全套六西格玛培训资料-测量.ppt

Six Sigma 测度 (Metrics),,,,,,,方法论,,Measure 概要 Project Y 基础统计 测定System 分析 Six Sigma 测度 工程能力分析,Process Map & 特性要因图 FDM,Six Sigma 测度,学习目标 理解Six Sigma的主要测度 DPU, DPO, DPMO FTY, RTY, YNOR 理解 水准计算方法,DPU与DPMO,DPO (Defects per Opportunity),每机会缺陷数,DPU (Defects per Unit),每单位缺陷数,为了消除缺陷的基准,工厂单位改善中使用,DPMO (Defects per Million Opportunities),每百万机会缺陷数,考虑制品复杂度的比较基准,企业内或企业之间Benchmarking手段,,Opportunity,Defects,DPO,=,,,Unit,Defects,DPO,=,机会(Opportunity)  有可能发生缺陷的检查或试验对象  发生缺陷的机会在特性、部品、组装品等制品任何阶段 都可能存在。

复杂度(Complexity ) 总机会数与制品或Process复杂度正比部品,特性,材料,机械,工具,次序,,,制品,Process,复杂度,,,,,相关部品、特性或材料越多， 成为越复杂的制品相关机械、工具或次序越多， 成为越复杂的Process.,DPU/DPO/DPMO,以下Drilling加工的例中计算DPU与 DPMO.,① Data 类型是? ② Unit? ③ Defect?,④ Opportunity? ⑤ DPU? ⑥ DPMO?,DPU/DPO/DPMO – 事例,使用互相不同的Process、制品之 间或制造领域和非领域之间比较时更 恰当DPMO 计算例,,缺陷数 某个PCB以800个焊接点和200个部品构成在这 PCB中发现焊接不良6处和不良部品2个 DPMO是? DPMO = (6+2)/(800+200) * 百万 = 8,000,DP(M)O 计算时注意事项 例) 某部品的生产工程中不良发生机会数是100,000次，但正常作业 过程中只对其中1,000次机会进行评价，结果一个部品里发现10个 缺陷，以下计算中哪个正确？,DPO = 10 / 100,000,DPO = 10 / 1,000,机会是有缺陷发生的可能性，以检查及试验对象被评价时 Count,Yield,在工程的各阶段中包括再作业或部品的废弃等不良的管理指标， 是良品率的概念。

初期数率 (FTY, First Time Yield) : 决定各别工程的品质水准时使用再作业/不修理的Process中适用 累计数率 (RTY, Rolled Throughput Yield) : 表现全体工程的品质水准时使用的指标中的一个 表现为初期数率的倍 标准化数率 (YNor, Normalized Yield) : 表现全体工程的品质水准时使用的指标中的一个， 在Process中初期数率适用几何平均概念Yield(数率)的种类,Yield (数率),,,,,,,,,,,,,,,,,,,,,,,45,000 ppm 浪费,30,000 ppm 浪费,56,000 ppm 浪费,95.5% 数率,97% 数率,94.4% 数率,RTY = 0.955*0.97*0.944 = 87.4%,,不但是最终阶段，其它各阶段的能力RTY都重视Hidden Factory : 再作业/ 废弃,Yield,RTY计算,已知的DATA是缺陷DATA时,是意味着泊松分布中P[X = 0] (没有一个缺陷的概率).,-,e,DPU,已知的DATA是不良率或数率DATA时,Yield,RTY = FTY1FTY2  FTY3  ……,YNor 计算,YNor = FTY1  FTY2  …  FTYn,,,,,n,RTY 计算的检讨,生产一个单位部品所需 3个工程，各工程的初期数率为 FTYi . 各单位工程中发生的缺陷数，跟随着拥有以下概率函数的泊松分布。

DPU,dpu,dpu,dpu,e,e,-,+,+,-,=,=,),(,3,2,1,- 但, 为 单位工程 i 的 平均缺陷数,因此各单位工程的数率是在工程中一个缺陷都不发生的概率，如下i,dpu,e,X,P,-,=,=,=,],0,[,按以上的结果，可以确认下面的等式3 RTY =  FTYi i = 1,Yield,想想下面的工程收入检查 100%数率,SMD检查 95.5%数率,PBA检查 97.0%数率,ICT 94.4%数率,RTY = 1.00 × 0.955 × 0.970 × 0.944 = 0.874 = 87.4 %,Y,,,,,,%,7,.,96,967,.,0,874,.,0,RTY,4,1,4,Nor,=,=,=,=,Yield (数率),Yield,例1) 现场某一位机士对特定类型Defect观察结果 346个生产单位中发现1个对这特性(Characteristic)的 RTY?,,0.00289,346,1,=,=,DPU,00289,.,0,= 0.99711,=,=,-,-,e,e,RTY,DPU,计算),例2) 有3个工程组成的生产Line，各工程通过数率为 98% 时Line的 RTY ?,,,,,,,,计算),0.98,0.98,0.98,RTY = 0.98 × 0.98 × 0.98 = 0.941192,RTY计算 例,Yield, 水准, 水准 : 规格中心和规格上限或下限距离是标准偏差的几倍？, 水准的概念 品质特性值随正态分布时，从规格中心到规格界限为止距离相当于标准偏差几倍的测度，Process散布越小，水准越大。

 测定Process可以生产多少均一品质制品能力的测度1s,,,,,,m,,,,,1s,,,发生不良限度,,,3s,平均,,,,,,,,记号前数值(Z) 越大，不良发生 的概率越小6s,,,,规格界限,,,3 水准的 稳定工程,6 水准的 稳定工程,,,,,,,由于作业者倒班、原材料LOT变化、设备的保 养、模具交换等现实性的变化要素而规格中心和Process平均常时间维持一致状态是很难 根据经验随着时间过 去，一般Process平均离中心约 1.5左右变动Process dynamics,,,,,,,,,,,LSL,USL,,,,,,,,,起点 1,起点 2,起点 3,起点 4,,,,,,,,,,Process 固有能力,长期 Process 能力,目标值, 水准和 DPMO  考虑Process现实变化，计算对应水准的缺陷率或不良率时， Process平均离规格中心标准偏差的1.5倍变动为前提计算  在6水准Process中，100万次机会中能发生3.4次左右缺陷，这相当于3.4DPMO.,,,,,,,,,999,999.6 999,995 999,991 999,987 999,979 999,968 999,952 999,928 999,892 999,841 999,767 999,663 999,517 999,313 999,032 998,650 998,134 997,445 996,533 995,339 993,790 991,802 989,276,良品数,3.4 5 9 13 21 32 48 72 108 159 233 337 483 687 968 1,350 1,866 2,555 3,467 4,661 6,210 8,198 10,724,ＤＰＭＯ,6.0 5.9 5.8 5.7 5.6 5.5 5.4 5.3 5.2 5.1 5.0 4.9 4.8 4.7 4.6 4.5 4.4 4.3 4.2 4.1 4.0 3.9 3.8,Ｚ.st,4.5 4.4 4.3 4.2 4.1 4.0 3.9 3.8 3.7 3.6 3.5 3.4 3.3 3.2 3.1 3.0 2.9 2.8 2.7 2.6 2.5 2.4 2.3,Ｚ.lt,986,097 977,250 971,284 964,070 955,435 945,201 933,193 919,243 903,199 884,930 864,334 841,345 815,940 788,145 758,036 725,747 691,462 655,422 617,911 579,260 539,828 500,000 460,172,良品数,13,903 22,750 28,716 35,930 44,565 54,799 66,807 80,757 96,801 115,070 135,666 158,655 184,060 211,855 241,964 274,253 308,538 344,578 382,089 420,740 460,172 500,000 539,828,ＤＰＭＯ,3.7 3.5 3.4 3.3 3.2 3.1 3.0 2.9 2.8 2.7 2.6 2.5 2.4 2.3 2.2 2.1 2.0 1.9 1.8 1.7 1.6 1.5 1.4,Ｚ.st,2.2 2.0 1.9 1.8 1.7 1.6 1.5 1.4 1.3 1.2 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 -0.1,Ｚ.lt,420,740 382,089 344,578 308,538 274,253 241,964 211,855 184,060 158,655 135,666 115,070 96,801 80,757 66,807 54,799 44,565 35,930 28,716 22,750 17,864 13,903 10,724 8,198,良品数,579,260 617,911 655,422 691,462 725,747 758,036 788,145 815,940 841,345 864,334 884,930 903,199 919,243 933,193 945,201 955,435 964,070 971,284 977,250 982,136 986,097 989,276 991,802,ＤＰＭＯ,1.3 1.2 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0 -0.1 -0.2 -0.3 -0.4 -0.5 -0.6 -0.7 -0.8 -0.9,Ｚ.st,-0.2 -0.3 -0.4 -0.5 -0.6 -0.7 -0.8 -0.9 -1.0 -1.1 -1.2 -1.3 -1.4 -1.5 -1.6 -1.7 -1.8 -1.9 -2.0 -2.1 -2.2 -2.3 -2.4,Ｚ.lt,6,210 4,661 3,467 2,555 1,866 1,350 968 687 483 337 233 159 108 72 48 32 21 13 9 5 3,良品数,993,790 995,339 996,533 997,445 998,134 998,650 999,032 999,313 999,517 999,663 999,767 999,841 999,892 999,928 999,952 999,968 999,979 999,987 999,991 999,995 999,997,ＤＰＭＯ,-1.0 -1.1 -1.2 -1.3 -1.4 -1.5 -1.6 -1.7 -1.8 -1.9 -2.0 -2.1 -2.2 -2.3 -2.4 -2.5 -2.6 -2.7 -2.8 -2.9 -3.0,Ｚ.st,-2.5 -2。