六西格玛管理培训课程课件.ppt

《六西格玛管理培训课程课件.ppt》由会员分享，可在线阅读，更多相关《六西格玛管理培训课程课件.ppt（63页珍藏版）》请在三一办公上搜索。

1、六西格玛管理培训课程,最香甜的果实-全系统设计,大部分的果实-Process特性化/最佳化,下部的果实-QC 7 tool,掉在地上的果实-仅依靠直接检查,6 sigma 概念（广义）,-水平65432,PPM3.42336,21066,807308,537,工序能力,缺陷的机会,分布偏移=1.5,Sigma 水平越高,其缺陷以指数形式减少,3 sigma水平的公司,6 sigma水平的公司,销售额中1015%是损失费用,销售额中5%是损失费用,百万中有66,807个不合格品,百万中有3.4个不合格品,依靠品质检查,重点是使工序中不产生不良,保证高品质需要很多费用,保证高品质所需费用更低,不能

2、按体系进行,使用测定,分析,改善,管理技法,承认并满足于99%,不满足于99%,内部决定CTQ,彻底地以顾客观点来决定CTQ,6 sigma 概念,4 sigma 的水平是30页报纸中有1个错字的品质水平 5 sigma 的水平是百科全书中有1个错字的品质水平 6 sigma 的水平是小规模图书馆中有1个错字的品质水平,每年有54,000次的药品调剂错误,25年中只发生1次药品调剂错误,每年护士或医生的错误造成新生儿死亡40,500名,100年中护士或医生的错误造成新生儿死亡3名,每月有2小时喝污染的食用水,16年中只有1秒钟喝污染的水,每周有2小时不能提供电话服务,100年中6秒不能提供电话

3、服务,每天飞机发生5次着陆错误,美国所有航空公司10年发生1次着陆错误,每周发生1350次外科手术事故,20年发生一次外科手术事故,每小时遗失54,000件邮件,每年遗失35件邮件,6 sigma 概念,3 sigma水平的公司,6 sigma水平的公司,阶 段,Tools,6 sigma 概念(使用工具),Measurement(测定),5)Gage R&R 6)Rational Subgroup 7)Process Capability,Analysis(分析),8)Hypothesis Test 9)Regression 10)Graph Analysis,Improvement(改善)

4、,11)DoE(Design of Experiment)12)ANOVA,Control(管理),13)SPC,6 sigma 不同推进阶段中，改善问题使用的统计工具,Define(定义),1)Process Mapping 2)Logic Tree 3)Pareto Analysis 4)QFD,FMEA,Y=f(),Question 1)Y 或 X 中对哪一个聚焦?,Question 2)假如X良好的话,有没有必要继续实验及检查Y?,Y 从属变数 Output 结果 现象 观察监视的对象,X1 Xn 独立变数 Input 原因 根源问题 管理对象,6 sigma 概念(活动方法),6 S

5、igma 活动是对根本原因的因素（CTQ)聚焦后，展开改善活动,阶 段,展 开 内 容,6 sigma 各阶段推进内容,Measurement(测定),2)选定制品或工序的CTQ 3)把握Y的工序能力 4)明确Y的测定方法 5)将Y的改善对象具体化,Focus,YYYY,Analysis(分析),6)明确改善Y的目的 7)明确影响Y的因素,YX1.Xn,Improvement(改善),8)通过筛选抽出关键的少数因素 9)把握关键的少数因素的相关关系 10)工序最佳化&验证(再现性实验）,X1.Xn致命的少数因素 Xi致命的少数因素 Xi,Control(管理),11)确立对X的测定系统 12)

6、确立对关键的少数因素的管理方法 13)确立关键少数因素的工序管理系统 及事后管理,致命的少数因素Xi 致命的少数因素Xi致命的少数因素Xi,6 Sigma Process是以D-M-A-I-C 5阶段构成并经过重要的13步骤。6 Sigma 活动是通过现象分析,展开问题,查明临时性因素,以D-M-A-I-C 程序改 善关键少数因素。先把握现象,能够1次性改善的部门采取1次性改善活动;然后,下一个阶段再接着 进行改善活动。,Define(定义),1)确定问题点/具体改善目标,算术平均值(x):,调和平均(H):,S(总变动:Total Sum of Squares):偏差平方和,无偏方差(Unb

7、iased Variance):S 除以自由度(n-1),S=(xi-x)=xi,无偏方差的开方 or 标准偏差,统计基本概念的理解,数据的计算方法,中心位置特征值的计算：,散布的计算,中位值(x):按大小顺序排列时处在中央位置的值 最频数(Mode):资料中最频繁出现的值,区 分,参 数,统 计 量,均值(Mean),方 差(Variance),偏 差(Deviation),均值：,样本均值：x,方差：,样本方差,无偏方差：V,标准偏差：,样本标准偏差,无偏方差的开方,统计基本概念理解,参数和统计量,参数(Parameter):描述变量集合的特性值 统计量(Statistics):表示标本的

8、特性值,n个偏差的和通常是“0”,因此有(n-1)个偏差的值，剩余一个自行决定 这叫自由度(Degree of Freedom).,统计基本概念理解,sigma是希腊字母，表示工序的散布.sigma是统计学记述接近平均值的标准偏差(Standard Deviation)或变化(Variation),或定义为事件发生的可能性.Sigma是表示工序能力的统计单位,测定的sigma 跟 DPU(单位缺陷,Defect Per Unit),PPM 等一起出现.可以说明拥有高sigma值的工序，具备不良率低的工序能力.Sigma值越大品质费用越少,周期越短。,Sigma的定义,1,(平均),拐点,USL

9、,3,平均值和拐点之间距离用标准偏差()表示。如果目标值(T)和规格上下限(USL or LSL)距离是 标准偏差的3倍的话，说明具备了 3 Sigma的工序 能力.,T,某班学生的国语平均分数是60分,按偏差是5的正态分布的话,随意抽取一个学生时，70分以上分数的可能性是多少?,Z值是已测定的标准偏差()有几个能进入平均值到规格上下界限(USL,LSL)之 间的测定值.,60,65,70,45,50,55,测定值(分数):,0,1,2,-3,-2,-1,Z-值:,68.3%,95.4%,99.7%,75,3,假如规格上限是75分的话,现在的工序能力是 Z=2 或 2.,统计基本概念理解,正态

10、分布:N(60,5)标准正态分布:N(0,1)70分的情况下 Z-值是,Z,0,0.01,0.02,0.03,0.04,0.0,5.00E-01,4.96E-01,4.92E-01,4.88E-01,4.84E-01,0.1,4.60E-01,4.56E-01,4.52E-01,4.48E-01,4.44E-01,0.2,4.21E-01,4.17E-01,4.13E-01,4.09E-01,4.05E-01,0.3,3.82E-01,3.78E-01,3.74E-01,3.71E-01,3.67E-01,0.4,3.45E-01,3.41E-01,3.37E-01,3.34E-01,3.30

11、E-01,0.5,3.09E-01,3.05E-01,3.02E-01,2.98E-01,2.95E-01,0.6,2.74E-01,2.71E-01,2.68E-01,2.64E-01,2.61E-01,0.7,2.42E-01,2.39E-01,2.36E-01,2.33E-01,2.30E-01,0.8,2.12E-01,2.09E-01,2.06E-01,2.03E-01,2.00E-01,0.9,1.84E-01,1.81E-01,1.79E-01,1.76E-01,1.74E-01,1.0,1.59E-01,1.56E-01,1.54E-01,1.52E-01,1.49E-01,1

12、.1,1.36E-01,1.33E-01,1.31E-01,1.29E-01,1.27E-01,1.2,1.15E-01,1.13E-01,1.11E-01,1.09E-01,1.07E-01,1.3,9.68E-02,9.51E-02,9.34E-02,9.18E-02,9.01E-02,1.4,8.08E-02,7.93E-02,7.78E-02,7.64E-02,7.49E-02,1.5,6.68E-02,6.55E-02,6.43E-02,6.30E-02,6.18E-02,1.6,5.48E-02,5.37E-02,5.26E-02,5.16E-02,5.05E-02,1.7,4.4

13、6E-02,4.36E-02,4.27E-02,4.18E-02,4.09E-02,1.8,3.59E-02,3.51E-02,3.44E-02,3.36E-02,3.29E-02,1.9,2.87E-02,2.81E-02,2.74E-02,2.68E-02,2.62E-02,2.0,2.07E-02,2.1,1.79E-02,1.62E-02,2.2,1.39E-02,1.25E-02,2.3,1.07E-02,9.64E-03,2.4,8.20E-03,7.34E-03,2.5,6.21E-03,5.54E-03,Z-值的计算,70分以上的可能性有多少?,60,65,70,45,50,5

14、5,75,Z,正态分布总面积是1 某概率变量X到平均值()之间距离除以标准偏差()的值用Z来表示 如果规格上限(or下限)用X来代替时超出规格上限的 尾部面积可以认为有缺陷可能性 Z值是用来测定工序能力,跟工序的标准偏差不同,在这里Z值是2.0，把全体面积作为1的时 对应的面积0.0228.,规格上限,缺陷区域,Pr(X 70)=,=(Z 2),=2.28%或 22,800PPM,有时按统计学教材,标记正态 分布的左侧尾部的值,统计基本概念理解,表的 Z-值表示正态分布右侧尾部面积,2.28E-02,6 能力,工序能力测定方法 Z-值,1,Z=3,2,3,3 能力,USL,工序的变动(散布)越

15、小工序能力越高.其结果标准偏差更小,发生不良的可能性就低.通过问题的现象分析把握工序能力（Z)：要提高到 6水平,统计上采取什么 样的活动?,统计基本概念理解,LSL,USL,LSL,Z=6,1,2,3,4,5,6,需要什么样的管理?需要什么样的技术?,短期的工序能力,长期的工序能力,判断为短期内工序没有外部 影响 Zst(st)Cp 技术 最佳条件下的工序能力 6:Zst=6.0,Cp=2.0 Zst=3 Cp,判断为充分长时期内工序有 外部影响 Zlt(lt)Cpk 技术+工序管理 日常条件下的工序能力 6:Zlt=4.5,Cpk=1.5 Zlt=3 Cpk,长期内的工序能力因工序的中心移

16、动及变动,跟Zlt Zst关系有关 Zshift=Zst-Zlt Zst=Zlt+1.5,统计基本概念理解,规格下限(LSL),-6,-5,-4,-3,-2,-1,+1,+2,+3,+4,+5,+6,规格关系,无偏移时不良率(理想的工序时),1.5 偏移时不良率,规格上限(USL),123456,317,300 45,500 2,700 63 0.57 0.002,697,700308,700 66,810 6,210 233 3.4,6 sigma 品质水准是什么?,6 Sigma 品质是每百万个中 3.4 PPM,即 Cp=2.0,Cpk=1.5,正态分布的平均偏移(1.5),按规格变化和

17、平均值偏移的不良率,-1.5,1.5,4 Block Diagram,Z shift工序管理,A,B,C,1.5,2.0,2.5,0.5,1.0,1,2,3,4,5,6,Poor,Good,Poor,Good,Z st技术,A:工序管理状态不足,现在技术水平也低 B:需改善工序管理,但技术水平优秀 C:工序管理优秀,但技术水平低 D:World Top 水平的公司,D,6 sigma 品质水平是什么?,聚焦问题点阶段,Process Mapping Process Mapping是调查情报的流程,而使Process文件化 为明确改善的可能性而使用的工具 Process Mapping制定 定义

18、Process范围(要改善的一般领域或特殊的Process)通过大脑风暴法制定Process的阶段顺序 为了容易分析,使用符号 为了验证Process,实际确认 追加Key Process的值(Yield,Cost,损失费用,加班费用,Cycle time等)按题目的性质,使用分析图(Process Loss或浪费要素/改善Cycle time/改善品质/Flow 改善),1.确定问题范围,QFD(Quality Function Deployment)质量指标分解 QFD是将顾客核心要求事项,转换分解成技术要求事项(规格),或暂定的 CTQ的工具,由相关工序专家制定 QFD Process

19、进行市场调查，明确信赖性要求,及一般的要求事项和顾客对现在 品质核心问题的要求。对调查内容优先排序,为满足顾客的要求事项制定技术规格 确定对顾客要求事项影响大的技术规格的先后顺序,对已确定的先后 顺序的技术要求事项，转换成暂定的Part特性(CTQ)对技术规格影响大的特性要素(CTQ)进行排序,QFD是为了能够改善顾客的核心要求事项,转换成技术规格的工具 通过QFD把顾客要求事项系统化,最终选定暂定的CTQ,开展改善活动,1.确定问题范围,聚焦问题点阶段,FMEA(Failure Modes&Effects Analysis)故障模式及效果分析 FMEA是明确制品设计上可能发生的问题和排定其顺

20、序,并针对故障模 式制定所采取的恰当活动 FMEA Process 对已设计的制品用Brainstorming法列出可能的故障模式 决定每种可能故障模式的重要度和发生可能性 决定消除重要故障模式而采取的方法 开发消除或减少重要故障模式的方法 部分分析法 以优先顺序找出问题的核心事项 典型的是：80%的问题由20%产生,用逻辑树等方法展开问题后,找出最终区域,选定经验丰富的工程师来执行课 题活动。,2.决定活动课题和相关非常勤人员,聚焦问题点阶段,1.确定问题范围,Brainstorming:在短时间内得出很多主意的办法 Brainstorming种类 Free Wheeling:全Team员以

21、对话形式即兴发掘Idea Round Robin:对事件，Team员轮流发掘Idea Card Method:不经讨论,Team员把Idea写在卡片上，贴到墙上 Brainstorming时注意事项 禁止批评 全部Idea都要记录 Idea发掘时不要解释或讨论 粗略的Idea也要鼓励 所有人都积极参与 Logic Tree(Structure Tree)为达成目标的手段,用逻辑性表示 Break-down(展开)的问题之间MECE(互不重复无遗漏的全体)*.MECE(Mutually Exclusive and Collective Exhaustive):(不重复,各个的和等于全体),6 s

22、igma是对最终展开的低层问题进行改善后,最终问题得到改善的形态,2.找出活动课题的具体事项,聚焦问题点阶段,4.确定活动题目的相关Benefit利益(定量/定性效果):为保证达成,明确改善金额5.对活动课题的问题记录:在现象分析时,记录现在现象和所希望的现象6.计划时间表管理:通过分析把全部日程用具体的图表管理,聚焦问题点阶段,单元2:测定(Measurement),2-1 变化的理解2-2 Gage R&R2-3 连续型数据分析 2-4 离散型数据分析,变化的理解,数据的分类,工程问题/Bottle Neck/Issue事项,解决问题,连续型DATA,离散型 DATA,连续型数据（计量型数

23、据）Inch or时间一样能使用测定刻度的数据 比计数值数据提供更多情报 离散型数据（计数型数据）提供合格不合格之类情报的数据 不能再细分化的数据,测定后不能数据化的话,抓不住改善的机会。即可测定的所有问题都能用 6sigma Tool进行改善。,变化的理解,群内变化(White Noise),White Noise是工程内存在的日常因素引起的变化(偶然因素)现在的技术水平是不可能控制的变化 一般工程的散布 工程上受细小的多数因素的影响 Z.st来表示,群间变化(Black Noise),Black Noise是工程外部因素影响中心值移动 一般情况下,可查明原因的变化(异常原因)现在工程上可控

24、制的变化 一般情况下,在工程的目标值上平均值偏移 实际上可以知道随时间的变化,工程能力会怎样变化,群内.群间变化的区分例,作业者 1作业者 2作业者 3,作业者 4作业者 5作业者 6,作业者 7作业者 8作业者 9,Line 1,Line 2,Line 3,群内变化:每Line 1,2,3内出现的(即 Line内作业者间的变化)工程变化 群间变化:各 Line间的差异而出现的工程变化,变化的理解,Rational Subgroup（合理分组）,指跟数据的种类无关,在可能的短时间内彼此类似的条件下作业的样本群。,Process Response,Time,群间变化(Black Noise),群

25、内变化(White Noise),Rational Subgroups,Rational Subgrouping是指 Subgroup内只存在群内变化,Subgroup 间只发生群间变化,将数据 Grouping 通过这种区分可把握长期,短期工程能力 经长期收集的数据是不管业务部门还是制造部门都包含在群内,群间变化。,为什么要Rational Subgrouping,Rational Subgroup是 6 Sigma的一个强大的工具。是区分工程的短期工程能力或长期工程能力的重要方法 可以把握平均值移动问题还是散布问题 把问题特殊化的第一个阶段 Rational Subgroup要包含的要素:

26、为了明确给工序变化暂定影响的X因素，使用5M求解特性要因图 Man:作业者变更.昼夜班次交换,新作业者等 Machine:机械设定值变更,设备维修&维护等 Material:交付LOT.作业安排,原材料等 Method:作业者间的作业方法差异等 Measurement:测定者的变化,测定设备误差等,变化的理解,Rational Subgrouping事例,改善供应TV Back Cover协力社的品质.为了分析部品变化的原因 制定 Rational Subgrouping 计划 预想的暂定 X因素及实际计划 两台注塑机:对两台注塑机实施下列内容 交接班:对交接班别取样分析 每周作业者的变更:对

27、每周变更的作业者别取样分析 按原材料别构成Lot，分析Lot别有无差异,Gage R&R Study,Gage R&R Study有下面3种 反复性(Repeatability)再现性(Reproduceability)全体测定变化 即对比 Process 或 Spec 决定测定系统的变化有多少程度比率的系统。,Total=(Part-Part)+(R&R),数据 全体 变化,部品间变化,测定 Error 变化,Gage R&R的重要性,Gage R&R的实行结果提供下面的情报 选定计测器的适合性(Gage分解能力的恰当性)测定系统时间上稳定性(or 可信赖)测定满足误差时,是工程变化或规格值

28、关联可以接受。(因素测定的变化量小,以具备正确找出诱发 Y变化的 X 因素),Gage R&R是什么？,测定系统给工程的变化值造成多少影响,Gage R&R,Gage R&R,Gage R&R判断基准,计测器选定(测量的精度),一般来说量具要求是工序变化/Spec 许可误差的10%或更小的精度是合理的。精度:在量具上能读到的测定最小单位 例)部品的公差=0.020时,量具精度要满足0.002,30%以上,判断,20%以下,Accept,20%30%,考虑适用部品的重要度等判断能否Accept,一般情况下 Accept,设计许可误差对比 Gage,Gage R&R 值越大，要制定改善计划并进行改

29、善。如果不顾测定系统的误差,不改善系统的话,在6 Project实行中,要愿意接受测定系统可能发生误差的危险。,Gage R&R的 Sampling实施,以随机原则实施,但为了把握 Spec的所有范围的变化,实施前必须制定抽样计划。,Gage R&R,对测定系统变化的理解,反复性(Repeatability):1名测定者使用同样计测器测定同样部品的 同样特性时得到的变化,再现性(Reproduceability):同样部品的同样特性使用同样计测器 由多名测定者测定时得到的变化,Gage R&R,对测定系统变化的理解,稳定性(Stability):在一定的时间间隔下把标准品用同一的计测器 测定同

30、一的特性值时得出的变化。,偏移(Bias):实际测定值跟试料平均值的差异值叫准确度(Accuracy),Gage R&R,对测定系统变化的理解,线性(Linearity):通过期望的Gage工作范围比较精确度得到的值 即在已定的工作范围的两边界线区间上，最少研 讨1回的精确度得到的值的差.,Gage R&R,Gage R&R 类型,短期的方法 只需要2名测定者和5个部品 不能分离反复性和再现性 可以迅速确认想测定的计测器的接受与否 长期的方法 典型的是23名的测定者对10个部品反复测定23次 可以明确把握测定系统的变化有多大,能分离反复性和再现性,部品12345,测定值 12.0031.998

31、2.0072.0011.999,测定值 22.0012.0032.0061.9982.003,测定差(1-2)0.0020.0050.0010.0030.004,范围的界限,测定差平均值=R/5=0.015/5=0.003 测量误差=(5.15/1.19)(R)=4.33(0.003)=0.013 公差的测量误差=(0.013100)/0.030=43.35%参考)测量误差用测定差的平均值乘以常数(这里是 4.33)来计算.常数在5.15/d*里已有计算,d*是下表中的值，5.15是Gage引起的 变化能满足5.1599%值。,12345678910,R=0.015,21.411.281.23

32、1.211.191.181.171.171.161.16,31.911.811.771.751.741.731.731.721.721.72,42.242.152.122.112.102.092.092.082.082.08,52.482.402.382.372.362.352.352.352.342.34,部品数,测定者数,Gage R&R,短期的方法时 Gage R&R 运用,CTQ 部品的Spec是2.0000.015时,对测定差平均分布的 d*值,Gage R&R,长期方法时 Gage R&R的 Minitab运用,选定Monitor Cover为 Six Sigma Theme Sp

33、ec=2.3 1.5 为确认测定系统,3名检查者对10个部品反复测试2次 File name:Gageaiag.mtw,为确认测定系统,3名检查者对10个部品反复测试2次,Stat Quality Tools Gage R&R Study,Gage R&R,输入变量,选择 ANOVA,点击 OK 后 Down Page,长期方法时 Gage R&R的 Minitab运用,Gage R&R Study-ANOVA MethodTwo-Way ANOVA Table With InteractionSource DF SS MS F P Part_ 9 2.05871 0.228745 39.71

34、79 0.00000Operator 2 0.04800 0.024000 4.1672 0.03256Operator*Part_ 18 0.10367 0.005759 4.4588 0.00016Repeatability 30 0.03875 0.001292 Total 59 2.24913 Gage R&RSource VarComp StdDev 5.15*SigmaTotal Gage R&R 0.004437 0.066615 0.34306 Repeatability 0.001292 0.035940 0.18509 Reproducibility 0.003146 0.

35、056088 0.28885 Operator 0.000912 0.030200 0.15553 Operator*Part_ 0.002234 0.047263 0.24340 Part-To-Part 0.037164 0.192781 0.99282 Total Variation 0.041602 0.203965 1.05042 Source%Contribution%Study Var%ToleranceTotal Gage R&R 10.67 32.66 11.44 Repeatability 3.10 17.62 6.17 Reproducibility 7.56 27.50

36、 9.63 Operator 2.19 14.81 5.18 Operator*Part_ 5.37 23.17 8.11 Part-To-Part 89.33 94.52 33.09 Total Variation 100.00 100.00 35.01 Number of Distinct Categories=4,Gage R&R,%Study Var:表示能区分部品与部品间的差异点的检测系统的能力(Gage R&R)(工程管理中:要求20%以下)%Tolerance:表示部品在已定公差基准内,区分接受可否的检测系统的能力(判断总体 Gage R&R的合格与不合格),长期方法时 Gage

37、 R&R的 Minitab运用,Number of Distinct Categories=4 表示检测部品的信赖性区间不重叠的个数,Gage R&R,4个 Categories,Number of Distinct Categories 判断方法 Number of Distinct Categories:0 1 不适用(改善检测系统)Number of Distinct Categories:2 4 附加条件时可接受 Number of Distinct Categories:5以上 可接受,对同样部品的同样特征值测量，由3名检查者反复检测2次。可以分为4组对特定部品测定，信赖性区间小说明

38、测定者和测定有反复，且测定很准确。如果信赖性区间重叠意味(信赖区间不重叠意味着组数小)测定的变化大。,长期方法时 Gage R&R的 Minitab运用,Gage R&R,Gage R&R的 Graph解释,X bar 管理图 测定值超出管理界限,表现为良好的结果.*如果测定值的50%以上在管理界限内的话,这个系统不适合.管理界限是用测定者间的测定值变化来计算,因此测定值的变化小说明 管理界限的幅小 即,说明测定者间的测定值变化很小 测定的变化(测定者,测定系统)比部品间变化相对小 可以读出 Parts间变化的情况 R 管理图 大部分的测定值在管理界限内 表示所测定的数据的值是正常的,长期方法

39、时 Gage R&R的 Minitab运用,Gage R&R,Gage R&R的Graph解释,除了Operator 1和 Part 4之间的关系,整体上Operator和Part之间表现出好的测定结果.,有必要对Operator 1,2,3间的Part10,找出散布大的原因并查明,可以知道“Oper*Part”间的交互作用,这是主效果的操作者(测定者)影响 Y的值.操作者的测定值,跟Part彼此调合后影响 Y(Gage R&R).,长期方法时 Gage R&R的 Minitab运用,Gage R&R,适合贯能判断时 Gage R&R,对各 Parts用贯能来判定合格与不合格，或 gono g

40、o时 TV 外观检查时,2名评价者反复测试20个管子,评价者 1,评价者2,1,2,1,2,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,G,G,G,G,G,G,G,G,NG,G,G,G,NG,NG,NG,NG,G,G,G,G,G,G,G,G,NG,NG,NG,NG,NG,NG,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,NG,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,G,实验顺序,如果各部品别4次都有出现同样结果的话，其评价是可接受

41、的%Gage R&R=320100=15%,Gage R&R,Gage R&R实行时注意事项,以Blind测定来评价 决定几名评价者为合理 按产品的重要性和统计特性决定试料数和反复次数 预先决定评价周期 抽取样本时运用随机原则，但实施 Gage R&R时须对试料事先计划再行抽样 利用贯能法检查实施Gage R&R时，要选定技能相同的评价者实施Gage R&R 一般是看%Tolerance 值来判断Gage的接受与否，但%Study Var在20%以上时，有必要点检工序Process Gage R&R 值较大时，必须制定改善计划进行改善。如果测定系统有误差，但不改善系统的话，在执行6Projec

42、t期间要接受测定系统可能发生误差的危险。,短期工序能力是只存在群体内变化,表示取样的数据都具有同样的品质特性，但有主要技术要素引起品质特性变化，因此，品质特性变化越大，散布也就越大，短期工序能力也就越差。Short Term Process Capability Index:短期工序能力指数 Zst(st),Cp Zst=3 Cp 长期工序能力是包括群内变化和群体间变化，为了改善技术和工序管理，必须判断工序是否稳定时，用长期工序能力的特性来取样，来确认包括管理要素引起的变化和技术的要素引起的变化。Long Term Process Capability Index:长期工序能力指数 Zlt(l

43、t),Cpk Zlt=3 Cpk,什么是工序能力,工序能力,工序在管理状态时，其工序生产的产品品质变化有多少程度的值；或指在管 理状态（稳定状态）下，工序能制造出来的品质水平的程度。Six Sigma 工序能力是指工序的变化（or标准偏差:)小，即使乘以6倍，变化值也能够满足规格的工序能力。,短期/长期工序能力的意义,Short-termCapability(6),Long-termCapability(3),st,lt,工序能力度评价,工序能力,随着时间的变化,工序因各种外部因素(4M)变化，长期工序能力 比短期工序能力散布大,时间,st,st,st,SL,SU,工序能力,两侧有规格时的工序

44、能力,Cpk=(1K)Cp,有偏移时的工序能力,K,用语解释 K:偏移系数(如果 K=0,则 Cp=Cpk)M(Mid-range):规格的中心 T(Tolerancne):公差 SU(Upper Spec):规格上限 SL(Lower Spce):规格下限,SL,SU,SL,SU,M,工序能力的数学式,工序能力的数学式,工序能力,只有规格上限时的工序能力,只有规格下限时的工序能力,SU,SL,Cpu=,CpL=,葡萄酒农场为了参加庆祝大会，在准备过程中，有必要改善葡萄酒品质 而准备 Project,首先为了把握现象，按合理分组计划规划得出了包括 下列 X 因素的葡萄酒质量Y的样本。X因素:地

45、域,木塞,葡萄酒味,透明性,香气，葡萄酒瓶 File name:training/s1/sixsigma.mtw,工序能力的 Minitab 运用,工序能力,Stat Basic Statistics Normality Test,点击 OK 后,键入变量,p-value 值比留意水平(0.05)大，因此可以知道是正态分布,数据 的正规性验证,工序能力,计算工序能力指数,工序能力的 Minitab 运用,工序能力,Edit Command Line Edit,继续输入命令语句5 表示subgroup size(n=5)表示命令语句输入完毕,点击 Submit Commands,工序能力的 Mi

46、nitab 运用,对Long-term PPM的线是平坦的 Subgroup数的地点，表示工序稳定，用这个可以看出数据是否充分。,表示对短期/长期Z-level 及 PPM值,工序能力,点击 Submit Commands,工序能力的Minitab 运用,工序能力,与spec对比工序能力比较,提供对工序能力的多样的情报,短期工序能力有关的统计值 Cp,Cpk,Cpu,Cpl长期工序能力有关的 统计值有 Pp,Ppk,Ppu,Ppl 为了计算短期工序能力，使用只考虑组内的滚动,即群内变化的 Zst，所 以用暂定的工序能力或最高的工序能力来表示。并且表示通过改善活动，消除平均值移动引起的偏移时的最

47、高的能力。为了计算长期工序能力，考虑规格的上、下限，表示实际的工序能力，使 用群内，群间变化都考虑在内的Zlt。,工序能力 Minitab 运用,工序能力,Stat Quality Tools Capability Analysis(Normal),Single Column:Quality Subgroup Size:5 Lower spec:8 Upper spec:22 键入变量,工序能力 Minitab运用,工序能力,点击OK,Observed Performance:表示现在的工序能力状态下，实际超出上、下限规格的不良率（观察特性）Expected Performance:表示现在的

48、工序能力状态下超出上下限规格的所预测的不良率（预测特性）,在实际测定数据中，计算超出规格上限或下限的不良率，用PPM单位表示的值,在长期工序能力状态下超出规格上限或规格下限的不良率有多少程度 把期待的不良率用PPM单位表示的值,用语解释,离散型数据分析,D(Defect):缺陷 or 不良（事项）为了满足顾客的要求事项而浪费的再作业或失败的工作。例)把顾客的要求事项记错的差错情报。,DO(Defect Opportunity):机会损失（缺陷）可能引发的机会损失（缺陷）的行动或事件。例)须在一张要求式样上记录的项目数,U(Unit):元件 元件测定可能机会的细节 例)要求样式,DPU(Defe

49、ct Per Unit):每个元件内存在的缺陷数,DPO(Defect Per Opportunity)：每个机会损失数 每个 Unit中存在机会数和关联的元件内存在的缺陷数,DPMO(Defect Per Million Opportunity)（每百万机会损失数）:1,000,000单元存在的损失数 DPO 1,000,000 转换Six Sigma比率,P(ND)=None Defect:无损失 机会不能成为损失的可能性:P(ND)=1 DPO,DPU/DPO/DPMO/P(ND)改善,离散型数据分析,发出了100张送货单，其中检出100个不符合项,如果各单元有10个项目，DPU/DPO

50、/DPMO/P(ND)各是多少？,DPO=D/(U Opp)DPO=100/(100 10)=0.1(10%)该值表示所发出的送货单的每个项目最少有1个不良的可能性是10%。,DPMO=DPO 1,000,000 例)上例DPMO是 0.1 1,000,000=100,000 DPMO,P(ND)=1 DPO=1 0.1=0.9(90%),DPU=D/U DPU=100/100=1.0(100%)该值表示平均值，所以每张送货单包含1个不符合项,利用泊松公式计算收率,离散型的数据分析,利用泊松公式,这里 Y:收率 DPU:元件缺陷数 r:e:指数函数 2.71828,Y=,0!,r=0时,对缺陷