六西格玛工具汇总.ppt

什么是六西格玛,六西格玛是,80年代中期之前：在制造业中，一种朝着零缺陷方向的努力，即代表着100万个缺陷机会中只有3.4个缺陷，意味着完美无缺的产品和服务、世界级质量水平的象征；80年代后期，90年代早期：可以达到目标的方法论；90年代中后期：综合的流程改进系统，实现组织的战略目标；在人事、财务、信息技术等关键的环节建立组织系统以满足六西格玛方法实施的需要；今天对于追求卓越表现的业务和流程的象征。,目标,方法论,持续改善体系,企业精神,六西格玛是目标,s,-西格玛是统计单位,是希腊字母表里的一个字母 专业术语“”定义为标准差-用来描述我们要研究的过程的特性值相对于其平均值的偏离程度 对于一个过程来说，“”是一个度量单位,它显示过程的稳定性如何？“”越大，说明过程波动越大，出错的机会越大,你能计算出下列数据的西格玛值吗？1 2 3 4 5-3 0 4 5 9,六西格玛是目标,六西格玛是目标,这是A、B两家超爽瓶盖供应商,各10次到货记录，实际到货均值为12天，你认为哪家更好，为什么?,六西格玛是目标,市场竞争，客户更高的要求,规格下限,规格上限,市场竞争，客户更高的要求,缺陷/投诉,规格中心,-1,-2,-3,-4,-5,-6,1,2,3,4,5,6,0.135%,满足客户需求，创造价值，减少波动，消除变异,六西格玛是目标,2,45,400,3,2,700,4,63,5,0.57,6,0.002,Z,短期 DPMO,1.5 的假设是有争议的!(待续),308,537,66,807,6,210,233,3.4,长期DPMO DPU,Motorola:流程的产出平均值,会随着时间渐渐平移,约达1.5,Source:Brender(1962),Evans(1975),69.10000%,93.32000%,99.37900%,99.97670%,99.99966%,-西格玛水平是描述产品或者服务满足客户的能力,六西格玛是目标,图示六西格玛水平,事件的概论积分：曲线下面的总面积100,均值,拐点,六西格玛是目标,：均值,分布的离散程度越大则也越大，反之，亦然；,分布曲线越窄，意味着落在USL和LSL之间越多；,1 2 3,：标准偏差，主要描述一概率分布的离散程度；,3,4.5,6,六西格玛是目标,若按照 Z=（上限-平均）/西格玛值，上限为4，你能计算出下列数据的Z值吗？1 2 3 4 5-3 0 4 5 9,六西格玛是目标,是我们永远追求的目标！,六西格玛是目标,-6 的DMAIC方法论各阶段目标和任务,定义,测量,分析,改善,控制,项目定义（y）&组成团队&制定计划,测量Y&XS,XS有什么问题,我能改善多少或节约多少钱,维持改善成果,六西格玛方法论,-6 的DMAIC方法论各阶段工具,六西格玛方法论,总结,问题解决方法论（工程师的角度）-六西格玛是基于统计的质量项目，它是改善过程控制的严格的方法体系。与战略结合的持续改进的体系（管理者而言）-六西格玛提供与战略结合的持续改进体系，不断改进质量，提高效率，降低成本，满足客户的需求，不断提高企业的效益。实事求是的工作文化（对领导者而言）-为取得成功，六西格玛需要企业做工作方式的根本转变，业务领导能力与六西格玛将共同改造企业。,项目定义,项目描述,项目背景描述,NO.1,1 项目描述：项目描述主要介绍项目的背景，从公司KPI角度阐述立项的动因，并以事实为依据、用数据说话、准确、简洁、具体的描述当前与项目相关业务存在的问题的严重性。这里只提问题不提解决办法，不要使用包含有问题答案的陈述。如果面临以下问题，则不适合立项：项目选择是同时考虑不要违反以下禁选项目标准问题原因比较明确的问题对策清晰的问题只是临时异常发生的行业难题使用传统管理方法或不需使用精益六西格玛方法就能解决的问题,项目描述,例：战略指标分解-提高TPO控制水平,公司战略目标,工厂部门BSC,冷贮酒RDF合格率是提高酿造一致性的重要指标之一2014年冷贮酒RDF合格率列入工厂BSC，合格率达到80%以上2013年日照公司该项合格率仅为67.19%，远低于目标要求。,例：战略指标分解-提高RDF控制一致性,TPO是2014年工厂BSC的一个重要指标。2014年总部加严对TPO的控制，TPO内控标准由2013年 100g/L下调至50g/L。2014年累计至4月份，厦门厂TPO完成情况在集团排名靠后，急需做改善，因此，将降低TPO做为今年的六西格玛攻关课题之一。,例：项目背景描述-降低#1线TPO项目,第47名,定义项目指标,定义项目指标,NO.2,2 定义项目指标：对项目指标Y进行结构拆解，明确相应的y，以便把大问题分解成小问题。,项目总是会归结为这个简单的等式在定义阶段:我们从 Y 开始,定义项目指标,关于Y用于测量项目是否成功的指标最通常的一个项目有一个Y如果项目规模太大或研究指标有多个独立层级（如独立的缺陷类型），可以考虑把项目拆成多个方向，并针对每个方向定义相应的y每个Y或y都应该定义计算公式，以便可以量化追踪定义的Y有可以是离散的Y，如不良率；也可以是连续型的Y；如有可能，尽量选择连续型的Y,主要测量指标是衡量项目成功与否的量具,Y的分解,项目指标及项目分解确认,监控的关联指标Y？,Y（关联指标）：实现项目指标不能影响到的相关约束指标。,Y的定义,用来测量项目的指标,Y是否需要细分？,Y1:可独立解决的子问题Y2:Y3:,例：Y的分解-降低#1线TPO项目,DO（溶解氧）,TPO（包装总氧）,HSO（瓶颈空间氧）,灌装增氧,瓶颈空气,Y,Y的组成,来源,涉及流程,例：Y的分解-降低#1线TPO项目,例：Y的分解-提高包装综合效率项目,生产停机率,速度损失率,品种转换率,计划停机率,Y的定义,包装综合效率计算公式：包装综合效率=标准生产时间/计划生产时间（标准生产时间为固定值无法调整）,Y的分解,从我司三条3.6万瓶/小时瓶装线2013年设备故障时间分布柏拉图可看出，洗瓶机、灌装机、装箱机、码垛机故障时间占总故障时间的 61.4%，是影响包装综合效率的主要原因。,例：Y的分解-提高包装综合效率项目,离合故障传动轴,装箱机主轴断裂,码垛机推箱装置,灌装机酒阀、瓶托,例：Y的分解-提高包装综合效率项目,结论：2013年工程部千升酒电耗56.94kWh/kl,其中制冷电耗占55.3%，达到24.711kWh/kl，是部门主要耗电工序。,例：Y的分解-降低工程部制冷电耗,确定项目范围,3 项目流程范围（一）项目将影响到的主要流程和部门；（二）根据现有的业务流程和组织机构，分析主要涉及的业务环节和业务部门，为团队成员选择提供依据，确定项目实施所需要的资源。涉及外部客户或供应商的项目，请用SIPOC呈现项目选择的范围。公司内部改善项目，请尽量以流程图的形式表达出来。,定义项目范围,NO.3,例：定义项目范围-降低#1线TPO项目,S,I,P,O,原辅料供货商酿造部工程部,操作人员装酒机清酒溶解氧CO2纯度啤酒瓶瓶盖,引酒灌装激沫压盖,Y：成品酒TPO（50g/L）,消费者经销商,C,例：项目范围-降低工程部制冷电耗,供应商Supplier,过程Process,生产部工程部,冷媒水量冷媒水温度液氨量液氨温度冰水量冰水温度,工程部酿造部包装部 品管部公司领导生产管理总部华南营销消费者,电能氨液酒精液操作人员维修人员制冷设备操作,输入Input,输出Output,客户Customer,制冷供冷用冷回冷,确定项目目标,确定项目目标,NO.4,第一步：了解基线水平根据指标特征收集最近一定时期（3个月以上到6个月）的指标表现作为衡量自身现状水平的数学依据基线选择需要分辨数据表现是否是近期稳定的状态，是否有分群的情况，需要选择有代表性的数据说明最近的能力水平第二步：对标指标标杆竞争对手同类指标的水平自身历史表现意想不到的好的水平理论水平第三步：确认挑战目标通过项目基线水平和标杆的对比，确认挑战的幅度（百分比）,例：基线水平-降低#1线TPO项目,2014年1-5月份数据呈现，1#线TPO均值为61.4g/L,对标理论标杆,标杆来源：1.理论最佳值 2.同行业的标杆水平；3.异业类似业务流程的标杆水平；4.集团其他厂区的标杆水平,确认挑战目标,确认挑战目标：1.量化项目预期目标的预估水平，要求目标具有可行性和一定的挑战性：一般设定为缩短现状与行业最佳标准距离的70%-75%；2.如不能准确量化的，也要以文字形式叙述清楚项目指标的预期变化。,例：定义项目目标-降低#1线TPO项目,41,基线（2014年）,均值：61.4g/LTPO50g/L的合格率：8.9%CO2吨酒消耗：4.45kg/kl,目标(以完成集团先进工厂-三厂控制水平的70%作为目标）,均值：50g/LTPO50g/L的合格率：50%,极限目标（集团先进工厂-三厂）,均值：45g/LTPO50g/L的合格率：70%,Y：TPO,例：定义项目目标-降低工程部制冷电耗,极限目标,Y11.74kWh/kl,目标,Y 22.711kWh/kl,基线,基线数据来源:2013年南宁工厂消耗月报报表。目标及极限目标设定理由：根据2013年南宁工厂制冷电单耗数据及同期最优秀兄弟工厂三厂数据。,Y:24.711kWh/kl,（最终目标）2014年12月制冷电单耗下降至22.711kWh/kl,Y:制冷电单耗,预估财务收益,团队建设与启动,基本图表分析,很多复杂的问题能以简单的图表来解决结束此章节后，您将能以 Minitab 图表工具来解决复杂的问题,目的,其他图表时间序列图,操作-时间序列图,打开项目：TPO.MPJ/7-9月TPO.MTW操作路径：图形时间序列图,选择变量：7-9月TPO,时间序列图(Time Series Plot),有任何想法吗?,Minitab 图表指令:笔刷,操作路径：单击右键笔刷拖选异常点,这个高于上限的数据点。其告诉我们什么?,其他图表柏拉图,操作-Pareto图,打开项目：PARETO.MPJ/消费者投诉.MTW操作路径：统计 质量工具Pareto 图,Pareto图,在多数不重要的项目中，确认重要的少数,练习：Pareto图,设备故障时间柏拉图,灌装机故障时间柏拉图,打开项目：PARETO.MPJ/设备故障时间.MTW打开项目：PARETO.MPJ/灌装机故障时间.MTW,数据探勘(Data Mining),数据分析三个基本步骤：实际察看的察看数据(横列)确认使否有异常发生(错误、预期外的值)图形化的以图形分析数据来将数据视觉化分析上的以统计分析数据来得到数据数值化意义,分析输入及输出的属性,不同作业员 不同机器 不同班次 供应者零件,排氧压力抽真空时间顶酒时间CO2浓度激泡压力,可控制输入,主要流程输出,Noise输入(计数),Noise输入(计量),瓶装液位一致性漏气酒比率,流程,TPO酒精浓度糖化粮耗成品苦味值满罐酵母数,室内温度相对湿度,日常检定,工艺研究,数据类型统计工具的选取(单Y vs单X),离散的X对连续的Y分组箱线图,操作-分组箱线图,打开项目：TPO.MPJ/TPO.MTW操作路径：图形箱线图,Y在同一列,Y不在同一列,分组箱线图,两种瓶型的TPO值有差别吗？,连续的X对连续的Y散点图,操作-散点图,打开项目：发酵度.MPJ操作路径：图形散点图,请选择：Y-发酵度X-满罐第10天发酵度,散点图,通过散点图，你发现了什么规律？,基本统计理论,目的,介绍分配的曲线形状、中心位置、及数据散布之观念了解正态分布的意义,基本统计方法,数据的分类数据的分布（图形分布/统计分布）数据中心的表达 平均值 中位值数据离散的表达 极差（全距）变异/方差 标准差数据分布图形之表达 正态分布 正态概率,怎样发现流程问题?,数据种类,属性（计数）/离散数据,计量数据/连续数据,分类好/坏（不良率）漏气酒比率乙醛合格率贴标合格率机器1，机器2，机器3.工作班次,数据的两种特性：连续性，离散性,连续数据TPO灌装液位高度糖化粮耗成品苦味值满罐酵母数,样本中心趋势的表达,平均数:算数平均数会 反映出所有数值的影响显著地受到极端值的影响中位数:代表 50 的顺位，为一组经排序后数值的中间数并不须将所有数值导入计算式中不受极端值的影响,在流程改善的过程中为什么我们偏好 使用平均数，而不是中位数?,资料变异的表达,极差(Range):于一组数据中，极大值与极小值的差方差():每一数据值与平均数离差平方的平均值标准差():方差的平方根,在测量数据变异度时，标准差是最普遍与最有效的工具 理由何在?,总体参数 vs.样本统计值,总体平均数,样本平均数,总体标准差,计算公式,操作-显示描述性统计,打开项目：TPO.MPJ/TPO.MTW操作路径：统计基本统计量显示描述性统计,描述性统计:500ml 变量 平均值 标准差 中位数500ml 51.63 6.36 51.50,图形分布,图形分布,对同一变量绘制多数据点图，借此我们可以描述任何程序或系统的运转状态超时工作跨产品不同的机器等等这些数据的积聚可被视为一种数值的散布可用以下形式表示:点图 直方图 箱线图,操作-点图,打开项目：TPO.MPJ/TPO.MTW操作路径：图形点图,选择简单,选择输入变量：500ml,点图,点图所提供的信息和直方图类似,操作-直方图,打开项目：TPO.MPJ/TPO.MTW操作路径：图形直方图,选择简单,选择输入变量：500ml,直方图,我们观察到大部分的TPO介于44到60之间我们数据中心点大约落在52左右,操作-箱线图,打开项目：TPO.MPJ/TPO.MTW操作路径：图形箱线图,选择简单,选择输入变量：500ml,箱线图,中位数Q2（50%）：51.5,Q1（25%）：47,Q3（75%）：54.75,“须”线,离群点,统计分布,正态分布,“正态”分布中之数据具有某种固定的特性这些特质可协助了解流程的特性大部分的自然现象及人为程序是呈现正态分布的，或是经由转换后可以正态分布的形式来表现,同样的，当我们看到事件发生集中在正态曲线的中间，就不需要去寻找除了正态、随机变异以外的原因,事件发生落在正态曲线的两端机率很小,正态曲线与机率分布,正态分布,特性 1:正态分布只需下列数据即可完整描述:平均数标准差,分配一,分配二,分配三,这三种正态分配之间有何差异?,操作：正态分布,打开项目：TPO.MPJ/TPO.MTW操作路径：图形直方图,选择：包含拟合,选择输入变量：500ml,正态分布,正态曲线、正态机率分布及相关的标准差,特性 2:在曲线下的区段面积可用来估计一特定事件发生之累积机率,4,3,2,1,0,-,1,-,2,-,3,-,4,40%,30%,20%,10%,0%,95.45%,样本值出现的机率,与平均值相距的标准差个数,99.73%,68.27%,某区间的 累积机率,操作：概率计算,输入：均 值：51.63标准差：6.36,输入：50,操作路径：计算概率分布正态,累积分布函数 正态分布，平均值=51.63 和 标准差=6.36 x P(X=x)50 0.398864,摘要回顾,介绍分配的曲线形状、中心位置、及数据散布之观念了解正态分布的意义,练习,开启档案：基本统计/特殊分布.MTW使用列“特殊”计算基本统计量（均值、标准差、中位数）制作直方图(Histogram)这其中透露了什么?,操作-显示描述性统计,打开项目：特殊分布.MTW操作路径：统计基本统计量显示描述性统计,操作-显示描述性统计,有何结论？统计量有代表性吗?,结果:特殊分布.MTW 描述性统计:特殊 变量 平均值 标准差 中位数特殊 100.00 32.38 104.20,操作-直方图,操作路径：图形直方图,操作-直方图,利用时间想想这个结论,统计过程控制（SPC）,将控制图方法和 Six Sigma 方法论连结讨论不同型式之变异讨论不同型式之控制图讨论诠释控制图,目 的,资料通常随时间而改变,几乎所有资料依时间序列而产生业绩、存货、不良率、缺席率当依照时间序列被检视时资料才变得有意义.平均数为何？变异量为何？多稳定？呈现何种 pattern 趋势、转移？,2,3,1,J F M A M J J A S O N D,2002,2003,UCL,J F M A M J J A S,LCL,不良率(%),控制图方法从何而来?,1920年代-Western Electric/Dr.Walter Shewhart用来辨识可控制及不可控制的变异 可控制的:亦称 一般原因或本有的(噪音)不可控制的:亦称特殊原因或可归因的(信号)试着由所有的噪音变数中找出流程所发出的信号控制图为一个主要工具,变异类型:“一般”vs“特殊”,一般原因(噪音),特殊原因(信号),变异类型:“一般”,一般原因(噪音)在每个流程中会出现由流程作业中所产生若要移除或降低需将流程做根本性的改变如果只有 一般原因变异存在，此流程视为稳定的、可预测的，及 受控制的,变异类型:“特殊”,特殊原因(信号)不可预测的一般而言其变异值大于一般原因变异由特定或一连串的干扰所引起可以用基本的流程监控来移除/降低如果流程表现出特殊原因变异，此流程为失控制的 及不稳定的,控制图的构成:UCL vs LCL,有多少百分比的资料应落在 UCL 和 LCL 间?如果有一资料点落在 UCL 和 LCL 外，使否意味着我们制造不良品?,资料依时间而变化,时间,我们测量之物件,标准差规则:“资料落点在哪?”,2 sigma,3 sigma,1 sigma,2 sigma,3 sigma,60-75%,90-98%,99-99.9%,%of Data Points,UCL,LCL,1 sigma,#1)将 规格界限 当作 Control Chart 的界限#2)将 UCL 及 LCL 当作规格界限来用UCL/LCL 和顾客所定义的不良品是无直接关系!,制作控制图时，两个常见的错误,UCL/LCL vs USL/LSL,UCL/LCL vs USL/LSL,Process Control Limits 由流程本身数据计算而来的其以+/-3 s 为基础(99.73%之预期流程变异会落在此Limits 中)Product Specification Limits 并非从 control chart 而来要确认流程如何达到顾客需求，流程能力分析是必须的,UCL,LCL,TIME,USL,LSL,Upper Control Limits=UCLLower Control Limits=LCL,Upper Specification Limits=USLLower Specification Limits=LSL,下列流程是否制造不良品?,UCL/LCL vs USL/LSL,UCL/LCL vs USL/LSL,下列流程是否制造不良品?,TIME,异常变异的信号,资料的转移(Shifts)资料连续不断地出现在中线的一端趋势(Trends)连续增加或减少周期(Cycles)显着的 pattern集中于中心密集的资料资料丛聚,当流程是稳定且可预测的时，这些情况不会发生,我们将使用的规则：规则1：一点落在 UCL 或 LCL 外(3-sigma limit)规则2：连续九个资料点落中心线同一侧规则3：连续六个资料点连续上升/下降,有一套标准规则帮助我们确认流程中出现之特殊原因事件当一规则被违反，我们称其为“Out of Control”,这意味着有“不寻常”的事情发生找出问题及原因!,控制图规则,操作-控制图,违反规则以找出重复出现模式是可行的吗?,操作路径：统计控制图 单值的变量控制图I-MR,特殊成因测试,这些规则可以使我们及早做出决定何时采取行动当该流程为不可预测的且显现出特殊成因变异时何时该撒手不管当该流程为稳定、可预测且仅显现出一般成因变异时,我的流程是稳定且可预测的，可是还不够好。我该怎么做？透过 Six Sigma 项目及流程改善方法论减少变异,控制图应用,两种资料类型,计量(连续)-资料为连率的(测量出来的)由实际测量其特性求得，如TPO、液位高度、酒精浓度计数(离散)-一般接由计数得到由使用 go/no-go 标准尺寸、能看到的缺点数目、错误次数、通过/失败或是/非决定等，如：漏气酒率、包装不良率等,选择适当的控制图,计量型,资料为 群组 或 个别值?,瑕疵(Defect)或 不良品(Defective)?,群组值(n 1),个别值(n=1),X-Bar RX-Bar S(n10),I-MR,缺陷数次数式,不良品率分类式,取样机率固定?,YES,C 图,U 图,样本大小固定?,NP 图,YES,P 图,计数型,资料格式?,操作：I-MR控制图,打开项目：TPO.MPJ/TPO.MTW操作路径：统计控制图 单值的变量控制图I-MR,请选择：500ml,1,2,3,I-MR控制图,单值 或 均值 可显现出流程中心的稳定性(位置),单值图,极差 或 移动极差可显现出短期变异的稳定性(散布),极差图,超出界限的点是一种异常事件发生的信号,异常变异的信号？,检查该点,操作-Xbar-R控制图,打开项目：麦汁浓度.MPJ操作路径：统计控制图子组的变量控制图Xbar-R,品管部PQA每3小时监测麦汁浓度，每次取样3笔，得到30组数据请问麦汁浓度稳定吗？,操作-Xbar-R控制图,选择：子组的观测值位于多列的同一行中,1,3,Xbar-R选项检验,2,选择你的Y,Xbar-R控制图,选择适当的控制图,计量型,资料为 群组 或 个别值?,瑕疵(Defect)或 不良品(Defective)?,群组值(n 1),个别值(n=1),X-Bar RX-Bar S(n10),I-MR,缺陷数次数式,不良品率分类式,取样机率固定?,YES,C 图,U 图,样本大小固定?,NP 图,YES,P 图,计数型,资料格式?,操作：P图,打开项目：漏气酒比率.MPJ操作路径：统计控制图属性控制图P,操作：P图,选择你的变量：漏气酒数量,子组大小：日包装量,1,2,3,P控制图选项检验,4,检验勾选前3项,右键选择笔刷,选择异常点，并回到数据表进行删除,P图,P图,摘要回顾,将控制图方法和 Six Sigma 方法论连结讨论不同型式之变异讨论不同型式之控制图讨论诠释控制图,过程能力分析(Capability),目的,“传统”流程的过程能力指标计数与计量过程能力分析短期及长期流程的过程能力,如果您要使用过程能力分析来预测未来的流程品质水准，流程需要是稳定且可预测的。如果不符上述条件，过程能力分析就无法预测未来的品质水准。过程能力用作诊断工具。如果您只想要用为诊断工具，那么上述的条件就没有那么严苛。,研究前提,表达顾客声音的其中一种方式是以绩效界限来定义什么为“可接受的”,定义：顾客声音,能力,=,VOC,VOP,数据种类,属性（计数）/离散数据,计量数据/连续数据,分类好/坏（不良率）漏气酒比率乙醛合格率贴标合格率机器1，机器2，机器3.工作班次,数据的两种特性：连续性，离散性,连续数据TPO灌装液位高度糖化粮耗成品苦味值满罐酵母数,过程能力方法论,计量,计数,决定过程能力DPU,DPPMCp,Cpk,Pp,Ppk,决定过程能力DPU,DPPM,你有何种资料?,过程能力分析计数资料,不良品率/缺陷率,计算单位缺陷率(DPU):,计算每百万机会的缺陷数(DPMO):,DPPM=DPU X 1,000,000,操作：P图,打开项目：漏气酒比率.MPJ操作路径：统计控制图属性控制图P,操作：P图,选择你的变量,子组大小：日包装量,1,2,3,P控制图选项检验,4,检验勾选前3项,右键选择笔刷,选择异常点，并回到数据表进行删除,P图,P图,操作-能力分析二项,Binomial 不良率百分比Poisson 不良品之计数,打开项目：漏气酒比率.MPJ操作路径：统计质量工具能力分析二项,操作-能力分析二项,点击右键选择笔刷,你的判断是什么？决定下一步行动。,能力分析二项,能力分析二项,过程能力分析计量资料,过程能力指标:Cp 和 Pp,Cp(过程能力)和 Pp(过程绩效的值)是由此得来的,顾客声音,流程声音,能力,=,VOC,VOP,现在我们只考虑“一半”的规格范围(意指离最近的规格)。此提供我们中心敏感度的比值。,Cpk 和 Ppk,Cpk 和 Ppk 是来自下列算式,平均值到最近的 规格界限的距离,流程一半的宽度,短期 vs 长期过程能力,VALUE,USL,LSL,#1,#2,#3,#4,#5,短期,长期,过程能力指数评价标准,本表为一般通则,因产业品质水准进步对此标准亦有所变更,过程能力指数的种类,即时流程能力极短时期内的流程能力 它描述短时间内流程所可能的的最好的实绩 它应该是流程极限目标的近似估计 可由短期或长期研究的“最好的操作”来估计 短期流程能力基于30-50数据点的流程能力研究 一般等于或大于长期流程能力 长期流程能力:基于大量数据点的流程能力研究 实际流程的流程能力最好的估计 可用这个数据作出诊断,情景：问题描述,工艺员每隔3小时抽检 1#激泡泵流出的600ml啤酒的液位高度，每次抽取3瓶（子组数为3），共抽取了50组。规格下限LSL：203mm 规格上线USL：226mm,请问：1#激泡泵对600ml啤酒的液位高度的影响稳定吗？,操作-能力分析,打开项目：液位高度.MPJ/激泡泵液位高度稳定性.MTW操作路径：统计质量工具能力分析正态,下限：203上限：226,我们的流程能力如何?,能力分析,操作-Capability Sixpack,打开项目：液位高度.MPJ/激泡泵液位高度稳定性.MTW操作路径：统计质量工具Capability Sixpack正态,操作-Capability Sixpack,子组跨数列：选择位置1、位置2、位置3,1,规格下限：203规格上限：226,2,3,检验勾选前3项,4,点击检验,1,数据是否有代表性？,数据分群，采集后段最近的数据进行分析,决策,Capability Sixpack,1,数据是否有代表性？,正态性,2,过程能力指标,3,你要采取什么对策？,决策,Capability Sixpack,单取第22笔及以后的数据进行分析,总结：过程能力分析步骤,1.依您认为“最佳”之流程设定，并记录主要流程输入变数值(KPIVs)2.操作流程一段时间，以尽可能移除外部的变异目标为收集约 30 个时间点之资料3.要求小组组员仔细观察并纪录流程4.测量及记录主要流程输出变数值(KPOV)5.执行 Capability Six-pack 并检阅:6.诊断 Mean 之偏移或变异改变7.依诊断结果决定改善计划,练习,练习：团队活动,某铸造厂有4条生产线为压缩机生产企业铸造曲轴毛坯。其中的主轴长度要求的规格范围如下：上规格限USL=100mm 下规格限LSL=40mm,打开项目：过程能力分析/过程能力分析.MPJ分析：流程1；流程2：流程3；流程4对每个流程决定其资料是否适合用来预测或仅能用来诊断对每个流程，如果需要改善，请决定改善的策略,请准备报告,流程1 工作表,流程2 工作表,流程3 工作表,流程4 工作表,附录短期/长期过程能力,短期 vs 长期过程能力,VALUE,USL,LSL,#1,#2,#3,#4,#5,短期,长期,Cpk 和 Ppk,标准差由个别 sigma 值计算而来(方法一)，然后由公式得到 Ppk,如果使用平均移动距离(Average Moving Range)来计算标准差(方法二)或 使用标准差加总的平均值(方法三)，就能得到 Cpk,此为“总平方和”方法 亦称为“个别 sigma 值”，因为其使用来计算的值，因为包含平移和飘移的资料，为长期的估计值,您使用 Minitab 计算标准差时，就是用这个公式得到结果,计算标准差:方法一(长期的估计值),使用移动距离(moving range)方法来估计标准差 当资料为个别值时使用，为短期的估计值,估计标准差:方法二(短期的估计值),此方法使用 I-mR Process Behavior Chart,使用所有子群组标准差的平均值方法来估计标准差 当以子群组收集资料时使用，为短期的估计值,估计标准差:方法三(短期的估计值),此为使用X-bar R Process Behavior Chart 时的预设算式,S=,Sbar/C4,Sbar 为每个子群组的平均标准差,长期估计 vs.短期估计,两种估计值能提供我们重要的讯息如果两者估计值相符，表示不用考虑平移或飘移的问题如果不相符，资料平移和飘移的问题为显着的。个别的 Sigma 值通常会大于短期估计值短期估计值提供我们当平移和飘移的议题宜除时，标准差的值如果长期估计值大于断其估计值，表示流程不稳定且不具可预测性,计量-MSA测量系统分析,目的,介绍测量系统分析定义基本测量专有名词略述执行测量系统分析的步骤练习实务方法,测量程序,理想的测量系统需要每次产生真正的测量结果 测量系统的质量是以统计特质来描述其特征 测量程序应该包含：设计与验证持续的能力评估控制修正与再验证特质必须在统计控制中相对于产品规格，其变异性必须要小相对于流程变异，其变异性必须要小分辨率(Discrimination)的单位应该精细至产品规格或流程变异的十分之一,测量误差的影响,平均数,变异量,准确性(Accuracy),精确性(Precision),total,product,measurement,测量变异,总变异等于实际产品变异加上测量系统所造成的变异,测量系统的构成要素,测量工具：硬件软件使用这些工具的所有步骤：选择测量员取样技术设定并执行各步骤脱机计算及数据输入校准频率及技术,测量变异的来源,专业用词,分辨率(Discrimination)与“准确性-Accuracy”相关用词真正值偏移 与“精确性-Precision”相关用词重复性再现性线性稳定性(Stability),分辨率,系统所能测量出的小数字数。测量系统单位应为产品规格或流程变异计算单位的10分之1,分辨率良好,分辨率不足,准确性(Accuracy),准确性 测量值的平均值是否从真正值偏移?真正值(True Value)理论上正确的数值国家标准局标准偏移测量平均值与真正值的离差测量工具持续地远离目标值的大小系统性误差或偏移量(offset),准确性(Accuracy),测量工具准确性是指观察测量所得平均值 与 专家测量值或“真正值”的差该MasterValue 是一种可接受的、可追踪的参考标准(例如：国家标准局),专家测量值真正值,偏移,平均测量值有一固定的差异 偏移效应包括：操作者偏移 不同的操作者即使测量同一对象，平均值也会造成可察觉的不同 仪器偏移 不同的仪器即使测量同一对象，平均值也会造成可察觉的不同,专家测量值真正值,线性,仪器测量能力范围内，Accuracy（准确性）或Precision（精确性）值的差异,准确性,测量工具1:线性相等在此是个问题,测量单位,0,准确性,测量工具2:线性相等于此不是问题,0,测量单位,精确性(Precision),测量系统的总变异 测量重复值的自然变异名词：随机误差(Random Error)，散布(Spread)，测量/再测量误差(Test/Retest error)重复性与再现性,精确性：重复性,测量系统本有的变异量 在绝对不变的情形下，对相同变量重复测量所产生的变异相同操作者相同设定相同零件相同环境条件短期性变异由重复值的合并标准差估计所得重复性应是比系统的总变异要小,精确性：再现性,在不同状况下进行测量所得之变异不同作业员不同设定不同测试零件不同环境条件状态长期性变异从不同测量状况所得测量值平均数的标准偏差估计所得,测量能力指标-P/T（%公差）,精确度/公差比率描述多少公差百分比是被测量误差所占用最佳情形：10%;可接受 30%,通常以百分比表示,注意:6标准偏差代表99.73%的MS变异，6标准偏差为工业标准,P/T(%公差)的应用,P/T比率(Minitab 中的%公差)是对测量系统精确度最常用的估计工具 此方法可被应用于评估测量系统对于规格的性能表现然而，规格可能会太宽松或太严苛 一般来说，当测量系统纯粹被用来分类生产样本时，P/T比率是一个良好的估计工具 但是，若流程能力(Cpk)不适当时，P/T比率可能带给你错误的保证,测量能力指标-%量具R&R,描述多少总变异百分比是由测量误差造成的同时包含了重复性与再现性作业员 x单位数 x实验次数最佳情形：10%;可接受 30%,通常以百分比表示,备注：%R&R即：(%研究变异)是较好的测量指标,%R&R 的应用,对项目负责人而言，%R&R(%研究变异)是较好的测量指标对整体流程变异而言，此指标可应用于评估测量系统的表现%R&R是进行流程改善时的较佳指标,当使用样本来表达完整又具代表性的流程变异时，务必小心,GR&R指标(Metrics)-附加指标,10%,2%,10,30%,30%,5,7%,%公差（P/T）,方差分量贡献比（方差比）,可区分的类别数（分类指数）,%研究变异（%R&R）,Red,Yellow,Green,10%,%R&R 分布在统计上较“%研究变异”更加正确后者以标准偏差为基础，再此并不精确您若依循该图表则没问题不论使用何种指标,%R&R实验设计,样本大小的问题,作业员数若流程使用多位作业员，则随机选择2-4个若流程使用单一或没有作业员，分析时则可忽略作业员之影响(即忽略再现性之影响)样本数选择足够之样本使得(Samples：样本数)X(Operators：作业员数)15，测试次数2若不可行，选择测试的次数使得：若SxO15，测试次数=3若SxO8，测试次数=3-4若 S x O 5，测试次数=4-5若SxO4，测试次数=6-8,样本选择,样本应从散布于流程正常变异中取得范例：若生产一平均厚度 9.00”及变异数0.010”的材料，则样本厚度范围应为8.97”9.03”(99%range)注意！若使用同一流程生产不同厚度的材料，将它们分组并执行R&R分析范例：一流程生产8.00”、9.50”及 10.50”的材料且Tolerance为+/-0.50”。所有数值皆由同一系统测量所得。对每一厚度的材料各执行分析若将上述样本混在一起，则 GR&R 值会变小,执行 R&R分析的步骤,校准测量工具，或确认其已被校准令作业员1依随机顺序测量样本 令作业员2依随机顺序测量样本 重复步骤直到所有作业员都测量过所有样本，以上为试验一重复步骤二至四直到得到足够的试验数在Minitab中分析数据并决定R&R分析之统计数值重复性(Repeatability)再现性(Reproducibility)上述之标准偏差%R&R%公差分析结果并决定接续行动,GR&R范例,Minitab范例,打开项目：计量MSA.MPJ针对数据执行实际实验看看 info窗口操作员数为何？样本数或零件数为何？试验数或实验复制次数为何？总共执行多少次实验？该量测对象为塑料铸件之直径,操作-量具研究,操作路径：统计质量工具量具研究量具R&R研究(交叉),操作-量具研究,基本信息,选项规格公差=0.5,包含交互作用的双因子方差分析表,我们将在第二周学过ANOVA之后加以讨论,量具 R&R(表首),这些数据很有用,贡献比例树形图,使用该树形图以了解变异来源的差别,这接信息有助于了解问题所在,量具 R&R(表末),我们将进一步分析这些数据,可接受的量测系统最小值为 4,MSA诊断法:解读各图表,Minitab范例：各图表,变异的组成,R 控制图,Xbar 控制图,依零件别,依操作员别,操作员与零件交互作用,变异的组成ComponentsofVariation,应期待零件间(Part to Part)较大Gage R&R较小,使用本图表以了解实际数据,R控制图,所有点都应落在管制界限内若所有点超出管制界限，则该方法是可疑的若有一名操作员超出管制界限，则该名操作员的方法是可疑的若所有 R值=0，则该鉴别力是可疑的,操作员,Xbar 控制图,所有点都应超出管制界限界限来自于重复性重复性应该是正常的，ie太低，因此缩窄界限