SPC_教材1ppt課件

1、Table1. 統(tǒng)計根底 - 總體和標本 - 顧客, 顧客不滿足(不良) - Data的表現(xiàn)(中心值和分布) - Data的種類2. SPC Introduction - QC, SQC - SPC3. Data 解釋 - QC 7 Tool - QC 7 Tool 實習 - Graph Analysis 4. Baseline 構筑 - 測定 ? - 正規(guī)性檢證(normality test) - Rational Sub-grouping - MSA(測定System的分析)5. 工程才干分析 - 工程才干的概念 - Cp, Cpk - Z Value, 4 Block Diagram6.

2、 管理圖(Control Chart) - 管理圖概念, 種類 - 管理圖解釋 - 管理圖實習 (X bar R, X bar S, n, np, u, c)7. 改善活動(6 Sigma活動) - 6 Sigma Process附 1 : 統(tǒng)計 Table附 2 : FMEA - 設計 FMEA - 工程 FMEA統(tǒng)計根底(SQC : Statistical Quality Control)對總體的判別 總體和Sample標本 (Sample,10)總體(N=1,000)Sample 10個測定 (規(guī)格 : 1004)96979899100104101規(guī)格 下限規(guī)格 上限102103 假設全

3、部檢查在時間上, 經濟上不能夠 !運用Sample的統(tǒng)計變量(變數(shù)) (平均值和分布)推定總體. 總體能不能判別為合格 ?1) AQL Yes :由于 Sampling的10個測定值都在規(guī)格內 OK2) SPC No : 用Sample Data推定總體的不良率是2.8% Epidemic 水準* AQL(Acceptable Quality Level) : 合格質量水準 SPC(Statistical Process Control) : 統(tǒng)計性工程管理Sampling補充抽樣知識Sampling 適用Sampling檢查主要緣由是經濟性緣由. 由于有這種經濟性緣由，取Sample時，Sa

4、mple可以反映總體的特性。 1) 總體/Sample/Data的概念 - 總體 : 作為調查, 研討對象的一切集團 - Sample: 從總體為了某種目的抽出來的 - Data : 表達經過Sample得到的現(xiàn)實 (關懷事項數(shù)據(jù)化的表現(xiàn)) 2) 決議取Sample方法時本卷須知 - 所取的Sample要可以代表總體的情報. - 抽出Sample測到Data后，首先要思索為了什么目的運用 - 事前檢討Lot 構成單位能否要分組?？傮wSample019 PCS運用者 占有率 ?Data大韓民國區(qū)分人員350120530011 PCS017 PCS019 PCSPCS運用者1000名 價值判別的根

5、據(jù) : 其根據(jù)的適切性 : 問題的類型 : 2 種 - 平常的時候很正常 只需喝酒就不象話 - 那個人要長大成人不能夠了 - 不斷正常的人. - 平常的時候步態(tài)正常 一旦喝酒就正常的人事件的判別和問題的對策方法 假設如今很多人為了上車無次序的聚在一同 等車 改善的方法1. 有次序地陳列乘車 - 減少分布(reduce the variation)2. 加大公交車的門，誰都容易乘車。 - 添加公差(open the specifications)3. 車Parking的地方，人聚在一同。 - 中心值挪動(shift the mean)4. 上面3種方法中2種以上Combination價值判別(問

6、題與否)的根據(jù) 質量 : 與顧客的等待一致Spec : 定量化顧客的等待事項(水準)Spec 設定的適切性.* Quality ? - fitness for use(Juran) - conformance to requirements or specifications(Crobsby)顧客滿足和不良顧客滿足 ? 顧客對我做事的結果的一定性的反映內部顧客和外部顧客 - 沒有缺陷的商品, SVC及時提供應 缺陷(質量不良) ?不能滿足顧客等待的一切的一切 LG不良 ? 至今為止 ,SpecLSLUSL我們合格Spec-in就合格I am Data(我活著)Spec-out不合格檢出不良 以

7、后 ,SpecLSLUSL集中在中心才合格散就死Spec-in但沒有到達水準就不合格潛在的不良事前預測不良 ?呀 !有吃的 (不良)Data的表現(xiàn) : 中心值Data的表現(xiàn) : 分布Data的種類問題處理問題 / Issue 事項延續(xù)型 Data(Continuous Data)離散型 Data(Discrete Data) 延續(xù)型 Data : 如長度,分量,時間等可以運用測定刻度尺的 Data (計量型) 所測定的尺度不斷可以細分 而且比不延續(xù)的Data提供更多的情報 離散型 Data : 與合格/不合格, 決議數(shù)等能用個數(shù)表示的Data (計數(shù)型) 不能再細分。資料的類型屬性(Attri

8、bute)命名(Nominal)范疇(Category)統(tǒng)計特征值缺陷(Defect)資料的類型變數(shù)(Variable)比率(Ratio)統(tǒng)計特征值位置(Location)分布(Spread)容貌(Shape) Data的種類區(qū)分的理由是？ 區(qū)分Data種類的目的 確定Data的Display方法和分析方法 決議要Gathering的 Sample Size 決議適切的Control Chart 決議適切的 Sigma(or Z-Value)計算方法(DPMO or 工程才干分析) 延續(xù)型 Data(計量型) 可以分解Data, 且測定的數(shù)據(jù)的大小有意義 客觀性 Data : 時間, 分量,

9、長度等測定計測儀可以測定的Data 客觀性 Data :滿足度, 充實度等 Data的測定基準按始點發(fā)生變卦 離散型 Data(計數(shù)型) 不能夠分解Data, 所測定的數(shù)據(jù)Count時. 客觀性 Data : 缺陷數(shù), 成認件數(shù), 誤差件數(shù), 位置等判別的情況明確的內容 主管性 Data : 包含Yes/No, Good/Bad 等人的客觀性內容的內容 實踐情況下離散型和延續(xù)型分類比較困難時 例 1) 主/客觀式混合的數(shù)學才干分數(shù) 離散型但是可以看作延續(xù)型 例 2) 運用尺度法的論文結果 延續(xù)型處置, 還是離散型處置，按照事件, 分析的目的思索置信度慎重判別Data的種類2. SPC Intr

10、oduction改善(再發(fā)防止, 規(guī)范制定,矯正)維持 統(tǒng)計性技法運用 1) 質量管理 ? (QC : Quality Control) 為了確保顧客所愿的質量合理且 經濟地執(zhí)行的一切管理活動 2) 統(tǒng)計性質量管理? (SQC : Statistical Quality Control) 展開質量管理活動， 運用統(tǒng)計性技法的活動體系 質量管理(QC)和統(tǒng)計性質量管理(SQC)SPC Introduction統(tǒng)計性統(tǒng)計管理(SPC = Statistical Process Control) ? Statistical . 統(tǒng)計性方法是用Sampling的Data Monitoring 、分析

11、Process 變動 時運用。 Process . 反復性的事情或者階段 (SIPOC : Supplier Input Process Output Customer)Control . Process正在變化的現(xiàn)實早期警報。 警報是指最終Output出來之前糾正問題，可以具有充分的時間 (管理圖 : 隨著時間工程分布的變化)SPC 對某個 Process掌握質量規(guī)格和工程才干形狀, 利用統(tǒng)計性資料和 分析技法, 在所愿的形狀下不斷能管理下去的技法。SPC IntroductionSPC 管理Tool的優(yōu)點 * 1920年 Bell研討所的Dr. Walter Shewhart開發(fā).* 隨著

12、時間Plot變動, 可以經過管理界限區(qū)分變動的2種要因。 管理界限是為了管理 Process變動，作為一種能夠性來管理。 (對Process采取對策的決議) 管理圖總是成雙出現(xiàn). - 一個是特性化Subgroup的平均值變動 : X bar - 另外一個是特性化Subgroup的分布 : R, Sigma 根本上為了檢出影響Process平均值或者分布 異常緣由而運用。 管理圖優(yōu)先解釋分布的變動，對齊分布的安定化的焦點，有必要察看 平均值的變動怎樣變化。SPC Introduction 偶爾緣由 : 從總體抽出Sample的分布出現(xiàn)類似的兩向的緣由 異常緣由 : 從總體得到的Sample Da

13、ta的分布出現(xiàn)跟平常不同景象的緣由。Ex) 管理PCB 鏟平厚度. 根據(jù)周圍環(huán)境, 原資料 Lot間微小的物性變化, 作業(yè)者熟練度的要因等管理的特性值的分布 Lot別發(fā)生時，其稱為存在 偶爾緣由(普通為 Accept) 在積層上不知道什么緣由 壓力在特定Lot上比規(guī)定運用得多，假設發(fā)生了兩個特性值的變化，把這稱為 異常緣由.(要改善的事項)SPC 管理Tool的優(yōu)點 Process由于偶爾緣由(White Noise = Common Cause Variation)和 異常緣由(Black Noise = Special Cause Variation)受影響不斷變化。 偶爾緣由和異常緣由是

14、取適當?shù)腟ubgroup的Sample，可以看到變動。 - 由于偶爾緣由產生的變動， Process繼續(xù)維持安定的形狀 : 由于Subgroup內的變動發(fā)生 - 異常緣由的變動是Process由于外部要因引起變動 :由于Subgroup之間的變發(fā)生。 Process由于外部異常緣由繼續(xù)遭到影響, SPC Chart是表示異常緣由。 改善活動1. Quick Action2. 6 Sigma 活動 SPC 實行教育SPC活動SPC 教育Baseline 構筑工程 Parameter 選定設備 Parameter 選定部品 ParameTer選定對策樹立, 改善活動工程 CTQ管理部品 CTQ管理

15、協(xié)力社6 Sigma活動維持, 管理, System(IT)化00年事業(yè)部CTQ Mapping結果活用包含臨加工廠家6 Sigma 教育測定System分析工程才干分析管理方案, 管理ParameterReviewOut of ControlIn Control預防活動UnderstandingStatistics(QC, SQC)SPC 和 6 SigmaPlanningDesignManufacturingSales & SVC測定System分析工程才干診斷工程才干管理改善活動DMAIC工程 Parameter &Component ParameterR&D(DfSS)Manufact

16、uringTQFeedbackSPC主要工程為對象，工程管理的性質強，6 Sigma是Biz. 經過一切Process 改善活動的Program。SPC6 Sigma3. Data 解釋Histogram特性要因度Pareto DiagramCheck Sheet各種 Graph散點圖(Scatter Diagram)分層(Stratification) DATA的分布(分布,平均) Characteristic/Cause-and-Effect /Fishbone Diagram 查找問題偏重的工程和其程度 為了最大化改善效果 選定重點改善(或者管理)工程 Pareto Diagram 等的

17、 Back data 兩個變數(shù)間相關關系按照 DATA的特性要因度分成 幾個部分 分成主要分布的因子 找分布的緣由后運用相對頻度區(qū)間YManMachineMaterialMethodData100%80%ABCD正正正.QC 7 Tool1. Histogram ?QC 7 Tool Study : Histogram4.22 4.14 4.06 4.08 4.04 4.15 4.104.00 4.08 4.15 4.10 4.12 4.16 3.964.01 4.18 3.99 4.05 4.12 4.07 4.05 4.18 4.12 4.05 4.07 4.08 4.08 4.12 4.

18、10 3.97 4.08 4.04 4.16 4.13 4.09 4.05 4.10 4.10 4.06 4.05 4.06 4.104.08 4.08 4.16 4.10 4.04 4.02 4.08 4.16 4.08 4.21 4.12 4.09 4.02 4.11 4.00 4.10 4.12 4.15 4.12 4.14 4.05 4.13 4.18 4.09 4.08 4.06 4.05 4.034.10 4.12 4.14 4.09 4.14 4.15 4.05 4.09 4.18 4.06 4.08 4.16 4.02 4.02 4.20 4.08 4.11 4.02 4.13

19、 4.13 4.12 4.05 4.12 4.02 4.18 4.18 4.12 4.11 4.12 4.06 為了了解長度, 分量, 強度等計量值怎樣分布的制造的圖，制造頻數(shù)表后畫柱狀圖。 普通工程安定的情況下呈鐘外形，反之按照情況查找有什么異常緣由。普通分布大是表示工程差，因此找出緣由，樹立對策改善工程才干的活動必要。Data區(qū)間編號區(qū)間的界限值中心值頻度1234567893.955 3.9853.985 4.0154.015 4.0454.045 4.0754.075 4.1054.105 4.4. 4.1654.165 4.1954.195 4.2253.974.004.034.064

20、.094.124.154.184.2124101726191363100N=100頻度3.9553.9854.0154.0454.0754.1054.4.1654.1954.225區(qū)間頻數(shù)分布表Histogram2. Histogram制造步驟QC 7 Tool Study : Histogram1.Data 搜集至少30個以上,越多可靠性越好4.22 4.14 4.06 4.08 4.04 4.15 4.10 4.00 4.08 4.154.10 4.12 4.16 3.96 4.01 4.18 3.99 4.05 4.12 4.074.05 4.18 4.12 4.05 4.07 4.08

21、 4.08 4.12 4.10 3.974.08 4.04 4.16 4.13 4.09 4.05 4.10 4.10 4.06 4.054.06 4.10 4.08 4.08 4.16 4.10 4.04 4.02 4.08 4.164.08 4.21 4.12 4.09 4.02 4.11 4.00 4.10 4.12 4.15 4.12 4.14 4.05 4.13 4.18 4.09 4.08 4.06 4.05 4.034.10 4.12 4.14 4.09 4.14 4.15 4.05 4.09 4.18 4.064.08 4.16 4.02 4.02 4.20 4.08 4.11

22、 4.02 4.13 4.134.12 4.05 4.12 4.02 4.18 4.18 4.12 4.11 4.12 4.062.最大值 (L) 最小值 (S)求各data的最大值 (L)外最小值 (S)最大值 (L) = 4.22, 最小值 (S) = 3.963.區(qū)間數(shù)Data數(shù)50100100250250以上區(qū)間k6 107 1210 20普通區(qū)間的數(shù)(k)是k=.n=100, 因此k為10nQC 7 Tool Study : Histogram4.區(qū)間幅度(h)h = 4.22 - 3.96 10區(qū)間幅度 = 最大值( L)- 最小值(S) 暫時區(qū)間數(shù) 測定最小單位的正倍數(shù)= 0.0

23、26 測定的最小單位 0.01的正倍數(shù)h = 0.035.界限出發(fā)點=最小值 最小測定單位/2第一區(qū)間=出發(fā)點出發(fā)點+區(qū)分幅度第二區(qū)間=第一階段的上限 第一區(qū)間上限+區(qū)間幅度 . . . . . 求包含最大值區(qū)間 出發(fā)點=3.96 - 0.01/2 = 3.955第一區(qū)間 = 3.955 3.985第二區(qū)間 = 3.985 4.015第三區(qū)間 = 4.015 4.045第四區(qū)間 = 4.045 4.075第五區(qū)間 = 4.075 4.105第六區(qū)間 = 4.105 4.第七區(qū)間 = 4. 4.165第八區(qū)間 = 4.165 4.195第九區(qū)間 = 4.195 4.225第十區(qū)間 = 4.225

24、 4.255 6.區(qū)間的 中心值中心值 = 各區(qū)間上下界限的和 2第一區(qū)間的中心值= 3.955+3.985 2=3.97頻度3.9553.9854.0154.0454.0754.1054.4.1654.1954.225區(qū)間QC 7 Tool Study : Histogram7.頻數(shù)表區(qū)間編號區(qū)間的界限中心值頻數(shù)1234567893.955 3.9853.985 4.0154.015 4.0454.045 4.0754.075 4.1054.105 4.4. 4.1654.165 4.1954.195 4.2253.974.004.034.064.094.124.154.184.212410

25、17261913631008.HistogramN1003. 看Histogram的方法QC 7 Tool Study : Histogram頻數(shù)大部分聚集在中心部分，離中心越遠越少普通出現(xiàn)的外形左右對稱形區(qū)間騰躍外形像缺牙外形。有必要檢討區(qū)間的幅度能否以測定 單位的正數(shù)倍， 還是測定者看刻度時有問題。 切邊形平均值向分布的左側偏移(左右不對稱). 實際上或者局限于規(guī)格下限 沒有采集某個值以下的值。齒形左右傾斜形規(guī)格以外的全部除去后出現(xiàn)這種景象 確認能否有捏造數(shù)據(jù), 檢查失誤,測定誤差等 全部選擇后，出現(xiàn)這樣的容貌時 需提高工程才干或者再檢討規(guī)格高原形有幾個不同的平均值的時候. 制造分區(qū)間的H

26、istogram后比較雙峰形有兩個不同的平均值的時候出現(xiàn)例)兩臺機器之間, 兩個種類的原料之間差別 按照區(qū)間制造Histogram， 2個分布差別 明顯.騰躍形在不一樣的分布上，data略微混亂的時候 調查工程上能否有異常或者測定上能否 有誤差, 能否別的工程上的data.如下Data是測定000 電子交貨DID事業(yè)部的A部品的特性的 Data。Spec : 4.62 0.34.864.744.794.744.824.915.074.824.675.174.884.664.814.864.854.674.774.864.984.514.794.824.774.714.804.534.624.8

27、65.014.78 問題 制造 Histogram。 1. 最大值和最小值為多少 ? 2. 區(qū)間數(shù)幾個時適當 ? 3. 求區(qū)間幅度(h). 4. 求界限。 5. 畫出頻數(shù)表。 6. 制造Histogram。QC 7 Tool Study : HistogramCase StudyQC 7 Tool Study : Histogram : 平均根據(jù)測定值頻度數(shù)測定值 正態(tài)分布具有的法那么是 ？ 決議正態(tài)分布的容貌和位置是 ? 什么是正態(tài)分布(Normal Distribution) ？QC 7 Tool Study : Histogram : 什么是正態(tài)分布(Normal Distributio

28、n) ？TargetTarget : 目的值Z : 正態(tài)分布檢證統(tǒng)計量LSLUSL平均(X) Z = X - TDefect !f(x) = e1-1222x - ? ? ? 不是正態(tài)分布的Data有哪些？舉個例. 正態(tài)分布總面積是1,脫離知規(guī)格的 面積,那就是所推定的不良率 某概率變量X到平均值()之間間隔 除以規(guī)范偏向()的值用Z來表示 假設規(guī)格上限(or下限)用X來替代時 超出規(guī)格上限的尾部面積可以以為 有缺陷能夠性 Z值是用來測定工序才干,跟工序的 規(guī)范偏向不同,H-LinFocusNo RasterMoireMisconSpotNo powerOthers84807335271912

29、1124.022.920.910.0 7.7 5.4 3.4 3.1 24.0 46.9 67.7 77.7 85.4 90.9 94.3 97.40100200300020406080100DefectCountPercentCum %PercentCountVital FewTrivial Many 典型地 80%的問題是由于 20%的緣由發(fā)生(2:8的原那么) 優(yōu)先選定改善對象為目的，分類不良或者缺陷等內容，按照大小順序陳列同時標示 累積數(shù)的圖。 首先要改善對象的區(qū)域!FB000 型號的不良現(xiàn)況QC 7 Tool Study : Pareto Chart 2001年按地域需求顯示器的Da

30、ta(單位 : 百萬臺) 利用Pareto Chart回答下面問題QC 7 Tool Study : Pareto Chart北美22.9E U17.9韓國1.8日本5.7中國2.0印度0.9亞洲4.6中南美 3.1CIS/東歐 2.2其他1.9Case Study1) 對世界市場的 EU 市場的顯示器需求比重是 ?2) 全體 80% Cover的需求按照大小陳列 ? 4M 或者 6M 1E 或者 8M 2E為基準，事的結果(特性, 問題)和影響其結果的緣由，系統(tǒng)性地 整理的圖。 方案變卦質量問題消費 CAPA缺乏無作業(yè)MACHINEMANMATERIALMETHOD消費方案廠家管理2次廠家統(tǒng)

31、制才干情報傳達料想交貨日期按日期入庫方案 資材提供調查SKILL檢查 SKILL電算活用才干制造消費方案對策SKILL人際關系KNOWHOW時常事故消費方案作業(yè)條件適宜設備適切的資材作業(yè)條件不良率NECK ITEM公用資材新MODEL多樣資材及時調查優(yōu)先進展日遵守營業(yè)約請CAPA分析擔當管理發(fā)行比率QC 7 Tool Study : 特性要因圖(Cause & Effect Diagram) 對應的2 種類的Data橫軸和豎軸標點(Plotting) ，查看相互之間有什么相關性。QC 7 Tool Study : 散點圖(Scatter Plot)例題) 利用下例Plotting對Height

32、和 Weight 的Scatter Plot，闡明兩個變數(shù)的關聯(lián)性。QC 7 Tool Study : 散點圖(Scatter Plot) 關系(相關性)是 ? 普通性的, 一個變數(shù)的特征值與其他變數(shù)的某個值一同出現(xiàn)的傾向 關系的表示 相關 - 一個變數(shù)的值增大時, 另一個變數(shù)的值增大的情況 正的相關性 - 一個變數(shù)的值增大時, 另一個變數(shù)的值減小的情況 負的相關性 相關關系的表示 - 相關系數(shù)(r) - 表示相關性的尺度，通常在 -1和 1之間 - 遭到異常點的影響r = 0r = 0r = 1r = - 1 相關關系和因果關系的差別點？ 外生變數(shù)的影響？ 偶爾的相關關系？ A 公司和B 公

33、司的Hinge Force的水準比較檢討 Minitab Menu : Stat / Basic Statistics / Display Descriptive Statistics* Descriptive Statistics : Spec Fix 前(或者 Spec沒有時) 大約想知道質量水準的時候運用Other Graph 分析 : 根本統(tǒng)計量平均規(guī)范偏向Box Plot闡明參照95%置信區(qū)間推定Force值Other Graph 分析 : 根本統(tǒng)計量對于B公司用同樣的方法進展Graph Display，比較評價各公司間Hinge Force 的水準 A公司和B公司的 Hinge T

34、orque 值 有差別One-way Analysis of VarianceAnalysis of VarianceSource DF SS MS F PFactor 1 0.02664 0.02664 9.84 0.002Error 78 0.21111 0.00271Total 79 0.23775 Individual 95% CIs For Mean Based on Pooled StDevLevel N Mean StDev -+PK 40 2.0950 0.0633 (*) RPM 40 2.1315 0.0375 (*) -+Other Graph 分析 : Box plot

35、 對A 公司和 B 公司的Hinge Force的水準比較檢討 Minitab Menu : Stat / ANOVA / one way(un stack) or Graph / Boxplot12345Data : 1,2,3,4,5Max within Upper LimitMin within Lower LimitQ3:中央值和 Max值的75%位置 Position 3(n+1)/4Q1:Min值和中央值的25%位置 Position (n+1)/4中央值(Median)Upper Limit = Q3 + 1.5(Q3 - Q1)Lower Limit = Q1 - 1.5(Q3

36、 - Q1)四分位偏向 = (Q3 - Q1) Step = 1.5(Q3-Q1) Max = Q3 +2*1.5(Q3-Q1)Min = Q1 - 2*1.5(Q3-Q1)Other Graph 分析 : Box plot以一切Data對象 畫Graph特定總體畫 Graph時Other Graph 分析 : Dot plotOther Graph 分析 : Matrix plot(幾個變數(shù)之間的相關性想一下子知道時 )Other Graph 分析 : Marginal plot(想知道兩個變數(shù)的關系和分布)關聯(lián)圖表法(Relations Diagram) 對某個結果要因復雜地混在一同時，明

37、確其人際關系及要因 相互間的關懷，探求緣由或者明確化構造，找出問題處理頭緒的方法。 找緣由的關聯(lián)圖 手段展開型關聯(lián)圖系統(tǒng)圖表法(Tree Diagram) 為了到達目的，系統(tǒng)性地展開手段，明確掌握一切問題的現(xiàn)況 找出為了到達目的的最正確的手段。Matrix Diagram 作為問題的事項中，找出料想有相關的要素，表示為二原表方式 , 其交點上表示各要素的元素之間關聯(lián)有無，得到處理的措施。 有 L型, T型, X型, Y型, C型等親和圖表法(Affinity Diagram) 未知,未閱歷的問題，在混亂形狀中得到現(xiàn)實,意見,發(fā)現(xiàn)景象等 推出Data后根據(jù)親和性統(tǒng)合、整理找出問題的本質，問題處理

38、 或者誘導新的方向的方法。L型 Matrix Diagram緣由緣由緣由問題點緣由緣由緣由緣由緣由目的a手段a目的b手段b目的c手段c目的d手段d根本目的目的B1B2B3B4B5B6- - -A1A1A3A4A5有有有附 : New QC 7 ToolPDPC法(Process Decision Program Chart) 新產品開發(fā)或者新技術開發(fā)或者預防產品責任問題或者 Claim- 的對應，按照事態(tài)的進展，預測能夠產生的一切結果，對這些結果 一個一個樹立對策，為了得到可靠的結果引導過程決議的方法。Arrow Diagram(PERT-CPM) Event(Number,Node), Ac

39、tivity,DummyMatrix Data Analysis Matrix Diagram要素之間的相關數(shù)字 Data定量化時運用。多變量解釋法等利用5265155A54D326263030373715E71010BF16G7H17263K108JLCNode4IZApBgCrDsA3A2A1B2B1C3C2C1D2D1AB1B2B3B4B5B6- - -A1A1A3A4A5347135附 : New QC 7 Tool4. Baseline 構筑測定 ? 測定 ? 測定的3要素 1. 2. 3. 人的置信度, 計測儀的置信度 - 適切分布的選擇 - 檢/校正 - Gage R&R正規(guī)性檢

40、驗(Normality Test) SPC, 6 Sigma 等運用的大部分統(tǒng)計Tool普通都是分析Base 的Data正態(tài)分布的假設下出發(fā)的。 But, 自然景象的一切Data并不都是正態(tài)分布(例 : 壽命, 缺點率等) 這時利用非正態(tài)分布(例 : 威布爾分布)統(tǒng)計分析。 按照情況不同, 實踐上覺得是正態(tài)分布特性的 Data也會由于 Data Gathering上的問題 能夠判別為不是正態(tài)分布。 這是,由于工程不穩(wěn)定群內變動混亂或者由于工程外部要因引起群間變動, 或者是Data處置 過程上的Error(Key-in Error等) 這樣的關系 1) 搜集Data后 2) 利用Normalit

41、y Test檢驗能否正態(tài)分布 3) 假設不是正態(tài)分布 - Data轉換為正態(tài)分布(Transformation)求Cp, Cpk 等值 - 否那么,利用其Data特性適宜分布，統(tǒng)計性解釋。 本章假設為工程穩(wěn)定的形狀下，運用Box cox變換，轉換為正態(tài)分布后統(tǒng)計性解釋。 某個特性值的Data(N = 30)如下。 為了正規(guī)性檢驗 Minitab Menu : Stat / Basic Statistics / Normality TestCTQ44 4245 4044 4737 4445 4040 4041 4144 4545 3946 4140 4041 3840 4243 4045 42P

42、值比0.05小! * 想一想 : 假設某個Data正態(tài)分布，其理由是 ? 1. Another distribution 2. Sampling 錯誤. 3. 測定上的Error, & Key-in Error etc正規(guī)性檢驗(Normality Test) 為了Box-cox Transformation Minitab Menu : Stat / Control Charts / Box-cox Transformation Est 的 Lambda 值是在Box-cox上推定的Best值正規(guī)性檢驗(Normality Test) 為了用Lambda求工程才干 Minitab Menu

43、: Stat / Quality Tools / Capability Analysis(Normal)前面多求的Est 的Lambda值正規(guī)性檢驗(Normality Test)正規(guī)性檢驗(Normality Test)Rational Sub-groupingProcess ResponseTime群間變動(Black Noise)群內變動(White Noise)Rational Subgroups Rational Subgrouping是Grouping成群內只發(fā)生群內變動(White Noise), 在群間只 發(fā)生群間變動(Black Noise)的方法 可以分別長/短期工程才干.

44、 Rational Subgroup要包含的要素 (Sub grouping 基準) (普通以料想影響Process 變動的X因子為基準Subgrouping, 主要運用6M 1E) - Man : 作業(yè)者變卦, 晝夜交替任務,新作業(yè)者等 - Machine(Equipment) : 機械設定值變卦, 設備保修 & 維護等 - Material : 入庫Lot, 作業(yè)配置, 原資料等 - Method : 作業(yè)者之間的作業(yè)方法差別等 - Measurement : 丈量者的變動, 丈量配備誤差等 - Management & Environment - (Mind & Money) Gabba

45、ge in Gabbage outDiamond in Diamond outRational Sub-grouping 群內變動(white noise) white noise是因工程存在日常要因的變動(偶爾緣由) 如今的技術程度上不可控制的變動 普通性的工程分布影響 工程上由于瑣碎的多數(shù)要素而受影響 用Zst值來表示 群間變動(black noise) black noise是工程上遭到外部要因影響，中心值 shift, 普通性緣由能夠知道的變動(特殊緣由) 如今工程上統(tǒng)制有能夠的變動 普通性的工程目的值平均值shift 實踐上隨著時間的經過，可以知道工程才干怎樣變化。為什么要Ratio

46、nal Subgrouping? Rational Subgrouping是 6 Sigma的一個Powerful的 Tool 可以區(qū)分工程的短期工程才干或長期工程才干的中心的方法 - 能掌握是平均值挪動問題，還是分布問題 - 問題特性化的第一階段 群內變動和群間變動 群內變動, 群間變動還有工程的2種問題Rational Sub-grouping等待值中心值挪動問題分布問題如今水準等待值如今水準LSL平均USLLSL平均USL精細但不正確正確但不精細工程的2種問題1. 測定誤差的效果 平均 : 全部 = 消費品 + 測定 分布 : 2全部 = 2消費品 + 2測定 測定System的偏向(檢

47、校正,Calibration Study) Gage R&R觀測的工程的分布實踐工程的分布測定的分布長期工程分布短期工程分布標本內分布由于測定者的分布由于Gage的分布反復性(Repeatability)正確性(Calibration)再現(xiàn)性(Reproducibility)穩(wěn)定性(Stability)線型性(Linearity)2. 能夠的分布要因Accuracy 測定的Data(察看值)是實踐值和測定誤差的和* 測定誤差 : 察看值脫離真值的一切測定變散圓的效果MSA(Measurement System Analysis)AccuracyPrecisionMSA(Measurement

48、System Analysis) 正確度:丈量值的察看平均和真平均之間的差別 安定性:至少兩次以上的相互不同時期，對于同樣部品，運用同樣Gage，得到的丈量值平均的差別 (計測器的保管,根據(jù)管理形狀隨著時間出現(xiàn)的差別,也包含產品的安定性) 再現(xiàn)性:用同樣Gage，幾個人同樣的部品丈量幾次時，出現(xiàn)的差別 反復性:用同樣Gage，一個人同樣的部品丈量幾次時，出現(xiàn)的差別 線型性:所等待的制造范圍全部經過的正確性值的差別，用計測器可以量出來的Range的誤差LSL真平均察看平均USL對于Gage 正確性的分布LSL丈量時間 AUSL對Gage安定性的分布丈量時間 BLSLUSL由于Gage 反復性的分

49、布LSL真平均察看平均USL由于Gage 線型性的分布LSLUSL丈量者再現(xiàn)性的分布丈量者 A丈量者 BLSLUSLGage正確性(下限)正確性(上限)80%20%一切變動其他變動測定分布正確性穩(wěn)定性線型性等再現(xiàn)性(測定者誤差)反復性(計測儀誤差)MSA(Measurement System Analysis) Gage R&R 判別基準 ? 20% Accept(準確度要求的情況 : 10%) 21% 29% 條件部 Accept 29% 適用不可(測定System改善)由于計測器的丈量誤差和丈量者之間所發(fā)生的誤差，這些丈量System本人對工程全體的變動值起多少影響，用比率定量化的統(tǒng)計 T

50、ool 什么是Gage R&R ？MSA(Measurement System Analysis) 計測儀的選定(測定的分析能) Gage要具有Process的變動或者Spec許用誤差的10%未滿的分解能。 ex) Gap的公差 0.1 mm 時Gage的分解能要到達0.01 mm。 Gage R&R 評價始點 進入新的測定System，運用前要評價其適宜性時 評價覺得測定才干不充分的計測儀時 各測定System的檢、校正實施后 測定者變化時 檢/校正和Gage R&R的不同點 ?MSA(Measurement System Analysis) 對于Gage R&R 適用結果解釋及對策事項是

51、？ 在顯示器設計室，開發(fā)Heat sink時，發(fā)生了很多PCB上的Heat sink Hole有關不良, 為了改善這個問題，在Heat sink Hole的工程才干分析前，確認丈量System程度， 實施Gage R&R，得到了如下的結果 Minitab Menu : Stat / Quality Tools / Gage R&R Study(crossed)Spec : 12 0.3 Gage R&R 適用結果的解釋及對策事項 ?MSA(Measurement System Analysis)- 5.15 is Defaulted Number- 5.15(*Sigma) means the

52、 number of StDev needed to capture 99% of process measurements the width of the interval you need to capture 99% of your process measurements必需選擇ANOVA.用ANOVA方法做，不僅可以分析試料及丈量者的主效果，而且還可以分析丈量者與試料間的交互作用把丈量對象的公差范圍 Key-in沒有公差時，在原封不動的形狀下 點OK , OK， 不用%Tolerance，而用% Study Var 判別Gage R&R Gage R&R 適用結果解釋及對策事項 ?

53、可以區(qū)分部品和部品間的差別點測定System的才干 (工程管理用)部品在規(guī)定的公差基準內 可以區(qū)分認定與否的 測定System才干(一切 Gage R&R的合格與否斷定用MSA(Measurement System Analysis)Two-Way ANOVA Table With InteractionSource DF SS MS F P sample 9 0.09 1.52E-03 5.24521 0.01069man 1 0.00064 6.40E-04 2.20690 0.17156man*sample 9 0.00261 2.90E-04 2.00000 0.09440Repeat

54、ability 20 0.00290 1.45E-04 Total 39 0.01984 Gage R&RSource VarComp StdDev 5.15*Sigma Total Gage R&R 2.35E-04 1.53E-02 0.078948 Repeatability 1.45E-04 1.20E-02 0.062021 Reproducibility 9.00E-05 9.49E-03 0.048857 man 1.75E-05 4.18E-03 0.021544 man*sample 7.25E-05 8.51E-03 0.043851 Part-To-Part 3.08E-

55、04 1.75E-02 0.090350 Total Variation 5.43E-04 2.33E-02 0.119983 Source %Contribution %Study Var %Tolerance Total Gage R&R 43.30 65.80 13.16 Repeatability 26.71 51.69 10.34 Reproducibility 16.58 40.72 8.14 man 3.22 17.96 3.59 man*sample 13.36 36.55 7.31 Part-To-Part 56.70 75.30 15.06 Total Variation

56、100.00 100.00 20.00 Number of Distinct Categories = 2可以區(qū)分部品間變動的Gage才干 (不 重疊的測定部品的置信區(qū)間個數(shù))測定部品的置信區(qū)間數(shù)多的意思是雖然有測定者和 測定的反復，很恰當?shù)販y定了的意思假設, 置信區(qū)間少(即,重疊的置信區(qū)間多) 是測定的變動也那么大的意思 參考1. % Contribution + = , + = , + = 2. %Study Var & %Tolerance 2 + 2 = 2, 2 + 2 = 2, 2 + 2 = 2 Gage R&R 適用結果的解釋及對策事項 ?MSA(Measurement Sys

57、tem Analysis)MSA(Measurement System Analysis) 破壞檢查 丈量者對每個部品只能測一次的破壞檢查要進展另一種 Gage R&R. Gage R&R(Nested) 像破壞檢查這種情況,首先一切部品必需是從一個 Batch抽出來的, 并且能確保其具有同質性. only,只能判別反復性(Repeat,) 無法確認人與人之間的再現(xiàn)性(Repro,). 例) 3個人對5個不同的 Sample反復丈量2次.MSA(Measurement System Analysis) 破壞檢查Nested ANOVA TableSource DF SS MS F P man

58、2 0.0336 0.01678 0.00887 0.99117part (man) 12 22.6950 1.89125 1.59203 0.19564Repeatability 15 17.8192 1.18795 Total 29 40.5478 Gage R&R %ContributionSource VarComp (of VarComp) Total Gage R&R 1.18795 77.16 Repeatability 1.18795 77.16 Reproducibility 0.00000 0.00 Part-To-Part 0.35165 22.84 Total Vari

59、ation 1.53960 100.00 StdDev Study Var %Study VarSource (SD) (5.15*SD) (%SV) Total Gage R&R 1.08993 5.61315 87.84 Repeatability 1.08993 5.61315 87.84 Reproducibility 0.00000 0.00000 0.00 Part-To-Part 0.59300 3.05396 47.79 Total Variation 1.24081 6.39015 100.00 Number of Distinct Categories = 1 Graph

60、及 ANOVA Table計算Gage R&R 綜合問題設計室構造 Group 上想改善 Hinge Force。 假因子導出的結果料想影響 Hinge force的預備CTQ有4種。 對4種預備CTQ利用Minitab， Gage R&R實施結果如下。 4種預備CTQ，各個計測儀的運用能夠與否, 改善方案闡明一下。 Gage R&R的補充闡明MSA(Measurement System Analysis) 統(tǒng)計的工程管理(SPC)是根據(jù)Data 管理工程，因此對于Data的搜集和分析 很重要. 假設所丈量的Data不正確， 預測出想象以外的結果，所以 會把問題變得越來越壞. 現(xiàn)有的計測儀檢/