世界级质量管理工具谢宁DOE

谢宁DOE概述DOE：试验设计是有目的的改变过程输入因素（X）以观测相应的输出变化（Y）的行动。Y=F(X1,X2,X3……Xn)什么是DOE？DOE是一种质量工具，要解决的变量X与Y的关系，如果逆向知道问题Y，如何找出X1，X2，X3……..？designofexperimentX：变量变量是有害的Cp和Cpk表征变量分布所有变量的都很重要？需要找出和控制DOE分类：经典DOE、田口DOE和谢宁DOE8/2原则80%的问题（Y）是由哪些20%的原因（X）造成的帕累托定律原理目的简单，有效强调与部件对话10大工具DOE逆向：知道问题Y如何找到XY：绿Y，代表要解决的问题和目标X：变量红X粉红X浅粉红XX变量对Y的影响比重20%10%50%0%10%20%30%40%50%60%红X粉红X浅粉红X原因重要性绿Y利克特尺度：在好坏之间建立一个好坏程度，如1代表差，10代表好；好处：减少数据量测量精度：5:1，（即变量变化范围:测量工艺精度）≥5针对20个以上的变量确认重要变量确认改善效果优化X变量的公差持续改善思维创新工具确认重要变量成对比较多变量分析部件搜索产品/过程搜索集中图变量搜索全析因BVsC分析散布图SPC确认改善效果优化X变量的公差持续改善响应曲面图为什么首先要讲多变量分析？最重要的是该工具针对大量没有直接联系的、猜测的可能原因和不可处理的变量减少到少得多的一族相关变量。多变量分析为其它工具的使用提供一个分析基础。多变量分析是一种过滤技术，将20个以上变量过滤，定位最可能的原因，可以形象的称之“漏斗法”扑克戏法的原理：对于27张牌，三次定位找出指定的牌（红X），即第一次找出红X所在的列，可以排除18张牌；再次洗牌后，确定红X所在的排，排除6张，只剩3张牌；再次洗牌，则可以轻松的确定唯一的红X鱼骨图的无奈——常用的分析问题的方法鱼骨图可以分析问题产生的可能原因，但并不能进一步分析，到底哪个是主要原因，次要的原因。只能每项可能的原因都要进行改善，效率低，很多原因可能只是猜测，这正是多变量分析的优势。目的：在X1，X2，X3，…Xn中出红X、粉红X、浅粉红X所在的变量族方法:1.针对每个变量，从产品或制程抽出四至五个样品作为样本,并测量有关之质量特性2.定时重复抽取样本,直到样本整体能反映大部份(约80%)的不良变异3.按时序制作多变量图4.观察何种变异最为显著——多变量分析的过滤器1.位置变量(样本内的）部件内部/组件内的不同位置在成批加料时出现的位置或范围的变化不同机器/不同试验位置不同生产线之间/不同工人之间的质量变化2.周期性(样本之间的变化)在同样的时段，从一个生产过程中抽取的连续的部件间的变化不同的批次/部件组中的变量3.时间性的变化小时、天、周、班别的变化差异变量族的划分设计多变量具体研究步骤1.测量仪器的精度至少是产品精度的5倍2.确定可出现的变量的族的数目3.画出族谱4.估计所要求的不同时间取样的次数5.确定对在加工过程中连续抽取的部件的数量（一般3~5）6.确定在部件内，族系的取样数量，如方位、机器、模腔的数量）7.将第4、5、6不重的数量相乘，以确定要研究的部件总数8.设计一个图表，简化多变量数据的收集多变量分析案例（一）印刷电路板在钻孔时产生的过量毛刺，用利克特度量尺度把毛刺分成1到10级，然后对各种变量族系进行甄别。决定仅用一天的时间进行试验，期望在一天之内就能充分找到至少80%的重要变量。•每天三班倒•有13台同样的钻床•每台机器有4个钻削夹头•每班有8个工人操作机器•每台机器上有3个装在PWB板上的控制板•每台机有10种钻孔尺寸针对各个x进行族系的划分：每天三班倒每班工作时间的变化有13台同样的钻床每台机器有4个钻削夹头每班有8个工人操作机器每台机器上有3个装在PWB板上的控制板每台机有10种钻孔尺寸时间对时间时间对时间部件内部件内部件内部件对部件部件内首先画出族谱图，按照三个族系分类，然后确定各个x的取样数目，一般3~5就可以。从上可以得看，存在3大族系，个子族系，如下图：然后设计数据收集表格某芯片生产线对芯片与基带的黏贴度进行多因素分析,并得出如下结果:多变量分析案例（二）变量图，利用收集到的数据做图。图标可以直观的判断哪个变量族变化最大。水平线表示时间——也可以是周对周、天天天，小时对小时，批次对批次，垂直轴表示正在研究的绿Y。从图中可以看出，位置变量的变化最大，这说明红X在位置变量内某加工者在制造直径要求为0.0250英寸±0.001英寸的圆柱体转子轴时，出了很多废品。有3个轴式上午8点加工的，其它的为上午9、10、11和12点加工的。对每个轴要进行四次测量——2次在右面，两次在右面，对每个轴从左到右测量锥度；从上到下测试不同心度，让轴转动，测量最大直径点和最小直径点。这样，在部件内变量中，就会出现两个子族，即锥度和不同心度，绿Y为转子的直径。针对数据做变量图如下：多变量分析案例（三）第一种变量图第二种变量图针对同一个问题，两种变量图，从图可以看出，第二种变量图更为直观明了，可以很快发现，时间变量最大。具体应用到切片生产中，可以针对一般线痕的问题做相关分析的案例。相关变量如下：1、车间3个班（A、B、C）2、车间有36台机3、每个班有6个主操手，没人负责6台机器4、每个班12个小时5、切片机使用M（380kg）和N（270kg+120kg）两种砂浆6、切片机存在两种40工艺和42工艺将线痕的轻重（即硅片的最大粗糙度）做绿Y多变量分析案例（四）族谱图分析绿Y：线痕粗糙度时间对时间部件对部件部件内班次对班次（3）时间对时间（3）工艺对工艺（2）员工对员工（3）机台对机台（9）砂浆对砂浆（2）注：针对各个变量选取适当的取样次数，每4小时取样一次，主操手6个选取3个，机台36台选取9台。设计数据收集表变量族时间对时间班#ABC时间前4h中间4h后4h前4h中间4h后4h前4h中间4h后4h工艺#变量族工艺40员工#甲乙丙机台123151617343536砂浆#MNMNMNMNMNMNMNMNMN1.首先确定重要变量的族系（注意：红X仅可能存在于几个族系之一中）2.如果红X是位置变量族，则需要使用集中图，分析出绿Y所在具体的位置；3.如果红X是部件对部件的变量组,就要检验周期图形、灰尘及管理等，这些银子可以影响一个部件，蛋不会连续影响其它部件，为进一步使用部件搜索和成对比较相对顺利；多变量图的后续分析4.如果是时间变量组，注意过程中随时间变化的规律，可进行产品/过程搜索。5.如果残留的相关变量在5~20个，可以进行变量搜索；如果少至2~4之间，可再进行全析因分析。6.如果只有一个，可直接进行BVsC比较，确认改善效果。适用的条件：变量处于部件内，为位置变量，下一步应当绘制部件内问题的精确定位。目的精确定位部件内问题的位置，为多变量分析的续篇。从谢宁DOE解决问题的路径图中可以看出其所在位置：应用于：1、检查问题/缺陷是否集中发生在产品或过程中的某一特定区域；2、当缺陷可能发生在产品的多个位置上（如气孔、针孔、污损）；3、缺陷可能产生于过程中的多“流”，且流的数量较多，无法应用多变量分析（如：批量式热处理）；“流”可以是设备、夹具等方法：1、画出零件草图，并划分成多个区域（栅格）；2、将Y（结果）按1-5的等级量化；3、从过程中连续收集零件，如有缺陷，确定其区域和严重程度，在相应的栅格处标上等级数；4、持续收集零件，直到80%的历史不合格状况能够被覆盖。某公司在控制面板上进行喷漆的过程中，成品率仅为82%。于是进行了多变量分析，经确定重要变量是控制面板内的变量。研究人员制作了一个集中图，显示出4种缺陷，以及每种缺陷的数目和位置。从图中可以看出，铁钴镍合金的缺陷达43个，占到总缺陷的79.4%，集中于控制面板顶部的中部，这是由于控制面板是用铁铬镍合金制的钩子沿面板上棱的中部挂起来的，这些钩子没有进行定期清洗，导致钩上的碎屑掉到了控制面板上。分析和结论1、仅需进行目视分析；2、检查缺陷是否集中发生在产品或过程中的特定区域；3、如缺陷集中于某过程流，则变异源于该过程（如：炉内各区域温度的不同）；4、如缺陷不是集中于某过程流，则变异源于原材料的差异;如缺陷集中于某产品流，则变异源于该过程的缺陷/不足；5、如缺陷不是集中于某产品流，则变异源于该过程设计或材料问题；部件搜索部件的交换是否能将绿Y带走？用途：用于装配操作，可拆卸的部件对比适用条件：通过多变量分析发现重要的变量存在于部件对部件时；或在同样的运行条件下，同时存在好坏时，直接使用部件搜索。试验样品：2个，1“好”和1“坏”，两个部件的差异应该尽可能的大，考虑两种极端情况。原理：交换理论，两个相同部件的对换，绿Y是否被带走试验具体步骤：1、取样：1个最好的样品和1个最差的样品，差异尽量大，有利于重要的因子的捕捉。2、分别拆卸/重装2个样品部件2次，测量绿Y是否重现。3、显著性检验，两个样品之间的差别是否显著。3次绿Y的输出都是好的样品高于差的样品，之间没有重叠交叉。D/đ≥1.25，才进行下一步；低于1.25则说明问题在与部件的拆卸/重装过程。（D和đ具体应用时讲解）4、子部件交换，测量每次交换后两个部件的输出。5、使用判断极限，如果输出超出了判断极限，则为重要因子。（判断极限，具体应用时讲解）6、进行析因分析，量化因子的重要性和相互作用。某厂生产的振荡器的时间延迟，同时存在高值（H）和低值（L）。通过拆卸/重装，结果如下：阶段一高值组件（H）低值组件（L）配置结果（ms）配置结果（ms）初始所有组件，高13所有组件，低34第一次拆卸/重装所有组件，高16所有组件，低38第二次拆卸/重装所有组件，高15所有组件，低35部件配置结果（ms）配置结果（ms）阶段二A：晶体ALRH16AHRL19B：微处理器BLRH16BHRL35C：晶体管CLRH14CHRL33D：电容C2DLRH15DHRL37E：电容C1ELRH16EHRL16阶段三A和EALELRH32AHEHRL171、根据一阶段图表进行显著性判断：D/đ≥1.25D=高中值—低中值=高中值（34、38、35）—低中值（13、16、15）=20đ=[高中值（34、38、35）取值范围+低中值（13、16、15）取值范围]/2=3.5D/đ=20/3.5＞1.25，这说明部件的差异不在组装过程，而是在子部件的差异。2、进行第二阶段的部件互换，根据阶段一得数据做判断极限：高值范围=高中值±2.776đ/1.81=35±2.776*3.5/1.81=35±5.37低值范围=低中值±2.776đ/1.81=15±2.776*3.5/1.81=15±5.373、做曲线图，看哪些子部件的交换导致输出超出了判断极限，即为重要因子4、做析因分析通过上表，可以算出A的主效应=[(35+17.5)—（15.5+17.5)]/2=10E的主效应=[(35+17.5）—（15.5+17)]/2=10AE之间的交互效应=[(35+15.5）—（17.5+17)]/2=8成对比较复杂的东西简单化，统计的东西非理论化用途：用于装配操作，部件不能拆卸分离时对部件的属性进行比较鉴别重要因子适用条件：在同样的运行条件下，同时存在好坏时，直接使用成对比较，避开多变量分析。试验样品：6-8个好部件和6-8个差部件。成对比较的通用性很强，可以用于设计、管理、技术等各种场合的部件对比。后一章关于部件/过程搜索的方法与本章基本一样，成对比较主要针对不能拆卸的子部件参数，而产品/过程搜索主要针对过程参数，如温度，角度，湿度、时间等变化的因子。其实在具体使用中，子部件的参数和过程参数都可以同时使用成对比较。产品/过程搜索就不再累述。使用方法：1、选则采样量。选取相对于调查的绿Y尽可能远的6个或者8个好的部件以及同样数量的差的部件。好的和差的部件的绿Y值应该相差越大越好，有利于找出红X。2、尽可能多的罗列出可以表达好的和差的部件绿Y差异的参