流程能力分析.pptxVIP

1 流程能力分析 2 度量 如果无法测量，就不能对其改进。 度量可以帮助我们理解现状。 度量为我们指引正确的方向。 对个人感情和理解而言，度量可以提供客观性。 度量是一种通用的语言，帮助我们无主观性、变差和混淆地共享信息。 度量帮助我们设定一个共同的目标。 第1页/共34页 3 基线 当我们开始一个长途旅行时，我们会看一下里程标了解一下我们走了多远... 然而，如果我们不清楚从哪里出发的，我们能知道走了多远吗？ 基线为我们的旅程设定了一个起点。 它是首个测量，可以告诉我们现状。 它也能帮助我们设定目标和项目范围。 第2页/共34页 4 我们为什么需要测量？ 我们需要测量对于项目而言重要的是什么？ 我们需要追踪以下度量指标 Y 商业度量指标 Z值 第3页/共34页 5 我们需要测量什么－Ｙ Ｙ是我们需要关注的商业度量指标（CTQ/CTD/CTC）。例如 ＰＰＭ，表格错误率，半径变差，功率因子等 周期，交货周期，库存水平等 维修费用，设备成本等 第4页/共34页 6 我们需要测量什么－Ｚ值 Ｚ值是过程西格玛水平。 它是常用的度量指标。 用来测量改进的程度。 帮助我们与世界水平相比较。 世界水平或六西格玛过程是操作在六西格玛水平或Ｚ值＝６ 第5页/共34页 7 Ｚ转化 Ｚ转化用于正态分布过程。 它表示Ｘ值距离中心值Ｘ的程度σ 例如有一个正态分布，X=70 并且σ=10，则 X=30并且Z=(30-70)/10=-4 换句话说，X=30 偏离了–ve 侧平均值4个σ X X Zσ 第6页/共34页 8 Ｚ值 如果把Ｘ替换成容许限（规格上限和下限），Ｚ就表示在过程的容许限和中心间存在多少个σ。 这就是Ｚ值的西格玛水平 例如有一个正态分布，X=70 并且σ=10，则 X=30并且ZＬ=(30-70)/10=-4 USL=100, Z=3 30 70 4σ 3σ 100 第7页/共34页 9 且慢... 每次当我们生产一批产品，我们都会得到相同的变差数量吗？ 为什么不同批次的过程出现变化？ 我们能否完全消除批与批的变差？ 这些批次中的哪些数据应当用来计算Ｚ值？ 多少数据足够？ 如果每次我计算采集数据得出的Ｚ值都不同，哪个是正确的？ 第8页/共34页 10 于是... 每次我们当生产一批产品时，我们不会得到相同的变差数量。 批与批的过程变差是由于平均值随着时间的偏移。 我们可以减少变差，但无法预防。 这意味着与短期变差相比，过程在长期内具有更多的变差。 当短期Ｚ值为６，过程就是六西格玛过程 第9页/共34页 11 观察过程变化 过程的固有能力 随着时间的推移，一个“典型的” 过程会偏移 和漂移大约1.5 “短期能力” LSL USL T 时间1 时间2 时间3 时间4 过程不变的能力 “长期能力” 合并 std. dev. 总体 std. dev. 群内 群间 第10页/共34页 12 理解过程变化 打开文件 文件中包含了七月生产的4个批次的输出数据。 分析这些批次的图像总结并计算平均值， 是否有区别？ 现在分析整个七月的数据，我们需要合并数据。 选择DataStackColumns。 选择列 C1-C4 选择当前工作薄列，选中C7并把注脚存入C6 单击OK 现在分析这些数据的图像总结。 区别又在哪里？ 第11页/共34页 13 理解过程变化 统计数据说明： ７月６日，７月9日，７月11日，７月19日 变量 N 平均值 StDev 最小 最大 极差 统计数据说明： C7 变量 N 平均值 StDev 最小 最大 极差 第12页/共34页 14 短期能力与长期能力 过程的平均值随着时间偏移。 所以 Zlt=Zst-1.5 近似值 并且 Zst=Zlt+1.5 近似值 当一个六西格玛过程具有 Zst=6 Z=4.5时，缺陷率是多少？ LSL Xst USL Zlt= 平均值偏移 Zst= 6σ Xlt 第13页/共34页 15 能力与绩效 Zst表示过程能力，而Zlt和时间相关的绩效 什么是能力？ 固有能力 由于变差共有原因产生的 什么是绩效？ 最终输出 由于变差共有以及特殊原因产生的 第14页/共34页 16 变差原因 变差共有原因 是过程的固有部分 产生不变的变差 对每个数据点影响相同 反映出单位至单位的变差 变差特殊原因 通常在过程外 有时出现有时不出现 对某些数据点的影响比其它的大 反映出时间与时间的变差 第15页/共34页 17 变差原因－实例 变差共有原因 道路上的普通交通 机器滑块的正常缝隙 出席 大量生产中的尺寸变差 变差特殊原因 道路上的事故 磨损造成的滑块缝隙过大 生病 批次变化或供应商造成的变差 第16页/共34页