【正文】 止的收率值。(750 10)=? Yield值是 Y=edpu===%103離散型數(shù)據(jù)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。750=? DPO=缺陷數(shù) 247。? DPMO=DPO1,000,000– 例：上例 DPMO是 1,000,000 DPMO? P(ND)=1DPO==(90%)100離散型數(shù)據(jù)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(shù)– r：– e：指數(shù)函數(shù) ……101離散型數(shù)據(jù)分析– r=0時– ∴Y=e dpu– ∴ 對缺陷機會數(shù)越大， “Y” 越接近 “0”102離散型數(shù)據(jù)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(shù)）? DPU=缺陷數(shù) 247。– 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。93工序能力? 工序能力的 Minitab運用? P5194工序能力? 工序能力的 Minitab運用? P5295離散型數(shù)據(jù)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。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。– 是區(qū)分工程的短期工程能力或長期工程能力的重要方法? 可以把握平均值移動問題還是散布問題? 把問題特殊化的第一個階段78變化的理解– Rational Subgroup要包含的要素：為了明確給工序變化暫定影響的 ‘X’ 因素，使用5M求解特性要因圖? Man：作業(yè)者變更，晝夜班次交換，新作業(yè)者等? Machine：機械設定值變更，設備維修 維護等? Material：交付 LOT，作業(yè)安排，原材料等? Method：作業(yè)者間的作業(yè)方法差異等? Measurement：測定者的變化，測定設備誤差等79變化的理解? Rational Subgrouping事例– 改善供應 TV Back Cover協(xié)力社的品質(zhì)，為了分析部品變化的原因制定 Rational Subgrouping計劃? 預想的暫定 “X” 因素及實際計劃– 兩臺注塑機：對兩臺注塑機實施下列內(nèi)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(gòu)成 Lot，分析 Lot別有無差異80工序能力? 工序能力的數(shù)學式– 兩側(cè)有規(guī)格的工序能力SL SU81工序能力– 有偏移時的工序能力SL SUKM82工序能力– 用語解釋? K：偏移系數(shù)（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83工序能力– 只有規(guī)格上限時的工序能力SU84工序能力– 只有規(guī)格下限時的工序能力SL85工序能力? 工序能力的 Minitab運用– 葡萄酒農(nóng)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(zhì)而準備 Project，首先為了把握現(xiàn)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(zhì)量“Y” 的樣本。75Gage RR數(shù)據(jù)全體變化 部品間變化 測定 Error變化76Gage RR? Gage RR重要性– Gage RR的實行結(jié)果提供下面的情報? 選定計測器的適合性（ Gage分解能力的恰當性）? 測定系統(tǒng)時間上穩(wěn)定性（ or 可信賴）? 測定滿足誤差時，是工程變化或規(guī)格值關(guān)聯(lián)可以接受。量具精度需滿足 ≤? Gage RR的 Sampling實施– 以隨機原則實施，但為了把握 Spec的所有範圍的變化，實施前必須制定抽樣計劃。如果不顧測定系統(tǒng)的誤差，不改善系統(tǒng)的話，在 6σ Project 實行中，要願意接受測定系統(tǒng)可能發(fā)生誤差的危險。StabilityTime2Time169Gage RR– 偏移（ Bias）：實際測定值跟試料平均值的差異值叫準確度（ Accuracy）BiasReferenceValueObservedAverageValue70Gage RR– 反復性（ Repeatability）： 1名測定者使用同樣計測器測定同樣部品的同樣特性時得到的變化Repeatability71Gage RR– 再現(xiàn)性（ Reproduceability)：同樣部品的同樣特性使用同樣計測器由多名測定者測定時得到的變化。64對測定差平均分布的 d*值實驗順序 測定者數(shù)2 3 4 51 2 3 4 5 6 7 8 9 10 65Gage RR? Gage RR類型– 短期的方法? 只需要 2名測定者和 5個部品? 不能分離反復性和再現(xiàn)性? 可以迅速確認想測定的計測器的接受與否– 長期的方法? 典型的是 23名的測定者對 10個部品反復測定 23次? 可以明確把握測定系統(tǒng)的變化有多大，能分離反復性和再現(xiàn)性66Gage RR? 對測定系統(tǒng)變化的理解– 線性（ Linearity）：通過期望的 Gage工作範圍比較精確度得到的值即在已定的工作範圍的兩邊界線區(qū)間上，最少研討 1回的精確度得到的值的差。 ） 100%=%? 參考）測量誤差用測定差的平均值乘以常數(shù)（這里是 ）來計算。– 為確認測定系統(tǒng)， 3名檢查者對 10個部品反復測試 2次61? P3462Gage RR? 短期的方法時 Gage RR運用– CTQ部品的 Spec是 177。如果信賴性區(qū)間重疊意味（信賴區(qū)間不重疊意味著組數(shù)小）測定的變化大。– 管理界限是用測定者間的測定值變化來計算，因此測定值的變化小說明管理界限的幅小，即說明測定者間的測定值變化很小– 測定的變化（測定者，測定系統(tǒng)）比部品間變化相對小，可以讀出 Parts間變化的情況53Gage RR? R管理圖– 大部分的測定值在管理界限內(nèi)– 表示所測定的數(shù)據(jù)的值是正常的54Gage RR– Number of Distinct Categories=4? 表示檢測部品的信賴性區(qū)間不重疊的個數(shù)4個 Categories對同樣部品的同樣特征值量，由 3名檢查者反復檢測 2次。20] 100%=15% 50Gage RR? 長期方法時 Gage RR的 Minitab運用– Gage RR的 Graph解釋– P3951Gage RR? P3852Gage RR? X bar管理圖– 測定值超出管理界限，表現(xiàn)為良好的結(jié)果。47Gage RR? 適合貫能判斷時 Gage RR– 對各 Parts用貫能來判定合格與不合格，或go? Long Term Process Capability Index：長期工序能力指數(shù)? Zlt（ σlt ）， Cpk? Zlt=3 Cpk45Gage RR? Gage RR實行時注意事項– 以 Blind測定來評價– 決定幾名評價者為合理– 接產(chǎn)品的重要性和統(tǒng)計特性決定試料數(shù)的反復次數(shù)– 預先決定評價周期– 抽取樣本時運用隨機原則，但實施 Gage RR時須對試料事先計劃再行抽樣46Gage RR– 一般是看 %Tolerance值來判斷 Gage的接受與否，但 %Study Var在 20%以上時，有必要點檢工序 Process– Gage RR值較大時，必須制定改善計劃進行改善。43工序能力? 短期 /長期工序能力的意義– 短期工序能力是只存在群體內(nèi)變化，表示取樣的數(shù)據(jù)都具有同樣的品質(zhì)特性，但有主要技術(shù)要素引起品質(zhì)特性變化，因此，品質(zhì)特性變化越大，散布也就越大，短期工序能力也就越差。41工序能力? 工序能力度評價ShorttermCapability(6σ)LongtermCapability(3σ)時 間SL SUltstststst?隨著時間的變化，工序因各種外部因素（ 4M）變化，長期工序能力比短期工序能力散布大 42工序能力? 什麼是工序能力– 工序在管理狀態(tài)時，其工序生產(chǎn)的產(chǎn)品品質(zhì)變化有多少程度的值：或指在管理狀態(tài)（穩(wěn)定狀態(tài)）下，工序能製造出來的品質(zhì)水平的程度。32聚焦問題點階段– Brainstorming時注意事項? 禁止批評? 全部 Idea都要記錄? Idea發(fā)掘時不要解釋或討論? 粗略的 Idea也要鼓勵? 所有人都積極參與– Logic Tree(Structure Tree)? 為達成目標的手段，用邏輯性表示? Breakdown（展開）的問題之間 MECE（互不重復無遺漏的全體）– MECE（ Mutually Exclusive and Collective Exhaustive)（不重復，各個的和等于全體）33聚焦問題點階段? 確定活動題目的相關(guān) Benefit[利益 ]（定量 /定性效果）– 為保證達成，明確改善金額? 對活動課題的問題記錄– 在現(xiàn)象分析時，記錄現(xiàn)在現(xiàn)象和所希望的現(xiàn)象? 計劃時間管理– 通過分析把全部日程用具體的圖表管理34測定（ Measurement）35變化的理解? 數(shù)據(jù)的分類解決問題工程問題 /Bottle Neck/Issue 事項36變化的理解– 連續(xù)型數(shù)據(jù)（計量型數(shù)據(jù)）? Inch or時間一樣能使用測定刻度的數(shù)據(jù)? 比較數(shù)值數(shù)據(jù)提供更多情報– 離散型數(shù)據(jù)（計數(shù)型數(shù)據(jù)）– 提供合格不合格之類情報的數(shù)據(jù)– 不能再細分化的數(shù)據(jù)37變化的理解? 群內(nèi)變化（ White Noise）– White Noise是工程內(nèi)存在的日常因素引起的變化（偶然因素）– 現(xiàn)在的技術(shù)水平是不可能控制的變化– 一般工程的散布– 工程上受細小的多數(shù)因素的影響– 38變化的理解? 群間變化（ Black Noise）– Black Noise是工程外部因素影響中心值移動，一般情況下，可查明原因的變化（異常原因）– 現(xiàn)在工程上可控制的變化– 一般情況下，在工程的目標值下平均值偏移– 實際上可以知道隨時間的變化，工程能力會怎樣變化39群內(nèi)、群間變化的區(qū)分例? 群內(nèi)變化：每 Line 1， 2， 3內(nèi)出現(xiàn)的（即 Line內(nèi)作業(yè)者間的變化）工程變化? 群間變化：各 Line間的變異而出現(xiàn)的工程變化作業(yè)者 1作業(yè)者 2作業(yè)者 3作業(yè)者 4作業(yè)者 5作業(yè)者 6作業(yè)者 7作業(yè)者 8作業(yè)者 9Line1 Line2 Line340變化的理解? Rational Subgroup（合理分組）– 批跟數(shù)據(jù)的種類無關(guān)，在可能的短時間內(nèi)彼此類似的條件下作業(yè)的樣本群。? 決定每種可能故障模式的重要度和發(fā)生可能性? 決定消除重要故璋模式而采取的方法? 開發(fā)消除或減少重要故障模式的方法30聚焦問題點階段– 部分分析法? 以優(yōu)先順序找出問題的核心事項? 典型的是： 80%的問題由 20%產(chǎn)生? 決定活動課題和相關(guān)非常勤人員– 用邏輯樹等方法展開問題後，找出最終區(qū)域，選定經(jīng)驗豐富的工程師來執(zhí)行課題活動。 QFD是為了能夠改善顧客的核心要求事項，轉(zhuǎn)換成技術(shù)規(guī)格的工具187。28聚焦問題點階段? QFD Process– 進行市場調(diào)查，明確信賴性要求，及一般的要求事項和顧客對現(xiàn)在品質(zhì)核心問題的要求。5σ 233177。3σ 2,700 66,810177。1σ 317,000 697,700177。 σ ）6σ 5σ 4σ 3σ 2σ 1σ X +1σ +2σ +3σ +4σ +5σ +6σ + 規(guī)格上限（ USL）規(guī)格下限（ LSL）23按規(guī)格變化和平均值偏移的不良率規(guī)格關(guān)系 無偏移時不良率（理想的工序時） 177。?其結(jié)果標準偏差更小，發(fā)生不良的可能性就低。? ‘Z’ 值是用來測定工序能力，跟工序的標準偏差不同，在這里 ‘Z’ 值是 ，把全體面積作為1的時對應的面積 。17統(tǒng)計基本概念的理解? Z值的計算– 70分以上的可能性有多少？? 正態(tài)分布總面積是 ‘1’ ? 某概率變量 ‘X’ 到平均值（ μ ）之間距離除以標準偏差（ σ ）的值用 ‘Z’ 來表示。USL3σ1σμ（平均）T拐點15統(tǒng)計基本概念的理解? 某班學生的國語平均分數(shù)是 60分，按偏差是 5的正態(tài)分布的話，隨意抽取一個學生時， 70分以上分數(shù)的可能性是多少？4