世界級品质管理工具.ppt

1 世界級品質管理工具 WorldClassQuality 2 亨利法則 Henley 使用正確 好的工具 有好的經營者和樂於奉獻的熱心員工 組成了解決問題的團隊 但沒有好的工具 也只會使人感到困惑 混亂和失去信心 人們從失敗中總結的經驗要比從成功中獲得的經驗多 但如何從別人的失敗案例 從中找到解決自己具體問題類似的辦法 掌握問題的主要特性 3 品質工具的需求 1 工廠中90 不知道如何解決長期性的品質問題 簡單的問題 經由傳統QC手法就可解決而存在長久的品質問題 到今一直無法解決 企業利用生產線上員工的體力而不是智慧 90 的技術規範和容差是錯的 基層主管的智商與工程師一樣高 缺展現的機會好的品質工具簡單 易懂且要形成廣泛性應用 工程師對技術規範和容差的制定有脫離實際的傾向能適合最壞情況下的容差或幾何容差 4 品質工具的需求 2 不知道對產品 技術參數進行最佳化 通常以公式 模擬 分析 供應商資訊或經驗猜測參數從不重要的參數中挑選出重要參數的最好工具就是試驗設計 認為缺陷和偏差是不可避免的 將產品分類 篩選 檢測和矯正已成為慣例即然自然界有偏差 產品為什麼沒有理由有偏差呢 強化可靠性試驗只是對不可靠的互換 可靠性的附加條件是時間和應力傳統的可靠性設計工具 最多不過是勉強有效 5 品質工具的潮起潮落 抽樣 20世紀50年代AQL AOQL LTPD 零缺點運動 20世紀60年代 ISO9000 1987年起 5 美國國家品質獎 1988年起 25 歐洲品質獎 1990年起 30 QS9000 1995年設立延伸了TS16949 10 TQM 20世紀80年代和90年代 50 6Sigma 1987年摩托羅拉引進 50 終極6Sigma 大Q 強調所有方面的優秀性 90 6 我們需要改變品質工具 QC7手法 幼稚園工具柏拉圖 魚骨圖 檢核表 腦力激盪 直方圖 層別法 管制圖 新QC7手法 無用的應用KJ法 相關圖 樹狀圖 矩陣圖 矩陣數據分析圖 過程決策計劃圖 PERT CPM 問題解決的8D法 費力不討好的方法福特公司解決工廠和供應商問題的技術 工程方法 觀察 思考 嘗試 解釋的解決問題 不需要基層員工的參與 7 21世紀10種有效的工具 品質機能展開 QFD 全面生產保養 TPM 標竿比較愚巧法客戶管理 NOAC 供應管理全面價值工程 VE 縮短生產之週期試驗設計 DOE 多環境強化應力試驗 MEOST 8 品質機能展開 QFD 你也許生產了世界上最好的狗食 但如果連狗都不想去吃它 它又好在哪兒呢 應用範圍 用於新產品 服務概念階段的客戶 市場 設計銜接 需求 傾聽客戶的意見 否常見擺放的 藝術品 跟 呆滯品 目標 概念設計轉模樣設計前 確定客戶需求 要求和期望 根據重要性與競爭者類似的產品比對並做評等 於矩陣圖中 確定設計中的重要的 困難的和創新的 將產品技術規範分解成零部件技術規範 工藝技術規範和生產技術規範 益處 增加客戶滿意 縮短設計時間 缺陷減少 成本人力減少 工程師具成就 產品具優越競爭力 9 QFD的品質屋 強相關 9中相關 3弱相關 1 強肯定 9中肯定 3弱否定 3強否定 9 依各相關性計算機能的權重 10 全面生產保養 TPM 實踐 實踐 再實踐 改進設備的生產率 應用範圍 製造過程 設備 需求 錯的觀念 如果沒有壞 就沒有必要修 維修費用估銷貨額的9 15 目標 改進治工具 設備的品質和生產率 降低生產週期與存貨 建立預防為主 而不是矯正和解決問題的維修隊伍 減少設備生命週期成本 益處 提高勞動生產率 提高生產線能力 減少設備故障 減少維修費 方法 除實施預防規範外並善用DOE 因果圖和PDCA等工具 11 標竿比較 破除不希望學習他人 塑造蛙跳式競爭 應用範圍 通用 包括各種行業 需求 破除 非我族類 症結 將內部目標水準相對標竿比 看做一項重要的合作要求 目標 消除公司與產業最佳公司在關鍵功能 管理 技術方面的鴻溝 使在某項關鍵功能 管理或技術方面成為最佳 益處 學習並採納最好的經驗 形成快速成長 學習時間縮短 是一種改進的高效工具 擴展視野產生全球化意識 12 標竿比較步驟 確定什麼是標竿比較以及為什麼要進行標竿比較 建立自己公司的性能 作為公司的基線在你自己部門和相鄰部門開展活動確定比較的目標 國家級還是世界級參觀標竿比較的公司確定比較的公司與你公司之間在業績方面的差距設立目標和制定行動計劃實施計畫並監控結果重複 循環上述過程利用 橫向思維 重新設計過程確立比較基準 13 愚巧法 Poka Yoke 應用範圍 製造業流水線員工 需求 人都難免會出差錯 在勞力密集型的操作過程中 流水線員工造成品質問題 目標 提供電子式 機械式或可目視的感應器 以警告操作者已發生了錯誤 更佳設計是預警出錯 並能避免出錯 益處 可提高品質 生產力和客戶滿意度 可省去統計過程控制 並簡化生產性的設計 方法 感應器採簡單的設計 善用員工的聰明才智的設計 最佳方案是通過試驗設計來減少變量 清除操作者可控差錯 14 應用範圍 製造業公司中所有服務組織和保障組織 需求 服務系統一向效率不佳 對品質及週期時間改進好像是一句 外來語 目標 改善所有服務性操作品質 成本和週期時間 將垂直管理變成水平管理 組建誇職能小組 益處 極大地改進作業流程 高效率作業 獲得更高的客戶滿意度和忠誠度 形成高利潤 高投資報酬率 高市佔率和高生產率 客戶管理 NOCA 流程品質 成本和週期時間的改進 15 客戶管理步驟 成立指導委員會 過程管理者和若干個改善團隊確定流程問題 將之量化對品質 成本 交期和士氣影響確定主要的內部客戶及其要求的優先順序確定內部客戶回饋頻率 以作為滿足或未滿足客戶要求之記錄和結果繪製整個系統過程流程圖過程中每個步驟確定所需的平均週期時間將具附加價值的步驟與無附加價值的步驟相分離利用流程改善工具去除或減少無價值的步驟利用思考技術 價值工程 創新來規劃一個完全不同的流程實施對內部客戶分數管理的評審 並根據記錄加以追蹤過程 16 應用範圍 想到雙贏關係的關鍵供應商 需求 公司當明識進行 核心競爭 需要找到能縮短設計週期和降低生產成本的供應商 目標 對關鍵的供應商進行真正的合作 以獲得互惠的利益 並提供具體的幫助 以改進供應商品質 成本和生產週期 益處 每年平均合理幅度降低供應商價格 同時幫助它提高效益加強所有重要客戶和供應商間的忠誠度和聯繫 方法 指導供應商管理成為主要的工作 對主要商品加以分類 協助供應商管理改善同時不斷地降低產品價格 供應管理 供應商品質 成本和改進週期的轉折點 17 應用範圍 VE可廣泛用於任何經濟活動領域 需求 客戶要的是價值 而不僅僅是價格 螺旋式上升的成本 應用傳統的降低成本常形成不理想的利潤 目標 超越成本降低的目標 遠遠超越增強客戶滿意度所要求所有方面的品質改進 益處 成本平均降低10 25 間 改進客戶要求的品質 可靠性和其他方面 方法 技術的變化 包括價值方法 功能分析 價值工程工作計劃 工作重設計 過程重設計和知識庫 全面價值工程 VE 遠遠的超越了傳統的價值工程 18 應用範圍 製造 商業服務和設計 需求 由於各方面形成浪費時間而導致成本浪費 為了交期準增加了大量的安全庫存 目標 一場對所有浪費的戰爭 利用流程圖追求改頭換面 善用 推 與 拉 的系統 益處 公司產品快速佔領市場 在競爭中獲勝 縮短生產週期 加速庫存週期 品質 成本 交期和效益同時得到改善 完全放棄老式的進度月報計劃系統 縮短生產週期 品質 成本 交期和效益的綜合體實現 19 縮短生產週期的方法 利用諸如DOE技術減少產品缺陷 縮短檢驗 試驗時間利用全面生產保養 TPM 改進工廠總效率繪製產品的物料流程 將過程轉向生產水準高的過程利用中心方案 關注重點客戶產品 專用設備和專職人員的範圍減少記錄時間 減少換線 換模時間利用 看板 拉系統做為新生產模式利用製造單元和U形狀的佈局相互協助作業培育多功能作業人員與供應商和客戶一起開發類似的縮短生產週期技術 20 客戶關心的要素圖 21 21世紀工具的認識和應用 22 試驗設計的三種方法 經典的DOE 30 20世紀20年代應用於農業領域 田口的DOE 20 20世紀80年代日本田口直交表 謝恩的DOE 100 美國的謝恩 DorainShainin 完善簡單但強大的方法 沒有戴明 美國就不會有品質哲學沒有朱蘭 美國就不會有品質方向沒有謝恩 美國就無法解決品質問題 23 試驗設計的三種方法 24 製程能力 Cp 製程能力 CapabilityofProcess 製程能力評價的目的在於衡量產品分散寬度符合公差的程度 各年代品質要求的標準20世紀70年代Cp 0 6720世紀80年代Cp 1 020世紀90年代Cp 1 33 20世紀90年代中後期Cp 1 6721世紀Cp 2 0最理想的成本減少Cp 8 0 25 製程能力指數 Cpk 製程基準度Ca AccuracyofProcess 製成平均值 X 與規格中心直之間偏差程度 綜合製程能力指數Cpk IntegratedCapabilityIndex Cpk Cp 1 Ca 製程能力 1 偏移率 關鍵參數最低Cpk 1 33期望的Cpk 2 0理想的Cpk 5 0 26 測量Cp Cpk時需避免的錯誤 錯誤1 衡量所有的參數只有重要的參數才需要2 0甚至更高的Cp值 而非所有產品參數 而重要參數於設計階段使用 變量搜索 時確定 錯誤2 經常地測量Cp Cpk如果製程能力以前已經驗證過了 就無須不斷地進行測量 因他也不會改善你的Cpk 想改善時由DOE著手 錯誤3 如果界限規格不正確 那麼Cp和Cpk就沒有意義工程師制定的技術規格90 不是太緊就是太鬆 必須使用 散佈曲線圖 確定重要參數所需的公差和規格界限 錯誤4 將Cp測量擴大至供應商而不在本公司執行 照我說的做 不要照我做的做 27 偏差來源 原因及減少方法 1 28 偏差來源 原因及減少方法 2 29 謝恩的DOE中10種強有力的試驗設計工具 過程確認 正向控制 預控制 多變量 1 創新工具 正式試驗設計工具 4個或更少變數 轉換到統計過程控制 5 20個變數 無交互影響 20 1000個變數 交互影響表現 識別根本原因 優化 維修 確認 安全保證 30 解決問題的系統化10步驟法 1 定義問題 綠Y 量化並測量綠Y測量散佈圖將屬性變化成變量問題的歷史 問題存在的時間 故障率 費用 創新思考多變量 包括集中圖 部件搜尋成對比較產品 過程搜索試驗的正式設計變量搜尋完全析因B與C比較 31 解決問題的系統化10步驟法 2 問題的引出及解決 保證改進的持久性B與C的比較建立實際的規範和容許偏差散佈圖響應曲面法凍結過程的改進正向控制確認過程 明確減少所有外部的品質問題過程確認用SPC保持結果預控制 32 柏拉圖定律 減少變量用1 2或3個試驗使Cpk達到2 10 綠Y 紅X 粉紅X 淺粉紅X 33 定義並量化問題 綠Y檢核表 1 問題是否已清楚的說明綠Y是否以根據內容定義並量化缺點水準 百分率或Cp Cpk 或現場故障水準對成本 安全性或環境影響 壽命 週 年 月 為何 如果綠Y是一屬性 Go NoGo 它是否能轉換一種以某種量化尺度表示的人為的變量綠Y是否多於一個 是否有一個與最終綠Y密切相關的較早或較容易的綠Y 是否已儘可能在流程中儘早查明綠Y 以便從源頭就抓住問題 不讓問題在過程中繼續堆積 流程是否已製成圖表 34 定義並量化問題 綠Y檢核表 2 如果問題出在工作場所而不是工廠 則綠Y 是否設計多環境強化應力試驗以便在短時間內加速綠Y出現是否以找到一個或多個外部用戶並與之接觸 是否已考察了用戶的應用 綠Y位於用戶鏈的何處 在運輸 安裝 服務或用戶之中 用戶的規範和容許偏差的有效性和現實水準如何 是否已根據用戶的需求得出內部規範和容許偏差如果問題與可靠性有關 是否繪製了 失效性模式 之浴盆曲線已確定故障期間 問題是否是間歇性的 如果是 是否設計了強化間歇性失效變成永久失效的應力試驗 在工廠中是否發生過類似的可靠性失效 是否能用應力試驗使問題加速 使綠Y變成導致失敗的應力水準或導致失效的應力時間 35 量測系統分析 量測的準確度作DOE之前當首要考量量測系統的弱點與變量 而不是產品內部的變量如果產品容許偏差為5個單位 則儀表容許偏差最高為1個單位 量測系統分析再現性 Repeatitability 量具變異 為同一人使用同一量具量測同一零件之相同特性多次所得變異再生性 Reproducibility 人的變異 不同人使用同一量具量測同一零件之相同特性所得之變異R R 30 則量具系統可能被接受 減少儀表 儀表內部 儀表之間與操作者之間的變異 36 量測準確度檢核表 綠Y是否可量測 某個屬性 Go NoGo 的量測是否可轉換成一個變量轉換成的變量在不同操作員間可否統一評定 是否進行了散佈圖研究以確定5 1的最小分辨率比 儀表內部 儀表之間以及操作員間的變量 容差 是否已相對於產品容差進行了量化 是否已對三個變量根源中最主要的原因進行了試驗 是否已確定了一勞永逸的解決辦法 如果技術水準不可能達到5 1的比值 是否有較早的 較易的而且可以更加一致地量測的替代綠Y 37 多變量分析 自動尋找紅X 目的把大量沒有聯係的 難以處理的原因減少到一組數量較少且相關的原因 例如時間到時間 部件到部件 部件內部 機器對機器 測試位置到測試位置檢測非隨機趨勢 用於何處確定產品 過程正在怎麼運行 沒有大量用途有限的歷史數據時的迅速處理在一些基層的應用中 取代過程能力研究 何時應用在工程試運行時 生產試運行時 在生產中 甚至在工作場所 樣本量取得至少9 15個或直至80 的歷史變量 38 圖解多變量原理 撲克牌戰法 從任選的27張牌中 請他人任選一張 僅能向他提問3個同樣的問題 就能確定 紅X牌 39 三個變量組 位置變量 部件內的組系 在一個部件內的變量 如左面對右面 頂面對底面 包含許多部件的單一部件中的變量在成批加料時出現的位置或方位的變量機器對機器的變量試驗位置對試驗位置的變量 夾具對夾具的變量操作者對操作者的變量生產線對生產線和工廠對工廠的變量 週期性變量 部件對部件組系 在同樣時間內 從一生產過程中抽取連續的部件間的變量部件組中的變量批次對批次的變量批量對批量的變量 暫時性變量 時間對時間組系 小時對小時的變量班次對班次的變量 40 多變量分析步驟一 設計多變量研究 鑑別綠Y 如果綠Y是一種屬性將它轉化成一種變量得保證量測儀器的精度至少為產品精度的五倍確定可出現的變量的組系數目劃出組譜估計所要求的時間對時間採樣的數目確定在加工過程中連續抽取的部件對部件的數目 一般3 5 確定在部件內組系的各子組系的採樣數目 如機器和模腔的數量將3 4 5 項中的數目相乘 以確定需要研究部件的總數量設計一個圖表 以簡化多變量數據的收集 41 多變量分析步驟二 進行多變量試驗 不要混淆一個給定的產品內的模型 僅對此產品中最差的模型進行試驗進行多變量研究 擴展時間對時間採樣的數量 直到找到80 以上的重要的變量或技術規格要求公差為止在多變量研究過程中 應使過程中的各種調整的次數最小化要特別注意任何不連續性 例如 休息時間 午餐 換班 改變設置 換工具 設備維修等 這在進行多變量研究過程中是不可避免的 在進行時間對時間採樣時 要盡可能挑選在這些不連續因子之前或之後的時間進行 42 多變量分析步驟三 解釋和分析多變量圖 確定重要變量的組系 注意 紅X僅可能存在於幾個組系之一中 如果紅X的組系是時間對時間的 要檢驗溫度 濕度 工具磨損 休息和午餐時間的改變以及在多變量運行過程中的調整和任何加工參數的改變如果紅X是處於部件對部件組系 就要檢驗週期圖形 灰塵及管理等 這些因子可以影響一個部件 但不會連續影響其他部件如果紅X是處於部件內的組系 就要建立一個 集中圖 以確定綠Y的重視方位或部件尋找非隨機的趨勢或其他線索尋找一個或幾個存在不尋常圖形的樣本 不相等的靈敏度說明可能存在交互的影響在組譜中 列出每一個變量組系所有可能的原因 以開始隨後一系列的調研 43 集中圖 重複出現問題的精確定位 目的如果多變量研究表明重要變量組是在部件內 那麼就應當繪製部件內精確的位置通常又稱為 斑點圖表 EX 集中圖表明重現的故障問題沒有一個具體的位置 即它是一個隨機分佈 它的確顯示出在某個特定位置有缺陷集中的現象 在部件內的某個位置上有一個問題集中的限度 如果該部件是一個組件時 又可把它說成是一個部件內指定的部件 印刷電路板底面焊接處的針孔 44 製作集中圖 製作一張包括重現缺陷的圖或模版如果需要 劃一些網格 這樣可以找出問題的精確位置在檢查每一個部件時 請檢驗人員標出如下內容 每種缺陷類型的位置每種缺陷類型的適當編號在每個位置上每種缺陷類型的數量 不必記錄每種缺陷出現的時間 除非時間對時間變量被認為是重要的 45 部件搜索 簡便而平滑的交換 目的從幾十萬部件 組件中 針對紅X 捕捉所有重要的主效應和交互影響效應的量 用於何處在有兩個不同地方用可互換部件組裝的場合 標注 好 和 差 何時應用在樣機 工程試運行 生產試運行時或在工作場所 樣本量2個 46 一個幽默的類推 發生在英國火車上的故事 火車通過山洞 燈突然熄了的時間 聽到了一聲親吻聲 隨後就是一記響亮的耳光聲音 火車包廂裡的四個乘客 老婦人想 一定是這個將軍 這個老山羊 他親了年輕女孩 而年輕女孩打了他一巴掌 年輕女孩想 真該死 我是個漂亮人兒 那個英俊的士兵想親我 卻親了老太婆 於是挨了她一巴掌 將軍一面揉臉頰一面想 一定是那個年輕士兵幹的 這就是部件搜索原理 只是你不知道這是交換理論 47 部件搜索的變量與四個階段 部件搜索技術裡 僅需考慮極端分佈情況 採集到兩個極端 就可以採集到整個綠Y變量的範圍 然後再通過交換部件或子部件的方法把這些原因系統地過濾掉最好中的最好 BOB 最差中的最差 WOW 部件搜索的4個階段 48 部件搜索的12步驟程序 1 從一天的產品裡僅僅採樣2個部件 這2個部件距離有待研究的綠Y要盡可能地遠 即最好的部件 BOB 和最差的部件 WOW 階段一拆卸並重新組裝BOB和WOW兩次 在測量它們重現的綠Y兩次以上顯著性檢驗 這個檢驗中要測兩個部件 以便確定從統計上看是否BOB與WOW間的差別是顯著的BOB的3個綠Y值必須全部好於WOW的綠Y 並且它們之間沒有交叉覆蓋D 的比率必須大於1 25 或著最小要等於1 25 D的BOB中值與WOW之間距離是3次BOB量測和3次WOW量測的量測值範圍的平均差 49 部件搜索的12步驟程序 2 如果D 的比率小於1 25 部件搜索的第一階段就是失敗 這意味著綠Y不能保持穩定不變 說明問題出在組裝過程中 而不是在部件本身 這就要求開展逐步的步進式的拆卸和再組裝以便確定在組裝過程中那一步是紅X最好由子部件開始 以遞減的次序排列子部件 如果沒有顯著的子部件 那麼就按遞減的次序排列的部件階段2將最高一級的子部件或部件從BOB轉接到WOW 並將其對應者由WOW轉接至BOB 量測並記錄兩個新綠Y值在第6 步驟 可能會有3個結果BOB依然是BOB即好的 WOW依然是WOW 即差的 這個結果意味著所轉換的部件是不重要的 50 部件搜索的12步驟程序 3 BOB變成WOW 而WOW變成了BOB 這個結果意味著所交換的部件是重要的 並且是一個固定的紅X 於是部件搜索結束BOB部份地降級到一種WOW 但並沒完成降至最低 WOW部份地朝BOB改善 但還沒完成達到 這種結果意味著所交換的部件或許是重要的 但還不是整個問題的癥結所在對於第7步驟所產生3個可能的結果中的每一個 將原先來自BOB的部件歸還BOB WOW亦同 以保證原始的BOB和WOW的綠Y值被復原對於隨後最有可能的子部件或其他部件 重複第6步 7 a 或7 c 以及第8步驟 然後是依序其他部件 依次類推一旦在7 c 和第9步有兩個或多個部件被識別為是重要的 就要同時把它們在BOB和WOW之間交換 直到反向效果出現 即BOB變成WOW 或著相反 那麼紅X就是這些重要部件及其相互作用的組合 51 部件搜索的12步驟程序 4 階段3通過對所有未試驗和不重要的子部件 部件 如WOW 相對所有重要的子部件 部件 如BOB 來檢測 以便完成試驗 其結果應當接近第一階段的BOB 然後反過來將BOB當作不重要的部件 而把WOW作為重要部件進行檢測其結果接近第一階段的WOW階段4最後 利用第1和第2階段所得到的所有數據進行完全析因分析 以便量化和確定主效應和相互影響效應的方向和幅度階段4只是個計算 而不是新的試驗 52 成對比較 一種精巧而通用的工具 目的以高置信度確定 好 和 差 單元之間的重複差異 以向紅X提供線索 用於何處不能拆卸的產品以不同的方式組裝 標註 好 和 差 的配套裝置處為許多管理者或基層員工應用 何時應用樣機 工程試運行 生產試運行或在工作場所運行 樣本量6 8對 好 和 差 的產品 53 成對比較先決條件與方案 先決條件性能 輸出或綠Y 必須是可測量的 量測儀器的精度至少是規範公差或產品分佈的5倍在一個大致穩定的時間內 每一次嘗試都應當選取最好的部件 BOB 和最差的部件 WOW 如果品質特性或參數是一個屬性 當轉化為一個變量 方法 方案A選擇採樣量 選取相對於被調查的綠Y其6個或8個好的部件 BOB 以及同樣數量差的部件 WOW 且相隔越遠盡可能多的列出可以表達BOB和WOW的綠Y值差異的多個參數或品質特性 54 成對比較的方案 選擇1對部件 1個好的和1個差的 如第2步驟所述 記下差別 差別是可視的 有尺寸的 外觀方面的 機械的 電氣的 化學的和冶金的等再選擇第2對部件 1個好的和1個差的 記下第2對的差別繼續選擇第3對 第4對 重覆上述搜索過程 直到出現第1個或幾個參數能夠在同方向上顯示出1個可重現的差別為止通常在第5對或第6對的幾個重要參數中 就可能出現前後一致的 可重現的差別 這將為我們找出變量的主要原因提供有利的線索 55 成對比較的方案 方案BB方案利用的是成組的比較 好部件和差部件的比較 方案步驟與方案A的第1步和第2步是同樣的 但是選擇的是6或8個單獨的對 記下6或8個好部件及差部件的每個品質參數的讀數 將讀數由大致小 或相反 的次序排列 而不管它們是好是差應用圖基檢驗 TukeyTest 如果整個終結計數是6或大於6時 則該特定的品質參數在解釋好與差的部件差別方面的重要性上 具有90 以上的置信度如果整個終結計數是5或小於5時 這樣一個品質參數在解釋好部件與差部件的差別方面的重要性上 就不具有充分的置信度 56 圖基檢驗 TukeyTest 1 TukeyTest是由創始人JohnTukey的名字命名的 檢驗的目的是確定一個特定的品質參數是否重要 其重要性具有很高的置信度 TukeyTest的程序不管好與差 將相關的一組讀數從高到低 或相反 排列起來將每一個標註 好的部件 G 或 差的部件 B 當 全都是差的 第一次改變為 全都是好的 時 劃一條由這些讀數的頂端開始的直線 這些是終結計數同樣 當 全都是好的 第一次改變為 全都是差的 時 劃一條由這些讀數的底端開始的直線將頂端和底端的終結計數相加以確定合計終結計數 57 圖基檢驗 TukeyTest 2 圖基檢驗排序 合計終結計數與置信度 頂端終結計數 全差 重疊區域 底端終結計數 全好 合計終結計數 58 產品 過程搜索 精確定位過程變量 產品 過程搜索的目標它是在不打斷生產過程的前提下解決問題的一種突破技巧將重要的過程參數與不重要的過程參數相分離 產品 過程搜索的原理生產中一個部件中的任一變量有著兩個通用的因子 或著是產品本身有變異 由材料引起 或著是由一個以上能影響產品的過程參數有變異如果再已完成的產品中有變量 部件搜索或成對比較技術能夠探測到這些產品變量的原因 這就是產品 過程搜索的產品部份但是如果原因是過程參數的變異 移動 漂移波動或隨時間而改變 就可以利用產品 過程搜索的過程部份來解決產品 過程搜索是多變量研究的自然後續工作 其中時間對時間組系是紅X 產品參數是隨假設時間而波動或改變的 59 產品 過程搜索的方法 1 如果懷疑過程參數變量造成產品好或差的可能原因 就把這些過程參數以同類遞降順序列出一個清單確定怎樣量測每個過程參數 誰來量測 在何處進行精密量測要保證量測儀器的精度至少為過程參數 允差 的5倍以上要保證量測的是實際的過程參數 而不僅僅是設定值如果一個特定的過程參數在監測過程中並不變化 就可在進一步的考慮中將其排除掉運行100 的部件採樣 特別是在高廢品週期中 如果廢品不斷 或部件的多變量採樣 一直到 在過程的終點階段 最少能採集到8個好部件和8個差部件最好的部件和最差的部件之間的分佈範圍 應該佔有產品生產過程中觀察到的有意義的變化的80 60 產品 過程搜索的方法 2 量測所有與每個部件相關的 已經指定的過程參數在產品製造過程中 直到過程結束前 是不可能對部件是好或差做出結論的然後 運行與8個好和8個差部件相關的過程參數的成對比較 對每個參數都要進行TukeyTest 然後計算其合計終結計數如果經鑑別後 有數個過程參數具有90 以上的置信度 那麼就進行 Bvs C 試驗 以便驗證那個是真正的重要參數接下來 要進行 變量搜索 或 完全析因法 以量化最重要參數和它們的交互影響效應再通過 散佈圖 或 調優運算 隨後再進行 正向控制 過程確認 和 預先控制 等步驟進一步優先處理可以擴展第8步驟的不重要參數的公差 以便減少成本 雖然這樣或許需要進行某些試驗才能確定要擴展到什麼程度 61 變量搜索法 RollsRoyce對紅X的研究 目的指出紅X 粉紅X等 捕捉所有重要主效應和交互影響效應的量 放開所有不重要變量的允許偏差以減少費用 用於何處有5 20個需研究的變量處卓越的問題預防工具應用在基層員工工作中 何時應用在研究與開發以及開發工程中卓有成效 在生產中產品 過程表示特懲 也用於多變量圖表或成對比較之後指出紅X 樣本量1 20 62 有效的DOE技術 常用DOE按照精確度排列 非實用性排列 全析因法 是最完美的 它精確的將主要效應從其他交互影響的效應中分離出來 含所有二階 三階 甚至更高階的交互影響效應分離出來 But如果有10個因子各有2個水準時 才有210 1 024個組合試驗要做 所以變量搜索法優於所有分析因法 63 變量搜索法的目標 從較早的線索生成DOE技術中 減少大量的遺留原因 高達實際上最大的20 並提煉出紅X 粉紅X 淺粉紅X將重要因子從不重要因子分離出來放寬非重要因子的誤差範圍 並節省許多費用對重要因子及它們的交互影響效應的大小和要求的方向進行量化 並將那些重要變量的誤差範圍壓縮到最小 使Cp Cpk值為2 0變量搜索法它不可少的功能是在產品或過程設計階段中 把預防影響生產的問題放在首位在不知自變量和因變量時 變量搜索是唯一可解的答案甚至已知自變量和因變量之間關係的方程式 可在模擬階段用變量搜索法進行仿真計算 可對方程式的精確度進行必要的改進對於標準品 變量搜索法也可用於放寬誤差範圍和降低費用 64 變量搜索法 二元搜索法的原理 20問的遊戲法某人挑選一個字 字的含意可以在一本800頁的字典中查到 二元搜索法是一個系統的消除過程二元搜索的改進被應用於變量搜索法 65 變量搜索的方法 變量搜索4個階段球場 決定試驗用的每一個變量是否正確的變量 處於正確的水準分離重要的和非重要的因子將重要變量從非重要變量中分離出來消除非重要變量及其相關的交互影響求交運算 確認 驗證重要變量是重要的 非重要變量是非重要的析因分析對重要變量及其有關的交互影響的大小和期望水準進行量化 66 各階段的內容 1 第1階段 球場首先得決定綠Y 定量和可量測的試驗中變量的選擇 列出重要輸入變量清單 依重要性排列每個變量的最佳水準和臨界水準樣本量的準則 變量 1個將屬性轉換變成變量 5 10個屬性 16 502個早期和快速評估發展趨勢 實施兩組試驗重複5步驟將兩個以上全部最佳水準和臨界水準試驗重要性試驗 確定最佳的綠Y是否比臨界的綠Y好重要試驗得到滿足 正確因子已收集到重要試驗沒有得到滿足 將最佳水準轉換成臨界水準以觀察是否消除了影響 67 各階段的內容 2 第2階段 分離重要的和非重要的因子實施一對試驗 最重要因子的臨界水準 及所餘下因子的最佳水準進行試驗由各種可能結果 瞭解因子的獨立或有交互影響的效應 第3階段 求交運算將A因子與B因子做確認試驗 以觀察餘下的因子是否可排除實施3因子的求交運算 第4階段 析因分析利用第1 2 3 階段所產生的 在第2階段又不能排除的重要因子的數據來擬定析因分析的數據整理對重要因子的主效應和交互影響效應進行定量分析 68 全析因 識別與量化每個交互影響的最佳技術 全析因的侷限若n為因子或變量數 則全析因需要2n次試驗因此全析因限於4個或4個以下的因子 而變量搜索便成了選擇5 20個因子的試驗 全析因的目標由1種或多種4線索生成技術或挑選出來的2 3或4個變量中 確定那些變量重要 那些變量不重要擴展不重要變量的公差 以減低費用量化不重要變量及其交互影響效應的大小和期望的方向 並縮緊這些變量的公差 以達到2 0及更高的Cp Cpk應防止在研究問題的早期就試圖使用全析因技術然而 在設計初階 若樣本量對於線索生成工具還不足夠 且設計小組可以研究部不多於4個變量 那麼全析因肯定會成為主要的試驗設計技術 69 全析因的3個基本條件 請在1 2 3 4中選一個數 平衡原則對4個 或少於4個 變量的所有水準 通常為2個水準 進行檢驗平衡設計的方式是對變量和水準所有可能組合進行檢驗 重覆原則在一次試驗中 往往不可能包括所有不可控制的原因 因子或者變量 將影響結果在每一組合或部件中 重覆的目的是確定每個部件中的偏差或不一致性 隨機化原則人類在選擇某種特定響應時 皆傾向於某種選擇的偏見 情緒 預感和意見選擇隨機數的方法 使用隨機數表 使用計算機 使用具隨機功能的計算機 70 Bvs C卓越的確認技術 B Better vs C Current B和C分別代表兩種不同的產品 過程 方法C代表當前產品 B相應地代表更好的產品Bvs C的任務是確定那個更優是一種非參數型比較試驗方法是一種驗証工具 而非初始的解決問題的工具 Bvs C的目標以90 或更高的置信度 預測一個特定產品或過程比另一個產品或過程要好多少保證對原有產品或過程的改進的持久性選擇一些較好的產品或過程 即使其品質沒有什麼改進 也會有某些其他實際利益同時評價多個產品 過程和材料將Bvs C擴展到人類嘗試的任一個領域在初步調查中用作一般民意測驗工具 71 Bvs C的原則 1 72 Bvs C的原則 2 過程能力研究通常用於比較兩個過程 方法是對每個過程運行50 100個部件 其結果可能是所示的4種頻率分佈之一在圖甲中 B和C沒有差別 這稱為零假設在圖乙中 儘管B優於C 但其改進存在一些不確定性 在其重疊區 有些C部件實際上要優於某些B部件 這可能是粉紅X或淺粉紅X的改進在圖丙中 最差的B部件都等於最好的C部件 這是一個紅X的改進在圖丁中 最壞的B部件都大大優於最好的C部件 這是一個超級紅X的改進 然研究此具100 200個部件的過程能力需要 很長的時間 巨大的經費和人力開支 73 Bvs C的原則 3 六組合檢驗 Six packtest 以簡單性 圖形化和有效性為目標 還以小樣本為目標六組合檢驗 3個橫座標和3個縱座標 3個B和3個C即六組合檢驗組合率樣小的樣本量能夠以何種接近程度來描述兩個總體中的每一個總體呢 答案在於組合律的能力組合數 n為部件總數r為一種類型的部件總數 n r 為老類型的部件總數 74 Bvs C的原則 4 使用3個B和3個C時組合數 在不重覆相同次序的組合時 有20種排列3個B和3個C的方法 20 最佳 最差 75 Bvs C的原則 4 檢定結果 真實情況 4 風險與 風險 H0 虛無假設H1 對立假設 錯誤 當虛無假設為正確 即H0為真 卻因抽取之樣本導致採取錯誤決策時 通常以 表示 又稱 型錯誤 貿然判定時 俗稱為慌張鬼的錯誤 錯誤 當虛無假設 H0 是錯 或H1為真 時 發生錯誤而判定為真時 通常以 表示 又稱 型錯誤 延遲決心的 俗稱為呆子的錯誤 76 散佈圖 獲得現實的技術規格和公差 散佈圖的目標建立現實的技術規格和實際的公差縮小重要變量的公差 以得到較高的Cpk放寬不重要變量的公差 以減少開支 工程師常以如下的方法建立技術規格和公差他們憑空給一些數字 這稱為憑空分析他們從以前的設計和圖面中照搬數字他們使用嚴格的公差來保護自己 也不太會因此有受批評他們使自己用濫了的 預先 消化過 的公差他們盲目地遵循供應商的建議他們用最壞的情境來設定公差他們並未向客戶諮詢什麼是重要或著什麼是不重要 90 是錯誤的 77 公差與費用 與放寬公差有關的不可接受的費用 與縮小公差有關的不可接受的費用 78 散佈圖的原則 在最終分析中 技術規格和公差必須追溯到客戶實際需求 如果客戶僅用模糊又主觀的方式來表達這些需求 那麼應使用如品質功能展開 QFD 專家會診之類的正式技術 以量化這些需求儘管可以使用如廻歸分析或多重廻歸分析之類較為複雜的技術 但是散佈圖具簡單 圖形化和有效性的優點在散佈圖中 縱向散佈圖量是所輸入變量而不是所選輸入變量對綠Y的總貢獻的一個度量在前DOE試驗中 如 變量搜索或全析因 表明兩個或多個重要的輸入變量沒有強的交互作用時 才應使用散佈圖 若有強的交互作用 那麼應使用響應曲面的方法 79 典型的散佈圖 垂直相交 80 期望Cpk 2 0時 那麼將客戶的技術規格寬度4等份從技術規格寬度的中間一半處劃兩條水平線分別與該平行四邊形的頂線和底線相交 並從這兩點處劃兩條垂直線至X軸 確定現實的技術規格和公差 81 響應曲面方法 交互作用的優化 目標確定兩個或兩個以上交互輸入變量的最佳水準組合 以得到一個最大 最小或最優的綠Y 輸出 方法調優運算單純形法隨機調優運算 概念 用爬山來比喻右圖是一座山的二維等高線圖 圖中山周圍的相同高度用等高線表示 山高逐漸上升 直到山峰為止響應曲面是試圖在一系列爬山試驗中找到最優的響應 最優的綠Y 82 調優運算法 調優運算是一種最簡單的響應曲面法 使用2個交互輸入變量和1個響應變量或綠Y 階段一 以1個輸入變量的兩極水準 高於和低於預先為該變量的某個適當水準 及另一個輸入變量的兩極水準作開始 引導1個2全析因試驗 將4個響應劃成一個方框 在其中心點做附加試驗 以確定在該內框是否可能存在山峰階段二 沿著階段一創建的方框內最高的綠Y方向移動 用這兩個輸入變量的鄰近水準進行2次2全析因 再形成一個方框 這可能產生一個更高的綠Y 在依此重新在階3 4 5等創建該過程 直到達到山峰最優的綠Y 2 2 83 單純形法 調優運算是一個簡單 圖形化的循序漸進的爬山過程 但它會產生大量實驗 例如有6個階段時需24次實驗單純法是一種完善的技術 只需要較少的實驗 到達頂峰點每一階段需要 n 1 個點 n為交互作用輸入變量的個數 如右圖程序階段184 是起點最低點 其他兩個分別是88 91 階段2刪除84 並由88 依91 的中間點經由刪除84 劃一條通過並等距離處 到達更高的產能93 階段3依序再展開 又達到更高96 共試驗3 1 1 5次 84 隨機調優運算 最大響應 如果數入變量超過4個時使用根據安全性 費用 經驗 客戶要求等 列出輸入因子的實際範圍確定要改變的隨機方向和變化量確定每個因子使用範圍的最大部份根據以往試驗最佳水準 選擇起點繪製首次隨機變化的結果 如果有利 那麼以相同的方向繼續如果不利 以相反方向繼續 如果結果既不是有利也不是不利時 或著兩個方向的結果都是不利的 那麼選擇另一個隨機方向繼續上述步驟 直到大約4個相鄰的 隨機的 不利的方向和總量都已選擇為止 此時將得到一個最優的綠Y 上圖是5個輸入變量分別是溫度 壓力 時間 濃度和體積 求取最大化輸出 85 正向控制 凍結過程增益 正向控制的引導 PositiveControl 工程師和技術人員試圖靠檢查其所生產的產品來控制一個過程 這種作法都已太晚了辛苦的建立DOE找出重要變量 如果在日常生產活中沒有控制這些重要變量及其公差 沒有鎖住和凍結它們 所有努力都將落空 正向控制計劃必須制訂一個正向控制計劃的體系確保重要的變量受到嚴格控制 其中包括 人員 方法 時間 和 地點 人員 應該監控 量測和記錄每一重要的過程參數方法 確定了量測這些重要參數的正確儀器 5 1法則 地點 應該是量測過程參數的最佳位置 只有如此才能真實地反映其正確值時間 是量測的頻率 最初由工程判斷確定 而後來由預先控制確定 86 正向控制計劃例 波焊過程的正向控制計劃 該計劃是經成功地進行24全析因之後制定的 87 DOE倒退的原因 試驗者沒有用Bvs C檢驗來確認DOE的改進試驗者通常是技術型的 它們把過程維護移交給維護人員 裝配人員 技術人員 操作員 而沒有對正向控制在維持所得增益方面的重要性提供指導操作員多數渴望做好品質工作 但它們不是DOE解決方案中的一員 而心中相信會比工程師做的更好 因此停止了過程的控制這些過程技術人員天生就是 欺騙的藝術家 而且不能遠離控制按鈕工廠缺乏紀律要求後果的責任不明確生產線操作員覺得正向控制是一個監視他們的 間諜系統 ISO9000僅僅凍結了缺陷 而正向控制卻凍結了改進 88 過程確認 消除不良品質的外部原因 墨菲定律 如果你覺得什麼事情會出差錯的話 那一定會錯 過程確認所面臨的挑戰就是要 消除墨菲定律 偏差可經DOE來大大減少 但仍有一些導致不良品質的外部原因可能使過程在DOE研究之前或之後半途而廢 必須捕捉到這些原因並將之禁閉起來 且必須在DOE研究之前使用 導致不良品質的外部原因其5大主要類別 管理 監控不足違背良好的生產習慣對工廠 設備的忽視忽視環境人為缺陷 89 過程確認 1 生產線工人瀰漫著恐懼心理工人的思想觀念受到抑制排除錯誤原因未得到鼓勵獨斷的生產線監視沒有部門內部或職能交叉的隊伍人員流動過於頻繁過高的缺勤率沒有利益共享很少或沒有培訓很少或沒有愚巧法沒有操作員確認多技能操作員未得到鼓勵沒有可達成的目標 量測未量測不良品質的代價未跟踪生產率 週期時間未量測Cp Cpk結果的回饋很少沒有視覺 聽覺的品質警告信號未對數據採取措施一數據污染工人沒有關閉不良品質生產線的權力沒有正向控制檢驗原追蹤零件 文件過多把產量凌駕於品質之上對出色完成的工作缺乏賞識惡劣的工作條件 管理 監控不足 90 過程確認 2 91 過程確認