【文章內(nèi)容簡(jiǎn)介】 示出在某個(gè)特定位置有缺陷集中的現(xiàn)象 ◎ 在部件內(nèi)的某個(gè)位置上有一個(gè)問(wèn)題集中的限度，如果該部件 是一個(gè)組件時(shí)，又可把它說(shuō)成是一個(gè)部件內(nèi)指定的部件 ． ． ． ． ． ． ． ． ． ． ． 印刷電路板底面焊接處的針孔 44 制作集中圖 1. 制作一張包括重現(xiàn)缺陷的圖或模版 2. 如果需要，劃一些網(wǎng)格，這樣可以找出問(wèn)題的精確位置 3. 在檢查每一個(gè)部件時(shí)，請(qǐng)檢驗(yàn)人員標(biāo)出如下內(nèi)容： ? 每種缺陷類(lèi)型的位置 ? 每種缺陷類(lèi)型的適當(dāng)編號(hào) ? 在每個(gè)位置上每種缺陷類(lèi)型的數(shù)量 （不必記錄每種缺陷出現(xiàn)的時(shí)間，除 非時(shí)間對(duì)時(shí)間變量被認(rèn)為是重要的） 45 部件搜索：簡(jiǎn)便而平滑的交換 ◎ 目的 ? 從幾十萬(wàn)部件 /組件中，針對(duì)紅 X，捕捉所有重要的主效應(yīng) 和交互影響效應(yīng)的量 ◎ 用于何處 ? 在有兩個(gè)不同地方用可互換部件組裝的場(chǎng)合 （標(biāo)注 ”好” 和 ”差”） ◎ 何時(shí)應(yīng)用 ? 在樣機(jī)、工程試運(yùn)行、生產(chǎn)試運(yùn)行時(shí)或在工作場(chǎng)所 ◎ 樣本量 ? 2個(gè) 46 一個(gè)幽默的類(lèi)推：發(fā)生在英國(guó)火車(chē)上的故事 老婦人（ L） 年輕女孩（ YG） 英俊的士兵（ P） 將軍（ G） ◎ 火車(chē)通過(guò)山洞，燈突 然熄了的時(shí)間 “聽(tīng)到了一聲親吻聲，隨后就是一記響亮的耳光聲音！” 火車(chē)包廂里的四個(gè)乘客 ◎ 老婦人想：「一定是這個(gè)將軍，這個(gè)老山羊，他親了年輕女 孩，而年輕女孩打了他一巴掌」 ◎ 年輕女孩想：「真該死，我是個(gè)漂亮人兒，那個(gè)英俊的士兵 想親我，卻親了老太婆，于是挨了她一巴掌」 ◎ 將軍一面揉臉頰一面想：「一定是那個(gè)年輕士兵干的 …. 」 這就是部件搜索原理，只是你不知道這是交換理論 47 部件搜索的變量與四個(gè)階段 ◎ 部件搜索技術(shù)里，僅需考慮極端分布情況，采集到兩個(gè)極端，就可以采集到整個(gè)綠 Y變量的范圍，然后再通過(guò)交換部件或子部件的方法把這些原因系統(tǒng)地過(guò)濾掉 ? 最好中的最好（ BOB） ? 最差中的最差（ WOW） ◎ 部件搜索的 4個(gè)階段 階段 目標(biāo) ?確定紅 X和粉紅 X是否包括在所考慮到的變量中，這也保 證了拆卸 /重新組裝的故障復(fù)現(xiàn) ?排除非重要原因及相關(guān)交互影響的效應(yīng) ?確認(rèn)重要變量確實(shí)重要，非重要變量確實(shí)不重要 ?量化重要原因及其交互影響效應(yīng)的幅度與方向 極 好 （ BOB） 極 差 （ WOW） 48 部件搜索的 12步驟程序（ 1） 1. 從一天的產(chǎn)品里僅僅采樣 2個(gè)部件， 這 2個(gè)部件距離有待研究的綠 Y要盡可能地遠(yuǎn)，即最好的部件 (BOB) 和最差的部件 (WOW) 2. 階段一 拆卸并重新組裝 BOB和 WOW兩次，在測(cè)量它們重現(xiàn)的綠 Y兩次以上 3. 顯著性檢驗(yàn)：這個(gè)檢驗(yàn)中要測(cè)兩個(gè)部件，以便確定從統(tǒng)計(jì)上看是否 BOB與 WOW間的差別是顯著的 ? BOB的 3個(gè)綠 Y值必須全部好于 WOW的綠 Y，并且它們之間沒(méi)有交叉覆蓋 ? D/ 的比率必須大于 ，或著最小要等于 D的 BOB中值與 WOW之間距離 是 3次 BOB量測(cè)和 3次 WOW 量測(cè)的量測(cè)值范圍的平均差 d d 49 部件搜索的 12步驟程序（ 2） 4. 如果 D/ 的比率小于 ，部件搜索的第一階段就是失敗，這意味著綠 Y不能保持穩(wěn)定不變，說(shuō)明問(wèn)題出在組裝過(guò)程中，而不是在部件本身；這就要求開(kāi)展逐步的步進(jìn)式的拆卸和再組裝以便確定在組裝過(guò)程中那一步是紅 X 5. 最好由子部件開(kāi)始，以遞減的次序排列子部件，如果沒(méi)有顯著的子部件，那么就按遞減的次序排列的部件 6. 階段 2 將最高一級(jí)的子部件或部件從 BOB轉(zhuǎn)接到 WOW，并將其對(duì)應(yīng)者由 WOW 轉(zhuǎn)接至 BOB，量測(cè)并記錄兩個(gè)新綠 Y值 7. 在第 ，可能會(huì)有 3個(gè)結(jié)果 a) BOB依然是 BOB即好的， WOW 依然是 WOW，即差的，這個(gè)結(jié)果意味著所轉(zhuǎn)換的部件是不重要的 d 50 部件搜索的 12步驟程序（ 3） b) BOB變成 WOW，而 WOW變成了 BOB，這個(gè)結(jié)果意味著所交換的部件是重要的，并且是一個(gè)固定的紅 X，于是部件搜索結(jié)束 c) BOB部份地降級(jí)到一種 WOW，但并沒(méi)完成降至最低， WOW部份地朝 BOB改善，但還沒(méi)完成達(dá)到；這種結(jié)果意味著所交換的部件或許是重要的，但還不是整個(gè)問(wèn)題的癥結(jié)所在 8. 對(duì)于第 7步驟所產(chǎn)生 3個(gè)可能的結(jié)果中的每一個(gè)，將原先來(lái)自 BOB的部件歸還 BOB， WOW亦同，以保證原始的 BOB和 WOW的綠 Y值被復(fù)原 9. 對(duì)于隨后最有可能的子部件或其它部件，重復(fù)第 6步， 7 (a)或 7 (c)以及第 8步驟；然后是依序其它部件，依次類(lèi)推 7 (c)和第 9步有兩個(gè)或多個(gè)部件被識(shí)別為是重要的，就要同時(shí)把它們?cè)?BOB和 WOW之間交換，直到反向效果出現(xiàn)，即 BOB變成 WOW，或著相反，那么紅 X就是這些重要部件及其相互作用的組合 51 部件搜索的 12步驟程序（ 4） 3 通過(guò)對(duì)所有未試驗(yàn)和不重要的子部件 /部件 (如 WOW)，相對(duì)所有重要的子部件 /部件 (如 BOB)來(lái)檢測(cè)，以便完成試驗(yàn)，其結(jié)果應(yīng)當(dāng)接近第一階段的 BOB，然后反過(guò)來(lái)將 BOB當(dāng)作不重要的部件，而把 WOW作為重要部件進(jìn)行檢測(cè)其結(jié)果接近第一階段的 WOW 4 最后，利用第 1和第 2階段所得到的所有數(shù)據(jù)進(jìn)行完全析因分析，以便量化和確定主效應(yīng)和相互影響效應(yīng)的方向和幅度 ? 階段 4只是個(gè)計(jì)算，而不是新的試驗(yàn) 52 成對(duì)比較：一種精巧而通用的工具 ◎ 目的 ?以高置信度確定 ”好” 和 “差” 單元之間的重復(fù)差異，以向紅 X提供線(xiàn)索 ◎ 用于何處 ?不能拆卸的產(chǎn)品以不同的方式組裝（標(biāo)注”好” 和 “差” ）的 配套裝置處 ?為許多管理者或基層員工應(yīng)用 ◎ 何時(shí)應(yīng)用 ?樣機(jī)、工程試運(yùn)行、生產(chǎn)試運(yùn)行或在工作場(chǎng)所運(yùn)行 ◎ 樣本量 ?6～ 8 對(duì) ”好” 和 “差” 的產(chǎn)品 53 成對(duì)比較先決條件與方案 ◎ 先決條件 ? 性能（輸出或綠 Y）必須是可測(cè)量的，量測(cè)儀器的精度至少是規(guī)范公差或產(chǎn)品分布的 5倍 ? 在一個(gè)大致穩(wěn)定的時(shí)間內(nèi)，每一次嘗試都應(yīng)當(dāng)選取最好的部件（ BOB）和最差的部件（ WOW） ? 如果質(zhì)量特性或參數(shù)是一個(gè)屬性，當(dāng)轉(zhuǎn)化為一個(gè)變量 ◎ 方法：方案 A 1. 選擇采樣量：選取相對(duì)于被調(diào)查的綠 Y其 6個(gè)或 8個(gè)好的部件（ BOB），以及同樣數(shù)量差的部件（ WOW），且相隔越遠(yuǎn) 2. 盡可能多的列出可以表達(dá) BOB和 WOW的綠 Y值差異的多個(gè)參數(shù)或質(zhì)量特性 54 成對(duì)比較的方案 3. 選擇 1對(duì)部件： 1個(gè)好的和 1個(gè)差的，如第 2步驟所述，記下差別，差別是可視的、有尺寸的、外觀(guān)方面的、機(jī)械的、電氣的、化學(xué)的和冶金的等 4. 再選擇第 2對(duì)部件： 1個(gè)好的和 1個(gè)差的，記下第 2對(duì)的差別 5. 繼續(xù)選擇第 3對(duì)、第 4對(duì) …. ，重復(fù)上述搜索過(guò)程，直到出現(xiàn)第 1個(gè)或幾個(gè)參數(shù)能夠在同方向上顯示出 1個(gè)可重現(xiàn)的差別為止 6. 通常在第 5對(duì)或第 6對(duì)的幾個(gè)重要參數(shù)中，就可能出現(xiàn)前后一致的，可重現(xiàn)的差別，這將為我們找出變量的主要原因提供有利的線(xiàn)索 55 成對(duì)比較的方案 ◎ 方案 B ?B方案利用的是成組的比較（好部件和差部件的比較） ?方案步驟與方案 A的第 1步和第 2步是同樣的，但是選擇的是 6或 8個(gè)單獨(dú)的對(duì)，記下 6或 8個(gè)好部件及差部件的每個(gè)品質(zhì) 參數(shù)的讀數(shù)，將讀數(shù)由大致?。ɑ蛳喾矗┑拇涡蚺帕校? 不管它們是好是差 ?應(yīng)用圖基檢驗(yàn)（ Tukey Test） ?如果整個(gè)終結(jié)計(jì)數(shù)是 6或大于 6時(shí)，則該特定的品質(zhì)參數(shù)在 解釋好與差的部件差別方面的重要性上，具有 90％以上的 置信度 ?如果整個(gè)終結(jié) 計(jì)數(shù) 是 5或小于 5時(shí)，這樣一個(gè)質(zhì)量參數(shù)在解 釋好部件與差部件的差別方面的重要性上，就不具有充分 的置信度 56 圖基檢驗(yàn)（ Tukey Test）（ 1） ◎ Tukey Test是由創(chuàng)始人 John Tukey 的名字命名的，檢驗(yàn)的目的 是確定一個(gè)特定的質(zhì)量參數(shù)是否重要，其重要性具有很高的 置信度 ◎ Tukey Test 的程序 ?不管好與差，將相關(guān)的一組讀數(shù)從高到低 (或相反 )排列起來(lái) ?將每一個(gè)標(biāo)注 “好的部件” (G)或 “差的部件” (B) ?當(dāng) “全都是差的” 第一次改變?yōu)? “全都是好的” 時(shí)，劃一條由 這些讀數(shù)的頂端開(kāi)始的直線(xiàn)，這些是終結(jié)計(jì)數(shù) ?同樣，當(dāng)“全都是好的” 第一次改變?yōu)? “全都是差的” 時(shí)，劃 一條由這些讀數(shù)的底端開(kāi)始的直線(xiàn) ?將頂端和底端的終結(jié)計(jì)數(shù)相加以確定合計(jì)終結(jié)計(jì)數(shù) 57 圖基檢驗(yàn)（ Tukey Test）（ 2） ◎ 圖基檢驗(yàn)排序 ◎合計(jì)終結(jié)計(jì)數(shù)與置信度 差 好 …………………………………….. ……………………………………...... ……………………………………...... ………………………… 合計(jì)終結(jié)計(jì)數(shù)數(shù)目 置信度 6 7 10 13 90％ 95％ 99％ ％ 頂端終結(jié)計(jì)數(shù)（全差） 重迭區(qū)域 底端終結(jié)計(jì)數(shù)（全好） 合計(jì)終結(jié)計(jì)數(shù) 58 產(chǎn)品 /過(guò)程搜索：精確定位過(guò)程變量 ◎ 產(chǎn)品 /過(guò)程搜索的目標(biāo) ? 它是在不打斷生產(chǎn)過(guò)程的前提下解決問(wèn)題的一種突破技巧 ? 將重要的過(guò)程參數(shù)與不重要的過(guò)程參數(shù)相分離 ◎ 產(chǎn)品 /過(guò)程搜索的原理 1. 生產(chǎn)中一個(gè)部件中的任一變量有著兩個(gè)通用的因子，或著是產(chǎn)品本身有變異（由材料引起），或著是由一個(gè)以上能影響產(chǎn)品的過(guò)程參數(shù)有變異 2. 如果再已完成的產(chǎn)品中有變量，部件搜索或成對(duì)比較技術(shù)能夠探測(cè)到這些產(chǎn)品變量的原因，這就是產(chǎn)品 /過(guò)程搜索的產(chǎn)品部份 3. 但是如果原因是過(guò)程參數(shù)的變異；移動(dòng)、漂移波動(dòng)或隨時(shí)間而改變，就可以利用產(chǎn)品 /過(guò)程搜索的過(guò)程部份來(lái)解決 4. 產(chǎn)品 /過(guò)程搜索是多變量研究的自然后續(xù)工作，其中時(shí)間對(duì)時(shí)間組系是紅 X，產(chǎn)品參數(shù)是隨假設(shè)時(shí)間而波動(dòng)或改變的 59 產(chǎn)品 /過(guò)程搜索的方法（ 1） 1. 如果懷疑過(guò)程參數(shù)變量造成產(chǎn)品好或差的可能原因，就把這些過(guò)程參數(shù)以同類(lèi)遞降順序列出一個(gè)清單 2. 確定怎樣量測(cè)每個(gè)過(guò)程參數(shù)，誰(shuí)來(lái)量測(cè)，在何處進(jìn)行精密量測(cè) 3. 要保證量測(cè)儀器的精度至少為過(guò)程參數(shù)（允差）的 5倍以上 4. 要保證量測(cè)的是實(shí)際的過(guò)程參數(shù)，而不僅僅是設(shè)定值 5. 如果一個(gè)特定的過(guò)程參數(shù)在監(jiān)測(cè)過(guò)程中并不變化，就可在進(jìn)一步的考慮中將其排除掉 6. 運(yùn)行 100％的部件采樣（特別是在高廢品周期中，如果廢品不斷）或部件的多變量采樣，一直到： ? 在過(guò)程的終點(diǎn)階段，最少能采集到 8個(gè)好部件和 8個(gè)差部件 ? 最好的部件和最差的部件之間的分布范圍，應(yīng)該占有產(chǎn)品生產(chǎn)過(guò)程中觀(guān)察到的有意義的變化的 80％ 60 產(chǎn)品 /過(guò)程搜索的方法（ 2） 7. 量測(cè)所有與每個(gè)部件相關(guān)的、已經(jīng)指定的過(guò)程參數(shù) 8. 在產(chǎn)品制造過(guò)程中，直到過(guò)程結(jié)束前，是不可能對(duì)部件是好或差做出結(jié)論的 9. 然后，運(yùn)行與 8個(gè)好和 8個(gè)差部件相關(guān)的過(guò)程參數(shù)的成對(duì)比較，對(duì)每個(gè)參數(shù)都要進(jìn)行 Tukey Test，然后計(jì)算其合計(jì)終結(jié)計(jì)數(shù) ，有數(shù)個(gè)過(guò)程參數(shù)具有 90％以上的置信度，那么就進(jìn)行 ” B vs. C ” 試驗(yàn)，以便驗(yàn)證那個(gè)是真正的重要參數(shù) ，要進(jìn)行 ”變量搜索” 或 ”完全析因法”，以量化最重要參數(shù)和它們的交互影響效應(yīng) ”散布圖” 或 ”調(diào)優(yōu)運(yùn)算”，隨后再進(jìn)行 ”正向控制” 、”過(guò)程確認(rèn)” 和 ”預(yù)先控制” 等步驟進(jìn)一步優(yōu)先處理 8步驟的不重要參數(shù)的公差，以便減少成本，雖然這樣或許需要進(jìn)行某些試驗(yàn)才能確定要擴(kuò)展到什么程度 61 變量搜索法： Rolls Royce 對(duì)紅 X的研究 ◎ 目的 ? 指出紅 X、粉紅 X等；捕捉所有重要主效應(yīng)和交互影響效應(yīng)的量；放開(kāi)所有不重要變量的允許偏差以減少費(fèi)用 ◎ 用于何處 ? 有 5～ 20個(gè)需研究的變量處 ? 卓越的問(wèn)題預(yù)防工具 ? 應(yīng)用在基層員工工作中 ◎ 何時(shí)應(yīng)用 ? 在研究與開(kāi)發(fā)以及開(kāi)發(fā)工程中卓有成效，在生產(chǎn)中產(chǎn)品 /過(guò)程表示特懲；也用于多變量圖表或成對(duì)比較之后指出紅 X ◎ 樣本量 ? 1～ 20 62 有效的 DOE技術(shù) ◎ 常用 DOE按照精確度排列（非實(shí)用性排列） 全析因法 變量搜索法 PlackettBurman 經(jīng)典 DOE（分析因法） 田口正交矩陣法 拉丁方塊 最精確的 最粗糙的 “全析因法” 是最完美的，它精確的將主要效應(yīng)從其它交互影響的效 應(yīng)中分離出來(lái)，含所有二階、三階 ...甚至更高階的交互影響效應(yīng)分 離出來(lái)?。?！ … But 如果有 10個(gè)因子