1、SPC統計制程管制-技術實戰Statistical Process Control,課程行為準則,需要双向的沟通（讲师和学员） 如果您有与课题相关的经历或资料，请与大家分享 有问题作好记录 联想式听讲我如何在工作中运用这种工具或方法 休息后准时回来 关闭手机或者使用振动方式 如果您认为课程过重请及时告诉讲师,課程講授安排,第一部分：品管發展歷程QC七大手法回顧SPC起源、背景抽樣計劃 第二部分：SPC變異、應用管制指標的計算圖形分析(計數值),第三部分：計量值圖形分析制程能力分析管制圖判讀第四部分：SPC與失控分析邁向SIX SIGMA結訓考試,第一部分,品管發展歷程 QC七大手法回顧 SPC
2、起源、背景 抽樣計劃,品管發展歷程,工廠的組織流程圖,訂單,品管概念的發展演變,產品,(不良品的產生檢出狀況),QC七大手法： 查檢表 层别法 柏拉图法 特性要因图法 散布图 直方图 管制图,七大手法口決：,查檢集數据 層別作解析 柏拉抓重點 魚骨追原因 散佈看相關 直方顯分布 管制找異常,QC七大手法Review,品管新七大手法淺說,關聯圖理清複雜因素間的關係； 系統圖系統地尋求實現目標的手段； 親和圖從雜亂的語言資料中汲取資訊； 矩陣圖多角度考察存在的問題,變數關係； PDPC法預測設計中可能出現的障礙和結果； 箭條圖合理制定進度計劃； 矩陣資料解析法多變數轉化少變數資料分析；,SPC興起
3、的背景,經驗掛帥時代的結束,ISO9000品保体系的要求,ISO9000要求為客戶提供合格的產品，只有穩定而一貫（Consistent）的過程與系統，才能保證長期做出合格的產品。然而，如何檢核此一貫過程與系統仍然穩定的存在呢？這必須仰賴SPC來發揮功能。,美國W. A. Shewhart博士於1924年5月16日發明了第一張管制圖，開啟了統計品管的新時代.,如果工作經驗對產品品質有舉足輕重的影響（例如：手工裁縫），那麼，SPC就沒有太多揮灑的空間。相反地，如果某一公司開始將經驗加以整理，而納入設備、製程或系統時；也就是說，該公司開始宣告經驗掛帥時代將要結束，那麼SPC的導入時機也就自然成熟了。
4、,SPC是英文Statistical Process Control的字首簡稱,即統計過程控制。SPC就是應用統計技術對過程中的各個階段收集的數據進行分析，並調整制程，從而達到改進與保證質量的目的。 SPC強調預防，防患於未然是SPC的宗旨。,什麼是SPC?,SPC發展歷程,QCC、SPC + brainstorming(頭腦風暴),TQM、QCC、SPC,SIX SIGMA、ISO9000、TQM、QCC、SPC,ISO9000、TQM、QCC、SPC,1,2,3,4,5,6,3.4,233,6,210,697,300,308,700,66,807,產品檢查,產品管制,製程管制,品管7手法,
5、(5S、QCC、ISO9001:2000),管理改善(PDCA)一般公司THREE SIGMA改善,技術改善(DMAIC) 世界標竿公司SIX SIGMA改善,方法,管制,試驗計劃與制程結合,試驗計劃與設計結合,產品管制 最佳化,設計管制 最佳化,PPM,品管方法歷程,Average Company 一般公司,Best in class 世界標竿公司,SPC是全系統的，全過程的，要求全員參加，人人有責。這點與TQM的精神完全一致。 SPC強調用科學方法(主要是統計技術，尤其是控制圖理論)來保證全過程的預防。 SPC不僅用於生産過程，而且可用於服務過程和一切管理過程。,SPC的特點,世上沒有任何
6、兩件事.人員.產品是完全一樣 製造過程中所產生之變異是可以衡量的 事情.產品的變異通常根據一定的模式而產生 宇宙萬物及工業產品大都呈常態分配例如:身高.體重.智力.考試成績.所得分配 變異的原因可分為偶因及異因 偶因屬管理系統的範圍 異因卻是作業人員本身就能解決的 應用SPC可以確保作業人員的自尊 應用SPC可以指出製程最需要改善的地方,SPC的基本觀念,SIX SIGMA管理方法論,有管制圖就是在推動SPC？,這張管制圖是否有意義？,這張管制圖是否受到應有的重視？是否已照規定執行追蹤與 研判？ 這些問題經過推敲之後才能幫助我們對SPC作更深入的瞭解。,它所管制的參數真的對產品品質有舉足輕重的
7、影響嗎？,管制界限訂的有意義嗎？,SPC認識誤區的剖析(一),SPC認識誤區的剖析(二),有了Ca/Cp/Cpk等計算就是在推動SPC？,Ca/Cp/Cpk是在SPC中計算製程能力最主要的指標，因此會作製程能力分析的公司，當然是一個對SPC認識較深入的公司，但是值得再深入探討的是,Ca/Cp/Cpk有定期Review嗎？,是否已用Ca/Cp/Cpk作訂單分派給不同生產線生產的依據？,Ca/Cp/Cpk被活用了嗎？,SPC認識誤區的剖析(三),有了可控制的製程參數就是SPC？,製程參數的確是SPC的焦點，但是我們應深入探究 為什麼挑出這些製程參數？ 這些製程參數的控制條件是如何決定的？ 這些製程
8、參數與成品品質間有因果關係可循嗎？,品質成本,為達成與維持某種品質水準而支出的一切成本，和因為不能達到水準要求而發生的損失成本，統稱為品質成本-費根堡倡導全面質量管理理念的第一人,品管缺失所發生的損失,品質成本分類,时刻记得成本,存在一个最优的质量水平，在此之外，质量改进的成本超过减少缺陷数的预期成本效益.,規格界限與管制界限,DATA COLLECTION,數據 VS 事實,就是根據測量所得到的數值和資料等事實. 因此形成數據最重要的基本觀念就是:數據=事實,數據的種類,A.定量數據： 長度、時間、重量；(計量值)缺點數、不良品數；(計數值) B.定性數據： 人的感覺判斷,蒐集原始數據,我們
9、必須定義許多潛在而有用的變量 我們篩選這些變量至一個能呈現動態特性的範圍內 我們把要量測的這些變量定義清楚 我們定義適當的抽樣數量 我們規劃蒐集資料的方法(如何蒐集？) 我們分析與驗證我們的量測系統=接著我們就開始蒐集資料吧！,定義 主要統計學名詞 舉例說明 統計與SPC,統計學概述,定義,統計學是科學的以偏概全的方法,一葉知秋,春霧雨 夏霧熱 秋霧太陽 冬霧雪,送禮物,為了解被調查群體的某些隱含的特性，運用合理的抽樣方法從被調查群體中取得適當的樣本，通過研究樣本來發現群體的特性!,主要統計學名詞,群體 於制造業而言，通常指在同一生產條件下符合特定要求的所有個體的集合! 也可稱為批量 記為N
10、樣本 於群體中抽樣而得的部份個體的集合! 記為n 群體平均值 X bar 樣本平均值群體標准差 x 樣本標准差 R 全距 概率(六合彩) 正態分布,正態分布基本知識,在中心線或平均值兩側呈現對稱之分佈 常態曲線左右兩尾與橫軸漸漸靠近但不相交 曲線下的面積總和為 1,100個機螺絲直徑直方圖。 圖中的直方高度與該組的頻數成正比,舉例說明：,機螺絲直徑直方圖 直方圖趨近光滑曲線,資料越多，分組越密,越趨近一條光滑曲線,將各組的頻數用資料總和N=100除，就得到各組的頻率，它表示機螺絲直徑屬於各組的可能性大小。顯然，各組頻率之和爲1。若以直方面積來表示該組的頻率，則所有直方面積總和也爲1。,在極限情
11、況下得到的光滑曲線即爲分佈曲線，它反映了産品質量的統計規律，如分佈曲線圖所示 .,正態分布中，任一點出現在 1內的概率為 P(-1X +1) = 68.27% 2內的概率為 P(-2X +2) = 95.45% 3內的概率為 P(-3X +3) = 99.73%,在管制界限內，為可接受區域,超過管制上限，為不可接受區域,正態分佈有一個結論對質量管理很有用，即無論均值和標準差取何值，産品質量特性值落在3之間的概率爲99.73，於是落在3之外的概率爲100%一99.73%= 0.27%，而超過一側，即大於-3或小於+3的概率爲0.27%/2=0.135%1 ，如正態分佈曲線圖。這個結論十分重要。控
12、制圖即基於這一理論而產生。,不同的常態分配(1),不同的常態分配(2),2,X,(b),1,2,，,1,2,1,不同的常態分配(3),藍色代表規格分佈形態,紅色代表實際制程分佈形態,藍色代表規格分佈形態,紅色代表實際制程分佈形態,抽樣檢驗與抽樣計劃,案例分享,在MBA教学中有一个著名的案例：100个缺陷品被放进大量的合格品中，并作100%的检验。检验员在第一次检验中，只找出68个缺陷品，重新检验3遍，又找出30个，但剩下的2个始终没有找到。这个试验说明：人工检验并不一定完全可靠。只有通过计算机进行系统管理，科學的統計、分析，才是保证质量零缺陷的关键。,生產過程,樣本,數據,抽樣,檢驗,與管制界
13、限,比較,UCL,CL,LCL,在管制圖中發現不正常狀態,管制圖,調整品質,供管理人員調整、改進之資料,檢驗,全數檢驗100%檢驗 抽樣檢驗 自群體中隨機抽取一定數量為樣本,再透過對樣本數據的分析,以力爭大體反映母體之狀況。經檢驗結果與原定檢驗標準比較，利用統計方法以判定該群體是否合格。,通常在以下狀況使用抽樣檢驗,a).破壞性檢驗。 b).允許有少數不合格品。 c).節省檢驗費用及時間。 d).受驗物品個數很多時。 e).100%全檢不可行時，全檢影響交貨期。 f).全檢之成本遠高於不合格品所造成之成本時。 g).受檢物品之群體面積很大，不適合全檢。 h).受檢群體為連續性物體，如紙張、電線
14、。,常用的抽樣方法,簡單隨機抽樣(Simple Random Sampling) 分層隨機抽樣(Stratified Random Sampling) 系統抽樣(Systematic Sampling),抽樣計劃,是用來判定貨批是否接受，而非估計貨批品質。 抽樣計劃之有效運用是作為碓保產品符合規格之查核工具，它非用來改善產品品質之工具,抽樣計劃之分類,1.根據抽樣分析結要分: 計數值抽樣檢驗計劃計量值抽樣檢驗計劃 2.根據抽樣計劃的連續性分:動態抽樣計劃 靜態抽樣計劃 3.根據抽樣的次數分: 單次抽樣雙次抽樣多次抽樣,抽樣冒險率及其參數,生產者冒險率 消費者冒險率 允收品質水准(AQL) 批容
15、許不良品百分數(拒收水准LTPD),生產者冒險率,指在第一個抽樣計劃下，好批會被拒收的機率。 在某些計劃裡，該冒險率固定為0.05，但有時則在0.01到0.10的范圍變動； 生產者冒險率必須配合用以界定“好批”品質之數值(例如允收品質)同時敘述；,消費者冒險率,即在某一個抽樣計劃下，壞批會被允收的機率。 該冒險率必須配合用以界定“壞批”品質之數值(例如拒收水准)同時敘述；,允收品質水准(AQL),百件缺點數 認為滿意的制程平均不良率之最大界限值,批容許不良品百分數(拒收水准LTPD),拒收之不良品水准； 消費者冒險率通常定義為0.10，因此LTPD定義為允收率為0.10；即該品質制品有10%會
16、被允收。,OC曲線,1.0,Probability of acceptance, pa,Acceptance line,0.0,1,2,3,4,5,6,Incoming percent defective / 100p,理想抽樣計劃之操作特性曲線,Probability of acceptance, pa,0,0.10,0.20,0.30,0.40,0.50,0.60,0.70,0.80,0.90,1.00,Percent defective / 100p,實際抽樣計劃之操作特性曲線,1,2,3,4,5,6,7,8,AQL=1.2%,LTPD=5.3%,樣本大小的確定,三種檢驗水準為:I、II
17、及III三級。 通常採用II級檢驗水準。 不過，當僅需較低判別力時，可採用I級檢驗水準，當需較高判別力時，就採用III級檢驗水準。 此外，尚有四種特殊水準:S-1、S-2、S-3及S-4(適用於樣本數較小者)。,檢驗水準決定批量與樣本大小間之關係,第二部分,SPC變異、應用 中央極限定理 管制指標的計算 圖形分析(計數值),製程（Process） 品質的源頭、SPC的焦點,製程的起伏變化是造成品質變異（Variation）的主要根源，而品質變異的大小也才是決定產品優劣的關鍵。這種因果關係，可進一步表示如下：,製程條件起伏,品質變异,產品优劣,因,果,因,果,結論：製程是SPC的焦點,變異來源,
18、SPC的假設,SPC是一種用來分析資料的科學方法，並且利用分析結果來解決實際的問題。只要問題能以數字表示，就可以應用SPC來分析。,一般收集的資料都會有變動的現象，抽樣值在某個範圍中上下變動，為何會有這些波動發生?,SPC的假設條件,產品品質特性均是由偶然因素所造成 某些偶然因素下的一致現象，是任何製造和檢驗的架構下所固有的 在這 “一致現象” 下的變動將無法找到原因 在該狀態外的變動原因，則是可被發現而加以改正的。,不可歸咎變異與可歸咎變異； 穩定制程：產品品質特性的變異是在可預測的統計控 制范圍之內； 不穩定制程：產品品質特性的變異無法以統計方法來預測；,SPC主要是用於量測和分析任何製程
19、的產出、處理產品或零件的正常與否，及監督整個或部份的製造過程。,判斷制程穩定或異常的準則,判穩準則(1):在點子隨機排列的情況下,符合下列各點之一就認爲過程處於穩態: (1) 連續25個點子都在控制界限內; (2) 連續35個點子至多1個點子落在控制界限外; (3) 連續100個點子至多2個點子落在控制界限外。 判穩準則(2):若過程正常爲正態分佈,令d爲界外點數,則連續100,d2的概率爲P(連續100點,d 2)=0.0026 這是與0=0.0027爲同一個數量級的小概率。因此,若過程處於穩態,則連續100點,在控制界外的點子超過2個點(d2)的事件爲小概率事件,它實際上不發生,若發生則判
20、斷過程失控3=0.0026就是準則(3)的顯著性水平。,判斷異常的準則: 符合下列各點之一就認爲過程存在異常因素: (1) 點子在控制界限外或恰在控制界限上; (2) 控制界限內的點子排列不隨機。 界內點排列不隨機的模式很多,常見的有:點子屢屢接近控制界限、 鏈、間斷鏈、傾向、點子集中在中心線附近、點子呈周期性變化等等,在控制圖的判斷中要注意對這些模式的識別。,制程的監控與調整,漏斗實驗-管理與干預的問題,偶然因素（偶波）和異常因素（異波）,偶然因素之變異,異常因素之變異,大量之微小原因所引起,不可避 免不管發生何種之偶然原因，其 個別之變異極為微小幾個較代表性之偶然原因如下：（）原料之微小變
21、異（）機械之微小掁動（）儀器測定時不十分精確之作法實際上要除去製程上之偶然原因，是件非常不經濟之處置,一個或少數幾個較大原因所引起,可以避免任何一個異常原因，都可能發生 大之變異幾個較代表性之異常原因如下：（）原料群體之不良（）不完全之機械調整（）新手之作業員異常原因之變不但可以找出其原 因，並且除去這些原因之處置，在 經濟觀點上講常是正確者,經驗與理論分析表明，當生産過程中只存在偶波時，産品質量將形成某種典型分佈。 如果除去偶波外還有異波，則産品質量的分佈必將偏離原來的典型分佈。 因此，根據典型分佈是否偏離就能判斷異波，即異因是否發生，而典型分佈的偏離可由控制圖檢出。 控制圖上的控制界限就是
22、區分偶波與異波的科學界限。,如何發現異波的到來呢？,局部性的對策及系統中的對策,局部問題的對策*通常用來消除特殊原因造成的變異*可以被製程附近的人員來執行* 一般可以改善製程的 15% 系統改善的對策*通常用來減低普通原因造成的變異*幾乎總是需要管理者的行動來加以矯正* 一般可以改善製程的 85%,品質的變異&製程,品質的變異是否顯著。若變異顯著，則指製程有特殊原因存在，應該加以鑑定及矯正。若變異不顯著，則指製程祗有共同原因，無須調查及調整，製程在此狀況下稱為在統計的管制狀態下。管制狀態下的製程到底有何實際的利益，一般都是如此說法各單位產品品質的變異會較小。且隨著時間的不同，產品品質的分配會有
23、一致的變化，因此產品品質可以加以預測。,品質變異-製程在管制狀態下,管制狀態的存在，可以得到下列實際利益 -顧客、供應商,生產製程中各單位間的變異將為最小 判斷品質的基礎，並具有最大的可信度,降低了檢驗費用 預測產品良率，並有最大的準確度 提供改變規格界限以獲得實際利益的依據 供應商的管制証明作為顧客接收產品的根據,中心极限定理,定义如果样本规模足够大，对于任意总体，样本平均数的取样分布类似于正态分布,自管理者统计学思想, Hildebrand & Ott,总体,样本平均数,中心極限定理,正式定義：如果從一個有限的平均數為和標准差為 的總體中重覆地抽取數量為n的隨機樣本，那麼，當n足夠大時，各
24、個樣本平均數(從重復和樣本中計算得來)的分布將近似正態，其平均數為並且標准差等於總體標准差除以n的平方根.(注：當n增加時，近似值變得更精確)。,中心极限定理,我們为什么要用中心极限定理?它意味着正态总体的假定经常并不是很关键的，且我们能在更广的范围内应用统计学方法. 中心极限定理是违反直觉的.,中心極限定理與管制圖,一般來講，管制圖理論是基於常態分布資料制建立的.問：你怎樣分析一個其資料是非常態的制程？答：並依據中央極限定理，繪制平均數分布圖，而不是個體數據分布圖,1924年，美国的休哈特（W.A.Shewhart）首先提出用控制图进行工序控制，起到直接控制生产过程，稳定生产过程的质量达到预
25、防为主的目的。,在现场直接研究质量数据随时间变化的统计规律的动态方法；,控制图是判别生产过程是否处于控制状态的一种手段，利用它可以区分质量波动是由偶然原因引起的还是由系统原因引起的。,控制圖是對過程質量加以測定、記錄從而進行控制管理的一種用科學方法設計的圖。,控制圖原理,控制圖原理,不同製程管制對象有不同的資料，所有的資料都可歸類到下列其中一種： 分類資料 好或不好、合格或不合格等; 計數資料 錯誤次數意外次數銷售領先次數等; 連續資料 品質特徵的量測值，如尺寸成本時間等; 前兩種資料為計數值資料，第三種為計量值資料。,收集資料時，如果可能應該盡量收集定量資料，因為定量管制圖所需的比較性計算較
26、少，而且能提供較多的資訊,控制上限UCL Upper Control Limit,控制下限LCL Lower Control Limit,控制圖基本模式,控制圖應用範圍,製程之線上(on-line)監視 決定過去之製程數據是否在管制內未來之製程是否將在管制內 預測一些製程參數，例如平均數、標準差、不良率等。 對於管理者之決策分析有相當大之影響，例如自製或外購之決策，工廠及製程之改善以降低變異，及與供應商或顧客間之合約。,控制图的实施循环,抽取样本,检验,绘制管制图,制程是否异常,制程正常,制程异常,原因分析,对策措施,Yes,No,控制圖實施步驟,選擇品質特性 決定管制圖之種類 決定樣本大小
27、抽樣頻率和抽樣方式 收集數據 計算管制圖之參數，一般包含中心線和上下管制界限 收集數據，利用管制圖監視製程,1、分析判断生产过程的稳定性，从而使生产过程处于统 计控制状态； 2、及时发现生产过程中的异常现象和缓慢变异，预防不合格品发生； 3、查明生产设备和工艺装备的实际精度，以便作出正确的技术决定； 4、为评定产品质量提供依据；,控制圖用途,改善生產力 降低報廢和重工-代表生產力增加、成本降低和產能之增加。 預防不合格品 強調第一次就做對 預防不需要之製程調整 獲知調整製程參數之最佳時機 可提供診斷之資訊 由管制圖上非隨機性模型可了解製程何時為異常，並可縮小尋找問題原因之範圍，降低診斷時間。
28、可提供製程能力之資訊 可提供製程參數、製程之穩定程度和製程能力,控制圖使用原因,产品质量波动及其统计描述,控制图的种类,按产品质量的特性来分类，控制图可分为计量值控制图与计数值控制图；,按控制图的用途来分类，控制图可分为分析用控制图与控制用控制图；,适用于：不合格品数、不合格品率、缺陷数、单位缺陷数等离散变量。常用的计数值控制图有：,不合格品率控制图（图） 不合格品数控制图（Pn图） 缺陷数控制图（c图） 单位缺陷数控制图（ 图）,就是以計產品的件數或點數的表示方法，其資料在理論上有不連續的特質，故稱之為離型變數。,計數值,适用于：长度、重量、时间、强度、成分及收率等连续变量。常用的计量值控制
29、图有下面几种：,均值极差控制图（ 图） 中位数极差控制图（ 图） 单值移动极差控制图（ 图） 均值标准差控制图（ 图）,指是產品須經由實際量測或測試而取得的連續性實際值，並對其做數理分析，以說明該產品在此量測特性的品質狀況的方法。,計量值,Statistical ProcessControl,品質的一致性,乙選手,甲選手,誰的成績好呢?,您的工廠/服務品質/供應商若有問 題,您希望是甲狀況還是乙狀況呢?,誰較有潛力呢?,你會選誰當選手呢?,製程能力解析,製程能力靶心圖,准确度好 精密度好 系统误差小 偶然误差小,准确度差 精密度高 系统误差大 偶然误差小,准确度高 精密度差 系统误差小 偶然误
30、差大,准确度差 精密度差 系统误差大 偶然误差大,符合規格就真的OK了嗎?,十五項品質指標 理論解析、實例演練,XUCL：Xbar管制圖的管制上限 Xbar： Xbar管制圖的中心值 XLCL：Xbar管制圖的管制下限 RUCL：R管制圖的管制上限 R Bar： R管制圖的中心值 RLCL：R管制圖的管制下限 Ca ： 製程准确度 Cp ： 製程精密度 Pp ： 初期製程潛力 Cpk ： 製程能力 Ppk ： 初期製程能力 PPM ： 百萬分之不良率 Sigma s ：規格標準差 Sigma a ：製程標準差 Sigma p ：樣本標準差,品質管制圖分析,品質九大特質分析,X bar、Me、M
31、o、R的計算,平均數(X bar)X=(x1+x2+x n)/N 中位數(Me)將數據從小到大或大至小依次排列，位居中央的數稱為中位數； 眾數(Mo)一群數據中，出現次數最多的數，稱為眾數； 全距(R)一組數值中最大值與最小值之差，稱為全距；R=Max-Min,S、V(X)、的計算,平方和(S)各數值與平均值之差之平方總和；S=(X-X)2 變異數V(X)平方和除以數據個數n； V(X)=S/n 標准差()變異數之開方； =V,何謂標準差() ?希臘文字里的 sigma小寫符號 -是統 計學符號。代表母體的“標準偏差”. （Standard Deviation）統計學中，標準偏差意指任何一組事
32、項或流程所產出的變異或不一致的度量值 例熱漢堡、三件襯衫，超市感覺。,s 規格標準差,讀做Sigma Spec,(樣本數 n 25),Ca準確度 Capacity of Accuracy,Ca = L1 /L2 L1 = X SL L2 = (USL LSL)/2,Ca等級之解說,等級評定後之處置原則(Ca等級之處置)A級:作業員遵守作業標準操作並達到規格之要求須繼續維持。B級:有必要可能將其改進為A級。C級:作業員可能看錯規格不按作業標準操作或檢討規格及作業標準。D級:應採取緊急措施，全面檢討所有可能影響之因，必要時得停止生產。以上僅是些基本原則，在一般應用上Ca如果不良時，其對策方法是製造
33、單位為主，技術單位副，品管單位為輔。,Cp製造潛力 (Cp Process potential),Cp(製程潛力)是一項有關製程之指數，為容差範圍對六個Sigma離勢之比率。Cp值計算，應于製程已達于統計之管制狀態中時為之。,USL與LSL分別代表工程規格的上限與下限。應知此一公式會受到雙邊規格的限制:亦即，上下限都已經被指定了。設若某一邊規格附加了某些特性，則能力指數或許應改為：,Cp等級之解說,等級評定後之處置原則(Cp等級之處置)A級:此一製程甚為穩定，可以將規何許容差縮小或勝任更精密之工作。B級:有發生不品之危險，必須加以注意，並設法維持不要使其變壞及迅速追查。C級:檢討規格及作業標準
34、，可能本製程不能勝任如此精密之工作。D級:應採取緊急措施，全面檢討所有可能影響之因素，必要時應停止生產。以上也是與Ca一樣，僅是一些基本原則，在一般上Cp如果不良時，其對策方法是技術單位為主，製造單位為副，品管單位為輔。,Cpk 製程能力 製程能力指數(綜合指數),Cpk是總合Ca(k)和Cp二值之指數，其計算式為:當Ca =0時，Cpk =Cp；單邊規格時，Cpk即以Cp值計，但需取絕對值。,Cpk 精確度 製程能力指數(綜合指數),Cpk = (規格上限 Xbar ) / 3a或 ( Xbar - 規格下限 ) / 3a兩者取小值,PP 初期製程潛力 (PP Preliminary pro
35、cess potential),定義PP：,Pp 初期製程潛力，為一項類似于Cp之指數；但本項指數之計算，是以新製程之短期短程性研究所得之數據為基礎，取得之製程數據，至少應包括該製程初期評估時之二十組數據，但計算時，應于定義樣本為：,PPK 初期製程能力 (PPK Preliminary process capability),定義PPK：,PPK 初期製程能力為一項類似于CPK之指數；但本項指之計算，是以新製程之初期短程性研究所行之數據為基礎。取得之製程數據，至少應包括該製程初期評估時之二十組數據。但計算時，應于取得之數足以顯示製程至于穩定狀態時實施。,PPM：Part Per Millio
36、n 是指製程中所產生之百萬分之不良率 DPM：Defect Per Million 是指製程中所產生之百萬分之缺點數,何謂PPM、DPM？,(各組的不良率),(各組不良率的平均值),1. P(不良率)管制圖:,計數值,n,2. N P(不良數)管制圖:,3. C(缺點數)管制圖:,4. U(單位缺點數)管制圖:,第三部分,規格界限與管制界限的分析 計量值圖形分析 制程能力分析 管制圖判讀,規格界限與管制界限,規格界限：判定一單位產品合格與否的準則； 管制界限：決定一個製程是否受到值得加以鑑定的變異原因所干擾；對每組平均數的超限與否進行管制；,計算各樣組的平均數 計算這些組平均數的平均數,1.
37、X bar-R(平均數全距)管制圖:,計量值,計算各樣組的平均數 計算這些組平均數的平均數,2. X bar-S(平均數標準差)管制圖:,3,3,計算各樣組的中位數 計算這些組中位數的平均數,3. X med-R(中位數)管制圖:,4. X-R m(個別-移動單值)管制圖:,制程能力分析,管制圖判讀,第四部分,SPC與失控分析(8D) 邁向SIX SIGMA SIX SIGMA的含意、思路 結訓考試,SPC與失控分析(8D),SPC與質量、成本改善 (案例分析),要品味:,邁向六標準差 的世界,成本降低 ( 設定之目標成本與實際成本比較 )生產力提升 ( 設定之生產力提升目標與實際生產力提升數
38、據比較 )市場成長率 ( 設定之市場成長率與實際市場成長率比較 )挑選顧客與留住顧客Cycle time降低不良率降低文化改變製造服務改善其他,與自己馬上有直接關係的，才是問題，否則是現象。,問題怎麼說？,界定問題：所謂問題是應有現象(理論上: 正常的標準的現象)與實際現象(實際觀察到的現象)的差距發現問題： 有智慧的人發現問題解決問題 ： 有專業技術的人解決問題 3. 主管人員的重要職責：設定經營目標，並負責達成所設定的績效目標。,實際現象,應有現象,問題(差距),何謂標準差() ?希臘文字里的 sigma小寫符號 -是統計學符號。代表母體的“標準偏差”. （Standard Deviati
39、on）統計學中，標準偏差意指任何一組事項或流程所產出的變異或不一致的度量值。 例熱漢堡、三件襯衫，超市感覺。,六標準差的意義“六”代表的意義是對“標準差”的期望值。假設公司只實施一標準差，那就是每一百萬次 的操作機會，就會有70萬次的誤差次數，即只 有30%把事情做對的機率。,若2 -有30萬次的瑕疵機會,良率70% 若3.8 -有6000次的瑕疵機會,良率99% 若6 -有3.4次的瑕疵機會,良率99.99966%,何謂六標準差(six sigma, 6),六標準差是一項管理哲學(管理信念):1. 它著重于在“消除錯誤，浪費和工作重疊”.2. 一套評估完成進度的“衡量標準”.3. 一套“解決
40、的策略方案” 。在完整的六標準差中，品質改善只是一 種工具，而非目的。,最終目標是增加顧客滿意度和增加企業利潤。,Cost+Six=(CS)2,*CS: Customer Service/ Customer Satisfaction,平均差與標準差(s= a= 零PPM品質),客戶期望值: 8天交期，,2,4,8,12,16,17,15天SPAN,交貨期 改進後 20 17 715 2 30 5 10 12 5 4 16 8,平均,USL=16+8=24 LSL=16-8=8 s=(24-8)/12=1.33 a=9.62,平均值與標準差(s= a= 零PPM品質),客戶期望值: 8天交期，
41、X=8，,2,4,8,12,16,17,15天SPAN,交貨期 改進後 620 17 715 2 930 5 910 12 85 4 7 16 8 8,平均,縮短數值範圍是重點,USL=16+8=24 LSL=16-8=8 s=(24-8)/12=1.33 a=6.28,USL=16+8=24 LSL=16-8=8 s=(24-8)/12=1.33 a=1.0,99%品質對六標準差之績效,六標準差可以分三個層面來看1. 量測工程師和統計學家們，微調(Fine-tune)產品與流程時所使用的高度技術性方法。-量測與統計是改善 的關鍵內容。2. 目標符合顧客需求近乎完美的目標3. 文化Cultur
42、e change(文化改造) ，以大規模的“文化變 異”再定位組織，實現較高的顧客滿意度，更高的 獲利率及更佳的競爭力。,六標準差的層面,什么是DMAIC模型,界定 Define,量测 Measure,分析 Analyze,改进 Improve,控制 Control,顾客满意 6质量水准,D (Define)界定,界定 Define,量测 Measure,分析 Analyze,改进 Improve,控制 Control,识别客户要求: 确定影响客户满意度的关键因素,SIX SIGMA五大行動步驟(DMAIC)、界定階段(Define)主要手法之應用技巧1. SIX SIGMA管理原理 s= a
43、=零PPM品質 規格中心值控制原理 實驗計劃-直交表EVT. DVT2. SIX SIGMA管理指標分析 PPM & Cpk3. SIX SIGMA劣質成本分析4. SIX SIGMA管理實施步驟,M (Measure) 量测,界定 Define,量测 Measure,分析 Analyze,改进 Improve,控制 Control,校准Y的测量系统，收集整理数据，为量化分析做好准备,、量測階段(Measure)主要手法之應用技巧 SIX SIGMA流程圖 SIX SIGMA制程能力分析 SIX SIGMA量測系統分析 SIX SIGMA顧客滿意度分析,A (Analyze)分析,界定 Def
44、ine,量测 Measure,分析 Analyze,改进 Improve,控制 Control,运用多种统计技术方法找出存在问题的根本原因,、分析階段(Analyze)主要手法之應用技巧1. 失效模式及效應分析2. SIX SIGMA規格技術分析3. SIX SIGMA大格局策略選擇4. SIX SIGMA思考模式,常用统计分析工具,寻找可能原因的六大因素,测量 Measurement,寻找结果 或问题的可能 原因。主要归纳 为6大类,人力 Manpower,环境 Mother-natured,机械 Machine,方法 Methods,物料 Material,I (Improve)改进,界定
45、 Define,量测 Measure,分析 Analyze,改进 Improve,控制 Control,确定影响y的主要原因x，寻求x与y的关系，建立x的允许变动范围,、改善階段(Improve)主要手法之應用技巧1. SIX SIGAMA品質系統技能展開技術2. 實驗設計法3. 田口方法4. 品質工程技術,C (Control)控制,界定 Define,量测 Measure,分析 Analyze,控制 Control,将主要变量的偏差控制在许可范围。主要应用SPC技术。,改进 Improve,、控制階段(Control)主要手法之應用技巧1. 統計制程管制2. 業務流程規劃與控制3. 自行評估方法4. SIX SIGMA專案改善報告撰寫方法,SPC是控制的常用技术,统计过程控制(Statistical Process Control，SPC)是6管理中的核心技术。,统计过程控制技术的流程图,六標準差 VS. (快樂)2的品味,六標準差之潛在價值在文化的改造和良好企業習慣。 由“憑經驗反應”形態轉換成“較負責及主動的管理方法”對企業而言，是一種管理指標的建立與觀念的變革。建立一種Vision與Mission的方向，使組織有大的環境和空間、產生凝聚力。 3. 六標準差是一種基礎的改變，非新方法or新系統的實施。,
