1、3.统计技术应用案例 瓷砖工厂改善案例解说,3 瓷砖工厂案例研究,背景介绍： 在一家中等规模的瓷砖工厂里，有一座80公尺长的隧道窑，窑内有一部搬运平台车，上面堆叠着几层瓷砖，沿着轨道缓慢移动，让瓷砖承受烧烤。 (本案例参考田口玄一先生指导的一个改善案例加以改编而成),问题是： 窑烧后的瓷砖尺寸大小有变异,请讨论该如何控制产品质量，以保证产品符合客户要求。 请思考贵公司是否亦有此类质量问题？贵公司目前实践的质量控制方法为何？假设: 产品特性：边长 规格： 50.0 2.5 mm,现况： 不良率经常在11% 15%之间,常见的控制方式：(见课堂讨论)较好的控制方式：(见课堂讨论),常见的质量控制方
2、法,全检 最笨的方法，测量每片尺寸，比对规格筛选良品/不良品。 用GO/NO-GO检具，自动筛选，提高全检效率。,包装组按车、按批、按日统计“不良率”。,用不良率考核制造部门？,假设每天生产10车，每车装载1000片。 连续5天收集不良品数量，进行统计。 7/15日共50台车，平均不良率=13.3%。(数据如附表),用不良率考核制造部门？,设定考核基准=14%会有作用吗？ 不良率超过14%则扣制造部门生产奖金！公平吗？ 虽然不良率 “居高不下”，然而是特殊原因造成？或是普遍原因造成的？,让我们用统计工具解析一下：,使用计数值管制图进行数据解析。(P-管制图),让我们用统计工具解析一下：,改用计
3、量值的统计工具。必须收集“计量值”数据。 请检验员对每台车随机抽取6片，测量每片瓷砖的边长数据。 抽样方式如左图所示，测量数据如附表所示。 有3种使用数据的方式： 拿规格比对，判不良数； 用直方图看分布形状； 绘制Xbar-R管制图，判断制程是否处于受控状态。,直方图解析示范-1,直方图的形状，基本左右对称，没有明显的偏侧、峭壁或离岛的现象。 整体尺寸的分布偏规格中心值(50.0mm)的上方，有相当比率的样本尺寸超过规格上限。 按“热胀冷缩”原理，应该是“烧烤过头了”，调低火头温度，就可以将尺寸分布总体下调，减少不良率? 好像有点道理(试试看？) 等一下，注意“双峰”！ 奇怪？同一台车上的样本
4、，怎么会出现“混批”信号呢？,直方图解析示范-2,在尚未确定数据是否“正常”(可视为常态分配)前，不宜随意进行平均值和标准差的统计。 要对双峰现象进行解析。 我们是怎么进行抽样的？是抽样的方式，引入了“混批”的现象吗？回到抽样的现场，观察现物和现况,莫非：上/下，左/中/右，有差?,让我们将取自6处不同部位的数据，分别进行解析，进行综合比对。 万一检验员在取样时，并没有仔细区分不同部位的取样样本，一切数据全混淆在一块了。 那就只有重新抽样测量了。 没有扎实的现场经验和工艺技术的底子，要想做好品管检测工作是不可能的，因为连为什么要这样子分不同部位取样、测量和区分都不知道！,那就把数据层别开来解析
5、吧,看见什么了？ 橙/红=LM/UM=中 紫/绿=LR/UR =右 黑/蓝=LL/UL =左 受热愈低，尺寸愈小！ 受热愈高，尺寸愈大！原来这是窑烧过程中，同一台车上不同部位的瓷砖受热不均所致！ 中间的受热较少 两旁的受热较多 左右两边略有差异 中间与两侧差异较大,原来是受热不均的问题,既然问题的本质是：受热不均，那么我们的解决对策就是(请大家提供意见),做些实验来改善尺寸变异！,瓷砖制造实验 (1/12),以实验计划法解决品质问题的思路： 尺寸变异的原因是受热不均所致。 任何企图“消除变异原因”的对策，都很昂贵。 可不可能让我们“接受制程变异”的噪音干扰，通过调整“参数组合”来“抗拒”变异的
6、干扰，而不是花较高的成本或牺牲生产效率的方式“消灭”变异的原因？ (用一流的材料，一流的设备，慢工出细活的搞出精品?) 那不是在考验更深一层次的工艺技术吗？ 是的！品质是设计出来的，不只是制造出来的！ 唯有探求到最基本的核心技术，才有可能在解决品质问题的同时，同时改进成本和效率，而不是陷入Q-C-D这三者之间鱼与熊掌不可兼得的矛盾困境！,瓷砖制造实验 (2/12),一、瓷砖制造过程,原材料 粉碎及混合,成型,烧成,上釉,烧成,二、控制因素与水平 A: 石灰石量 A1=5% (新案) A2=1% (现行) B: 某添加物粗细度 B1=粗 (现行) B2=细 (新案) C: 蜡石量 C1=43%
7、(新案) C2=53% (现行) D: 蜡石种类 D1=现行组合 D2=新案组合 E: 原材料加料量 E1=1300 Kg (新案) E2=1200 Kg (现行) F: 浪费料回收量 F1=0% (新案) F2=4% (现行) G: 长石量 G1=0% (新案) G2=5% (现行),瓷砖制造实验 (3/12),上述共有7个因素，都是可控制的(可控因素)。 每个因素具有2个水准。(在可行的范围内，尽量拉开差别) 他们面对尺寸变异问题的态度，不是去找出和消除 “产生变异的原因”。 他们知道原因，但要消除原因将花费太多。 他们所采取的方式是： 找到这些可控因素水准的最佳组合，以减少瓷砖的尺寸变异
8、。,瓷砖制造实验 (4/12),“实验计划”的各种方法 传统实验方法：一次一个因素法 (One-Factor-At-A-Time) 全因素实验法 (Full Factorial Experiment) 田口式“直交表实验计划法” (TAGUCHI Method),传统实验方法：一次一个因素法,全因素实验法,田口式“直交表实验计划法”,瓷砖制造实验 (5/12),三、直交表与实验规划 实验名称： 瓷砖制程尺寸 变异改良 品质特性： 瓷砖的 每百件不良数 (望小特性),瓷砖制造实验 (6/12),四、从8次实验之质量特性值(每百件不良数)中计算出每一个可控制因素的不同水准下的S/N比、平均值。 特
9、性：静态、望小特性 S/N = -10 log ( 1/n Yi 2 ) Raw= Yi / (n 100)五、计算每个因素中各个不同 水准的S/N比、平均值 按L8 ( 27 )表计算。 六、经由找出水准间的差距， 确定出改变每一个因素 的效果大小,瓷砖制造实验 (7/12),瓷砖制造实验 (8/12),瓷砖制造实验 (9/12),七、决定最佳组合： 取每个因素2个水准中S/N比数值较大者，为最佳组合。 A1, B2, C2, D1, E2, F1, G2意即，最佳组合为： A: 石灰石量 A1=5% (新案) A2=1% (现行) B: 添加物粗细度 B1=粗 (现行) B2=细 (新案)
10、 C: 蜡石量 C1=43% (新案) C2=53%(现行) D: 蜡石种类 D1=现行组合 D2=新案组合 E: 原材料加料量 E1=1300 Kg (新案) E2=1200 Kg (现行) F: 浪费料回收量 F1=0% (新案) F2=4% (现行) G: 长石量 G1=0% (新案) G2=5% (现行),瓷砖制造实验 (10/12),八、推定最适组合： 考虑到C:蜡石量的成本较高，而总体S/N比已有大幅改进的情况，最后决定选择C1为最适组合中的选项。 A1, B2, C1, D1, E2, F1, G2 意即，最佳组合为： A: 石灰石量 A1=5% (新案) A2=1% (现行)
11、B: 添加物粗细度 B1=粗 (现行) B2=细 (新案) C: 蜡石量 C1=43% (新案) C2=53% (现行) D: 蜡石种类 D1=现行组合 D2=新案组合 E: 原材料加料量 E1=1300 Kg (新案) E2=1200 Kg (现行) F: 浪费料回收量 F1=0% (新案) F2=4% (现行) G: 长石量 G1=0% (新案) G2=5% (现行) 九、确认实验,瓷砖制造实验 (11/12),瓷砖制造实验 (12/12),结论： 这家公司在不增加成本的情况，改善了瓷砖制造过程中的“坚耐性”(针对温度的变异) 坚耐性：产品和制程对噪音最不敏感，我们称之为“坚耐性”(Robust) 。 坚耐性 = 高品质。 它达到了以下结果： 1.消除噪音的影响，而不是去除原因。 2.经由改善品质，降低成本。,
