【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 找出為了達到目的的最佳的手段。Matrix Diagram? 作為問題的事項中，找出預想有相關(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)或者預防產(chǎn)品責任問題或者 Claim 的對應，按照事態(tài)的進展，預測可能產(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 ) (一般以預想影響 Process 變動的 ‘ X’ 因子為基準 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 期待值現(xiàn)在水準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 標本內(nèi)散布 由于測定者的散布由于 Gage的散布反復性(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 )反復性(計測儀誤差 )MSA(Measurement System Analysis)? Gage RR 判斷基準 ?≤ 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