實(shí)驗(yàn)策略分析說明書

試驗(yàn)策略分析說明書ExperimentStrategyAnalysisManualCompeq 1of35 2023/6/23CONTENTSLearningObjective .…………………...3試驗(yàn)策略分類及優(yōu)先級(jí)……4試驗(yàn)策略之應(yīng)用范圍 ……5試驗(yàn)策略說明 ……..6適用時(shí)機(jī)實(shí)施方式試驗(yàn)策略之分析方法與報(bào)告格式8分析方法分析報(bào)告Attachment1:管制圖相關(guān)學(xué)問及其畫法30Attachment2:Highlight…………35Compeq 2of35 2023/6/23LearningObjective了解試驗(yàn)策略之分類，及其選用之優(yōu)先級(jí)把握各種試驗(yàn)策略之適用時(shí)機(jī)及實(shí)施方式JMP操作把握各種試驗(yàn)策略之分析報(bào)告格式了解管制圖之分類，不同管制圖的畫法及判讀準(zhǔn)則Compeq 3of35 2023/6/23試驗(yàn)策略分類及優(yōu)先級(jí)ExperimentalDesignPairedSample:Retest

優(yōu)先Description級(jí)Eachexperimentalunitreceivesbothtreatments.1correlation.Eachlotissplitatproposedchangeintheprocess,PairedSample:Splitlot Sothathalfthelotreceivesonetreatmentandthe 2otherhalfreceivestheothertreatment.Two-Sample:Cross-Over適用于醫(yī)藥工業(yè) 3Two-Sample:concurrent Bothtreatmentsarerunconcurrentlyintime. 4Onetreatmentisrunforaperiodoftime,thentheothertreatmentisrunforaperiodoftime.Tow-Sample:SerialPilot 5AB兩種條件無法使用splitlot設(shè)計(jì)且條件之更換格外費(fèi)時(shí)或昂貴時(shí)使用.Single-Sample 了解平均值與標(biāo)準(zhǔn)偏差是否與目前水平或目標(biāo)值相Single- 計(jì)量值 同.6Sample Single-Sample 了解缺點(diǎn)率的信任區(qū)間FMethod適用于計(jì)數(shù)值的Single-Sample試驗(yàn)策略ZeroDefects 了解缺點(diǎn)率是否已達(dá)成目標(biāo)并不推定缺點(diǎn)率的信任 7區(qū)間Compeq 4of35 2023/6/23試驗(yàn)策略之應(yīng)用范圍制程設(shè)立之評(píng)估原物料之評(píng)估產(chǎn)品生產(chǎn)要件變更之評(píng)審生產(chǎn)要件include:設(shè)備，物料，生產(chǎn)方法，量材方法及工具、環(huán)境，規(guī)格Compeq 5of35 2023/6/23試驗(yàn)策略說明pairedsampleretest：適用時(shí)機(jī)：用于評(píng)估兩個(gè)量測(cè)或檢驗(yàn)系統(tǒng)之相關(guān)性(correlation)或評(píng)估制程變更時(shí)，測(cè)Unit可以進(jìn)展重復(fù)測(cè)試。實(shí)施方式：每個(gè)樣本經(jīng)編號(hào)后，先由A量測(cè)系統(tǒng)量測(cè)后，再由B量測(cè)系統(tǒng)針對(duì)一樣樣AB制程針對(duì)一樣樣本重進(jìn)展測(cè)試。pairedsamplesplitlot：適用時(shí)機(jī)：比較兩個(gè)或多個(gè)制程(或物料)水平(代表的指標(biāo)可能為缺點(diǎn)率或需經(jīng)量測(cè)之質(zhì)量特性等)，是否有顯著差異評(píng)估制程變更后,其制程表現(xiàn)是否優(yōu)于變更前(之比較..等)實(shí)施方式：(L)、每批的分割數(shù)(k)，及每個(gè)分割所包含之樣本數(shù)(板數(shù))(n)3局部(k)30片板子(n)kkk個(gè)制程走出來后之結(jié)果(缺點(diǎn)率或量測(cè)特性)紀(jì)錄下來進(jìn)展分析。k個(gè)局部組成一批，連續(xù)進(jìn)展后制程。twosampleconcurrent：適用時(shí)機(jī)：比較兩個(gè)或多個(gè)制程(或物料)水平(代表的指標(biāo)可能為缺點(diǎn)率或需經(jīng)量測(cè)之質(zhì)量特性等)是否有顯著差異。評(píng)估制程變更后,其制程表現(xiàn)是否優(yōu)于變更前(即舊制程與制程之比較，舊線與線之比較..等)實(shí)施方式：先打算欲分析比較的兩種(或多種)制程，每個(gè)制程所需的樣本數(shù)(n)。將(a)所打算之樣本數(shù)作為批量(nPNL/批)。將兩批(或多批)同時(shí)在此兩種(或多種)制程進(jìn)展試驗(yàn)比較。twosampleserial：適用時(shí)機(jī)：適用于僅有單一生產(chǎn)線別(或槽別…等)，但欲比較變更制程條件(參數(shù)、原物料…等)(此時(shí)無法以pairedsamplesplitlot或twosampleconcurrent方式進(jìn)展)實(shí)施方式：two-sample抽樣方法打算進(jìn)展試驗(yàn)、舊條件所需樣本數(shù)(n)。Compeq 6of35 2023/6/23nPNLnPNL板子，再予以分析比較。singlesample：適用時(shí)機(jī)：適用于評(píng)估某一制程中其質(zhì)量特性(例：計(jì)量值—銅厚,計(jì)數(shù)值—缺點(diǎn)率)，其平均值或標(biāo)準(zhǔn)偏差是否到達(dá)特定目標(biāo)值，或在最大的容許標(biāo)準(zhǔn)下？實(shí)施方式：打算樣本數(shù)：(通常由過去的歷史數(shù)據(jù)打算)，及其他相關(guān)參數(shù)打算(，，，)。計(jì)數(shù)值有兩種方式打算抽樣數(shù)：Fmethod及ZDmethod。假設(shè)選擇ZDmethodsinglesamplezerodefectFmethod利用目標(biāo)缺點(diǎn)率及其他相關(guān)系數(shù)(，，)打算所需抽樣數(shù)。依(a)所打算之樣本數(shù)去進(jìn)展試驗(yàn)，并收集數(shù)據(jù)進(jìn)展分析。singlesample：zerodefects解實(shí)際不良率是否優(yōu)于目標(biāo)值(而不需要估量制程的實(shí)際不良率)。實(shí)施方式：打算樣本數(shù)：利用目標(biāo)不良率及其他相關(guān)系數(shù)()打算所需樣本數(shù)。依(a)所打算之樣本數(shù)去進(jìn)展試驗(yàn)，并進(jìn)展檢驗(yàn)分析。(假設(shè)全部板子中沒有不良品，不良率可能比目標(biāo)值大)注：計(jì)數(shù)值兩種方法比較F-method所需樣本數(shù)較大，但可估量制程的實(shí)際不良率。ZD-method所需樣本數(shù)較小，但無法估量制程的實(shí)際不良率。3種狀況:sample不易得或很貴閱歷中此制程之不良率很低所允許試驗(yàn)期間很短。Compeq 7of35 2023/6/23Compeq8of352023/6/23試驗(yàn)策略之分析方法與報(bào)告格式Compeq8of352023/6/23(一)ExperimentStrategy1:pairedsampleretest(二)ExperimentStrategy2:pairedsamplesplitlot分析方法:Pairt-test樣本數(shù)之打算：SPLIT_N.JMPAnalysisToolingSPLIT_N.JMP開啟〔圖一〕圖一﹕SPLIT_N.JMP需輸入的為﹕需輸入的為﹕Sigma〔Lot〕,Sigma(Within),K,Alpha,Beta,Detla,n其中:Sigma(Lot)為OldProcess之Lot-to-LotSigma通過計(jì)算OldProcess批平均值的標(biāo)準(zhǔn)偏差得到?！矆D二〕Sigma(Within)為OldProcesswithinLotSigma通過計(jì)算OldProcess〔圖二〕K為分析之制程個(gè)數(shù) Alpha=0.05 Beta=0.1Detla=Sigma〔Lot〕Note:commonlyusedvaluen為拆批后每一小批含有的樣本量JMP顯示結(jié)果﹕L為試驗(yàn)所需之大批量TotalN2*n*L圖二﹕計(jì)算Lot-to-LotStandardDeviationandWithin-LotStandardDeviation開啟RawdataofOldProcesscalculateLotMeanandLotStandardDeviation點(diǎn)擊OK后LotMean&LotStandardDeviation計(jì)算Lot-to-LotStandardDeviation&WithinLotStandardDeviationCompeq 9of35 2023/6/23Lot-to-LotStdDevLot-to-LotStdDevWithinlotStdDev分析報(bào)告：針對(duì)每一個(gè)質(zhì)量特性必需包含以下的分析報(bào)告PS.報(bào)告之編排，是以質(zhì)量特性為主,馬上每一個(gè)質(zhì)量特性之分析放在一起QualityCharacteristic列出質(zhì)量特性ex金厚)HistogramDistributionofnewprocess資料：針對(duì)的制程之原始數(shù)據(jù)JMP操作：(圖三)“DistributionofY”畫出直方圖，計(jì)算平均值與標(biāo)準(zhǔn)偏差利用”TestDistisNormal”Normality,假設(shè)”Prob<W”>0.05，表示不能拒絕其為NormalCpk，利用“SetSpec.Limits”，輸入管制上下界限HistogramDistributionofNewProcessCompeqCompeq10of352023/6/23CalculationofCpk下限Compeq 11of35 2023/6/23CpkTestNoisyDataonMeansandStandardDeviationsTestformean資料：分別針對(duì)(1)各批平均之差異值,(2)批平均值進(jìn)展檢定(圖四)圖四:Calculatedifferencebetweennewandoldprocesses’LotMeanColumn5上，雙擊左鍵Compeq 12of35 2023/6/23編輯公式運(yùn)算結(jié)果JMP：NoisyData之檢定,即檢定Normality,AutocorrelationOutlier檢定Normality：利用”DistributionofY“ ”TestDistisNormal”檢定假設(shè)”Prob<W”>0.05，表示不能拒絕其為Normal分布(圖五)圖五:TestofNormalDistributionCompeq 13of35 2023/6/23Prob<wvalue大于0.05，則為正態(tài)分布Auto-correlation與Outlier：利用”Noisy.jmp”temlt圖六)圖六:TestofOutlier&Auto-correlationCopythedata PasteintotheNiosy.JMPtemplateCompeq 14of35 2023/6/23Compeq15Compeq15of352023/6/23TestofoutlierTestofAuto-correlati1.2.2.TestforStandardDeviations資料：分別針對(duì)(1)各批標(biāo)準(zhǔn)偏差之差異值,(2)批標(biāo)準(zhǔn)偏差進(jìn)展檢定JMP操作：分析方式同上TestHypothesisTestforEqualLot-to-LotstandarddeviationXProcessCode(即制程代號(hào)),YLot-levelMeansJMP“FitYbyXAnalyze“UnEqualVarianceonLot”檢定,假設(shè)“Prob>F”之值>0.05,表示沒有顯著差異(圖七)圖七TestofEqualLot-to-LotStandardDeviationNew&OldMeanStackTestofequalLot-to-LotStdDev AnalysisFitYbyXCompeq 16of35 2023/6/23Prob>Fvalue0.05則Lot-to-lotStdDev無顯著差異Compeq 17of35 2023/6/23TestforEqualMeansXMeansofCurrentProcess,YMeansofNewProcessJMP操作：利用“FitYbyX”Analyze“Pairedt-test” (圖八)假設(shè)“Prob>|t|”之值>0.05,表示沒有顯著差異:TestofEqualMeansMean無顯著差異Compeq 18of35 2023/6/23TestforEqualWithin-LotstandarddeviationsXSTDofCurrentProcess,YSTDofNewProcessJMP“FitYbyXAnalyze“Pairedt-test”“Prob>|t|”之值0.05,表示沒有顯著差異〔同上〕1.4.ControlChartoflot-levelmeanandstandarddeviationfornewprocess資料：Lot-levelmeansLot-levelStandarddeviationJMP操作：”Graph””ControlCharts”ChartTypeIndividual(見管制圖畫法)(三)ExperimentStrategy3:twosampleconcurrent(四)ExperimentStrategy4:twosampleserial分析方法:Two-sampleAnalysis樣本數(shù)之打算：SAMP_N.JMP(圖九)圖九:SAMP_N.JMP需輸入的為﹕K,Alpha,Beta,Lambda,Detla,Sigma其中:K為分析之制程個(gè)數(shù)Alpha=0.05 Beta=0.1 Lambda=2 Detla=SigmaNote:Lambda=2 Detla=Sigmaarecommonlyusedvalue.Sigma為OldProcess之Lot-to-LotSigma,通過計(jì)算OldProcess〔同圖二〕JMP顯示結(jié)果﹕Suggested_NOldandNewProcess分別所需之試驗(yàn)批量分析報(bào)告：針對(duì)每一個(gè)質(zhì)量特性必需包含以下的分析報(bào)告QualityCharacteristicHistogramDistributionofnewprocess資料：針對(duì)的制程之原始數(shù)據(jù)(同圖三)“DistributionofY”畫出直方圖，計(jì)算平均值與標(biāo)準(zhǔn)偏差利用”TestDistisNormal”Normality,假設(shè)”Prob<W”>0.05，表示不能拒絕其為Normal分布NormalCpk，利用“SetSpec.Limits”，輸入管制上下界限Compeq 19of35 2023/6/23TestNoisyDataonMeansandStandardDeviationsTestformeanPORProcess.NewProcess資料：批平均值JMP：NoisyData之檢定,即檢定Normality,AutocorrelationOutlier檢定Normality”DistributionofY“”TestDistisNormal”檢定，假設(shè)”Prob<W”>0.05，表示不能拒絕其為Normal分布〔同圖五〕檢定Autocorrelation與Outlier：利用”Noisy.jmp”template檢定〔同圖六〕TestforStandardDeviationsPORProcessNewProcess資料：批標(biāo)準(zhǔn)偏差JMP：分析方式同上TestHypothesisTestforEqualLot-to-LotstandarddeviationXProcessCode(即制程代號(hào)YLot-levelMeansJMP操作：利用“FitYbyX”Analyze“UnEqualVariance”〔同圖七〕假設(shè)“Prob>F”之值>0.05,表示沒有顯著差異TestforEqualMeansXProcessCode(即制程代號(hào)),YLotlevelMeansJMP操作：利用“FitYbyX”Analyze“MeansAnova/t-Test“〔圖十〕“Prob>|t|”之值>0.05,表示沒有顯著差異Compeq 20of35 2023/6/23Prob>|t|value0.05，LotMean無顯著差異。TestforEqualWithin-LotstandarddeviationsXProcessCode(即制程代號(hào)),YLotlevelstandarddeviationsJMP“FitYbyXAnalyze“MeansAnova/t-Test“假設(shè)“Prob>|t|”之值>0.05,表示沒有顯著差異(同上)Compeq 21of35 2023/6/23ControlChartoflot-levelmeanandstandarddeviationfornewprocess資料：Lot-levelmeansLot-levelStandarddeviation(見管制圖畫法)JMP操作：”Graph””ControlCharts”ChartTypeIndividual(五)ExperimentStrategy5:singlesample分析方法:One-sampleAnalysis樣本數(shù)之打算：SAMP_N.JMP(同圖九)其中，K=1分析報(bào)告：針對(duì)每一個(gè)質(zhì)量特性必需包含以下的分析報(bào)告QualityCharacteristicHistogramDistributionofnewprocess資料：針對(duì)的制程之原始數(shù)據(jù)〔同圖三〕“DistributionofY”畫出直方圖，計(jì)算平均值與標(biāo)準(zhǔn)偏差利用”TestDistisNormal”Normality,假設(shè)”Prob<W”>0.05，表示不能拒絕其為Normal分布NormalCpk，利用“SetSpec.Limits”，輸入管制上下界限TestNoisyDataonMeansandStandardDeviationsTestformean資料：批平均值JMP：NoisyData之檢定,即檢定Normality,Auto-correlationOutlier”檢定，假設(shè)”Prob<W”>0.05，表示不能拒絕其為Normal分布〔同圖五〕檢定Auto-correlation與Outlier：利用”Noisy.jmp”template檢定〔同圖六〕TestforStandardDeviations資料：批標(biāo)準(zhǔn)偏差JMP操作：分析方式同上TestHypothesisTestforEqualLot-to-Lotstandarddeviation資料：批平均值JMP操作：使用SIG_TEST.JMPtemplate進(jìn)展檢定，DataAlpha=0.05,與目標(biāo)值假設(shè)”Prob>X^2”>0.05，表示沒有顯著差異〔圖十一〕Compeq 22of35 2023/6/23圖十一:TestforEqualLot-to-LotstandarddeviationAnalysisTooling中選用SIG_TEST.JMP,LotMeanCopythenPasteintoit.輸入Alpha=0.05TargetSigma=Lot-to-LotStdDevofoldprocessNosignificantdifferencebetweenoldandNewLot-to-LotStdDevTestforEqualMeans資料：批平均值JMP操作：“DistributionofY”“TestMean=Value輸入目標(biāo)值(圖十二)假設(shè)“Prob>|t|”之值>0.05,表示沒有顯著差異Compeq 23of35 2023/6/23or歷史之平均值Prob>|t|value大于0.05Mean無顯著差異TestforEqualWithin-Lotstandarddeviations資料：批標(biāo)準(zhǔn)偏差JMP操作：“DistributionofY”“TestMean=Value輸入目標(biāo)值假設(shè)“Prob>|t|”之值>0.05,表示沒有顯著差異〔同上〕ControlChartoflot-levelmeanandstandarddeviationfornewprocess資料：Lot-levelmeansLot-levelStandarddeviationJMP操作：”Graph””ControlCharts”ChartTypeIndividual〔見管制圖畫法〕Compeq 24of35 2023/6/23試驗(yàn)策略之分析方法與報(bào)告格式--計(jì)數(shù)值(ex缺點(diǎn)率)(一)ExperimentStrategy1:pairedsampleretest(二)ExperimentStrategy2:pairedsamplesplitlot分析方法:Two_WayANOVA樣本數(shù)之打算：SPLIT_B.JMP〔圖十三〕圖十三:SPLIT_B.JMP需輸入的為﹕需輸入的為﹕P-bar,Sp,n-bar,K,Alpha,Beta,Detla,n其中P-bar為OldProcess之批缺點(diǎn)率之平均值Sp OldProcessStdDevK為分析之制程個(gè)數(shù) Alpha=0.05 Beta=0.1Detla=SpNote:Detla=Spiscommonlyusedvalue.n為拆批后每一小批含有的樣本量JMP顯示結(jié)果﹕L為試驗(yàn)所需之大批量TotalN2*n*L分析報(bào)告：針對(duì)每一個(gè)質(zhì)量特性必需包含以下的分析報(bào)告1.QualityCharacteristicHistogramDistributionofnewprocess資料：計(jì)算制程之各批缺點(diǎn)率(同圖三)JMP“DistributionofY”畫出直方圖，計(jì)算平均值與標(biāo)準(zhǔn)偏差TestNoisyDataonlot-levelDefectratePORProcess1.2.1.NewProcess資料：針對(duì)各批之缺點(diǎn)率進(jìn)展檢定JMP：NoisyData之檢定,即檢定Normality,AutocorrelationOutlier檢定Normality”DistributionofY”TestDistisNormal”檢定，假設(shè)”Prob<W”>0.05，表示不能拒絕其為Normal分布〔同圖五〕檢定Autocorrelation與Outlier：利用”Noisy.jmp”template檢定〔同圖六〕Compeq 25of35 2023/6/23TestHypothesisTestforEqualDefectrates3行，即Lot輸入批號(hào)，設(shè)為Nominal格式ProcessNewPORNominal格式DefectRate輸入各批之缺點(diǎn)率，設(shè)為Continues格式JMP操作：Analyze“FitModel”〔圖十四〕YDefectRate,XLotProcess,StandardLeastSquaresRunEffectTest表中,假設(shè)“Prob>F”之值>0.05,表示沒有顯著差異圖十四TestforEqualDefectrates“Prob>F”valueCompeq 26of35 2023/6/23Compeq27of352023/6/23ControlChartoflot-levelmeanandstandarddeviationCompeq27of352023/6/23資料：Lot-levelDefectRateJMP操作：”Graph””ControlCharts”ChartTypeIndividual(三)ExperimentStrategy3:twosampleconcurrent(四)ExperimentStrategy4:twosampleserial分析方法Fisher’sEaxctTest樣本數(shù)之打算：SAMP_B.JMP(圖十五)圖十五﹕SAMP_B.JMP需輸入的為﹕K,需輸入的為﹕K,P0,Alpha,Beta,Detla,其中:K為分析之制程個(gè)數(shù)P0OldProcess之缺點(diǎn)率Alpha=0.05 Beta=0.1 Detla=P0JMP顯示結(jié)果﹕Samp.SizeOldandNewProcess分別所需之試驗(yàn)樣本量分析報(bào)告：TestHypothesis--TestforEqualDefectrates資料： 將資料整理成3行，(圖十六)1.2.格式3.ProcessNewPORNominal格式Result輸入Defect與OKProcess2NominalNumberProcessDefectOKContinues格式1.圖十六:資料整理nx，求出LowerConf(Lc)UpperConf(Unx，求出LowerConf(Lc)UpperConf(Uc)，借著比較LcUc跟目標(biāo)不良率〔p0Compeq，以打算是否與目標(biāo)值有顯著的差異：28of352023/6/23XProcess,YResultFreqNumber,按OK(圖十七)圖十七:TestforEqualDefectratesTest表中,LeftRight之機(jī)率Prob0.05，則表示兩者缺點(diǎn)率有顯著差異，可由不良品個(gè)數(shù)較高者，推斷出其不良率顯著較高；假設(shè)Left與Right之機(jī)率Prob皆大于0.05，則此兩制程之不良率并無顯著差異(五)ExperimentStrategy5:singlesample分析方法:F-method樣本數(shù)之打算：SAMP_B.JMP(同圖十五)分析報(bào)告：TestHypothesis--TestforEqualDefectratesJMPBIN_CONF.JMP〔圖十八圖十八BIN_CONF.JMPp0<Lc，則實(shí)際的不良率顯著大于目標(biāo)值。p0>Uc，則實(shí)際的不良率顯著小于目標(biāo)值。Lc<p0<Uc，則實(shí)際的不良率與目標(biāo)值的差異不顯著。(六)ExperimentStrategy6:singlesample：zerodefects分析方法:ZD-method樣本數(shù)之打算：ZD_SAMP.JMP(圖十九)圖十九:ZD_SAMP.JMP分析報(bào)告：分析報(bào)告：TestHypothesis--TestforEqualDefectrates假設(shè)所抽出之樣本數(shù)中沒有不良品，則有很高的信念，推論實(shí)際的缺點(diǎn)率比目標(biāo)值低。假設(shè)在所需的樣本數(shù)中，有覺察任何的不良品，則推論實(shí)際的缺點(diǎn)率可能比目標(biāo)值大。Compeq 29of35 2023/6/23Attachment1:ControlChart概念:與趨勢(shì)圖的差異在于管制圖上多了一條中線及兩條管制上下限不同管制圖的適用范圍方法方法適用范圍資料個(gè)數(shù)>=30MovingRange Lot/Batch生產(chǎn)方式的數(shù)據(jù)Method數(shù)據(jù)必需無自相關(guān)現(xiàn)象SigmaMethod 數(shù)據(jù)有自相關(guān)現(xiàn)象時(shí)使用ShortrunMethod 6,30時(shí)使用Shewhartcontrolchart傳統(tǒng)計(jì)算方法,Lot/Batch生產(chǎn)方式的數(shù)據(jù)管制圖判讀準(zhǔn)則SPCRuleforMRMethodControlChart–Westernelectric’sRuleAprocessisunstableif:#1 Asinglepointisoutsideeithercontrollimit.#2 9ormoreconsecutivepointsonthesamesideofthecenterline.#5 2outof3consecutivepointsaremorethan2stddevfromtheCLonthesameside.#6 4outof5consecutivepointsonthechartaremorethan1stddevawayfromtheCL.SPCRuleforSigmaMethodControlChartAprocessisunstableif:#1 Asinglepointisoutsideeithercontrollimit.Unstable待確認(rèn)StableSPCRuleforShortrunControlUnstable待確認(rèn)StableCompeq 30of35 2023/6/23繪制方法MRMethodLotMeanandLotStandardDeviation數(shù)據(jù)JMP操作：(圖一)Clickon“ControlChart”on“Graph”SelectLotmeanandLotStdDevandclickon>>Process>>Select>>Tests>>1,2,5,6Clickon>>Chart>>Compeq 31of35 2023/6/23SigmaMetho