04 Green Belt - SPC

Six Sigma 和 SPC
Six Sigma质量监控集中把控制转移到过程的上游, 使对输入特性或要素 X’s的控制更有力量。
Y
X
控制图表应用于流程的变量 独立变量; 设计变数 X1, X2,..., Xk
提供更强的稳定性于 依附变量; 回应 Y1,Y2,..., Ym
什么时候使用SPC?
我想知道什么?
局部缺陷 p 图表 typically n > 50 tracks dpu/dpo 缺陷的数 量/ 单位 u 图表 n variable
为了选择合适的控制图表来监控过程，首先要决定关键过程变量 (X’s)是连续的还是离散的.
控制表格的类型
监控连续X‘s的变量图表 使用量度到的数值 监控离散X‘s的属性图表
正常流程的变化 “沒有显示任何改变”
Xbar/S Chart for sd5
53 3.0SL=52.45
Sample Mean
52 51 50 49 48 47 Subgroup 4 0 5 10 15 20 25
X=50.00
-3.0SL=47.55
Sample StDev
3.0SL=3.414 3 2 S=1.507 1 0 -3.0SL=0.00E+00
图表阐析
流程的状态是什么? 应在建立流程能力和持续流程控制基础以前，进行图表阐述。 • 首先阐述Sigma图表。 • 在初期能力分析中，若你能识別引起“OOC”状态的特殊原因 差异，当你计算控制界限时，你能够将这些方面排除在考虑 之外。 若发生下列情况，流程就会失去控制: 有一点落在控制界限之外. 3个连续点的其中2点>在同一边均值2 s的距离. 5个连续点的其中4点>在同一边均值1 s的距离. 9个连续点在均值的同一边. 更多…
周期时间，长度，直 径，微量等.
通常每个图表均有一个特性 更昂贵，但有更多的信息
通过/及格, 好/坏, 进行/ 不进行的信息
每个图表可以有多个特性 较少花费，但也有较少的 信息
变量控制图表
连续的数据
控制图表的类型
图表（ X Bar Chart ）:均值随时间过去而变化的示图 X
R 图表（ R Chart ）: 样本随时间过去的范围(最高数值和最低数值 之间的差别)示图
个体的图表（ Individuals Chart ）: 个体数值时间性变化的图表.
移动范围图表（Moving Range Chart）:移动范围随时间过去而变化 的示图 (双样本 |Xi - Xi-1|) 。
受控/失控
控制下的过程 • 基本上只含自然随机、普 遍肇因的差异. • 若特殊原因的差异存在， 它对流程有最小的影响。 • 是可预期的 • 若过程必须改进，则要求 改变系统. 不受控制的过程 • 存在有至少一个特殊肇因 的差异. • 特殊原因的发生对过程有 重要影响。 • 一些看到的差异是非随机 的。 • 不可预期的. • 通过识别特殊原因并对其 加以控制，过程的输出可 以得到改进。
征兆:
X 趋势是流程级別的渐进偏移，仅反 映在图表中。 有时原材料、测量或人为因素能引 起一个趋势, 但可能性不大。麻烦通 常在设备本身、电力的供应或先前 的流程环境 。
Sample StDev
• 7点连续向上. Xbar/S Chart for repmstd • 7点连续向下
53 52 51 50 49 48 47 Subgroup 0 5 10 15 20 25 -3.0SL=47.75 X=50.00 1 2 2 2 1 3.0SL=52.25
在假设测试的术语中，不受控制流程的输出表示了从预期 表现水平观察到的分別
假设测试?
控制图表以图形表示了一个有时间次序, 带有 HO 和HA 的双边测试，其中 HO 和HA 定义为:
Ho: i Ha: i
/2
UCLx
For 3s limits, = 0.00135
X
LCLx /2
尽可能使用理性的子集
如能力分析的一样收集数据以使子集中包含只有普遍肇 因的差异。 在持续流程控制中利用理性子集续继尽可能收集所有关 于流程的信息。
• 子集内的差异是短期的，一般的原因 • 子集间的差异与操作上的控制有关
最大化控制图表的效用
确定一个控制计划，将检测到样本之间差异的可能性最大化。 样本大小 • 当在参量范围的测量可能有变时，除非经济原则上不可行，应选择 在每组样本內抽取多个部件的控制图表计划。 • 使用 X 的移动范围图表当度量不存在或存在很小的差异，或合符经 济原则。如一个小样本的t 测试一样，当存在重大的流程差异时，单 个 X的移动范围图表的灵敏度不足够 取样频率 • 流程表现越好，需要的取样频率越低。 • 基于对流程表现的经验, 取样频率是可以变的 • 考虑以每小时，每天，每班，每月，每年，每批等。 目前的工业标准倾向于小样本，高频率的方式。
S
一些典型原因: 流程中使用了一批不符合规格 的原料 测量的查刻度暂时性的偏移
不同的检查员
不同种类的工具
潜在流程以外的事故 “这些很有趣”
流程有时候会打嗝。因为这些 “反叛”或“飞脱”, 流程会产 生偶然的数值明显不属于基本流 程分布的一部份。当一个发生后， 流程将回复正常直到下个打嗝的 发生。
此图表表示可预期性的流程，当中流程差异仅是随机的。 这些点不可预期的上下波动，但有在中线周围聚集的趋向( 但也不是很紧密) 和在控制界限内 。 这种形态是任何控制图表的目标。它不一定显示出流程有最佳能力或流程 符合规格。但它显示了流程有稳定性。
特殊肇因的变化 “发生了什么?”
偶尔会有个因素进入流程并导致 突然及短暂的变化. 这种原因会出现在 图表中，呈 X 现于控制之外的点集。 S图表通 常不受这些偏移影响。
2 s - 平均有95% 的置信区间
3 s - =.003 (原因: 许多的连续的测试；减少潜在的错误。)
4.5 s - 个体的度量比较于消费者要求的流程长期表现目标。 6.0 s - 个体的度量比较于消费者要求的流程短期差异目标。
当流程稳定时，3 s 限制提供了对变化的高 敏感度及低可能性的过度反应.
关于限制的注意点
不要将控制界限与规格界限相混淆。 规格界限是流程限制之外的。例如，他们可以代表为 了满足CTQ 特性的工程上要求。 控制界限是流程内部的，它们反映了流程预期的差异 范围。 规格界限是针对个別数值的，然而在 X 界限是针对样本平均的。 图表上，控制
两种类型的控制图表错误
把一个特殊原因的差异视 作普通原因的差异 • 错过了确定流程变化 的机会 把一个普通原因的差异视 作特殊原因的差异 • 妨碍稳定的流程，寻 找不存在的特殊原因 而浪费资源
Xbar/S Chart for repmstd
53 52 51 50 49 48 47 46 Subgroup 0 5 1 1
打嗝
打嗝
3.0SL=52.25 X=50.00 -3.0SL=47.75
1 10 15 20 25
4 3 2 1 0
打嗝
1 1 3.0SL=3.132
S=1.382 -3.0SL=0.00E+00
图表告诉了我们关于流程的一些什么?
使用Minitab 创建变量控制图表
这个练习将使用Minitab，利用来 自梅花格的数据，创建不同类型 的控制图表 。 在这练习中，我们将使用 图表和 图表来跟 踪 流程，并看看图表 X /R 的相对敏感度。 X / s
把运行梅花格所得的数据以子集 输入到每列中 打开Stat>Control Charts>Xbar R • /S 的程序将会是相似 的
变化后，流程制造出平均较大的 部件或产量增加或硬度变强等等。 流程的基本可变性沒有发生变化。 同时范围图表也沒有显示变化.
3 2
3.0SL=3.132
S=1.382 1 0 -3.0SL=0.00E+00
一些典型原因: 错误的调整或不恰当的设置
材料或润滑剂的改变,
工人換班
流程趋势 “它将发展到何处?”
计算平均图表控制界限
要确定控制界限的均值，你必须先计算整体性流程的平均 (总均值)：
X =

k = 子集平均的数目
X 1 X 2 ... X k k

整体性流程的平均
控制界限的上限:由下面的公式确定:
UCLX X 3s / n
控制界限的下限:由下面的公式确定:
LCL X X 3s / n
• 过程的关键因素(X)或(Y)输出 Nhomakorabea随时间过去而 变化吗? (例如,过程稳定吗?)
我希望怎样看到它?
• 基于即时数据的图表显示出过程的变化。
SPC是个严谨的过程，它要求操作团队积极地的收集和分 析数据 。
控制图表
控制图表是在1920年，由Bell Laboratories的Walter Shewhart 博士发 明的过程控制工具。统计性的过程控制图表提供了在过程所观测到的计量 与在统计上计算到“控制界限”（预期的）的图示化比较。 控制图表: • 用于监察过程的输入、参量或输出 (Xs and Y) • 用于识别当过程失去控制 • 用于鉴定过程中出现的特殊肇因差异 • 不能告诉我们是否合符规格限制 • 既不能识别也不消除特殊原因 • 对有双边界限的假设测试均值的控制限制是推断于观测的样本均值 的相同点或不同点。 • 标准差或范围的控制界限代表在方差可显示分別之处。
注:大概的置信水平是 99.7%.
当子集的平均水平落在控制图表的界限外，它就以图表说明在样本均值 和历史均值中存在差別
为何用Three Sigma控制界限?
• Three Sigma界限经历了时间的考验。 • Three Sigma界限带给 约为 .00135的结果. 当流程没有发生真正的改 变时产生作用的几率很小。因为随着时间过去会做许多的测试，所以这 点是重要的。