流程能力分析.pptVIP

能力分析 -设定改进的基线 度量 如果无法测量，就不能对其改进。 度量可以帮助我们理解现状。 度量为我们指引正确的方向。 对个人感情和理解而言，度量可以提供客观性。 度量是一种通用的语言，帮助我们无主观性、变差和混淆地共享信息。 度量帮助我们设定一个共同的目标。 基线 当我们开始一个长途旅行时，我们会看一下里程标了解一下我们走了多远... 然而，如果我们不清楚从哪里出发的，我们能知道走了多远吗？ 基线为我们的旅程设定了一个起点。 它是首个测量，可以告诉我们现状。 它也能帮助我们设定目标和项目范围。 我们为什么需要测量？ 我们需要测量对于项目而言重要的是什么？ 我们需要追踪以下度量指标 Y 商业度量指标 Z值 我们需要测量什么－Ｙ Ｙ是我们需要关注的商业度量指标（CTQ/CTD/CTC）。例如 ＰＰＭ，表格错误率，半径变差，功率因子等 周期，交货周期，库存水平等 维修费用，设备成本等 我们需要测量什么－Ｚ值 Ｚ值是过程西格玛水平。 它是常用的度量指标。 用来测量改进的程度。 帮助我们与世界水平相比较。 世界水平或六西格玛过程是操作在六西格玛水平或Ｚ值＝６ Ｚ转化 Ｚ转化用于正态分布过程。 它表示Ｘ值距离中心值Ｘ的程度σ 例如有一个正态分布，X=70 并且σ=10，则 X=30并且Z=(30-70)/10=-4 换句话说，X=30 偏离了–ve 侧平均值4个σ X X Zσ Ｚ值 如果把Ｘ替换成容许限（规格上限和下限），Ｚ就表示在过程的容许限和中心间存在多少个σ。 这就是Ｚ值的西格玛水平 例如有一个正态分布，X=70 并且σ=10，则 X=30并且ZＬ=(30-70)/10=-4 USL=100, Z=3 30 70 4σ 3σ 100 且慢... 每次当我们生产一批产品，我们都会得到相同的变差数量吗？ 为什么不同批次的过程出现变化？ 我们能否完全消除批与批的变差？ 这些批次中的哪些数据应当用来计算Ｚ值？ 多少数据足够？ 如果每次我计算采集数据得出的Ｚ值都不同，哪个是正确的？ 于是... 每次我们当生产一批产品时，我们不会得到相同的变差数量。 批与批的过程变差是由于平均值随着时间的偏移。 我们可以减少变差，但无法预防。 这意味着与短期变差相比，过程在长期内具有更多的变差。 当短期Ｚ值为６，过程就是六西格玛过程 观察过程变化 过程的固有能力 随着时间的推移，一个“典型的” 过程会偏移 和漂移大约1.5 “短期能力” LSL USL T 时间1 时间2 时间3 时间4 过程不变的能力 “长期能力” 合并 std. dev. 总体 std. dev. 群内 群间 理解过程变化 打开文件Batches.mtw 文件中包含了七月生产的4个批次的输出数据。 分析这些批次的图像总结并计算平均值， 是否有区别？ 现在分析整个七月的数据，我们需要合并数据。 选择DataStackColumns。 选择列 C1-C4 选择当前工作薄列，选中C7并把注脚存入C6 单击OK 现在分析这些数据的图像总结。 区别又在哪里？ 理解过程变化 统计数据说明： ７月６日，７月9日，７月11日，７月19日 变量 N 平均值 StDev 最小 最大 极差 ７月６日 100 83.937 5.011 72.529 96.371 23.842 ７月9日 200 81.630 5.065 71.561 96.579 25.017 ７月11日 500 89.083 5.022 76.710 102.027 25.316 ７月19日 150 91.865 5.524 78.422 109.150 30.728 统计数据说明： C7 变量 N 平均值 StDev 最小 最大 极差 C7 950 87.412 6.243 71.561 109.150 37.589 短期能力与长期能力 过程的平均值随着时间偏移。 根据经验，偏移为1.5 所以 Zlt=Zst-1.5 近似值 并且 Zst=Zlt+1.5 近似值 当一个六西格玛过程具有 Zst=6 所以该六西格玛过程具有 Zlt=4.5 Z=4.5时，缺陷率是多少？ LSL Xst USL Zlt= 4.5σ 平均值偏移 =1.5σ Zst= 6σ Xlt 能力与绩效 Zst表示过程能力，而Zlt和时间相关的绩效 什么是能力？ 固有能力 由于变差共有原因产生的 什么是绩效？ 最终输出 由于变差共有以及特殊原因产生的 变差原因 变差共有原因 是过程的固有部分 产生不变的变差 对每个数据点影响相同 反映出单位至单位的变差 变差特殊原因