SPC培训教材六西格玛.ppt

1、SPC 入门,流程改善方法论TM 运营绿带/黑带,将控制图（Control Chart)方法和 DMAIC路径连结 讨论不同型式的变异 讨论不同型式的控制图 讨论控制图,目 的,流程改善方法论TM,步骤 I：流程测量,步骤 II: 流程分析,步骤 III：流程改善,步骤 IV：流程控制,用实验设计验证关键的输入变量,持续验证流程的稳定性和能力,最后完成控制计划,决定最优化的操作窗口,完成 FMEA 并评价控制计划,计划项目、确定重要的流程输入/输出变量,进行短期流程能力研究并建立控制计划,完成多变量研究以确定潜在的关键输入变量,评价数据并优化关键的输入变量,进行基本测量系统的测量仪器研究,修正

2、控制计划,步骤 0：项目定义,漏斗效应,找到关键 Xs,控制关键 Xs,所有的Xs,找出显著因素,找出主要因素,SPC,错误观念 - SPC 只用来当控制工具,我们该采取措施了吗,每天我们都被数据所淹没，我们被迫作出结果,工厂的输出减少了4% 国家的贸易逆差上升了$400亿 公司X的收入比上季度减少了$240万,我们解释数据的方法,今天收集了什么种类的数据,制造: _ 非制造： _,如何分析,制造 : _ 非制造： _,假若结果是 Bad /Good 将会发生什么事,制造 : _ 非制造： _,别管它 没事,痛苦和受难,痛苦和受难,顾客”要求下限,此方法 告诉你从顾客要求角度你处于什么位置 不

3、能告诉你如何达到目标或下一步该做什么,强迫达到顾客要求将导致一个人： 真的改善流程 破坏流程 破坏数据 (完整性,顾客” 要求上限,我们历史上如何处理数据,2,3,废品率 (,1,1 2 3 4,1996,1997,晚会时间,工厂的废品率达到年度的低点1.5% 经理给全厂颁奖 仪式在餐厅进行：为所有的人准备了比萨饼和各种点心和饮料！ “每个人都应为你们取得的成就感到骄傲,Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993,1996年4月,2,3,1

4、,1 2 3 4 5 6 7,1996,1997,经理想收回奖励,连续3个月废品率上升 经理想要收回他的奖励 不但没有保持已有的成绩, 废品率却直线倒退 经理决定： “奖励适得其反。这群人需要强硬的管理,废品率 (,Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993,1996年7月,2,3,1,1 2 3 4 5 6 7 8 9 10 11 12,1996,1997,不再 “温和的管理,到11月, 废品率上升到2.6% 年度最高点； 经理决定采取措

5、施； 召集一个“特别会议”，要一次性并永久地解决这个问题； 在作完一个关于废品重要性的生动报告后，经理走了。员工们不知道该做什么。而且他们还有更重要的指标。所以他们什么也没做,废品率 (,Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993,1996年12月,经理看到自从去年底以来，废品率降低了。“柳暗花明了！” (记住: 实际上从来没采取任何措施来改善系统) 他得出结论: “强硬的管理方式获得成功,经理断定：“粗暴的爱产生奇迹,2,3,1,1 2

6、3 4 5 6 7 8 9 10 11 12,1996,1997,1 2 3 4 5 6,废品率 (,Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993,1997年6月,在控制图上这个数据看上去像什么,变异案例特殊与一般要因,Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993,真实的故事!“来自流程的声

7、音,让流程来说话吧,经理 “ 嗨, 我是按照数据作出结论的我怎么会错呢,BB “你的结论是把高、低点作为信号观察而得出的。实际上，那都是噪声（一般要因变动）。看这数据，在工程中没有过明显的变化,控制图讲述了一个不同故事为什么,经验证明：疏于用控制图分析数据是增加费用，耗费努力和降低士气的最好方式。 ” - Donald J. Wheeler博士 （GE前总裁,控制图方法,S (Statistical)= 以统计学方法来探测流程的变异,C (Control)= 以积极主动的管理来控制流程,P (Process)= 流程，任何流程,我们现在管理数据的方法 SPC,控制图方法-它从何而来,20世纪2

8、0年代-Western Electric 公司的Walter Shewhart博士 用于鉴别受控和不受控的变异 受控: 一般要因或固有的（噪声） 不受控: 特殊要因或可归属的（信号） 尽力在所有的噪声中寻找工程信号 把控制图作为主要的工具,变异的种类 “一般与特殊,一般要因 (噪声) 在所有流程中出现 由流程自己产生（我们经营的方法） 可以消除和/或减小，但需要流程有根本性的改变 当只有一般要因变异存在时，流程处于稳定的，可预测的，和受控的状态,特殊要因（信号） 不可预测 与一般要因变异相比相对大得多 由单个的扰动或其系列的组合导致 通过基本的流程控制和监控可以消除/减小 一个工程存在特殊要因

9、变异时，被称为 脱离控制 和 不稳定,变异的种类 “一般与特殊,练 习,在你的项目中，哪些是可能的 “一般要因” 和 “特殊要因” 变异 一般要因 特殊要因,Minitab - 控制图,Minitab - 控制图练习,使用随机数据 请根据您工作中常用的作业值为代表，设定平均值和标准偏差，然后产生25个随机正态数据 制作一个单值控制图（Individual Chart） 根据时间的演进，注意其数值在 Y 轴上的变化,数据依时间而变化,UCL,中心线,LCL,UCL = Upper Control Limit / LCL = Lower Control Limit,标绘数据,控制图主要构成要素,监

10、控特性,已有一套标准规则协助确认流程中 特殊要因 的事件 当规则被违反时，我们称其为 “失控,我们会用到的规则: Minitab 规则: 请参考 Minitab 选项 Pattern 规则: 重复出现的图案,表示有不寻常的事件发生 查出原因,控制图规则,时间,我们测量的物件,规则应用,1 Sigma,2 Sigma,3 Sigma,1 Sigma,2 Sigma,3 Sigma,60-75,90-98,99-99.9, 数据点数,UCL,LCL,时间,我们测量 的物件,标准差规则“数据落点在哪,Minitab 规则,Test #1,Test #2,Test #3,Test #4,失去控制代表什

11、么意义,探测失去控制（Lack of Control,当您确认是失去控制，您该做什么,探测失去控制,UCL,LCL,1 Sigma,2 Sigma,3 Sigma,1 Sigma,2 Sigma,3 Sigma,规则#1 : 有1个数据点落在 3-sigma 限以外,如果违反规则#1 ，数据落点在哪,数据违反规则#1的概率,UCL,LCL,1 Sigma,2 Sigma,3 Sigma,1 Sigma,2 Sigma,3 Sigma,如果违反规则#7数据落点在哪,规则#7: 连续15个数据落点在 1-sigma 限和中心线之间,UCL,LCL,1 Sigma,2 Sigma,3 Sigma,1

12、 Sigma,2 Sigma,3 Sigma,规则#8 ：连续 8 个数据点落在中心线的同一侧,如果违反规则#8，数据落点在哪,受控或失控 ? _,如果失控 ，违反哪个规则或呈现何种状况？ _,SPC EXAMPLES,受控或失控 ? _,如果失控 ，违反哪个规则或呈现何种状况？ _,受控或失控 ? _,如果失控 ，违反哪个规则或呈现何种状况？ _,受控或失控 ? _,如果失控 ，违反哪个规则或呈现何种状况？ _,是违反了规则还是发现了图案,规则及图案,Sales.MTW,控制上限 （ Upper Control Limits ） = UCL 控制下限 （ Lower Control Limi

13、ts ） = LCL,依您所学，有多少数据点落于 UCL 和 LCL 之间,UCL,LCL,TIME,UCL vs. LCL,Upper Control Limits = UCL (控制上限) Lower Control Limits = LCL (控制下限,Upper Specification Limits = USL (规格上限) Lower Specification Limits = LSL (规格下限,UCL 和 LCL vs. USL 和 LSL,UCL,LCL,TIME,如果有数据点落在 UCL 和 LCL 之外， 是否意味着我们制造出对顾客而言的不良品,Upper Contr

14、ol Limits = UCL Lower Control Limits = LCL,Upper Specification Limits = USL Lower Specification Limits = LSL,下列之流程是否制造不良品,TIME,USL,LSL,UCL 和 LCL vs. USL 和 LSL,UCL,LCL,TIME,Upper Control Limits = UCL Lower Control Limits = LCL,Upper Specification Limits = USL Lower Specification Limits = LSL,USL,LSL,

15、UCL 和 LCL vs. USL 和 LSL,UCL,LCL,TIME,下列流程是否制造不良品,UCL 和 LCL vs. USL 和 LSL,流程控制限是由流程本身数据计算而来的 其以 +/- 3 s 为基础 (99.73% 的预期流程变异落在此区限中) 产品规格限不是来自控制图 了解流程如何满足顾客需求是非常重要的 要确认流程如何达到顾客需求， 必须进行流程能力分析,1) 将 规格限当作控制图的控制限 #2) 将 UCL 及 LCL 当作规格限使用 当您犯了上述错误时，控制图就只是一个检验工具，而不再是控制图 UCL / LCL 和顾客所定义的不良品无直接关系,制作控制图时，两个常见的错

16、误,UCL 和 LCL vs. USL 和 LSL,两种数据类型,计数型 不连续的，计数的数据 例: 1, 2, 3, 4 等 Good / Bad 机器1 , 2 , 3 . 计量型 连续的，测量的数据 例:重量 = 10.2 千克 厚度 = 11.211 厘米,从生产线出来的变速器，其左前方螺栓扭矩 (2) 从生产线出來的变速器，其螺栓平均扭矩 (3) 每一引擎中，螺栓遗漏数目 (4) 每一销售合同中打字错误数 (5) 月产量中，有多少引擎有缺陷 (6) 月产量中，有多少百分比的不良引擎 (7) 每个账单的应收账款所需要的结案时间 (8) 每制造一百个引擎有多少是有缺陷的,练习：数据是何种

17、类型,计数型,计量型,什么类型的数据 ,按群还是按单值收集的数据 ,缺陷数或不良品,群 (平均值) (n1,单个数值 (n=1,X-Bar R X-Bar S,单值移动范围 （ I-MR,特殊类型的“缺陷,不良品,缺陷的概率低吗,如果你知道坏的数， 你知道好的数吗,泊松分布,二项分布,单值移动范围 （I-MR,否,是,是,每个样本 的概率面积不变 ,是,否,c 图,u 图,样本数不变,np 图,否,是,p 图,选择正确的控制图,注: X-Bar S 适合于群大小 (n) 10,I-MR单值 移动范围图,不同计量型控制图,SPC-X.mtw,图表告诉了你什么,X-Bar-R平均值-范围图,不同计

18、量型控制图,NP不良品数 P 不良品率,不同计数型控制图: 不良品（缺陷性项目,SPC-ATTRIBUTE.mpj,C 缺陷数 U 单位缺陷数,不同计数型控制图: 缺陷数,有效地使用控制图的要求,管理层必须建立并支持一环境，此环境可促使适当的改善行动并支持收集控制图的信息 控制图只应用在主要流程，其改善可为组织/顾客帶来益处 由流程中所收集的数据，需经有能力的测量系统确认,控制图计划中最大的失败是 使用许多控制图，但沒有实际行动,控制图: 抽样 vs. 100% 检验,控制图抽样是了解流程简易而有效的方法 若改善行动已消除特殊要因(即流程已达稳定) 且流程能力已被确认，100%检验即可取消 (

19、但须注意顾客所要求的检验计划,给 BB 的提示,现在请跟踪至少一个控制图的 Y(s) 值 请自我学习哪种控制图最适于您的项目 请准备好开始跟踪您重要的 X(s) 值 我们在很多领域使用控制图 MSA, 能力研究，多变量研究 _ _,SPC 结论,将控制图方法和 DMAIC 路径连结 讨论不同型式的变异 讨论不同型式的控制图 讨论控制图,附录,案例研究,目的:假设你是销售副总，然后再作为一个地区销售经理，分析这个案例研究 这里在发生什么,质量进步 - 1997年6月 “如何教其他人应用统计思考” 作者 Roger Hoerl, Galen Britz, Don Emerling, Lynne H

20、are, Janice Shade,案例研究,假设Ron Hagler， Selit 公司的负责销售的副总, 刚得到一份关于过去5年他负责区域的季度销售数据。因为对此结果不满意，他打电话给他的秘书。 “Marsha,告诉地区经理们，今天下午我需要和他们谈话。每个人都必须参加!” Marsha 为 Hagler 当了快10年的秘书了。她从他的声调中知道他指的是生意 , 所以她与地区经理联系关于下午2点的重要会议。下午1点55分，地区经理们涌入会议室。只有在Hagler不高兴时他们才被召集到一起开会,Quality Progress - June 1997 “How To Teach Others

21、 To Apply Statistical Thinking” By Roger Hoerl (GE), Galen Britz, Don Emerling, Lynne Hare, Janice Shade,时间 东北 南 西北 中北 中大西洋 中南 1995_Q17651352883466691445 1995_Q210081353851536723455 1995_Q310381466997551701363 1995_Q49521196878670802462 1996_Q110411330939588749420 1996_Q210201003834699762454 1996_Q3

22、9761197688743807447 1996_Q411481337806702781359 列中值 = 以千为单位的销售额,销售数据样本 . .,案例分析,用控制图方法分析提供的数据 在 SPC Examples.MPJ 中使用所有的数据， 工作表 SALES.MTW 陈述你的关于每个销售代表实绩的结论 你的发现支持那个销售副总的措施和言论吗,Statistical process control charts,Hagler 直截了当。 “我刚收到季度销售报告。东北的销售好的惊人。Steve, 你不但在第四季度增加了17.6% ，而且你还使销售比上一年增加了非常大的20.6%。我真想象不道你是怎么做的 !”. Steve 微笑了。他的让客户聚积存货作为冲刺来结束年度销售的哲学又得到了回报,Hagl