韩国顾问公司的6sigma教程-品质变动和工程能力.ppt

The Best Quality Technology Provider for the Future 4. 品质变动质变动 和工程能力 1 The Best Quality Technology Provider for the Future 品质变动 的原因 虽虽然4M相同，但是产产品的特性值值没有相同的。 任何一个工程都包含很多变动变动原因，所以存在散布。 生产产产产品之间间的差异也许许会很大，也许许会小到无法测测定。 不是只局限于以上制造工程，以下情况也很适用。 * 人们们作业业的阶阶段 * 使用设备设备的信赖赖性 * 在办办公室作业业的情况 等 能影响轴轴直径的例子 * Machine-Clearance / Bearing Wear * Tool-Strength / Rate of Wear * Material - Diameter / Hardness * Operator - Part Feed / Accuracy of Centering * Maintenance - Lubrication / Replacement of Parts * Environment - Temp / Consistency of Power etc,. 2 The Best Quality Technology Provider for the Future 品质变动 攻略 大家的组织组织属于哪里？需要用什么工具？ 我们应们应把重点放在哪里去努力好呢？ 1-2 3 4 5 6 DFM(制造型设计设计) DFSS, 6 许许容差的设计设计 某 实验实验 试验计试验计划法, Process Map, 分析测测定系统统 FMEA, 研究能力 帕累托, 特性要因图图, 头脑风头脑风暴 SPC表格 一般常识识 部分知识识 工具 工具 工具 工具 3 The Best Quality Technology Provider for the Future 虽虽然很聚集，但是正确度很差. 脱离平均值值. 工程变变化少. 通过过移动动平均值值容易改善. 正确但是不聚集. 分散大. 工程变变化大. 有很多管理Factor. 改善 FOCUS ? 品质变动 的本质 4 The Best Quality Technology Provider for the Future 品质变动 的分解 SSBSSTSSW 总变动总变动群间变动间变动群内变动变动 作为拥为拥有所有data的散步, 各data和总总平均之间间的差 进进行2次方得出 作为为Lot之间间的散步显显示 相互之间间的分散程度 Lot内的散步也可称作 误误差变动变动. 意味着每个data离lot的平均值值 相离多少. X XX _ = (X - X) = n ( X - X ) + ( X - X ) _ =222 j = 1i = 1j = 1 j = 1 i = 1 = vnvvn 5 The Best Quality Technology Provider for the Future 散布的根源 偶然原因 散布有两种形态态 偶然原因(Common Cause)和异常原因(Special Cause) 如果从总总体(或者工程)获获得的测测定值值或者观测值观测值已稳稳定及能预测预测向后的样样子的话话,说说明总总体( 工程)在管理状态态里.散布的根源隐隐藏在system里,是一般的偶然因素组组成.散步的偶然要 因是自然的、可以预测预测的、经经常存在的. 存在的差异,设备设备之间间存在的正常散布是偶然要因 中的例子. 根据偶然因素 存在稳稳定管理状态态的 可预测预测的偶然因素 预测预测 时间时间 存在无法预预想的变变化! 6 The Best Quality Technology Provider for the Future 散布的根源 特殊原因 如果从总总体(或者工程)的data不稳稳定,而且形成无法预测预测向后的分布时时,总总体(或者工程)视为视为 “管理 脱离”.分布变变化的原因是由于system的不自然而产产生散步的根源.这时这时散步的根源叫 做异常原因(Special Cause). 根据特殊原因的散布 重大变变化 脱离不稳稳定管理 存在无法预测预测的特殊原因 存在无法预预想的变变化! 时间时间 预测预测? 散布一般在测测定或者观测观测Process(工程)Output的时时候被发现发现。 偶然原因和异常原因的根源是Process(工程)的 Input Variable。 7 The Best Quality Technology Provider for the Future 散布的根源 异常原因的影响 散布(Variation)的原因 方法 机器/设备设备 资资材 人 环环境 工程 散布 Output 变动变动 异常原因的影响 位置(中心)的变变化 散布的变变化 位置和散布的变变化 8 The Best Quality Technology Provider for the Future 对品质变动 原因的性质 偶然原因(Chance Cause)异常原因(Assignable Cause) 现现象所有数据表现为类现为类似情况有些数据出现现与平时时不一样样的情况 构成因大多数小原因导导致的不得已的散布因少数主要原因导导致的可以避免的散布 性质质 认认定性,规则规则性可能预测预测 工程的允许许范围围内自然发发生 因散发发不规则导规则导致预测预测不可能 变则变则 全体散布的占有率85% 左右15%左右 改善活动动 因偶然原因导导致的散布减少 系统统化措施 去除 及 扩张扩张 现场现场措施 担当能量现场责现场责任人及工作地 品质质 特性值值 管理上限 管理下限 时间时间 偶然 原因 异 常 原 因 9 The Best Quality Technology Provider for the Future 品质变动 的措施 * 参考 1) Deming博士的工程变动变动原因分析 - by “Out of the Crisis” 异常变动变动(约约6%) * 参考 2) AIAG(Automotive lndustry Action Group)分析 偶然变动变动(约约94%) 去除异常原因活动动 主要是因为为工程有关的人为为因素而发发生 一般占工程问题问题的 15%左右 现场现场措施 去除偶然原因活动动 要求大部分管理措施 一般占工程问题问题的 85%左右 系统统措施 10 The Best Quality Technology Provider for the Future 查明品质变动 的原因步骤(Boing) 重要品质质特性 计测计测器 关联联工程 工程变变数 决定变变数 长长 尺寸 硬度 等 稳稳定性 正确性 反复性 再现现性 施工 热处热处理 粉碎 粘合 等 速度 移送 温度 轮轮子大小 干燥时间时间 5000RPM 8/min 450C 4500.05m/n 1.Hr 主要特性的变动变动由工程管理 第一个课题课题是测测定系统统的变动变动 工程结结果由原因(入力)变变数管理 原因(入力)变变数要设设定成品质质极大化并可以在制造环环境持续续管理 11 The Best Quality Technology Provider for the Future 关于品质变动 原因的改善措施 偶 然 原 因异 常 原 因 - 偶然 原因(Chance Cause) - 晩成原因 - 可避原因 * 普通原因(Common Cause) - 異常 原因(Assignable Cause) - 偶發 原因 - 可避 原因 - 特别别 原因(Special Cause) - 跟平常意义义相同的- 跟平常意义义不同的 -在生产产条件严严格管理的状态态下， 发发生的一定程度的不可避免的变动变动 作业业者的熟练练度差异 作业环业环境差异 不可识别识别的原辅辅材料 及 生产设备产设备等一般特性差异无法解决的困难难原因 - 主要 作业业者疏忽 使用不良资资材 说说出生产设备产设备的异常，这这些原因不是 慢性存在的，散发发性发发生而引起变动变动的原因 * 普通经营经营管理者的责责任 * 关于System的措施很有必要 7580%， 根据System的经营经营措施解决 * 2520%，可以由现场现场人员员局部解决 * 现场现场作业业者的责责任 * 用统计统计技法展开 虽虽然经营经营管理者站在很好修正的位置， 但是异常原因的发现发现和解决还还是现场现场人员员更合适 12 The Best Quality Technology Provider for the Future 从data的模式中区分哪个散布是从异常要因或者偶然要因中发发生的. 品质变动 原因的改善措施 减少散布的核心? 统计统计技法用于区分偶然原因跟异常原因。 如何区分? 改善接近方法有三种种. - 去除无指望的异异常要因, - 要现现身体现现有指望的异异常要因, - 要减减少异异常要因的散布. 异常原因的存在说说明改善的机会很多。 对对异常原因的改善活动动要优优先。 13 The Best Quality Technology Provider for the Future 工程能力(Process Capability)？ 工程能力 分析 - 使用相关统计统计方法是为为了测测定生产产工程的品质变动质变动程度，然后跟规规格相比较较从而 减少变动变动的幅度. 工程能力(Process Capability) - 反映生产产工程生产产多少均一的产产品的 工程的固有能力 - 作为为尺度,一般使用6 (-3 3).(99.73%) 工程能力指数(Process Capability Index) - 工程在稳稳定状态时态时,是否能生产优质产品的评价尺度 - Cp , Cpk 工程处处于稳稳定状态时态时 是否能生产优质产产优质产品的评评价尺度 14 The Best Quality Technology Provider for the Future 能力评价的必要性 u能系数化Project的问题本质水准: p计量型 data: iY (工程或者执行出力变数)的规格对吗 ? iY 的中心在规格内吗? iY 的工程变动比规格允许的大吗? p计数型 data: i测定system会不会对实际工程能力的评价有影响? i允许可能缺点,内外在缺点及未发现的缺点比率是什么? u能力评价能预测对公司的产品和service的实际品质水准. 通过能力评价能推定产品或者工程的sigma水准. 15 The Best Quality Technology Provider for the Future 规格 鉴定 计算 z值 PPM Cp, Cpk, Pp, Ppk 推定 收集 Sampl u评评价计计量数据能力: p阶阶段 #1: 鉴鉴定规规格 p阶阶段 #2: 收集短期或者长长期的数据Sample p阶阶段 #3: 计计算z的值值 p阶阶段 #4: 如果必要的话话移动动1.5 z值值 p阶阶段 #5: 把z值转换值转换成传统传统的品质质指数 iPPM, 或者 iCp, Cpk, Pp, Ppk 计量数据能力评价步骤 16 The Best Quality Technology Provider for the Future u阶段 #1: 检验规格 p这课题看似很细小,但是在这过程中经常遗漏. p对规格的定义重要吗? p为了产品或者评价工程执行特征,要清楚地认识“真实” 规格 继续继续. 检验 规 格 z 分数 计算 PPM 推定 Cp, Cpk, Pp, Ppk 推定 收集 样品 阶段 #1:检验规 格 规格 17 The Best Quality Technology Provider for the Future p怎样决定“真实”的规格? i设计图? (根据什么制定设计图的规格?) i工程? (是好想法?) i顾客? (能否问顾客?) i例: 注入液体到瓶子的一个公司想评价往可乐 瓶里注入特定量液体的能力.每瓶的注入量是101 +/- 3 ml.这 个基准是根据顾客确定的. i大家所关心的执行特征(Y)是什么? i规格是多少? 公差是多少? 规格 验证 Z值 计算 PPM 推定 Cp,Cpk, Pp,P 推定 样品 收集 阶段 #1 :检验规 格 18 The Best Quality Technology Provider for the Future p长期观察data话会发现工程平均一般移动1.5 . p长期的data说明这样的移动. 规规规规格下限格下限 规规规规格上限格上限 SS SS 间间 短期短期 SS SS 内内 期间2期间3期间4期间 1期间5 时间 实行特征 长长期期 SS SS 合 合计计 1.51.5 1.51.5 阶段 #2 : 收集 Sample 19 The Best Quality Technology Provider for the Future u阶段 #2:收集长期或者短期的data样品 p短期date: i未包含异常原因 i显示偶然原因的影响 i通过小的推论空间收集 q通过一日作业的交替时间 q用一个机器 q一名作业者为对象 q使用属于一个lot的原材料构成零件 鉴定 规格 计算 Z值 推定 PPM 推定 Cp, Cpk, Pp, Pp 收集 Sampl 20 The Best Quality Technology Provider for the Future u阶段 #2: 收集短期或者长期数据Sample p长期数据: i不仅是偶然原因，也可以表现出异常原因的影 响 i根据广泛推论空间收集 - 根据大多数作业倒班时间 - 使用大多数机器 q以大多数作业者为对象 q使用属于大多数Lot中得原辅材料等 继续继续. 鉴定 规格 计算 Z值 推定 PPM 推定 Cp, Cpk, Pp, Pp 收集 Sampl 21 The Best Quality Technology Provider for the Future 提问问: 哪种类类型的data(长长期或者短期)通过长过长期时间时间，显显示出货给顾货给顾客 的产产品品质质? u例: 现在能收集到的Sample只有从储存在仓库里的资材开始。仓库里的瓶子是 从1日到一个月内进入到仓库的. 收集哪种种类的data? 随即抽取100个瓶子后测定 每个瓶注入量. (file名: Cola.mtw) u收集哪种类型的data? 鉴定 规格 计算 Z值 推定 PPM 推定 Cp, Cpk, Pp, Pp 收集 Sampl 22 The Best Quality Technology Provider for the Future u阶段 #3:计算 z值(使用z-变换) p “变换” (样品的平均和sigma已确定时) 把平均=0, sigma=1的正态分布转 换成标准正态分布. p测定单位毫米, 英寸, 英尺, Psi(压力单位), 伏特, 等 中不管使用哪种 单位,总是平均=0, 标准偏差=1的变换的分布. 使用z-变换的话所有的分布 都能变换成标准正态分布. p点数 z (或者 z值)是特定号 x 偏离样本平均的程度用标准偏差来 显示. z-变换变换: ()() s xxx z - = - = s m 继续继续. 阶阶段 #3: Z值值 计计算 鉴定 规格 计算 Z值 推定 PPM 推定 Cp, Cpk, Pp, Pp 收集 Sampl 23 The Best Quality Technology Provider for the Future 这data是长期data还是短期data? 变数N平均 中间值 截尾均值 标准偏差 标准误差平均 量100 102.17 102.26 102.18 1.77 0.18 u阶段 #3: 计算z值 (使用z-变换) p首先, 需要对m和的测定 pStat Basic Statistics Display Descriptive Statistics () () z xxx s = - = -m s 鉴定 规格 计算 Z值 推定 PPM 推定 Cp, Cpk, Pp, Pp 收集 Sampl 24 The Best Quality Technology Provider for the Future u阶段 #3:计算 z值 (使用z-变换) p在Minitab 制作z值column pCalc Calculator p等式: (量 - 102.17) / 1.77 p然后,制作原分数分布和 标准分数分布的直方图 () s xx Zindividual - = 96.098.5101.0103.5106.0 0 10 20 注入量 频度数 原有分数分布 -3-2-1012 0 5 10 15 Z值 频度数 标标准分数分布 (个别) 鉴定 规格 计算 Z值 推定 PPM 推定 Cp, Cpk, Pp, Pp 收集 Sampl 25 The Best Quality Technology Provider for the Future u阶段 #3:计算 z值 (使用z-变换) p请不要忘记实际问题: i为了把握规格以外的产品比率，需要 规格上限(USL)和规格下限(LSL) 有关z值. p统计性问题: i用z的值，推定在规格上限跟规格下限 之外的正规曲线的比率。 Z值 210-1-2-3 15 10 5 0 次数 标准分数分布 Z规格上限 ? Z规格下限 ? 106.5105.5104.510 3.5102.51 01.5100.599.598.597.5 10 5 0 Amount 次数 原分数分布 规格下限 规格上限 ()() = - = - = s xUSL s xx ZUSL () () = - = - = s xLSL s xx ZLSL 请计算对于规格界限的Z值 鉴定 规格 计算 Z值 推定 PPM 推定 Cp, Cpk, Pp, Pp 收集 Sampl 26 The Best Quality Technology Provider for the Future 2.356 - = 1.77 102.17-98 = )x-(LSL =Z LSL S 1.034 = 1.77 17.102104 = )x-(USL =ZUSL - S Pr (Amount 104) + Pr (Amount 1.034 ) + Pr ( Z ? ) = 0.1598 u选定方法 p找一个z-table pExcel 函数 魔法师 pMinitab 概率分布函数 p提示: 求对已知累积概率的z值. u答: Z LT = 0.9952 Pr (Amount 104) + Pr (Amount 1.034 ) + Pr ( Z 0.9952 ) = 0.1598 规规格外的 PPM = 0.1598 * 1,000,000 = 159,899 PPM (长长期) Cp, Cpk, Pp, Ppk推定?) 阶阶段 #5: 转换转换 成传统传统 的品质质指数数 鉴定 规格 计算 Z值 推定 PPM 推定 Cp, Cpk, Pp, Pp 收集 Sampl 35 The Best Quality Technology Provider for the Future 提问问:“3”被去除的话话 Cpk和Ppk 等式会怎样? Cpk, Ppk, ZST和 ZLT 之间的关系是什么? Cp, Cpk, Pp, Ppk 推定 规格下限 工程 宽度 设计 宽度 规格上限 T +3s-3s termshort p s LSLUSL C - - = *6 termshort USLpk s XUSL C - - = *3 )( )( termshort LSLpk s LSLX C - - = *3 )( )( ) , ( min )()(LSLpkUSLpkpk CCC= termlong USLpk s XUSL P - - = *3 )( )( termlong p s LSLUSL P - - = *6 termlong LSLpk s LSLX P - - = *3 )( )( ) , ( min )()(LSLpkUSLpkpk PPP= 短期 能力 指数长长期 能力 指数 36 The Best Quality Technology Provider for the Future u可乐的 例子 : 详记:100个作为样本的瓶子显示长期的data. 所以所有详记能 力指数可以以下办法求出: 参照:为了测定Cp和 Cpk的正确值,需要对ZST 的正确推定值. 这是现在 无法知道. 我们可以根据经验,假设ZST = 3 (Cpk). 详记:ZST = 2.4952 则 Cpk = ZST / 3 = 0.8317 77 . 1 17.102104 (OR) *3 )( - = USLuslpkUSL ZPZ 345. 0 77. 1*3 17.102104 *3 )( = - = - = -term long pk s XUSL P 565 . 0 77 . 1 *6 98104 *6 = - = - = -term long p s LSLUSL P 详记详记: ZLT = 0.9952 37 The Best Quality Technology Provider for the Future 提问问:收集短期data样样本后用minitab进进行能力分析的情况下哪种统计显统计显示工程的短期能力? 参照: Minitab一向将各位 的数据假设设成长长期数 据 Cp, Cpk, Pp, Ppk (Minitab 使用) 练习题 1: 使用Minitab，进行长期分析 提示:低位 group= 5 (或者 “样品” column), 推定 Sigma = Pooled Standard Deviation 9698100102104106108 LSLUSL Process Capability Analysis for Fill Amount USL Target LSL Mean Sample N StDev (ST) StDev (LT) Cp CPU CPL Cpk Cpm Pp PPU PPL Ppk PPM USL PPM Total PPM USL PPM Total PPM USL PPM Total 104.000 * 98.000 102.166 100 0.17435 1.77580 5.74 3.51 7.96 3.51 * 0.56 0.34 0.78 0.34 10,000.00 150,000.00 160,000.00 0.00 0.00 0.00 9,489.35 150,846.23 160,335.58 Process Data Potential (ST) Capability Overall (LT) CapabilityObserved PerformanceExpected ST Performance Expected LT Performance ST LT 38 The Best Quality Technology Provider for the Future 数缺陷 计算 Z值 计算 PPM 转换 Cpk和 Ppk 对系数data的工程能力 u阶段 #1: 对缺陷的定义/ 验证技术 u阶段 #2: 了解缺点发生次数,推测通过工程的所有单位. p一般情况下,典型使用视为长期data的经历data. u阶段 #3:缺点比率和百万个中不良品数(PPM) 计算. u阶段 #4: 计算z-，短期能力加上1.5. u阶段 #5: 推定传统能力指数. i把Z换成 Cp, Cpk, Pp, Ppk 39 The Best Quality Technology Provider for the Futu