流程能力分析课件

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,Six Sigma GB Training,M,A,C,I,D,MEASURE,能力分析,-,设定改进的基线,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。,2,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。,3,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,4,我们需要测量什么,是我们需要关注的商业度量指标（,CTQ/CTD/CTC,）。例如,，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,5,我们需要测量什么值,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值,6,转化,转化用于正态分布过程。,它表示值距离中心值的程度,例如有一个正态分布，,X=70,并且,=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,X,X,Z,7,值,如果把替换成容许限（规格上限和下限），就表示在过程的容许限和中心间存在多少个,。,这就是值的西格玛水平,例如有一个正态分布，,X=70,并且,=10,，则,X=30,并且,Z,=(30-70)/10=-4,USL=100,Z=3,30,70,4,3,100,8,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值？,多少数据足够？,如果每次我计算采集数据得出的值都不同，哪个是正确的？,9,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。,当短期值为，过程就是六西格玛过程,10,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,11,理解过程变化,打开文件,Batches.mtw,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？,12,理解过程变化,统计数据说明：月日，月,9,日，月,11,日，月,19,日,变量,N,平均值,StDev,最小 最大 极差,月日,100 83.937 5.011 72.529 96.371 23.842,月,9,日,200 81.630 5.065 71.561 96.579 25.017,月,11,日,500 89.083 5.022 76.710 102.027 25.316,月,19,日,150 91.865 5.524 78.422 109.150 30.728,统计数据说明：,C7,变量,N,平均值,StDev,最小 最大 极差,C7 950 87.412 6.243 71.561 109.150 37.589,13,短期能力与长期能力,过程的平均值随着时间偏移。,根据经验，偏移为,1.5,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,所以该六西格玛过程具有,Zlt=4.5,Z=4.5,时，缺陷率是多少？,LSL,Xst,USL,Zlt=,4.5,平均值偏移,=1.5,Zst=,6,Xlt,14,能力与绩效,Z,st,表示过程能力，而,Z,lt,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,15,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,16,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,17,稳定性,当变差只是由共有原因造成的，可以认为过程是稳定的。,一个稳定的过程可以预测变差。,特殊原因会破坏过程的稳定性，因为变差变得不可预测。,一个稳定的过程也被称为“控制”中的过程,18,能力与稳定性,只有当过程稳定时，能力才有意义。,如果过程失控，我们需要首先稳定过程。,只有当过程稳定时，才能对固有变差进行改进。,使用控制图分析稳定性。,六西格玛从业者的首要任务是识别和去除变差特殊原因。,一旦过程变得可预测，下一步就是识别固有变差原因并去除。,19,计算能力,能力可以定义为可容许的变差过程变差,LSL,X,2,USL,X,3,X,1,20,计算能力,边际能力,T=6,LSL,X,2,USL,X,1,X,3,21,计算能力,六西格玛能力,T=12,LSL,X,6,USL,X,3,3,3,22,计算能力,计算,0,2,4,6,8,10,12,14,16,18,20,1.,=,2.,=,3.,=,4.,=,哪个过程有最好的？,哪个过程有最多的缺陷？,23,计算能力,从上限和下限计算,Cp,0,2,4,6,8,10,12,14,16,18,20,哪一侧的风险较小？,3,3,X-LSL,USL-X,24,计算绩效,从上限和下限计算,Cp,0,2,4,6,8,10,12,14,16,18,20,哪一侧的风险较小？,3,3,X-LSL,USL-X,25,能力与绩效,如果公式相同，区别是什么？,区别在于西格玛计算！,能力中的西格玛包含了短期变差。,绩效中的西格玛包含了长期变差。,数据的采集为何会不同呢？,26,能力计算,能力包含了短期变差。,它要求短时间内的数据采集,采用群数据（通常,3-7,样本量）。,群中的数据点需要是连续输出。,很多群数据在一段时间内采集。,群内的平均变差可以表示固有变差。,西格玛的计算可使用公式,只有当过程稳定时，才能使用此公式,27,绩效计算,绩效包含了长期变差。,它要求长时间内的数据采集,数据表示的不止一天，如有可能应是超过一个月的变差。,如果数据点太多，可以用随机数据表示所有天数和批量。,平均值的平方根可以表示所有变差,西格玛的计算可使用公式,只有当数据是在长期内采集时，才能使用此公式,28,使用进行计算,打开文件,Capability_OD.mtw,文件包含了在,10,小时生产中次采集的,40,个子群。,LSL=36,，,USL=42,分析这些批次的图像总结，检查常态。,现在进行能力分析,选择,StatQuality ToolsCapability AnalysisNormal.,选择,单列，,选择,C4,为,Column,以及,C3,为,Subgroup Size,输入,Lower Spec.,为,36,以及,Upper Spec.,为,42,单击,OK,现在分析,Cpk,和,Ppk,值。,为什么会有区别？,29,使用进行计算,这是如何与值相关的？,30,能力、绩效和值,如果过程稳定，使用子群采集短期数据，计算,Cpk,并且,Zst=3xCpk,。,如果过程不稳定或稳定性未知，用随机采样采集长期数据，计算,Ppk,并且,Zlt=3xPpk,。转化成短期值，,Zst=Zlt+1.5,所以,以及,31,值计算路线图,Z,st,是基线值,选择,Y,属性,Y,变量,Y,计算,DPU,计算,Zlt,正态特性,非正态,稳定过程,不稳定过程,/,未知,计算,Zst,非正态能力计算,32,计算基线,Z,值,列,C1-C2,包含了加工过程中以秒为单位的长度数据。要求的最大长度为,555,。过程在过去的,6,个月中运行稳定。在最后的,35,个批次内的各前,5,件上采集数据。,列,C4-C6,列出了油漆过程的最近,1,年的操作数据。数据列出了在最后,62,个批次内的油漆的件数和送去重新油漆的件数。,列,C8-C9,包含了模制过程中以秒为单位的周期数据，规范为,60-65,秒。过程在过去的,8,个月中运行不稳定。在最后的,30,个轮班的各前,5,件上采集数据。,文件：,Capability_Examples.mtw,33,总结一下,.,只有稳定时才能对过程进行改进,能力数据应当用于稳定的过程,子群应当包含连续数据，而非随机数据。,绩效计算应当在表示长期变差的大量数据基础上进行。,注意，,Minitab,只是软件，不具备人的思考。,34,