【正文】 0 697,700 177。 ? 決定每種可能故障模式的重要度和發(fā)生可能性 ? 決定消除重要故璋模式而采取的方法 ? 開發(fā)消除或減少重要故障模式的方法 聚焦問題點階段 – 部分分析法 ? 以優(yōu)先順序找出問題的核心事項 ? 典型的是： 80%的問題由 20%產生 ? 決定活動課題和相關非常勤人員 – 用邏輯樹等方法展開問題後，找出最終區(qū)域，選定經驗豐富的工程師來執(zhí)行課題活動。 ? Long Term Process Capability Index：長期工序能力指數(shù) ? Zlt（ σ lt）， Cpk ? Zlt=3 Cpk Gage RR ? Gage RR實行時注意事項 – 以 Blind測定來評價 – 決定幾名評價者為合理 – 接產品的重要性和統(tǒng)計特性決定試料數(shù)的反復次數(shù) – 預先決定評價周期 – 抽取樣本時運用隨機原則，但實施 Gage RR時須對試料事先計劃再行抽樣 Gage RR – 一般是看 %Tolerance值來判斷 Gage的接受與否，但%Study Var在 20%以上時，有必要點檢工序 Process – Gage RR值較大時，必須制定改善計劃進行改善。如果信賴性區(qū)間重疊意味（信賴區(qū)間不重疊意味著組數(shù)小）測定的變化大。 Stability Time2 Time1 Gage RR – 偏移（ Bias）：實際測定值跟試料平均值的差異值叫準確度（ Accuracy） Bias Reference Value Observed Average Value Gage RR – 反復性（ Repeatability）： 1名測定者使用同樣計測器測定同樣部品的同樣特性時得到的變化 Repeatability Gage RR – 再現(xiàn)性（ Reproduceability)：同樣部品的同樣特性使用同樣計測器由多名測定者測定時得到的變化。 – DO（ Defect Opportunity）：機會損失（缺陷） ? 可能引發(fā)的機會損失（缺陷）的行動或事件。 – YRT(Rolled Throughput Yield)：全工程一次性直通收率 ? 表示一個產品通過全工各沒有經過一次的修理和再作業(yè)，到最終合格為止的收率值。 ? 運用假設檢驗（事例） – 新產品 Flatron Monitor產品顯著降低了眼睛的疲勞 – LG Digital TV比競爭社的 Digital TV畫質更優(yōu)秀 – 6σ 品質改善 Tool比原有品質改善活動使用的改善 Tool效果更卓越 – 019 PCS比它社手機通話音質更清晰 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的用語理解 – 原假設 (Null Hypothesis:Ho)：作為檢驗對象的假設 ? 如果接受原假設的話，表示“什麼也不能確信（ or證明）”。什麼是水平的分析方法。為了減少潛在變量的影響，常常隨機化。 試驗計劃的樹立 ? 數(shù)據(jù)分析 – GRAPH分析 ? Capability Analysis ? Histogram ? Box Plot ? Pareto ? Scatter Plot ? Cube Plot ? Main effect plot：平均值 標準偏差 ? Interaction plot：平均值 標準偏差 試驗計劃的樹立 – 信賴區(qū)間 ? Pvalue，檢驗統(tǒng)計量 ? Ttest， Ftest， Chisquare – 分散分析表 (ANOVA Tables） – 回歸方程式 (Regression) 試驗計劃的樹立 ? 導出結論 – 結果值在統(tǒng)計上有效嗎？ ? 測定 /分析 /改善階段使用的工具間有矛盾嗎？ ? 結合實際問題統(tǒng)計的處理結果合理嗎？ – 得到改善的證據(jù)（長期的）充分嗎？ – 結果值得到實際改善了嗎？ ? 工序能力值向上了嗎？ ? 所選定題目的‘ Y’值得到了長期改善了嗎？ ? 會不會發(fā)生逆性能的問題？ 試驗計劃的樹立 – 試驗結果怎樣指示改善問題的方向？ – 是否要做追加的試驗？ ? 驗證試驗 – 驗證試驗是證明已找出的最佳條件是真的改善的步驟 – 驗收試驗必須象現(xiàn)象分析類似對長期的數(shù)據(jù)合理分組來實施 – 找出最佳條件來做試驗期間在遷定的條件內應使其自然（實際作業(yè)條件） 試驗計劃的樹立 – 參照事項 ? 做驗證試驗期間必須參加觀察 ? 要確認因子的水平變化是否正確 ? 應留意試驗條件變更是否損壞裝備或誘發(fā)安全性問題 ? +/只能在條件內實際控制可能的話，不能檢出 2水平變化引起的 效應 試驗計劃的樹立 ? 試驗時注意事項 – 錯誤認識發(fā)生問題的因子 ? 相關關系錯誤認識為因果關系 – 最佳選定的條件和實際使用的條件不符 ? 試驗結果最佳選定的值在實際上協(xié)力社不能作業(yè)或生產工序不能賦予其條件 ? 跟 Cost（成本費用）等相關，不能實行其政策 ? 全體的制度等有可能變更 試驗計劃的樹立 – 不能決定是因為沒有得到管理而變化 ? 潛在變量的影響給‘ Y’值造成大的影響 – 試驗在很小範圍的因子水平上實施 – 沒有包含重要的獨立變量 ? 沒有包含影響品質的 CTQ – 因測定的變動大，不能檢出變化的值 一元配置法 ? 一元配置法 – 只選擇 1個預計對一些特性值有影響的因子，實施試驗的最單純的試驗計劃法。 3次以上的交互作用，技術分析不太容易，因此一般不考慮。 部分配置法 (Fractional factorial design） ? 為什麼要使用部分配置法 (Fractional factorial design) – 為了找出致命的少數(shù)因子 Screening時； – 從經濟 /成本費用方面愾有水平配合下，試驗發(fā)生困難。（有 /無相互關聯(lián)性，可以提供解決問題的 Point） – 這種關聯(lián)性用某種數(shù)學方程工來表示及分析叫回歸分析，即可以認為將從屬變量“ Y”與獨立變量“ X”的關系用下列模型的數(shù)學方程式來適當表示。此時 X3因子的配置結構跟 Z1， X2有同樣的交互作用。 要因配置法 (Factorial Design) Factor Level 1 +1 A. 水的溫度 (Temp) 溫水 熱水 (Time) 短 長 (Conc.) 低 高 ?同樣 Run實施 2次（或 2次以上）得到反應值 (Yield)時，求平均值後適用試驗排列全體反復 2次（或 2次以上）時，把數(shù)據(jù)放在 1列來適用。其結果得到了下列數(shù)據(jù) ，最佳 條件。 試驗計劃的樹立 – 交叉法 ? 交叉是因子的效果不能彼此分離，部分配置法多少都有交叉，一般是主效果大于可交互作用的情況， 3次以上的交互作用類似的情況幾乎沒有。 分散分析（ ANOVA）的理解 – 可以說是決定各水平上‘ Y’特性值（反應值）的平均值是否具有 同樣值，步驟 ? 暫定的找出致命的少數(shù)因子的方法 ? 分散分析的用語理解 – 因子 (Factor)：試驗上影響特性值的原因 – 水平 (Level)：為實施試驗的因子條件 – 平方和 (Sum of square)：在因子的特定水平上，計算測定值變化程度 – 試驗 Balance/Unbalance：測定值相同或不相同時所有因子水平的 調合數(shù) 分散分析（ ANOVA）的理解 ? 分散分析的使用 – One Way ANOVA： 具有 2個以上的水平的 1個因子的情況 – Balance ANOAV： 具有 2個以上因子的情況 – 試驗計劃法（ DoE=Design of Experiment）：分析多因子時，針對那個 調合上給‘Ｙ ’特性值造成影響大的因子。 – 顯著性水平 (Significance Level)：象一般使用的α =(,)Ho是真的拒絕的概率 假設檢驗（ Hypothesis Test）計量值 第二種錯誤 （ β） 第一種錯誤 （ α） 真 實 H0=真 H1=假 采 納 H0=真 H1=假 假設檢驗（ Hypothesis Test）計量值 ? 假設設定方法 – 以原假設 [母體和 Sample(樣本 )是一樣的 ]來假定 ? Ho： μ 1=μ 2 ? Ho： μ 1=μ 2=μ 3=?? μ n ? Ho： σ 1=σ 2 ? Ho： σ 1=σ 2= σ 3 ?? σ n 假設檢驗（ Hypothesis Test）計量值 – 對立假設 [母體和樣本不同的 ]則為 ? 兩側檢驗時 H1： μ 1≠ μ 2 ? 偏側檢驗時 H1： μ 1 ＜ μ 2 μ 1 ＞ μ 2 ? 兩側檢驗時 H1： σ 1≠ σ 2 ? 偏側檢驗時 H1： σ 1 ＜ σ 2 σ 1 ＞ σ 2 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的形態(tài) – 計量型數(shù)據(jù)：使用 Z， Ttest統(tǒng)計量 ? 實行平均值檢驗的必須檢驗分散的同質性（ Ftest) ? Ftest是比較 2個以上的母體的散布 – 計數(shù)型數(shù)據(jù)：使用 x2(chiSquare)統(tǒng)計量 ? 次數(shù)、頻度等 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗時樣本大小和特征 – 樣本的大小取多少好呢？ ? 如果樣本數(shù)小，很難表示母體的特征，可能導致檢驗結果的錯誤 ? 相麼，樣本數(shù)大的時候，實際操作中時間 /費用方面難以適用 ? 因此，樣本數(shù)的大小最好從各方面都考慮後作出恰當?shù)臎Q定 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的實行順序 – 設定原假設、對立假設 (Ho， Hi) – 確定顯著性水平（ α =， ， ） – 選擇檢驗統(tǒng)計量（ Z， T， Chisquare統(tǒng)計量） – 求接受或拒絕域 – 從數(shù)據(jù)上判定顯著性，解釋結果 ? P(Probability)概率值＜ α 則接受對立假定 (H1) ? P(Probability)概率值＞ α 則接受對立假定 (Ho) – 把統(tǒng)計的解釋結果用于實際問題 假設檢驗（ Hypothesis Test）計量型 ? 假設檢驗結果的判定方法 拒絕值 接受域 ?原假設 (Ho)：接受 ?對立假立 (H1)：拒絕 拒絕域 ?原假設 (Ho)：拒絕 ?對立假立 (H1)：接受 (α) 假設檢驗（ Hypothesis Test）計量型 – 統(tǒng)計學的判定方法 ? 數(shù)據(jù)計算值結果小于拒絕值時：接受原假設 (Ho) ? 數(shù)據(jù)計算值結果大于拒絕值時：拒絕原假設 (Ho) ? “ 0”值在信賴區(qū)間內時：接受原假設 (Ho) ? “ 0”值在信賴區(qū)間外時：拒絕原假設 (Ho) – Minitab的判定方法 ? PValue值大于 α 時：接受原假設 (Ho) ? PValue值小于 α 時：拒絕原假設 (Ho) 假設檢驗（ Hypothesis Test）計量值 ? 假設檢驗的 Minitab運用 – 洗衣機下部 Transmission Housing有 10CTQ， 10個CTQ是 8個 Fixture Brake的高度 離合器，在這里先查看 8個不同的 Fixture間有無高度尺寸公差，如果Fixure間有高度公差的話，用“ X”因素來判斷後調查原因并改善。 離散型數(shù)據(jù)分析 – YNA(Normalized Yield)：標準收率 ? 表示計算連續(xù)工序的評價收率的值 ? 應用：完成產品的品質水平評價時使用。 ? DPMO=DPO 1,000,000 – 例：上例 DPMO是 1,000,000 DPMO ? P(ND)=1DPO==(90%) 離散型數(shù)據(jù)分析 ? 利用泊松公式計算收率 – 利用泊松公式 ? 這里 – Y：收率 – DPU：元件缺陷數(shù) – R： – e：指數(shù)函數(shù) ?? !redpur dpur ??離散型數(shù)據(jù)分析 – r=0時 – ∴Y=e dpu – ∴ 對缺陷機會數(shù)越大，“ Y”越接近“ 0” !0)(1 dpueY ??離散型數(shù)據(jù)分析 ? Process Yield（例題） – 如果 750元件有 34個的缺陷時，計算DPU/DPO/DPMO/Yield/Sigma各是多少？（各元件有10個的機會數(shù)） ? DPU=缺陷數(shù)247。 – 是區(qū)分工程的短期工程度能力的重要方法 ? 可以把握平均值移動問題還是散布問題 ? 把問題特殊化的第一個階段 變化的理解 – Rational Subgroup要包含的要素：為了明確給工序變化暫定影響的‘ X’因素，使用 5M求解特性要因圖 ? Man：作業(yè)者變更，晝夜班次交換，新作業(yè)者等 ? Machine：機械設定值變更