制程能力综合分析报告.docx

制程能力综合分析报告.docx

《制程能力综合分析报告.docx》由会员分享，可在线阅读，更多相关《制程能力综合分析报告.docx（40页珍藏版）》请在冰豆网上搜索。

制程能力综合分析报告

制程能力分析

何谓制程能力

制程能力是指「各种能力均标准化，制程在管制状态下所呈现之质与量的能力」。

故制程能力可以产量、效率表示，也可以成品、半成品、零件等之质量特性来表示，也可以不良率或缺点数来表示。

制程能力可为一部机器或一设备在一定条件下操作的能力，前者一般称为「机器能力」，可为一项预定的产品之全部制程，包括人、材料机器与方法在长时间所程现的能力。

前者一般称为「机器能力」，而后者则称为「综合制造能力」，后者经常包括了工具损耗之正长影响，材料的微些变化与其它的微小变化。

在此我们所讨论之制程能力即以后者为主。

制程能力与规格

当考虑制程绩效之前，必须先讨论两个重要的问题：

1.制程是否有维持良好”统计管制状态”的能力。

2.是否具有产出符合工程规格零件的制程能力。

只有当制程处于”统计管制状态”下，估计制程能力才合理，因为当制程处于”统计管制状态”下，制程没有可归咎的非自然因素存在，此时才可以显示制程真正的变异。

此部份已于管制图介绍中详细介绍过。

制程是否具有产出符合工程规格零件的能力，在于制程变异围是否介于工程规格之，一边而言可能有下列三种情况：

1.制程变异小于规格间差异。

2.制程变异等于规格间差异。

3.制程变异大于规格间差异。

第一种情况：

6＜USL－LSL

当制程变异（6）小于规格间之差（USL－LSL）时，这是最理想情况，如图个别值分布A和规格的关系最佳，因为规格比制程变异大很多，即使制程平均值有很大的移动，也不易超出规格界线；分布B的变异比分布A大，但所有个别值仍在规格之分布C所显示的变异更大，但仍在规格之。

此种情形具有经济上的利益，因为即使超出管制界线，如分布B和C，也布置产生不良品，所以不必时常调整机器或寻找非自然因素。

第二种情况：

6＝USL－LSL

如图，制程变异或制程能力等于规格间的差。

如果制程的次数分布与A一样则有99.74%的产品符合规格；但是当制程平均移动时（如分布B）或变异增大时（如分布C），则不良率可能远大于0.06%。

只有分布A的是处于统计管制，不良品的发生率在可接受的围之，可是一但发生非自然因素的变异，需立即加以矫正。

第三种情况：

6＜USL－LSL

当制程变异或制程能力大于规格间之差时，表示制程处于非常不理想的情况中，即使是自然型态的变异，如图上次数分布A，超出规格的上下限的不良率在不可接受的围；换句话说，制程没有制造符合规格产品的能力。

制程能力分析

美国质量协会对制程能力的定义为：

「对一指定特性的固有制程变异性（InherentProcessVariability）的统计量测」。

在讨论制程能力指标之前，我们必须假设制程产出是一个常态分配，且处于统计管制之下。

这个目的是将非自然因素去除后，决定制程的固有变异性。

这个假设可以经由长条图﹑统计检定或Chi-squared检定来证明之。

制程能力指标的好处之一是它提供一个简单易懂的制程整体表现量测标准，此标准是依据制程达成规格要求为基准。

以下介绍的能力指针都是纯数字的，不会因为不同的测量单位而有所不同。

所谓制程能力分析又称为制程能力研究，是利用管制图、次数分配图与其它统计方法以决定制程能力的一种系统性工作，这种工作包括下列步骤

1.确定能代表制程能力的质量特性。

2.由制程抽取样本测定其特定性值普通需收集100至250个数据。

3.点绘出的形态，计算其平均值与标准差（利用次数分配图）。

4.解释此种形态，发掘异常现象，确定在经济上是否值得采取措施。

5.对异常现象采取措施。

这些步骤可以循环使用，直到获得满意的制程，此时的制程能力才是真正的制程能力。

制程能力分析之用途

制程能力分析之用途，约可分为下列几点：

:

1.提供数据给设计部门，使其能尽量利用目前之工程能力，以设计新产品。

2.决定一项新设备或翻修的设备能否满足要求。

3.利用机械之能力安排适当工作，使其得到最佳应用。

4.选择适当的作业员材料与作业方法。

5.制程能力较公差为窄时，用于建立经济管制界限。

6.制程能力较公差为宽时，可设定一适当的中心值来获得最经济的生产。

7.用于建立机器之调整界限。

制程能力指标

制程能力指标的好处之一是它提供一个简单易懂的制程整体表现量测标准，此标准是依据制程达成规格要求为基准。

以下介绍的能力指针都是纯数字的，不会因为不同的测量单位而有所不同。

（processcapacityratio,制程能力比）指标：

制程能力比（ProcessCapacityRatio,PCR）或称指标是最常被拿来测量制程是否合乎规格的指针。

指标是利用制程产出围（上下自然允差界限之差）与上下规格界限之差的比值。

PCR或=

（USL,LSL分别是上下规格界限，是标准差）

通常无法得知，可以利用在管制图中介绍用来估计的值取代，=。

如果管制图的标准差s已知，=是另一个的估计方法，是各组抽样标准差的平均。

当制程处于规格界限的中心位置，此时制程产出的不合格率会最低，下表之图一显示的是处于规格界限中心制程能力相当好（>1）的情况，这是现场主管一致的目标。

当制程产出围与上下规格界限之差一样时，=1，此时制程勉强称为有能力的制程，因为如果制程分配为常态且恰好位于规格界限的中央，会有0.26%的产品会落在规格界限之外。

值只能代表制程潜力，因为即使>1，一旦制程分配偏离规格界限中心，仍有可能出现不良品。

下表是的三个例子：

状况Ⅰ＞1.00

＝

状况Ⅱ＝1.00

＝

状况Ⅲ＜1.00

＝

上下制程能力指标

假设只有上或下规格界限，则指针需经由制程平均数到上或下规格界限与自然允差来计算，上下制程能力指标公式如下：

CPU=

CPL=

上下制程能力指针在评估规格界限与制程绩效非常有用，而且在决定制程参数设定（如）或制程参数条件（如）很有帮助。

（processperformance,制程绩效）指标

从前面的介绍知道指针与产品质量特征值的平均值并无关系，从的介绍中也知道，制程变异并非影响产品的唯一因素，制程平均会影响产品合格的程度，当制程平均不处于上下规格界限的中央，值计算如下：

=Min{}

Min{CPU,CPL}

从公式可知值是取制程平均的到上下规格界限差与3的比值，所以值是愈大愈好，至少1。

下图是一个品值特征值X的分配不合格的情形（<1），但是制程变异度（6δ）却比规格界限还小，表示制程很有机会符合规格，只是制程平均μ太靠近右规格界限，使μ到LSL的距离大于3δ而有部份的产品会落于规格界限之外，此种情形的解决方法是将μ尽量拉近m（规格界限的中央值），可使所有的产品都在规格界限之。

除了前面介绍的计算方法，接下来在看另一种利用制程平均数与规格界线中点偏差的计算方法。

假设规格全距的中点m，则。

则制程平均数与最适点（即中点m）之间的距离为，则尺度距离k为：

当上式中以取代，则可得到k的估计值。

其它制程能力研究方法

（1）管制图

解析用管制图的主要目的就是制程能力分析。

利用管制图一方面可以调查各时间的质量变化情形，研究质量趋势，同时可以和规格比较，但叫不易看出分配的型态，因此在使用时最好与直方图并用。

当管制图上之不正常现象之原因被找出来并且消除，制程显示稳定时可由管制图计算制程能力，在图的场合，制程平均值以管制之平均值表示，分散宽度则以6表示。

（2）直方图

由制程搜集数据100~250个，先作成次数分配表，再画直方图，调查一下有无离岛、绝壁、双峰等现象，有则查明原因且去除该等数据，此时直方图的分散宽度表示制程能力。

利用直方图进行工程能力研究时，容易看出分配的形态，易与规格比较，易于计算制程能力数值，但不易看出质量的时间变化趋势。

迈向6σ质量与国际标准

绪论

Motorola公司在1970年代中期到年代中期的十年间，由于质量竞争失利，节节败退。

彩色电视机厂在1974年关闭，音响厂在1980年停业，计算机记忆芯片也在1985年向日本厂商降服，眼看就要倒闭了。

当时该公司董事长一面向美国政府要求保护，一方面提出高质量策略全面向6σ质量迈进，使生产线不良率降低至ＰＰＭ水平。

终于其无线呼叫器在日本市场大获全胜，成为美国公司起死回生的典。

其重返竞技场的力量即为高质量的产品与服务，1988年该公司获得第一届美国质量奖（TheFirstAnnualMalcolmBealdrigeNationalQualityAward）。

质量大敌-质量变异

万物皆有变化，工业产品也随时伴有差异，同种产品间功能或尺寸的差异被称之为变异（Variation）。

变异小不影响顾客的满意程度或后绪工程的作业，是可以容许的。

一旦变异影响客户的满意程度，那么变异就成了质量的大敌了。

在Motorola有句口号：

VariationistheEnemyofCustomerSatisfaction。

具有连续性的质量特性，在制程正常时会呈常态分配，由常态分配可算出超出规格的不良率。

在农业时代或轻工业时代，产品特性只要有99%良好，就很好了。

可是现今的工业产品复杂无比，如用99%良品率的来装配喷射客机，那么恐怕没有一架飞机飞得起来。

道理很简单，如果那架飞机用了10,000个零件，每个都是99%良品率，那么总成的良品率为：

式中之为总成之良品率，为零件良品率。

结果总良品率几近于零。

所以要制造飞机，除了设计能力外，零件工业的力量是很重要的。

何谓6个标准差质量?

一个公司的产品质量是这家公司整个营运的结果，影响的因素很多，错综复杂。

Motorola公司用6σ质量标出其目标，使复杂的问题变的容易了解。

在Motorola，6σ质量水平的意义如下：

1.3.4PPM（不良率或缺点数为百万分之三点四）

2.99.99966%产品为无缺点。

3.提供一个与竞争者比较的基准，为TQM提供一个衡量的基准。

4.可以了解距离无缺点有多远。

Motorola公司认为数据是满足顾客的关键，他们常说：

1.如果不能用Data表示我们所知的，那么我们对它所知不多（Ifwecannotexpresswhatweknowinnumbers,wedon'tknowmuchaboutit）

2.如果对它所知不多，又怎样控制它（Ifwedon'tknowmuchaboutit,wecannotcontrolit）

3.如果我们不能控制它，那只有靠运气了（Ifwecannotcontrolit,weareatthemercyofchance）

为何6σ质量吸引我们

6σ质量已经吸引很多公司，特别是半导体工业与电子工业，其理由如下：

1.6σ质量提供了一个比较复杂的产品或服务的基准。

2.利用6σ质量可以测度自己公司和竞争者之间的质量差距。

3.显示迈向无缺点的进展。

4.为各部门提供一个明确的目标。

Motorola公司在1992要求它所有供货商提出达成6σ质量的期限，并在1992年要求他所有供货商提出达成质量的期限，并在1995年申请美国质量奖（MalcolmBaldrigeAward），为整个企业体系确立了一个明确的目标。

迈向六个标准差的六个步骤

从1980年代Motorola公司利用六个标准质量策略以提升全面质量水平以来，该公司将，SPC、问题解决（Problemsolving）、连续改善实验计划直交设计（TaguchiMethod）等合在一起，拟出六个达成六标准差质量的步骤：

Step1：

确定满足顾客要求或法令规章要求之重要质量特性

使用工具：

市场要求规格（MarketingRequirementsSpecification，MRS）

Step2：

决定达成这些重要质量特性的特定产品要素（如零件组模块等）。

使用工具：

a.特性要因图（CauseandEffectDiagrams）

b.树型分析（SuccessTreeandFaultTreeAnalysis）

c.组件搜寻（ComponentSearch）

d.因子与部分因子实验法（FullandFractional）

e.计算机仿真（Computer-AidedSimulation）

f.失败模式效应与重要度分析（FailureModeEffectsandCriticalityAnalysis，FMECA）

Step3：

根据产品要素决定控制每一重要特性之制造步骤或选择，这一步骤有下列三重项目的：

∙以订出生产步骤2所列之产品要素之生产精确方法。

∙以决定这些产品要素是自制或外购。

∙以确定可能影响质量的条件或项目。

使用工具：

a.因子或部分因子实验计划（FullandFractionalFactorialExperiments）

b.计算机仿真（Computer-AidedSimulation）

c.制造工程研究（ManufacturingEngineeringStudies）

d.多变量分析（Multi-variAnalysis））

e.B对C或其它比较实验法（BversusCorOtherComparativeExperiments）

f.供货商数据（SupplierData）

Step4：

决定重要质量特性的设计中心直与最大允差，而仍能保证必要的功能。

使用工具：

a.图示技术（GraphingTechniques）

b.工程手册（EngineeringHandbooks）

c.计算机仿真（Computer-AidedSimulation）

d.实验计划（PlannedExperiments）

e.最适化，特别是RSM（Optiomization，EspeciallyResponseSurfaceNethidiligy）

f.田口实验法（TaguchiMethid）

g.公差缩分（PartitioningofTilerances）

h.SPC分析、制成能力分析（SPCAnalysis.PeocessCapabilityStudy）

i.组件工程之合格分析（ComponentEngineeringQualificationStudies）

Step5：

决定控制重要质量特性之零件或制程因素的能力。

研究对象：

a.制程与发展过程（ManufacturingandDevelopmentEngineering）

b.供货商之制程、供货商品管数据（能力分析、管制图）

Step6：

如未达，则改变产品与/或制程直到有足够的能力。

使用工具：

a.直方图（Histogram）

b.管制图（controlCharts）

c.制程能力指数Cp与Cpk

达成6σ质量的工具

根据Motorola的研究，引起产品不良或缺陷的原因，主要有二：

一为变异太大;一为制程平均偏移。

在深一层研究，其发生的根源，来自设计（Design）、制造（Process）与材料（Material）。

所以要达成质量，需从此三者的管理加强开始，使用的工具如下：

（1）设计（Design）

a.使用标准零件与材料设计（DesigntoStandardParts/Materials）

b.依标准制程设计（DesigntoStandardProcess）

c.依照已知的制程能力设计（DesigntoKnownCapabilities）

d.考虑组立装配（DesignforAssecbly）

e.考虑简单化（DesignforSimplicity）

（2）制程（Process）

a.短周程制程（Short-CycleManufacturing）

b.制程群组化（ProcessCharacterization）

c.制程标准化（ProcessStandardization）

d.制程最适化（ProcessOptimization）

e.统计制程管制（SPC）

（3）材料（Materials）

a.零件标准化（PartStandardization）

b.供货商SPC（SupplierSPC）

c.供货商验证（SupplierCertification）

d.材料需求计划（MaterialRequirementsPlanning）

保证进料100%可用的方法

近代工业产品，结构复杂，使用的零组件稍有不良，总成的初产率或良品即急速下降，所以进料100%可是达成质量的重要关键。

以下是Motorola公司提出的方法。

1.的标准。

2.将重要产品与材料之要求彻底追溯到供货商。

3.供应伤的规格要真正反映重要的质量要求。

4.买方提出的规格要求要能让供货商发挥最有效的制程。

5.让供货商参与产品发展过程。

6.公司的政策与规章必须与上述各点一致。

软件的应用

过去的十年，由于个人计算机的普与应用，品管用的计算机软件包越来越多，价钱方面也越来越合理。

以下几种是有助于达成6Sigma质量的软件：

1.SPC软件：

这种软件中英文都有。

一般应具有直方图，计算Cp，Cpk，计算超出规格界线的百分率，化柏拉图与作图表的功能。

有些软件可以直接与测试仪器联机。

利用此种软件可以直接分析制程能力，管制制程，节省很多时间。

2.DOE软件：

这种软件目前只有英文的。

一般应具有t-检定（tTest）、回归分析、反应曲面法（RSM），变异数分析（ANOVA）、反应图表（ResponseGraphs）等功能。

应用这种软件可以改进实验设计与实验数据分析的效力与准确性，对与产品设计的改善与制程设计的最适化有莫大的帮助。

3.直交设计软件：

这种软件目前也只有英文的。

一般包括等直交表，应具反应表二因子交互影响的反应图表同时也能算出S/L比。

对于使用直交表设计的实验有很大的帮助。

总结

六个标准差质量总结

步骤

工具与信息来源

1.确定重要特性

．市场

．工程

．实有或潜在顾客

2.决定达成这些特性的特定产品要素

．重要质量特性矩阵

．特性要因图

．失败树分析

．组件研究或其它实验计划

3.为每一产品要素决定控制每一重要制造步骤并选择每要素自制或外购

．实验计划

．计算机仿真

．工程研究

．多变量分析

．比较实验

．供货商数据

4.决定重要质量特性之设计中心直与最大允差

．图表化技术

．工程手册

．实验计划

．最适化特别是反应曲面法

．公差缩分

．田口实验法

5.决定制程能力

．制程能力研究

．供货商之管制图与合格资料

6.确保）

．全设计组的设计审核

．与供货商工程部门之会议

．早期与经常的强度试验

．统计问题解决法与决策

．连续改善

管制图

管制图基本原理

统计理论认为母体参数可由随机抽取的样本来估计，SPC图的统计基础即在于此。

但是，SPC图并不能控制一个制程，它只是提供制程重要的信息，这个信息可以作为质量决策与修正制程的基础。

一般SPC图提供三条制程信息的管制线：

上管制线（uppercontrollimit,UCL）﹑中心线（centerline,CL）﹑下管制线（lowercontrollimit,LCL）。

不同制程管制对象有不同的数据，所有的数据都可归类到下列其中一种：

1.分类数据－将产品质量分为「好或不好」、「合格或不合格」等

∙计数数据－记录某产品的某个特性发生次数，例如错误次数﹑意外次数﹑销售领先次数等

3.连续数据－某个质量特征的量测值，例如尺寸﹑成本﹑时间等

前两种数据为计数值数据，第三种为计量值资料。

收集数据时，如果可能应该尽量收集定量数据，因为定量管制图所需的比较性计算较少，而且能提供较多的信息。

基本计算

管制图可用一通式来表示，假设y为量测质量特性之样本统计量，y之平均数为μy，标准差为δy，则

UCL＝μy＋kδy

中心线＝μy

LCL=μy－kδy

其中kδy为管制界限至中心线之距离。

此管制图之理论首先由美国之WaiterA.Shewhart博士提出，任何依据此原理发展出之管制图都称为Shewhart（华特）管制图。

应用围

管制图之应用有许多方式，在大多数之应用上，管制图是用来做制程之在线（on-line）监视。

亦即收集制程样本数据用来设立管制图，若样本值落在管制界限且没有任何系统性之变化，则称制程在管制。

管制图也可以用来决定过去之制程数据是否在管制，与末来之制程是否将在管制。

管制图也可用来做为估计之工具，当制程是在管制时，则可预测一些制程参数，例如平均数、标准差、不合格率等。

此种制程能力分析对于管理者之决策分析有相当大之影响，例如自制或外购之决策，工厂与制程之改善以降低变异，与与供货商或顾客间之合约。

管制图实施步骤

1.选择质量特性

2.决定管制图之种类

3.决定样本大小在设计管制图时，我们必须决定样本之大小（samplesize）与抽样之频率。

一般而言，大样本可以很容易地侦测出制程小量之变动。

当选定样本大小时，必须先决定所要侦测之制程变动的大小。

当制程变动量相当大时，则适合使用小样本，反之，若制程变动小时则使用大样本。

除了决定样本大小外，我们同时须决定抽样之频率。

最理想之状况是次数频繁地抽取大样本。

但从经济观点而言，此并非最佳之抽样方法。

较可行之方法是在长时间间隔下取大样本或短时间间隔下取小样本。

在大量生产下或有多种可归属原因出现下，较适合样本小而次数多之抽样。

由于检测器和自动量测技术之发展，目前之趋势倾向100%检验。

4.抽样频率和抽样方式

管制图是利用合理样本组之概念来收集样本数据。

合理样本组之抽样方式可让可归属原因出现时，样本组间发生差异之可能性最大，而样本组发生差异之可能性为最小。

当管制图应用到生产时，生产时间次序为一合乎逻辑之合理样本组取样方法。

一般合理样本组之抽样有两种方式进行。

在第一种方式下，组样本尽可能在时间差距很短之情况下收集，如右图之（a）。

这种抽样方法将可使样本组间之差异为最大而样本组之差异为最小。

这种抽样方式也是估计制程标准差之最好方法，一般称之为瞬时法（instanttimemethod）。

第二种方式下，样本组之数据为来自于上次抽样后具代表性之产品。

在此种抽样方式下，每一样本可视为在抽样间隔之随机样本，如右图之（b）。

此种抽样方式称为分布式抽样（distributedsampling）或称为定时法（periodoftimemethod）。

这种抽样方法通常是用在决定自上次抽样后之产品是否可接受时。

5.收集数据

6.计算管制图之参数，一般包含中心线和上下管制界限

7.收集数据，利用管制图监视制程

使用管制图之原因

1.管制图是一改善生产力之有效工具管制图之有效运用可降低报废和重工。

报废和重工之降低代表生产力增加、成本降低和产能之增加。

2.管制图是预防不合格品之有效工具管制图为一预防性之管理工具，强调第一次就做对，它比事后之检验更能提升产品之质量。

3.管制图可预防不需要之制程调整由管制图可获知调整制程参数之最佳时机，以避免因过度调整，使制程变异增加，造成制程成效恶化。

4.管制图可提供诊断之信息管制图上之非随机性变化模型（nonrandompatterns）可以提供诊断制程异常之情报。

一个非随机性模型通常是由一组异常原因所造成。

由管制图上非随机性模型可了解制程何时为异常，并可缩小寻找问题原因之围，降低诊断时间。

5.管制图可提供有关制程能力之信息管制图可提供制程参数、制程之稳定程度和制程能力等情报，这些信息对于产品和制程之设计者非常有帮助。

检核表

意义与功能

检核表是一种用来收集与分析数据简单而有效率的图形方法。

检核表可说是另一种次数分配的