工序能力分析

null工序能力分析工序能力分析1. 工序能力 2. 短期与长期工序能力 3. 有理数子集 4. 工序能力分析 5. 变量要素的检查 6. 工序能力分析过程1. 工序能力 ?1. 工序能力 ?工序能力是“指工序的加工质量满足技术标准的能力”。也就是说，在所控工序中制品表现的散布的范围。 所有品质特性目标值的偏差 越小越好。了解工序能力...了解工序能力...计算工程不良率. 建立改善目标. 提供与其他设备相比较的标准.尽可能减少标准偏差使工序平均值接近目标值工序生产 高品质的产品工序能力改进nullnullA 工序B 工序工序比较在A工序中会发生不良，但B工序中不会发生。但是A工序的 能力比B好.而且A的品质损失比B少. EG）SONY在日本和US的工厂. 2. 短期与长期工程能力2. 短期与长期工程能力长期工程能力 长期变动是由各种因素造成的，这些因素可以清晰得预见到 相对长的时期 （如：兴起，月份） 考虑长期噪声变动的效果 （例：设备磨损，季节影响） 要求约100-200个数据 技术+工程管理 普通条件下的结果短期工序能力 短期变动由偶然因素引起 相对比较短的时期 (如：星期，月份 ) 考虑短期噪声变动的效果 ( 例：白天和夜晚 ) 要求约30-50个数据 技术 最佳条件下的工序能力工序能力因素工序能力因素决定工序能力的要素 : 在工程平均值和标准值之间的一致性程度. 散步大小 通过控制工序而使标准中心与工序平均值一致是非常困难的，事实上长期来自标准的中心移动为 。 短期长期长期•短期 工序能力长期•短期 工序能力至于工序长期的平均变动，它是以长期 与标准中心值有1.5σ的移动为基准的。能力指数能力指数假定工序特性服从正态分布，短期能力指数计算公式如下： 6sigma 水平 Cp 为 2.0. 3sigma 水平 Cp 为 1.0 长期能力指数考虑工序平均有“1.5 ”的移动，通过从短期能力减少0.5 计算得到. 6  工序 : Cpk = 1.5 3  工序 : Cpk = 0.5考虑到工序平均变动时的能力指数 考虑到工序平均变动时的能力指数 1.5 3)5.1()6( 3=+-+=-=sssstargettargetaverageUSLCpk计算工序能力时计算工序能力时注意事项工序能力的测定只在以下条件下有意义. 变量 (不属于特性数值.) 速度，重量，吸盘大小. 控制中的工序，也就是说，消除异常原因后的状态. 数据散布：正态分布（或近似）null 系统变动决定工序能力，不同的因素决定系统变动 set-up 流程 产品和工序 维护过程 分层原理 完全相同的调剂，系统或设备变动已掌握时收集的DATA 。 子集构成原理 使子集内的偏差变小 使子集间的偏差变大 3. 有理数子集通过有理数子集的建立，能够掌握潜在工序能力。组合标准偏差和 全标准偏差组合标准偏差和 全标准偏差组合标准偏差 minitab 的基本选择. 子集中由各偏差的平均 值计算出来的数值. 有理数子集中，可以用来计算最佳短期工序能力. 全标准偏差 以全部数据为基准计算出 来的数值. 估计实际能力时，用全标准偏差. 在minitab中，Pp 或Ppk是以全标准偏差为基准的工序能力.null 意义 如果在组合标准偏差和全 标准偏差之间有差异，就 说工序平均值或标准 偏差 按时间改变 集团的组合标准偏差是在 最佳状态下估算的.有理数子集的用法和意义 用法 以下条件造成每道工序变 动构成数据集 开关设备 机器，产品，操作者 预防维护 由每一个集团分析同一工 序能力null 哪一个有较好的工序能力 ? 为什么？ 工序能力nullBoxplot : - X 变量 :“machine” - 产量 注意“集团间变动”和“集团内变动”. 集团间的Boxplots通过检验集团间的差别，我们能预测如果没有附加投资， 如何改进我们当前的工序，我们能找到的改进的。 null 利用Time Series Plot得到Ex) 有理数子集的用法 比较集团内变动导致的标准偏差和全标准偏差.null 变动和有理数子集的构成null短期能力分析要求相关短期的数据（20-50） 长期能力分析要求相对长期的数据 (周间, 月间. 约 100-200个数据)4. 工序能力分析null使用minitab, 工程分析 打开 process capability.mpj 文件. Stat> Quality Tools> Capability Analysis(Normal)输入规格集团的大小, etc输入数据nullUSLTargetLSLMeanSample NStDev (ST)StDev (LT)CpCPUCPLCpkCpmPpPPUPPLPpkPPM < LSLPPM > USLPPM TotalPPM < LSLPPM > USLPPM TotalPPM < LSLPPM > USLPPM Total11.000 * 9.000 9.699500.1009280.7020443.304.302.312.31 *0.470.620.330.33220000.00 0.00220000.00 0.00 0.00 0.00159706.64 31929.67191636.31Process DataPotential (ST) CapabilityOverall (LT) CapabilityObserved PerformanceExpected ST PerformanceExpected LT PerformanceSTLTFill-upnull在有理数子集的调条件下，我们得到如下结论.  短期标准偏差是 0.100928.  长期标准偏差是 0.702044. 潜在工序能力是 3.30. 可以说，经过不断的改进，可能达到3.30。  此工序的当前能力是 0.33.  此工序的不良率是 191636PPM.nullnull品质的方差变动（Variation） 偶然原因 ( 一般原因 ) 发生在比较严格的制造业管理中，是不可避免的. ex) 操作条件，操作者技术差别等。 异常原因 ( 特殊原因 ) 使用不良资材，制造设备故障，操作者疏忽等等。 注意 工序能力分析在稳定条件下是可行的，也就是说，没有特殊原因的变动（variation）。形成错误有理数子集的原因有理数子集的形成在集团中只有偶然原因产生的偏差（variation） 由特殊原因产生的偏差（ variation）在集团间是不同的. 利用组合标准偏差，确定最佳工序，可以估计潜在工序能力.在集合里，偶然原因和特殊原因的变动同时发生. 不注意不稳定的工序，子集间的差距没有区别.形成错误有理数子集的原因null如果有理数子集形成…. Graph> Time Series PlotFill-upnullnull长期和短期的标 准偏差的差距变大潜在工序能力 比较清楚Fill-upnull如果有理数子集没有形成…. 打开 Minitab 文件 process capability.mpj. Graph> Time Series PlotFill-up 1nullnullFill-upnull用 Minitab Capability Sixpack 分析Stat>Quality Tools > Capability Sixpack(Normal)null工序能力的测定值Is there any pattern by special cause?检查 规律性 利用 Minitab Capability Sixpack,数据的控制状态和规律性 很容易发现。 ( Stat > Quality Tools > Capability Sixpack )Capability Sixpack 分析null step 1 : 选择输出变量. step 2 : 建立工序，主要输入变量值。 step 3 : 决定潜在变量，形成有理数子集. step 4 : 收集短期数据，使特殊原因造成的影响最小化. step 5 : 密切注意工序，找出不同点.6. 工序能力过程分析null step 6 : 测定和主要工序输出变量. step 7 : 运行 Capability Six-pack, 然后检验： - 正态 - 稳定性 - 控制 step 8 : 利用“组合标准偏差”和“全标准偏差”进行能力分析 step 9 : 检查移动平均数和方差变动（variation） 的增加. step 10 : 根据调查结果，制定改善计划.null由组合标准偏差计算的工序能力由全标准偏差计算的工序能力是否形成了有理数 子集团？了解集团间方差（variation） 变动的类型.集团内是否有错误？Fill-upnullExample此例显示出KPOV数据不足，工序能力不足 ，系统测定评估不足. 分析工序能力的表格 例) Process Capability 表格