【正文】 MINITAB總部位于 State College， PA， USA（ 美國），在英國和法國設有辦事處。 MINITAB是為質量改善、教育和研究應用領域提供統計軟件和服務的先導。方便使用和便于掌握的特點使得 MINITAB得到了大家的信任，并成為統計領域最為普及的軟件工具之一。它使數據分析更輕松，并向用戶提供準確、可靠、易于操作的數據分析軟件。 產品 /服務開發(fā)加快 顧客回頭率的提高 成千個這樣的項目運用六西格瑪的基本工具在公司各個層面優(yōu)化工作程序。以保證公司內部持續(xù)性。請注意， ISO9000 2023版和現在的 QS9000要 求持續(xù)的優(yōu)化。六西格瑪不是一個標準，而是一種文化，是從防護的標準 到放開思想改革創(chuàng)新的突破性理念。中國的企業(yè)在中國加入 WTO后，必將 面臨日益激烈的來自全球的競爭，同時信息化的飛速發(fā)展將從根本上改變經濟的組織結構和消費行為，如何在這種新的經濟環(huán)境中生存、成長、壯大是對每一個企業(yè)領導人的挑戰(zhàn)。 實施六西格瑪的目的是什么？ 為企業(yè)實施六西格瑪提供必須的管理工具和操作技巧；為企業(yè)培養(yǎng)具備組織能力，激勵能力，項目管理技術和數理統計診斷能力的領導者，這些人才是企業(yè)適應變革和競爭的核心力 量。繼而與全球化、產品服務、電子商務等戰(zhàn)略齊頭并進，成為全世界上追求管理卓越性的企業(yè)最為重要的戰(zhàn)略舉措。六個西格瑪可解釋為每一百萬個機會 中有 ，即合格率是 ％。西格瑪是一個希臘字母 σ的中文譯音，統計學用來表示標準偏差，即數據的分散程度。 當進行初始過程研究或對過程能力重新評價時，應重新計算試驗控制限，以更排除 某些控制時期的影響，這些時期中控制狀態(tài)受到特殊原因的影響，但已被糾正 . 在以下情況下需進行分析研究計算控制中心與上下限 : 1. 初次管制 (新管制項目 ) 2. 過程發(fā)生變化 A: 抽樣頻率改變時 . B: 生產工藝改彎時 . C: 重大品質異常處理后 D: 機械設備較大維修后 E: 原材料產生較大改變后 3. 控制圖不適用時 4. 過程能力值有重大變化時 . 5. 其他重大改變時 分析階段方法與注意事項 (部份為本公司規(guī)定 ) 1. 過程受控 (如有個別個異常點 ,可去掉不管 ) 2. 分析階段抽樣頻率可加快 12倍 3. 計量值最少需同時滿足具有 100個數據及 20組這兩個條件 4. 計數值最少 20組以上 5. 生產能力滿足要求 當分析階段達到以上要求時可轉入控制階段 A: 控制圖的控制界限由分析階段確定 。 ● 監(jiān)控制程的能力指數 ● 查出『非機遇原因』的變異，並採取有效的措施 ： ● 使制程穩(wěn)定，並以維持制程的能力指數 ● 充分理解『機遇原因』造成的變異 ● 減少『機遇原因』造成變異的發(fā)生 第二章 : 基本統計概念 N 母體數 (批量數 ) USL 規(guī)格上限 n 樣本數 (抽樣數 ) SL 規(guī)格中心限 (u=規(guī)格中心值 ) X 平均數 LSL 規(guī)格下限 R 全距 Ca 準確度 (偏移度 ) σ (s ) 方差 Cp 精密度 (離散度 ) σ (S) 標準差 (S=母體標準差 , s=樣本標準差 ) Cpk 制程能力指數 P 不良率 σ 估計標準差 NP 不良數 T 規(guī)格公差 T=USLLSL C 缺點數 其他 U 每單位缺點 XUCL 平均數管制上限 DPPM 百萬分之不良 Xbar (X) 平均數中心限 UCL 控制上限 XLCL 平均數管制下限 CL 控制中心限 RUCL 全距管制上限 LCL 控制下限 Rbar (R) 全距中心限 M (X)中位數 RLCL 全距管制下限 2 2 ^ 1. N=母體數 (批量數 ): 指母體 (批量 )數多少的個數 .(例 : 共了 50個數 ,N=50) 2. n=樣本數 (抽樣數 ): 指樣本 (抽樣 )多少的個數 .(例 : 抽了 7個樣品 ,n=7) 3. X=平均數 : 所有數的平均值 ,計算公式 : X=(X1+X2+……Xn) / n n= 樣本數 , X1,X2….. 表示各個數值 例有數值 : X=(++++) / 5= 4. R=全距 : 該組最大值 最小值的得數 ,計算公式 : R=MAX(該組最大值 )MIN(該組最小值 ) 例 有數值 : R== 2 5. 方差 σ =s = 6. 標準差 σ=S= σ=s= ?(XiX) n ?(XiX) 2 n1 部份計算公式 ?(XiX) n1 2 2 2 7. 中位數 M,該組數據數值大小的中間一位 ,若該組數是偶數 ,取中間兩個數的合進行平均 ,例如 A: 1 3 4 5 8 M=X=4 B: 2 3 4 7 M=X=(3+4) / 2= 8. XbarR常數表 N 2 3 4 5 6 7 8 9 10 A2 d2 D3 D4 σ = R / d2 ^ 9. 制程中心沒有偏移 σ良品率表 σ 水平 良品率 % 1 % 2 % 3 % 4 % 5 % 6 % 10. 制程中心偏移 σ 水平 良品率 % 1 % 2 % 3 % 4 % 5 % 6 % % % % μ +1σ +2σ +3σ 1σ 2σ 3σ 正態(tài)分佈概率 第三章 : 管制圖類別 1. 計量型數據 所謂計量型數據 ,就是均由量具實際量測出來的數據 ,如長度 .重量 .電流值 .尺寸等具有連續(xù)性的數據 . 2. 計數型數據 所謂計數型數據 ,就是均屬於以單位個數或次數來計算的數據 ,如不良數 .不良率 .缺點數 .缺點率等 . 3. SPC管制圖種類 計量型 計數型 XR chart 平均值與全距管制圖 Pchart 不良率管制圖 X σ chart 平均值與標準差管制圖 NPchart 不良數管制圖 XRm chart 個別值與移動全距管制圖 Cchart 缺點數管制圖 XR chart 中位值與全距管制圖 Uchart 單位缺點數管制圖 直方圖 推移圖 ,柏拉圖 計量值管制圖之優(yōu)缺點 ? 優(yōu)點 : ＊ 用于制程之管制 ,甚靈敏 ,很容易調查事故發(fā)生的原因 ,因此可以預測將發(fā)生之不良狀況 。 所造成之分佈與時間的關係，是不穩(wěn)定且不無法預期的。並藉由 制程能力分析 與 標準化 ，以不斷提昇 制程能力 。 SPC 的迷思 ? 迷思一：有管制圖就是在推動 SPC ？ ─ 這是產品品質 ( Q )， 還是制程參數 ( P ) 管制圖？ ─ 這張管制圖是否有意義？ ─ 它所管制的參數，真的對產品品質有舉足輕重的影響嗎？ ─ 管制界限訂的有意義嗎？ ─ 這張管制圖，是否受到應有的重視？是否已遵照規(guī)定，實施追蹤與研判？ SPC 的迷思 ? 迷思二：有了 Cpk / Ppk 等計算就是在推動 SPC ？ ─ Cpk / Ppk 有定期審查嗎？ ─ 是否已用 Cpk / Ppk 作訂單分派給不同生產線，作為生產的依據 ？ SPC 的迷思 ? 迷思三：有了可控制的制程參數 (Process Parameter)， 就是 SPC ？ ─ 為什麼挑出這些制程參數？ ─ 這些制程參數的控制條件，是如何決定的？ ─ 這些制程參數與產品品質之間，有因果關係可循嗎？ SPC 的焦點 → 制程 ( Process ) ? SPC 與傳統 SQC 的最大不同點，就是由 Q → P 的轉變 ? SQC： 強調 Quality → 產品的品質，換言之，它是著重於買賣雙方可共同評斷、鑑定的一種『既成事實』。換言之，它是著重買賣雙方可共同評斷與鑑定的一種「既成事實 」 . 而在 SPC的想法上，則是希望將努力的方向更進一步的放在品質的源頭── 製程（ Process） 上 . 因為製程的起伏變化才是造成品質變異（ Variation） 的主要根源 . 四 .SPC的推行步驟 : 確立製造流程、製造流程解析 決定管制項目 實施標準化 管制圖的運用 Cpk 問題分析解決 製程的繼續(xù)管制 制程能力分析 Cpk 問題分析解決 制程條件變動時 ? 統計制程管制【 SPC】 ◎ 統計製程管制之目的係持續(xù)改善產品與服務的價值，達到顧客滿意。 提高產品質量、生產能力、降低成本。 統計過程控制，是企業(yè)提高質量管理水平的有效方法。SPC培訓講義 第一章 : 認識 SPC 第二章 : 基本統計概念 第三章 : SPC管制圖類別 第四章 : SPC管制圖 第五章 : 制程能力分析 第六章 : SPC總結 第七章 : SIX SIGMA介紹 楊