M阶段绿带教材(最新)

1、6Sigma绿带培训-测量阶段,目 录,01七种基本图形(简单介绍） 02过程能力分析 03测量系统分析 04流程图 05因果分析 06失效模式及后果分析（FMEA） 07M阶段回顾与路径,七种基本图形 1、X/Y图 2、柏拉图 3、时间序列图 4、控制图 5、箱图 6、点图 7、直方图,要理解数据，很重要的部分就是用图形展示数据。,1、X/Y图：表示两个因素之间的简单关系,2柏拉图、原理就是2/8原则阐明20的原因产生80的问题,3、时间序列图：观察特定时间内的数据变化趋势,4、箱图：用来分析种植和四分值关系,基本图形X/Y图、柏拉图、时间序列图、箱图,5、控制图：探测和监控过程的变异,基本

2、图形控制图、控制图、直方图,6、点分布图：用于小样本量（N10）数据分析,1File Open worksheet PIPE.MTW 2 Graph Dotplot,1File Open worksheet CAMSHAFT.MTW 2Stat Control Charts Variables Charts for Subgroups Xbar-R.,7、直方图：可以分析不同数据值出现的频率,数据的中心值以及数据的分布形状。,过程能力分析,过程能力是,过程在受控状态时,客户要求与过程表现(产品质量或服务的质量变动程度)的比值,如果过程表现越能满足客户要求,则过程能力越充分,反之则不足.,四个过

3、程,这些过程的过程能力如何?,LSL,LSL,USL,USL,过程能力如何?,过程能力充分 过程能力很充分,6 ,6 ,6 ,USL,USL,USL,LSL,LSL,LSL,过程能力非常充分,过程能力如何?,过程能力充分,标准差 sigma水平 =0.08 3 =0.06 4 =0.04 6 ,6 ,USL,USL,USL,LSL,LSL,LSL,过程能力非常充分,过程能力很充分,0.48,过程能力与客户要求,对于某一客户的要求,标准差越小,sigma水平越高,发生不良的可能性越小,过程能力越充分. 当标准差没有变化时,客户要求很严,这对不合格率和过程能力有什么影响呢?,什么导致缺陷?,额外的

4、变异来源 制造过程和测量系统 原材料的偏差 不合理的或过窄的规格,不适当的规格设计,不充分的过程能力,不稳定的原材料,过程能力分析,不充分的过程能力,LSL,USL,不充分的测量能力,不适当的规格设计,原材料的偏差,过程能力,多少产品超出了规格？短期的/长期的？,不同类别数据的过程能力分析,计量型 计数型,客户的要求,装配时间（Min）,客户的要求,110 115 120 125 130 135 140,缺陷 （130Min）,无缺陷 （130Min),缺陷数,1 2 3 4 5 6 7,过程抽样-短期,短期数据 无特殊原因 仅受普通原因的影响 从小范围数据收集而来 从一个班次收集而来 仅使用

5、一台机器 仅有一个操作者 仅使用一批原材料中的元件 很少过程具备提供真实短期样本的能力 很少数据采集系统具备真实的能力,过程抽样-长期,长期数据 反映了普通原因和特殊原因的影响 从大范围数据收集而来 从许多生产班次而来 使用许多机器 使用许多机器 有许多操作者 从大多数过程所收集的数据都代表长期过程,注意：长期能力sigma是总体sigma。,长期/短期过程能力,长期和短期能力(Z-偏差),通常长期和短期Sigma水平相差1.5 ZLT=ZST-1.5,ZST ZLT,ZST ZLT,要知道,收集了,初始过程数据 给出的是短期6 换成长期： 6-1.5=4.5,长期和短期能力(Z-偏差),ZL

6、T=ZST-1.5,分析短期和长期波动,绝大多数的数据是介于短期和长期之间 为评估真实的短期数据: 设计过程能力分析 分组的方法是否合理 有些过程是不宜进行短期能力分析; 取样非常昂贵或非常困难 过程生产的输出很少或过程周期时间很长,短期还是长期,另外一个方法可用来观察长期与短期：,准则：如果80%的输入是在它们自然的范围中起伏，则输出的数据可被认为是长期的；,机会,短期还是长期,Cp与潜在最佳值,Cp是描述潜在最佳值的好指标； 潜在最佳值观察得到的,过程短期绩效的最佳表现； 机会所观察的过程长期绩效与潜在最佳值之间的差异； 6 Sigma项目通过驱使长期绩效朝着短期潜在最佳值；方向发展,以缩

7、短两者间的差距。,短期（潜在最佳值）,长期,合并标准差与总标准差 各子组的方差可被合并，以得出一组内的标准差； 总的标准差是从所有的数据中计算而得，并没有考虑子组； 合并标准差没有计入组间的波动，而总的标准差考虑了； 合并Sigma是组内波动的最佳值。,短期还是长期,短期还是长期,长期数据与短期数据的分别 短期 数据是在有限的几个运行周期内收集； 数据收集的范围局限在几台设备和操作工； 数据特性几乎总是连续变量； 长期 数据的收集跨越许多原形周期或设备和操作工； 数据可能是连续，也可能是离散的； 离散数据几乎总是属于长期过程。,能力分析的类型,过程能力-计量型数据,计量型数据等于力量 ! !

8、!,计量型输出的能力确定 产品规格确认 抽样检验规格的实际数据(短期或长期) 计算Z值 将Z值转化成需要的指标 p p m,Cp,C p k,Pp,P p k,步骤1:规格确认,参数Y的规格正确吗? 参数Y是否在规格上下限之间的中心点? 要确定真实的能力, 真实的规格是必要的 这些是否被忽略: 如何设定规格? 由设计者-蓝图 由客户,例:1251.5mm,计量型数据过程分析能力,一名钢笔生产工程师想评估生产钢笔时控制钢笔长度的能力.客户要求为:1251.5mm. 该工程师每日随机抽取5支笔, 进行了7天, 共35个数据(见pen .mtw).试求Zst, Cp, Cpk, Zlt, Ppk ?

9、,例题：,步骤2: 采集数据-合理分组,数据采集应能捕捉过程的短期绩效和长期绩效(若有可能) 可通过快速采集一系列数据来完成,这些数据按时间序列排列 快速采集的数据应从合理分组中抽样,计量型数据过程分析能力,步骤2:采集数据-合理分组,何谓合理分组 从某一过程中连续产生的部件或单元中合理的选择,试图捕捉到过程最小的波动; 组内的差异只由偶因所致,组间的差异主要由异因造成; 合并标准差(合并是一种平均的形式)-Pooled SD是一种对潜在最佳能力的较好估计.,取样实例: 工程师每日随机抽取5支笔, 进行了7天采集长度数据(见pen .mtw).,计量型数据过程分析能力,步骤3: 计算ZUSL和

10、ZLSL,Z-值 提供了一个标准统计值 反映了与规格的上下限相关的过程能力,-LSL,X,123.5,124.61-,S,short-term,Z,LSL,=,=,=,2.26,0.49,步骤4: 计算Cp,计量型数据过程分析能力,步骤5:计算过程潜在的能力(Cp),例题: 一个过程的均值为325,标准差为15,规格上限为380,规格下限为270;Cp为多少? 若均值为355,标准差没有变化,则Cp又为多少?,计量型数据过程分析能力,步骤6:钢笔长度的Cp值,LSL=123.5 USL=126.5 u=124.61 =0.49,Minitab计算结果,计量型数据过程分析能力,步骤7: 计算钢笔

11、长度Cpk过程绩效,3,st,3,st,Cpl,=,u - LSL,Cpu,=,ULS - u,Cpk,=,min,（,Cpl,，,Cpu,）,Minitab计算结果,计量型数据过程分析能力,步骤8-1: 计算Sigma水平(Zst),选: CalcProbability DistributionsNormal填入数据得出:,x P( X = x ) 123. 5 0.0117470,x P( X = x ) 126.5 0.999943,Total=0.01175+(1-0.999943)=0.0118=11,800 DPOM,计量型数据过程分析能力,CalcProbability Dist

12、ributionsNormal,P( X = x ) x 0.9882 2 .26358,Zst=2.26,步骤8-2: 计算Sigma水平(Zst),选StatQuality ToolsCapability AnalysisNormal,计量型数据过程分析能力,CPm:考虑偏离与期望的过程能力=T/6*2+(M-)2,把短期的Sigma水平转换成长期的Sigma水平 问题:需要加1.5还是减1.5? 提示:长期Sigms水平不会比短期大. 答案:减1.5,Z long-term=Z short-term =2.26-1.5 Z long-term=0.76,1.5 漂移-从Zst到Zlt 被

13、用作根据短期能力来测算长期能力,反之亦然 被用作计算过程中的长期波动,步骤9: 计算Zlt,计量型数据过程分析能力,步骤10:预测长期能力Ppk,用长期能力代替短期波动,ZLT=ZST-1.5 ZLT=2.26-1.5=0.76 ZLT=3*Ppk Ppk= ZLT/3=0.25,Minitab认为长期的波动可通过组间的波动来预测,计量型数据过程分析能力,短期过程能力指标 长期过程能力指标,6*,short-term,Cp,=,USL - LSL,Ppk,=,min(Ppk,(USL),Ppk,(LSL),),3*,总体,=,USL,- x,能力计算公式汇总,min(,3*,总体,LSL,x-

14、,),总体,=,USL,- x,min(,总体,LSL,x-,),Ppk,Z,long,3*,=,USL,- x,min(,3*,LSL,x-,),=,USL,- x,min(,LSL,x-,),Cpk,Z,组内,组内,组内,short,过程变异幅度 设计变异幅度,组内,标准差的计算,总体,方法1: 长期标准差,方法2: 子组级差法, =R/d2,总体的抽样数据标准差，不进行子组分组，计算出来的过程能力为PPK值,其中，R是控制图子组极差的均值，而d2可以从休哈特系数表查得，它取决于子组的样本容量。用极差来估计标准差时，此种计算方法是“不精确”的，因为每一个子组只用了两个数据，且随着子组样本容

15、量的增加而越不精确。,组内,方法3: 移动极差法, = MR/d2=MR/1.128,组内,其中，MR是两个连续样本的移动极差，而d2可根据子组样本为2的从休哈特系数。最新研究表明，这种方法对各种失控类型都有很好的预警效果。,标准差的计算,方法4: 子组标准差法, = S/C4,其中，S是控制图子组标准差的均值，而C4可根据子组的样本从休哈特系数表查出。与“子组极差法”比较，计算起来有些麻烦（手工），但精确性更好。,组内,方法5: 子组标准差法, = Sp/C4（d）,组内,标准差的计算,其中：Sp = SSE/,i =1,）-m-1,l,l,i,d=（,组内,方法6: 标准普尔法, 的计算如

16、下:,组内,标准差的计算,a、当每组子样本容量ni相等时： =(s1 2+s22+s32+sn2) /n b、当每组子样本容量ni不相等时： =(f1*s1 2+f2*s22+f3*s32+fn*sn2)/（f1+f2+f3+fn） 其中fi=ni -1 ， ni=1，2，3 Sn为每组子样本的组内标准差。样本根据抽样时间进行分组；,组内,组内,过程能力计算练习1,某工程师欲分析杀菌过程,分析方法是监控每批产品杀菌室温度,所有不合格产品会重新返工. 产品合格率显示过去9个月有11.5%批的产品不合格.,PPM=缺陷比率 1000000=0.115 1000000=115000,Z-值: 假定所

17、有缺陷发生在左或右的一端 P(z?)=1- 0.115,那么Z为多少? P(z1.2)=0.885 用Minitab计算 ZLT =1.2,Z,计算Ppk,Zst和Cpk,Ppk = Z l t / 3 = 1.2/3 = 0.4,Z short-term=Z long-term + 1.5 =1.2+1.5 = 2.7,Cpk = Z st / 3 = 2.7 / 3 = 0.9,过程能力计算练习2,一PCB生产商想评估沉银工序微蚀速度的能力。微蚀速度规格: 101 3 m/min。 假设每天抽取5个数据，共抽取了20天的数据，测量各样本的微蚀速率并记录在Minitab中（rating.mt

18、w) 试求Zst,Cp,Cpk,Zlt,Ppk?,计数型过程能力分析,寻找计量型数据太难了! 遇上计数型数据该怎么办,缺陷数,1 2 3 4 5 6 7,计数型数据,使用Minitab计算Cp,Cpk,Pp,Ppk,问题: 如果你收集的是短期数据样本，然后在Minitab中进行能力分析，哪个统计量能代表过程真实的短期能力？,计数型过程能力分析,对计数型输出的能力确定： 步骤1： 验证缺陷的定义/描述 计算缺陷数量（并计算总产量）。通常可以使用历史数据并当作长期来考虑。 步骤2： 计算缺陷的比例和PPM 步骤3： 计算Z值，适用时偏移1.5 步骤4： 估计能力指标 将Z转化成Cp，Cpk，Pp，

19、Ppk,计数型过程能力分析,Total Units:35000 5000 60000 15000 20000,练习：用下面的Pareto图，计算Intrepid交付无缺陷产品的能力,计数型过程能力分析,步骤1：缺陷数据计算,1、验证缺陷的定义/描述 2、计算缺陷数量（并计算总产量）。通常可以使用历史数据并当作长期来考虑。,假设：每一个产品有一个缺陷机会 Intrepid产品缺陷数量：4000 Intrepid产品总产量：35000 计算缺陷比例和PPM Proportion of defects=0.1143 PPM=0.1143*1,000,000 =114,300 PPM 缺陷比例=0.1

20、1473 PPM=0.1143*1,000,000 =114,300 PPM,Total Units:35000 5000 60000 15000 20000,步骤2：计算PPM,计数型过程能力分析,计算Z值，适用时偏移1.5 在缺陷率为11.43%时，ZLT=1.204,步骤3：计算Z值,估计能力指标 将Z转换成Cpk & Ppk Cpk=ZST/3=0.9013 Ppk=ZLT/3=0.4013,步骤4：计算Cpk，Ppk,计数型过程能力分析,练习:同上例 路径:StatQuality ToolsCapability AnalysisBinomial,计算缺陷水平,计算每单位缺陷（DPU）

21、,计算每百万机会缺陷（DPMO）,Measurement Systems Analysis,测量系统分析,计数型MSA,计量型MSA,您的数据怎么样？ 六个西格玛方法建立在这样一种思想上：基于数据的决策。用于决策过程的数据必须是可靠的。基于不可靠数据的决策与无数据支持的决策没有什么差别。,测量是任何六个西格玛项目的基础,您的测量系统是否好得足以让您放心收集数据？ Gage R&R 分析给您答案。,测量系统的意义,-与进行测量有关的任何东西：人、测量工具、材料、方法和环境。,“测量系统”概念,将“测量系统”看作是会给测量数据带来额外误差的子过程，其目的就是使用误差尽可能小的测量过程。,S 标准

22、W 工件(如,零件) I 仪器 P 人/程序 E 环境, 可用函数关系表示测量过程输入与输出间的关系： y=f(X1,X2.Xn) Y:测量结果 X：输入测量对象,测量设备,人员,环境等,“测量系统”概念,任何观测数据的误差，都是部件的实际误差和测量系统误差的总和。,测量系统引 起的误差,观察值 总误差,部件差异引起的误差,2总值 = 2产品 + 2测量,测量系统误差的来源,总误差,被测量对象误差,测量系统误差,测量仪器误差,测量人员误差,准确性,线性,稳定性,重复性,测量人员误差,测量人员和被测量对象交互误差,散布源,总过程变差,过程变差,测量系统变差,LSL,USL,测量系统分析的目的：确

23、认总误差，测量系统中的 测量人员误差和测量仪器的大小，并对测量系统的 适用性作出判断。,2总值 = 2产品 + 2测量,测量系统的作用,测量系统分析（Gage R&R 分析）是用来分析测量系统的方法，目的是确定测量某种东西时出现的波动(误差)的大小和类型。 测量系统分析（Gage R&R 分析）将提供以下与您的数据有关的信息：,测量误差是否很小，相对产品规范或过程误差来说是否可以接受。 如果测量误差不可接受，从何处着手来改进测量系统 使您能够对数据的“质量”充满信心 测量仪器是否具有足够的分辨率,测量系统分析方法,根据测量对象的性质，测量系统分析有两种形式： 1.Attributes计数值/定

24、性值（离散数据） 数据不能以连续的标尺描述 通过/不通过，好/坏 采用计数型测量系统分析 2.Variables计量值/定量值（连续数据） 数据可以用连续的标尺来描述 采用计量型测量系统分析,注意： 1、一看到数据，就要确认测量数据类型 2、计数值和计量值必须用不同的方法处理,方差分析法 可以识别部品、人员、测量仪器的误差 可以识别人员和部品交互作用影响 2. 平均值和极差分析法： 可以识别部品、人员、测量仪器的误差 不可以识别人员和部品交互作用影响 3. 部品内偏差分析方法 可以用于特殊形状部品(如圆形)的测量系统分析 可以识别测量人员、测量仪器、被测部品的误差 此法计算繁琐 4. 简略法

25、可以识别测量系统总误差 无法区分测量人员误差和测量仪器误差 5. 即时法 可以确定自动测量系统的重复性误差 不提供人员影响数据,测量系统分析方法,确认测量数据类型 确定误差来源 选择样本 收集数据 分析数据,测量系统分析步骤,1、确认测量数据类别 根据数据性质，可 其分为： 计数型数据 计量型数据 2、确定误差来源 对于自动测定系统，误差来源为：部品本身误差和测量仪器误差。 对于普通测定系统，误差来源为：测量 人员、测量仪器和部品。 对于目视检查，误差来源为：检查人员和部品。 3、选择样本 计量型数据的样本选择 在选择计量型样本时，需使所选样本代表整个过程范围。 计数型数据的样本选择 在选择计

26、数型样本时，需同时选择部分规格内和规格外的样本，并 选择部分接近界限的样本,4、收集数据 收集数据即对选定的样本进行测量的选择 在测量前确认以下事项： 确认测量仪器经过校准，以保证其准确性和线性在规定范围。 确保使用足够的分辨率的仪器进行测量。如被测量对象的规格 范围为0.01mm,则需选用分辨率为0.001mm的测量仪器进行测量 测量时注意事项： 每个测量人员以附机顺序测量各样本，以保证在测量时不相互参照他人或自己以前的测量结果。 记录所有原始测量数据 5、对测量数据进行分析 完成测量后，最后一步是对测量数据进行分析处理，后续将对不同 的测量系统分析方法作以下介绍。,测量系统分析步骤,测量系

27、统的波动,测量系统的波动主要是由于量具和检验员的变化引起的。为了考察量具和检验员的波动程度，常常要选用一些零件或产品让检验员使用量具去测量。因此零件同本身的变异对测量结果也有影响，帮还要考察零件间波动； 如果测量系统的波动来源主要是零件间的变异，则测量系统状况良好。反之，测量系统的波动主要是由于量具和检验员的变异引起的，则测量系统状况不良； Gauge R&R主要分析各种波动在测量系统总波动中的百分比，从而判别测量系统的状况。,一、准确度和精密度,假定材料的硬度的“真值”是5.0,测量系统分析基本术语,a、精密度高、准确性低 b、精密度高、准确性高 c、精密度低、准确性高 d、精密度低、准确性

28、差,方法1得到的读数为：3.8，4.4，4.2，4.0 方法2得到的读数为：6.5，4.0，3.2，6.3 哪种方法更准确？ 哪种方法更精密？ 你倾向哪种方法？为什么？,系统可测量的小数部分的位数，测量的增量至少要达到产品或过程规格宽度的十分之一,二、分辨率（Resolution）,应该使用哪一把尺测量具有上述分布的过程？,测量系统分析基本术语,差的分辨率,好的分辨率,三、线性度（Linearity）,测量仪器准确度或精密度 在仪器量程内的变异。,四、相关性（Correlation）,对两变量之间的线性关系的测量,测量系统分析基本术语,五、重复性（Repeatability）,由同一个测量系统

29、，多次重复测量同一零件的同一特性时，所获得的测量值的变异称为量具的重复性，或称为测量系统的重复性，简称为重复性； 一个好的测量系统应具有很好的重复性，也就是它的重复测量值的变异是很小的；,重复性,第一次测量,第二次测量,测量系统分析基本术语,重复性：测量装置的固有变异 对同样的变量在相似条件重复测量时的变异 同一检验员、同一设置、同一量具、相同的环境条件、短期 用重复测量的分布的平均标准差来估计,五、重复性（Repeatability）,测量系统分析基本术语,真值,平均值,好的重复性,2总 = 2产品 + 2重复性+ 2再现性,由不同测量系统测量同一零件的同一特性所得重复测量的均值的变异，称为

30、量具的再现性，或称为测量系统的再现性，简称再现性。,六、再现性,再现性,测量系统B,测量系统B,测量系统分析基本术语,2总 = 2产品 + 2重复性+ 2再现性,不同条件下同一测量时的变异 不同的操作人员、不同的设置、不同的量具、不同的环境条件、长期测量变异 用不同测量条件下的测量平均值的标准差来估计,六、再现性,测量系统分析基本术语,七、稳定性（Stability）,测量系统分析基本术语,稳定性：随着时间而产生变异的程度 测量的分布保持不变，均值和标准差皆可预测 无漂移、突变、周期性循环等 用趋势图评价 通过定期校准和重复性与再现性分析加以控制,精密度-公差比例 表示测量误差所占公差的百分比

31、 5.15 meas代表99%的测量 最佳状况：10% 勉强可接受：30% 包含重复性和再现性,公差=规格上限规格下限,八、 P/T比例,一般用百分比表示,应用,P/T比例是对测量系统精密度最常用的估计 它评估测量系统针对相关产品规格的测量效果 适当的P/T比例极大依赖于过程能力,测量系统分析基本术语,%P/TV,表示由于测量系统的误差占所有变异的百分比 %P/TV：最佳状况：10% 可接受：30%,九、 %P/TV,一般以百分比表示,P/TV,%P/TV是6Sigma分析的最好测量 估计测量系统对整体过程变异的表现 %P/TV是实施过程改善分析的最好估计。所挑选的样本必须涵盖整个过程范围。,

32、应用,测量系统分析基本术语,十、 明显分类数,明显分类数（差别类数目）：指的是测量系统可以识别出的过程数据中的非重叠组的数目。,测量系统分析基本术语,Gage R R评价标准(计量型),一致性百分比评价标准(计数型),测量系统指标判断准则,测量系统判断准则,计数型测量系分析 离散数据Gage R&R,计数术语,计数型数据 可用作记录或分析的定性数据（通常为合格/不合格） 计数型测量系统 将每一产品与标准对比，如果符合标准的要求则接受。 可由检验员或合格/不合格量规来实施检查 筛选 用计数测量系统百分百评价产品 筛选效率 区分合格与不合格产品的能力 客户偏好 筛选标准太严格：合格产品被拒收 生产

33、者偏好 筛选标准太宽松：不合格产品被拒收,计数型Gage R&R目的,确定各班次、各机器、各流水线的检验员是否用同一标准区分合格与不合格 量化测量者或测量仪器是否能正确重复检验结果的能力 确定检验员/量仪符合标准的程度，包括： 检验员接受不合格产品的概率 检验员拒收合格产品的概率 识别以下各项： 培训需求（个别或全部检验员） 缺少程度或控制计划 标准没有清晰定明 量仪需要调整或进行相关对比,计数R&R方法,1）从过程中选取至少30件产品 在我们选出做分析的产品中应包括下列产品 不良品/无缺陷产品/边缘产品 2）挑选检验员和量仪，检验员应具有经验和资格 3）让每位检验员独立以随机的次序检验这些产

34、品并确定合格与否，再重复一次。 4）将数据输入至Minitab中； 5）记录结果，如需要采取恰当的措施修正检验过程。 6）重新进行分析，以验证修正措施,计数型Gage R&R,离散数据 是不能进一步有意义地细分的数据。 二元数据 是具有类似是/不是或者合格/不合格这样的仅有两种选择的离散数据。,应该在预期观察结果的整个范围内选择样本。你必须选取规范内、规范外和边缘的样本。 按照常规选择数据。 通过将试验之间和操作员们之间一致的次数与可能一致的次数进行比较，来分析数据。,估计总体一致量 估计一致的不同类型 确定一致性是否可接受 寻找改进的机会,二元离散Gage R&R 目标：,二元数据Gage

35、R&R Study实例：,现有一注塑的塑料部件：独立式洗碗机的控制面板，从外观上检验部件，包含直观脏点或其它异常(黑斑)的部件不可接受。 关于Gage R&R Study 50 部件 用于分析 一些可以接受，一些不合格，一些处于边缘。 对通常检验这种部件的5 个操作员进行分析。 每个操作员以随机顺序评估每个部件两次。两次评估之间相隔一个星期。 原始数据被输入表格中。 1 = 合格, 0 = 不合格,计数型Gage R&R实例,打开文件:计数MSA数据,原始数据被输入电子表格， 1 = 合格 0 = 不合格,在不同的星期对同一部件进行评估的结果,一些合格，一些不合格,所有 10个部件都相同,计数

36、型Gage R&R实例,百分比将显示系统是好是坏。如果需要改进的话，对数据的更详细分析将告诉我们从何处入手进行改进。,现在我们有了数据，如何处理这些数据？ 对于离散数据，以不同的方式进行Gage R&R分析。 我们可以根据分析确定三个不同的要素： 判断结果与标准一致性的百分比 量化测量系统误差 重复性一致性百分比 量化操作员个人误差 再现性一致性百分比 量化操作员之间的误差,计数型Gage R&R实例,计数型Gage R&R实例,测量数据依列放置！,测量数据依行放置！,计数型Gage R&R实例,各检验员重复性 百分比,各检验员判定与标准一致的百分比,各检验员再现性 百分比,各检验员检验结果全

37、部与标准一致的百分比,计数型Gage R&R实例,可重复性一致的 操作员 不一致的次数 百分比 1 786% 21080% 31374% 4 296% 5 198%,评估员的可重复性,操作员之间存在着较大的差别。 评估员A、B和C有必要改进，目标是象D和E一样。 找出评估员A、B和C 与D和E的做法有什么不同，并进行再培训。 首先解决可重复性问题! 如果一个评估员自身的结果就前后不一致，那么与其它评估员一致的总次数也就会很低。,计数型Gage R&R实例,我们通过分析部件的数据，可以获得有关可再现性的更多信息：,部件 24、33 和36 5个操作员中的3 个改变了结果,有什么改变了吗？在两次评

38、估之间它们被损坏了还是被清洁了？ 行动 确定部件是否在一开始就处于边缘状况 改进两次检验之间对部件的处理,计数型Gage R&R实例,对于离散数据gage R&R ，多大的一致百分比可以接受？ 一般来说，应该尽量获得95%以上的一致百分比。 如果结果非常主观，95%就是一个不切实际的目标。这时，高于85%的一致百分比可能是可接受的。 离散变量gage R&R 分析就是确定不同类型的“一致百分比”，并决定是否可以接受。如果不可接受，找出是什么因素导致不一致。,如果不可接受，确定从何处入手加以改进。,二元离散变量Gage R&R分析的目的 估计一致总百分比 估计不同类型的一致百分比 确定这些百分比

39、是否可接受,计数型Gage R&R实例,例题解析,检验员的评分，评价的是个人的一致性（重复性） 检验员评分比较标准，评价的是检验员和“专家”评价相符的程度。 检验员之间的有效评分，评价的是检验员之间的一致性（再现性） 检验员之间有效评分再比较标准，综合评价全部检验员和专家和一致性 （越接近100%越好！）,MSA样本指南,通常需要大概30个样本，2-4个检验员（如果多个检验员使用量仪），2-3次检验 根据研究的目的，可用1个或多个量仪 一般来说，选择足够的样本使样本数目检验员数目/量仪数目15 样本选择 选择1：如果过程变异未知，样本应包含正常过程/产品变异的全部范围（以获得TV） 选择2：如

40、果过程变异已知，样本应在规格范围内平均分布,测量目的：确定成品检验测量系统的 重复性、再现性是否符合要求 数据类型：离散型(0表示合格,1表示 不合格) 测量对象：库存电脑板KD23B-BA-Z 样本数：40 测量工具：目测(结合工装操作) 测量者：成品检验员3人 测量方法： 1.对已选定的已知合格/不合格部品； 2.3名检验员随机作2次检验并判定； 3.记录其结果 判定基准:按规格书上要求 数据收集：王久华,成品检验测量系统分析,例子： Y的测量系统分析,结果表明：1.该测量系统重复性为85%， 2.该测量系统再现性为80%。 根据测量系统信赖性判定标准：80% 结论：该测量系统可信赖。,成

41、品检验测量系统分析,Attribute Agreement Analysis for 检测结果 Within Appraisers Appraiser #?Inspected #?Matched Percent 95 % CI 1 40 39 97.50 (86.84, 99.94) 2 40 34 85.00 (70.16, 94.29) 3 40 39 97.50 (86.84, 99.94) # Matched: Appraiser agrees with him/herself across trials. Each Appraiser vs Standard Appraiser #?

42、Inspected #?Matched Percent 95 % CI 1 40 36 90.00 (76.34, 97.21) 2 40 32 80.00 (64.35, 90.95) 3 40 36 90.00 (76.34, 97.21) # Matched: Appraisers assessment across trials agrees with the known standard. Between Appraisers #?Inspected #?Matched Percent 95 % CI 40 34 85.00 (70.16, 94.29) # Matched: All

43、 appraisers assessments agree with each other. All Appraisers vs Standard #?Inspected #?Matched Percent 95 % CI 40 32 80.00 (64.35, 90.95) # Matched: All appraisers assessments agree with the known standard.,例子： Y的测量系统分析,计量型测量系统 连续数据 Gage R&R,连续数据 Gage R&R实例,让我们用 Minitab 来分析一些数据 我们将使用 Minitab 的测量仪器

44、R&R 研究功能,连续数据 Gage R&R实例,Minitab 输出,Minitab 产生解析的和图表的分析信息 解析结果 ANOVA 表格 散布构成 百分比占有率表 图表结果 X-Bar / R 图 散布构成 操作者*部品交互作用图 操作者别和部品别图 让我们先看解析结果，然后再看图表结果,连续数据 Gage R&R实例,Source %占有率 %研究散布 %公差 总测量仪器 10.67 32.66 68.61 重复性 3.10 17.62 37.02 再现性 7.56 27.50 57.77 操作者 2.19 14.81 31.11 操作者*样本 5.37 23.17 48.68 部品-

45、部品 89.33 94.52 198.56 总散布 100.00 100.00 210.08 明显的分类数 = 4,测量仪器 R&R 报表,% P/TV (与总误差比) 必须小于30 %P/T ( 与公差比） 必须小于30,明显的分类数，必须大于5,图表输出,形状尽量重合,大于50%红线以外,形状尽量重合,点大部红线以内,分级大于5,越平越好,右标相对越高越好.,越窄越好.,越重合越好.,图表解读Xbar / R 图,极差（ Range ）图可以帮助确定不合适的分辨率 我们要求在控制限内有最少 5 个可能的数值,我们想看到在 X bar图中散布在控制限的外面 这显示的是部品 - 部品的散布 如

46、果没有超限点, 你很可能没能获得生产中覆盖正常范围的样本,图表解读 X-bar Chart by 测量者,测量者对同一部品进行重复测量时测量值的平均 如果每个操作者的平均值不同，再现性是可疑的 我们要求更多的平均值落在控制限外部，但所有的操作者是一致的 这预示着更多的部品-部品散布，正是我们所要求的 我们想看到图上多数点落在控制限外部 X-bar有多点超出规格，则说明偏差来自部品本身，否则来自测量系统。,图表解读 R chart by 测量者,测量者对同一部品进行测量时最大值与最小值差异R值 可疑的不适当的分辨率，如果： R-图在控制限内有少于5个的明显水平 5 或更多的R水平，但多于1/4的

47、值为0 如果R-图显示非受控情况，重复性可疑 如果一个操作者的范围非受控，而其他操作者受控，那么方法可疑 如果所有的操作者的范围都非受控，那么系统对操作者方法敏感,样本别测量者的测量值 对每个操作者按照部品别画一条线 显著的交互作用由两个操作者之间的交叉线来显示 我们期望对所有的操作者，所有的部品都是平行线 如果存在操作者 - 部品交互作用，我们需要了解并加以解决,图表解读测量者-部品交互作用图,以前讨论的数据图表表示 （测量仪器，人员，部品） 我们要求测量仪器 R&R 部分越小越好，以使部品 - 部品部分尽可能的大,散布的构成,精密度,重复性,再现性,P/TV值,P/T值,如果我的数据来自破

48、坏性检验怎么办？,有些检验 (扭矩、抗屈强度、张力、模数、延伸率、硬度、电流强度等) 是破坏性的检验。样本不能由一个以上的操作员来测量。,样本的选择应该使“部件”自身的误差降至最低限度。,每个操作员不只是测量同一个样本。 每个操作员测量同一样本的一部分。这样，样本必须尽可能是同一类别的。,按照常规收集数据。 ANOVA 用来分析来自破坏性检验GR&R 分析 的数据。,样本内是相同的,样本之间存在差别,计数型MSA练习,计量型MSA练习,MSA练习,实验目的 判断测量系统的信赖性 实验内容 10个纸杯，装满不同高度的水。（水深差异越大越好）试用直尺测。 设公差为8mm，分为小分队，每队选2名为测

49、量者。各队实验并发表结果。,实验目的 判断测量系统的信赖性 实验内容 30朵纸花，1朵标准纸花；产品的分布分别为10朵合格，10朵不合格，10朵处理临界； 现请每队选3名测试者，每个判断两次，各队实验并发表结果。,路标,Y = f (x1, x2, x3, x4, . . . xn),全过程中“Y”的执行成效,Y的变量情况,我们从 “Y”开始:,流程图,降低测量错误 , “真实”能力评价 !,接受能力评价,FMEA 降低了“过程差错”的变量及效果.,原因及效果矩阵,FMEA,测量变量,实际变量,x1, x7, x18, x22, x31, x44, x57,这种复合型变量识别变量并将DOE过程

50、的X项减少,Y = f (x7, x22, x57),DOE识别过程的重要X项,及与Y项之间的关系.,对准位置对X项进行控制.,流 程 图 Process Mapping,学习目的： 流程图概念与术语 识别过程的开始和结束点。 3. 建立怎样完成工作的可视化流程图。 4. 识别过程输入和过程输出。 5.识别浪费和非增值工序。,流程图是什么？,开始,工序1,工序2B,工序1,工序2C,工序2A,合格？,结束,返工,Yes,No,现金订购流程,分支机构关闭,交 易,第二天的 现金要求,现金过剩,现金准备,交 易,现金打包,现金交付到地区分支机构,流程图是一种通过显示构成过程的步骤、事件和操作 (按

51、时间顺序) ，以简单、直观的方式定义过程的工具。 在DMAIC改进项目中，流程图用于加深对过程的理解、设立项目的界限、及确定需要改进的领域。,流程开始,术语,流程图 实际过程的一种图形表示。一详细流程图包括了许多 对过程改进有益的信息，如RTY、COPO、周期时间 和DPU。 增值步骤 一个为了满足顾客需求而对产品有增值的步骤。 客户 由项目的范围所定义。客户可能是最终使用者、另一 内部的组织或下一过程步骤。 输出 产品中被客户所定义成关键因素的任何东西或特性。 输入 对输出有影响的变量。,控制变量 那些容易改变并能衡量其对输出（Y）的影响的变量 或输入。 噪音变量 那些难以控制的变量或输入

52、文件化的过程 过程的由受控文件来定义（过程规格、工作指导书、 培训书册等） 实际过程与隐蔽工厂 过程本身存在工厂内，包括：返工、设备选择的编号、 非文件规定的检验、“经验”等。 理想过程 你所期望的过程是：简单、高效、没有缺陷和任何不 增值的环节。,术语,流程图符号与步骤,1. 设立目标，选择图的类型。 2. 确认过程的界限、客户、供应商、输入和输出。 3. 收集有关过程的信息。 4. 制作流程图。 5. 确认流程图。,流 程 图 符 号,流程图步骤,过程的版本（至少有三种）,你认为它是,它实际是,你想要的是,应该过程,实际过程,理想过程,为什么需要流程图,详细的流程图有助于确认：,过程的输入

53、和输出； 测量系统； 需要进行能力研究的过程； 可去除的非增值工序； 返工和修理显而易见； 数据采集点和数据采集系统的差异； “隐蔽工厂”,项目范围的样本； 作为后续活动渠道； 为因果矩阵、失效模式及效果分析和控制计划提供输入。,过程指定同时又可提供：,发挥项目团队力量（头脑风暴） 通过实现验证、访谈和评审现有流程图和标准 越早运用流程图越好 流程图 阐明小组应关注的区域 防止小组活动超出课题范围 开始和结束必为可测量 如果可能让相关的作业人员随时看到流程图和放大副本 欢迎提出修改、建议和措施,做流程图注意点,服务业流程图,服务业流程比制造业流程更隐蔽； 服务业流程流程图把“隐蔽”工序转化为“

54、可视”的 工序；,流程图对服务业流程特别有用，因为：,流程图步骤,1.确定过程开始和结束点； 2.头脑风暴法列出工序清单； 3.实地验证和访谈； 4.注释贴上列出关键工序；,5.讨论、回顾和修改； 6.再次实地验证和访谈； 7.注释贴上添加检查、返 工、修理和报废步骤； 8.“现状”流程图获得一致意见,流程图工具： 页纸和标记； 注释贴； 软件应用程序。,保持简单化！,在此阶段“现状”流程图应是“高层简略图”，但应 包括所有为改善活动提供资料的基本步骤； 理想地，显示5到10个步骤； 以后增加更详细解释。,步骤1：开始和结束点,回顾问题陈述； 描述过程引起的问题； 讨论可测量的开始和结束点；

55、达成共识并记录。,例：“客户为图纸修改要等太长时间” 过程：图纸修订过程。,问： 1）开始点可能是什么？ 2）结束点可能是什么？,1）开始：客户要求填 写图纸修改申请表 2）结束：CAD文件交 付给客户。,步骤2：头脑风暴,写下并展示开始点和结 束点； 小组头脑风暴讨论与开 始点和结束点之间的过 程步骤。,开始： 客户要求填写图纸修 改申请表。 问： 开始点和结束点之间可能 的工序是什么？ 结束： CAD文件交付给客户。,过程步骤,开始： 客户要求填写图纸修改申请表。 下一步： 画出改变的图纸； 评估改变效果； 决定需要修改哪些图纸； 修改相关图纸 结束： CAD文件交付给客户。,步骤3：首次

56、实地验证和访谈,小组实地验证现有过程； 观察怎样完成工作； 同大家沟通（访谈）； 做笔记； 着眼于过程步骤。,步骤4：注释贴,将过程步骤写在注释贴上； 在墙上陈列注释贴； 现在挂上所有的注释贴,修改图纸,确定规格,小组会议,定位CAD、 文件,评估效果,印制副本,制定文件包,制作草图,呈交客户,步骤5：讨论、回顾、修改,讨论、回顾和修改注释贴的流程图； 对过程步骤取得一致意见； 对修改步骤取得一致意见； 仅保留重要过程步骤,对重要的过程步骤： 为改善提供足够信息； 有可测量的输出； 可能产生的缺陷（CTQ、CTC、CTD）； 有明确的开始和结束。,步骤5：讨论、回顾、修改,右边显示的流程图 哪些步骤可能是重 要的？,修改图纸,确定规格,小组会议,定位CAD、 文件,评估效果,印制副本,制定文件包,制作草图,呈交客户,步骤6：第2次实地验证和访谈,再次验证过程； 查找遗漏的步骤； 查找检查、返工、修理和报废； 做笔记。,步骤7：增加改变项,增加注释贴； 增加检查； 增加返工和修理； 增加报废； 陈列所有的注释贴。,修改图纸,通知销售,评估效果,制定文件包,制作草图,呈交客户,客户要 求修改,图纸确认,客户收到 CAD文件,效果确认,No,Yes,Yes,No,步骤8：“现状”流程图,修改图纸,通知销售,评估效果,制定文件包,制作草图,呈交客户,客户要 求修改,图纸确认,客户收