【文章內(nèi)容簡介】 40 (*) ++++Other Graph 分析 : Box plot? 對 A 公司和 B 公司的 Hinge Force的水準(zhǔn)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 + (Q3 Q1)Lower Limit = Q1 (Q3 Q1)四分位偏差 = (Q3 Q1) Step = (Q3Q1) Max = Q3 +2*(Q3Q1)Min = Q1 2*(Q3Q1)Other Graph 分析 : Box plot以所有 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(guān)性想一下子知道時 )Other Graph 分析 : Marginal plot(想知道兩個變數(shù)的關(guān)系和分布 )關(guān)聯(lián)圖表法 (Relations Diagram)? 對某個結(jié)果要因復(fù)雜地混在一起時，明確其人際關(guān)系及要因 相互間的關(guān)心，探索原因或者明確化結(jié)構(gòu)，找出問題解決頭緒的方法。① 找原因的關(guān)聯(lián)圖 ① 手段展開型關(guān)聯(lián)圖系統(tǒng)圖表法 (Tree Diagram)? 為了達(dá)到目的，系統(tǒng)性地展開手段，明確掌握所有問題的現(xiàn)況 找出為了達(dá)到目的的最佳的手段。Matrix Diagram? 作為問題的事項中，找出預(yù)想有相關(guān)的要素，表示為二原表形式 , 其交點上表示各要素的元素之間關(guān)聯(lián)有無，得到解決的措施。 有 L型 , T型 , X型 , Y型 , C型等親和圖表法 (Affinity Diagram)? 未知 ,未經(jīng)驗的問題，在混亂狀態(tài)中得到事實 ,意見 ,發(fā)現(xiàn)現(xiàn)象等 推出 Data后根據(jù)親和性統(tǒng)合、整理找出問題的本質(zhì)，問題解決 或者誘導(dǎo)新的方向的方法。L型 Matrix Diagram原因原因 原因問題點原因原因原因原因原因目的 a手段 a目的 b手段 b目的 c手段 c目的 d手段 d基本目的目的??B1 B2 B3 B4 B5 B6 A1A1A3A4A5有有有附 : New QC 7 ToolPDPC法 (Process Decision Program Chart)? 新產(chǎn)品開發(fā)或者新技術(shù)開發(fā)或者預(yù)防產(chǎn)品責(zé)任問題或者 Claim 的對應(yīng)，按照事態(tài)的進展，預(yù)測可能產(chǎn)生的所有結(jié)果，對這些結(jié)果 一個一個樹立對策，為了得到可靠的結(jié)果引導(dǎo)過程決定的方法。Arrow Diagram(PERTCPM)? Event(Number,Node), Activity,DummyMatrix Data Analysis? Matrix Diagram要素之間的相關(guān)數(shù)字 Data定量化時使用。?多變量解釋法等利用5 265 155A54D3 2626 3030 373715E71010B F16G7H1726 3K10 8JLCNode4IZApBgCrDsA3A2A1B2B1C3C2C1D2D1AB1 B2 B3 B4 B5 B6 A1A1A3A4A5347 13 5附 : New QC 7 Tool4. Baseline 構(gòu)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 RR正規(guī)性檢驗 (Normality Test)? SPC, 6 Sigma 等使用的大部分統(tǒng)計 Tool一般都是分析 Base 的 Data正態(tài)分布的假設(shè)下出發(fā)的。? But, 自然現(xiàn)象的所有 Data并不都是正態(tài)分布 (例 : 壽命 , 故障率等 ) 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 , 實際上覺得是正態(tài)分布特性的 Data也會由于 Data Gathering上的問題 可能判斷為不是正態(tài)分布。 這是 ,由于工程不穩(wěn)定群內(nèi)變動混亂或者由于工程外部要因引起群間變動 , 或者是 Data處理 過程上的 Error(Keyin Error等 )? 這樣的關(guān)系 1) 收集 Data后 2) 利用 Normality Test檢驗是否正態(tài)分布 3) 如果不是正態(tài)分布 Data轉(zhuǎn)換為正態(tài)分布 (Transformation)求 Cp, Cpk 等值 否則 ,利用其 Data特性適合分布，統(tǒng)計性解釋。? 本 章假設(shè)為工程穩(wěn)定的狀態(tài)下，使用 Box –cox變換，轉(zhuǎn)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值比 !!! * 想一想 : 如果某個 Data正態(tài)分布，其理由是 ? 1. Another distribution 2. Sampling 錯誤 . 3. 測定上的 Error, Keyin Error etc正規(guī)性檢驗 (Normality Test)? 為了 Boxcox Transformation ? Minitab Menu : Stat / Control Charts / Boxcox Transformation Est 的 Lambda 值是在 Boxcox上推定的 Best值正規(guī)性檢驗 (Normality Test)? 為了用 Lambda求工程能力? Minitab Menu : 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 SubgroupingProcess ResponseTime群 間變動(Black Noise)群 內(nèi)變動(White Noise)Rational Subgroups? Rational Subgrouping是 Grouping成 群內(nèi) 只發(fā)生群內(nèi)變動 (White Noise), 在 群間 只 發(fā)生群間變動 (Black Noise)的方法 → 可以分離長 /短期工程能力 .? Rational Subgroup要包含的要素 (Sub grouping 基準(zhǔn) ) (一般以預(yù)想影響 Process 變動的 ‘ X’ 因子為基準(zhǔn) Subgrouping, 主要使用 6M 1E) Man : 作業(yè)者變更 , 晝夜交替工作 ,新作業(yè)者等 Machine(Equipment) : 機械設(shè)定值變更 , 設(shè)備保修 維護等 Material : 入庫 Lot, 作業(yè)配置 , 原材料等 Method : 作業(yè)者之間的作業(yè)方法差異等 Measurement : 測量者的變動 , 測量裝備誤差等 Management Environment (Mind Money) Gabbage in → Gabbage outDiamond in → Diamond outRational Subgrouping? 群內(nèi)變動 (white noise)? white noise是因工程存在日常要因的變動 (偶然原因 )? 現(xiàn)在的技術(shù)水平上不可控制的變動? 一般性的工程散布影響? 工程上由于瑣碎的多數(shù)因素而受影響? 用 Zst值來表示? 群間變動 (black noise)? black noise是工程上受到外部要因影響，中心值 shift, 一般性原因可能知道的變動 (特殊原因 )? 現(xiàn)在工程上統(tǒng)制有可能的變動? 一般性的工程目標(biāo)值平均值 shift ? 實際上隨著時間的經(jīng)過，可以知道工程能力怎樣變化。?為什么要 Rational Subgrouping?? Rational Subgrouping是 6 Sigma的一個 Powerful的 Tool? 能夠區(qū)分工程的短期工程能力或長期工程能力的核心的方法 能掌握是平均值移動問題，還是散布問題 問題特性化的第一階段? 群內(nèi)變動和群間變動? 群內(nèi)變動 , 群間變動還有工程的 2種問題Rational Subgrouping期待值中心值移動問題 散布問題現(xiàn)在水準(zhǔn) 期待值現(xiàn)在水準(zhǔn)LSL 平均 USL LSL 平均 USL精密但不正確 正確但不精密工程的 2種問題1. 測定誤差的效果? 平均 : μ全部 = μ生產(chǎn)品 + μ測定? 散布 : σ2全部 = σ2生產(chǎn)品 + σ2測定 → 測定 System的偏向 (檢校正 ,Calibration Study) → Gage RR觀測的工程的散布實際工程的散布 測定的散布長期工程散布 短期工程散布 標(biāo)本內(nèi)散布 由于測定者的散布由于 Gage的散布反復(fù)性(Repeatability)正確性(Calibration)再現(xiàn)性(Reproducibility)穩(wěn)定性(Stability)線型性(Linearity)2. 可能的散布要因Accuracy? 測定的 Data(觀察值 )是實際值和測定誤差的和* 測定誤差 : 觀察值脫離真值的所有測定變散圓的效果MSA(Measurement System Analysis)AccuracyPrecisionMSA(Measurement System Analysis)? 正確度 :測量值的觀察平均和真平均之間的差異? 安定性 :至少兩次以上的相互不同時期，對于同樣部品，使用同樣 Gage， 得到的測量值平均的差異 (計測器的保管 ,根據(jù)管理狀態(tài)隨著時間出現(xiàn)的差異 ,也包含產(chǎn)品的安定性 ) ? 再現(xiàn)性 :用同樣 Gage， 幾個人同樣的部品測量幾次時，出現(xiàn)的差異? 反復(fù)性 :用同樣 Gage， 一個人同樣的部品測量幾次時，出現(xiàn)的差異? 線型性 :所期待的制作范圍全部通過的正確性值的差異，用計測器能夠量出來的 Range的誤差LSL真平均 觀察平均USL對于 Gage 正確性的散布LSL測量時間 AUSL對 Gage安定性的散布測量時間 BLSL USL由于 Gage 反復(fù)性的散布LSL真平均 觀察平均USL由于 Gage 線型性的散布LSL USL測量者再現(xiàn)性的散布測量者 A測量者 BLSL USLGage正確性(下限 )正確性(上限 )≥80%≤20%所有變動其他變動測定散布正確性穩(wěn)定性線型性等再現(xiàn)性(測定者誤差 )反復(fù)性(計測儀誤差 )MSA(Measurement System Analysis)? Gage RR 判斷基準(zhǔn) ?≤ 20% → Accept(精確度要求的狀況 : ≤ 10%) 21% ~ 29% → 條件部 Accept＞ 29% → 適用不可 (測定 System改善 )由于計測器的測量誤差和測量者之間所發(fā)生的誤差，這些測量 System自己對工程全體的變動值起多少影響，用比率定量化的統(tǒng)計 Tool ? 什么是 Gage RR ？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 177。 mm 時 Gage的分解能要達(dá)到 ≤ mm。? Gage RR 評價始點? 進入新的測定 System， 使用前要評價其適合性時? 評價覺得測定能力不充分的計測儀時? 各測定 System的檢、校正實施后? 測定者變化時? 檢 /校正