制程能力分析最经典教材

流程能力分析目的•學完本單元後，您將能夠–陳述執行流程能力分析的目的–對離散型衡量指標的流程作能力分析–對連續型衡量指標的流程作能力分析–根據品質指標，如Cp,Cpk,Pp,和Ppk，選擇正確的改善策略–避免和流程能力分析相關的易犯錯誤或陷阱•流程能力為一個可用來預測績效的強大工具。為建立可免除進料或最終檢驗的系統的關鍵•然而，這個工具通常被錯誤的應用。您應該要瞭解此項工具，才不會被誤導•流程能力分析能回答以下問題：–“我的流程是否夠好?”•如果流程不符要求，流程能力分析能幫助我們找出需最少力氣的改善方法何謂流程能力?SixSigma專案階段流程能力分析在專案中的幾個方面是很實用的在測量階段中，用來描述流程底線狀況在改善階段中，用來顯現新的流程能力是合乎要求的在控制階段中，用來執行例行流程能力分析以驗證持續的優異績效表現定義測量分析改善控制流程改善路徑圖定義定義專案的範圍和目標指定黑或綠帶（BlackorGreenBelt）組成團隊，並建立專案章程測量繪製流程圖分析測量系統評估流程控制和能力分析排定變數的優先次序啟動流程FMEA進行流程觀察研究確認流程關鍵因數改善行動計畫設計和執行流程實驗解決方案驗證控制確定FMEA和最終控制計畫貫徹流程控制機制(移交和培訓)核實專案的長期能力流程控制&流程能力分析被動觀察研究(多變數分析)流程圖因果矩陣圖FMEA關鍵解決方案驗證測量系統分析控制計畫移交訓練成果維持驗證流程負責人簽核最終專案報告行動計劃流程實驗項目追蹤查檢表項目章程定義測量分析改善控制選定執行流程改善的因數如果您要使用流程能力分析來預測未來的流程品質水準，流程必須是穩定且可預測的。如果不符上述條件，流程能力分析就無法預測未來的品質水準。流程能力亦可用作診斷工具。如果您只想要用為診斷工具，那麼上述的條件就沒有那麼嚴苛。研究前提此流程是穩定且可預測的進一步的解釋這個圖表則是，如果沒有干擾發生，流程會保持在95.48左右，且資料會落在59.99和131.0之間60504030201001401301201101009080706050ObservationNumberIndividualValueIChartfordata1Mean=95.48UCL=131.0LCL=59.99穩定且可預測的此流程是不穩定且無法預測的您無法由這些資料預測資料落點會在何處因此這些資料僅適合用作流程能力的診斷分析1501005001901409040ObservationNumberIndividualValueIChartfordata111111111111111111111111111111111Mean=97.19UCL=125.7LCL=68.72不穩定且無法預測的規格上限規格下限客戶的聲音(VOC)的其中一種表達方式是--“可接受的”的績效界限定義：客戶的聲音定義：客戶的聲音1201101009080706095%ConfidenceIntervalforMu1009896949295%ConfidenceIntervalforMedianVariable:data193.43711.88191.860Maximum3rdQuartileMedian1stQuartileMinimumNKurtosisSkewnessVarianceStDevMeanP-Value:A-Squared:99.98017.09599.101127.242104.94296.44989.34362.00060-3.5E-02-3.7E-01196.45814.016395.48060.1190.58995%ConfidenceIntervalforMedian95%ConfidenceIntervalforSigma95%ConfidenceIntervalforMuAnderson-DarlingNormalityTestDescriptiveStatistics相同資料的分佈圖亦是流程聲音的表現方式60504030201001401301201101009080706050ObservationNumberIndividualValueIChartfordata1Mean=95.48UCL=131.0LCL=59.99流程行為圖是用來表示流程聲音的圖表1201101009080706095%ConfidenceIntervalforMu1009896949295%ConfidenceIntervalforMedianVariable:data193.43711.88191.860Maximum3rdQuartileMedian1stQuartileMinimumNKurtosisSkewnessVarianceStDevMeanP-Value:A-Squared:99.98017.09599.101127.242104.94296.44989.34362.00060-3.5E-02-3.7E-01196.45814.016395.48060.1190.58995%ConfidenceIntervalforMedian95%ConfidenceIntervalforSigma95%ConfidenceIntervalforMuAnderson-DarlingNormalityTestDescriptiveStatistics規格下限流程能力分析能比較客戶聲音和流程聲音來決定流程是否能滿足客戶需求流程能力分析規格上限765432115014013012011010090807060ObservationNumberIndividualValueIChartforC6Mean=101.7UCL=139.7LCL=63.711501005001901409040ObservationNumberIndividualValueIChartfordata111111111111111111111111111111111Mean=97.19UCL=125.7LCL=68.72此為我們由糟糕的流程中所抽出的小樣本。看起來挺不錯的。怎麼會這樣呢?長期和短期的數據三個原因•小樣本通常會低估變異量•小樣本捕捉到主要的資料偏移和飄移的機率相對來說比較小•不過，最重要的因素是我們收集資料的時間不夠長–我們給予變數呈現特性的機會不夠•“長期資料”是讓變數能夠充分的表達其特性的情況下採集的使您的流程看起來不錯，您應該…由同一班次中、同一位操作員、同一批物料和同一部機台抽取少數樣本如果您想要觀察流程真正的表現，您應該…由所有班次、不同批次物料、和所有機台抽取多個樣本給予每個變數有機會表現自己的特性(一副玫瑰色的眼鏡)如果您希望結果是….Kevin通常在SixSigma課程會提及一個原理；長期來看，流程會比短期內傾向多偏移1.5個標準差這個假設是有爭議的我們在第四周會進一步討論1.5Sigma的偏移範例1:您的流程製造5%的不良品。抽樣一件，拿到非不良品的機率是.95。抽100件，沒有任何不良品的機率是.95100或.005921。所以抽100件，至少會抽到一個或以上的不良品範例2:您的流程製造.1%的不良品。抽樣一件，拿到非不良品的機率是.999。抽100件，沒有任何不良品的機率是.999100或.9047。所以抽100件，會抽到一個或一個以上的不良品的機率少之又少當好的抽樣計畫變成不好時所有抽樣計畫在碰到極佳的品質狀況時都會發生問題，包含用來建立流程能力的樣本您有兩個選擇：全部檢驗，或免除最終檢驗，但您需要瞭解流程的輸入變數並且好好控制他們，這樣就能得到很好的品質。然後，做定期稽核以確定沒有發生改變持續地隨機抽樣不會讓您瞭解真正的情況因此…定義：數據種類離散或連續•離散資料為不連續、計數的資料–範例：•良品數、不良品數•空壓機A、空壓機B•反應器1、反應器2等•連續資料為不間斷的，能得到任何值的測量的資料–範例：•水銀溫度計•指標式速度表•公分長度•公斤重量離散型數據比率或每抽樣單位的缺陷數，即為流程能力能以下列方式表示DPUDPODPMODPPM1201101009080706095%ConfidenceIntervalforMu1009896949295%ConfidenceIntervalforMedianVariable:data193.43711.88191.860Maximum3rdQuartileMedian1stQuartileMinimumNKurtosisSkewnessVarianceStDevMeanP-Value:A-Squared:99.98017.09599.101127.242104.94296.44989.34362.00060-3.5E-02-3.7E-01196.45814.016395.48060.1190.58995%ConfidenceIntervalforMedian95%ConfidenceIntervalforSigma95%ConfidenceIntervalforMuAnderson-DarlingNormalityTestDescriptiveStatisticsUpperSpecLimitLowerSpecLimit連續型數據流程能力是由計算VOC和VOP得到，然後以Cp,Cpk,Pp,Ppk或DPPM表示兩個方法：離散和連續流程能力分析–離散型數據我們找尋缺陷的“範圍”它可以是：一段時間(每週的缺陷數)生產一單位(一輛汽車)或其他固定的“研究區域”定義：一單位缺陷(Defect)–偏離期望結果，一個單位上可以有多個缺陷。不良(Defective)–一個單位有一個或一個以上的缺陷定義：缺陷和不良每百萬機會的缺陷數=DPOx1,000,000.有時我們亦寫成(每單位的缺陷數x1,000,000)/每單位的機會數每百萬的不良品數(DPPM)=1,000,000個樣本中發現的不良品數找到的總缺陷數檢驗過的單位數每單位的缺陷數(DefectsperUnit-DPU)=找到的總缺陷數每機會的缺陷數(DefectsperOpportunity-DPO)總機會數=定義：簡單公式檔案：CPK.MTW總計缺陷數的簡單方法StatControlChartAttributeCharts/U50454035302520151050.0300.0250.0200.0150.0100.0050.000SampleSampleCountPerUnit_U=0.00912UCL=0.02724LCL=0UChartofDefects用您的數據作Uchart變數：缺陷數樣本大小：250首先，我們能先知道流程是否穩定和可預測再者，中線即為流程能力(每單位的缺陷數)更完整的說明可參考”統計指南”更多以“缺陷數”衡量的流程能力訊息StatQualityToolsCapability(Poisson)4641363126211611616420SampleSampleCountPerUnit_U=2.28UCL=6.810LCL=0504030201004.03.53.02.52.0SampleDPUMeanDef:2.2800LowerCI:1.8807UpperCI:2.7390MeanDPU:2.2800LowerCI:1.8807UpperCI:2.7390MinDPU:0.0000MaxDPU:6.0000TargDPU:0.0000(95.0%confidence)SummaryStats5.02.50.06420ObservedDefectsExpectedDefects6543210129630DPUFrequencyTarPoissonCapabilityAnalysisofDefectsUChartCumulativeDPUPoissonPlotHistogram用您的數據作Pchart同樣的，我們能知道流程是否穩定和可預測中線即為不良品比率如您在計算不良數…373329252117139510.040.030.02