6_sigma_基础必备.ppt

Questions Q1 MSA的实际意义是什么 Q2 MSA有哪几种类型 区别是什么 Q3 MSA的一般判断指标和标准是什么 Q4 CP CPK的概念及如何运算 Q5 Roadmap是用来做什么的 Q6 Fishbone是用来做什么的 Q7 C E矩阵是用来做什么的 Q8 FMEA是用来做什么的 测量系统分析 测量系统的意义没有两个东西是完全相同的 但是即使是 我们测量时仍然会得到不同的值 在6 管理中 数据的应用是极其频繁和相当广泛的 6 方法的成败与效益 在很大程度上取决于所使用的数据的质量 无论是过程控制 抽样检验 可靠性 还是线性回归 试验设计等都要使用数据 为了获得高质量的数据 需要对生产数据的测量系统有充分的了解和深入的分析 MSA的类型计数型MSA计量型MSA测量内容有两种形式计数值 定性值数据不能以连续的标尺描述通过 不通过 好 坏计量值 定量值数据可以用连续的标尺来描述计数值和计量值必须用不同的方法处理 计数型测量系统计数术语计数型数据可用作记录或分析的定性数据 通常为合格 不合格 计数型测量系统将每一产品与标准对比 如果符合标准的要求则接受 可由检验员或合格 不合格量规来实施检查筛选用计数测量系统百分百评价产品筛选效率AMS区分合格与不合格产品的能力客户偏好筛选标准太严格 合格产品被拒收生产者偏好筛选标准太宽松 不合格产品被接收 计数值R R的目的确定各班次 各机器 各流水线的检验员是否用同一标准区分合格与不合格量化测量者或测量仪器是否能正确重复检验结果的能力确定检验员 量仪符合标准的程度 包括 检验员接受不合格产品的概率检验员拒收合格产品的概率识别以下各项 培训需求 个别或全部检验员 缺少程序或控制计划标准没有清晰分明量仪需要调整或进行相关对比 计数测量系统应注意事项计数值通常在筛选产品中产生100 产品筛选通常是在过程不能以高比例生产合格产品时实施因此 将生产大量的边界产品 合格或不合格产品 很多测量系统 检验和运作过程都存在变异 这导致大量合格产品的拒收或大量不合格产品的接受 因此我们应该将重点放在改进系统能力而非完善筛选系统 计数R R方法1 从过程中选取至少30件产品在我们选出做分析的产品中应包括下列产品 不良品无缺陷产品边缘产品2 挑选检验员和量仪 检验员应且有经验和资格3 让每位检验员独立以随机的次序检验这些产品并确定合格与否 重复 4 将数据输入至AttributeR R ExcelsA工作表或Minitab报告MSA的效率5 记录结果 如需要采取恰当的措施修正检验过程6 重新进行分析 以验证修正措施 计数R R 方法1利用Excel表 例题解析检验员的评分评价是的个人的一致性 重复性 检验员评分比较标准评价的是检验员和 专家 评价相符的程度检验员之间的有效评分 评价的是检验员之间的一致性 再现性 检验员之间有效评分再比较标准综合评价全部检验员和专家的一致性MSA样本指南通常需要大概30个样本 2 4个检验员 2 3次检验根据研究的目的 可用1个或多个量仪一般来说 选择足够的样本使样本数目 检验员数目 量仪数目 15样本选择 选择1 如果过程变异未知 样本应包含正常过程 产品变异的全部范围选择2 如果过程变异已知 样本应在规格范围内平均分布 计数R R 方法2利用MinitabStat QualityTools AttributeAgreement 重复性和再现性要在80 以上 计量型测量系统测量系统的波动测量系统的波动主要是由于量具的和检验员的变化引起的 为了考察量具和检验员的波动程度 常常要选用一些零件或产品让检验员使用量具去测量 因此零件间本身的变异对测量结果也有影响 故还要考察零件间的波动 如果测量系统的波动来源主要是零件间的变异 则测量系统状况良好 反之 测量系统的波动主要是由于量具和检验员的变异引起的 则测量系统状况不良 GaugeR R主要分析各种波动在测量系统总波动中的百分比 从而判别测量系统的状况 准确度和精密度假定材料的硬度的 真值 是 方法 得到的读数为 3 84 44 24 0方法 得到的读数为 6 54 03 26 3哪种方法更准确 多次测量求平均哪种方法更精密 可以加系数修正你倾向哪种方法 为什么 鉴别 分辨率 系统可测量的小数部分的位数 测量的增量至少要达到产品或过程规格宽度的十分之一 线性度测量仪器准确度或精密度在仪器量程内的变异相关性对两变量之间的线性关系的测量 偏置 无相关 精度 重复性由同一个测量系统 多次重复测量同一零件的同一特性时 所获得的测量值的变异称为量具的重复性 或称为测量系统的重复性 一个好的测量系统应具有很好的重复性 也就是它的重复测量值的变异是很小的 测量装置的固有变异对同样的变量在相似条件重复测量时的变异同一检验员同一设置同一量具相同的环境条件短期用重复测量的分布的平均标准差来估计对同一部件的同一特性由同一个人使用同一测量仪器的连续测量间的方差 也称为测试 再测试误差 用来估计短期测量变异 精度 再现性由不同测量系统测量同一零件的同一特性所得重复测量的均值的变异 称为量具的再现性 或称为测量系统的再现性 不同条件下同一测量时的变异不同的操作人员不同的设置不同的量具不同的环境条件用不同测量条件下的测量平均值的标准差来做估计由不同的人员 不同的机器 不同的工具等对同一部件的同一特性的测量平均值的标准差 稳定性准确度随着时间而产生变化的测量测量的分布保持不变 均值和标准差皆可预测无漂移 突变 周期性循环等用趋势图评价通过定期校准和重复性与再现性分析加以控制测量系统指标确定测量系统是 好 还是 坏 需要将产品规格或过程变异与测量系统变异相比 对客户重要 将 与公差相比较 精密度 公差比例将s2与过程变异比较 对过程重要 重复性和再现性区别指数 精密度 公差比例 P T 表示测量误差所占公差的百分比 MS代表 的测量最佳状况 勉强可接受 包含重复性和再现性P T 5 15 MS Tolerance T USL LSL P TV表示由于测量系统的误差占所有变异的百分比最佳状况 勉强可接受 P TV MS Total 2MS 2repeat 2reprod 2total 2product 2repeatibility 2reproducibility P T与 P TV的应用P T比例是对测量系统精密度最常用的估计它评估测量系统针对相关产品规格的测量效果适当的P T比例极大依赖于过程能力 P TV是6Sigma分析的最好测量估计测量系统对整体过程变异的表现 P TV是实施过程改善分析的最好估计 所挑选的样本必须涵盖整个过程范围 测量能力评价指标 Contribution 2MS 2total Studyvariation MS total P TV Tolerance 5 15 MS Tolerance P TRatio 区分测量系统的区间数 Part MS 1 41 明显分类数 判断准则过程能力的效果Cpk高的过程可承受较大的测量误差在规格边缘的部件较少将减少错判的机会Cpk非常小的过程不能承受任何测量误差在规格边缘的部件较多将增加错判的机会 计量型测量仪器分析 用Minitab GR R分析 计量型测量仪器分析 用Minitab GR R分析 计量型测量仪器分析 用Minitab GR R分析 在此输入特定的测量仪器信息作为履历当进行一定数目的重复时非常重要 计量型测量仪器分析 用Minitab GR R分析 选项屏中输入制程公差记住 公差是规格的整体范围 加上一个描述性标题 Minitab输出Minitab产生解析的和图表的分析信息解析结果 ANOVA表格散布构成百分比占有率表图表结果 X Bar R图散布构成检验员 部件交互作用图检验员别和部件别图让我们先看解析结果 然后再看图表结果 GageR RStudy ANOVAMethodANOVATableWithOperator PartInteractionSourceDFSSMSFPParts92 058710 22874539 71780 00000Operators20 048000 0240004 16720 03256Oper Part180 103670 0057594 45880 00016Repeatability300 038750 001292Total592 24912GageR RSourceVarCompStdDev5 15 SigmaTotalGageR R0 0044370 0666150 34306Repeatability0 0012920 0359400 18509Reproducibility0 0031460 0560880 28885Operator0 0009120 0302000 15553Oper Part0 0022340 0472630 24340Part To Part0 0371640 1927810 99282TotalVariation0 0416020 2039651 05042Source Contribution StudyVar ToleranceTotalGageR R10 6732 6622 87Repeatability3 1017 6212 34Reproducibility7 5627 5019 26Operator2 1914 8110 37Oper Part5 3723 1716 23Part To Part89 3394 5266 19TotalVariation100 00100 0070 03NumberofDistinctCategories 4 SessionWindowOutput GraphicalOutput X Chart图如果每个检验员的平均值不同 再现性值得怀疑 我们要求更多的平均值落在控制线外部 但所有的检验员是一致的 这预示着部件 部件的散布很广 正是我们想要看到的 我们想看到图上多数点落在控制线外部如果如此 而且R 图受控 那么我们就能决定由测量系统占有的制程变异百分比 R Chart图我们希望R图能显示适当的分辨率 即 R 图在控制线内有多于5个的明显水平少于 的值为 因为为0的值太多 意味仪器的分辨率不够 如果R 图显示非受控情况 重复性可疑如果一个检验员的极差非受控 而其他检验员的极差受控 那么测量方法可疑如果所有的检验员的极差都非受控 那么系统对操作者方法敏感 处理量仪能力不足如果主要变异源来自重复性 设备 则需要替换 修理或调整设备 如果主要变异源来自再现性 操作者 则需要通过训练和定义标准化的操作程序来调整 需要观察各操作者之间的不同 以识别是否是训练 技巧或程序问题 R R与能力哪个更需要关注 测量系统还是过程能力 过程 R R过程Cp决策 4 0 6 4 1 8 70 0 6 70 1 8 免检 记住 测量系统能力不充分时 我们也不可能作出最佳的决策 能力分析 制程改善方法论 定义 测量 步骤 项目Y s的确认 步骤 现水准测量及改善目标确定 Y的测量系统分析Y的能力分析 步骤 潜在输入变量 X 的寻找 分析 改善 控制 制程能力是 规格 中心值 变异 制程在受控状态下时 客户要求与制程表现 产品品质或服务的品质变动程度 的比值 如果制程表现越能满足客户要求 则制程能力越充分 反之则不足 制程能力如何 制程能力充分标准差 0 08 水平 制程能力很充分标准差 0 06 水平 制程能力非常充分标准差 0 086 水平 工序能力 工序能力 CpkRejectRate1 00 13 0 27 1 10 05 0 10 1 20 02 0 03 1 348 1 96 2ppm1 413 4 26 7ppm1 53 4 6 8ppm1 6794 1589ppb1 7170 340ppb1 833 67ppb1 96 12ppb2 01 2ppb 能力与客户要求对于某一客户要求 标准差越小 Sigma水准越高 发生不良的可能性越小 制程能力越充分 当标准差没有变化时 客户要求很严 这对不良率和制程能力有什么影响呢 什么导致缺陷 额外的变异来源 制造过程和测量系统原材料的偏差不合理的或过窄的规格 过程抽样 短期 M1E没有变化情况下收集的数据 短期样本无特殊原因仅受普通原因的影响从小范围数据收集而来从一个班次收集而来仅使用一台机器仅有一个操作者仅使用一批原材料中的元件 过程抽样 长期很少过程具备提供真实短期能力的样本很少数据采集系统具备提供真实长期能力的样本反映了普通原因和特殊原因的影响从大范围数据收集而来从许多生产班次而来使用许多机器有许多操作者使用多批原材料从大多数过程所收集的数据都代表长期过程注意 长期能力sigma是总体sigma 短期还是长期 准则 如果80 的输入是在它们自然的范围中起伏 则输出的数据可被认为是长期的 2长期 2短期合并标准差与总标准差各子组的方差可被合并以得出一组内的标准差总的标准差是从所有的数据中计算而得 并没有考虑子组合并标准差没有计入组间的波动 而总的标准差考虑了合并Sigma是组内波动的最佳估计 合并标准差Spooled S21 S22 S2k k 采集数据 合理分组数据采集应能捕捉过程的短期绩效和长期绩效 若有可能 可通过快速采集一系列数据来完成 这些数据按照时间序列排列 何谓合理分组从某一过程中连续产生的部件或单元中合理地选择 试图捕捉过程最小的波动 组内的差异只由偶因所至 组间的差异主要由异因造成 合并标准差 合并是一种平均的形式 是一种对潜在最佳能力的较好估计绝大多数的数据是介于短期和长期之间 为评估真实的短期数据 设计过程能力分析分组的方法是否合理有些过程是不宜进行短期能力分析的 过程产生的输出很少或过程的周期时间很长取样非常昂贵或非常困难 长期数据与短期数据的分别短期数据是在有限的几个运行周期内收集 数据收集的范围局限在几台设备和操作工数据特性几乎总是连续变量长期数据的收集跨越许多运行周期或设备和操作工数据可能是连续 也可能是离散的离散数据几乎总是属于长期过程 短期波动的例子Stat QualityTools CapabilityAnalysis Normal 短期波动的例子 短期波动的例子 计量型输出 步骤3 计算Zu和Zl提供了一个标准统计值域反映了与规格的上下限相关的过程能力Zu USL X S Within 602 600 145 1 10 1 69Zl LSL X S Within 598 600 145 1 10 1 954 计算Cp 过程潜在能力 Cp 客户的要求 制程的表现 USL LSL 6 产品公差 制程的容差 散布 Cp与潜在最佳值 Cp是描述潜在最佳值的好指标 潜在最佳值 观察得到的 过程短期绩效的最佳表现机会 所观察的过程长期绩效与潜在最佳值之间的差异项目 通过驱使长期绩效朝着短期潜在最佳值方向发展 以缩短两者间的差距 Cpk 过程绩效 Cp不因均值位置而改变 不能代表过程绩效Cpk MIN Cpl Cpu Cpk因均值位置而改变 代表过程绩效 预测长期能力PpkZ长期 Z短期 1 5Zu USL X S Within Ppk Z短期 1 5 3Zl LSL X S Within Minitab认为长期的波动可通过组间的波动来预测 Minitab计算不良概率Calc ProbabilityDistributions Normal Minitab计算比例不一致的 Z值 Calc ProbabilityDistributions Normal 计数型制程能力问题 如果你收集的是短期数据样本 然后在Minitab中进行能力分析 哪个统计量能代表过程真实的短期能力 Y的定性分析 计数型数据 对计数型输出的能力确定 1 验证缺陷的定义 描述计算缺陷数量 并计算总产量 通常可以使用历史数据并当作长期来考虑 2 计算缺陷的比例和PPM3 计算Z值 适用时偏移1 54 估计能力指标将Z转化成Cp Cpk Pp Ppk 寻找计量型数据太难了 遇上记数型数据该怎么办 过程图 过程图 学习目标完成这部分后 你将能 1 识别过程的开始和结束点 2 建立怎样完成工作的可视化过程图 3 识别过程输入和过程输出4 识别浪费和非增值工序 过程图符号过程开始或结束活动或工序判定或检验点连接点流程图方向怎样制作过程图显示 现状 工序使工序可视化大家对于怎样完成工作达成共识了吗 过程图的作用一旦事情可视化 他们能被处理非增值工序变得清晰返工和修理显而易见能达到一致的协议 过程图是什么 流程图将如何完成工作形象化过程的版本 至少有三种 你认为它是 它实际是 你想要的是 为何需要过程图详细的过程图有助于确认过程的输入和输出测量系统需要进行能力研究的过程可去除的非增值工序数据采集点和数据采集系统的差异隐蔽工厂过程制定同时又可提供项目范围的样本作为后续活动渠道为因果矩阵 失效模式及效果分析和控制计划提供输入 术语过程图 实际过程的一种图形表示 一详细过程图包含了许多对过程改进有益的信息 如 RTY COPQ 周期时间和DPU 增值步骤 一个为了满足客户需求而对产品有增值的步骤 客户 由项目的范围所定义 客户可能是最终使用者 另一内部的组织或下一过程步骤输出 产品中被客户所定义成关键因素的任何东西或特性输入 对输出有影响的变量控制变量 那些容易改变并能衡量其对输出 Y 的影响的变量或输入噪声变量 那些难以控制的变量或输入文件化的过程 过程由受控文件来定义 过程规格 工作指导书 培训手册等 实际过程与隐蔽工厂 过程本身存在工厂内 包括 返工 设备选择的偏好 非文件规定的检验 经验 等理想过程 你所期望的过程是 简单 高效 没有缺陷和任何不增值的环节 过程图工具页纸和标记注释贴软件应用程式过程图步骤1 确定过程开始和结束点2 头脑风暴法列出工序清单3 实地验证和访谈4 注释贴上列出关键工序5 讨论 回顾和修改6 再次实地验证和访谈7 注释贴上增加检查 返工 修理和报废步骤8 现状 过程图获得一致意见保持简单化 在此阶段 现状 过程图应是 高层简略图 但应包括所有为改善活动提供资料的基本步骤 理想地 显示5到10个步骤以后增加更详细资料 1 开始和结束点回顾问题陈述描述过程引起的问题讨论可测量的开始和结束点达成共识并记录问题陈述 客户为图纸修改要等太长时间 过程 图纸修订过程1 开始点可能是什么 客户要求填写图纸修改申请表2 结束点可能是什么 CAD文件交付给客户 2 头脑风暴过程步骤写下并展开开始点和结束点小组头脑风暴讨论在开始点和结束点之间的过程步骤问 开始点和结束点之间可能的工序是什么 开始 客户要求填写图纸修改申请表 下一步 画出改变的草图评估改变的效果决定需要修改哪些图纸修改相关图纸结束 文件交付给客户 3 首次实地验证和访谈小组实地验证现有过程观察怎样完成工作同大家沟通 访谈 做笔记着眼于过程步骤4 注释贴将过程步骤写在注释贴上在墙上陈列注释贴现在挂上所有的注释贴 制作草图 小组会议 确定规格 定位文件 印制副本 评估效果 制定文件包 修改图纸 呈交客户 5 讨论 回顾 修改讨论 回顾和修改注释贴的过程图对过程步骤取得一致意见对修改步骤取得一致意见仅保留重要过程步骤为改善提供足够信息有可测量的输出可能产生的缺陷 CTQ CTC CTD 有明确的开始和结束6 第2次实地验证和访谈再次验证过程查找遗漏的步骤查找检查 返工 修理和报废做笔记 7 增加改变项增加注释贴增加检查增加返工和修理增加报废陈列所有的注释贴 客户要求修改 通知销售 制作草图 评估效果 修改图纸 制定文件包 呈交客户 客户收到文件 效果确认 图纸确认 No Yes No Yes 8 现状 过程图小组对 现状 过程图达成共识过程图必须包括所有重要步骤为便于快速理解 不要太详细何时收集数据绘制过程图期间识别数据收集点 但不要收集数据 现状 图建立以后 策划少数重要输出的数据收集数据收集必须有计划和聚焦客户关键的高优先权项目 过程图分析识别过程产物过程输出 增值 和 非增值 步骤关键过程的输入 输出中间测量 也就是关键的工序Xs 明确每一步的浪费类型目标 每一步骤必须增加价值 通过删除不增值步骤简化过程 减少工作劳力 缩短周期 和减少缺陷发生和返工机会 过程产物列出过程提供给大家的有形的东西 有形 意味着你能看到 听到 尝到 闻到 或接触它 这些 产物 就是过程存在的原因 过程输出一个产物是一个输出其他输出包括 产物的质量测量 缺陷 副产品作业周期 学习如何识别浪费1 纠正的浪费 返工 2 等待的浪费3 库存的浪费4 超额生产的浪费5 搬运的浪费6 动作的浪费7 过度加工的浪费 因果分析 因果分析 学习目标原因和结果之间的关系什么是根因控制的跨度和可影响的范围头脑风暴方法因果分析的两种工具 鱼骨图因果矩阵如何有效地实施过程改善确定输入和输出特性 好让 你的努力和资源给一个更好的焦点解决那些可令现有过程绩效作改善的过程问题 缺陷的定义错误 活动不符合标准的要求缺陷 特性不能符合标准的要求故障 特性不能达到标准的要求原因 结果关系 行动 原因导致问题的事件 条件 结果提供问题证据的症候 已发生的问题 消除问题的原因纠正措施 应变措施限制问题或偏差的效果 两种最常用的因果分析工具鱼骨图 一个很好的工具用于思考和以图象展示一个主要结果及其成因的关系 因果矩阵 显示输入 X 与输出 Y 之间直接关系的表格图 也叫石川图或鱼骨图 为何使用因果图识别最有可能的成因作进一步分析用图标方式展示现有或将来的问题和其成因的可能关系指出产生客户抱怨 过程错误或不合格产品的条件提供调查的关注焦点协助技术或其它标准的改进或过程改善 鱼骨 因果图优点 协助组织和将原因分类提供一个框架作头脑风暴术全员参与缺点 可能非常复杂消耗时间原因不会以任何次序排列受控因素 噪声因素子原因 根本原因 生产过程 5M 1E5个关键变异源 人 机 物 法 测 环根本原因因果分析基于我们可以识别不希望出现的情况 并一直追踪到根本的原因 我们到底是否真的找到了根本原因 结果的原因是另一个原因的结果 如此类推 我们怎么知道在那里开始解决 根本原因是因果链最底部的原因 这是我们有能力解决的原因 挖掘根本原因根本原因是我们能够改变或破解的最低层原因在我们的能力范围内可单方面控制 影响或改变的原因一旦定义了问题 就连续问 为什么 直到挖掘到根本原因如果问题有多个潜在的原因 必须对每个原因进行分析确定哪些原因在控制范围内或影响范围内 营运 服务过程 4P 1M 1E5个关键变异源 人员 方针 程序 地点 测 环控制范围 影响范围在进行因果分析之前 首先要决定分析的范围及其上游和下游领域 控制范围 受我们直接控制的领域 我们可改变任何东西 如 产品 制程或活动 影响范围 不受我们直接控制的领域 但我们能够对其产生某些影响 外界环境 我们不能控制也无法影响的领域 描述 因果矩阵使用过程图作为主要的输入 以数字化的等级将与客户的X和Y作出联系和排序 根据对客户的重要性给Y打分根据与输出的关系给X打分 结果 将X放于柏拉图上 可用作关键过程输入变量评估的起始点 对X Y进行排序 给每对变量 X Y 赋重要度团队建立Y f X 的第一次尝试 方法在表格上部列出输出变量Y 这些输出是团队 客户认定是重要的 可能是在过程图中确定的Y的子集 用任意标度排列每个输出 可能是1 10 最重要的输出得分最高 确定影响Y的所有潜在的输入或原因 X 列在矩阵的左边在矩阵的边界内用数字 关联度 列出每个X对每个Y的影响 用每列的总计分析和排列在初步实施FMEA时的关注点 C E矩阵 步骤1 列出关键输出 Y 步骤2 确认输出对客户重要性得分 C E矩阵 步骤3 列出关键输入 X C E矩阵 步骤4 将X与Y关联现在已准备好了将客户要求与过程输入变量关联留足够时间评分建立评分标准 避免混乱与不一致0 无关1 过程结果对客户要求仅有微小的影响3 输入变量对客户要求有中度影响9 输入变量对客户要求有直接和重大影响 C E矩阵 步骤4 将X与Y关联 C E矩阵 步骤5 将X排优先次序 将以上影响最大的过程步骤的输入填写另一个因果矩阵得分高的过程输入将用失效模式与效果分析 FMEA 作进一步评估 失效模式和效果分析 失效模式和效果分析 学习目标介绍FMEA的基本原理为实施FMEA提供指导 FMEA定义FMEA是一个过程 在这个过程中对每个分项目的潜在失效模式进行分析 确定失效