【正文】 ◎ 量測(cè)系統(tǒng)分析 ? 再現(xiàn)性 （ Repeatitability）：量具變異，為同一人使用同一量具量測(cè)同一零件之相同特性多次所得變異 ? 再生性（ Reproducibility）：人的變異，不同人使用同一量具量測(cè)同一零件之相同特性所得之變異 ? R＆ R ≦ 30％，則量具系統(tǒng)可能被接受 ◎ 減少儀表、儀表內(nèi)部、儀表之間與操作者之間的變異 36 量測(cè)準(zhǔn)確度檢核表 1. 綠 Y是否可量測(cè)？ 2. 某個(gè)屬性（ Go/No Go）的量測(cè)是否可轉(zhuǎn)換成一個(gè)變量 3. 轉(zhuǎn)換成的變量在不同操作員間可否統(tǒng)一評(píng)定？ 4. 是否進(jìn)行了散佈圖研究以確定 5： 1的最小分辨率比？ 5. 儀表內(nèi)部、儀表之間以及操作員間的變量（容差）是否已相對(duì)於產(chǎn)品容差進(jìn)行了量化？ 6. 是否已對(duì)三個(gè)變量根源中最主要的原因進(jìn)行了試驗(yàn)，是否已確定了一勞永逸的解決辦法？ 7. 如果技術(shù)水準(zhǔn)不可能達(dá)到 5： 1的比值，是否有較早的、較易的而且可以更加一致地量測(cè)的替代綠 Y？ 37 多變量分析：自動(dòng)尋找紅 X ◎ 目的 1. 把大量沒(méi)有聯(lián)係的、難以處理的原因減少到一組數(shù)量較少且相關(guān)的原因，例如時(shí)間到時(shí)間、部件到部件、部件內(nèi)部、機(jī)器對(duì)機(jī)器、測(cè)試位置到測(cè)試位置 2. 檢測(cè)非隨機(jī)趨勢(shì) ◎ 用於何處 ? 確定產(chǎn)品 / 過(guò)程正在怎麼運(yùn)行，沒(méi)有大量用途有限的歷史數(shù)據(jù)時(shí)的迅速處理 ? 在一些基層的應(yīng)用中，取代過(guò)程能力研究 ◎ 何時(shí)應(yīng)用 ? 在工程試運(yùn)行時(shí)，生產(chǎn)試運(yùn)行時(shí)，在生產(chǎn)中，甚至在工作場(chǎng)所 ◎ 樣本量 ? 取得至少 9～ 15個(gè)或直至 80％的歷史變量 38 圖解多變量原理：撲克牌戰(zhàn)法 ◎ 從任選的 27張牌中，請(qǐng)他人任選一張，僅能向他提問(wèn) 3個(gè)同 樣的問(wèn)題，就能確定 ”紅 X牌” 39 三個(gè)變量組 ◎ 位置變量 （部件內(nèi)的組系） ? 在一個(gè)部件內(nèi)的變量（如左面對(duì)右面，頂面對(duì)底面） ? 包含許多部件的單一部件中的變量 ? 在成批加料時(shí)出現(xiàn)的位置或方位的變量 ? 機(jī)器對(duì)機(jī)器的變量 ? 試驗(yàn)位置對(duì)試驗(yàn)位置的變量，夾具對(duì)夾具的變量 ? 操作者對(duì)操作者的變量 ? 生產(chǎn)線對(duì)生產(chǎn)線和工廠對(duì)工廠的變量 ◎ 週期性變量（部件對(duì)部件組系） ? 在同樣時(shí)間內(nèi)，從一生產(chǎn)過(guò)程中抽取連續(xù)的部件間的變量 ? 部件組中的變量 ? 批次對(duì)批次的變量 ? 批量對(duì)批量的變量 ◎ 暫時(shí)性變量 （時(shí)間對(duì)時(shí)間組系） ? 小時(shí)對(duì)小時(shí)的變量 ? 班次對(duì)班次的變量 40 多變量分析步驟一：設(shè)計(jì)多變量研究 1. 鑑別綠 Y，如果綠 Y是一種屬性將它轉(zhuǎn)化成一種變量 2. 得保證量測(cè)儀器的精度至少為產(chǎn)品精度的五倍 3. 確定可出現(xiàn)的變量的組系數(shù)目 4. 劃出組譜 5. 估計(jì)所要求的時(shí)間對(duì)時(shí)間採(cǎi)樣的數(shù)目 6. 確定在加工過(guò)程中連續(xù)抽取的部件對(duì)部件的數(shù)目（一般 3～ 5） 7. 確定在部件內(nèi)組系的各子組系的採(cǎi)樣數(shù)目，如機(jī)器和模腔的數(shù)量 8. 將 3. 4. 5. 項(xiàng)中的數(shù)目相乘，以確定需要研究部件的總數(shù)量 9. 設(shè)計(jì)一個(gè)圖表，以簡(jiǎn)化多變量數(shù)據(jù)的收集 41 多變量分析步驟二：進(jìn)行多變量試驗(yàn) 1. 不要混淆一個(gè)給定的產(chǎn)品內(nèi)的模型，僅對(duì)此產(chǎn)品中最差的模型進(jìn)行試驗(yàn) 2. 進(jìn)行多變量研究，擴(kuò)展時(shí)間對(duì)時(shí)間採(cǎi)樣的數(shù)量，直到找到 80％以上的重要的變量或技術(shù)規(guī)格要求公差為止 3. 在多變量研究過(guò)程中，應(yīng)使過(guò)程中的各種調(diào)整的次數(shù)最小化 4. 要特別注意任何不連續(xù)性，例如：休息時(shí)間、午餐、換班、改變?cè)O(shè)置、換工具、設(shè)備維修等，這在進(jìn)行多變量研究過(guò)程中是不可避免的；在進(jìn)行時(shí)間對(duì)時(shí)間採(cǎi)樣時(shí)，要盡可能挑選在這些不連續(xù)因子之前或之後的時(shí)間進(jìn)行 42 多變量分析步驟三：解釋和分析多變量圖 1. 確定重要變量的組系（注意：紅 X僅可能存在於幾個(gè)組系之一中） 2. 如果紅 X的組系是時(shí)間對(duì)時(shí)間的，要檢驗(yàn)溫度、濕度、工具磨損、休息和午餐時(shí)間的改變以及在多變量運(yùn)行過(guò)程中的調(diào)整和任何加工參數(shù)的改變 3. 如果紅 X是處?kù)恫考?duì)部件組系，就要檢驗(yàn)週期圖形、灰塵及管理等，這些因子可以影響一個(gè)部件，但不會(huì)連續(xù)影響其他部件 4. 如果紅 X是處?kù)恫考?nèi)的組系，就要建立一個(gè) ”集中圖” 以確定綠 Y的重視方位或部件 5. 尋找非隨機(jī)的趨勢(shì)或其他線索 6. 尋找一個(gè)或幾個(gè)存在不尋常圖形的樣本；不相等的靈敏度說(shuō)明可能存在交互的影響 7. 在組譜中，列出每一個(gè)變量組系所有可能的原因，以開(kāi)始隨後一系列的調(diào)研 43 集中圖：重複出現(xiàn)問(wèn)題的精確定位 ◎ 目的 ? 如果多變量研究表明重要變量組是在 部件內(nèi) ，那麼就應(yīng)當(dāng)繪製部件內(nèi)精確的位置 ? 通常又稱(chēng)為 “斑點(diǎn)圖表” EX. ◎ 集中圖表明 ? 重現(xiàn)的故障問(wèn)題沒(méi)有一個(gè)具體的位置 （即它是一個(gè)隨機(jī)分佈） ? 它的確顯示出在某個(gè)特定位置有缺陷集中的現(xiàn)象 ◎ 在部件內(nèi)的某個(gè)位置上有一個(gè)問(wèn)題集中的限度，如果該部件 是一個(gè)組件時(shí)，又可把它說(shuō)成是一個(gè)部件內(nèi)指定的部件 ? ? ? ? ? ? ? ? ? ? ? 印刷電路板底面焊接處的針孔 44 製作集中圖 1. 製作一張包括重現(xiàn)缺陷的圖或模版 2. 如果需要，劃一些網(wǎng)格，這樣可以找出問(wèn)題的精確位置 3. 在檢查每一個(gè)部件時(shí)，請(qǐng)檢驗(yàn)人員標(biāo)出如下內(nèi)容： ? 每種缺陷類(lèi)型的位置 ? 每種缺陷類(lèi)型的適當(dāng)編號(hào) ? 在每個(gè)位置上每種缺陷類(lèi)型的數(shù)量 （不必記錄每種缺陷出現(xiàn)的時(shí)間，除 非時(shí)間對(duì)時(shí)間變量被認(rèn)為是重要的） 45 部件搜索：簡(jiǎn)便而平滑的交換 ◎ 目的 ? 從幾十萬(wàn)部件 /組件中，針對(duì)紅 X，捕捉所有重要的主效應(yīng) 和交互影響效應(yīng)的量 ◎ 用於何處 ? 在有兩個(gè)不同地方用可互換部件組裝的場(chǎng)合 （標(biāo)注 ”好” 和 ”差”） ◎ 何時(shí)應(yīng)用 ? 在樣機(jī)、工程試運(yùn)行、生產(chǎn)試運(yùn)行時(shí)或在工作場(chǎng)所 ◎ 樣本量 ? 2個(gè) 46 一個(gè)幽默的類(lèi)推：發(fā)生在英國(guó)火車(chē)上的故事 老婦人（ L） 年輕女孩（ YG） 英俊的士兵（ P） 將軍（ G） ◎ 火車(chē)通過(guò)山洞，燈突 然熄了的時(shí)間 “聽(tīng)到了一聲親吻聲，隨後就是一記響亮的耳光聲音！” 火車(chē)包廂裡的四個(gè)乘客 ◎ 老婦人想：「一定是這個(gè)將軍，這個(gè)老山羊，他親了年輕女 孩，而年輕女孩打了他一巴掌」 ◎ 年輕女孩想：「真該死，我是個(gè)漂亮人兒，那個(gè)英俊的士兵 想親我，卻親了老太婆，於是挨了她一巴掌」 ◎ 將軍一面揉臉頰一面想：「一定是那個(gè)年輕士兵幹的 …. 」 這就是部件搜索原理，只是你不知道這是交換理論 47 部件搜索的變量與四個(gè)階段 ◎ 部件搜索技術(shù)裡，僅需考慮極端分佈情況，採(cǎi)集到兩個(gè)極端，就可以採(cǎi)集到整個(gè)綠 Y變量的範(fàn)圍，然後再通過(guò)交換部件或子部件的方法把這些原因系統(tǒng)地過(guò)濾掉 ? 最好中的最好（ BOB） ? 最差中的最差（ WOW） ◎ 部件搜索的 4個(gè)階段 階段 目標(biāo) ?確定紅 X和粉紅 X是否包括在所考慮到的變量中，這也保 證了拆卸 /重新組裝的故障複現(xiàn) ?排除非重要原因及相關(guān)交互影響的效應(yīng) ?確認(rèn)重要變量確實(shí)重要，非重要變量確實(shí)不重要 ?量化重要原因及其交互影響效應(yīng)的幅度與方向 極 好 （ BOB） 極 差 （ WOW） 48 部件搜索的 12步驟程序（ 1） 1. 從一天的產(chǎn)品裡僅僅採(cǎi)樣 2個(gè)部件， 這 2個(gè)部件距離有待研究的綠 Y要盡可能地遠(yuǎn)，即最好的部件 (BOB) 和最差的部件 (WOW) 2. 階段一 拆卸並重新組裝 BOB和 WOW兩次，在測(cè)量它們重現(xiàn)的綠 Y兩次以上 3. 顯著性檢驗(yàn)：這個(gè)檢驗(yàn)中要測(cè)兩個(gè)部件，以便確定從統(tǒng)計(jì)上看是否 BOB與 WOW間的差別是顯著的 ? BOB的 3個(gè)綠 Y值必須全部好於 WOW的綠 Y，並且它們之間沒(méi)有交叉覆蓋 ? D/ 的比率必須大於 ，或著最小要等於 D的 BOB中值與 WOW之間距離 是 3次 BOB量測(cè)和 3次 WOW 量測(cè)的量測(cè)值範(fàn)圍的平均差 d d 49 部件搜索的 12步驟程序（ 2） 4. 如果 D/ 的比率小於 ，部件搜索的第一階段就是失敗，這意味著綠 Y不能保持穩(wěn)定不變，說(shuō)明問(wèn)題出在組裝過(guò)程中，而不是在部件本身；這就要求開(kāi)展逐步的步進(jìn)式的拆卸和再組裝以便確定在組裝過(guò)程中那一步是紅 X 5. 最好由子部件開(kāi)始，以遞減的次序排列子部件，如果沒(méi)有顯著的子部件，那麼就按遞減的次序排列的部件 6. 階段 2 將最高一級(jí)的子部件或部件從 BOB轉(zhuǎn)接到 WOW，並將其對(duì)應(yīng)者由 WOW 轉(zhuǎn)接至 BOB，量測(cè)並記錄兩個(gè)新綠 Y值 7. 在第 ，可能會(huì)有 3個(gè)結(jié)果 a) BOB依然是 BOB即好的， WOW 依然是 WOW，即差的，這個(gè)結(jié)果意味著所轉(zhuǎn)換的部件是不重要的 d 50 部件搜索的 12步驟程序（ 3） b) BOB變成 WOW，而 WOW變成了 BOB，這個(gè)結(jié)果意味著所交換的部件是重要的，並且是一個(gè)固定的紅 X，於是部件搜索結(jié)束 c) BOB部份地降級(jí)到一種 WOW，但並沒(méi)完成降至最低， WOW部份地朝 BOB改善，但還沒(méi)完成達(dá)到；這種結(jié)果意味著所交換的部件或許是重要的，但還不是整個(gè)問(wèn)題的癥結(jié)所在 8. 對(duì)於第 7步驟所產(chǎn)生 3個(gè)可能的結(jié)果中的每一個(gè)，將原先來(lái)自 BOB的部件歸還 BOB， WOW亦同，以保證原始的 BOB和 WOW的綠 Y值被復(fù)原 9. 對(duì)於隨後最有可能的子部件或其他部件，重複第 6步， 7 (a)或 7 (c)以及第 8步驟；然後是依序其他部件，依次類(lèi)推 7 (c)和第 9步有兩個(gè)或多個(gè)部件被識(shí)別為是重要的，就要同時(shí)把它們?cè)?BOB和 WOW之間交換，直到反向效果出現(xiàn)，即 BOB變成 WOW，或著相反，那麼紅 X就是這些重要部件及其相互作用的組合 51 部件搜索的 12步驟程序（ 4） 3 通過(guò)對(duì)所有未試驗(yàn)和不重要的子部件 /部件 (如 WOW)，相對(duì)所有重要的子部件 /部件 (如 BOB)來(lái)檢測(cè)，以便完成試驗(yàn)，其結(jié)果應(yīng)當(dāng)接近第一階段的 BOB，然後反過(guò)來(lái)將 BOB當(dāng)作不重要的部件，而把 WOW作為重要部件進(jìn)行檢測(cè)其結(jié)果接近第一階段的 WOW 4 最後，利用第 1和第 2階段所得到的所有數(shù)據(jù)進(jìn)行完全析因分析，以便量化和確定主效應(yīng)和相互影響效應(yīng)的方向和幅度 ? 階段 4只是個(gè)計(jì)算，而不是新的試驗(yàn) 52 成對(duì)比較：一種精巧而通用的工具 ◎ 目的 ? 以高置信度確定 ”好” 和 “差” 單元之間的重複差異，以向紅 X提供線索 ◎ 用於何處 ? 不能拆卸的產(chǎn)品以不同的方式組裝（標(biāo)註”好” 和 “差” ）的 配套裝置處 ? 為許多管理者或基層員工應(yīng)用 ◎ 何時(shí)應(yīng)用 ? 樣機(jī)、工程試運(yùn)行、生產(chǎn)試運(yùn)行或在工作場(chǎng)所運(yùn)行 ◎ 樣本量 ? 6～ 8 對(duì) ”好” 和 “差” 的產(chǎn)品 53 成對(duì)比較先決條件與方案 ◎ 先決條件 ? 性能（輸出或綠 Y）必須是可測(cè)量的，量測(cè)儀器的精度至少是規(guī)範(fàn)公差或產(chǎn)品分佈的 5倍 ? 在一個(gè)大致穩(wěn)定的時(shí)間內(nèi)，每一次嘗試都應(yīng)當(dāng)選取最好的部件（ BOB）和最差的部件（ WOW） ? 如果品質(zhì)特性或參數(shù)是一個(gè)屬性，當(dāng)轉(zhuǎn)化為一個(gè)變量 ◎ 方法：方案 A 1. 選擇採(cǎi)樣量：選取相對(duì)於被調(diào)查的綠 Y其 6個(gè)或 8個(gè)好的部件（ BOB），以及同樣數(shù)量差的部件（ WOW），且相隔越遠(yuǎn) 2. 盡可能多的列出可以表達(dá) BOB和 WOW的綠 Y值差異的多個(gè)參數(shù)或品質(zhì)特性 54 成對(duì)比較的方案 3. 選擇 1對(duì)部件： 1個(gè)好的和 1個(gè)差的，如第 2步驟所述，記下差別，差別是可視的、有尺寸的、外觀方面的、機(jī)械的、電氣的、化學(xué)的和冶金的等 4. 再選擇第 2對(duì)部件： 1個(gè)好的和 1個(gè)差的，記下第 2對(duì)的差別 5. 繼續(xù)選擇第 3對(duì) 、第 4對(duì) …. ，重覆上述搜索過(guò)程，直到出現(xiàn)第 1個(gè)或幾個(gè)參數(shù)能夠在同方向上顯示出 1個(gè)可重現(xiàn)的差別為止 6. 通常在第 5對(duì)或第 6對(duì)的幾個(gè)重要參數(shù)中，就可能出現(xiàn)前後一致的，可重現(xiàn)的差別，這將為我們找出變量的主要原因提供有利的線索 55 成對(duì)比較的方案 ◎ 方案 B ? B方案利用的是成組的比較（好部件和差部件的比較） ? 方案步驟與方案 A的第 1步和第 2步是同樣的，但是選擇的是 6或 8個(gè)單獨(dú)的對(duì)，記下 6或 8個(gè)好部件及差部件的每個(gè)品質(zhì) 參數(shù)的讀數(shù)，將讀數(shù)由大致?。ɑ蛳喾矗┑拇涡蚺帕?，而 不管它們是好是差 ? 應(yīng)用圖基檢驗(yàn)（ Tukey Test） ? 如果整個(gè)終結(jié)計(jì)數(shù)是 6或大於 6時(shí)，則該特定的品質(zhì)參數(shù)在 解釋好與差的部件差別