【文章內容簡介】 列內容 ? 交接班：對交接班別取樣分析 ? 每周作業(yè)者的變更：對每周變更的作業(yè)者別取樣分析 ? 按原材料別構成 Lot，分析 Lot別有無差異 工序能力 ?工序能力的數學式 ? 兩側有規(guī)格的工序能力 ?6LU SSCp ??SL SU x工序能力 ?在偏移時的工序能力 SL SU xK M T/2xM )1(???KCpKCpk 中國最大的資料庫下載 工序能力 ? 用語解釋 ?K：偏移系數（如果 K=0， Cp=Cpk） ?M（ Midrange）：規(guī)格的中心 ?T（ Tolerane）：公差 ?SU（ Upper Spec）：規(guī)格上限 ?SL（ Lower Spec）：規(guī)格下限 工序能力 ? 只有規(guī)格上限的工序能力 SU x ?3xSC UPU??工序能力 ? 只有規(guī)格下限的工序能力 SL x ?3LPLSxC ??工序能力 ?工序能力的 Minitab運用 ? 葡萄酒農場為了參加慶祝大會，在準備過程中，有必要改善葡萄酒品質而準備 Project，首先為了把握現象，按合理分組計劃規(guī)劃得出了包括下列“ X”因素的葡萄酒質量“ Y”的樣本。 ? X因素：地域，木塞，葡萄酒味，透明性，香氣，葡萄酒瓶 工序能力 ? 短期工序能力有關的統(tǒng)計值 Cp， Cpk， Cpu， Cpl長期工序能力有關的統(tǒng)計值有 Pp， Ppk， Ppu， Ppl ? 為了計算短期工序能力，使用只考慮組內的滾動，即群內變化的 Zst，以用暫定目的地工序能力或最高的工序能力來表示。并且表示通過改善活動消除平均值移動引起的偏移時的最高的能力。 ? 為了計算長期工序能力，考慮規(guī)格的上、下限，表示實際的工序能力，用群內、群間變化都考慮在內的 Zlt。 離散型數據分析 ?用語解釋 ? D（ Defect）：缺陷 or不良（事項） ?為了滿足顧客的要求事基而浪費的再作業(yè)或失敗的工作。 ?例：把顧客的要求事項記錯的差錯情報。 ? 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。 ?例：須在一張要求式樣上記錄的項目數 離散型數據分析 ? U（ Unit）：元件 ?元件測定可能機會的細節(jié) ?例：要求樣式 ? DPU（ Defect Per Unit）： ?每個元件內存在的缺陷數 ? DPO（ Defect Per Opportunity）：每個機會損失數 離散型數據分析 ? DPMO（ Defect Per Million opportunity）（每百萬要會損失數） ?1,000,000單元存在的損失數 ?DPO 1,000,000轉換 Six Sigma比率 ? P（ ND） =None Defect：無損失 ?機會不能成為損失的可能性 ?P（ ND） =1DPO 中國最大的資料庫下載 離散型數據分析 ?DPU/DPO/DPMO/P(ND)改善 ? 發(fā)出了張送貨單，其中檢出 100個不符合項，如果各單元有 10個項目， DPU/DPO/DPMO/P(ND)各是多少？ ?DPU=D/U ? DPU=100/100=（ 100%）該值表示平均值，所以每張送貨單包含 1個符合項 離散型數據分析 ?DPO=D/(U Opp) ? DPO+100/(100 10)=(10%)該值表示所發(fā)出的送貨單的每個最小有 1個不良的可能性是 10%。 ?DPMO=DPO 1,000,000 ? 例：上例 DPMO是 1,000,000 DPMO ?P(ND)=1DPO==(90%) 離散型數據分析 ?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 ? R： ? e：指數函數 ?? !redpur dpur ??離散型數據分析 ? r=0時 ? ∴Y=e dpu ? ∴ 對缺陷機會數越大，“ Y”越接近“ 0” !0)(1 dpueY ??離散型數據分析 ?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） ?DPU=缺陷數247。元件數 =34 247。 750= ?DPO=缺陷數247。 (元件數機會數 )=34 247。 (750 10)= ?Yield值是 Y=edpu===% 離散型數據分析 ?DPMO=DPO 1,000,000= 1,000,000=4,500PPM 一個元件有 45,000PPM的缺陷 ?Sigma=Zinv()+(偏移） =+= ? Zinv是把 Z值按面積來換算的值，以標準正態(tài)分布來計算。 離散型數據分析 ? 收率的種類 ? YFT(First Time Yield)： (單工序單次收率 ) ?表示再作業(yè)後沒有修理的收率的值 ?應用：決定個別工序的個別品質水平時使用。 ? 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。 ?應用：在所有工序上按順序的階段來進行累計後，評價品質水平時使用。 離散型數據分析 ? 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。 收率概念比較 累計收率（ YRT） 現在為止的收率（ YF） ?考慮工序各階段 ?只考慮最終工序 ?考慮再作業(yè)和部品廢棄 ?不考慮再作業(yè)和部品廢棄 ?提示無缺陷的可能性 ?不能提示無缺陷的可能性 ?調查各工序的品質 ?只調查最終工序的品質 ?考慮工序是由多少個來構成的 ?不考慮工序是由多少來構成的 ?YRT=e ?YF=S/U ?Y=Y1Y2…… Yn ?S：合格臺數 ?U：檢查臺數 離散型數據分析 ?VFT（ First Time Yield） A 再作業(yè) 完成的產品 廢棄 15unit Hidden Factory 70 Units 100 Units 85 Units 離散型數據分析 ? 工序 A有輸入 100個 Unit（元件） ?輸入的 70%元件沒有缺陷已經銷售 ?輸入的 30%元件有缺陷并再作業(yè) ?15個元件修理完畢， 15元件報廢 ? 現在為止的 Final Yield（ YF） [最終收率 ]是 85% ? 因 First Time Yield（ YFT）表示歸初的作業(yè)是正確的，所以現在情況下 YFT是 70%。 離散型數據分析 ?YRT(Rolled Throughput Yield) ? 產品 A由 3個連續(xù)的階段來形成的話， YRT/YND的值的值是什麼？ 階段 1 階段 2 階段 3 YFT=80% YF=100% YFT=70% YF=90% YFT=90% YF=95% 離散型數據分析 ? YRF是連續(xù)的各階段 YFT之乘 ?YRT= =(%) ?沒有考慮作業(yè) ? 計算各階段的平均收率 ?不是算術平均，而使用各階段的幾何平均值 ?YND(Normalized Yield) ?這里 n表示工序的數 n RTY?離散型數據分析 ?上例 YND(Normalized Yield) ?各階段平均 YFT=% ? 正常收率是全工程平均收率，以 YND(Normalized Yield)值來計算 Sigma值 ? 通過 YRF可以知道工程真正的收率（累計直通率） ? 部品數或工序（作業(yè)）的階段越少，收率值越大。 離散型數據分析 ?并列構成的工序的累計收率的計算 ? Process Mapping中并列構成的工序變換為直列來計算收率 99% ? 97% 98% 工序 1 工序 2 工序 3 工序 4 91% 99% 99% 2a 2b 2c 離散型數據分析 ? YRF=Y1 Y2 Y3 Y4 ? = [ ]1/3 = ? YNA=(YRT)1/3=()1/4= ? 損失 (缺陷 )概率 == ? 利用正態(tài)分布查找 Z值，可知 Z= 分析（ Analysis） Graph分析 ?想知道什麼？ ? 跟實際問題相結合，明確產生結果 ? 將預想產生的結果與試驗計劃結合 Focusing ? 按預想產生的結果制定數據收集計劃 ?怎麼做呢？ ? 利用收集的數據，運用（實際） Graph來分析 Graph分析 ?對 Graph分析結果相應采取措施 ? Graph分析結果，確認是否得到所需要的結果後，決定有無追加研討事項 ? 實際對 Graph分析結果，改善可能的部門，采取一次性改善措施。 中國最大的資料庫下載 Graph分析 ?Graph分析的 Minitab運用 ? 在空調生產線上 Compressor（壓縮機）組裝時間對暴露在濕氣的時間很重要，因此對 3個生產線的 3名作業(yè)者，調查了 3組組裝作業(yè)時間的數據。 假設檢驗（ Hypothesis Test）計量值 ? 什麼是假設檢驗？ ? 指想知道的內容用假設來設定，對假設的成立與否用樣本數據得到的情報為基礎進行統(tǒng)計分析後做出決定。 ? 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）”。 ?假定為“始終一樣” ? 對立假設 (Alternative Hypothesis:Hi)：按確實的根據來證明的假設 ?平常我們更關心對立假設，也希望對立假設能得到證明 ?Ho拒絕後接受的假設（即否定原假設的假設） 假設檢驗（ Hypothesis Test）計量值 ? 第一種錯誤 (Type ⅠError: α )：指一些現象是“真”，但錯誤的判斷為“假”，犯這種錯誤的概率 ? 第二種錯誤 (Type Ⅱ Error: β )：指一些現象是“假”，但錯誤的判斷為“真”，犯這種錯誤的概率 ? 檢驗統(tǒng)計量 (Test Statistic)：為了決定接受或是拒絕Ho，而通過樣本的計算得到的值。 ? 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) ? 計量型數據：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 ? 計數型數據：使用 x2(chiSquare)統(tǒng)計量 ?次數、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，樣本數大的時候，實際操作中時間 /費用方面難以適用 ?因此，樣本數的大小最好從各方面都考慮後作出恰當的決定 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