CapabilityStudiesL流程能力分析.pptxVIP

流程能力研究(Capability Study);目 的;方法论;量测;流程能力作为一种预测绩效的强大工具，是建立免检系统的关键 然而，这个工具通常被错误应用。您应该要了解此项工具，才不会误用 由流程能力研究，我们能得知： “我的流程表现如何?” 如果流程不符要求，流程能力研究能帮助我们找出最省力的改善方法;如果您要使用流程能力分析来预测未来的流程质量水准，前提是流程需稳定且可预测。如果不合符上述条件，流程能力分析就无法预测未来的质量水准。 流程能力分析也可用作诊断工具。如果只是作为诊断工具，那么上述的条件就没有那么严苛。;此流程稳定且可预测 进一步分析此图表，如果没有干扰发生，流程会保持在 95.48 左右，且数据会落在 59.99 和 131.0 之间;此流程不稳定且无法预测 您无法由这些数据预测数据落点会落在何处 这些数据仅适合诊断分析;规格上限;定义：流程声音;规格下限;;三个原因;使您的流程看起来不错，您应该… 从同一班次、同一位操作员、同一批物料和同一部机台抽取少数样本;Kevin;范例 1: 您的流程制造5%的不良零件。抽样一零件，拿到好的零件的机率是 .95。抽 100 个零件，没有零件是坏的机率是 .95100或 .005921。100 次抽样中，抽到一个或一个以上不良零件的机率极高;当你面对完美的质量时，所有抽样计划都会发生问题，包括用来建立流程能力的样本 您有两个选择： 全部检验，或 免除最终检验，但您需要对流程的输入变量有充足的了解并且控制得当，您才能得到很好的质量。然后，进行定期稽核，确保没有发生变化;定义：数据种类属性或变量;;流程能力分析–属性数据;每百万机会的瑕疵数(DPMO) = DPO x 1,000,000. 有时我们亦写成 (单位瑕疵数DPU x 1,000,000) / 每单位的机会数 每百万件不良品数 (DPPM) = 1000,000 个抽样所发现的不良品数;我们寻找瑕疵的领域，可能是： 一段时间 （每周的瑕疵数） 一个生产单位（一辆汽车） 其它恒定的 “研究范围”;缺陷 (Defect) – 偏离目标结果的事物，一个单位可以有多个瑕疵 不良品 (Defective) – 存在一个或一个以上缺陷的单位;机会 (opportunity) 意指犯错的一种方式 例如：制造印刷电路板时，失败机会总数可以是零件数加焊点数 如果瑕疵机会被无限放大，流程的“sigma 质量水准”将被曲解 有些组织不接受 “瑕疵机会”的概念，仅计算他们制造了多少产品，有多少产品是失败的;档案： CPK.MTW;这里的信息更完整 更进一步的信息参见 Statguide;绘制 P chart 同样的，它可以告诉你流程是否稳定和可预测 中线代表不良率;其他关于“不良品”流程能力的信息StatQuality ToolsProcess Capability (Binomial);开启 Attribute Sigma Calculator.XLS;以下为 Lincoln在盖茨堡的演讲稿，共有 1175 个字，其中有12个错误;打字中的机会数(opportunity);Lincoln在盖茨堡的演讲稿;检查 482 张采购订单上的打字错误，共发现 12 个错字。 该打字流程的能力如何? 检验汽车门上的刮痕，有刮痕的车门被归类为不良品。请依下表提供的信息计算流程能力：;计数型流程能力总结;流程能力分析 – 变量数据;规格上限 = 118;流程能力和流程绩效指标;Cp 和 Pp;此为“平方和” 法， 亦称为 “个别 sigma 值”，因为在计算时，它考虑到了数据中的偏移和漂移，为长期的估计值;使用移动极差法(moving range)来估计标准差。 当收集的数据为单值时使用此法。 在Minitab中，默认使用数值2移动极差法。 为短期的估计值;这是一种使用子群组标准差的平均值来估计总体标准差的方法， 在以子群组的方式收集数据时使用， 为短期的估计值;Cp 和 Pp;长期估计 vs. 短期估计;Cp 或 Pp 值大概在 .5 时;Cp 或 Pp 值大概在 1 时;Cp 或 Pp 值大概在 2 时;现在我们只考虑“一半”的规格范围 (平均值到最近的规格)。 此比值对中心非常敏感。;Cpk 和 Ppk;Cpk 或 Ppk 值大概在 1 时;Cpk 或 Ppk 值大概在 0 时;Cpk 或 Ppk 值大概在 2 时;Cpk 或 Ppk 值大概在 -1 时;使用流程能力指标：流程改善策略;流程改善策略;流程改善策略;;什么是世界级水平?;流程均值;使用 Minitab 计算流程能力;档案： Capable.MTW;稳定性;使用 Minitab StatQuality ToolsPro