韩国顾问公司的6sigma教程-品质变动和工程能力.ppt

1,4.品质变动和工程能力,2,品质变动的原因,虽然4M相同，但是产品的特性值没有相同的。任何一个工程都包含很多变动原因，所以存在散布。生产产品之间的差异也许会很大，也许会小到无法测定。,不是只局限于以上制造工程，以下情况也很适用。,*人们作业的阶段*使用设备的信赖性*在办公室作业的情况 等,能影响轴直径的例子*Machine-Clearance/Bearing Wear*Tool-Strength/Rate of Wear*Material-Diameter/Hardness*Operator-Part Feed/Accuracy of Centering*Maintenance-Lubrication/Replacement of Parts*Environment-Temp/Consistency of Power etc,.,3,品质变动攻略,大家的组织属于哪里？需要用什么工具？,我们应把重点放在哪里去努力好呢？,1-2,3,4,5,6,DFM(制造型设计)DFSS,6 许容差的设计某 实验,试验计划法,Process Map,分析测定系统FMEA,研究能力,帕累托,特性要因图,头脑风暴SPC表格,一般常识部分知识,工具,工具,工具,工具,4,虽然很聚集，但是正确度很差.脱离平均值.工程变化少.通过移动平均值容易改善.,正确但是不聚集.分散大.工程变化大.有很多管理Factor.,改善 FOCUS?,品质变动的本质,5,品质变动的分解,SSB,SST,SSW,总变动,群间变动,群内变动,作为拥有所有data的散步,各data和总平均之间的差进行2次方得出,作为Lot之间的散步显示相互之间的分散程度,Lot内的散步也可称作误差变动.意味着每个data离lot的平均值相离多少.,X,X,X,_,_,=,(X-X)=n(X-X)+(X-X),_,_,=,2,2,2,j=1,i=1,j=1,j=1,i=1,=,v,n,v,v,n,6,散布的根源 偶然原因,散布有两种形态 偶然原因(Common Cause)和异常原因(Special Cause)如果从总体(或者工程)获得的测定值或者观测值已稳定及能预测向后的样子的话,说明总体(工程)在管理状态里.散布的根源隐藏在system里,是一般的偶然因素组成.散步的偶然要因是自然的、可以预测的、经常存在的.存在的差异,设备之间存在的正常散布是偶然要因中的例子.,根据偶然因素,存在稳定管理状态的可预测的偶然因素,存在无法预想的变化!,7,散布的根源 特殊原因,如果从总体(或者工程)的data不稳定,而且形成无法预测向后的分布时,总体(或者工程)视为“管理 脱离”.分布变化的原因是由于system的不自然而产生散步的根源.这时散步的根源叫做异常原因(Special Cause).,根据特殊原因的散布,重大变化脱离不稳定管理存在无法预测的特殊原因,存在无法预想的变化!,散布一般在测定或者观测Process(工程)Output的时候被发现。偶然原因和异常原因的根源是Process(工程)的 Input Variable。,8,散布的根源 异常原因的影响,异常原因的影响,9,对品质变动原因的性质,偶然原因(Chance Cause),异常原因(Assignable Cause),现象,所有数据表现为类似情况,有些数据出现与平时不一样的情况,构成,因大多数小原因导致的不得已的散布,因少数主要原因导致的可以避免的散布,性质,认定性,规则性可能预测 工程的允许范围内自然发生,因散发不规则导致预测不可能 变则,全体散布的占有率,85%左右,15%左右,改善活动,因偶然原因导致的散布减少 系统化措施,去除 及 扩张 现场措施,担当,能量,现场责任人及工作地,品质特性值,管理上限,管理下限,时间,偶然原因,异常原因,10,品质变动的措施,*参考 1)Deming博士的工程变动原因分析-by“Out of the Crisis”,异常变动(约6%),*参考 2)AIAG(Automotive lndustry Action Group)分析,偶然变动(约94%),去除异常原因活动 主要是因为工程有关的人为因素而发生 一般占工程问题的 15%左右,现场措施,去除偶然原因活动 要求大部分管理措施 一般占工程问题的 85%左右,系统措施,11,查明品质变动的原因步骤(Boing),重要品质特性,计测器,关联工程,工程变数,决定变数,长 尺寸 硬度 等,稳定性 正确性 反复性 再现性,施工 热处理 粉碎 粘合 等,速度 移送 温度 轮子大小 干燥时间,5000RPM 8/min 450C 4500.05m/n 1.Hr,主要特性的变动由工程管理 第一个课题是测定系统的变动工程结果由原因(入力)变数管理原因(入力)变数要设定成品质极大化并可以在制造环境持续管理,12,关于品质变动原因的改善措施,偶 然 原 因,异 常 原 因,-偶然 原因(Chance Cause)-晩成原因-可避原因*普通原因(Common Cause),-異常 原因(Assignable Cause)-偶發 原因-可避 原因-特别 原因(Special Cause),-跟平常意义相同的,-跟平常意义不同的,在生产条件严格管理的状态下，发生的一定程度的不可避免的变动 作业者的熟练度差异 作业环境差异 不可识别的原辅材料 及 生产设备等一般特性差异无法解决的困难原因,-主要 作业者疏忽 使用不良资材 说出生产设备的异常，这些原因不是 慢性存在的，散发性发生而引起变动的原因,*普通经营管理者的责任*关于System的措施很有必要 7580%，根据System的经营措施解决*2520%，可以由现场人员局部解决,*现场作业者的责任*用统计技法展开虽然经营管理者站在很好修正的位置，但是异常原因的发现和解决还是现场人员更合适,13,从data的模式中区分哪个散布是从异常要因或者偶然要因中发生的.,品质变动原因的改善措施,减少散布的核心?,统计技法用于区分偶然原因跟异常原因。,如何区分?,改善接近方法有三种.-去除无指望的异常要因,-要现身体现有指望的异常要因,-要减少异常要因的散布.,异常原因的存在说明改善的机会很多。对异常原因的改善活动要优先。,14,工程能力(Process Capability)？,工程能力 分析-使用相关统计方法是为了测定生产工程的品质变动程度，然后跟规格相比较从而 减少变动的幅度.工程能力(Process Capability)-反映生产工程生产多少均一的产品的 工程的固有能力-作为尺度,一般使用6(-3 3).(99.73%)工程能力指数(Process Capability Index)-工程在稳定状态时,是否能生产优质产品的评价尺度-Cp,Cpk,工程处于稳定状态时 是否能生产优质产品的评价尺度,15,能力评价的必要性,能系数化Project的问题本质水准:计量型 data:Y(工程或者执行出力变数)的规格对吗?Y 的中心在规格内吗?Y 的工程变动比规格允许的大吗?计数型 data:测定system会不会对实际工程能力的评价有影响?允许可能缺点,内外在缺点及未发现的缺点比率是什么?能力评价能预测对公司的产品和service的实际品质水准.通过能力评价能推定产品或者工程的sigma水准.,16,规格鉴定,计算z值,PPM,Cp,Cpk,Pp,Ppk推定,收集Sampl,评价计量数据能力:阶段#1:鉴定规格阶段#2:收集短期或者长期的数据Sample 阶段#3:计算z的值阶段#4:如果必要的话移动1.5s z值 阶段#5:把z值转换成传统的品质指数PPM,或者Cp,Cpk,Pp,Ppk,计量数据能力评价步骤,17,阶段#1:检验规格这课题看似很细小,但是在这过程中经常遗漏.对规格的定义重要吗?为了产品或者评价工程执行特征,要清楚地认识“真实”规格,继续.,检验规格,z 分数计算,PPM推定,Cp,Cpk,Pp,Ppk推定,收集样品,阶段#1:检验规格,规格,18,怎样决定“真实”的规格?设计图?(根据什么制定设计图的规格?)工程?(是好想法?)顾客?(能否问顾客?)例:注入液体到瓶子的一个公司想评价往可乐瓶里注入特定量液体的能力.每瓶的注入量是101+/-3 ml.这个基准是根据顾客确定的.大家所关心的执行特征(Y)是什么?规格是多少?公差是多少?,规格验证,Z值计算,PPM推定,Cp,Cpk,Pp,P推定,样品收集,阶段#1:检验规格,19,长期观察data话会发现工程平均一般移动1.5s.长期的data说明这样的移动.,规格下限,规格上限,SS 间,短期SS 内,期间2,期间3,期间4,期间 1,期间5,时间,实行特征,长期SS 合计,1.5s,1.5s,阶段#2:收集 Sample,20,阶段#2:收集长期或者短期的data样品短期date:未包含异常原因显示偶然原因的影响通过小的推论空间收集通过一日作业的交替时间用一个机器一名作业者为对象使用属于一个lot的原材料构成零件,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,21,阶段#2:收集短期或者长期数据Sample长期数据:不仅是偶然原因，也可以表现出异常原因的影响根据广泛推论空间收集-根据大多数作业倒班时间-使用大多数机器以大多数作业者为对象使用属于大多数Lot中得原辅材料等,继续.,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,22,提问:哪种类型的data(长期或者短期)通过长期时间，显示出货给顾客的产品品质?,例:现在能收集到的Sample只有从储存在仓库里的资材开始。仓库里的瓶子是从1日到一个月内进入到仓库的.收集哪种种类的data?随即抽取100个瓶子后测定每个瓶注入量.(file名:Cola.mtw)收集哪种类型的data?,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,23,阶段#3:计算 z值(使用z-变换)“变换”(样品的平均和sigma已确定时)把平均=0,sigma=1的正态分布转换成标准正态分布.测定单位毫米,英寸,英尺,Psi(压力单位),伏特,等 中不管使用哪种单位,总是平均=0,标准偏差=1的变换的分布.使用z-变换的话所有的分布都能变换成标准正态分布.点数 z(或者 z值)是特定号 x 偏离样本平均的程度用标准偏差来显示.,继续.,阶段#3:Z值 计算,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,24,这data是长期data还是短期data?,变数N平均 中间值 截尾均值 标准偏差 标准误差平均量100 102.17 102.26 102.18 1.77 0.18,阶段#3:计算z值(使用z-变换)首先,需要对m和s的测定 Stat Basic Statistics Display Descriptive Statistics,(,),(,),z,x,x,x,s,=,-,=,-,m,s,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,25,阶段#3:计算 z值(使用z-变换)在Minitab 制作z值columnCalc Calculator等式:(量-102.17)/1.77然后,制作原分数分布和 标准分数分布的直方图,(,),s,x,x,Z,individual,-,=,(个别),鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,26,阶段#3:计算 z值(使用z-变换)请不要忘记实际问题:为了把握规格以外的产品比率，需要规格上限(USL)和规格下限(LSL)有关z值.统计性问题:用z的值，推定在规格上限跟规格下限之外的正规曲线的比率。,Z值,2,1,0,-,1,-,2,-,3,1,5,1,0,5,0,次数,标准分数分布,Z规格上限?,Z规格下限?,请计算对于规格界限的Z值,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,27,2.356,-,=,1.77,102.17,-,98,=,),x,-,(LSL,=,Z,LSL,S,1.034,=,1.77,17,.,102,104,=,),x,-,(USL,=,Z,USL,-,S,Pr(Amount 104)+Pr(Amount 98)=Pr,(Z 1.034)+Pr(Z-2.356),=0.1506+0.0092,15.06%+0.92%,15.98%,规格外产品比率,规格外产品比率的推定如以下.,规格上限上面比率,规格下限 下面比率,1,5,1,0,5,0,频度数,标准分数分布,Z,规格上限=104,2,1,0,-1,-2,-3,z,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,28,在哪求这些概率?方法 1:查看正态table的值(Z_Table.xls 参照).,Z-值,0.00,0.01,0.02,0.03,0.04,0.05,0.06,0.9,0.18406,0.18141,0.17879,0.17619,0.17361,0.17106,0.16853,1.0,0.15866,0.15625,0.15386,0.15151,0.14917,0.14686,0.14457,1.1,0.13567,0.13350,0.13136,0.12924,0.12714,0.12507,0.12302,2.2,0.01390,0.01355,0.01321,0.01287,0.01255,0.01222,0.01191,2.3,0.01072,0.01044,0.01017,0.00990,0.00964,0.00939,0.00914,2.4,0.00820,0.00798,0.00776,0.00755,0.00734,0.00714,0.00695,Z,参照:在这儿提示的table提供有半部分的可能性,提问:-2.356 能不能代替 2.356?为什么呢?为什么不行?,ZUSL,ZLSL,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,29,提问:跟ZUSL的右半部分的概率有什么关联性?,在哪求这些概率?方法 2:使用Excel的统计魔法师(Paste 技能).,Z,ZUSL,概率(Z 1.034)=0.8494,ZLSL,概率(Z-2.356)=0.0092,参照:Excel的魔法师技能(z+或者z-)是显示左半部分的概率.,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,30,概率(Z-2.356)=0.0092,在哪求这些概率?方法 3:使用 Minitab的概率分布函数.,累计分布函数平均=0 标准偏差=1.00的 正太分布 x P(X=x)1.0340 0.8494,累计分布函数平均=0 标准偏差=1.00的 正太分布 x P(X=x)-2.3560 0.0092,提问:Minitab是 提供右半部分的分布?左半部分的分布?,或者?,Z,ZUSL,ZLSL,概率(Z 1.034)=0.8494,Z,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,31,计算长期 Z:假设所有的缺陷在同一个部分,从而求出在Z值最糟糕时相应的 长期推定值.这是从缺陷的总比率里逆计算综合性z值得出的.请详记以下信息:(Z?)=0.1598选定方法找一个z-table Excel 函数 魔法师Minitab 概率分布函数提示:求对已知累积概率的z值.答:Z LT=0.9952,Pr(Amount 104)+Pr(Amount 1.034)+Pr(Z-2.356)=0.1506+0.0092 15.06%+0.92%15.98%,规格外的产品比率,Z=?,最坏的情况:一个部分的比率=15.98%,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,32,对量的每个变数的能力评价阶段#1:鉴定规格阶段#2:收集短期或者长期数据Sample阶段#3:计算z值阶段#4:必要的时候移动z值1.5s 想知道的是什么?给顾客送什么(长期能力)?短期能力?产品特征的Sigma水准?赋予工程资格(中心化的短期能力)?阶段#5:将z值转换成传统品质指数 PPM,或者Cp,Cpk,Pp,Ppk,阶段#4:计算短期能力,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,33,ZLT=ZST-1.5,Sigma,水准,短期,DPMO,长期,DPMO,1,158655.3,691462.5,2,22750.1,308537.5,3,1350.0,66807.2,4,31.7,6209.7,5,0.3,232.7,6,0.0,3.4,34,阶段#4:必要时z值移动1.5 s 想知道的是什么?送什么给顾客(长期能力)?ZLT=0.9952 短期能力?ZST=0.9952+1.5=2.4952产品特征的sigma水准?和ZST 同一赋予工程资格(中心化的短期能力)?下面会有介绍.,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,35,评价对量的每个变数的能力:阶段#1:检验规格阶段#2:收集短期或者长期的样品阶段#3:计算z值阶段#4:必要时z值移动1.5 s 阶段#5:把z值装换成传统的品质指数想知道的是什么?PPM,orCp,Cpk,Pp,Ppk把ZLT转换成PPM是很容易,笔记:概率(Z 0.9952)=0.1598规格外的 PPM=0.1598*1,000,000=159,899 PPM(长期)Cp,Cpk,Pp,Ppk推定?),阶段#5:转换成传统的品质指数,鉴定规格,计算Z值,推定PPM,推定Cp,Cpk,Pp,Pp,收集Sampl,36,提问:“3”被去除的话 Cpk和Ppk 等式会怎样?Cpk,Ppk,ZST和 ZLT 之间的关系是什么?,Cp,Cpk,Pp,Ppk 推定,规格下限,工程 宽度,设计 宽度,规格上限,T,+3s,-3s,term,short,p,s,LSL,USL,C,-,-,=,*,6,term,short,USL,pk,s,X,USL,C,-,-,=,*,3,),(,),(,term,short,LSL,pk,s,LSL,X,C,-,-,=,*,3,),(,),(,),(,min,),(,),(,LSL,pk,USL,pk,pk,C,C,C,=,term,long,USL,pk,s,X,USL,P,-,-,=,*,3,),(,),(,term,long,p,s,LSL,USL,P,-,-,=,*,6,term,long,LSL,pk,s,LSL,X,P,-,-,=,*,3,),(,),(,),(,min,),(,),(,LSL,pk,USL,pk,pk,P,P,P,=,37,可乐的 例子:详记:100个作为样本的瓶子显示长期的data.所以所有详记能力指数可以以下办法求出:参照:为了测定Cp和 Cpk的正确值,需要对ZST 的正确推定值.这是现在无法知道.我们可以根据经验,假设ZST=3(Cpk).详记:ZST=2.4952 则 Cpk=ZST/3=0.8317,77,.,1,17,.,102,104,(OR),*,3,),(,-,=,=,USL,usl,pk,USL,Z,P,Z,345,.,0,77,.,1,*,3,17,.,102,104,*,3,),(,=,-,=,-,=,-,term,long,pk,s,X,USL,P,565,.,0,77,.,1,*,6,98,104,*,6,=,-,=,-,=,-,term,long,p,s,LSL,USL,P,详记:ZLT=0.9952,38,提问:收集短期data样本后用minitab进行能力分析的情况下哪种统计显示工程的短期能力?,参照:Minitab一向将各位的数据假设成长期数据,Cp,Cpk,Pp,Ppk(Minitab 使用),练习题 1:使用Minitab，进行长期分析提示:低位 group=5(或者“样品”column),推定 Sigma=Pooled Standard Deviation,39,数缺陷,计算Z值,计算PPM,转换Cpk和 Ppk,对系数data的工程能力,阶段#1:对缺陷的定义/验证技术阶段#2:了解缺点发生次数,推测通过工程的所有单位.一般情况下,典型使用视为长期data的经历data.阶段#3:缺点比率和百万个中不良品数(PPM)计算.阶段#4:计算z-，短期能力加上1.5s.阶段#5:推定传统能力指数.把Z换成 Cp,Cpk,Pp,Ppk,40,练习题:使用以下的帕累托图,计算(Intrepid)产品无缺陷出库的能力:阶段#1:对缺陷的定义/说明进行检验(通过这周后半部分要学到的R&R研究,假设这已 完成).阶段#2:(弄清缺陷次数,推测所有工程单位).一般情况下,典型的使用视为长期data的历史性data.intrepid 缺陷数:4000intrepid 机会数:1 per unit生产的intrepid总单位:35000阶段#3:计算缺陷比率和PPM缺陷比率=0.1143PPM=0.1143*1,000,000=114,300 PPM,对系数data的工程能力阶段#1-3,z,PPM,Cpk Ppk,41,对系数data的工程能力阶段#4-5,阶段#4:计算z值,必要时移动1.5s.缺陷比率在11.43%的情况下 ZLT=1.204 Minitab的概率函数,通过参照excel函数和z-table能检验 这些吗?还有 ZST=1.5+ZLT=1.204+1.5=2.704阶段#5:推定出传统能力指数.把Z换成 Cpk&PpkCpk=ZST/3=0.9013Ppk=ZLT/3=0.4013,z,PPM,Cpk Ppk,42,请分析以下问题。道具：计算产品Sigma水准背景:在焊接工厂,为了提高收率,实施了6sigma改善project活动.首先,工厂把这个任务交给了两名黑带人员.有必要给两名黑带人员project选定t的方法实际问题:根据对工程的了解和有关费用的信息,找出了不良费用高的四个产品.实际提问:根据以下长期产品/工程的信息,给新黑带候选人的project中,成为重点事项的两个产品是哪一个?根据产品Sigma水准的实用性的答案:,练习题 1,43,练习题 2,分析以下“TO:亲爱的 Abby”的故事./道具:z-点数 计算和解析背景:To：亲爱的 Abby:在你的专栏里,你说女性怀孕期是266天.是谁这样说的呢?我怀孕我孩子时,孕期是十个月零五天.这是事实.因为,我明确知道孕期.由于我丈夫是海军,所以其它时间我不可能怀孕.婴儿出生前,我只见过他一次,也只是一个多小时.之前我未喝酒,也没有跟其他男人接触.所以这孩子肯定是我丈夫的.所以希望写专栏时怀孕期间定为266日.要不然我会遭遇很多问题-san diego 读者Abby的回答:To 亲爱的读者们:平均怀孕期是255天.会有早出生的婴儿或者晚出生的.你的情况可能是后者.-Abby实用的提问:这儿的问题不是婴儿晚出生.这是已知道的事实.所关心的是迟延期间的可靠性.10个月和5日几乎是310天.换句话说,怀孕期间跟正常比超过了.这个数值能不能跟已知道的怀孕期共存.(在这种情况下我们会采取女性意见),要不然由于偏差太大,圣迭戈(san diego)读者会不会没说真话来下定结论?统计的目的:可以证明怀孕期间可能比10个月5天更长.用统计法观察的data:观察的怀孕期间，x是310日.根据医院的资料,所有怀孕期间的平均分布是266天;真正的标准偏差(s)是16日实用的答案:,44,引用下一张的数据解决以下课题。三个数据库中选择两个，计算以下事项，掌握各计量数据的能力：1.假定短期数据已收集，推定“Xbar”和“S”。推定短期缺点水准推断长期缺点水准Z阶段,Z长期,计算出Cpk和 Ppk2.假定已收集长期数据来反复练习题下位 group 大小=5 请使用Minitab鉴定各自的情况Stat Quality Tools Capability Analysis请出示结果,练习 3,45,46,技术向上？管理改善？,工程管理水准,1 2 3 4 5 6,Poor,Good,Poor,Good,Zst,技术水准,甲,乙,丙,现水准,Zshift,4 Block Diagram,2.52.01.51.00.5,甲 工程管理状态不良，技术水准低 乙 有必要工程管理改善，技术水准优秀 丙 工程管理状态优秀,技术水准低 丁 世界最上级水准,工程的改善方向是通过 4 Block Diagram决定技术和工程管理的最佳方向。,改善方向,工程管理改善?技术水准改善?方向决定,丁,向着World Best Company的路,47,Cpk和 推定不良率,单位:PPM,Cpk,推定不良率(一方),推定不良率(一方),推定不良率(一方),推定不良率(一方),(一方),推定不良率(一方),Cpk,Cpk,Cpk,Cpk,Cpk,48,1.5 考虑自然变动的推定不良率,管理,推定不良率(ppm),管理,管理,管理,管理,管理,推定不良率(ppm),推定不良率(ppm),推定不良率(ppm),推定不良率(ppm),推定不良率(ppm),