工序能力评估

SEC-GQL-工序能力（3）,1,工序能力评价-工序能力指数-,SEC-GQL-工序能力（3）,2,1.工序能力(ProcessCapability=自然容差=6)2.工序能力指数(ProcessCapabilityIndex)和评价法3.工序能力指数应用系统4.摩托罗拉的6程式设计和1.5Shift5.Cpk和不合格率换算表(ppm)6.工序的变动和群分类7.从MINITAB中求工序能力8.Taguchi博士的质量定义,工序能力评价-工序能力指数-,SEC-GQL-工序能力（3）,3,1.工序能力(ProcessCapability),据J.M.Juran博士说，,工序能力=由稳定的工序生产的产品质量变动,生产出没有缺陷以及良好SERVICE的制品的PROCESS的固有能力.无外部原因的防碍开工的工序散布,4M=人工+机器+材料+方法,短期(包含),影响工程的主要原因,SEC-GQL-工序能力（3）,4,2.工序能力指数(ProcessCapabilityIndex)和评价法,1)两边规格(m)=目标特点要求m=Xbar(目标值和工序平均值一致时)潜在工序能力,Cp=T/6,SEC-GQL-工序能力（3）,5,散布(Dispertion),偏差(Deviance/Deviation),分散(Variance),范围(Range),变量系数(CV:CoefficientofVariation),绝对平均偏差(MeanAbsoluteDeviation),标准偏差(StandardDeviation),变量(Variation)SS,S(平方和),散布程度,偏差程度,V=,Xmax-Xmin,CV=,MAD=,(orStDev)=,V,SS=,i=1,(Xi-X)2,Z值,Z=,Xi-,n,(%),如何显示测出的数据？-散布,SEC-GQL-工序能力（3）,6,该苹果的重量是202g、205g、200g、197g-,202=200+(3-2+2-1-)205=200+(2+1+1+-)200=200+(321+-),数据结构式=Xi=+i-i=Xii的平均=平均偏差=MD=(XiXbar)/n,9）标准偏差（StDev）,“标准偏差是每一个数据散布的大小的平均”,SEC-GQL-工序能力（3）,7,下面5个苹果的平均偏差是?苹果的重量：202、205、203、197、198(g),205,202,203,平均=201(g),198,197,偏差(Deviation)之和=01+4+2+(-4)+(-3)=0,那么，如何求出偏差的平均呢？,SEC-GQL-工序能力（3）,8,(1)偏差平方和(SumofSquares=变量=平方=SS=S),S=(XiXbar)=Xi-(Xi)/n,2,2,2,=S/Ns=S/(n-1)=V,2,2,(3)总体标准偏差和标本标准偏差s(用标本推算的标准偏差),的推算值是用自由度(n-1)相除的标准偏差=StDev,在MINITAB中-,(2)总体分散(PopulationVariance)=和标本分散(SampleVariance)=s,2,2,SEC-GQL-工序能力（3）,9,mXbar(目标值和工序平均值不一致时)实际工序能力,M-Xbar,T/2,偏差度=bias度=k=lm-Xbarl/(T/2)Cpk=(1-k)Cp=(1-k)T/6,SEC-GQL-工序能力（3）,10,需改善的重点?,SEC-GQL-工序能力（3）,11,2)一边程式,USL时=望小特点LSL时=望大特点,XbarUSLLSLXbar,Cpu=(USL-Xbar)/3CpL=(Xbar-LSL)/3,SEC-GQL-工序能力（3）,12,3)工序能力指数评价法,在6中把Cp=2.00作为目标。Cp值*3=西格马水准,SEC-GQL-工序能力（3）,13,3.工序能力指数应用系统,应做哪么工作？,SEC-GQL-工序能力（3）,14,4.摩托罗拉的6程式设计和1.5Shift,不合格率=2ppb不合格率=3.4ppm,-1.5+1.5,SEC-GQL-工序能力（3）,15,5.Cpk和不合格率换算表(ppm)-一侧不合格率,SEC-GQL-工序能力（3）,16,6.工序的变动和群的分类,工序在不受外部影响的情况下，在最短的时间内收集的数据(例：温度变化、操作员、原材料等）只用技术就可定义。以Cp及ZST形成特点。,TIME,工序感扰性,合理的子群,工序在受外部影响的情况下，经充分的时间收集的数据，并由多重合理的子群组成。定义为技术和工序管理。以Ppk及ZLT形成特点。.,群内变动短期变动变动之内,群间变动长期变动变动之间,短期工序,长期工序,时间,SEC-GQL-工序能力（3）,17,7.在MINITAB中求得工序能力,在Cpk=Cpl和Cpu中选择不好的。,SEC-GQL-工序能力（3）,18,短期工程能力长期工程能力全体标准偏差PpPpk组合标准偏差CpCpk,Zst=3CpZlt=3Ppk,西格马水准和Zshift值,工程能力的分类,SigmaLevelZST=ZLT+Zshift(1.5),SEC-GQL-工序能力（3）,19,Minitab的工序能力术语(1),潜在的CpCpkCPUCPL,潜在的包含短期短期的,一般指经几日或几周时间的工序能力（Cp/Pp)。约由3050个数据组成。Cp:为当前工序可达到的最大工序能力，是短期潜在的工序能力。Cpk:当前的工序在长时间内显示出来的工序能力(长期的工程能力)是只把子群内的变动算在内求出StDev(包含)。,SEC-GQL-工序能力（3）,20,Minitab的工序能力术语(2),全面的PpPpkPPUPPL,实际的长期长期的,经几周或几个月时间的工序能力（Ppk/Cpk)约由100200个数据组成。利用全部数据求出标准偏差。是把子群之间和子群内的变动算在内求出StDev(全面的)。Pp、Ppk为StDev(LT)=用StDev(全面的)求出,SEC-GQL-工序能力（3）,21,数据的矩形图,潜在的正态曲线,实际的正态曲线,Supp1的工序能力分析,加工数据,指标,平均值,标本N,(潜在的),(全面的),潜在性工序能力,全面工序能力,潜在的,全面的,观测性能力,预测“潜在性”能力,预测“全面性”能力,合计,合计,合计,SEC-GQL-工序能力（3）,22,例2)解释结果输出的术语(1),数据的平均值群内标准偏差全体标准偏差潜在性工序能力潜在工序能力实际工序能力考虑偏差的实际工序能力,ANALYZE!,工序数据,指标,平均值,标本N,(潜在的),(全面的),潜在性工序能力,全面工序能力,分析!,SEC-GQL-工序能力（3）,23,例3)解释结果输出的术语(2),当前执行能力预测潜在执行能力预测实际执行能力,raw-数据中不合格率为10,000PPM。,预测推断不合格率为3631.57PPM,预测推断不合格率为6367.35PPM,当前执行能力,合计,合计,合计,预测“潜在性”执行能力,预测“全面”执行能力,SEC-GQL-工序能力（3）,24,8.Taguchi博士的质量定义,+,+,质量,因功能的散布造成的损失,因弊端项目造成的损失,使用费用,*因性能特点值引起的变动*因副作用等问题，使消费者蒙受的损失,Dr.GenichiTaguchi,“所谓质量，是对社会造成的损失的总和”,SEC-GQL-工序能力（3）,25,1)日本索尼公司和美国索尼公司的质量差(案例),索尼-美国,索尼-日本,SEC-GQL-工序能力（3）,26,2)Taguchi博士的质量损失函数(QualityLossFunction),-质量的旧概念-质量的新概念(Taguchi哲学),阶段函数,2次损失函数,*盲目（Norminal-the-bestType）特点：,SEC-GQL-工序能力（3）,27,4)