制程能力分析 ppt课件

客戶聲音
和流程聲音
來決定流程是否能滿足客戶需 求
規格下限
D esc規rip格ti上ve限Statistics
And
60
70
80
90
100
110
120
95% C onfidence Interval for M u
長期和短期的數據
Individual Value Individual Value
150 140 130 120 110 100
排定變數的優 先次序
啟動流程 FMEA
進行流程觀察 研究
確認流程關鍵 因數
行動計畫
設計和執行流 程實驗
解決方案驗證
確定 FMEA和 最終控制計畫
貫徹流程控制 機制(移交和
培訓)
核實專案的長 期能力
定義
項目 章程
項目追蹤查檢表
測量
分析
改善
流程圖 測量系統分析
✓ 流程控制 &
流程能力分析
因果矩陣圖
FMEA
定義
測量
分析
改善
控制
在測量階段中，用來描述流程底線狀 況
在控制階段中，用來執行例行流程 能力分析以驗證持續的優異績效表
現
流程改善路徑圖
定義
測量
分析
改善
控制
定義專案的範 圍和目標
指定黑或綠帶 （ Black or Green Belt ）
組成團隊，並 建立專案章程
繪製流程圖
分析測量系統
評估流程控制 和能力
流程能力分析
目的
• 學完本單元後，您將能夠
– 陳述執行流程能力分析的目的 – 對離散型衡量指標的流程作能力分析 – 對連續型衡量指標的流程作能力分析 – 根據品質指標，如 Cp, Cpk, Pp, 和 Ppk，選擇正確的改善策略 – 避免和流程能力分析相關的易犯錯誤或陷阱
何謂流程能力?
• 流程能力為一個可用來預測績效的強大工具。為建立可免 除進料或最終檢驗的系統的關鍵
– 我們給予變數呈現特性的機會不夠
• “長期資料” 是讓變數能夠充分的表達其特性的情況下採 集的
如果您希望結果是….
使您的流程看起來不錯，您應該… 由同一班次中、同一位操作員 、同一批物料和同一部機台抽 取少數樣本
(一副玫瑰色的眼鏡)
如果您想要觀察流程真正的表現，您 應該…
由所有班次、不同批次物料、和所 有機台抽取多個樣本 給予每個變數有機會表現自己的特 性
流程能力亦可用作診斷工具。如果您只想要 用為診斷工具，那麼上述的條件就沒有那麼
嚴苛。
Individual Value
140 130 120 110 100
90 80 70 60 50
0
穩定且可預測的
I Chart for data1
U C L=131.0
此流程是穩定且可 預測的
M ean=95.48
90 80 70 60
1
I Chart for C6
2
3
4
5
6
O bservation Num ber
U C L=139.7
M ean=101.7
LC L=63.71 7
I Chart for data
190 1
11111
140
1
111 1
U C L=125.7
90
11 40
11111111111111111111
LC L=59.99
10
20
30
40
50
60
O bservation Num ber
D escriptive Statistics
相同資料的分佈圖 亦是流程聲音的表現方式
60
70
80
90
100 110 120
95% C onfidence Interval for M u
流程能力分析能比較
Байду номын сангаас
流程能力分析
被動觀察研究 (多變數分析)
行動計劃
流程實驗
關鍵解決方案 驗證
選定執行 流 程改善的因數
控制
控制計畫
移交訓練
成果維持驗證
✓
流程負責人簽 核
最終專案 報 告
研究前提
如果您要使用流程能力分析來預測未來的流 程品質水準，流程必須是穩定且可預測的。 如果不符上述條件，流程能力分析就無法預
測未來的品質水準。
• 然而，這個工具通常被錯誤的應用。您應該要瞭解此項工 具，才不會被誤導
• 流程能力分析能回答以下問題：
– “我的流程是否夠好?”
• 如果流程不符要求，流程能力分析能幫助我們找出需最少 力氣的改善方法
Six Sigma 專案階段
流程能力分析在專案中的幾個方面是很實用的
在改善階段中，用來顯現新的流程 能力是合乎要求的
LC L=59.99
10
20
30
40
50
60
O bservation Num ber
進一步的解釋這個 圖表則是，如果沒 有干擾發生，流程 會保持在 95.48 左
右， 且資料會落在 59.99 和 131.0 之
間
不穩定且無法預測的
Individual Value
I Chart for data
190 1
1.5 Sigma 的偏移
通常在 Six Sigma 課程會提及 一個原理；長期來看，流程會比 短期內傾向多偏移 1.5 個標準差
Kevin
這個假設是有爭議的 我們在第四周會進一步討論
當好的抽樣計畫變成不好時
範例 1:
範例 2:
您的流程製造 5% 的不良 品。抽樣一件，拿到非不 良品的機率是 .95。抽 100 件，沒有任何不良品的機 率是 .95100或 .005921。所 以抽 100 件，至少會抽到 一個或以上的不良品
11111
140
1
111 1
U C L=125.7
90
11 40
11111111111111111111
0
50
100
O bservation Num ber
M ean=97.19 LC L=68.72
150
此流程是不穩定且無法 預測的
您無法由這些資料預測 資料落點會在何處
因此這些資料僅適合用 作流程能力的診斷分析
0
50
100
O bservation Num ber
M ean=97.19 LC L=68.72
150
此為我們由糟糕的流程中所抽出的小樣本。 看起來挺不錯的。怎麼會這樣呢?
三個原因
• 小樣本通常會低估變異量
• 小樣本捕捉到主要的資料偏移和飄移的機率相對來說比較 小
• 不過，最重要的因素是我們收集資料的時間不夠長
規格下限
定義：客戶的聲音
規格上限
客戶的聲音(VOC)的其中一種表達方式是-“可接受的”的績效界限
Individual Value
140 130 120 110 100
90 80 70 60 50
0
定義：客戶的聲音
I Chart for data1
U C L=131.0 M ean=95.48
流程行為圖是用來 表示流程聲音的圖表
您的流程製造 .1% 的不良 品。抽樣一件，拿到非不 良 品 的 機 率 是 .999 。 抽 100 件，沒有任何不良品 的機率是 .999100或 .9047 。所以抽 100 件，會抽到 一個或一個以上的不良品 的機率少之又少