6sigma培训大全

单元1:6sigma简介1-16Sigma概念1-26Sigma阶段推进内容1-3统计基本概念及理解1-46Sigma品质水平是什么?1-5聚焦问题点阶段最香甜的果实-全系统 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 大部分的果实-Process特性化/最佳化下部的果实-QC7tool掉在地上的果实-仅依靠直接检查6sigma概念（广义）σ-水平65432PPM3.42336,21066,807308,537工序能力缺陷的机会分布偏移=±1.5σSigma水平越高,其缺陷以指数形式减少3sigma水平的公司6sigma水平的公司销售额中10～15%是损失费用销售额中5%是损失费用百万中有66,807个不合格品百万中有3.4个不合格品依靠品质检查重点是使工序中不产生不良保证高品质需要很多费用保证高品质所需费用更低不能按体系进行使用测定,分析,改善,管理技法承认并满足于99%不满足于99%内部决定CTQ彻底地以顾客观点来决定CTQ6sigma概念Ⅰ4sigma的水平是30页报纸中有1个错字的品质水平5sigma的水平是百科全书中有1个错字的品质水平6sigma的水平是小规模图书馆中有1个错字的品质水平每年有54,000次的药品调剂错误25年中只发生1次药品调剂错误每年护士或医生的错误造成新生儿死亡40,500名100年中护士或医生的错误造成新生儿死亡3名每月有2小时喝污染的食用水16年中只有1秒钟喝污染的水每周有2小时不能提供电话服务100年中6秒不能提供电话服务每天飞机发生5次着陆错误美国所有航空公司10年发生1次着陆错误每周发生1350次外科手术事故20年发生一次外科手术事故每小时遗失54,000件邮件每年遗失35件邮件6sigma概念Ⅱ3sigma水平的公司6sigma水平的公司阶段Tools6sigma概念(使用工具)Measurement(测定)5)GageR&R6)RationalSubgroup7)ProcessCapabilityAnalysis(分析)8)HypothesisTest9)Regression10)GraphAnalysisImprovement(改善)11)DoE(DesignofExperiment)12)ANOVAControl(管理)13)SPC6sigma不同推进阶段中，改善问题使用的统计工具Define(定义)1)ProcessMapping2)LogicTree3)ParetoAnalysis4)QFD,FMEAY=f(χ)Question1)Y或X中对哪一个聚焦?Question2)假如X良好的话,有没有必要继续实验及检查Y?Y从属变数Output结果现象观察监视的对象X1…Xn独立变数Input原因根源问题管理对象6sigma概念(活动方法)6Sigma活动是对根本原因的因素（CTQ)聚焦后，展开改善活动阶段展开内容6sigma各阶段推进内容Measurement(测定)2)选定制品或工序的CTQ3)把握Y的工序能力4)明确Y的测定方法5)将Y的改善对象具体化FocusYYYYAnalysis(分析)6)明确改善Y的目的7)明确影响Y的因素YX1....XnImprovement(改善)8)通过筛选抽出关键的少数因素9)把握关键的少数因素的相关关系10)工序最佳化&验证(再现性实验）X1....Xn致命的少数因素Xi致命的少数因素XiControl(管理)11)确立对X的测定系统12)确立对关键的少数因素的管理方法13)确立关键少数因素的工序管理系统及事后管理致命的少数因素Xi致命的少数因素Xi致命的少数因素Xi6SigmaProcess是以D-M-A-I-C5阶段构成并经过重要的13步骤。6Sigma活动是通过现象分析,展开问题,查明临时性因素,以D-M-A-I-C程序改善关键少数因素。先把握现象,能够1次性改善的部门采取1次性改善活动;然后,下一个阶段再接着进行改善活动。Define(定义)1)确定问题点/具体改善目标·算术平均值(x):·调和平均(H):·S(总变动:TotalSumofSquares):偏差平方和·无偏方差(UnbiasedVariance):S除以自由度(n-1)S=Σ(xi-x)²=Σxi²－~·无偏方差的开方or标准偏差统计基本概念的理解数据的计算方法中心位置特征值的计算：散布的计算·中位值(x):按大小顺序排列时处在中央位置的值·最频数(Mode):资料中最频繁出现的值区分参数统计量均值(Mean)方差(Variance)偏差(Deviation)均值：μ样本均值：x方差：σ²样本方差,无偏方差：V标准偏差：σ样本标准偏差,无偏方差的开方统计基本概念理解参数和统计量参数(Parameter):描述变量集合的特性值统计量(Statistics): 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示标本的特性值n个偏差的和通常是“0”,因此有(n-1)个偏差的值，剩余一个自行决定这叫自由度(DegreeofFreedom).统计基本概念理解sigma是希腊字母，表示工序的散布.sigma是统计学记述接近平均值的标准偏差(StandardDeviation)或变化(Variation),或定义为事件发生的可能性.Sigma是表示工序能力的统计单位,测定的sigma跟DPU(单位缺陷,DefectPerUnit),PPM等一起出现.可以说明拥有高sigma值的工序，具备不良率低的工序能力.Sigma值越大品质费用越少,周期越短。Sigma的定义1σμ(平均)拐点USL3σ★平均值和拐点之间距离用标准偏差(σ)表示。如果目标值(T)和规格上下限(USLorLSL)距离是标准偏差的3倍的话，说明具备了3Sigma的工序能力.T某班学生的国语平均分数是60分,按偏差是5的正态分布的话,随意抽取一个学生时，70分以上分数的可能性是多少?Z值是已测定的标准偏差(σ)有几个能进入平均值到规格上下界限(USL,LSL)之间的测定值.606570455055测定值(分数):012-3-2-1Z-值σ:68.3%95.4%99.7%753假如规格上限是75分的话,现在的工序能力是Z=2或2σ.统计基本概念理解正态分布:N(60,5²)标准正态分布:N(0,1²)70分的情况下Z-值是···…Z00.010.020.030.040.05.00E-014.96E-014.92E-014.88E-014.84E-010.14.60E-014.56E-014.52E-014.48E-014.44E-010.24.21E-014.17E-014.13E-014.09E-014.05E-010.33.82E-013.78E-013.74E-013.71E-013.67E-010.43.45E-013.41E-013.37E-013.34E-013.30E-010.53.09E-013.05E-013.02E-012.98E-012.95E-010.62.74E-012.71E-012.68E-012.64E-012.61E-010.72.42E-012.39E-012.36E-012.33E-012.30E-010.82.12E-012.09E-012.06E-012.03E-012.00E-010.91.84E-011.81E-011.79E-011.76E-011.74E-011.01.59E-011.56E-011.54E-011.52E-011.49E-011.11.36E-011.33E-011.31E-011.29E-011.27E-011.21.15E-011.13E-011.11E-011.09E-011.07E-011.39.68E-029.51E-029.34E-029.18E-029.01E-021.48.08E-027.93E-027.78E-027.64E-027.49E-021.56.68E-026.55E-026.43E-026.30E-026.18E-021.65.48E-025.37E-025.26E-025.16E-025.05E-021.74.46E-024.36E-024.27E-024.18E-024.09E-021.83.59E-023.51E-023.44E-023.36E-023.29E-021.92.87E-022.81E-022.74E-022.68E-022.62E-022.02.07E-022.11.79E-021.62E-022.21.39E-021.25E-022.31.07E-029.64E-032.48.20E-037.34E-032.56.21E-035.54E-03Z-值的计算70分以上的可能性有多少?60657045505575Z·正态分布总面积是‘1’·某概率变量‘X’到平均值(μ)之间距离除以标准偏差(σ)的值用‘Z’来表示·如果规格上限(or下限)用‘X’来代替时超出规格上限的尾部面积可以认为‘有缺陷可能性’·‘Z’值是用来测定工序能力,跟工序的标准偏差不同,·在这里‘Z’值是2.0，把全体面积作为1的时对应的面积0.0228.规格上限缺陷区域Pr(X≥70)==(Z≥2)=2.28%或22,800PPM有时按统计学教材,标记正态分布的左侧尾部的值统计基本概念理解表的Z-值表示正态分布右侧尾部面积2.28E-026σ能力工序能力测定方法Z-值1σZ=32σ3σ3σ能力USL工序的变动(散布)越小工序能力越高.其结果标准偏差更小,发生不良的可能性就低.通过问题的现象分析把握工序能力（Z)：要提高到6σ水平,统计上采取什么样的活动?统计基本概念理解LSLUSLLSLZ=61σ2σ3σ4σ5σ6σ需要什么样的管理?需要什么样的技术?短期的工序能力长期的工序能力判断为短期内工序没有外部影响Zst(σst)Cp技术最佳条件下的工序能力6σ:Zst=6.0,Cp=2.0Zst=3×Cp判断为充分长时期内工序有外部影响Zlt(σlt)Cpk技术+工序管理日常条件下的工序能力6σ:Zlt=4.5,Cpk=1.5Zlt=3×Cpk长期内的工序能力因工序的中心移动及变动,跟Zlt＜Zst关系有关Zshift=Zst-Zlt▲Zst=Zlt+1.5统计基本概念理解规格下限(LSL)-6σ-5σ-4σ-3σ-2σ-1σχ+1σ+2σ+3σ+4σ+5σ+6σ规格关系无偏移时不良率(理想的工序时)±1.5σ偏移时不良率规格上限(USL)±1σ±2σ±3σ±4σ±5σ±6σ317,30045,5002,700630.570.002697,700308,70066,8106,2102333.46sigma品质水准是什么?6Sigma品质是每百万个中3.4PPM,即Cp=2.0,Cpk=1.5正态分布的平均偏移(±1.5σ)按规格变化和平均值偏移的不良率-1.5σ＋1.5σ4BlockDiagramZshift工序管理ABC1.52.02.50.51.0123456PoorGoodPoorGoodZst技术A:工序管理状态不足,现在技术水平也低B:需改善工序管理,但技术水平优秀C:工序管理优秀,但技术水平低D:WorldTop水平的公司D6sigma品质水平是什么?聚焦问题点阶段ProcessMapping·ProcessMapping是调查情报的流程,而使Process文件化·为明确改善的可能性而使用的工具ProcessMapping制定·定义Process范围(要改善的一般领域或特殊的Process)·通过大脑风暴法制定Process的阶段顺序·为了容易分析,使用符号·为了验证Process,实际确认·追加KeyProcess的值(Yield,Cost,损失费用,加班费用,Cycletime等)·按题目的性质,使用分析图(ProcessLoss或浪费要素/改善Cycletime/改善品质/Flow改善)1.确定问题范围QFD(QualityFunctionDeployment)质量指标分解·QFD是将顾客核心要求事项,转换分解成技术要求事项(规格),或暂定的CTQ的工具,由相关工序专家制定QFDProcess·进行市场调查，明确信赖性要求,及一般的要求事项和顾客对现在品质核心问题的要求。·对调查内容优先排序,为满足顾客的要求事项制定技术规格·确定对顾客要求事项影响大的技术规格的先后顺序,对已确定的先后顺序的技术要求事项，转换成暂定的Part特性(CTQ)·对技术规格影响大的特性要素(CTQ)进行排序QFD是为了能够改善顾客的核心要求事项,转换成技术规格的工具通过QFD把顾客要求事项系统化,最终选定暂定的CTQ,开展改善活动1.确定问题范围聚焦问题点阶段FMEA(FailureModes&EffectsAnalysis)故障模式及效果分析·FMEA是明确制品设计上可能发生的问题和排定其顺序,并针对故障模式制定所采取的恰当活动FMEAProcess·对已设计的制品用Brainstorming法列出可能的故障模式·决定每种可能故障模式的重要度和发生可能性·决定消除重要故障模式而采取的方法·开发消除或减少重要故障模式的方法部分分析法·以优先顺序找出问题的核心事项·典型的是：80%的问题由20%产生用逻辑树等方法展开问题后,找出最终区域,选定经验丰富的工程师来执行课题活动。2.决定活动课题和相关非常勤人员聚焦问题点阶段1.确定问题范围Brainstorming:在短时间内得出很多主意的 办法 鲁班奖评选办法下载鲁班奖评选办法下载鲁班奖评选办法下载企业年金办法下载企业年金办法下载 Brainstorming种类·FreeWheeling:全Team员以对话形式即兴发掘Idea·RoundRobin:对事件，Team员轮流发掘Idea·CardMethod:不经讨论,Team员把Idea写在卡片上，贴到墙上Brainstorming时注意事项·禁止批评·全部Idea都要记录·Idea发掘时不要解释或讨论·粗略的Idea也要鼓励·所有人都积极参与LogicTree(StructureTree)·为达成目标的手段,用逻辑性表示·Break-down(展开)的问题之间MECE(互不重复无遗漏的全体)*.MECE(MutuallyExclusiveandCollectiveExhaustive):(不重复,各个的和等于全体)6sigma是对最终展开的低层问题进行改善后,最终问题得到改善的形态2.找出活动课题的具体事项聚焦问题点阶段4.确定活动题目的相关Benefit[利益](定量/定性效果):为保证达成,明确改善金额5.对活动课题的问题记录:在现象分析时,记录现在现象和所希望的现象6.计划时间表管理:通过分析把全部日程用具体的图表管理聚焦问题点阶段单元2:测定(Measurement)2-1变化的理解2-2GageR&R2-3连续型数据分析2-4离散型数据分析变化的理解数据的分类工程问题/BottleNeck/Issue事项解决问题连续型DATA离散型DATA连续型数据（计量型数据）·Inchor时间一样能使用测定刻度的数据·比计数值数据提供更多情报离散型数据（计数型数据）提供合格不合格之类情报的数据不能再细分化的数据测定后不能数据化的话,抓不住改善的机会。即可测定的所有问题都能用6sigmaTool进行改善。变化的理解群内变化(WhiteNoise)WhiteNoise是工程内存在的日常因素引起的变化(偶然因素)现在的技术水平是不可能控制的变化一般工程的散布工程上受细小的多数因素的影响Z.st来表示群间变化(BlackNoise)BlackNoise是工程外部因素影响中心值移动一般情况下,可查明原因的变化(异常原因)现在工程上可控制的变化一般情况下,在工程的目标值上平均值偏移实际上可以知道随时间的变化,工程能力会怎样变化群内.群间变化的区分例作业者1作业者2作业者3作业者4作业者5作业者6作业者7作业者8作业者9Line1Line2Line3群内变化:每Line1,2,3内出现的(即Line内作业者间的变化)工程变化群间变化:各Line间的差异而出现的工程变化变化的理解RationalSubgroup（合理分组）指跟数据的种类无关,在可能的短时间内彼此类似的条件下作业的样本群。ProcessResponseTime群间变化(BlackNoise)群内变化(WhiteNoise)RationalSubgroupsRationalSubgrouping是指Subgroup内只存在群内变化,Subgroup间只发生群间变化,将数据Grouping通过这种区分可把握长期,短期工程能力经长期收集的数据是不管业务部门还是制造部门都包含在群内,群间变化。为什么要RationalSubgroupingRationalSubgroup是6Sigma的一个强大的工具。是区分工程的短期工程能力或长期工程能力的重要方法·可以把握平均值移动问题还是散布问题·把问题特殊化的第一个阶段RationalSubgroup要包含的要素:为了明确给工序变化暂定影响的‘X’因素，使用5M求解特性要因图·Man:作业者变更.昼夜班次交换,新作业者等·Machine:机械设定值变更,设备维修&维护等·Material:交付LOT.作业安排,原材料等·Method:作业者间的作业方法差异等·Measurement:测定者的变化,测定设备误差等变化的理解RationalSubgrouping事例改善供应TVBackCover协力社的品质.为了分析部品变化的原因制定RationalSubgrouping计划·预想的暂定‘X’因素及实际计划两台注塑机:对两台注塑机实施下列内容交接班:对交接班别取样分析每周作业者的变更:对每周变更的作业者别取样分析按原材料别构成Lot，分析Lot别有无差异GageR&RStudyGageR&RStudy有下面3种·反复性(Repeatability)·再现性(Reproduceability)·全体测定变化即对比Process或Spec决定测定系统的变化有多少程度比率的系统。σ²Total=(σPart-Part)²+(σR&R)²·数据全体变化·部品间变化·测定Error变化GageR&R的重要性GageR&R的实行结果提供下面的情报·选定计测器的适合性(Gage分解能力的恰当性)·测定系统时间上稳定性(or可信赖)·测定满足误差时,是工程变化或规格值关联可以接受。(因素测定的变化量小,以具备正确找出诱发‘Y’变化的‘X’因素)GageR&R是什么？测定系统给工程的变化值造成多少影响GageR&RGageR&RGageR&R判断基准计测器选定(测量的精度)一般来说量具要求是工序变化/Spec许可误差的10%或更小的精度是合理的。·精度:在量具上能读到的测定最小单位例)部品的公差=±0.020时,量具精度要满足≤0.00230%以上判断20%以下Accept20%～30%考虑适用部品的重要度等判断能否Accept一般情况下Accept设计许可误差对比GageGageR&R值越大，要制定改善计划并进行改善。如果不顾测定系统的误差,不改善系统的话,在6σProject实行中,要愿意接受测定系统可能发生误差的危险。GageR&R的Sampling实施以随机原则实施,但为了把握Spec的所有范围的变化,实施前必须制定抽样计划。GageR&R对测定系统变化的理解反复性(Repeatability):1名测定者使用同样计测器测定同样部品的同样特性时得到的变化再现性(Reproduceability):同样部品的同样特性使用同样计测器由多名测定者测定时得到的变化GageR&R对测定系统变化的理解稳定性(Stability):在一定的时间间隔下把标准品用同一的计测器测定同一的特性值时得出的变化。偏移(Bias):实际测定值跟试料平均值的差异值叫准确度(Accuracy)GageR&R对测定系统变化的理解线性(Linearity):通过期望的Gage工作范围比较精确度得到的值即在已定的工作范围的两边界线区间上，最少研讨1回的精确度得到的值的差.GageR&RGageR&R类型短期的方法·只需要2名测定者和5个部品·不能分离反复性和再现性·可以迅速确认想测定的计测器的接受与否长期的方法·典型的是2～3名的测定者对10个部品反复测定2～3次·可以明确把握测定系统的变化有多大,能分离反复性和再现性部品12345测定值12.0031.9982.0072.0011.999测定值22.0012.0032.0061.9982.003｜测定差(1-2)｜0.0020.0050.0010.0030.004范围的界限·测定差平均值=ΣR/5=0.015/5=0.003·测量误差=(5.15/1.19)×(R)=4.33×(0.003)=0.013·公差的测量误差=(0.013×100)/0.030=43.35%参考)测量误差用测定差的平均值乘以常数(这里是4.33)来计算.常数在5.15/d*里已有计算,d*是下表中的值，5.15是Gage引起的变化能满足5.15σ99%值。12345678910ΣR=0.01521.411.281.231.211.191.181.171.171.161.1631.911.811.771.751.741.731.731.721.721.7242.242.152.122.112.102.092.092.082.082.0852.482.402.382.372.362.352.352.352.342.34部品数测定者数GageR&R短期的方法时GageR&R运用CTQ部品的Spec是2.000±0.015时对测定差平均分布的d*值GageR&R长期方法时GageR&R的Minitab运用选定MonitorCover为SixSigmaThemeSpec=2.3±1.5为确认测定系统,3名检查者对10个部品反复测试2次Filename:Gageaiag.mtw为确认测定系统,3名检查者对10个部品反复测试2次Stat＞QualityTools＞　GageR&RStudyGageR&R输入变量选择ANOVA点击OK后＞DownPage长期方法时GageR&R的Minitab运用GageR&RStudy-ANOVAMethodTwo-WayANOVATableWithInteractionSourceDFSSMSFPPart_92.058710.22874539.71790.00000Operator20.048000.0240004.16720.03256Operator*Part_180.103670.0057594.45880.00016Repeatability300.038750.001292Total592.24913GageR&RSourceVarCompStdDev5.15*SigmaTotalGageR&R0.0044370.0666150.34306Repeatability0.0012920.0359400.18509Reproducibility0.0031460.0560880.28885Operator0.0009120.0302000.15553Operator*Part_0.0022340.0472630.24340Part-To-Part0.0371640.1927810.99282TotalVariation0.0416020.2039651.05042Source%Contribution%StudyVar%ToleranceTotalGageR&R10.6732.6611.44Repeatability3.1017.626.17Reproducibility7.5627.509.63Operator2.1914.815.18Operator*Part_5.3723.178.11Part-To-Part89.3394.5233.09TotalVariation100.00100.0035.01NumberofDistinctCategories=4GageR&R%StudyVar:表示能区分部品与部品间的差异点的检测系统的能力(GageR&R)(工程管理中:要求20%以下)%Tolerance:表示部品在已定公差基准内,区分接受可否的检测系统的能力(判断总体GageR&R的合格与不合格)长期方法时GageR&R的Minitab运用NumberofDistinctCategories=4·表示检测部品的信赖性区间不重叠的个数GageR&R4个CategoriesNumberofDistinctCategories判断方法·NumberofDistinctCategories:0～1不适用(改善检测系统)·NumberofDistinctCategories:2～4附加条件时可接受·NumberofDistinctCategories:5以上可接受对同样部品的同样特征值测量，由3名检查者反复检测2次。可以分为4组对特定部品测定，信赖性区间小说明测定者和测定有反复，且测定很准确。如果信赖性区间重叠意味(信赖区间不重叠意味着组数小)测定的变化大。长期方法时GageR&R的Minitab运用※GageR&RGageR&R的Graph解释Xbar管理图·测定值超出管理界限,表现为良好的结果.*如果测定值的50%以上在管理界限内的话,这个系统不适合.·管理界限是用测定者间的测定值变化来计算,因此测定值的变化小说明管理界限的幅小即,说明测定者间的测定值变化很小·测定的变化(测定者,测定系统)比部品间变化相对小可以读出Parts间变化的情况R管理图·大部分的测定值在管理界限内·表示所测定的数据的值是正常的长期方法时GageR&R的Minitab运用GageR&RGageR&R的Graph解释除了Operator1和Part4之间的关系,整体上Operator和Part之间表现出好的测定结果.有必要对Operator1,2,3间的Part10,找出散布大的原因并查明可以知道“Oper*Part”间的交互作用,这是主效果的操作者(测定者)影响Y的值.操作者的测定值,跟Part彼此调合后影响Y(GageR&R).长期方法时GageR&R的Minitab运用GageR&R适合贯能判断时GageR&R对各Parts用贯能来判定合格与不合格，或go·nogo时·TV外观检查时,·2名评价者反复测试20个管子评价者1评价者212121234567891011121314151617181920GGGGGGGGNGGGGNGNGNGNGGGGGGGGGNGNGNGNGNGNGGGGGGGGGGGGGGGGGGGGNGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG实验顺序如果各部品别4次都有出现同样结果的话，其评价是可接受的%GageR&R=[3÷20]×100=15%GageR&RGageR&R实行时注意事项以Blind测定来评价决定几名评价者为合理按产品的重要性和统计特性决定试料数和反复次数预先决定评价周期抽取样本时运用随机原则，但实施GageR&R时须对试料事先计划再行抽样利用贯能法检查实施GageR&R时，要选定技能相同的评价者实施GageR&R一般是看%Tolerance值来判断Gage的接受与否，但%StudyVar在20%以上时，有必要点检工序ProcessGageR&R值较大时，必须制定改善计划进行改善。如果测定系统有误差，但不改善系统的话，在执行6σProject期间要接受测定系统可能发生误差的危险。短期工序能力是只存在群体内变化,表示取样的数据都具有同样的品质特性，但有主要技术要素引起品质特性变化，因此，品质特性变化越大，散布也就越大，短期工序能力也就越差。·ShortTermProcessCapabilityIndex:短期工序能力指数·Zst(σst),Cp·Zst=3×Cp长期工序能力是包括群内变化和群体间变化，为了改善技术和工序管理，必须判断工序是否稳定时，用长期工序能力的特性来取样，来确认包括管理要素引起的变化和技术的要素引起的变化。·LongTermProcessCapabilityIndex:长期工序能力指数·Zlt(σlt),Cpk·Zlt=3×Cpk什么是工序能力工序能力工序在管理状态时，其工序生产的产品品质变化有多少程度的值；或指在管理状态（稳定状态）下，工序能制造出来的品质水平的程度。SixSigma工序能力是指工序的变化（or标准偏差:σ)小，即使乘以6倍，变化值也能够满足规格的工序能力。短期/长期工序能力的意义Short-termCapability(6σ)Long-termCapability(3σ)σst^σlt^工序能力度评价工序能力随着时间的变化,工序因各种外部因素(4M)变化，长期工序能力比短期工序能力散布大时间σst^σst^σst^SLSU●●●●工序能力两侧有规格时的工序能力Cpk=(1－K)Cp有偏移时的工序能力K用语解释·K:偏移系数(如果K=0,则Cp=Cpk)·M(Mid-range):规格的中心·T(Tolerancne):公差·SU(UpperSpec):规格上限·SL(LowerSpce):规格下限SLSUSLSUM工序能力的数学式工序能力的数学式工序能力只有规格上限时的工序能力只有规格下限时的工序能力SUSLCpu=CpL=葡萄酒农场为了参加庆祝大会，在准备过程中，有必要改善葡萄酒品质而准备Project,首先为了把握现象，按合理分组计划规划得出了包括下列‘X’因素的葡萄酒质量‘Y’的样本。X因素:地域,木塞,葡萄酒味,透明性,,香气，葡萄酒瓶Filename:training/s1/sixsigma.mtw工序能力的Minitab运用工序能力Stat＞BasicStatistics＞NormalityTest点击OK后键入变量p-value值比留意水平(0.05)大，因此可以知道是正态分布数据的正规性验证工序能力计算工序能力指数工序能力的Minitab运用工序能力Edit＞CommandLineEdit继续输入命令语句‘5’表示subgroupsize(n=5)表示命令语句输入完毕点击SubmitCommands工序能力的Minitab运用对Long-termPPM的线是平坦的Subgroup数的地点，表示工序稳定，用这个可以看出数据是否充分。表示对短期/长期Z-level及PPM值工序能力点击SubmitCommands工序能力的Minitab运用工序能力与spec对比工序能力比较提供对工序能力的多样的情报短期工序能力有关的统计值Cp,Cpk,Cpu,Cpl长期工序能力有关的统计值有Pp,Ppk,Ppu,Ppl为了计算短期工序能力，使用只考虑组内的滚动,即群内变化的Zst，所以用暂定的工序能力或最高的工序能力来表示。并且表示通过改善活动，消除平均值移动引起的偏移时的最高的能力。为了计算长期工序能力，考虑规格的上、下限，表示实际的工序能力，使用群内，群间变化都考虑在内的Zlt。工序能力Minitab运用工序能力Stat＞QualityTools＞CapabilityAnalysis(Normal)SingleColumn:QualitySubgroupSize:5Lowerspec:8Upperspec:22键入变量工序能力Minitab运用工序能力点击OKObservedPerformance:表示现在的工序能力状态下，实际超出上、下限规格的不良率（观察特性）ExpectedPerformance:表示现在的工序能力状态下超出上·下限规格的所预测的不良率（预测特性）在实际测定数据中，计算超出规格上限或下限的不良率，用PPM单位表示的值在长期工序能力状态下超出规格上限或规格下限的不良率有多少程度把期待的不良率用PPM单位表示的值用语解释离散型数据分析D(Defect):缺陷or不良（事项）为了满足顾客的要求事项而浪费的再作业或失败的工作。例)把顾客的要求事项记错的差错情报。DO(DefectOpportunity):机会损失（缺陷）可能引发的机会损失（缺陷）的行动或事件。例)须在一张要求式样上记录的项目数U(Unit):元件元件测定可能机会的细节例)要求样式DPU(DefectPerUnit):每个元件内存在的缺陷数DPO(DefectPerOpportunity)：每个机会损失数每个Unit中存在机会数和关联的元件内存在的缺陷数DPMO(DefectPerMillionOpportunity)（每百万机会损失数）:1,000,000单元存在的损失数DPO×1,000,000转换SixSigma比率P(ND)=NoneDefect:无损失机会不能成为损失的可能性:P(ND)=1－DPODPU/DPO/DPMO/P(ND)改善离散型数据分析发出了100张送货单，其中检出100个不符合项,如果各单元有10个项目，DPU/DPO/DPMO/P(ND)各是多少？DPO=D/(U×Opp)DPO=100/(100×10)=0.1(10%)该值表示所发出的送货单的每个项目最少有1个不良的可能性是10%。DPMO=DPO×1,000,000例)上例DPMO是0.1×1,000,000=100,000DPMOP(ND)=1－DPO=1－0.1=0.9(90%)DPU=D/UDPU=100/100=1.0(100%)该值表示平均值，所以每张送货单包含1个不符合项利用泊松公式计算收率离散型的数据分析利用泊松公式这里·Y:收率·DPU:元件缺陷数·r:·e:指数函数2.71828…Y=0!r=0时∴对缺陷机会数越大，‘Y’越接近‘0’ProcessYield(例题)离散型数据分析如果750元件有34个的缺陷时,计算DPU/DPO/DPMO/Yield/Sigma各是多少？(各元件有10个的机会数)DPU=缺陷数÷元件数=34÷750=0.0453DPO=缺陷数÷(元件数×机会数)=34÷(750×10)=0.00453Yield值是=2.7138=0.9559=99.6%-0.045Y=P(ND)=(1－DPO)=(1－0.0045)=0.9559=95.6%DPMO=DPO×1,000,000=0.0045×1,000,000=4,500PPM1个元件有45,000PPM的缺陷Sigma=Zinv(0.9556)+1.5(偏移)=1.71+1.5=3.21-10-10-10Zinv是把Z值按面积来换算的值，以标准正态分布来计算。收率的种类YFT(FirstTimeYield):(单工序首次收率)表示再作业后没有修理的收率的值·应用:决定个别工序的个别品质水平时使用。YRT(RolledThroughputYield):全工程一次性直通收率表示一个产品通过全工各没有经过一次的修理和再作业，到最终合格为止的收率值。·应用:在所有工序上按顺序的阶段来进行累计后，评价品质水平时使用。YNA(NormalizedYield):标准收率表示计算连续工序的评价收率的值·应用:完成产品的品质水平评价时使用。收率概念比较累计收率(YRT)现在为止的收率(YF)考虑工序各阶段(机会数)考虑再作业和部品废弃提示无缺陷的可能性调查各工序的品质考虑工序是由多少个来构成的YRT=eY=Y1×Y2×........×Yn只考虑最终工序不考虑再作业和部品废弃不能提示无缺陷的可能性只调查最终工序的品质不考虑工序是由多少个来构成的YF=S/US:合格台数U:检查台数离散型数据分析Input工序1:99%工序2:92%工序3:93%最终检查:97%YRT(RolledThroughputYield)离散型数据分析YRT=0.99×0.92×0.93×0.97=82.2%没有管理的Loss没有管理的Loss没有管理的Loss离散型数据分析YFT(FirstTimeYield)100Units废弃15UnitHiddenFactory85Units70UnitsA再作业完成的产品工序A有输入100个Unit(元件)·输入的70%元件没有缺陷已经销售·输入的30%元件有缺陷并再作业·15个元件修理完毕，15元件报废现在为止的FinalYield(YF)[最终收率]是85%因FirstTimeYield(YFT)表示最初的作业是正确的，所以现在情况下YFT是70%。离散型数据分析YRT(RolledThroughputYield)阶段2YRT是连续的各阶段YFT之乘·YRT=0.8×0.7×0.9=0.504(50.4%)没有考虑再作业计算各阶段的平均收率·不是算术平均，而使用各阶段的几何平均值YND(NormalizedYield)=n　　　　这里n表示工序的数·上例YND(NormalizedYield)=³=0.7958(79.6%)·各阶段平均YFT=79.6%正常收率是全工程平均收率,以YND(NormalizedYield)值来计算Sigma值产品A由3个连续的阶段来形成的话，YRT/YND的值是什么？阶段1阶段3YFT=70%YF=90%YFT=80%YF=100%YFT=90%YF=95%YRT0.504通过YRT可以知道工程真正的收率(累计直通率).部品数或工序(作业)的阶段越少，收率值越大.离散型数据分析并列构成的工序的累计收率的计算?YRT=Y1×Y2×Y3×Y4=0.99×[0.91×0.99×0.99]1/3×0.97×0.98=0.9035YNA=(YRT)¼=(0.9035)¼=0.9749损失(缺陷)概率=1－0.9749=0.0251利用正态分布查找0.0251值的Z值,可知Z=1.96ProcessMapping中并列构成的工序变换为直列来计算收率99%98%97%91%99%99%2a2b2c工序2工序1工序4工序3Filename:training/s1/REF_ROLL.MTW离散型数据分析累计收率(YRT)Minitab运用Edit＞CommandLineEdit离散型数据分析Z列的累计值(短期)累计收率(YRT)的Minitab运用离散型数据分析表示Z列的值和PPM之间的关系累计收率(YRT)的Minitab运用