1、TONELUCK,六西格玛设计 DFSS (Design For Six Sigma),提纲,一、六西格玛设计相关概念 二、六西格玛设计方法 三、DOE 案例介绍 四、产品设计相关概念 五、公差设计概念 六、公差设计案例,Six Sigma - 一个统计学的概念,正态分布图,Sigma()是什么？,正态分布曲线,六西格玛管理,作为一种管理哲学，六西格玛管理旨在让组织建立这样一种文化，即“零缺陷”是可能的，这里“零缺陷”不仅仅与制造过程相联系，而且与服务过程乃至组织内部所有过程相联系。它强调以顾客为关注焦点，强调依据数据进行管理，强调面向过程，强调变革组织文化以适应持续改进的需要等等。 作为一种
2、管理方法，六西格玛管理包括：六西格玛设计（DFSS）Design For Six Sigma六西格玛改进（DMAIC）Define Measure Analyze Improve Control,DFSS（六西格玛设计）,DFSS（六西格玛设计）六西格玛（6 Sigma）作为当今最先进的质量管理理念和方法，在帮助通用电气取得骄人的成绩之后，所受的关注达到了一个新的顶峰。但是人们发现，依靠传统的DMAIC六西格玛改进流程最多只能将质量管理水平提升到大约5 Sigma的水平。如果想继续改进质量水平，企业就必须在产品设计的时候就全面考虑客户的需求，原材料的特性，生产工艺的要求，生产人员的素质等各个方
3、面的要素和条件，从而使产品设计达到6 Sigma水平，于是DFSS（六西格玛设计）便应运而生。,六西格玛设计与六西格玛质量,实践表明，六西格玛改进(DMAIC)也有瓶颈，在产品研发工作里，六西格玛改进(DMAIC)所能产生的效益更是有限。一旦产品或流程在初始设计上存在缺陷， DMAIC流程难以彻底解决问题, 此时必须重新设计或修改部分设计才能突破。一旦六西格玛的思想能影响到公司中的研发设计部门，并且在产品和流程设计、研发阶段开始应用，六西格玛会升华到 一个崭新的阶段六西格玛设计(Design For Six Sigma)，这是六西格玛方法论中的又一亮点。唯有进行六西格玛设计赋予产品高的质量，才
4、能实现真正意义上的六西格玛质量，使问题在发生之前就得以解决，满足最终客户的期望，而且获得可观的经济效益。,六西格玛设计（DFSS）的方法论,TRIZ Theory of Inventive Problem Solving系统化的发明工程方法论TRIZ成功应用实例飞机机翼的进化 DOE Design Of Experiment 试验设计方法DOE应用实例 设计合理粘结工艺 QFD Theory of Inventive Problem Solving品质屋方法,TRIZ（系统化的发明工程方法论）,TRIZ Theory of Inventive Problem SolvingTRIZ是六西格玛设
5、计的方法论之一，是一种系统化的发明工程方法论，经常浏览有关6 Sigma发展近况文献的读者对它应该并不陌生，它是帮助研发人员通过有系统有规则的方法来解决创新过程中种种问题的方法论。TRIZ理论认为，大量发明和创新面临的基本问题和矛盾（在TRIZ中成为系统冲突和物理矛盾）是相同的，只是技术领域不同而已，它总结了40条创造性问题的解决原则，与各种系统冲突模式分别对应，直接指导创造者对新设计方案的开发。,DOE (试验设计),六西格玛设计（DFSS）另外一个重要的方法论试验设计(DOE)：计划安排一批试验，并严格按计划在设定的条件下进行这些试验，获得新数据，然后对之进行分析，获得所需要的信息，进而获
6、得最佳的改进途径。试验设计如今已经形成较为完整的理论体系，试验设计方案大致可分为三个层次，第一层次的试验设计是最基本的试验设计方案，包括部分因子设计、全因子设计和响应曲面设计(RSM)等，第二层次的试验设计包括田口设计（稳健参数设计）和混料设计。随着现代工业的发展，这两个层次的试验设计方案已经不能满足要求更高的和个性化的试验设计方案，于是第三层次的试验设计方案便由此诞生，包括非线性设计、空间填充设计（均匀设计）、扩充设计、容差设计、定制试验设计等。,QFD（品质屋）,六西格玛设计（DFSS）的第三个重要的方法论是QFD（品质屋）方法，它是一个帮助实施者将客户的要求转化为产品具体特性的工具，从七
7、个维度进行展开，分别是客户的需求和重要度、工程措施、关系矩阵、工程措施的指标和重要度、相关矩阵、市场竞争能力评估和技术竞争能力评估。,六西格玛设计的前景,六西格玛设计的成功需要上述三种方法的综合应用，任何单一的方法都不能让企业收获六西格玛设计的丰硕果实。这些理论本身也在不断发展和完善中，相信会给全世界的企业带来不段的惊喜和收获。,试验设计（DOE）的应用软件,试验设计（DOE）是六西格玛设计中最重要的方法论之一，但它的实现离不开专业六西格玛软件的支持。JMP就试验设计的功能而言，上述的三个层次的试验设计方法中，目前市面上的六西格玛软件都只能支持第一和第二层次的试验设计方案，但对第三层次的试验设
8、计方案却都不能支持。相比之下，JMP软件却能非常好地完成所有上述第三层次的试验设计方案。特别是对于定制试验设计的支持可以说是JMP的一大特色，它能够很好地让试验者对模型进行定制以符合实际需要解决的问题的需要，在试验设计方案的后期，JMP软件里集成的模拟(simulation)功能还能帮助实验者对设计方案进行模拟，以最大限度地减小新方案失败的风险。笔者曾请教过六西格玛质量管理业内的专业人士，据了解，除了试验设计外，JMP在图形界面以及对六西格玛质量管理实施的支持上（如统计过程控制(SPC)、常规的回归及方差分析等方面）JMP也具有很大的优势。作为六西格玛高端解决方案，JMP已被Dell，Inte
9、l, 汇丰银行、中石化，惠普，苹果，中芯国际，ASE，陶氏化学等世界诸多著名企业选用。,试验设计（DOE）案例,用六西格玛方法改善产品流水线合格率六西格玛绿带培训案例用一种硬化剂+粘合剂的混合物来粘结工件，原始工艺为：加热155+100分钟：合格率为90%以上。当改用一种新的硬化剂后合格率降至77%以下。怎么办呢？,试验设计（DOE）案例,A说：换回原来的硬化剂。B说：开发新工艺。C说：再换另一款硬化剂。,试验设计（DOE）案例,初期试验方法及数据（OFAT试验，一次改变一个因子）：加热155+100分钟：合格率为76% （按原始工艺）加热145+100分钟：合格率为69% （温度降低10 ，
10、时间不变）加热175+100分钟：合格率为70% （温度升高20 ，时间不变）加热155+60分钟 ：合格率为52% （温度不变 ，时间缩短40分钟）加热155+120分钟：合格率为73% （温度不变 ，时间延长20分钟） 试验设计的方式有反复试验、OFAT One factor Ata Time，全因子试验、部分因子试验等。其中反复试验和OFAT方法的效果较差。,试验设计（DOE）案例,DOE试验方法及结果（温度和时间两个因子的交互作用） 第一次DOE试验结果：165+70分钟：合格率为82% 第二次DOE试验结果（拓宽因子水平的范围）： 180+30分钟：合格率为95%,等高线图借助统计软
11、件绘制,我们也去体验一下DOE的精采吧！,产品设计中的几个疑问,我们经常面临的问题： 请问你设计的产品能达到6水平吗？ 请问你设计的产品百万机会缺陷数是多小？ 请问你的客户要求产品的某个参数要达到4.5-6水平你该怎么办? ,产品设计相关概念,产品设计常常可以分为系统设计、参数设计和公差设计（又称容差设计）三个阶段，或称三次设计。系统设计所谓系统设计，是指用专业技术研制产品（即样品）及其生产工艺。参数设计所谓参数设计，是指确定产品零部件的结构参数和生产过程的工艺参数，选择最佳的参数组合。公差设计所谓公差设计，是指对各种参数寻求最佳的容许误差，使得质量和成本综合起来达到最佳经济效益，这是产品设计
12、中不可或缺但又往往被忽略的一个环节。,产品设计相关概念,公差设计的指导思想是：根据各参数的波动对产品质量特性贡献(影响)的大小，从技术的可实现性和经济性角度考虑有无必要对影响大的参数给予较小的公差(例如用较高质量等级的元件替代较低质量等级的元件)。 另外值得注意的是，三次设计的顺序并不是一成不变的。虽然公差设计的实施一般晚于参数设计，但有时为了获取总体最佳，公差设计也会影响参数设计的再实施。,公差设计（Tolerance Design）,公差设计（Tolerance Design）通常是在完成系统设计和参数设计后进行的，此时一般来说，各元件(参数)的质量等级较低，参数波动范围较宽。公差设计的输
13、出结果就是在参数设计阶段确定的最佳条件的基础上，确定各个参数合适的公差。,公差设计的方法,公差设计的实现途径很多，比较常见的有以下三类：极值分析法（Worst Case）统计平方公差法（Root-Sum-Squares）模拟法（Simulation）,公差设计案例,在一个装配环中装入4个零件，如图一所示，要求装配间隙Gap的目标值T=0.016，波动范围尽可能小。已知现在的零件14服从技术规范1.2250.003，装配环服从技术规范4.9160.003。试问：该系统的的目标值是否达到要求？公差范围是多少？,公差设计案例,极值分析法（Worst Case）,根据极值分析法的分析思路，装配环的名义
14、值=4.916公差=0.003 零件1的名义值=-1.225 公差=0.003 零件2的名义值=-1.225 公差=0.003 零件3的名义值=-1.225 公差=0.003 零件4的名义值=-1.225 公差=0.003 由此我们可以得到，间隙的名义值=0.016 总公差=0.015 间隙的最小值=0.001 间隙的最大值=0.031 也就是说，系统的目标值达到了要求，系统的公差范围是0.001，0.031，然而实际情况果真如此吗？系统中每个零部件出现极值的概率分别只有0.0027，由此组成的系统（即间隙）出现极值的概率=0.00275=0.000000000000143，几乎接近于0。这说
15、明，通过极值分析法估算出来的公差范围过大，没有反应系统的真实情况。,统计平方公差法 （Root-Sum-Squares）,统计平方公差法基于这样一个假设理论：大多数的零部件在它们的公差范围内呈正态概率分布，此时由它们所构成的系统与各个零部件线性相关，则系统的分布也可以用一个正态分布或近似正态的分布来表示（附图二）。结合上一个机械系统的案例。所谓的统计平方是指系统的方差是其零部件方差之和。 统计平方公差法采用统计分析方法进行公差分析，防止了产生过于保守的设计，适当地扩展了零部件的允许公差，如果清楚过程能力，甚至可以得到更宽松的公差。,公差设计案例,统计平方公差法 （Root-Sum-Square
16、s）,这时候，在同一个机械系统的状况下，根据统计平方公差法的定义公式，间隙的总公差= 间隙的最小值=0.016-0.0067=0.0093 间隙的最大值=0.016+0.0067=0.0227 也就是说，系统的公差范围变为0.0093，0.0227，相对于极值分析法的结论，它显得更加接近现实情况。但是，统计平方公差法也存在一个先天性的缺陷：当初始的假定理论不成立，即零部件明显不呈正态概率分布，或者系统与各个零部件呈非线性相关时，原先统计平方公差的计算公式也就不成立了。,模拟法（Simulation）,模拟也称仿真，是指通过设定若干个随机变量以及相互之间的关系建立系统的数学模型或逻辑模型，并对该
17、模型进行充分的试验，以获得对该系统行为的认识或者帮助解决决策问题的过程。自上世纪八十年代起，随着电子计算机软硬件的普及，模拟得到了广泛应用，它的操作也越来越简单。 在公差设计时应用模拟技术，分析人员无需组建真实的系统就能够评价模型，或者在不干扰现有系统的情况下对模型进行验证。而且模拟法对零部件的分布和模型的线性性要求较低，比许多其他的分析方法更容易被人理解。,模拟法（Simulation）,再次借用机械系统的案例，我们首先在高级DOE分析软件JMP里对装配过程中的各个零部件参数进行设置，一般认为参数服从正态分布，均值等于中心值，标准差为半公差的1/3即=T/3=0.003/3=0.001（具体
18、操作参见图三）。短短几秒钟后，汇总十万次模拟结果的间隙分布就由JMP软件自动生成了。从图四可以看到，通过模拟法得到的系统的公差范围变为0.009，0.023，与统计平方公差法的结论十分相似，非常接近现实情况。同时，模拟法的分析过程生动形象，由它获取的结果的可读性依然很强。更重要的是，当遇到电子线路等非线性模型时，统计平方公差法已不适用，但模拟法却依然有效。,模拟法（Simulation）,模拟法（Simulation）,模拟法（Simulation）,以上花了很多篇幅介绍了如何正确地预测系统的公差范围。一旦发现系统的公差范围过大时，应该怎样调整零部件参数的公差设置呢？正如我们所知道的，减少零部
19、件参数的公差会提高质量，减少系统功能波动的损失，但缺憾是往往需要增加成本。通过公差设计，可以确定各参数的最合理公差，使总损失(质量损失与材料成本之和)达到最佳(最小)。接下来将用最简单易懂的模拟法来简要说明。 例如，设定在上述的机械系统中顾客满意的间隙波动范围为0.012，0.020，显然会有相当一部分产品被判为不合格。如果将各个零部件参数的公差都缩小一半，即 ，效果是否会明显改善呢？在高级统计分析软件JMP自带的模拟器的帮助下，我们很快会得到如图五所示的缺陷前后对比。间隙地缺陷数量从原先的74030PPM迅速下降到改进后的340PPM，充分说明效果是明显的。如果能够证明因此改进而增加的成本不高时，那我们就更有信心将零件14的公差范围设定为1.2250.0015，装配环的公差范围设定为4.9160.0015。,模拟法（Simulation）,公差设计计算表,谢谢垂听！,
