世界级质量管理工具

1、谢宁DOE的概要、DOE、DOE :实验设计的目的是改变过程输入因素(x )，观测对应的输出变化(y )的行为。 什么是Y=F(X1，X2，X3Xn )，DOE？ DOE是质量工具，要解决的变量x和y的关系，如果反过来知道问题y的话，怎么做X1，X2，X3.DOE分类：古典DOE，田口DOE和谢宁DOE，8/2原则，80%的问题(y )怎么样帕累托法则，原理，目的，简单，有效，强调与零配件的对话，十大工具，DOE逆：问题y如何找到x，谢宁DOE， y :绿色y代表要解决的问题和目标： x :变量，红x，大头针x，写大头针x，阻力器尺度：在好坏之间确立好坏的程度，例如1差，10好的优点：减少数据

2、量，测量精度： 5:1 (即变量变化范围33601 ) 最重要的是，对于没有直接联系的非常少的可推测的原因和不能处理的变量的家族相关变量，该工具正在减少。 多变量分析为其他工具的使用提供了分析基础。多变量分析、多变量分析是过滤技术，可以过滤20个以上的变量，确定最可能的原因，被称为“漏斗法”，扑克魔术的原理：对27张卡，指定的卡(红x )三次确定，第一次确定红x的列， 18张卡可以排除再次打乱后，决定红x的等级，除去6张，只剩下3张卡再次打乱，唯一的红x，鱼骨图的方法可以简单确定，鱼骨图可以分析问题发生的可能原因，但可以进一步分析可能的原因都要改善，效率差，很多原因不过是推测，这就是多变量分析

3、的优点。多变量分析、目的：提取在X1、X2、X3、Xn中存在红x、大头针x、轻大头针x的变量族的方法： 1 .从每个变量的产品或过程中提取45个样本作为样本，测定关系质量特性2 .定时反复提取样本的样本整体大的不良变异之前3 .按时间序列制作多变量图4 .观察哪个变异最显着的多变量分析的过滤器位置变量(样本内)零配件内部/零配件内的不同位置在批量进货时出现的位置和范围的变化不同机械/不同的试验位置不同的生产流水线之间/不同工人之间的质量变化周期性(样本之间的变化)是指从同一时间段的一个生产过程中提取的连续的零配件之间的变化不同的批次/零配件组中变量的时间变化小的情况、日、周、级的变化不同的情况

4、、变量族的划分、 设计多变量的具体研究步骤1 .量测仪器精度至少是产品精度的5倍2 .确定可能出现的变量的族数3 .绘制系谱图4 .估计所要求的不同时间的采样次数5 .确定在加工过程中连续提取的零配件数(一般35) 6.在零配件内，族的抽样例如，确定方位、机械、腔的数量7 .第4、5、6层的数量相乘，确定研究的零配件的总数8 .设计格拉夫，使多变量数据的收集简化，多变量分析外壳(1)，将印刷电路板钻孔时发生的过剩的毛刺用感应器测量尺度从1级到10级只在一天的时间内进行实验，希望在一天内在一盏茶中至少找到80%的重要变量。每天三班有十三台同样的钻床。 每台机器有四个钻夹头。 每班有八个工人操作机

5、器。 每台机器都有三块安装在PWB板上的控制板。 对于每台机器有10种钻孔尺寸的x，进行家族划分。 每天每三班的工作时间变化是13台同一个钻床的每个机器有4个钻夹头。 各级有8个工人每台机器安装在3个PWB板上的控制柜。 每台机器有10种钻头大小。 首先描绘家谱图，按3个家谱分类，确定各x的样品数。 一般可以是35。 从上面看，存在3大家系、子家系，如下图所示。 然后设计数据采集表，某芯片生产流水线多因素分析芯片和基础乐队粘贴度，得到下一个结果：多变量分析案例(2)、变量图，并利用收集的数据作成图。 图标能够直观地判断哪个变量族的变化最大。 水平线以时间为周对周，每天，时间对时间，批次对批次，

6、垂直轴可以是研究中的绿色y。 从图中可以看出，位置变量的变化最大表明，红x位于位置变量内，并且在某加工者制造直径为0.0250英寸0.001英寸的圆柱转子轴时，产生了许多废品。 有三轴式的上午8点加工的，此外还有上午9点、10点、11点和12点加工的。 每个轴4次，右2次，右2次，每个轴从左到右测量锥度从上到下测量不同的心度，旋转轴，测量最大直径点和最小直径点。 这样，在零配件内变量中出现与锥形不同的心度、绿色y是转子的直径这两个子家族。 数据的变量图如下：多变量分析案例(3)、第一变量图、第二变量图，在同一问题上，两个变量图，如该图所示，第二变量图是更直观的并且可以立即发现，时间变量是最大的

7、。具体应用于切片生产，可对一般线痕问题进行分析的案例。 有关变量如下： 1、工作场所的3班(a，b，C) 2、工作场所的36台机器3、每班有6名主操作员，每个人都有6台机器4、每班12小时5、切片机使用M(380kg )和N(270kg 120kg种砂浆6 线痕的重量(即硅晶片的最大粗糙度)为绿色y的多变量分析情况(四)，系统图解析，注：对各变量选择适当的采样次数，每4小时采样一次，主操作者6人选择3人，机台36台选择9台。 (1)、设计数据收集表、首先确定重要变量的家系(注意：红x只在几个家系中的一个)如果红x是位置变量的家系，则需要用集中图分析绿y的某个具体位置，如果红x是零配件对零配件的

8、变量组，则检查周期模式、灰尘和管理等这些个的银影响零配件，鸡蛋不影响其他零配件。 为了进一步使用零配件的检索和配对而比较顺顺利利，多变量格拉夫的后续分析，如果是时间变量组，则能够注意过程中的时间变化规律来进行产品/过程检索。 如果剩馀的相关变量为520个，则至少在可以进行变量搜索的24之间，可以进行完全原因分析。 如果仅有一个，则可以直接进行BVsC的比较，确认改善效果。集中图、适用的条件：变量在零配件内，对于位置变量，下一步必须描绘出问题在零配件内的正确位置。 目的准确定位零配件内问题的位置，为多变量分析续篇。从谢宁DOE解决问题的路径图可以看出其位置： 1、检查问题/缺陷是否集中在产品或过

9、程的特定区域2、缺陷可能出现在产品的多个位置(如气孔、大头针孔、污损) 3、缺陷可能出现在过程中的“流动” 不能适用多变量分析(例如分批式热处理)的“流动”可以是设备、夹具等的方法： 1、画出零配件的草图，分割成多个区域(网格) 2、将y (结果)以1-5的等级进行定量化3、从过程中连续收集零配件，如果有缺陷，确定该区域和严重度某公司在对控制屏进行油漆作期间，成材率只占82%。 因此，要进行多变量分析，所决定的重要变量是控制屏内的变量。 研究人员制作了4种缺陷和表示各缺陷数量和位置的集中图。 集中图的应用实例表明，铁元素钴镍合金缺陷达43个，占总缺陷的79.4%，集中在控制屏上部中央的是，由于

10、控制屏由铁元素铬镍合金制成的钩状体沿板棱中央悬挂，因此，这些个的钩状体不定期清洗，而钩状体碎片、分析和结论1、只有目视分析2 .检查缺陷是否集中在产品或过程中3 .如果集中在有缺陷的工艺流程中，变异就是由这个工艺引起的(例如炉内各地区的温度差异)。 4 .如果变异集中于有缺陷的流程，则变异集中于有产品材料差异引起的缺陷的产品流程；5 .如果变异不集中于有缺陷的产品流程，则变异起因于该流程的设计和材料问题，零配件检索、零配件交换是绿色的、零配件搜索、用途：装配工作、可拆卸的零配件比较适用条件：在多变量分析中发现重要变量存在于零配件对零配件时，或者在相同运行条件下，好坏存在于云同步时，直接使用零配

11、件搜索。 试验样品： 2个，1个“好”和1个“坏”，应该尽量使2个零配件的差异变大，考虑2个极端的情况。 原理：交换理论，两个相同的零配件交换，绿y是否被带走，搜索零配件，具体步骤： 1，采样：一个最佳样本和一个最坏样本，尽可能差异大，有利于重要因素的捕捉。 2 .分别拆卸/重装两个样品零配件，测量绿色y是否再现。 3、显着性检查，两个样品之间的差异是否显着。 三次绿色y的输出都比良好样本差样本高，且不重叠交叉。 在D/1.25下，继续下一步如果低于1.25，则表明问题正在与零配件进行拆除/重装。 (d和具体的应用时间说明) 4、部品更换，测定每次更换的两个零配件的输出。 5、使用判定界限，输

12、出超过判定界限的情况下，成为重要的因素。 (判断界限，说明具体的应用)6.进行原因分析，量化因子的重要性和相互作用。实例、某工厂生产的震荡器的时间延迟，高值(h )和低值(l )存在于云同步。 分解/重装的结果是，D/1.25 D=高中值低的中位数=高中值(34，38，35 )低的中位数(13，16，15 )=20=高中值(34，38，35 )低的中位数(13，16，15 )取值的范围/2=3.5d/=20/3 .2、进行第二阶段的零配件交换，根据阶段获得的数据判断判断界限：高值范围=高值2.776/1.81=352.776 * 3.5/1.81=35.37低值范围=低值2.776/1.81=

13、15.776 * 3.5/1.81=15.37 根据上表，a的主效应=(35 17.5) (15.5 17.5)/2=10 E的主效应=(35.5)(15.5)/2=10ae之间的相互效应=(35.5)(17.5)/2=8， 成对比较，复杂的东西简单化，统计的东西没有理论化，成对比较，用途：用于装配作业，零配件不能分解的情况下，比较识别零配件属性的重要的因素适用条件：相同的运转条件，云同步有好坏的情况，直接使用成对比较，避免多变量分析。 试验样品：6-8个好零配件和6-8个坏零配件。 配对比较的通用性强，可用于设计、管理、技术等各种场合的零配件比较。 在后一章中，零配件/过程搜索的方法与本章基

14、本相同，配对比较主要针对不可分解的子零配件的残奥仪表，产品/过程搜索主要针对过程残奥仪表，如温度、角度、大气湿度、时间等变化的因素。 实际上，在具体使用中，子零配件的残奥仪表和工艺残奥仪表可以成对比较。 产品/流程检索不再说明。配对比较、使用方法： 1、选择样本量。 尽可能远离调查的绿色y，选择与6个或8个好的零配件相同数量的坏零配件。 好的零配件和坏的零配件的绿色y值应该有很大的不同原来如此好，有助于发现红x。 2、尽可能多地列举可以表现好的零配件和坏的零配件的绿色y差异的残奥仪或质量特性。 3、将各残奥仪表从大到小、从小到大排列，使用地图化学基检查，计算各残奥仪表的结束计数。 在终点计数是

15、6以上的情况下，信任度超过90%并且小于作为重要因子的6，则成为不重要的因子。 结束计数越大，信任度越大。图化学基检查1、牛鼻子字：图化学基(人)、统计学规则、确定质量残奥仪表是否重要2、使用步骤： a无论好坏，在b残奥仪表后面显示(g )或差(b )的零配件的c排列，其中，12个或16个残奥仪表按从高到低的顺序排列； 顶部的残奥仪表可以由从“全部坏”变为“好”或者从“坏”变为“好”的分界线来划分，好或者坏的数量是顶部的末端的数量，同样也可以定义底部的末端的数量。 在此残奥仪表的结束计算中，使用两个加法，如果d界限线中“好”和“坏”的残奥仪表相同，则结束计数减少1/2，比较例，比较内外圈跳动的

16、差异，案例分析： 1，样本选择8个“好”8个“坏” 好的和坏的有一定的差别2 .对残奥仪表进行排序，确定各残奥仪表的结束计数，3，对比不是问题解决的最后，而是使用变量搜索和全分析来量化重要因素和相互影响。全分析原因分析、复杂事物的简单化、统计事物的非理论化、全分析原因、用途：简洁且正确地识别量化1次影响、2次影响、3次影响及4次相互影响效果。 适用条件：使用其他DOE线程生成工具确定变量的数量为4个以下时使用。 试验个数： 2n，n为变量的个数(大于4，4则麻烦)试验原则：随机化，各变量的输入试验交替，前后的顺序为应随机化的反复性，各变量重复输入，输出相差10%以上则采用需要去除干扰作用误差的

17、其他DOE法，4个因素为重要因素、全解析原因、方法： 1、选择输入的变量和因子，编号为a、b、c和d。 2 .每个因子选择两个水平(任意两个，一个差)。 两个级别分别有()和()的标签条。 画出三十六种组合的矩阵，以便检查各因子组合的水平。4 .随机选择和检查任何元素的组合顺序，每个组合输入两次，记录对应的绿色y (输出，两次阅读的平均值)。 如果一个组合的两次输入误差在10%以下，则实验具有重现性，否则需要调整实验，消除误差因素。 5 .制作方差分析表，将各个因子()和()分别相加，得到各个因子的改变，引起输出的改变，从而确定红色x，大头针x和轻大头针x。 以云同步分析各因子之间的相互作用。 具体的操作从事例开始说明。全分析原因、案例波焊接试验(4个因素)、相互的影响确认、绿y (输出)