離目標(Centering)–流程不符合績效的要求變異(Spread)–變異太大，流程能力低M6確認流程能力117轉換成Sigma水準

能力(績效)指數相互關聯目標是提升

Zst

,Zlt

,Cp,Cpk以降低缺點數流程能力的Sigma水準

能力

指標

長期

(Zst) (Cpk) (Ppk) (Zlt)* DPMO 3.0 1.0 0.50 1.5 66,800 3.5 1.17 0.67 2.0 22,750 4.0 1.33 0.83 2.5 6,210 4.5 1.50 1.00 3.0 1,350 5.0 1.67 1.17 3.5 233 5.5 1.83 1.33 4.0 32 6.0 2.00 1.50 4.53.4*假設

1.5Sigma偏移M6確認流程能力118範例:探針的Vpp.值CTQ:探針之Vpp.值要求規格

:0.78-1.24mv1.開啟Excel資料檔ExampleData(GB).xls中，工作表Capability2.將數據資料放置於Minitab資料視窗中，分析探針之Vpp.值的製程能力3.相關資料如下所示

M6確認流程能力119Stat>QualityTools>CapabilityAnalysis>Normal…使用Minitab執行CapabilityStudy1M6確認流程能力120點選Y變數“Vpp”及樣組數“LotNo.”輸入規格上、下界23M6確認流程能力使用Minitab執行CapabilityStudy121Minitab圖形輸出結果M6確認流程能力122量測階段的目的是為，收集團隊在定義階段所欲確認目前流程績效的數據，這些數據可以鑑別出流程的變異源，而這些變異源，將可以提供團隊改善問題的機會，另外，量測階段還提供了改善後管制流程的機制定義要收集的數據類型後，量測階段便已開始，一旦收集到足夠的數據資料，能使專案團隊進入下一個分析的階段，則量測階段就結束量測階段結束後，專案團隊將有以下產出數據收集計劃已驗證之量測系統提供分析問題所需足夠的數據流程目前的Sigma水準或基準值M7.量測階段總結123量測階段回顧分析階段A1建立改善目標A2確認潛在要因M1辨識變異來源M3資料收集計劃M2資料型態M4MSAM5收集資料M6確認流程能力124附錄A合格率的類型課程大綱最終合格率首次合格率滾式合格率125最終合格率(YF)

為傳統觀念的流程合格率，其不計算廢品，但將重工後之合格品計入第三個工作站100Units

Units產生6單位的廢品Step1產生11單位的廢品產生8單位的廢品第一個工作站第二個工作站流程的最終合格率為?最終合格率(FinalYield)126重工重工第三個工作站100Units75Units產生6單位的廢品Step1產生11單位的廢品產生8單位的廢品第一個工作站第二個工作站隱形工廠YF=最終合格率(FinalYield)127不包括重工及廢品

著重在第一次就把事情作對

目的在衡量每單一工作站之品質Step1150Units產生廢品18units首次合格率(YFT)是多少?隱形工廠重工12units首次合格率(FirstTimeYield)120Units128滾式合格率為通過全部流程步驟之首次合格率的乘積.滾式合格率(RolledThroughputYield)生產咖啡壺的製程包括三個獨立的工作站,如下圖所示:工作站3YFT=93%工作站1工作站2滾式合格率因不計算產品重工的部分，因此其值可視為製程產出零缺點的機率YFT=85%YFT=80%YRT=

129A(100)B(88)C(77)檢A67重工A(10)重檢A廢品重工B(9)重檢B重工C(8)重檢C廢A2(2)廢A1(10)廢B2(2)廢B1(9)廢C1(8)廢C2(2)檢B檢COKOKOKNGNGNGNGNGNGOKOKOKB(80)合格率80﹪

合格率80﹪合格率80﹪合格率80﹪合格率80﹪合格率80﹪A(100)C(64)(51)滾式合格率(RTY)＝最終合格率＝範例:計算YRT及YF130NG=11Process100個89個計算例:我的良率不錯接近9成!131重工重工重工10094897366NG=0NG=5NG=4NG=26666612121255OP1OP2OP4OP389報廢報廢報廢報廢真實的流程13210094897366NG=0NG=5NG=4NG=26666612121255OP1OP2OP4OP389OP1OP2OP4OP3投入100個產出89個投入100個100個 95個 91個重工6次0次12次5次作業106次100次 107次 96次產出100個 95個91個 89個報廢0個 5個 4個 2個實際作業分析13310094897366NG=0NG=5NG=4NG=26666612121255OP1OP2OP4OP3OP1OP2OP4OP389投入100個產出89個投入100個100個 95個 91個重工6次0次12次5次作業106次100次 107次 96次產出100個 95個91個 89個報廢0個 5個 4個 2個傳統良率=89/100=89%13410094897366NG=0NG=5NG=4NG=26666612121255OP1OP2OP4OP3OP1OP2OP4OP389投入100個產出89個投入100個100個 95個 91個重工 6次0次12次5次作業106次100次 107次 96次產出100個 95個91個 89個

報廢0個 5個4個 2個OP1=100/100=100% OP2=95/100=95% OP3=91/95=95.8% OP4=89/91=97.8%傳統各站良率13510094897366NG=0NG=5NG=4NG=26666612121255OP1OP2OP4OP3OP1OP2OP4OP389投入100個產出89個投入100個100個 95個 91個重工6次0次12次5次作業106次100次 107次 96次產出100個 95個91個 89個報廢0個 5個 4個 2個

OP1=94/100=94% OP2=89/94=95% OP3=73/89=82% OP4=66/73=90.4%首次合格率(FirsttimeYield:Yft

)13610094897366NG=0NG=5NG=4NG=26666612121255OP1OP2OP4OP3OP1OP2OP4OP389投入100個產出89個投入100個100個 95個 81個重工6次0次12次5次作業106次