[企业管理]SPC知.ppt

中方國際股份有限公司 統計製程管制Statistical Process Control 品質觀念 品質是檢查出來的 QI 品檢 品質是製造出來的 QC 品管 品質是設計出來的 QA 品保 品質是管理出來的 TQC 全面品管 品質是習慣出來的 TQA 全面品保 品管的四大定理 品質就是合乎標準, 標準一定要清晰明確 , 而且嚴格要求第一次就作對 提升品質的良方是預防而非檢驗 工作的唯一標準就是『零缺點』, 不是『差不多』 以『產品不符合標準的代價』衡量品質, 而不是用比率或指數來衡量如何看 QC七大手法 特性要因圖 (Cause Effects Chart) 柏拉圖 (Pareto Diagram) 直方圖 (Histogram) 散佈圖 (Scatte Diagram) 查檢表 (Check List) 管制圖 (Control Chart) 層別法 (Stratification) 品質保證特色 統計製程在品質管制的重要性開發期 在開發新產品階段提供了過去品質情報的經驗 協助新產品設計試作的檢查基準 外包品質特性的評估與選擇 設計品質及工程工法的評價 生產展開階段的品質預估與檢查規範 QC工程表的作成與承認 統計製程在品質管制的重要性量試期 外作品檢討 實驗計畫的數據分析與蒐集 設備計畫的確認協助 外包廠商的選定與檢討標準 工程能力與評價協助 量產品的機能與各設備評估 統計製程在品質管制的重要性量產期 品質轉移的評價 成本與批量管理的評估 量產後的維持與改善 QCC活動的品質評估 品質經驗的累積與情報系統的建立 協助TQA 的持續改進 統計製程管制作法 統計製程管制的靈魂 文不如表 表不如圖 管制圖 管制圖的應用 管制圖多用於推移的變化 , 如日期的變化或是每批批號的變化 當管制圖有異常時 , 需將異常紀錄下來 , 異常標準宜事先建立, 以作經驗值的紀錄 管制圖可看出趨勢變化與預測製程品質的改變 範例說明 管制圖的應用時機 通常在試量產時 , 建議用解析用管制圖(即UCL LCL 為正負3 σ) 當試產轉為正式生產時, 我們就會將解析用管制圖轉為管制用管制圖, 此時UCL及LCL 就變成我們所設定的管制界線 有時用標準差,有時我們會自己設定 總之管制界線的判斷,要合乎品質成本與要有一定的規則, 千萬不可隨興 製程能力分析應用 1. 協助產品設計人員選擇及更改製程 2. 協助設立製程之抽樣區間 3. 預測製程是否能符合允差 4. 設立新生產製程之規格 5. 降低製程中之變異性 6. 在製程間數個公差有交互影響時協助規劃 生產之程式 7. 協助評選適合之供應商 計數值說明與應用 SPC 最難真正發揮的部分 , 就是計數值 , 因為真正的計數值 , 其牽涉的變數之多 , 叫人目不暇給 , 尤其是文化的部分 , 幾乎每家公司都有些許的不同 , 要把它們整合真是相當不可能的任務 。 計數值在學理的部分, 一共有五個圖, 分別是 P/Pn/C/U/柏拉圖 計數值應用之一 當我們在使用上述圖形, 看到的只是單一不良的狀況 , 但對管理者而言 , 不良的變化情形與趨勢才是重要的。 因此我們可以將不良率依照日期與時間的推演 , 看出在一段時間之內 , 不良率的變化趨勢 , 以有效降低不良。 計數值應用之二 不良項目與內容的設計在一開始就是非常重要的。 我們可以依照工廠的實際狀況 , 將不良項目依照分類輸入 , 以後就可以依不同的項目排列不同的不良情形與原因。 更重要的是 , 先規劃我們未來要看的是什麼分析要件 , 即生產的背景 , 如此才能事半功倍。 計數值應用之三 我們常會發現 , 單一站別的資料分析好像不難 , 但跨站別 , 跨時間 , 跨不同生產背景的綜合分析就非常困難。 只要規劃得當 , 藉由搜尋的功能 , 我們可以在幾秒鐘之內 , 就能找到所需的資料加以分析。 統計背景條件設定 我們常會發現 , 即使我們的統計已經符合大部分客戶的要求 , 但對某些特殊客戶 , 統計算出來的結果 , 他們還是不能完全接受。這主要是引用公式不同的關係。 只要對統計公式有所了解 , 我們就能很快作出與客戶相同的結果。 如要做到自動化 , 請在儀器設定中選好自己要用的儀器種類即可。 一、SPC興起的背景 1-1 SPC興起是宣告「經驗掛帥時代」的結束 1-2 SPC興起是宣告「品質公共認證時代」的來臨 二、SPC的迷思（MYTH） 2-1迷思一：有管制圖就是在推動SPC？ 這是產品品質（Ｑ）還是製程參數（Ｐ）管制圖 它所管制的參數真的對產品品質有舉足輕重的影響嗎？ 管制界限訂的有意義嗎？ 這張管制圖是否受到應有的重視？是否已照規定執行追蹤與研判？ 迷思二：有了Ca/Cp/Cpk等計算就是在推動SPC？ C