质量管理6Sigma项目案例

6Sigma项目案例

一个PCBA工厂波峰焊工序的6Sgma项目改善。因为波峰焊成为制约PCBA质量的瓶颈。当前首次通过率为15%，DPMO为30000PPM{种产品每块板焊点数（机会数）为532点}。2001年9月，该公司成产了一支6Sigma项目改善队伍，其组织结构如下：

1．讨论是否选此项目为6Sigma项目。

经小组讨论，大家一致认同此项目为6Sigma项目，理由是：

（1）目前焊接DPMO与客户要求存在很大差距，已引起客户强烈投诉。

（2）造成DPMO低的原因不详。

（3）尚未找到改善方法。

（4）实施6Sigma项目改善后可带来大的财务收益和客户满意度的极大提高。

（5）公司人力、物力、财务允许，且技术不是非常复杂。

2．确定项目CTQ关键质量特性

。

3．制定6Sigma项目计划书。

4．明确各部门人员职责及其绩效考核方法。

5．确定6Sigma项目所需资源和培训日程。

具体工作分工如下：

一、确定项目CTQ及项目Y

波峰焊工序是客户特别关注的影响产品品质的关键工序，客户最关注的是焊点一次成功率要高，转化CTQ为焊点的DPMO要小。故波峰焊点一次成功率为本项目的CTQ，项目Y 衡量CTQ的参数为焊点DPMO。

二、制定6Sigma项目计划书

胡伟和张兵根据PCBA焊接状况和已有的DATA制定的6Sigma项目方案如下：

6Sigma项目方案

三、各成员职责与绩效考核办法

续表

四、项目资源及培训安排

项目资源配置

项目培训安排

五、项目实施日程安排

六、完成Y的测量系统分析

本项目中Y的数据为离散二元数据，对其进行分析时需用离散数据的GAGER&R分析进行。

方法：取50块各有一个指定焊点的PCBA，这些焊点有合适焊点、有临界焊点、有不合格焊点，由5个检查员将每块板检查两次，两次之间的时间间隔为一周。

离散数据GAGER&R评估参数：

总的一致百分比：用来评估检验员结果一致辞的次数的百分比

可重复性百分比：用来评估检验员检查同一部件结果一致的能力

可再现性百分比：用来评估多个检验员检验同一部件的结果一致的能力

计算公式为：一致百分比=一致的总次数机会的总次数

本例计算结果=89%

如结果>85%，检验结果可接受。

七、收集合理的分组数据

用脑力激荡法得出一组潜在的X值如下：

预热温度PCBA机种

锡炉温度PCBA过炉方向

锡面高度生产班次

传送带速度锡条种类

传送带角度环境温度

松香温度锡缸MOTOR速度

PCBA材质波峰焊机器型号

在制定子群计划时需考虑的x′s，据以往数据显示对焊点质量影响较大的。波峰焊机型号传送带速度

生产班次松香比重

预热温度PCBA材质

锡炉温度

续表

分组如下 A B C D E F G 子组焊机型号传送带速度预热温度生产班次锡炉温度PCBA材质松香比重DPMO

183 2 2 1 2 2 2 2 29800

184 2 1 1 2 1 1 1 29900

185 1 1 2 1 2 1 2 28400

186 2 2 2 1 1 2 3 28490

187 2 1 1 2 2 2 2 29800

188 2 2 1 2 2 2 3 34500

189 1 1 2 1 2 21 2 29800

190 2 1 2 2 2 1 1 34200

191 1 1 2 1 1 1 3 29990

192 2 1 2 2 2 2 3 34210

其中1、2、3分别代表各X的不同状态（水平）。

对数据制作P控制图，发现目前的焊点DPMO平均值为29900，区间为29390～30410DPMO，从图上可发现：

很多数据点在控制线外，说明此过程存在变差的特殊原因。

八、用MINITAB对数据进行方差分析

因为在合理分组时，各影响因素的水平数不同（2和3），故选GLM方差分析模型，可处理非平衡数据。

“General Linear Model: DPMO versus A, B, C, D, E, F, G” Factor Type Levels Values

A random 2 1 2

B random 2 1 2

C random 2 1 2

D random 2 1 2

E random 2 1 2

F random 2 1 2

G random 3 1 2 3

“Analysis of Variance for DPMO, using Adjusted SS for Tests”

Source DF Seq SS Adj SS Adj MS F D

A 1 69046 69046 69046 0.01 0.917

B 1 10396943 10396943 10396943 1.62 0.204

C 1 40389269 40389269 40389269 6.31 0.013

D 1 383329 383329 383329 0.06 0.807

E 1 20671219 20671219 20671219 3.23 0.074

F 1 59467 59467 59467 0.01 0.923

G 1 31191815 31191815 15595908 2.44 0.090

Error 183 1171728708 1171725708 6402873

Total 191 1274886797

Unusual Observations for DPMO

Obs DPMO Fit SE Fit Residual St Resid

15 24500.0 29504.9 547.8 -5004.9 -2.03R

17 24800.0 30600.2 547.8 -5800.2 -2.35R

26 23700.0 30600.2 547.8 -5842.8 -2.37R

27 23450.0 29306.8 547.8 -5856.8 -2.37R

35 23800.0 29439.9 547.8 -5639.9 -2.28R

58 25000.0 29994.7 547.8 -4994.7 -2.02R

59 37400.0 30664.4 547.8 6735.6 -2.73R

60 23700.0 30537.1 547.8 -6837.1 -2.77R

63 23900.0 29532.7 547.8 -5632.7 -2.28R

67 23401.0 29481.2 547.8 -6080.2 -2.46R

70 23850.0 30096.1 547.8 -6246.1 -2.53R

73 23490.0 29182.3 547.8 -5692.3 -2.30R

74 35200.0 29685.6 547.8 5514.4 2.23R

128 23500.0 28998.8 547.8 -5498.8 -2.23R

147 35100.0 29810.2 547.8 5298.8 2.14R

155 23000.0 29001.5 547.8 -6001.5 -2.43R R denotes an observation with a large standardized standardized residual

从方差分析结果可知：C、E、G为关键影响因素（P值较小）。

C：预热温度

E：锡炉温度

G：松香比重

九、确定总体改善方案，进行试验设计

DOE计划如下