【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(diǎn)階段 – 部分分析法 ? 以優(yōu)先順序找出問題的核心事項(xiàng) ? 典型的是： 80%的問題由 20%產(chǎn)生 ? 決定活動課題和相關(guān)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(jīng)驗(yàn)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(shí)行時注意事項(xiàng) – 以 Blind測定來評價 – 決定幾名評價者為合理 – 接產(chǎn)品的重要性和統(tǒng)計(jì)特性決定試料數(shù)的反復(fù)次數(shù) – 預(yù)先決定評價周期 – 抽取樣本時運(yùn)用隨機(jī)原則，但實(shí)施 Gage RR時須對試料事先計(jì)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(diǎn)檢工序 Process – Gage RR值較大時，必須制定改善計(jì)劃進(jìn)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)?。y定的變化大。 Stability Time2 Time1 Gage RR – 偏移（ Bias）：實(shí)際測定值跟試料平均值的差異值叫準(zhǔn)確度（ Accuracy） Bias Reference Value Observed Average Value Gage RR – 反復(fù)性（ Repeatability）： 1名測定者使用同樣計(jì)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(jì)測器由多名測定者測定時得到的變化。 – DO（ Defect Opportunity）：機(jī)會損失（缺陷） ? 可能引發(fā)的機(jī)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(chǎn)品通過全工各沒有經(jīng)過一次的修理和再作業(yè)，到最終合格為止的收率值。 ? 運(yùn)用假設(shè)檢驗(yàn)（事例） – 新產(chǎn)品 Flatron Monitor產(chǎn)品顯著降低了眼睛的疲勞 – LG Digital TV比競爭社的 Digital TV畫質(zhì)更優(yōu)秀 – 6σ 品質(zhì)改善 Tool比原有品質(zhì)改善活動使用的改善 Tool效果更卓越 – 019 PCS比它社手機(jī)通話音質(zhì)更清晰 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)的用語理解 – 原假設(shè) (Null Hypothesis:Ho)：作為檢驗(yàn)對象的假設(shè) ? 如果接受原假設(shè)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(jī)化。 試驗(yàn)計(jì)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(biāo)準(zhǔn)偏差 ? Interaction plot：平均值 標(biāo)準(zhǔn)偏差 試驗(yàn)計(jì)劃的樹立 – 信賴區(qū)間 ? Pvalue，檢驗(yàn)統(tǒng)計(jì)量 ? Ttest， Ftest， Chisquare – 分散分析表 (ANOVA Tables） – 回歸方程式 (Regression) 試驗(yàn)計(jì)劃的樹立 ? 導(dǎo)出結(jié)論 – 結(jié)果值在統(tǒng)計(jì)上有效嗎？ ? 測定 /分析 /改善階段使用的工具間有矛盾嗎？ ? 結(jié)合實(shí)際問題統(tǒng)計(jì)的處理結(jié)果合理嗎？ – 得到改善的證據(jù)（長期的）充分嗎？ – 結(jié)果值得到實(shí)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(yàn)計(jì)劃的樹立 – 試驗(yàn)結(jié)果怎樣指示改善問題的方向？ – 是否要做追加的試驗(yàn)？ ? 驗(yàn)證試驗(yàn) – 驗(yàn)證試驗(yàn)是證明已找出的最佳條件是真的改善的步驟 – 驗(yàn)收試驗(yàn)必須象現(xiàn)象分析類似對長期的數(shù)據(jù)合理分組來實(shí)施 – 找出最佳條件來做試驗(yàn)期間在遷定的條件內(nèi)應(yīng)使其自然（實(shí)際作業(yè)條件） 試驗(yàn)計(jì)劃的樹立 – 參照事項(xiàng) ? 做驗(yàn)證試驗(yàn)期間必須參加觀察 ? 要確認(rèn)因子的水平變化是否正確 ? 應(yīng)留意試驗(yàn)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(nèi)實(shí)際控制可能的話，不能檢出 2水平變化引起的 效應(yīng) 試驗(yàn)計(jì)劃的樹立 ? 試驗(yàn)時注意事項(xiàng) – 錯誤認(rèn)識發(fā)生問題的因子 ? 相關(guān)關(guān)系錯誤認(rèn)識為因果關(guān)系 – 最佳選定的條件和實(shí)際使用的條件不符 ? 試驗(yàn)結(jié)果最佳選定的值在實(shí)際上協(xié)力社不能作業(yè)或生產(chǎn)工序不能賦予其條件 ? 跟 Cost（成本費(fèi)用）等相關(guān)，不能實(shí)行其政策 ? 全體的制度等有可能變更 試驗(yàn)計(jì)劃的樹立 – 不能決定是因?yàn)闆]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(yàn)在很小範(fàn)圍的因子水平上實(shí)施 – 沒有包含重要的獨(dú)立變量 ? 沒有包含影響品質(zhì)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(yù)計(jì)對一些特性值有影響的因子，實(shí)施試驗(yàn)的最單純的試驗(yàn)計(jì)劃法。 3次以上的交互作用，技術(shù)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(jīng)濟(jì) /成本費(fèi)用方面愾有水平配合下，試驗(yàn)發(fā)生困難。（有 /無相互關(guān)聯(lián)性，可以提供解決問題的 Point） – 這種關(guān)聯(lián)性用某種數(shù)學(xué)方程工來表示及分析叫回歸分析，即可以認(rèn)為將從屬變量“ Y”與獨(dú)立變量“ X”的關(guān)系用下列模型的數(shù)學(xué)方程式來適當(dāng)表示。此時 X3因子的配置結(jié)構(gòu)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(shí)施 2次（或 2次以上）得到反應(yīng)值 (Yield)時，求平均值後適用試驗(yàn)排列全體反復(fù) 2次（或 2次以上）時，把數(shù)據(jù)放在 1列來適用。其結(jié)果得到了下列數(shù)據(jù) ，最佳 條件。 試驗(yàn)計(jì)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(yīng)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(yàn)上影響特性值的原因 – 水平 (Level)：為實(shí)施試驗(yàn)的因子條件 – 平方和 (Sum of square)：在因子的特定水平上，計(jì)算測定值變化程度 – 試驗(yàn) Balance/Unbalance：測定值相同或不相同時所有因子水平的 調(diào)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(yàn)計(jì)劃法（ DoE=Design of Experiment）：分析多因子時，針對那個 調(diào)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(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 第二種錯誤 （ β） 第一種錯誤 （ α） 真 實(shí) H0=真 H1=假 采 納 H0=真 H1=假 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)設(shè)定方法 – 以原假設(shè) [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(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 – 對立假設(shè) [母體和樣本不同的 ]則為 ? 兩側(cè)檢驗(yàn)時 H1： μ 1≠ μ 2 ? 偏側(cè)檢驗(yàn)時 H1： μ 1 ＜ μ 2 μ 1 ＞ μ 2 ? 兩側(cè)檢驗(yàn)時 H1： σ 1≠ σ 2 ? 偏側(cè)檢驗(yàn)時 H1： σ 1 ＜ σ 2 σ 1 ＞ σ 2 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)的形態(tài) – 計(jì)量型數(shù)據(jù)：使用 Z， Ttest統(tǒng)計(jì)量 ? 實(shí)行平均值檢驗(yàn)的必須檢驗(yàn)分散的同質(zhì)性（ Ftest) ? Ftest是比較 2個以上的母體的散布 – 計(jì)數(shù)型數(shù)據(jù)：使用 x2(chiSquare)統(tǒng)計(jì)量 ? 次數(shù)、頻度等 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)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(dǎo)致檢驗(yàn)結(jié)果的錯誤 ? 相麼，樣本數(shù)大的時候，實(shí)際操作中時間 /費(fèi)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(dāng)?shù)臎Q定 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)的實(shí)行順序 – 設(shè)定原假設(shè)、對立假設(shè) (Ho， Hi) – 確定顯著性水平（ α =， ， ） – 選擇檢驗(yàn)統(tǒng)計(jì)量（ Z， T， Chisquare統(tǒng)計(jì)量） – 求接受或拒絕域 – 從數(shù)據(jù)上判定顯著性，解釋結(jié)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(jì)的解釋結(jié)果用于實(shí)際問題 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型 ? 假設(shè)檢驗(yàn)結(jié)果的判定方法 拒絕值 接受域 ?原假設(shè) (Ho)：接受 ?對立假立 (H1)：拒絕 拒絕域 ?原假設(shè) (Ho)：拒絕 ?對立假立 (H1)：接受 (α) 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量型 – 統(tǒng)計(jì)學(xué)的判定方法 ? 數(shù)據(jù)計(jì)算值結(jié)果小于拒絕值時：接受原假設(shè) (Ho) ? 數(shù)據(jù)計(jì)算值結(jié)果大于拒絕值時：拒絕原假設(shè) (Ho) ? “ 0”值在信賴區(qū)間內(nèi)時：接受原假設(shè) (Ho) ? “ 0”值在信賴區(qū)間外時：拒絕原假設(shè) (Ho) – Minitab的判定方法 ? PValue值大于 α 時：接受原假設(shè) (Ho) ? PValue值小于 α 時：拒絕原假設(shè) (Ho) 假設(shè)檢驗(yàn)（ Hypothesis Test）計(jì)量值 ? 假設(shè)檢驗(yàn)的 Minitab運(yùn)用 – 洗衣機(jī)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(diào)查原因并改善。 離散型數(shù)據(jù)分析 – YNA(Normalized Yield)：標(biāo)準(zhǔn)收率 ? 表示計(jì)算連續(xù)工序的評價收率的值 ? 應(yīng)用：完成產(chǎn)品的品質(zhì)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(jì)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(jī)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(jì)算DPU/DPO/DPMO/Yield/Sigma各是多少？（各元件有10個的機(jī)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(jī)械設(shè)定值變更