实验策略分析说明书

试验策略分析说明书ExperimentStrategyAnalysisManualCompeq 1of35 2023/6/23CONTENTSLearningObjective .…………………...3试验策略分类及优先级……4试验策略之应用范围 ……5试验策略说明 ……..6适用时机实施方式试验策略之分析方法与报告格式8分析方法分析报告Attachment1:管制图相关学问及其画法30Attachment2:Highlight…………35Compeq 2of35 2023/6/23LearningObjective了解试验策略之分类，及其选用之优先级把握各种试验策略之适用时机及实施方式JMP操作把握各种试验策略之分析报告格式了解管制图之分类，不同管制图的画法及判读准则Compeq 3of35 2023/6/23试验策略分类及优先级ExperimentalDesignPairedSample:Retest

优先Description级Eachexperimentalunitreceivesbothtreatments.1correlation.Eachlotissplitatproposedchangeintheprocess,PairedSample:Splitlot Sothathalfthelotreceivesonetreatmentandthe 2otherhalfreceivestheothertreatment.Two-Sample:Cross-Over适用于医药工业 3Two-Sample:concurrent Bothtreatmentsarerunconcurrentlyintime. 4Onetreatmentisrunforaperiodoftime,thentheothertreatmentisrunforaperiodoftime.Tow-Sample:SerialPilot 5AB两种条件无法使用splitlot设计且条件之更换格外费时或昂贵时使用.Single-Sample 了解平均值与标准偏差是否与目前水平或目标值相Single- 计量值 同.6Sample Single-Sample 了解缺点率的信任区间FMethod适用于计数值的Single-Sample试验策略ZeroDefects 了解缺点率是否已达成目标并不推定缺点率的信任 7区间Compeq 4of35 2023/6/23试验策略之应用范围制程设立之评估原物料之评估产品生产要件变更之评审生产要件include:设备，物料，生产方法，量材方法及工具、环境，规格Compeq 5of35 2023/6/23试验策略说明pairedsampleretest：适用时机：用于评估两个量测或检验系统之相关性(correlation)或评估制程变更时，测Unit可以进展重复测试。实施方式：每个样本经编号后，先由A量测系统量测后，再由B量测系统针对一样样AB制程针对一样样本重进展测试。pairedsamplesplitlot：适用时机：比较两个或多个制程(或物料)水平(代表的指标可能为缺点率或需经量测之质量特性等)，是否有显著差异评估制程变更后,其制程表现是否优于变更前(之比较..等)实施方式：(L)、每批的分割数(k)，及每个分割所包含之样本数(板数)(n)3局部(k)30片板子(n)kkk个制程走出来后之结果(缺点率或量测特性)纪录下来进展分析。k个局部组成一批，连续进展后制程。twosampleconcurrent：适用时机：比较两个或多个制程(或物料)水平(代表的指标可能为缺点率或需经量测之质量特性等)是否有显著差异。评估制程变更后,其制程表现是否优于变更前(即旧制程与制程之比较，旧线与线之比较..等)实施方式：先打算欲分析比较的两种(或多种)制程，每个制程所需的样本数(n)。将(a)所打算之样本数作为批量(nPNL/批)。将两批(或多批)同时在此两种(或多种)制程进展试验比较。twosampleserial：适用时机：适用于仅有单一生产线别(或槽别…等)，但欲比较变更制程条件(参数、原物料…等)(此时无法以pairedsamplesplitlot或twosampleconcurrent方式进展)实施方式：two-sample抽样方法打算进展试验、旧条件所需样本数(n)。Compeq 6of35 2023/6/23nPNLnPNL板子，再予以分析比较。singlesample：适用时机：适用于评估某一制程中其质量特性(例：计量值—铜厚,计数值—缺点率)，其平均值或标准偏差是否到达特定目标值，或在最大的容许标准下？实施方式：打算样本数：(通常由过去的历史数据打算)，及其他相关参数打算(，，，)。计数值有两种方式打算抽样数：Fmethod及ZDmethod。假设选择ZDmethodsinglesamplezerodefectFmethod利用目标缺点率及其他相关系数(，，)打算所需抽样数。依(a)所打算之样本数去进展试验，并收集数据进展分析。singlesample：zerodefects解实际不良率是否优于目标值(而不需要估量制程的实际不良率)。实施方式：打算样本数：利用目标不良率及其他相关系数()打算所需样本数。依(a)所打算之样本数去进展试验，并进展检验分析。(假设全部板子中没有不良品，不良率可能比目标值大)注：计数值两种方法比较F-method所需样本数较大，但可估量制程的实际不良率。ZD-method所需样本数较小，但无法估量制程的实际不良率。3种状况:sample不易得或很贵阅历中此制程之不良率很低所允许试验期间很短。Compeq 7of35 2023/6/23Compeq8of352023/6/23试验策略之分析方法与报告格式Compeq8of352023/6/23(一)ExperimentStrategy1:pairedsampleretest(二)ExperimentStrategy2:pairedsamplesplitlot分析方法:Pairt-test样本数之打算：SPLIT_N.JMPAnalysisToolingSPLIT_N.JMP开启〔图一〕图一﹕SPLIT_N.JMP需输入的为﹕需输入的为﹕Sigma〔Lot〕,Sigma(Within),K,Alpha,Beta,Detla,n其中:Sigma(Lot)为OldProcess之Lot-to-LotSigma通过计算OldProcess批平均值的标准偏差得到。〔图二〕Sigma(Within)为OldProcesswithinLotSigma通过计算OldProcess〔图二〕K为分析之制程个数 Alpha=0.05 Beta=0.1Detla=Sigma〔Lot〕Note:commonlyusedvaluen为拆批后每一小批含有的样本量JMP显示结果﹕L为试验所需之大批量TotalN2*n*L图二﹕计算Lot-to-LotStandardDeviationandWithin-LotStandardDeviation开启RawdataofOldProcesscalculateLotMeanandLotStandardDeviation点击OK后LotMean&LotStandardDeviation计算Lot-to-LotStandardDeviation&WithinLotStandardDeviationCompeq 9of35 2023/6/23Lot-to-LotStdDevLot-to-LotStdDevWithinlotStdDev分析报告：针对每一个质量特性必需包含以下的分析报告PS.报告之编排，是以质量特性为主,马上每一个质量特性之分析放在一起QualityCharacteristic列出质量特性ex金厚)HistogramDistributionofnewprocess资料：针对的制程之原始数据JMP操作：(图三)“DistributionofY”画出直方图，计算平均值与标准偏差利用”TestDistisNormal”Normality,假设”Prob<W”>0.05，表示不能拒绝其为NormalCpk，利用“SetSpec.Limits”，输入管制上下界限HistogramDistributionofNewProcessCompeqCompeq10of352023/6/23CalculationofCpk下限Compeq 11of35 2023/6/23CpkTestNoisyDataonMeansandStandardDeviationsTestformean资料：分别针对(1)各批平均之差异值,(2)批平均值进展检定(图四)图四:Calculatedifferencebetweennewandoldprocesses’LotMeanColumn5上，双击左键Compeq 12of35 2023/6/23編輯公式運算結果JMP：NoisyData之检定,即检定Normality,AutocorrelationOutlier检定Normality：利用”DistributionofY“ ”TestDistisNormal”检定假设”Prob<W”>0.05，表示不能拒绝其为Normal分布(图五)图五:TestofNormalDistributionCompeq 13of35 2023/6/23Prob<wvalue大于0.05，則為正態分布Auto-correlation与Outlier：利用”Noisy.jmp”temlt图六)图六:TestofOutlier&Auto-correlationCopythedata PasteintotheNiosy.JMPtemplateCompeq 14of35 2023/6/23Compeq15Compeq15of352023/6/23TestofoutlierTestofAuto-correlati1.2.2.TestforStandardDeviations资料：分别针对(1)各批标准偏差之差异值,(2)批标准偏差进展检定JMP操作：分析方式同上TestHypothesisTestforEqualLot-to-LotstandarddeviationXProcessCode(即制程代号),YLot-levelMeansJMP“FitYbyXAnalyze“UnEqualVarianceonLot”检定,假设“Prob>F”之值>0.05,表示没有显著差异(图七)图七TestofEqualLot-to-LotStandardDeviationNew&OldMeanStackTestofequalLot-to-LotStdDev AnalysisFitYbyXCompeq 16of35 2023/6/23Prob>Fvalue0.05則Lot-to-lotStdDev無顯著差異Compeq 17of35 2023/6/23TestforEqualMeansXMeansofCurrentProcess,YMeansofNewProcessJMP操作：利用“FitYbyX”Analyze“Pairedt-test” (图八)假设“Prob>|t|”之值>0.05,表示没有显著差异:TestofEqualMeansMean無顯著差異Compeq 18of35 2023/6/23TestforEqualWithin-LotstandarddeviationsXSTDofCurrentProcess,YSTDofNewProcessJMP“FitYbyXAnalyze“Pairedt-test”“Prob>|t|”之值0.05,表示没有显著差异〔同上〕1.4.ControlChartoflot-levelmeanandstandarddeviationfornewprocess资料：Lot-levelmeansLot-levelStandarddeviationJMP操作：”Graph””ControlCharts”ChartTypeIndividual(见管制图画法)(三)ExperimentStrategy3:twosampleconcurrent(四)ExperimentStrategy4:twosampleserial分析方法:Two-sampleAnalysis样本数之打算：SAMP_N.JMP(图九)图九:SAMP_N.JMP需输入的为﹕K,Alpha,Beta,Lambda,Detla,Sigma其中:K为分析之制程个数Alpha=0.05 Beta=0.1 Lambda=2 Detla=SigmaNote:Lambda=2 Detla=Sigmaarecommonlyusedvalue.Sigma为OldProcess之Lot-to-LotSigma,通过计算OldProcess〔同图二〕JMP显示结果﹕Suggested_NOldandNewProcess分别所需之试验批量分析报告：针对每一个质量特性必需包含以下的分析报告QualityCharacteristicHistogramDistributionofnewprocess资料：针对的制程之原始数据(同图三)“DistributionofY”画出直方图，计算平均值与标准偏差利用”TestDistisNormal”Normality,假设”Prob<W”>0.05，表示不能拒绝其为Normal分布NormalCpk，利用“SetSpec.Limits”，输入管制上下界限Compeq 19of35 2023/6/23TestNoisyDataonMeansandStandardDeviationsTestformeanPORProcess.NewProcess资料：批平均值JMP：NoisyData之检定,即检定Normality,AutocorrelationOutlier检定Normality”DistributionofY“”TestDistisNormal”检定，假设”Prob<W”>0.05，表示不能拒绝其为Normal分布〔同图五〕检定Autocorrelation与Outlier：利用”Noisy.jmp”template检定〔同图六〕TestforStandardDeviationsPORProcessNewProcess资料：批标准偏差JMP：分析方式同上TestHypothesisTestforEqualLot-to-LotstandarddeviationXProcessCode(即制程代号YLot-levelMeansJMP操作：利用“FitYbyX”Analyze“UnEqualVariance”〔同图七〕假设“Prob>F”之值>0.05,表示没有显著差异TestforEqualMeansXProcessCode(即制程代号),YLotlevelMeansJMP操作：利用“FitYbyX”Analyze“MeansAnova/t-Test“〔图十〕“Prob>|t|”之值>0.05,表示没有显著差异Compeq 20of35 2023/6/23Prob>|t|value0.05，LotMean無顯著差異。TestforEqualWithin-LotstandarddeviationsXProcessCode(即制程代号),YLotlevelstandarddeviationsJMP“FitYbyXAnalyze“MeansAnova/t-Test“假设“Prob>|t|”之值>0.05,表示没有显著差异(同上)Compeq 21of35 2023/6/23ControlChartoflot-levelmeanandstandarddeviationfornewprocess资料：Lot-levelmeansLot-levelStandarddeviation(见管制图画法)JMP操作：”Graph””ControlCharts”ChartTypeIndividual(五)ExperimentStrategy5:singlesample分析方法:One-sampleAnalysis样本数之打算：SAMP_N.JMP(同图九)其中，K=1分析报告：针对每一个质量特性必需包含以下的分析报告QualityCharacteristicHistogramDistributionofnewprocess资料：针对的制程之原始数据〔同图三〕“DistributionofY”画出直方图，计算平均值与标准偏差利用”TestDistisNormal”Normality,假设”Prob<W”>0.05，表示不能拒绝其为Normal分布NormalCpk，利用“SetSpec.Limits”，输入管制上下界限TestNoisyDataonMeansandStandardDeviationsTestformean资料：批平均值JMP：NoisyData之检定,即检定Normality,Auto-correlationOutlier”检定，假设”Prob<W”>0.05，表示不能拒绝其为Normal分布〔同图五〕检定Auto-correlation与Outlier：利用”Noisy.jmp”template检定〔同图六〕TestforStandardDeviations资料：批标准偏差JMP操作：分析方式同上TestHypothesisTestforEqualLot-to-Lotstandarddeviation资料：批平均值JMP操作：使用SIG_TEST.JMPtemplate进展检定，DataAlpha=0.05,与目标值假设”Prob>X^2”>0.05，表示没有显著差异〔图十一〕Compeq 22of35 2023/6/23图十一:TestforEqualLot-to-LotstandarddeviationAnalysisTooling中选用SIG_TEST.JMP,LotMeanCopythenPasteintoit.输入Alpha=0.05TargetSigma=Lot-to-LotStdDevofoldprocessNosignificantdifferencebetweenoldandNewLot-to-LotStdDevTestforEqualMeans资料：批平均值JMP操作：“DistributionofY”“TestMean=Value输入目标值(图十二)假设“Prob>|t|”之值>0.05,表示没有显著差异Compeq 23of35 2023/6/23or歷史之平均值Prob>|t|value大于0.05Mean無顯著差異TestforEqualWithin-Lotstandarddeviations资料：批标准偏差JMP操作：“DistributionofY”“TestMean=Value输入目标值假设“Prob>|t|”之值>0.05,表示没有显著差异〔同上〕ControlChartoflot-levelmeanandstandarddeviationfornewprocess资料：Lot-levelmeansLot-levelStandarddeviationJMP操作：”Graph””ControlCharts”ChartTypeIndividual〔见管制图画法〕Compeq 24of35 2023/6/23试验策略之分析方法与报告格式--计数值(ex缺点率)(一)ExperimentStrategy1:pairedsampleretest(二)ExperimentStrategy2:pairedsamplesplitlot分析方法:Two_WayANOVA样本数之打算：SPLIT_B.JMP〔图十三〕图十三:SPLIT_B.JMP需输入的为﹕需输入的为﹕P-bar,Sp,n-bar,K,Alpha,Beta,Detla,n其中P-bar为OldProcess之批缺点率之平均值Sp OldProcessStdDevK为分析之制程个数 Alpha=0.05 Beta=0.1Detla=SpNote:Detla=Spiscommonlyusedvalue.n为拆批后每一小批含有的样本量JMP显示结果﹕L为试验所需之大批量TotalN2*n*L分析报告：针对每一个质量特性必需包含以下的分析报告1.QualityCharacteristicHistogramDistributionofnewprocess资料：计算制程之各批缺点率(同图三)JMP“DistributionofY”画出直方图，计算平均值与标准偏差TestNoisyDataonlot-levelDefectratePORProcess1.2.1.NewProcess资料：针对各批之缺点率进展检定JMP：NoisyData之检定,即检定Normality,AutocorrelationOutlier检定Normality”DistributionofY”TestDistisNormal”检定，假设”Prob<W”>0.05，表示不能拒绝其为Normal分布〔同图五〕检定Autocorrelation与Outlier：利用”Noisy.jmp”template检定〔同图六〕Compeq 25of35 2023/6/23TestHypothesisTestforEqualDefectrates3行，即Lot输入批号，设为Nominal格式ProcessNewPORNominal格式DefectRate输入各批之缺点率，设为Continues格式JMP操作：Analyze“FitModel”〔图十四〕YDefectRate,XLotProcess,StandardLeastSquaresRunEffectTest表中,假设“Prob>F”之值>0.05,表示没有显著差异图十四TestforEqualDefectrates“Prob>F”valueCompeq 26of35 2023/6/23Compeq27of352023/6/23ControlChartoflot-levelmeanandstandarddeviationCompeq27of352023/6/23资料：Lot-levelDefectRateJMP操作：”Graph””ControlCharts”ChartTypeIndividual(三)ExperimentStrategy3:twosampleconcurrent(四)ExperimentStrategy4:twosampleserial分析方法Fisher’sEaxctTest样本数之打算：SAMP_B.JMP(图十五)图十五﹕SAMP_B.JMP需输入的为﹕K,需输入的为﹕K,P0,Alpha,Beta,Detla,其中:K为分析之制程个数P0OldProcess之缺点率Alpha=0.05 Beta=0.1 Detla=P0JMP显示结果﹕Samp.SizeOldandNewProcess分别所需之试验样本量分析报告：TestHypothesis--TestforEqualDefectrates资料： 将资料整理成3行，(图十六)1.2.格式3.ProcessNewPORNominal格式Result输入Defect与OKProcess2NominalNumberProcessDefectOKContinues格式1.图十六:资料整理nx，求出LowerConf(Lc)UpperConf(Unx，求出LowerConf(Lc)UpperConf(Uc)，借着比较LcUc跟目标不良率〔p0Compeq，以打算是否与目标值有显著的差异：28of352023/6/23XProcess,YResultFreqNumber,按OK(图十七)图十七:TestforEqualDefectratesTest表中,LeftRight之机率Prob0.05，则表示两者缺点率有显著差异，可由不良品个数较高者，推断出其不良率显著较高；假设Left与Right之机率Prob皆大于0.05，则此两制程之不良率并无显著差异(五)ExperimentStrategy5:singlesample分析方法:F-method样本数之打算：SAMP_B.JMP(同图十五)分析报告：TestHypothesis--TestforEqualDefectratesJMPBIN_CONF.JMP〔图十八图十八BIN_CONF.JMPp0<Lc，则实际的不良率显著大于目标值。p0>Uc，则实际的不良率显著小于目标值。Lc<p0<Uc，则实际的不良率与目标值的差异不显著。(六)ExperimentStrategy6:singlesample：zerodefects分析方法:ZD-method样本数之打算：ZD_SAMP.JMP(图十九)图十九:ZD_SAMP.JMP分析报告：分析报告：TestHypothesis--TestforEqualDefectrates假设所抽出之样本数中没有不良品，则有很高的信念，推论实际的缺点率比目标值低。假设在所需的样本数中，有觉察任何的不良品，则推论实际的缺点率可能比目标值大。Compeq 29of35 2023/6/23Attachment1:ControlChart概念:与趋势图的差异在于管制图上多了一条中线及两条管制上下限不同管制图的适用范围方法方法适用范围资料个数>=30MovingRange Lot/Batch生产方式的数据Method数据必需无自相关现象SigmaMethod 数据有自相关现象时使用ShortrunMethod 6,30时使用Shewhartcontrolchart传统计算方法,Lot/Batch生产方式的数据管制图判读准则SPCRuleforMRMethodControlChart–Westernelectric’sRuleAprocessisunstableif:#1 Asinglepointisoutsideeithercontrollimit.#2 9ormoreconsecutivepointsonthesamesideofthecenterline.#5 2outof3consecutivepointsaremorethan2stddevfromtheCLonthesameside.#6 4outof5consecutivepointsonthechartaremorethan1stddevawayfromtheCL.SPCRuleforSigmaMethodControlChartAprocessisunstableif:#1 Asinglepointisoutsideeithercontrollimit.Unstable待确认StableSPCRuleforShortrunControlUnstable待确认StableCompeq 30of35 2023/6/23绘制方法MRMethodLotMeanandLotStandardDeviation数据JMP操作：(图一)Clickon“ControlChart”on“Graph”SelectLotmeanandLotStdDevandclickon>>Process>>Select>>Tests>>1,2,5,6Clickon>>Chart>>Compeq 31of35 2023/6/23SigmaMetho