2.3製程能力指標
1.USL-規格上限 LSL-規格下限 CL-規格中心值
2.Ca-製程準確度(CapabilityofAccuracy)
3.Cp-製程精密度(CapabilityofPrecision)
4.Cpk-製程能力指數(總合Ca&Cp之指標)
或
下面以圖示說明:
LSL
USL
CL
μ相同,故Ca值一樣,綠線σ小,故Cp值大,Cpk值亦大
LSL
USL
CL
σ相同,故Cp值一樣,綠線μ在中心沒有偏移,故Ca值小,Cpk值大
在標準常態分配之狀況下,Cpk=1時,其OutSpec.之機率為0.0027,亦即不良率為2700DPPM,而在Cpk=1.33時,其OutSpec.之機率為0.000064,亦即不良率為64DPPM。
第3章
查檢表
3.1何謂查檢表(Checksheet)?
「勾記型的圖形或表格,使用它時只須登入檢查記號和點數整理,可藉以稽核和分析」。
因此,「查檢表」=「事實記誌」
3.2查檢表的種類
1)紀錄用:
如【圖3-1】,它又稱「改善用查檢表」。
2)點檢用:
如【圖3-2】,它用於「作業實施」和「機械整備」的確認。
作業者
機械
日期
不良種類
月日
月日
月日
月日
尺寸
A
1
缺點
材料
其他
尺寸
缺點
B
2
材料
其他
【圖3-1】車床加工查檢表
10000KM時定期保養
顧客寶號:
日期:
車牌號碼:
保養費用:
車種款式:
行駛公里:
作業者:
□電瓶液量□空氣濾清器
□水箱□機油
□胎壓□分電盤蓋
□火星塞□化油器
□風扇皮帶
註:
檢查調整更換
【圖3-2】汽車定期保養查檢表
3.3查檢表製作
查檢表的內容是依據下述考量而決定:
1)把握項目:
待蒐集項目和數據樣式;
2)表格樣式:
如【圖3-3】所示,查檢表格式應符合蒐集目的;
3)記錄型式:
點檢的記錄形式,如項目、日期、數目、合計等;
4)蒐集方式:
何人、何時、何地、何物、、、等等。
3.4表格使用
使用查檢表進行蒐集數據,待完成後宜檢討下述問題:
1)反映事實:
印證所獲數據是否能反映某些事實?
2)獨特項目:
查看是否有些項目主宰事實,或個別項目間明顯差異?
3)時間推移:
是否有經時變化的趨勢?
4)週期循環:
是否有週期變化的型樣?
。
數據期間:
87年第三季
檢查項目
期間
案件數目
10月
11月
12月
合計
畫面
沒有畫面
//
2
/////
5
///////////////////////////////////35
42
沒有彩色
///
3
////
4
//
2
9
電波
沒有天線
/////
5
/////
4
////////////////////
20
29
沒有方向
//////////////////////////////
30
////////////////////////
24
/////////////////////////////
29
83
聲音
沒有
////
4
//////
6
/////
5
15
其他抱怨
/////
5
//
2
///////////////
15
22
案件合計
49
45
106
200
【圖3-3】「電視機故障投訴」狀況查檢表
第4章柏拉圖
4.1何謂柏拉圖?
它是「根據類型所蒐集的數據,按發生數量大小之類型為序,所編製的頻次圖形。
」一般,柏拉圖多加上累計比例的折線。
因此,如按「不良原因」、「不良狀況」、「不良位置」、「安全事故」或「客戶抱怨」等的類型區分,則
「柏拉圖」=「重點問題」
【圖4-1】「電視機顧客投訴」柏拉圖
4.2柏拉圖製作
1)決定數據期間;
2)決定水平橫軸:
除其他外,按發生數據由大至小,由左至右排定類型順序;
3)決定左右縱軸:
依據最大頻次和比例決定左、右縱軸的刻度;
4)長條圖繪製:
在橫軸個類上,將數據大小按左軸刻度畫出長條圖;
5)折線圖繪製:
在橫軸個類上,將個類數據佔總數的累計比例,按右軸刻度畫出圖點,並用直線由左至右連結;
6)附記事項:
記入主題及相關資料。
4.3柏拉圖使用
使用柏拉圖,有下述三時機:
1)掌握重點:
百分之八十的不良是由百分之二十的原因所造成。
2)發現真因:
當製程產品突然冒出罕見缺陷,且某機臺的劣品數竟佔9907與該劣品總數的94%,此際從該機臺下手應可追查到缺陷的真因。
3)效果確認:
採行對策一段期間後,改善效果可望在柏拉圖上呈現。
如果效果明顯,不良總數會下降,而重要項目也會有一番大調整。
如【圖4-2】所示,改善後案件從上季200件降至本季78件;而且改善後「電視機顧客投訴」的前三項是「沒有天線」、「沒有聲音」、和「沒有彩色」,已非改善前的「沒有方向」、「沒有畫面」、和「沒有天線」。
改善前後的比較,可如【圖4-2】使用柏拉圖顯示。
【注意】效果確認時應考量:
-不同比較期間的項目和對象是否一致?
-季節性的變化是否對數據有影響?
-對策外的要因是否對數據有影響?
【圖4-2】改善前後「電視機顧客投訴」柏拉圖
第5章
魚骨圖
5.1何謂魚骨圖?
它是「就特性數值,整理主導影響的潛在要因之間的條理,及要因和特性的因果關係,成為骨狀的圖形。
」如圖【圖3-1】所示的「特性要因圖」,亦常繪成「魚骨圖」,「魚頭」和「魚刺」各表示「問題特性」和「潛在要因」。
因此,
「魚骨圖」=「推敲因果」
C.3模具尺寸不正確
沖型不良
B.人員
A.材料
D.方法
C.機器
A.1台虹基材尺寸安定性不佳
A.2材料儲存環境不正確
B.1自主檢查
未落實
C.1沖孔位置度
C.2底片尺寸不正確
D.1製程條件變更
【圖5-1】特性要因圖
5.2魚骨圖製作
魚骨圖是按下述程序而製作:
1)問題特性:
釐定問題或品質的特性,如「延遲交貨頻頻」;
2)定大要因:
推定能支配問題或品質的主要因素;
3)中小要因:
推定大要因內之中度、輕度因素;
4)主要原因:
推定大要因間之主要因素;
5)附記事項:
填上製作目的,日期及製作者資料。
5.3魚骨圖使用
使用魚骨圖,有下述三時機:
1)整理問題:
將紊亂問題整理出頭緒;
2)追查真因:
從問題成因中追究出主因;
3)尋找對策:
從問題主因中研討出對策;
4)教育訓練:
員工解決問題能力的訓練。
【注意】編製魚骨圖時應注意:
把握腦力激盪原則、將要因層別化;5W1H之原則不因好惡決定。
【圖5-2】對策魚骨圖
第6章
散佈圖
6.1何謂散佈圖?
它是「按數據分布型態,來判斷配對變數之間對應關係的圖形。
」因此,
「配對數據」=「敲定因果」
【圖6-1】溫度X和硬度Y的散佈圖
6.2散佈圖作成
1)配對變數:
找出關切的兩變數。
若係因果關係時視因和果各為X、Y變數
2)蒐集數據:
至少三十組以上變數數對
3)計算組距:
各找出兩變數的最大值、最小值、和全距
4)標軸刻度:
各按兩變數的最大、最小、和全距設定座標軸
5)標繪圖點:
按各數對的橫軸、縱軸座標,在圖上以單點標記
6)標繪心軸:
各繪製
和
的直線,則構成以
為中心的I、II、III、和IV四象限。
7)附記事項:
何人、何時、何地、何物、、、等等。
例如,如【圖6-1】所示完成的散佈圖。
6.3關係性質
使用散佈圖時,常需判斷X變項與Y變項的相關性質。
可利用
為中心的四象限,檢視各圖點落處於I、II、III、和IV象限的狀況,來判定X與Y的關係。
以下是各式各樣相關性質的判定方式:
1)正負相關:
當X增加時,Y亦隨之增加,它表示因變數X與果變項Y是呈「正相關」;反之,則X與Y呈「負相關」。
2)強弱相關:
圖點分布較密集時是「強相關」,而分布較疏廣時是「弱相關」。
如【圖6-2】所示。
3)無甚相關:
圖點分布散亂時,X與Y之間是「無甚相關」。
如【圖6-3】所示,各圖點分散落處於I、II、III、和IV各象限。
4)曲線相關:
圖點分佈呈曲線傾向時是「曲線相關」。
如【圖6-4】所示,各圖點似乎「貼近」某條曲線。
【圖6-2】強弱相關
(a)強相關(b)弱相關
【圖6-3】無甚相關
【圖6-4】曲線相關
6.4相關係數
自行求算的公式如下:
6.5使用散佈圖時應注意事項:
1)不當數據:
數據的獲得是否品質良好?
譬如「不當量測」、「不當期間」、「人為疏失」或「人為篡改」等等。
2)假性相關:
變數之間本質上是否並無相關性?
譬如「中山高交通事故」和「養殖池成魚驟死」的相關係數可能甚大,可是結論卻是荒誕不經:
「中山高交通事故和養殖池成魚驟死之間,關係甚大。
」
3)層層疊疊:
數據的背景條件是否不夠特定?
譬如「不同機臺」、「多人操作」或「不同批號」等等。
第7章
管制圖
7.1何謂管制圖?
管制圖是將「製程樣組」和「品質特性」各置於橫軸和縱軸的一種折線圖,但它事先已繪製「CL」、「UCL」、「LCL」等三條水平界線。
如【圖7-1】所示,使用管制圖時、按時逐次抽樣,然後將頻次或數值數據,標繪成乙個圖點。
若生產穩定,則圖點理應散落在UCL和LCL兩條界線的範圍之內,並且圖點大多會貼近CL界線。
因此,
「管制圖」=「異常警告」
【圖7-1】管制圖
7.2管制圖的研判
1)界外點-管制圖中已有點落於管制界限外
2)點串型-製程業已偏移或呈現走勢
3)非隨機-管制圖中某組點有非隨機的現象
a.三點中有二點在A區或以外(機率=0.005928)
b.五點中有四點在B區或以外(機率=0.034604)
c.連續六點持續上升或下降(機率=0.015625)
d.
八點在心線兩側C區內(機率=0.047183)
e.連續九點在單邊C區或以外(機率=0.001953)
f.15點在心線兩側C區內(機率=0.003261)
g.有一點在A區以外(機率=0.002700)
h.連續14點交互升降(機率=0.000122)
備註:
A區-兩倍至三倍標準差間
B區-一倍至兩倍標準差間
C區-一倍標準差間
第8章
直方圖
8.1何謂直方圖?
它是「就『品質特性』數值的數個相等區間為序,按數據『落入各區間的頻次』製作成條圖。
」
「直方圖」=「品質概要」
【圖8-1】汽缸頭徑長直方圖
8.2直方圖製作
1)數據範圍:
找出「最大值」和「最小值」。
2)計算全距:
由「最大值」減「最小值」而得全距值。
3)組數組距:
先參考數據總量決定組數,再求算組距=全距÷組數。
4)上下組界:
求算各組之上、下組界。
5)組中心點:
求算各組之組中心點。
組中心=(上組界+下組界)÷2
6)次數分配:
點數落入各組之筆數。
7)製作圖形:
就品質特性為橫軸,按各組次數製作成條圖。
8)附記事項:
記入主題及相關資料而作成直方圖。
8.3分佈判斷
1)常態型:
如【圖8-2】所示,製程正處於安定狀態。
2)鋸齒型:
如【圖8-3】所示,數據蒐集或作圖方法不恰當。
3)截尾型:
如【圖8-4】所示,無法量測某界限以下的數值。
4)峭壁型:
如【圖8-5】所示,產品業已經過篩選。
5)雙峰型:
如【圖8-6】所示,樣本數據來自不同的機臺或材料。
6)丘陵型:
如【圖8-7】所示,樣本數據來自迥異的製程。
7)
離島型:
如【圖8-8】所示,製程業已遭到特殊原因的淆擾。
第9章
圖8-4
圖8-5
圖8-6
圖8-7
圖8-8
層別法
9.1何謂層別法?
「因為數據具有多種屬性,若就特定類別整理之,以便能指認出是否存在時或空的反覆現象。
」這就是層別法。
因此,
「層別法」=「大海覓針」
9.2層別法的作法
1)確定層別的目的
2)選定影響品質特性的原因
3)製作記錄卡
4)整理數據
5)比較與檢定