SPC培訓(xùn)課程講義

Table 勹1/131統(tǒng)計基礎(chǔ)總體和標本顧客,

顧客不滿足(不良)Data的表現(xiàn)(中心值和散布)Data的種類SPC

IntroductionQC,

SQCSPCData

解釋QC7

ToolQC

7Tool實習(xí)Graph

AnalysisBaseline

構(gòu)筑測定

?正規(guī)性檢證(normality

test)Rational

Sub-groupingMSA(測定System的分析)工程能力分析工程能力的概念Cp,CpkZValue,4Block

Diagram管理圖(Control

Chart)管理圖概念,

種類管理圖解釋管理圖實習(xí)(XbarR,XbarS,n,np,u,

c)改善活動(6

Sigma活動)6Sigma

Process附

1

:

統(tǒng)計

Table附

2:FMEA設(shè)計

FMEA工程

FMEA1.統(tǒng)計基礎(chǔ)(SQC:StatisticalQuality

Control)勹2/131

對總體的判斷

總體和Sample標本(Sample,10)總體(N=1,000)Sample

10個測定(規(guī)格

:

100±4)ⅩⅩⅩⅩⅩⅩⅩⅩⅩⅩ規(guī)格下限規(guī)格上限97 98 99 100101102103

104使用Sample的統(tǒng)計變量(變數(shù))96(平均值和散布)推定總體.總體能不能判斷為合格

?AQL

→

Yes:因為

Sampling的10個測定值都在規(guī)格內(nèi)

→

OKSPC

→

No:

用Sample

Data推定總體的不良率是2.8%

→

Epidemic

水準勹3/131*

AQL(Acceptable

Quality

Level):合格品質(zhì)水準SPC(Statistical

Process

Control):統(tǒng)計性工程管理如果全部檢查在時間上,經(jīng)濟上不可能

!Sampling

Sampling 總體

:

作為調(diào)查,

研究對象的所有集團Sample:

從總體為了某種目的抽出來的Data

:

體現(xiàn)通過Sample得到的事實(關(guān)心事項數(shù)據(jù)化的表現(xiàn))2)

決定取Sample方法時注意事項所取的Sample要能夠代表總體的情報.抽出Sample測到Data后，首先要考慮為了什么目的使用事前檢討Lot

構(gòu)成單位是否要分組。適用Sampling檢查主要原因是經(jīng)濟性原因.由于有這種經(jīng)濟性原因，取Sample時，Sample能夠反映總體的特性。1)

總體/Sample/Data的概念總體Sample019

PCS使用者占有率

?Data大韓民國區(qū)分人員011

PCS350017

PCS120019

PCS530勹4/131PCS使用者1000名價值判斷的根據(jù)

:其根據(jù)的適切性

:問題的類型

:

2

種-平時的時候很正常只要喝酒就不象話-那個人要長大成人不可能了一直正常的人.平時的時候步態(tài)正常一旦喝酒就正常的人勹5/131

事件的判斷和問題的對策方法

如果現(xiàn)在很多人為了上車無秩序的聚在一起等車改善的方法有秩序地排列乘車-->

減少散布(reduce

the

variation)加大公交車的門，誰都容易乘車。-->

增加公差(open

the

specifications)車Parking的地方，人聚在一起。-->

中心值移動(shift

the

mean)上面3種方法中2種以上Combination

價值判斷(問題與否)的根據(jù)

品質(zhì)

:

與顧客的期待一致Spec

:

定量化顧客的期待事項(水準)Spec

設(shè)定的適切性.Quality

?fitnessfor

use(Juran)conformancetorequirementsor

specifications(Crobsby)勹6/131

顧客滿足和不良

顧客滿足

?顧客對我做事的結(jié)果的肯定性的反映內(nèi)部顧客和外部顧客-

沒有缺陷的商品,

SVC及時提供給缺陷(品質(zhì)不良) ?不能滿足顧客期待的所有的一切LG勹7/131

不良

? 至今為止

,,,LSLUSL我們合格IamData(我活著)Spec-in就合格Spec-out不合格Spec檢出不良勹8/131以后

,,,SpecLSLUSL集中在中心才合格散就死Spec-in但沒有達到水準就不合格潛在的不良事前預(yù)測

不良

? 呀

!有吃的勹9/131(不良)

Data的表現(xiàn)

:

中心值 中心值A(chǔ)rithmetic

Mean(算數(shù)平均)

X=

i=1 Σ

XinnGeometric

Mean(幾何平均)1G=(X1*X2*,,,,Xn)

nMedian(中央值)XMid-Range(中位數(shù))M=

Xmax+

Xmin2H

=1 1n[Σx

]1調(diào)和平均測定的

Data怎樣表現(xiàn)?

–中心值勹10/131散布(Dispertion)偏差(Deviance/Deviation)分散(Variance)絕對平均偏差(MeanAbsolute

Deviation)標準偏差(Standard

Deviation)變動(

Variation)≒

SS,S(SumofSquares)散的程度偏移的程度V

=

SS

n-1MAD

=ΣnXi-

X

i=1 nσ(orStDev)

=Vi=1SS=Σ

(Xi-X)2范圍(Range)Xmax-XminZ-

Value*Z

=Xi-

μσn

勹11/131變動系數(shù)**(CV:Coefficientof

Variation)CV

=

σ (%)*Z值

:

特定測量值于資料的的平均距離幾個標準偏差的相對性位置尺X度.

理論性表示工程能力的尺度，品質(zhì)特性的平均值和規(guī)格中心一致時，規(guī)格和平均值的相差相當(dāng)于標準偏差的幾倍距離**變動系數(shù):測定值的相差大的資料間比較散布或者測定相異的資料間的散布比較時使用。測定的Data怎樣表現(xiàn)

?–散布

Data的表現(xiàn)

:

散布

Data的種類

連續(xù)型

Data 離散型Data(Continuous

Data) (Discrete

Data)問題

/Issue

事項問題解決連續(xù)型

Data

:

如長度,重量,時間等能夠使用測定刻度尺的

Data(計量型)勹

所測定的尺度不斷能夠細分而且比不連續(xù)的Data提供更多的情報資料的類型屬性(Attribute)命名(Nominal)范疇(Category)統(tǒng)計特征值缺陷(Defect)資料的類型變數(shù)(Variable)比率(Ratio)統(tǒng)計特征值位置(Location)散布(Spread)模樣(Shape)勹12/131離散型

Data

:

與合格/不合格,決定數(shù)等能用個數(shù)表示的Data(計數(shù)型) 勹

不能再細分。Data的種類區(qū)分的理由是？區(qū)分Data種類的目的確定Data的Display方法和分析方法決定要Gathering的

SampleSize決定適切的ControlChart決定適切的

Sigma(orZ-Value)計算方法(DPMOor

工程能力分析)連續(xù)型

Data(計量型)可以分解Data,

且測定的數(shù)據(jù)的大小有意義客觀性

Data:

時間,

重量,

長度等測定計測儀可以測定的Data主觀性

Data:滿足度,

充實度等

Data的測定基準按始點發(fā)生變更離散型

Data(計數(shù)型)不可能分解Data,所測定的數(shù)據(jù)Count時.客觀性

Data

:缺點數(shù),

承認件數(shù),

誤差件數(shù),

位置等判斷的情況明確的內(nèi)容主管性

Data:

包含Yes/No,

Good/Bad等人的主觀性內(nèi)容的內(nèi)容※

實際情況下離散型和連續(xù)型分類比較困難時例

1)主/客觀式混合的數(shù)學(xué)能力分數(shù)

→

離散型但是可以看作連續(xù)型例

2)

使用尺度法的論文結(jié)果→

連續(xù)型處理,

還是離散型處理，按照事件,

分析的目的考慮置信度慎重判斷勹13/131

Data的種類

2.SPC

Introduction勹14/131改善(再發(fā)防止,標準制定,改正)維持統(tǒng)計性技法應(yīng)用1)

品質(zhì)管理

?(QC:Quality

Control)為了確保顧客所愿的品質(zhì)合理且經(jīng)濟地執(zhí)行的所有管理活動2)

統(tǒng)計性品質(zhì)管理?(SQC:StatisticalQualityControl)展開品質(zhì)管理活動，應(yīng)用統(tǒng)計性技法的活動體系??

品質(zhì)管理(QC)和統(tǒng)計性品質(zhì)管理(SQC)勹15/131

SPC

Introduction 統(tǒng)計性統(tǒng)計管理(SPC

=StatisticalProcess

Control)?

?Statistical...統(tǒng)計性方法是用Sampling的DataMonitoring、分析

Process變動

時使用。Process

...反復(fù)性的事情或者階段(SIPOC:Supplier

Input

Process

Output

Customer)Control...Process正在變化的事實早期警報。警報是指最終Output出來之前糾正問題，能夠具有充分的時間(管理圖

:隨著時間工程散布的變化)SPC

–對某個

Process掌握品質(zhì)規(guī)格和工程能力狀態(tài),

利用統(tǒng)計性資料和分析技法,

在所愿的狀態(tài)下一直能管理下去的技法。勹16/131

SPC

Introduction 勹17/131SPC

管理Tool的優(yōu)點*1920年

Bell研究所的Dr.Walter

Shewhart開發(fā).*隨著時間Plot變動,

可以通過管理界限區(qū)分變動的2種要因。管理界限是為了管理

Process變動，作為一種可能性來管理。(對Process采取對策的決定)管理圖總是成雙出現(xiàn).一個是特性化Subgroup的平均值變動

:

X

bar另外一個是特性化Subgroup的散布

:R,Sigma基本上為了檢出影響Process平均值或者散布

異常原因而使用。管理圖優(yōu)先解釋散布的變動，對齊散布的安定化的焦點，有必要觀察平均值的變動怎樣變化。

SPC

Introduction 勹18/131偶然原因

:從總體抽出Sample的散布出現(xiàn)類似的兩向的原因異常原因

:從總體得到的SampleData的散布出現(xiàn)跟平時不同現(xiàn)象的原因。Ex)

管理PCB

鏟平厚度..根據(jù)周圍環(huán)境,原材料

Lot間微小的物性變化,作業(yè)者熟練度的要因等管理的特性值的散布Lot別發(fā)生時，其稱為存在

偶然原因(一般為

Accept)在積層上不知道什么原因

壓力在特定Lot上比規(guī)定使用得多，如果發(fā)生了兩個特性值的變化，把這稱為異常原因.(要改善的事項)SPC

管理Tool的優(yōu)點Process由于偶然原因(White

Noise=CommonCauseVariation)和異常原因(Black

Noise

=

Special

Cause

Variation)受影響一直變化。偶然原因和異常原因是取適當(dāng)?shù)腟ubgroup的Sample，可以看到變動。由于偶然原因產(chǎn)生的變動，

Process持續(xù)維持安定的狀態(tài)

:

由于Subgroup內(nèi)的變動發(fā)生異常原因的變動是Process由于外部要因引起變動

:由于Subgroup之間的變發(fā)生。Process由于外部異常原因持續(xù)受到影響,

SPC

Chart是表示異常原因。

SPC

實行 教育SPC活動Baseline

構(gòu)筑設(shè)備

Parameter

選定部品

ParameTer選定對策樹立,

改善活動工程

CTQ管理改善活動Quick

Action6

Sigma

活動部品

CTQ管理協(xié)力社6

Sigma活動維持,

管理,

System(IT)化00年事業(yè)部CTQ

Mapping結(jié)果活用工程

Parameter

選定包含臨加工廠家6

Sigma

教育SPC

教育測定System分析工程能力分析管理計劃,

管理ParameterReviewOutof

ControlIn

Control預(yù)防活動勹19/131UnderstandingStatistics(QC,

SQC)PlanningDesignManufacturingSales&

SVC改善活動工程Parameter&Component

Parameter測定System分析

工程能力診斷

工程能力管理D MR&D(DfSS)A IManufacturingCTQ

SPC和

6

Sigma

SPC主要工程為對象，工程管理的性質(zhì)強，6Sigma是Biz.

經(jīng)過所有Process改善活動的Program。Feedback勹20/131SPC6

Sigma3.

Data

解釋勹21/131Histogram特性要因度Pareto

DiagramCheck

SheetDATA的分布(散布,平均)Characteristic/Cause-and-Effect/FishboneDiagram查找問題偏重的項目和其程度→為了最大化改善效果選定重點改善(或者管理)項目Pareto

Diagram等的

Backdata相對頻度區(qū)間Y

ManMachineMaterialMethod◆◆◆◆◆◆◆◆Data100%80%????A正B正正CD各種

Graph散點圖(ScatterDiagram)分層(Stratification)按照

DATA的特性要因度分成幾個部分分成主要散布的因子找散布的原因后使用◆◆◆兩個變數(shù)間相關(guān)關(guān)系◆ ◆◆ ◆ ◆. .

.

.◆..

.......

.. . .. .

.

. ..

.勹22/131

QC7

Tool 1.Histogram

?64.084.004.024.163.964.014.183.994.054.124.074.054.074.084.074.084.094.064.054.064.104.084.044.024.084.164.094.024.114.0094.084.064.054.044.054.094.184.064.084.164.024.024.204.084.114.024.064.024.11

QC7ToolStudy:

Histogram 為了了解長度,

重量,

強度等計量值怎么分布的制作的圖，制作頻數(shù)表后畫柱狀圖。一般工程安定的情況下呈鐘形狀，反之按照情況查找有什么異常原因。一般散布大是表示工程差，因此找出原因，樹立對策改善工程能力的活動必要。Data區(qū)間編號區(qū)間的界限值中心值頻度13.955~

3.9853.97223.985~

4.0154.00434.015~

4.0454.031044.045~

4.0754.061754.075~

4.1054.092664.105~

4.1354.121974.135~

4.1654.151384.165~

4.1954.18694.195~

4.2254.213100151050勹23/131N=1003025頻

20度3.9853.9554.1354.1054.0754.0454.0154.2254.1954.165區(qū)間頻數(shù)分布表Histogram2.

Histogram制作步驟

QC7ToolStudy:

Histogram 64.084.004.024.163.964.014.183.994.054.124.074.054.074.084.074.084.094.064.054.064.104.084.044.024.084.164.094.024.114.0094.084.064.054.044.054.094.184.064.084.164.024.024.204.084.114.024.054.124.061.Data

收集至少30個以上,越多可靠性越好2.最大值

(L)最小值

(S)求各data的最大值

(L)外最小值

(S)最大值

(L)

=4.22, 最小值

(S)

=

3.96Data數(shù)50~100100~250250以上區(qū)間k6~

107~

1210~

20勹24/1313.區(qū)間數(shù)一般區(qū)間的數(shù)(k)是k=Γn.n=100,

因此k為10

QC7ToolStudy:

Histogram 4.區(qū)間幅度(h)區(qū)間幅度

=

最大值(

L)-

最小值(S)臨時區(qū)間數(shù)※

測定最小單位的正倍數(shù)h=4.22-3.96

=

0.02610※

測定的最小單位

0.01的正倍數(shù)h

=

0.035.界限出發(fā)點=最小值

–

最小測定單位/2第一區(qū)間=出發(fā)點~出發(fā)點+區(qū)分幅度第二區(qū)間=第一階段的上限~

第一區(qū)間上限+區(qū)間幅度...求包含最大值區(qū)間出發(fā)點=3.96-

0.01/2

=3.955第一區(qū)間 =3.955~

3.985第二區(qū)間 =3.985~

4.015第三區(qū)間 =4.015~

4.045第四區(qū)間 =4.045~

4.075第五區(qū)間 =4.075~

4.105第六區(qū)間 =4.105~

4.135第七區(qū)間 =4.135~

4.165第八區(qū)間 =4.165~

4.195第九區(qū)間 =4.195~

4.225第十區(qū)間 =4.225~

4.2556.區(qū)間的中心值勹25/131中心值

=

各區(qū)間上下界限的和2第一區(qū)間的中心值=

3.955+3.985

=3.9723025頻

20度

1510503.9553.985

4.0154.0454.075

4.105

4.1354.1654.195

4.225

區(qū)間

QC7ToolStudy:

Histogram 區(qū)間編號區(qū)間的界限中心值頻數(shù)13.955~

3.9853.97223.985~

4.0154.00434.015~

4.0454.031044.045~

4.0754.061754.075~

4.1054.092664.105~

4.1354.121974.135~

4.1654.151384.165~

4.1954.18694.195~

4.2254.2131007.頻數(shù)表8.HistogramN＝100勹26/1313.

看Histogram的方法

QC7ToolStudy:

Histogram 左右對稱形頻數(shù)大部分聚集在中心部分，離中心越遠越少一般出現(xiàn)的形狀高原形有幾個不同的平均值的時候.?

制作分區(qū)間的Histogram后比較齒形區(qū)間跳躍形狀像缺牙形狀。?有必要檢討區(qū)間的幅度是否以測定單位的正數(shù)倍，還是測定者看刻度時有問題。）雙峰形有兩個不同的平均值的時候出現(xiàn)例)兩臺機器之間,

兩個種類的原料之間差異?

按照區(qū)間制作Histogram，

2個分布差異明顯.左右傾斜形平均值向分布的左側(cè)偏移(左右不對稱).?

理論上或者局限于規(guī)格下限沒有采集某個值以下的值。跳躍形在不一樣的分布上，data稍微混亂的時候?

調(diào)查工程上是否有異常或者測定上是否有誤差,

是否別的工程上的data.切邊形規(guī)格以外的全部除去后出現(xiàn)這種現(xiàn)象?

確認是否有捏造數(shù)據(jù),

檢查失誤,測定誤差等全部選擇后，出現(xiàn)這樣的模樣時需提高工程能力或者再檢討規(guī)格勹27/131如下Data是測定000

電子交貨DID事業(yè)部的A部品的特性的

Data。Spec:4.62±

0.3勹28/1314.865.074.814.984.804.744.824.864.514.534.794.674.854.794.624.745.174.674.824.864.824.884.774.775.014.914.664.864.714.78[

問題

]制作

Histogram。最大值和最小值為多少

?區(qū)間數(shù)幾個時適當(dāng)

?求區(qū)間幅度(h).求界限。畫出頻數(shù)表。制作Histogram。QC7ToolStudy:

HistogramCase

StudyQC7ToolStudy:

Histogram??

??

:

??

??●●●●●●●根據(jù)測定值頻度數(shù)勹29/131● ●● ●● ●平均 測定值正態(tài)分布具有的法則是

？決定正態(tài)分布的模樣和位置是

?什么是正態(tài)分布(Normal

Distribution)

？QC7ToolStudy:

Histogram??

??

:

??

??什么是正態(tài)分布(Normal

Distribution)

？TargetTarget

:

目標值Z

:

正態(tài)分布檢證統(tǒng)計量LSLUSL平均(X)X-

TZ=

σDefect

!!!f(x)=

e

122πσ

1

-

[x-μ

2σ]??

?不是正態(tài)分布的Data有哪些？舉個例.正態(tài)分布總面積是1,脫離已知規(guī)格的面積,那就是所推定的不良率某概率變量X到平均值(μ)之間距離除以標準偏差(σ)的值用Z來表示如果規(guī)格上限(or下限)用X來代替時超出規(guī)格上限的尾部面積可以認為‘有缺陷可能性’Z值是用來測定工序能力,跟工序的標準偏差不同,勹30/131H-LinFocusNo

RasterMoireMisconSpotNo

powerOthers0100200300020406080100DefectCountPercentCum

%PercentCountVital

FewTrivial

Many典型地

80%的問題是由于

20%的原因發(fā)生(2:8的原則)優(yōu)先選定改善對象為目的，分類不良或者缺點等內(nèi)容，按照大小順序排列同時標示累積數(shù)的圖。848073352719121124.022.920.910.03.124.046.967.777.785.490.994.397.4勹31/131首先要改善對象的區(qū)域!!!FB000

型號的不良現(xiàn)況

QC7ToolStudy:Pareto

Chart

2001年按地區(qū)需要顯示器的Data(單位

:

百萬臺)利用Pareto

Chart回答下面問題勹32/131QC7ToolStudy:Pareto

Chart北美22.91)

對世界市場的

EU

市場的顯示器需要比重E

U17.9韓國1.82)

全體

80%

Cover的需要按照大小排列

?日本5.7中國2.0印度0.9亞洲4.6中南美3.1CIS/東歐

2.2其他 1.9Case

Study是

?4M

或者

6M

1E

或者

8M

2E為基準，事的結(jié)果(特性,

問題)和影響其結(jié)果的原因，系統(tǒng)性地整理的圖。計劃變更品質(zhì)問題生產(chǎn)

CAPA不足無作業(yè)MACHINEMANMATERIALMETHOD生產(chǎn)計劃廠家管理2次廠家統(tǒng)制能力情報傳達 預(yù)想交貨日期按日期入庫計劃資材提供調(diào)查SKILL檢查

SKILL電算活用能力制作生產(chǎn)計劃對策SKILL人際關(guān)系??KNOWHOW????生產(chǎn)計劃作業(yè)條件時常事故適合設(shè)備適切的資材作業(yè)條件不良率NECK

ITEM專用資材新MODEL多樣資材及時調(diào)查優(yōu)先進行日遵守營業(yè)邀請CAPA分析??????擔(dān)當(dāng)管理發(fā)行比率勹33/131

QC

7

Tool

Study

:

特性要因圖(Cause

&

Effect

Diagram)

QC

7

Tool

Study:

散點圖(ScatterPlot) 勹34/131對應(yīng)的2

種類的Data橫軸和豎軸標點(Plotting)

，查看相互之間有什么相關(guān)性。例題)

利用下例Plotting對Height和

Weight的ScatterPlot，說明兩個變數(shù)的關(guān)聯(lián)性。GenderActivitySmokesHeightWeightPulseGenderActivitySmokesHeightWeightPulseMaleModerateNo6614064MaleA

lotNo7115068MaleModerateNo7214558MaleA

lotYes6815572MaleA

lotYes73.516062MaleA

lotNo69.515068MaleSlightYes7319066MaleModerateYes7318082MaleModerateNo6915564MaleA

lotNo7516064MaleSlightNo7316574MaleA

lotNo6613558MaleA

lotNo7215084MaleModerateNo6916054MaleModerateNo7419068MaleModerateYes6613070MaleModerateNo7219562MaleModerateYes7315562MaleModerateNo7113876MaleA

lotNo7414876MaleSlightYes7416090MaleModerateNo73.515588MaleModerateNo7215580MaleModerateNo7015070MaleA

lotYes7015392MaleModerateYes6714090MaleModerateNo6714568MaleA

lotNo7218078MaleA

lotNo7117060MaleModerateYes7519070MaleA

lotNo7217562MaleSlightNo6814590MaleModerateYes6917566MaleModerateYes6915092MaleA

lotYes7317070MaleModerateYes71.516460MaleModerateYes7418068MaleModerateNo7114072MaleA

lotNo6613572MaleA

lotNo7214268MaleModerateNo7117070MaleModerateNo6913684MaleModerateNo7015774MaleModerateNo6712374MaleModerateNo7013066MaleModerateNo6815568MaleModerateYes7518570FemaleModerateNo6613084FemaleModerateNo6114096FemaleModerateNo65.512061FemaleModerateNo6612062FemaleA

lotNo6613064FemaleModerateYes6813078FemaleModerateYes6213194FemaleModerateNo6813882FemaleModerateNo6212060FemaleModerateYes63121100FemaleModerateNo6311872FemaleModerateNo7012568FemaleModerateNo6712558FemaleModerateNo6811696FemaleModerateYes6513588FemaleModerateNo6914578FemaleModerateNo6612566FemaleModerateYes6915088FemaleSlightNo6511884FemaleModerateYes62.7511262FemaleA

lotNo6512262FemaleModerateNo6812580FemaleModerateNo6511566MaleSlightNo7419062FemaleModerateNo6410280MaleModerateNo7115560FemaleModerateNo6711578MaleModerateYes6917072FemaleModerateNo6915068MaleModerateNo7015562FemaleModerateNo6811072MaleModerateNo7221576FemaleSlightNo6311682MaleModerateYes6715068FemaleA

lotYes6210876MaleModerateYes6914554FemaleA

lotNo639587MaleA

lotNo7315574FemaleSlightYes6412590MaleModerateNo7315574FemaleSlightNo6813378FemaleA

lotNo6715086FemaleModerateNo6211068FemaleModerateNo61.7510876

QC

7

Tool

Study:

散點圖(ScatterPlot) 關(guān)系(相關(guān)性)是

?- 一般性的,

一個變數(shù)的特征值與其他變數(shù)的某個值一起出現(xiàn)的傾向關(guān)系的表示→相關(guān)一個變數(shù)的值增大時,

另一個變數(shù)的值增大的情況

→

正的相關(guān)性一個變數(shù)的值增大時,

另一個變數(shù)的值減小的情況

→

負的相關(guān)性相關(guān)關(guān)系的表示-

相關(guān)系數(shù)(r)表示相關(guān)性的尺度，通常在-1和

1之間受到異常點的影響r=

0勹35/131r=

0r=

1r=-

1相關(guān)關(guān)系和因果關(guān)系的差異點？外生變數(shù)的影響？偶然的相關(guān)關(guān)系？A公司和B

公司的HingeForce的水準比較檢討MinitabMenu:Stat/BasicStatistics/DisplayDescriptive

Statistics*

Descriptive

Statistics

:Spec

Fix

前(或者

Spec沒有時)

大概想知道品質(zhì)水準的時候使用

Other

Graph

分析

:

基本統(tǒng)計量 勹36/131平均標準偏差ox

Plot明參照B說95%置信區(qū)間推定Force值

Other

Graph

分析

:

基本統(tǒng)計量 1.901.952.002.0095%ConfidenceIntervalfor

Mu2.082.102.1295%ConfidenceIntervalfor

MedianA-Squared:P-Value:勹37/131MeanStDevVarianceSkewnessKurtosisNMinimum1stQuartileMedian3rd

QuartileMaximum0.5540.1442.095000.063334.01E-03-7.9E-010.801533401.910002.062502.105002.137502.19000Anderson-DarlingNormality

Test95%ConfidenceIntervalforMu2.07475 2.1152595%ConfidenceIntervalforSigma0.05187 0.0813195%ConfidenceIntervalforMedian2.08000 2.12000Descriptive

StatisticsVariable:

PK對于B公司用同樣的方法進行Graph

Display，比較評價各公司間HingeForce的水準BA1.9BoxplotsofA-

B(means

are

indicated

by

solid

circles)A公司和B公司的HingeTorque

值有差異One-wayAnalysisof

VarianceAnalysisof

VarianceF9.84P0.002SourceFactorErrorTotalDF SS MS1 0.02664 0.0266478 0.21111 0.0027179 0.23775LevelPKRPMN4040Mean2.09502.1315StDev0.06330.0375Individual95%CIsForMeanBasedonPooled

StDev-++++(*)(*)-++++

Other

Graph

分析

:Box

plot 勹38/131對A

公司和B

公司的Hinge

Force的水準比較檢討MinitabMenu:Stat/ANOVA/oneway(unstack)orGraph/

Boxplot12354Data:

1,2,3,4,5MinwithinLower

Limit勹39/131MaxwithinUpper

LimitQ3:中央值和

Max值的75%位置Position

3(n+1)/4Q1:Min值和中央值的25%位置Position

(n+1)/4中央值(Median)UpperLimit=Q3+1.5(Q3-Q1)LowerLimit=Q1-1.5(Q3-

Q1)四分位偏差

=

(Q3

-

Q1)Step=

1.5(Q3-Q1)Max=Q3+2*1.5(Q3-Q1)Min=Q1-

2*1.5(Q3-Q1)

Other

Graph

分析

:Box

plot 657075Height以所有Data對象畫Graph特定總體畫

Graph時657075HeightFemaleGenderMale

Other

Graph

分析

:Dot

plot 勹40/13164.571.512518565.588.571.5Height64.5185Weight12588.5Pulse65.5

Other

Graph

分析

:

Matrix

plot(幾個變數(shù)之間的相關(guān)性想一下子知道時

) 勹41/1311001201401601802008060

62

64

66

68

70

72

74

76HeightWeight11224321291222097152013178

Other

Graph

分析

:

Marginalplot(想知道兩個變數(shù)的關(guān)系和分布) 勹42/131關(guān)聯(lián)圖表法(Relations

Diagram)對某個結(jié)果要因復(fù)雜地混在一起時，明確其人際關(guān)系及要因相互間的關(guān)心，探索原因或者明確化結(jié)構(gòu)，找出問題解決頭緒的方法。①

找原因的關(guān)聯(lián)圖 ①

手段展開型關(guān)聯(lián)圖親和圖表法(AffinityDiagram)未知,未經(jīng)驗的問題，在混亂狀態(tài)中得到事實,意見,發(fā)現(xiàn)現(xiàn)象等推出Data后根據(jù)親和性統(tǒng)合、整理找出問題的本質(zhì)，問題解決或者誘導(dǎo)新的方向的方法。原因原因 原因原因原因 問題點原因原因 原因目的a手段a目的b手段b目的c手段c目的d手段d基本目的Matrix

Diagram作為問題的事項中，找出預(yù)想有相關(guān)的要素，表示為二原表形式,

其交點上表示各要素的元素之間關(guān)聯(lián)有無，得到解決的措施。有

L型,

T型,

X型,

Y型,

C型等L型

MatrixDiagramB1B2B3B4B5B6--

-A1有A1有A3A4有A5勹43/131系統(tǒng)圖表法(Tree

Diagram)為了達到目的，系統(tǒng)性地展開手段，明確掌握所有問題的現(xiàn)況找出為了達到目的的最佳的手段。目的??

附

:NewQC7Tool PDPC法(Process

Decision

Program

Chart)新產(chǎn)品開發(fā)或者新技術(shù)開發(fā)或者預(yù)防產(chǎn)品責(zé)任問題或者

Claim-的對應(yīng)，按照事態(tài)的進展，預(yù)測可能產(chǎn)生的所有結(jié)果，對這些結(jié)果一個一個樹立對策，為了得到可靠的結(jié)果引導(dǎo)過程決定的方法。ArrowDiagram(PERT-CPM)Event(Number,Node),

Activity,Dummy5

265A4D15EJA1A2A3Ap55

1532626430307 3737AC1C2B1 B2C3D1D2BgCrDsZNodeB10C1010F16G7H1726I3K8LB1B2B3B4B5B6-

-A13A14A37135A4A5MatrixData

AnalysisMatrixDiagram要素之間的相關(guān)數(shù)字

Data定量化時使用。多變量解釋法等利用-

附

:NewQC7Tool 勹44/1314.

Baseline

構(gòu)筑勹45/131

測定

? 勹46/131測定

?測定的3要素1.2.3.人的置信度,

計測儀的置信度適切分布的選擇檢/校正Gage

R&R

正規(guī)性檢驗(Normality

Test) 勹47/131SPC,

6

Sigma

等使用的大部分統(tǒng)計Tool一般都是分析Base

的Data正態(tài)分布的假設(shè)下出發(fā)的。But,

自然現(xiàn)象的所有Data并不都是正態(tài)分布(例

:

壽命,

故障率等)這時利用非正態(tài)分布(例

:威布爾分布)統(tǒng)計分析。按照情況不同,

實際上覺得是正態(tài)分布特性的

Data也會由于

DataGathering上的問題可能判斷為不是正態(tài)分布。這是,由于工程不穩(wěn)定群內(nèi)變動混亂或者由于工程外部要因引起群間變動,

或者是Data處理過程上的Error(Key-in

Error等)這樣的關(guān)系收集Data后利用Normality

Test檢驗是否正態(tài)分布如果不是正態(tài)分布Data轉(zhuǎn)換為正態(tài)分布(Transformation)求Cp,Cpk等值否則,利用其Data特性適合分布，統(tǒng)計性解釋。本章假設(shè)為工程穩(wěn)定的狀態(tài)下，使用Box–cox變換，轉(zhuǎn)換為正態(tài)分布后統(tǒng)計性解釋。4040414144454539464140404138404243404542CTQ44424540.9994447.993744.954540.80Anderson-DarlingNormalityTestA-Squared:

0.839P-Value:

0.027Average:

42.0333StDev:

2.55266N:30475.01.001Probability42Arrival

Time某個特性值的Data(N

=30)如下。為了正規(guī)性檢驗

MinitabMenu:Stat/

BasicStatistics/Normality

TestNormalProbability

PlotP值比0.05小!!!勹48/131想一想

:

如果某個Data正態(tài)分布，其理由是

?AnotherdistributionSampling

錯誤.測定上的Error,&

Key-inError

etc

正規(guī)性檢驗(Normality

Test) 為了Box-coxTransformationMinitabMenu:Stat/ControlCharts/Box-cox

Transformation2.65StDev2.60-5 -4 -3 -2 -1

0

1

2

3

4

5LambdaLastIteration

InfoBox-CoxPlotforArrival

Time2.75LambdaStDevLow0.6172.599Est0.6742.5992.70Up0.7302.599勹49/131Est的

Lambda值是在Box-cox上推定的Best值

正規(guī)性檢驗(Normality

Test) 為了用Lambda求工程能力MinitabMenu:Stat/QualityTools/Capability

Analysis(Normal)前面多求的Est

的Lambda值勹50/131

正規(guī)性檢驗(Normality

Test) 14.013.513.012.512.011.511.0USL*LSL*ProcessCapabilityAnalysisforArrival

TimeBox-CoxTransformation,WithLambda=

0.674Cpm *Overall

Capability Observed

Performance Exp.

"Within"

Performance Exp."Overall"

PerformancePp0.97PPM<

LSL0.00PPM<

LSL*2756.99PPM<

LSL*2521.42PPU1.01PPM>

USL0.00PPM>

USL*1414.43PPM>

USL*1277.04PPL0.93PPM

Total0.00PPM

Total4171.42PPM

Total3798.46Ppk0.93Process

DataUSL50.0000USL*13.9671Target*Target**LSL35.0000LSL*10.9825Mean42.0333Mean*12.4203Sample

N30StDev

(Within)2.59922StDev*(Within)0.51805StDev

(Overall)2.57476StDev*(Overall)0.51271Potential(Within)

CapabilityCp0.96CPU1.00CPL0.93Cpk0.93WithinOverall

正規(guī)性檢驗(Normality

Test) 勹51/131

Rational

Sub-grouping Process

Response群間變動(Black

Noise)群內(nèi)變動(White

Noise)Rational

Subgroups勹52/131

RationalSubgrouping是Grouping成群內(nèi)只發(fā)生群內(nèi)變動(WhiteNoise),

在群間只發(fā)生群間變動(Black

Noise)的方法

→

可以分離長/短期工程能力.TimeRationalSubgroup要包含的要素

(Sub

grouping基準)(一般以預(yù)想影響Process變動的‘X’因子為基準Subgrouping,主要使用6M1E)Man :作業(yè)者變更,

晝夜交替工作,新作業(yè)者等Machine(Equipment)

:機械設(shè)定值變更,

設(shè)備保修

&維護等Material

:入庫Lot,

作業(yè)配置,

原材料等Method :作業(yè)者之間的作業(yè)方法差異等Measurement

:測量者的變動,測量裝備誤差等Management&

Environment(Mind&

Money)Gabbagein→

GabbageoutDiamondin→

Diamondout

Rational

Sub-grouping 群內(nèi)變動(white

noise)勹53/131white

noise是因工程存在日常要因的變動(偶然原因)現(xiàn)在的技術(shù)水平上不可控制的變動一般性的工程散布影響工程上由于瑣碎的多數(shù)因素而受影響用Zst值來表示群間變動(black

noise)black

noise是工程上受到外部要因影響，中心值

shift,一般性原因可能知道的變動(特殊原因)現(xiàn)在工程上統(tǒng)制有可能的變動一般性的工程目標值平均值shift實際上隨著時間的經(jīng)過，可以知道工程能力怎樣變化。Rational

Subgrouping是

6Sigma的一個Powerful的Tool能夠區(qū)分工程的短期工程能力或長期工程能力的核心的方法能掌握是平均值移動問題，還是散布問題問題特性化的第一階段群內(nèi)變動和群間變動為什么要Rational

Subgrouping?群內(nèi)變動,

群間變動還有工程的2種問題

Rational

Sub-grouping 期待值中心值移動問題散布問題現(xiàn)在水準勹54/131期待值現(xiàn)在水準LSL平均USLLSL平均USL精密但不正確正確但不精密工程的2種問題測定誤差的效果平均

:μ全部

=

μ生產(chǎn)品

+

μ測定散布

:σ2全部

=

σ2生產(chǎn)品

+

σ2測定→

測定System的偏向(檢校正,CalibrationStudy)→Gage

R&R觀測的工程的散布實際工程的散布測定的散布長期工程散布短期工程散布標本內(nèi)散布由于測定者的散布由于Gage的散布反復(fù)性(Repeatability)反復(fù)性(Repeatability)正確性(Calibration)再現(xiàn)性(Reproducibility)再現(xiàn)性(Reproducibility)穩(wěn)定性(Stability)線型性(Linearity)2.

可能的散布要因測定的Data(觀察值)是實際值和測定誤差的和Accuracy*

測定誤差

:

觀察值脫離真值的所有測定變散圓的效果

MSA(MeasurementSystem

Analysis) Accuracy勹55/131Precision

MSA(MeasurementSystem

Analysis) 測量時間

A測量時間

BLSL USL LSL正確度:測量值的觀察平均和真平均之間的差異安定性:至少兩次以上的相互不同時期，對于同樣部品，使用同樣Gage，得到的測量值平均的差異(計測器的保管,根據(jù)管理狀態(tài)隨著時間出現(xiàn)的差異,也包含產(chǎn)品的安定性)再現(xiàn)性:用同樣Gage，幾個人同樣的部品測量幾次時，出現(xiàn)的差異反復(fù)性:用同樣Gage，一個人同樣的部品測量幾次時，出現(xiàn)的差異線型性:所期待的制作范圍全部通過的正確性值的差異，用計測器能夠量出來的Range的誤差由于Gage

反復(fù)性的散布

由于Gage

線型性的散布對于Gage

正確性的散布

對Gage安定性的散布

測量者再現(xiàn)性的散布真平均 觀察平均LSL USL LSL USL LSL USL測量者

A測量者

B真平均 觀察平均LSL USL

USLGage勹56/131正確性(下限)正確性(上限)≥80%≥80%≤20%所有變動其他變動測定散布正確性穩(wěn)定性線型性等再現(xiàn)性(測定者誤差)(計測儀誤差)Gage

R&R

判斷基準

?勹57/131≤

20% →

Accept(精確度要求的狀況

:

≤

10%)21%~

29% →

條件部

Accept>

29% →

適用不可(測定System改善)

MSA(MeasurementSystem

Analysis) 什么是Gage

R&R？由于計測器的測量誤差和測量者之間所發(fā)生的誤差，這些測量System自己對工程全體的變動值起多少影響，用比率定量化的統(tǒng)計Tool反復(fù)性

MSA(MeasurementSystem

Analysis) 勹58/131計測儀的選定(測定的分析能)Gage要具有Process的變動或者Spec許用誤差的10%未滿的分解能。ex)Gap的公差

±0.1

mm

時Gage的分解能要達到≤0.01

mm。Gage

R&R

評價始點進入新的測定System，使用前要評價其適合性時評價覺得測定能力不充分的計測儀時各測定System的檢、校正實施后測定者變化時檢/校正和Gage

R&R的不同點

????

MSA(MeasurementSystem

Analysis) 勹59/131測定者王智勇劉肖峰Sample1次測定2次測定1次測定2次測定112.3712.3612.3512.34212.3312.2912.3512.32312.3212.3112.2912.3412.3012.3012.3212.31512.3112.3112.3112.28612.3412.3512.3412.33712.3512.3412.3512.35812.3212.3112.2912.3912.3112.3312.2912.321012.3512.3412.3212.32對于Gage

R&R適用結(jié)果解釋及對策事項是

？在顯示器設(shè)計室，開發(fā)Heat

sink時，發(fā)生了很多PCB上的HeatsinkHole有關(guān)不良,為了改善這個問題，在Heat

sinkHole的工程能力分析前，確認測量System程度，實施GageR&R，得到了如下的結(jié)果

MinitabMenu:Stat/QualityTools/GageR&R

Study(crossed)Spec:12±

0.3Gage

R&R

適用結(jié)果的解釋及對策事項

?

MSA(MeasurementSystem

Analysis) 必須選擇ANOVA.用ANOVA方法做，不僅可以分析試料及測量者的主效果，而且還可以分析測量者與試料間的交互作用勹60/1315.15isDefaultedNumber5.15(*Sigma)means?thenumberofStDev

neededtocapture99%ofprocessmeasurements?thewidthoftheintervalyouneedtocapture99%ofyourprocessmeasurements把測量對象的公差范圍

Key-in沒有公差時，在原封不動的狀態(tài)下點OK

,

OK