生产工序_工序能力分析

工序能力分析 1 工序能力2 短期与长期工序能力3 有理数子集4 工序能力分析5 变量要素的检查6 工序能力分析过程 1 工序能力 工序能力是 指工序的加工质量满足技术标准的能力 也就是说 在所控工序中制品表现的散布的范围 所有品质特性目标值的偏差越小越好 计算工程不良率 建立改善目标 提供与其他设备相比较的标准 了解工序能力 尽可能减少标准偏差 使工序平均值接近目标值 工序设计生产高品质的产品 工序能力改进 A工序 B工序 工序比较 在A工序中会发生不良 但B工序中不会发生 但是A工序的能力比B好 而且A的品质损失比B少 EG SONY在日本和US的工厂 2 短期与长期工程能力 长期工程能力长期变动是由各种因素造成的 这些因素可以清晰得预见到相对长的时期 如 兴起 月份 考虑长期噪声变动的效果 例 设备磨损 季节影响 要求约100 200个数据技术 工程管理普通条件下的结果 短期工序能力短期变动由偶然因素引起相对比较短的时期 如 星期 月份 考虑短期噪声变动的效果 例 白天和夜晚 要求约30 50个数据技术最佳条件下的工序能力 工序能力因素 决定工序能力的要素 在工程平均值和标准值之间的一致性程度 散步大小通过控制工序而使标准中心与工序平均值一致是非常困难的 事实上长期来自标准的中心移动为 短期 长期 长期 短期工序能力 至于工序长期的平均变动 它是以长期与标准中心值有1 5 的移动为基准的 能力指数 假定工序特性服从正态分布 短期能力指数计算公式如下 6sigma水平Cp为2 0 3sigma水平Cp为1 0长期能力指数考虑工序平均有 1 5 的移动 通过从短期能力减少0 5 计算得到 6 工序 Cpk 1 53 工序 Cpk 0 5 考虑到工序平均变动时的能力指数 1 5 3 5 1 6 3 s s s s target target average USL C pk 计算工序能力时注意事项 工序能力的测定只在以下条件下有意义 变量 不属于特性数值 速度 重量 吸盘大小 控制中的工序 也就是说 消除异常原因后的状态 数据散布 正态分布 或近似 系统变动决定工序能力 不同的因素决定系统变动set up流程产品和工序维护过程分层原理完全相同的调剂那 系统或设备变动已掌握时收集的DATA 子集构成原理使子集内的偏差变小使子集间的偏差变大 3 有理数子集 通过有理数子集的建立 能够掌握潜在工序能力 组合标准偏差和全标准偏差 组合标准偏差minitab的基本选择 子集中由各偏差的平均值计算出来的数值 有理数子集中 可以用来计算最佳短期工序能力 全标准偏差以全部数据为基准计算出来的数值 估计实际能力时 用全标准偏差 在minitab中 Pp或Ppk是以全标准偏差为基准的工序能力 意义如果在组合标准偏差和全标准偏差之间有差异 就说工序平均值或标准偏差按时间改变集团的组合标准偏差是在最佳状态下估算的 有理数子集的用法和意义 用法以下条件造成每道工序变动构成数据集开关设备机器 产品 操作者预防维护由每一个集团分析同一工序能力 哪一个有较好的工序能力 为什么 工序能力 Boxplot X变量 machine 产量注意 集团间变动 和 集团内变动 集团间的Boxplots 通过检验集团间的差别 我们能预测如果没有附加投资 如何改进我们当前的工序 我们能找到的改进的方法 利用TimeSeriesPlot得到 Ex 有理数子集的用法 比较集团内变动导致的标准偏差和全标准偏差 变动和有理数子集的构成 短期能力分析要求相关短期的数据 20 50 长期能力分析要求相对长期的数据 周间 月间 约100 200个数据 4 工序能力分析 使用minitab 工程分析 打开processcapability mpj文件 Stat QualityTools CapabilityAnalysis Normal 输入规格 集团的大小 etc 输入数据 USL Target LSL Mean SampleN StDev ST StDev LT Cp CPU CPL Cpk Cpm Pp PPU PPL Ppk PPM LSL PPM USL PPMTotal PPM LSL PPM USL PPMTotal PPM LSL PPM USL PPMTotal 11 000 9 000 9 699 50 0 100928 0 702044 3 30 4 30 2 31 2 31 0 47 0 62 0 33 0 33 220000 00 0 00 220000 00 0 00 0 00 0 00 159706 64 31929 67 191636 31 ProcessData Potential ST Capability Overall LT Capability ObservedPerformance ExpectedSTPerformance ExpectedLTPerformance ST LT Fill up 在有理数子集的调条件下 我们得到如下结论 短期标准偏差是0 100928 长期标准偏差是0 702044 潜在工序能力是3 30 可以说 经过不断的饿改进 可能达到3 30 此工序的当前能力是0 33 此工序的不良率是191636PPM 品质的方差变动 Variation 偶然原因 一般原因 发生在比较严格的制造业管理中 是不可避免的 ex 操作条件 操作者技术差别等 异常原因 特殊原因 使用不良资材 制造设备故障 操作者疏忽等等 注意工序能力分析在稳定条件下是可行的 也就是说 没有特殊原因的变动 variation 有理数子集的形成 在集团中只有偶然原因产生的偏差 variation 由特殊原因产生的偏差 variation 在集团间是不同的 利用组合标准偏差 确定最佳工序 可以估计潜在工序能力 在集合里 偶然原因和特殊原因的变动同时发生 不注意不稳定的工序 子集间的差距没有区别 形成错误有理数子集的原因 如果有理数子集形成 Graph TimeSeriesPlot Fill up 长期和短期的标准偏差的差距变大 潜在工序能力比较清楚 Fill up 如果有理数子集没有形成 打开Minitab文件processcapability mpj Graph TimeSeriesPlot Regarding fill up1 TimeSeriesPlot Fill up1 Fill up 用MinitabCapabilitySixpack分析 Stat QualityTools CapabilitySixpack Normal 工序能力的测定值 Isthereanypatternbyspecialcause 检查规律性 利用MinitabCapabilitySixpack 数据的控制状态和规律性很容易发现 Stat QualityTools CapabilitySixpack CapabilitySixpack分析 step1 选择输出变量 step2 建立工序 主要输入变量值 step3 决定潜在变量 形成有理数子集 step4 收集短期数据 使特殊原因造成的影响最小化 step5 密切注意工序 找出不同点 6 工序能力过程分析 step6 测定和记录主要工序输出变量 step7 运行CapabilitySix pack 然后检验 正态 稳定性 控制step8 利用 组合标准偏差 和 全标准偏差 进行能力分析step9 检查移动平均数和方差变动 variation 的增加 step10 根