S 3--Lesson 8--SPC-Y.ppt

1、6-Sigma 統計知识培训,第三階段 課程3.8. SPC-Y,SPC-Y的日程安排表,監視 vs. 控制 分組及抽樣綱要 P 和 nP圖,監視 vs.控制,我們將我們所知道的用於監視產品特性的方法用在Y上. 原因是我們不能控制過程的輸入(X), 因此我們必須不斷地監視輸出(Y). 用於控制過程特征值的方法是了解因果關係的一种方法. 如果你能通過測量過程的輸入“預測”產品的質量, 你就是在控制過程. 該模塊將重點放在對產品輸出(Y)進行監視的統計工具上. 當然, 它們不是唯一有用的工具. 我們已經選擇一些簡單並且效果好的工具運用在生產車間中. 要牢記控制的目的是要永遠地防止輸入的錯誤. 因此

2、, 監視就只是一個暫時的對策.,分組及抽樣綱要,樣本大小 數值型圖: 如可操作, 在510之間. 屬性型圖: 30或更多, 取決於缺陷發生的可能性. 抽樣頻率 一般原則: 如果過程超差, 往往抽查10次. 在線的監視方法可以提供:1). 產品在生產過程中的實時數據;2). 實時的過程控制. 理性的分組 (同質性如何?) 分組應該捉住短期的變化性.,休華特圖,分析方法,Step 1:選擇合適的Y去繪圖. Step 2:建立合理的分組(頻率), 以及適合的樣本大小. Step 3:選擇使用合適的控制圖. Step 4:實施數據收集系統. Step 5:計算中線及控制限制. Step 6:繪製數據.

3、 Step 7:檢查失控(OOC)的條件. Step 8:解釋所發現的, 調查特別原因的變動, 作出適當的建議.,P 和 nP圖,nP 圖: 一种簡單的圖表, 在假設樣本大小是固定不變的情況下, 用于追蹤不合格的數量. P圖:一种簡單的圖表, 在假設樣本大小不是必須固定的情況下, 用于追蹤不合格品的比率. P圖及nP圖的控制界限(UCL, LCL) 及中線(CL)由下面的公式算出:,P圖的舉例,舉例: 每個星期, 辦公室要分發3,000張薪水支票. 後來, 文員花費了50%的時間去校正有錯誤的薪水支票. 我們可以使用SPC去跟蹤該問題嗎? Step 1:選擇Y: 含有錯誤的薪水支票 Step

4、2(a):建立合理的分組: 即然每個星期都要發出支票, 將一個星期當作合理的分組. Step 2(b):選擇合適的樣本大小: 每周檢查隨機抽樣的250張支票(n=250). Step 3:選擇合適的控制圖: 一張支票是一個單位. Y指的是“出錯的支票”, 而不是“每張支票的錯誤數量”. 適合的控制圖可以是“P”或“nP”圖. 在該例中, 我們選擇“P”圖 (樣本大小是固定不變的n=250).,P圖的輸出,P圖的輸出 (繼),打開文件 “PAYCHECK.MTW” (E:GB TrainingGB Session 3 data B RD Data) Stat Control Charts P,C

5、和U圖,C圖: 一种簡單的圖表, 在假設樣本大小是固定不變的情況下, 用于追蹤缺陷的數量(不是缺陷產品的數量).,U圖: 一种簡單的圖表, 在假設樣本大小並非固定不變的情況下, 用于追蹤單位產品的缺陷數量(DPU)(不是缺陷產品的百分比). 備注: 參考泊松數據的條件以了解更多的信息.,U圖舉例,問題:對於公司的“突發事件”來說, 正確地填寫保險聲明是一個主要的問題. 在每一張單上出現太多的錯誤將延誤客戶, 協調者對事件的處理. Step 2(a):建立合理的分組: 即然每天都要填寫保險聲明, 則將一天作為合理的分組. Step 2(b):選擇合適的樣本大小: 樣本大小是每天所要填寫聲明人數(

6、N)的10%(N不是恆定的) Step 3:選擇合適的控制圖: U圖. 我們有一個變動的樣本大小並且我們正在處理一個模型, 該模型允許計算每個機會(產品)上出現缺陷的數量. Step 4:實施數據收集系統. 收集初始10天的數據.,U圖的輸出,打開文件 “PAYCHECK.MTW” (E:GB TrainingGB Session 3 data B RD Data) Stat Control Charts U,U圖的輸出(繼),Xbar & R,Xbar瀏覽,Xbar & R圖或Xbar & Sigma: Xbar圖測量的是隨著時間的推移, Y的中心趨勢. R圖測量的是分組內一致性的收益及損失

7、, 代表了隨著時間的推移, Y值內隨機原因的變化量. R圖是基于每一組內數值的變化範圍. Sigma圖跟蹤的是基于分組內的標準偏差的變動性, 不是範圍. 這些圖表是最敏感(有效)的圖表, 可以用於追蹤隨著時間的流逝, 平均值及其它變量在過程中的變化. 假設存在正態分布的個体. 因為中間界限的法則, 分組的平均就會趨向于產生正態的分布. 3個Sigma界限的使用是基于樣本的大小. 建議建立控制界限的樣本最小數量是30.,Xbar & R和Xbar & S的計算,舉例: Xbar & R(或 Sigma)圖,問題: 客戶打來電話來, 希望在軸承的直徑上使用防錯的控制方法. 幸運的是, 一個黑帶解決

8、了該產品在生產過程中的這個問題, 並使用了SPC作為一個短期的監視裝置來控制Y. 使用SPC分析這些數據並對Y進行了工序能力評估. 客戶的規格是140+-5mm. Step 2:建立合理的分組及樣本大小. 我們使用現存的數據作分析, 將每天的分組大小定為5(Part1Part5). Step 3:選擇合適的控制圖: Xbar 和 R圖. 即然我們處理的是變化的測量, 同時分組也合理, 我們可以使用Xbar和R圖. Step 4:實施數據收集系統. 使用過去30天的數據.,Xbar & R圖的輸出,打開文件 “Diameter.MTW” (E:GB TrainingGB Session 3 da

9、ta B RD Data) Stat Control Charts Xbar-R,Xbar & R圖的輸出(繼),Xbar & R圖的輸出以及T測試,打開文件 “ RUNCHRT.MTW ” (E:GB TrainingGB Session 3 data B RD Data) Stat Control Charts Xbar-R,Xbar & R圖的輸出以及T測試 (繼),Xbar & S圖的輸出,打開文件 “Diameter.MTW” (E:GB TrainingGB Session 3 data B RD Data) Stat Control Charts Xbar-S,Xbar & S圖

10、的輸出(繼),設置及改變界限的綱要,通過短期的能力分析, 開發初始的控制界限. 從數據中移除所有的趨界限數據. 除非過程有明顯的改善, 否則不要重新計算控制界限. 不要持續不斷地用新的數據更新控制界限. 目的是通過收窄控制界限, 從而改善我們的過程.,課堂練習,使用“nP”圖重新分析Paycheck.mtw. 你的結果是甚麼? 分析的不同是甚麼? 使用“C”圖重新分析FormErrs.mtw. 選擇一個恆定的樣本大小=23. 你的結果是甚麼? 分析的不同是甚麼? Xbar & R (或 Sigma): 使用隨機正態數據產生一個數據列. 使用Minitab中的變量控制圖, 建立平均值的控制界限,

11、 範圍, 以及標準偏差. 平均值=70, 標準偏差=5, 分組大小=5. 產生一個其平均值移動了一個標準偏差的數據列, 並將該數據用在上述的控制圖中. 你的結論是甚麼? 產生一個其標準偏差擴大了50%的數據列, 並將該數據用在上述的控制圖中. 你的結論是甚麼? 產生一個其標準偏差收縮了50%的數據列, 並將該數據用在上述的控制圖中. 你的結論是甚麼?,使用“nP”圖重新分析Paycheck.mtw. 你的結果是甚麼? 分析的不同是甚麼?,使用“C”圖重新分析FormErrs.mtw. 選擇一個恆定的樣本大小=23. 你的結果是甚麼? 分析的不同是甚麼?,Xbar & R (或 Sigma):

12、使用隨機正態數據產生一個數據列. 使用Minitab中的變量控制圖, 建立平均值的控制界限, 範圍, 以及標準偏差. 平均值=70, 標準偏差=5, 分組大小=5. 產生一個其平均值移動了一個標準偏差的數據列, 並將該數據用在上述的控制圖中. 你的結論是甚麼? 產生一個其標準偏差擴大了50%的數據列, 並將該數據用在上述的控制圖中. 你的結論是甚麼? 產生一個其標準偏差收縮了50%的數據列, 並將該數據用在上述的控制圖中. 你的結論是甚麼?,附件,nP及P圖,針對nP及P圖 (假定二項式數據) 1)* 計算Y的機會的區域(檢查的項目數量)必須由“n”個獨立的項目組成. 2). “n”個獨立的項

13、目中的每一個必須被分類為持有, 或不持有, 一些是屬性型. 該屬性型通常是一些對于規格來說的不合格的類型. 3). 用“p”表示可能性, 該可能性指的是一個項目所有的可計算的屬性. 對在任何一個樣本中的所有的“n”個項目, “p”值必須是相同的. 4). 不論前面的項目是否擁有的該屬性, 該項目持有屬性的可能性均不會受到影響. (這就意味著不合格的項目並不一定發生在一組中, 各組的計數是相互獨立的.) 旁白: 如何你不能檢查該數據的條件, 你應該針對計數數據使用X&mR圖. X&mR圖不用對位置以及數值的分布作出假設. 使用的是X&mR圖是可靠的.,附件,C及U圖,針對C及U圖 (泊松數據的條件) 1)* 該計數指的是離散事件的計數. 2). 離散事件在一些定義好的, 空間或時間