三星全套六西格玛-02测量GBM06-工程能力分析ppt课件

1、工程才干分析.MeasureDefineAnalyzeImproveControl方法论 Measure 概要 Project Y 根底统计 测定System 分析 Six Sigma 测度 工程才干分析 Process Map & 特性要因图 FDM.工程才干分析 学习目的了解工程才干指数Cp, CpkPp, Ppk 了解利用Minitab的工程才干分析方法了解利用工程才干分析结果的 水准计算方法. 能消费均一质量制品的工程固有才干。什么叫工程才干？ 工程被管理时，表示工程中消费的制品质量变动是什么程度的量。 一切质量特性都具有它的目的值(Target Value)， 质量是与目的值的偏向越

2、小越优秀。.长期/短期工程才干Time 1Time 2Time 3Time 4(Xij-Xj)2Si=1nSj=1g nXj-X2Sj=1g() (Xij-X)2Si=1nSj=1g=SSW=SSBSST= 长期工程才干对比短期工程才干.工程才干指数- 短期工程才干指数用 CP, CPK 来表示，长期工程才干指数用 PP, PPK来表示。 - 在这里CP 或 PP 是工程平均与规格中心一致时的工程才干指数， CPK 或 PPK 是工程平均与规格中心不一致时的工程才干指数。 工程才干指数(Process Capability Index)？ 在Minitab 工程才干指数是工程能消费多么均匀质量

3、产品的才干， 即，评价工程才干的测度。 . 短期工程才干指数 工程平均和规格中心一致时 工程平均和规格中心不一致时 st 表示短期规范偏向，在Minitab中以StDev(Within) 推定。工程才干指数,. 长期工程才干指数 工程平均和规格中心一致时 工程平均和规格中心不一致时 lt 表示长期规范偏向，在Minitab中以 StDev(Overall) 推定。工程才干指数,.合理的部分群 (Rational Subgroup)合理的部分群意味着根据部分群构成原那么而构成的部分群，构成合理的部分群因此能准确地确认工程的固有才干。总变动群间变动总合群内变动总合文件名: Capability_S

4、ubgroup.mtw部分群组成原那么 部分群内变动 (Variation within Groups)为小 部分群间变动 (Variation between Groups)为大.102030405091011Index充电量显示部分群内的变动小，部分群之间变动比较大。 分析点的陈列Perform，容易找出工程改善的问题。 已构成合理的部分群时合理的部分群 (Rational Subgroup).合理的部分群 (Rational Subgroup)10203040508.59.510.511.5Index部分群内的变动大， 部分群之间的差不太明显。 不易找出工程改善问题。 假设没构成合理的部

5、分群.充电量.利用Minitab的工程才干分析Capability Analysis(Normal)Capability Analysis(Between/Within)Capability Analysis(Weibull)Capability Sixpack(Normal)Capability Sixpack(Between/Within)Capability Sixpack(Weibull)计量值数据计数值数据Capability Analysis(Binomial)Capability Analysis(Poisson).对正态分布数据的工程才干分析例题 1为了工程才干分析，20天各选

6、 5个中心部品特性值的长度(mm)的测定DATA如下。 经过正态性检定(Normality Test)确认DATA是正态分布，中心部品的规格是按顾客要求600mm 2mm . 经过以下DATA做工程才干分析。 598.0599.8600.0599.8600.0600.0598.8598.2599.4599.6599.4599.4600.0598.8599.2599.4599.6599.0599.2600.6598.8598.8599.8599.2599.4600.0600.2600.2599.6599.0599.0599.8600.8598.8598.2600.0599.2599.8601.2

7、600.4600.2599.6599.6599.6600.2599.2599.0599.6600.4600.0599.0599.6599.4599.2597.8600.4599.6600.0600.8600.4599.4599.0598.4599.0599.6598.8599.2599.6598.6599.8599.6599.2599.6600.2599.8599.6600.0599.6599.2598.6599.6601.2599.6600.2600.0600.0599.4599.8599.2599.6599.4600.0600.0599.2599.4599.6599.8599.0599.6

8、599.41 2 3 4 5 6 7 8 9 1011 12 13 14 15 16 17 18 19 20把计量型数据的正态分布数据的工程才干经过Minitab分析。Capability Analysis(Normal).(Process Capability.mtw)Work sheet 里DATA输入Step 1Capability Analysis(Normal).Stat Quality Tools Capability Analysis (Normal)Step 2输入规格的上限和下限Boundary是DATA不能测定规格外时 Check 选择变量列部分群的大小或列输入Capabi

9、lity Analysis(Normal).非正态DATA时，为了 Box-Cox 变换而选择输入规格中心值时用Cp, Pp 或 Z值来决议要输出的 决议用ppm 或 %输出 OptionsCapability Analysis(Normal).Step 3 确认结果 规格上限 Target 规格下限 平均 样品数 短期规范偏向 长期规范偏向Process数据潜在的 执行曲线实践的 正态曲线 潜在的工程 才干指数 Cp 思索倾斜的 潜在工程才干 指数 Cpk潜在的工程才干只用工程的群内变动评价执行才干的指数。即，意味着 Cp改善能够最大限制是 1.16为至。 Capability Analys

10、is(Normal). 实践性工程才干 指数 Pp 思索倾斜的 实践性工程才干 指数 Ppk实践性工程才干根据一切DATA的变动值评价执行才干的指数Capability Analysis(Normal).如今执行才干用 ppm表示实践DATA脱离规格的程度。Capability Analysis(Normal).潜在的料想执行才干只思索工程的群内变动显示正态分布时，数据表现为 脱离规格的料想 ppm Capability Analysis(Normal).实践料想完成才干对一切DATA的变动值来显示正态分布时， DATA表现脱离规格的预测 ppm因工程平均以规格中心为基准往 LSL方向倾斜，所

11、以需求与工程变动的减少一同 能与规格中心一致的工程平均的挪动。Capability Analysis(Normal). 算出Z值 察看利用Minitab 输出Z值的过程。: 良品的比率,: 工程不良率 算出公式是规范正态分布函数的逆函数，利用Minitab 可以求。 还记得在根底统计的概率分布中求逆累计概率值的方法吧?Z( Calc Probability Distribution Normal )Capability Analysis(Normal). 从例题1的 Session 结果中确认 ppm Total后，经过Minitab算出Z值。Step1 良品率( r )计算良品率 ( r )

12、 = 1- 0.00636735 = 0.993632 在例题 1的结果中 “Overall ppm Total为 6367.35，按不良率 换算是 0.00636735 ，良品率如下。Step2 Calc Probability Distribution Normal选择逆累计概率由于是规范正态分布函数，所以输入平均0, 规范偏向1输入常数Capability Analysis(Normal).Step3 确认结果 经过以上结果，能确认 Z值是 2.4911. Z=2.4911Capability Analysis(Normal)能知道这工程的 水准是 ZLT = 2.4911 ZST =

13、2.4911 + 1.5 = 3.9911 程度。.Capability Analysis(Binomial) 以下数据表示某二次电池消费业体焊接后因Leakage所发生的不良品数， 并计算了工程才干。样品大小是20. 120110119391185831717216162152541454213333122211131不良品数部分群不良品数部分群 对二项分布DATA的工程才干分析 经过Minitab分析计数型DATA的二项分布 DATA工程才干。例题 2.工程才干分析 Stat Quality Tools Capability Analysis(Binomial) 选择 样品大小同样时样品大

14、小不同时，选择 输入样品大小的列指定目的不良率知道母集团的不良率时，输入其值。Capability Analysis(Binomial) Step 1click(Capability_binomial.mtw).Capability Analysis(Binomial) 在Pchart中没有脱离管理界限的点，所 有点都在管理界限内恣意地分布，因此 工程处于稳定形状。累积不良率CHART(Cumulative%Defective)是 确认数据能否具备对不良率提供稳定推定值， 在图中样品10开场累积不良率没有大的变动 而衔接，并越来越接近于平均，因此可以 判别对不良率的推定确保了充分的数据。这工程

15、的不良率是115,000ppm(DPMO).可以知道此工程的Sigma水准为 115,000 DPMO相应的 ZLT = 1.2 ZST = 1.2 + 1.5 = 2.7结果解释Step 2. 对二项分布DATA的工程才干分析 经过Minitab分析计数型DATA的泊松分布DATA 的工程才干。Capability Analysis(Poisson) 下面数据是某PVC地面资料的每单位面积外表所发生的气泡不良率，按照 抽样顺序表示，计算了工程才干。 120310419293181851737416464151561414213234124201151气泡不良数样品气泡不良数样品例题 3. 选

16、择Stat Quality Tools Capability Analysis(Poisson) 样品大小 一样时样品大小不同时， 选择输入样品大小的列。指定对每单位缺陷数的目的值知道对母集团缺陷数平均时，输入其值。Capability Analysis(Poisson) Step 1工程才干分析(Capability_ Poisson.mtw). 在U Chart中没有脱离管理界限的点，并一切 的点恣意地分布，因此工程处于稳定形状。 在累积计DPU CHART(Cumulative DPU)中可以 确认DATA能否具备对DPU提供稳定推定值。 由于样品18开场累积DPU没有大的变动接近于 平

17、均，所以根据这些DATA推定的DPU是正确。 平均DPU是2.95个，每单位面积平均发生3个 左右气泡不良。 不良率为 1-( e-DPU ) = 1- ( e-2.95 ) = 1- 0.0523397 = 0.947660 这工程的 水准是 相当于947,660 DPMO的 ZLT = -1.6 ZST = -1.6 + 1.5 = -0.1 程度Capability Analysis(Poisson) 结果解释Step 2.工程才干分析实习实习时间 : 30分目的 1) Data搜集方法 2) 了解Minitab 分析方法 3) 算出 水准 预备物 1) 部品 : 螺丝100个(一样规格 20个箱子- 20 Lot的意思) 2) 仪器 : Digital Vernier