品质损失函数

品质损失函数

DFSS系列课程

2015. 10. 25

何为品质

☐产品或服务满足特定需求的特性和特征的总和. (ASQC)

☐与目标的一致性 (戴明博士) ☐适用性，满足客户需求 (朱兰博士) ☐符合要求，标准/规格 (克劳士比博士)

何为品质

●品质是产品在使用

期间对社会所造成

的损失最小化.

田口玄一博士（1924 — 2012）

Genichi Taguchi

产品品质的定义

☐田口博士对产品品质的定义为产品在使用期间对社会所造成的损失最小

☐产品制造者的社会责任为必须尽量做出对社会造成损失最小的产品，因此品质的要求不应仅是符合于规格而已，还须符合：

✓品质特性与目标值一致

✓品质特性与变异越小越好

品质损失

1.顾客不满

2.附加保证成本

3.消费者所花费的修理费用和时间

4.不良的商誉

5.市场占有率长期的损失

☐要了解品质的高低，需要先知道产品带给社会多少损失，故有所谓的损失函数

产品的品质就是该产品售出后对社会的损失

传统品质损失函数

☐传统品质损失函数为阶梯函数(Step function)形态 ✓只要在规格上下界限内就无损失。

✓所有位于规格界限内的产品特性值都是同等的被接受，所有产品的品质成本相等。

LSL USL 特性值Y

目标 损失 为零

损失L(y)

田口品质损失函数

☐田口认为的品质损失函数应该为二次函数形态

✓当品质特性值Y 与目标值m 有偏差时，就会有损失发生； ✓当Y=m 时，则损失为0.

●L(y)=k(y-m)^2

注：k 为品质损失函数

m 为目标值

LSL USL 损失L(y) 特性值Y

目标 二次 曲线 品质损失函数

☐品质损失函数因品质特性的要求不同，分为三种： ✓望目(Nominal is Best)

✓望小(Smaller is Better)

✓望大(Larger is Better)

☐一般在计算品质损失时，是使用平均品质损失 注：k 为品质损失系数， m 为目标值；

MSD(Mean Square Deviation)误差平方之平均.

品质损失函数

☐望目特性(Nominal is Best)：品质特性测量值越接近目标值越好. 例如：间隙、粘度、重量、外径等。

LSL USL 损失L(y)

特性值Y

目标 品质损失函数

10

☐品质损失系数k ：可由因超出顾客公差所导致的损失来获得； ☐假设m+/-△表示规格公差，若在公差上损失为A ，代入公式 ☐A 为维修或更换成本，包括运输成本及维修期间无法使用的产品损失等。不管是顾客、生产者或其他第三者谁应支付这些损失，所有相关的损失应包括在“A ”之内。将k 代回原计算公式，我们得出：

不对称望目品质损失函数

☐不对称望目特性：有些情况，一产品的特性值对目标值两边的偏离有不同要求，即品质损失不对称于目标值。这种情形需要有两个不同的品质损失系数（k ）来描述品质损失函数。 品质损失函数

☐望小特性(Smaller is Better)：品质特性测量值越小越好. 例如：损耗、污染、收缩程度等。

USL=△ 损失L(y)

特性值Y

A

品质损失函数

☐望大特性(Larger is Better)：品质特性测量值越大越好. 例如：强度、纯度、寿命等。

LSL=△ 损失L(y)

特性值Y

A 0 平均品质损失

注：k 为品质损失系数， m 为目标值；

MSD(Mean Square Deviation)误差平方之平均.

●望目质量特性：

●望小质量特性：

●望大质量特性：

平均品质损失

☐“平均品质损失”的计算方法，可用来证明我们对品质改

善投资的合理性；

☐品质损失函数也将品质予以金钱表示的成本和损失结合起

来，不只是考虑厂商上产时的成本损失，还将消费者和社

会的成本损失也一并包括进来。

Q&A

2015/10/25 16