西格玛教材40-11（unit-3测量 3.4 统计过程控制（spc)）
测量(Measure)阶段,SPC 概要 ( Statistical Process Control ),Define,Measure,Analyze,Improve,Control,Step 4- Project Ys 确认,Step 5- 现水准测量及改善目标确定,Step 6- 潜在原因变数 (xs) 发觉,基本统计 统计过程控制 测量系统分析 流程能力研究,流程改善方法论 - DMAIC,SPC的概要 SPC的必要性 Data 收集及分析方法 Data的GRAPH化 Data种类别管理图制作 SPC 使用例子 管理图使用方法 Sub grouping 计数型管理图 6 的因果关系,目录,SPC的历史 - 1924年 Bell 研究所 W. A. Shewhart创始. - 为了把握可管理的变动和不可管理的变动而使用. 常规原因(Chance Cause, Common Cause). 特殊原因(Assignable Cause, Special Cause). - 在所有噪音存在下找流程的异常信号. - 主要的工具使用管理图 (Control Chart). - 今天的 SPC 的意义 Statistical = 为了调查流程变动使用的统计方法. Process = 流程, 意味着所有的流程. Control = 通过积极的管理，管理流程.,.,SPC的概要,常规原因 (噪音) 存在于所有工程. (工程在管理状态下) 根据工程本身(我们做事的方法)发生. 排除也可以减少为此要求工程上的根本性变化. 异常原因 (信号) 大部分存在于运转/工程上. (因管理不足发生的散布) 根据一连独特的变动引起. 基本性工程管理和通过监测排除或能减少.,散布的要因,SPC的概要,Problem,Symptom,Off-target,Process,Symptom,Instability,Variation,Off-target,Problem,Definition,Y,通过SPC诊断问题的症状.,SPC的必要性,漏斗效果 (Funneling Effect) -SPC是管理图以外的工程测量,分析,改善的作用.,重要 X选定,重要 X 管理,所有X,1次变数LIST,选别LIST,测量,分析,改善,管理*,SPC,SPC的必要性,数据收集及分析方法,检查表,检查表是所有品质工具中最有用的诊断方法中的一个. 检查表是收集数据迅速分析的工具,有如下好处. - 在生产现场中收集数据圆滑, - 帮助 六西格玛项目队长分析迅速 实际制作的检查表点检.,数据收集及分析方法,Concentration Diagrams - 表面缺陷哪个部位发生的最多时记录的检查表例子,数据收集及分析方法,制定改善目标优先顺序时的有用工具. 帕累图是引起不好影响的 80%问题用 20%集中起来. 打开EXH_QC.MPJ,帕累图,数据收集及分析方法,Defects Counts Missing Screws 274 Missing Clips 59 Defective Housi 19 Leaky Gasket 43 Scrap 4 Unconnected Wir 8 Missing Studs 6 Incomplete Part 10,数据收集及分析方法,数据图表化,图的使用目的,图表帮助我们理解散布的本性 图表使数据的本性更容易被人的思维所理解 数据帮助揭示数据的内在联系 在数据分析中，图表应该是第一种描述工具 如果你不能以图表来说明，你很可能得不到一个好的结论 图表帮助把信号从噪声中分离出来,单值图,个体图看上去像一个运行图，但现在它们为数据提供了一些工程控制限,数据图表化,数据图表化,计数值 (Attribute Data) 是/不是 良好/不良 营业所1,2,3 交代组 1,2,3组 能数 (文件里的错别字, 选定的商品数等) 计量值 (Variable Data) 连续数据(小数点也用意义) 时间 (秒) 速度 (ft/min) 长度 (inches) 等等,Types of Data,按数据分类的管理图制作,计数值/计量值 ?,(1) 公司生产的每台洗衣机的RPM (2) 一个班次生产的部品的平均RPM (3) 拖板标签上的打印缺陷数 (4) 每份销售合同的打字错误数 (5) 月生产中脱离规格的部品数 (6) 月生产中脱离规格部品的% (7) 汇总一个应收款所花费的时间 (8) 每生产100件部品中有缺陷部品的数量,计量型,计量型,计量型,计数型,计数型,计数型,计数型,计数型,按数据分类的管理图制作,管理图类型介绍,计量型管理图 Individual-X and Moving Range Chart X-Bar / R Chart 计数型管理图 np-Chart p-Chart c-Chart u-Chart,按数据分类的管理图制作,(1) 公司生产的每台洗衣机的RPM (2) 一个班次生产的部品的平均RPM (3) 拖板标签上的打印缺陷数 (4) 每份销售合同的打字错误数 (5) 月生产中脱离规格的部品数 (6) 月生产中脱离规格部品的% (7) 汇总一个应收款所花费的时间 (8) 每生产100件部品中有缺陷部品的数量,I-MR,Xbar R,u 或c 图,u 或 c 图,p 图,p 图,I-MR,np 图,练习: 用哪种管理图？,按数据分类的管理图制作,计数型,计量型,什么类型的数据 ?,按群还是按个 体收集的数据 ?,数特定缺陷 或缺陷性项目?,群 (平均值) (n1),个体数值 (n=1),X-Bar R X-Bar S,个体移动范围 （ I-MR ）,特殊类型的“缺陷”,缺陷性项目,缺陷的概率低吗?,如果你知道坏的数， 你知道好的数吗？,泊松分布,二项分布,个体移动范围 （I-MR）,否,是,是,每个样本数 的几率面积不变 ?,是,否,c 图,u 图,不变的样本数 ?,np 图,否,是,p 图,选择正确的管理图,注: X-Bar S 适合于群大小 (n) 10,MINITAB管理图,管理图使用方法,当违反了一个规则时，我们用“脱离控制”来描述,管理图规则,我们将使用的规则: 规则 #1: 1点脱离UCL 或 LCL (3-sigma 限) 规则 #2: 3个连续点中2点脱离2-sigma限 规则 #3: 5个连续点中4点脱离1- sigma限 规则 #4: 8个连续点在中心线的一侧 图案规则: 一个图案自我重复,这意味着某些“非正常”的情况发生了- 去把它查出来!,管理图使用方法,探测控制不足,“路径规则” (1) 从规则 #1 和图案甄别规则开始 (2)如果需要高的灵敏度，用规则 #2, 3, 和 4衡量,我们将使用的规则: 规则 #1: 1点脱离UCL 或 LCL (3-sigma 限) 规则 #2: 3个连续点中2点脱离2-sigma限 规则 #3: 5个连续点中4点脱离1- sigma限 规则 #4: 8个连续点在中心线的一侧 图案规则: 一个图案自我重复,管理图使用方法,UCL,LCL,1 Sigma (Zone C),2 Sigma (Zone B),3 Sigma (Zone A),1 Sigma (Zone C),2 Sigma (Zone B),3 Sigma (Zone A),时间,我们在测量的项目,使用规则,管理图使用方法,1 Sigma,2 Sigma,3 Sigma,1 Sigma,2 Sigma,3 Sigma,60-75%,90-98%,99-99.9%,数据点 (%),UCL,LCL,时间,我们在测量的项目,标准偏差的规则,管理图使用方法,问题 1,保尔是有名的最优秀的驾驶员之一. 有一天, 他在工作时间喝了6 pack 的啤酒,喝完之后他说还能沿着一条直线驾驶卡车. 于是同事们就要求他证明给他们看.,直观 SPC 事例研究,SPC 应用事例,证明他确实沿着一条直线驾驶是一件困难的事情. 这时有人想起他的卡车一向漏油. 为了看他能否沿着一条直线驾驶, 到公路行使了1英里左右, 调查了公路上漏油的痕迹.,SPC 应用事例,由你做出决定: 保尔的驾驶路径是一条直线吗?,请看从高处往下看的(Birds-eye View) 公路的形象.,SPC 应用事例,如果卡车是静止的 . . . 油会滴到同一个点上吗?,想想下一步: 油会如何滴下来?,SPC 应用事例,变动的原因,= 自然的 “油滴间的变动”,SPC 应用事例,如果有办法把因为保尔的驾驶引起的变动与,因为油滴间的变动分离的方法, 会不会有所帮助呢?,由你做出决定: 保尔的驾驶路径是一条直线吗?,SPC 应用事例,=自然的 “油滴间的变动”,变动的原因,管理图理论(Control Chart Theory )是利用因为自然的常规原因引起的变动,作为 把握 由于保尔驾驶引起的变动的方法.,SPC 理论,SPC 应用事例,为了制定流程的基准性能(baseline) ，形成了对“常规原因”引起的变动的研究“. 在这种情况下, 我们认为 “油滴间变动” 是常规原因.,以基准性能（现在的水准）为基础, 设定data的包含99.7%的流程持续警戒范围. 我们把这个警戒叫做管理限界（上限及下限）.,UCL,LCL,在这个限界外分布的data点被认为是因特殊原因造成的 (异常状态).,SPC 理论,SPC 应用事例,- 理论 - 管理限界周围的data分布状态提供可能存在异常状态的情报 (出现其他变动要因),UCL,LCL,SPC 应用事例,油滴间的变动,UCL,LCL,油滴间的变动+风,UCL,LCL,油滴间的变动 +风 + 驾驶技能变动,UCL,LCL,SPC 应用事例,UCL,LCL,没有对卡车移动路径“中心值变动” (“centering”的变化)的统计证据. Data点的“在中心线上下的分布 (wiggling)”是 因为噪音.,由你做出决定: 保尔的驾驶路径是一条直线吗?,SPC 应用事例,管理上限 = UCL 管理下限 = LCL,根据你所学的知识判断时全部数据 %在管理上下限中?,UCL,LCL,TIME,UCL 和 LCL,违反规则发现 Pattern有什么问题吗?,规则和模型,管理图使用方法,问题 4,Scrap Level (%),J F M A,1996,1997,party 举行,某工厂的 scrap 量达到了本年度最低2%. 经理 褒奖了那家工厂. 在食堂举行宴会: 所有的劳动者都有吃到了比萨和糖果! “大家可以为自己的成就感到自豪.”,1996 4月,3,2,1,SPC 应用事例,J F M A M J J,1996,1997,经理希望把奖品拿回来.,scrap 量连续3个月持续增加. 经理很想把奖品拿回来. “对成果的认可反而带来了反面效果.” 实现的的成果(改善)没有维持下去, scrap量从新增加了. 于是 经理做出了这样的决定: “这个集团需要 强力的管理方式!”,Scrap Level (%),1996年 6月,3,2,1,SPC 应用事例,J F M A M J J A S O N D,1996,1997,中断“温柔的管理方式”,Scrap量增加到了 2.6%, 于是经理决定采取措施. 为了确实解决这个问题召开了 “特别会议”, 强调完Scrap的重要性后经理
