西格玛教材40-11Unit-3测量34统计过程控制S.ppt

《西格玛教材40-11Unit-3测量34统计过程控制S.ppt》由会员分享，可在线阅读，更多相关《西格玛教材40-11Unit-3测量34统计过程控制S.ppt（66页珍藏版）》请在三一办公上搜索。

1、测量(Measure)阶段,SPC 概要(Statistical Process Control),Define,Measure,Analyze,Improve,Control,Step 4-Project Ys 确认,Step 5-现水准测量及改善目标确定,Step 6-潜在原因变数(xs)发觉,基本统计 统计过程控制 测量系统分析 流程能力研究,流程改善方法论-DMAIC,SPC的概要 SPC的必要性 Data 收集及分析方法 Data的GRAPH化 Data种类别管理图制作 SPC 使用例子 管理图使用方法 Sub grouping 计数型管理图 6 的因果关系,目录,SPC的历史-19

2、24年 Bell 研究所 W.A.Shewhart创始.-为了把握可管理的变动和不可管理的变动而使用.常规原因(Chance Cause,Common Cause).特殊原因(Assignable Cause,Special Cause).-在所有噪音存在下找流程的异常信号.-主要的工具使用管理图(Control Chart).-今天的 SPC 的意义Statistical=为了调查流程变动使用的统计方法.Process=流程,意味着所有的流程.Control=通过积极的管理，管理流程.,.,SPC的概要,常规原因(噪音)存在于所有工程.(工程在管理状态下)根据工程本身(我们做事的方法)发生.

3、排除也可以减少为此要求工程上的根本性变化.异常原因(信号)大部分存在于运转/工程上.(因管理不足发生的散布)根据一连独特的变动引起.基本性工程管理和通过监测排除或能减少.,散布的要因,SPC的概要,Problem,Symptom,Off-target,Process,Symptom,Instability,Variation,Off-target,Problem,Definition,Y,通过SPC诊断问题的症状.,SPC的必要性,漏斗效果(Funneling Effect)-SPC是管理图以外的工程测量,分析,改善的作用.,重要 X选定,重要 X 管理,所有X,1次变数LIST,选别LIST

4、,测量,分析,改善,管理*,SPC,SPC的必要性,数据收集及分析方法,检查表,检查表是所有品质工具中最有用的诊断方法中的一个.检查表是收集数据迅速分析的工具,有如下好处.-在生产现场中收集数据圆滑,-帮助 六西格玛项目队长分析迅速 实际制作的检查表点检.,数据收集及分析方法,Concentration Diagrams-表面缺陷哪个部位发生的最多时记录的检查表例子,数据收集及分析方法,制定改善目标优先顺序时的有用工具.帕累图是引起不好影响的 80%问题用 20%集中起来.打开EXH_QC.MPJ,帕累图,数据收集及分析方法,DefectsCountsMissing Screws274Miss

5、ing Clips59Defective Housi19Leaky Gasket43Scrap4Unconnected Wir8Missing Studs6Incomplete Part10,数据收集及分析方法,数据图表化,图的使用目的,图表帮助我们理解散布的本性 图表使数据的本性更容易被人的思维所理解 数据帮助揭示数据的内在联系 在数据分析中，图表应该是第一种描述工具 如果你不能以图表来说明，你很可能得不到一个好的结论 图表帮助把信号从噪声中分离出来,单值图,个体图看上去像一个运行图，但现在它们为数据提供了一些工程控制限,数据图表化,数据图表化,计数值(Attribute Data)是/不是

6、良好/不良营业所1,2,3交代组 1,2,3组能数(文件里的错别字,选定的商品数等)计量值(Variable Data)连续数据(小数点也用意义)时间(秒)速度(ft/min)长度(inches)等等,Types of Data,按数据分类的管理图制作,计数值/计量值?,(1)公司生产的每台洗衣机的RPM(2)一个班次生产的部品的平均RPM(3)拖板标签上的打印缺陷数(4)每份销售合同的打字错误数(5)月生产中脱离规格的部品数(6)月生产中脱离规格部品的%(7)汇总一个应收款所花费的时间(8)每生产100件部品中有缺陷部品的数量,计量型,计量型,计量型,计数型,计数型,计数型,计数型,计数型,

7、按数据分类的管理图制作,管理图类型介绍,计量型管理图Individual-X and Moving Range ChartX-Bar/R Chart 计数型管理图np-Chartp-Chartc-Chartu-Chart,按数据分类的管理图制作,(1)公司生产的每台洗衣机的RPM(2)一个班次生产的部品的平均RPM(3)拖板标签上的打印缺陷数(4)每份销售合同的打字错误数(5)月生产中脱离规格的部品数(6)月生产中脱离规格部品的%(7)汇总一个应收款所花费的时间(8)每生产100件部品中有缺陷部品的数量,I-MR,Xbar R,u 或c 图,u 或 c 图,p 图,p 图,I-MR,np 图,

8、练习:用哪种管理图？,按数据分类的管理图制作,计数型,计量型,什么类型的数据?,按群还是按个体收集的数据?,数特定缺陷或缺陷性项目?,群(平均值)(n1),个体数值(n=1),X-Bar RX-Bar S,个体移动范围（I-MR）,特殊类型的“缺陷”,缺陷性项目,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,个体移动范围（I-MR）,否,是,是,每个样本数的几率面积不变?,是,否,c 图,u 图,不变的样本数?,np 图,否,是,p 图,选择正确的管理图,注:X-Bar S 适合于群大小(n)10,MINITAB管理图,管理图使用方法,当违反了一个规则时，我们用“脱

9、离控制”来描述,管理图规则,我们将使用的规则:规则#1:1点脱离UCL 或 LCL(3-sigma 限)规则#2:3个连续点中2点脱离2-sigma限 规则#3:5个连续点中4点脱离1-sigma限 规则#4:8个连续点在中心线的一侧 图案规则:一个图案自我重复,这意味着某些“非正常”的情况发生了-去把它查出来!,管理图使用方法,探测控制不足,“路径规则”(1)从规则#1 和图案甄别规则开始(2)如果需要高的灵敏度，用规则#2,3,和 4衡量,我们将使用的规则:规则#1:1点脱离UCL 或 LCL(3-sigma 限)规则#2:3个连续点中2点脱离2-sigma限 规则#3:5个连续点中4点脱

10、离1-sigma限 规则#4:8个连续点在中心线的一侧 图案规则:一个图案自我重复,管理图使用方法,UCL,LCL,1 Sigma(Zone C),2 Sigma(Zone B),3 Sigma(Zone A),1 Sigma(Zone C),2 Sigma(Zone B),3 Sigma(Zone A),时间,我们在测量的项目,使用规则,管理图使用方法,1 Sigma,2 Sigma,3 Sigma,1 Sigma,2 Sigma,3 Sigma,60-75%,90-98%,99-99.9%,数据点(%),UCL,LCL,时间,我们在测量的项目,标准偏差的规则,管理图使用方法,问题 1,保尔

11、是有名的最优秀的驾驶员之一.有一天,他在工作时间喝了6 pack 的啤酒,喝完之后他说还能沿着一条直线驾驶卡车.于是同事们就要求他证明给他们看.,直观 SPC 事例研究,SPC 应用事例,证明他确实沿着一条直线驾驶是一件困难的事情.这时有人想起他的卡车一向漏油.为了看他能否沿着一条直线驾驶,到公路行使了1英里左右,调查了公路上漏油的痕迹.,SPC 应用事例,由你做出决定:保尔的驾驶路径是一条直线吗?,请看从高处往下看的(Birds-eye View)公路的形象.,SPC 应用事例,如果卡车是静止的.油会滴到同一个点上吗?,想想下一步:油会如何滴下来?,SPC 应用事例,变动的原因,=自然的“油

12、滴间的变动”,SPC 应用事例,如果有办法把因为保尔的驾驶引起的变动与,因为油滴间的变动分离的方法,会不会有所帮助呢?,由你做出决定:保尔的驾驶路径是一条直线吗?,SPC 应用事例,=自然的“油滴间的变动”,变动的原因,管理图理论(Control Chart Theory)是利用因为自然的常规原因引起的变动,作为 把握 由于保尔驾驶引起的变动的方法.,SPC 理论,SPC 应用事例,为了制定流程的基准性能(baseline)，形成了对“常规原因”引起的变动的研究“.在这种情况下,我们认为“油滴间变动”是常规原因.,以基准性能（现在的水准）为基础,设定data的包含99.7%的流程持续警戒范围.

13、我们把这个警戒叫做管理限界（上限及下限）.,UCL,LCL,在这个限界外分布的data点被认为是因特殊原因造成的(异常状态).,SPC 理论,SPC 应用事例,-理论-管理限界周围的data分布状态提供可能存在异常状态的情报(出现其他变动要因),UCL,LCL,SPC 应用事例,油滴间的变动,UCL,LCL,油滴间的变动+风,UCL,LCL,油滴间的变动+风+驾驶技能变动,UCL,LCL,SPC 应用事例,UCL,LCL,没有对卡车移动路径“中心值变动”(“centering”的变化)的统计证据.Data点的“在中心线上下的分布(wiggling)”是 因为噪音.,由你做出决定:保尔的驾驶路径

14、是一条直线吗?,SPC 应用事例,管理上限=UCL管理下限=LCL,根据你所学的知识判断时全部数据%在管理上下限中?,UCL,LCL,TIME,UCL 和 LCL,违反规则发现 Pattern有什么问题吗?,规则和模型,管理图使用方法,问题 4,Scrap Level(%),J F M A,1996,1997,party 举行,某工厂的 scrap 量达到了本年度最低2%.经理 褒奖了那家工厂.在食堂举行宴会:所有的劳动者都有吃到了比萨和糖果!“大家可以为自己的成就感到自豪.”,1996 4月,3,2,1,SPC 应用事例,J F M A M J J,1996,1997,经理希望把奖品拿回来.

15、,scrap 量连续3个月持续增加.经理很想把奖品拿回来.“对成果的认可反而带来了反面效果.”实现的的成果(改善)没有维持下去,scrap量从新增加了.于是 经理做出了这样的决定:“这个集团需要 强力的管理方式!”,Scrap Level(%),1996年 6月,3,2,1,SPC 应用事例,J F M A M J J A S O N D,1996,1997,中断“温柔的管理方式”,Scrap量增加到了 2.6%,于是经理决定采取措施.为了确实解决这个问题召开了“特别会议”,强调完Scrap的重要性后经理便离开了.但是员工们都不知道应该做些什么.而且,除此之外他们还有需要改善的重要指标.所以他

16、们没有采取任何为了减少 scrap 量的措施.,Scrap Level(%),1996年 11月,3,2,1,SPC 应用事例,经理了解到从去年年末开始,scrap量在减少.“情况正在好转!”(实际上没有为变化系统采取任何措施.)经理的结论:“强力的管理方式能带来好的结果!”,经理的结论:“强力的管理和经营方式能促进工作.”,J F M A M J J A S O N D,1996,1997,J F M A M J,Scrap Level(%),1997年 6月,3,2,1,SPC 应用事例,J F M A M J J A S O N D,1996,1997,UCL,J F M M J J A

17、 S O,LCL,Scrap Level(%),3,2,1,SPC 导出了不同的结论.,SPC 应用事例,经理“我是根据data做出决定的.-但是我怎么可能错了呢?”,Black Belt“你的决定是看到了高点和低点做出的.但是，实际上是因为噪音造成的.观察data,在流程上没有大的变化.”,J F M M J J A S O,Scrap Level(%),J F M A M J J A S O N D,1996,1997,UCL,LCL,3,2,1,SPC导出了不同的结论-但是 理由是什么?,SPC 应用事例,管理上限=UCL管理下限=LCL,规格上限=USL规格下限=LSL,一个数据要处在

18、管理上限或管理下限时是在制造不良吗?,UCL,LCL,TIME,UCL 和LCL vs.USL 和 LSL,管理图使用方法,管理上限=UCL管理下限=LCL,规格上限=USL规格下限=LSL,下列工程在制造不良吗?,UCL,LCL,TIME,USL,LSL,管理图使用方法,管理上限=UCL管理下限=LCL,规格上限=USL规格下限=LSL,UCL,LCL,TIME,USL,LSL,下列工程在制造不良吗?,管理图使用方法,#1)管理图上制定规格界限.#2)UCL和 LCL看作规格界限.你把上述管理图只用于单纯检查的话那这不是管理图 UCL/LCL是跟顾客不良没有直接性联系!,管理图的2个错误,我

19、们的工程满足顾客要求的水准怎样那才是最重要的.但是,为了决定此项分析工程能力的其他研究.,管理图使用方法,基于缺陷性数或缺陷数 可以能被应用到几乎每个收集数据的作业 应用于质量特性：不能产生计量型数据，或测量费用太高，或难以测量 不象计量型管理图，计数型管理图可以用于一个质量特性或多个质量特性（但当把相异的特性合计时应谨慎使用-易产生误导）,计数型管理图,不良品 是与指定的标准相比较，在一个样品中有1个或多个不一致的项目 缺陷 是与指定接受的标准相比较，每一个不一致,缺陷与缺陷性,计数型管理图,缺陷性 np画不合格个体的数 p 画不合格个体的百分数 缺陷 c 画缺陷数 u 画“每检查个体”的缺

20、陷数,计数型管理图类型,计数型管理图,np-Chart,监视缺陷性项目最简单的方式 需要恒定的样品大小 画每个样品缺陷性项目数 中心线(np=缺陷性数;k=子群数)管理下限(Control limit),_,计数型管理图,Minitab 例题-np Charts 例题,2 5 4 3 3 6 5 0 7 5 4 1 2 3 6 3 8 4 4 4 6 4 2 3 7,每天缺陷性单位数,时间,假设我们有一套数据(工作表 np Chart)，描述一周的62批缺陷性工资支票数,计数型管理图,打开工作表:NP Chart统计 控制图 属性控制图 NP控制图变量：Number 子组大小：62,计数型管理

21、图,注意到控制限有那些特殊吗?,计数型管理图,p Chart,作缺陷性图时使用即可用于恒定的也可用于变化的样品大小 基于二项分布 既可以画分数式也可以画百分数式缺陷性 中心线(np=缺陷性数 n=子群内样品大小)控制限,计数型管理图,Minitab 练习-p Charts 例题,假设有这样的日管理图数据(打开工作表 p-Chart),计数型管理图,统计 控制图 属性控制图 P控制图变量：Number 子组大小：Sample,违反了那条规则？,计数型管理图,c Control Chart,是监视缺陷的最简单的形式 基于泊松分布 需要恒定的样品大小 画每个样品每个检查个体的缺陷数 中心线(c=缺陷

22、数;k=子群数)控制限,计数型管理图,Minitab 例题-c Charts 例题,9 15 11 8 17 11 5 11 13 7 10 12 4 3 7 2 3 3 6 2 7 9 1 5 8,没有完全装满的瓶子数,时间,试想我们有一套数据(工作表 C Chart)描述一个用视力检查每个运输批号的瓶子，批号的大小为2000个瓶子 此数据描述观察到的没有完全装满的瓶子数,计数型管理图,计数型管理图,动起手来，打开工作表 C-Chart),统计 控制图 属性控制图 C控制图变量：Number,关于工程，管理图告诉我们了什么？,计数型管理图,u-Chart,用来监视 缺陷 既可用于恒定也可用于变化的样品大小 中心线(c=缺陷数;n=群内样品大小)控制限,计数型管理图,Minitab 例题-u Chart 例题,8 17 18 15 23 9 19 6 14 17 13 15 16 22,时间,在所有的8个单位发现的缺陷数,缺陷比例,1.0 2.1 2.3 1.9 2.9 1.1 2.4.8 1.8 2.1 1.6 1.9 2 2.8,假设我们有一套数据(工作表 u Chart)描述在运输码头进行的检查 每天为检查损坏情况取样8个单位,计数型管理图,计数型管理图,统计 控制图 属性控制图 C控制图变量：Number 子组大小：8,关于工程,管理图告诉了我们什么？,计数型管理图,