【正文】 年代的美國(guó)摩托 羅 拉公司 80年代，摩托 羅 拉公司在同日本公司的 競(jìng)爭(zhēng) 中 節(jié)節(jié)敗 退， 為 了生存，公司 開(kāi) 始了摸索 6s質(zhì) 量之路， 經(jīng) 過(guò) 10年的努力，“摩托 羅 拉” 終 于成 為 世界著名品牌。 強(qiáng) 調(diào) 學(xué) 習(xí) 型 組織 ，大量培 訓(xùn) 黑 帶 等四 級(jí) 的過(guò)程改 進(jìn)專 家作 為組織 上的保障。對(duì) 顧 客要求高度符合。 度量 σ的尺度與諸如每個(gè)體的缺陷 、 每百萬(wàn)個(gè)零件 /部品的缺陷 、以及失效或出錯(cuò)概率等特性完全相關(guān) 。 ? 每小時(shí)丟失 7個(gè)郵件 ? 每 7個(gè)月有 1分鐘人們?cè)陲嬘脤?duì)人體有害的水 ? 每周有 次外科手術(shù)出差錯(cuò) ? 每五年在主要機(jī)場(chǎng)有 1架飛機(jī)提前或延遲降落 ? 每年開(kāi)錯(cuò) 68張?zhí)幏? ? 每 34年停 1小時(shí)電 % 好 (6σ) ? 每小時(shí)丟失 20,000個(gè)郵件 ? 每天有幾乎 15分鐘人們?cè)陲嬘脤?duì)人體有害的水 ? 每周有 5,000次外科手術(shù)有誤 ? 在主要機(jī)場(chǎng)每天有 2架飛機(jī)提前或延遲降落 ? 每年開(kāi)錯(cuò) 20萬(wàn)張?zhí)幏? ? 每月幾乎有 7小時(shí)停電 99%好 () 6σ —實(shí)際的涵義 6σ的涵義與價(jià)值觀 6σ 展望 短期 長(zhǎng)期 決策 感覺(jué) 依據(jù)概率 設(shè)計(jì) 績(jī)效 工藝性 目標(biāo) 公司 顧客 組織 權(quán)威 知識(shí) 培訓(xùn) 浪費(fèi) 必不可少的 一系列命令 等級(jí)制度 給團(tuán)隊(duì)授權(quán) 指導(dǎo) 憑經(jīng)驗(yàn) 同業(yè)基準(zhǔn) /衡量 尺度 設(shè)定目標(biāo) 靠現(xiàn)實(shí)感知 考慮更長(zhǎng)遠(yuǎn) 人員 成本 競(jìng)爭(zhēng)優(yōu)勢(shì) 控制 中央集權(quán)化 本地化 改善 自動(dòng)化 最佳化 6σ — 作爲(wèi)價(jià)值觀 管理項(xiàng)目 傳統(tǒng)的 管理項(xiàng)目 傳統(tǒng)的 6σ 分析重點(diǎn) 要點(diǎn)估計(jì) 變異性 管理 成本和時(shí)間 品質(zhì)和時(shí)間 工藝性 試驗(yàn)和錯(cuò)誤 Robust 設(shè)計(jì) 公差 最壞的情況 總和的平方根 變數(shù)研究 每次一個(gè)因素 試驗(yàn)設(shè)計(jì) DOE 過(guò)程調(diào)整 全力以赴 SPC 圖表 問(wèn)題 解決 預(yù)防 解決問(wèn)題 依賴專家 依靠系統(tǒng) 分析 經(jīng)驗(yàn) 資料 焦點(diǎn) 産品 過(guò)程 行爲(wèi) 作出反應(yīng) 事先行動(dòng) 供應(yīng)商 成本 相關(guān)能力 6σ—作爲(wèi)價(jià)值觀 ? Y ? 非獨(dú)立變數(shù) ? 輸出 ? 效果 ? 癥狀 ? 檢測(cè)指標(biāo) ? X1 . . . XN ? 獨(dú)立變數(shù) ? 輸入 過(guò)程 ? 原因 ? 問(wèn)題 ? 控制 f (X) Y= 若我們能很好地把握 X， 爲(wèi)什麼要不斷測(cè)試和檢查 Y？ 爲(wèi)了得到結(jié)果，我們的重點(diǎn)應(yīng)放在 Y上，還是 X上？ 焦點(diǎn)是 X， 而不是 Y 6σ強(qiáng)調(diào)的焦點(diǎn) 把焦點(diǎn)由產(chǎn)出移轉(zhuǎn)到過(guò)程參數(shù)之控制 6s品 質(zhì) 技術(shù)定位 6s是品 質(zhì) 工程在解決 產(chǎn) 品 問(wèn)題 上的系 統(tǒng) 化的 應(yīng) 用 6s品 質(zhì) 理 論 基于因 變 量 Y和自 變 量 X的函數(shù) 關(guān) 係 Y = f(X)， 通過(guò)對(duì)自 變 量 X的研究，找出成功因子，達(dá)到因 變 量 Y的最優(yōu)化 結(jié) 果。 （ 3）單位 間變 異：雖然 規(guī) 格值一定，但是制程中無(wú)法避免的會(huì)造成每件 產(chǎn) 品之特性值不一致，而其原因可能並不明確。 品 質(zhì) 工程分 為線 上（ Online） 及 線 外（ Offline） 兩部分。” 聯(lián)信公司董事長(zhǎng)、執(zhí)行官 Larry Bossidy “6σ GE 品質(zhì) 2023 —將成爲(wèi)歷史上最大 、 涉及人員最多的 ， 最終將成爲(wèi)獲利最大的行動(dòng) 。 檢查或檢驗(yàn)之後 達(dá)到 90%合格率 廢品 返工 隱藏的工廠 不合格 操作 輸入 檢查 首次 合格率 合格 挖掘缺陷和隱藏的工廠 改善機(jī)會(huì)在那 ? 這種計(jì)算合格率的傳統(tǒng)方法不考慮隱藏的工廠 下面描述的是符合顧客需求的過(guò)程 90% 顧客品質(zhì) = A B C 81 % 73 % 66 % 生産線合格率與首次合格率 66% 185。 列出的是過(guò)程步驟 ，注意工程和購(gòu)買也列入 。 如果掌握 X的足夠資訊，那麼在不量測(cè) Y的情況下，就可以精確地預(yù)測(cè)輸出 Y。衡量尺度可能是每個(gè)個(gè)體的缺陷、每百萬(wàn)缺陷的 零件 /部品數(shù)、時(shí)間、缺陷數(shù) 、生産線合格率等等。 176。 FLOUR Brand A But.....Is Our Measurement System Correct? Evaluate solutions Step 10.....Validate the Measurement System for Xs How Could We Approach This? ? Need to Verify the Accuracy of Our Temperature Gauges ? Need for “Benchmark” Instrumentation for Comparison ? Rent Some Other “High End” Gauges ? Compare the Results Verify that our Instruments are Accurate Process Control Step 11.....Determine Ability to Control Vital Few Xs How Could We Approach This? ? Check A Number of Ovens ? Monitor Temperatures Over Time ? Focus on the Process Capability ? Look for Degree of Variation Variation OK But...Average is High (and the algorithm should be checked) 30 345 of Ovens Temperature 346 357 347 348 349 350 351 352 353 354 355 356 25 20 15 10 5 Process Control Step 12.....Implement Process Control System on Xs What do we do Going Forward? ? Check Ovens Daily for Temperature Levels ? Audit Usage Frequency of Alternative Flour Supplier (., Brand C) ? Periodically Reassemble the Panel to Test Taste ? Chart the Results And.....Plot the Data Over Time FLOUR “ Brand C” 354 353 352 351 350 349 348 1 3 5 7 9 11 13 15 17 19 21 23 25 Statistical Process Control 6s 68 Jason Lee 2023/09/18 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH 。 177。 One Taste Unit Validate Measurements Step 4.....Establish Product Capability for Y (Taste) This is a 3s Process! 7 Defects (ratings below 7) 24 Ratings (from our panel) = .292 292,000 Defects per 1,000,000 Loaves OR 7 6 5 4 3 2 1 1 2 3 4 5 6 7 8 9 10 of Ratings Rating 6 4 3 2 1 1 4 3 Defects 7 Target = 8 Analyze Measurements How Do We Approach This? ? Bake Several Loaves Under “No