CapabilityStudiesL流程能力分析

流程能力研究(CapabilityStudy)六西格玛培训COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.目的•于此课程后，您将能够–解释执行流程能力分析的目的–为属性测量值(Attribute)确定流程能力–为变量测量值(Variable)确定流程能力–选择正确的改善策略，提供质量的测量值，如Cp,Cpk,Pp,和Ppk–避免一般错误和有关流程能力研究的一些错误COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.方法论量测分析改善控制项目启动确定客户关键需求（关键流程输出）使用DOE确认关键输入制定改善计划试运行新流程评估流程输入的风险分析数据以确定关键输入变量识别浪费完成控制计划验证长期的流程能力认识流程制定和评估测量系统测量当前流程能力定义在衡量阶段中，用来描述流程的基准表现在改善阶段中，用来验证新的流程能力是否合乎要求在控制阶段中，用来进行日常流程能力研究以确定绩效是否稳固COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.量测认识流程制定和评估量测系统数据收集计划数据真实性稽核连续型MSA(GageR&R)计数型MSA(KappaStudies)流程能力目前的流程图X(KPIV’s)已确定并量测测量系统已验证目前Y的流程能力(KPOV’s)测量测量当前流程能力SIPOC/价值流图详细流程图：输入/输出分析因果矩阵认识流程制定和评估量测系统测量当前流程能力工具步骤输出COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.•流程能力作为一种预测绩效的强大工具，是建立免检系统的关键•然而，这个工具通常被错误应用。您应该要了解此项工具，才不会误用•由流程能力研究，我们能得知：–“我的流程表现如何?”•如果流程不符要求，流程能力研究能帮助我们找出最省力的改善方法何谓流程能力?COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.如果您要使用流程能力分析来预测未来的流程质量水准，前提是流程需稳定且可预测。如果不合符上述条件，流程能力分析就无法预测未来的质量水准。流程能力分析也可用作诊断工具。如果只是作为诊断工具，那么上述的条件就没有那么严苛。研究前提COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.此流程稳定且可预测进一步分析此图表，如果没有干扰发生，流程会保持在95.48左右，且数据会落在59.99和131.0之间60504030201001401301201101009080706050ObservationNumberIndividualValueIChartfordata1Mean=95.48UCL=131.0LCL=59.99稳定且可预测COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.此流程不稳定且无法预测您无法由这些数据预测数据落点会落在何处这些数据仅适合诊断分析1501005001901409040ObservationNumberIndividualValueIChartfordata111111111111111111111111111111111Mean=97.19UCL=125.7LCL=68.72不稳定且无法预测COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.规格上限规格下限表达顾客声音的另外一种方式是采用规格界限来定义“合格”或“不合格”定义：顾客声音COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.定义：流程声音1201101009080706095%ConfidenceIntervalforMu1009896949295%ConfidenceIntervalforMedianVariable:data193.43711.88191.860Maximum3rdQuartileMedian1stQuartileMinimumNKurtosisSkewnessVarianceStDevMeanP-Value:A-Squared:99.98017.09599.101127.242104.94296.44989.34362.00060-3.5E-02-3.7E-01196.45814.016395.48060.1190.58995%ConfidenceIntervalforMedian95%ConfidenceIntervalforSigma95%ConfidenceIntervalforMuAnderson-DarlingNormalityTestDescriptiveStatistics相同数据的分布图亦代表流程声音60504030201001401301201101009080706050ObservationNumberIndividualValueIChartfordata1Mean=95.48UCL=131.0LCL=59.99控制图代表的是流程声音COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.1201101009080706095%ConfidenceIntervalforMu1009896949295%ConfidenceIntervalforMedianVariable:data193.43711.88191.860Maximum3rdQuartileMedian1stQuartileMinimumNKurtosisSkewnessVarianceStDevMeanP-Value:A-Squared:99.98017.09599.101127.242104.94296.44989.34362.00060-3.5E-02-3.7E-01196.45814.016395.48060.1190.58995%ConfidenceIntervalforMedian95%ConfidenceIntervalforSigma95%ConfidenceIntervalforMuAnderson-DarlingNormalityTestDescriptiveStatistics规格下限流程能力分析可用来比较顾客声音和流程声音以此决定流程是否满足顾客需求流程能力分析规格上限COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.765432115014013012011010090807060ObservationNumberIndividualValueIChartforC6Mean=101.7UCL=139.7LCL=63.711501005001901409040ObservationNumberIndividualValueIChartfordata111111111111111111111111111111111Mean=97.19UCL=125.7LCL=68.72从一个表现糟糕的流程中抽出一段，看起来还不错。怎么会这样呢?长期、短期数据COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.三个原因•小样本通常会低估变异•小样本捕捉到数据偏移和趋势的机率相对较小•不过，最重要的原因是我们收集数据的时间不够长–我们没有提供足够的机会让流程中的每一个变量充分表现•“长期数据”让变量拥有充分的表现机会COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.使您的流程看起来不错，您应该…从同一班次、同一位操作员、同一批物料和同一部机台抽取少数样本如果您想要观察流程真正的表现，您应该…从所有班次、若干物料批次、若干操作员和所有机台抽取大量样本给予每个变量充分表现自己的机会(一付玫瑰色的眼镜)如果您希望结果是….COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.Kevin通常在Sixsigma课程中会提及一个原理：长期来看，流程会在短期流程的基础上偏移1.5个标准差这个假设颇有争议我们将在第四周进一步讨论移动1.5SigmaCOPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.范例1:您的流程制造5%的不良零件。抽样一零件，拿到好的零件的机率是.95。抽100个零件，没有零件是坏的机率是.95100或.005921。100次抽样中，抽到一个或一个以上不良零件的机率极高范例2:您的流程制造.1%的不良零件。抽样一零件，拿到好的零件的机率是.999。抽100个零件，没有零件是坏的机率是.999100或.9047。100个抽样中，抽到一个或一个以上不良零件的机率少之又少好的抽样计划如何变差COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.当你面对完美的质量时，所有抽样计划都会发生问题，包括用来建立流程能力的样本您有两个选择：全部检验，或免除最终检验，但您需要对流程的输入变量有充足的了解并且控制得当，您才能得到很好的质量。然后，进行定期稽核，确保没有发生变化定期的随机抽样无法让您了解真正的情况因此…COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.定义：数据种类属性或变量•属性数据又称为离散型数据、计数型数据–范例：•好零件的数目、坏零件的数目•压力A、压力B•反应炉1、反应炉2等•变量数据又称为连续型数据、计量型数据–范例：•水银温度计•指针式速度表•长度（公分）•重量（公斤）COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.属性数据流程能力表现为一个比例数据或单位瑕疵数如：DPUDPODPMODPPM.1201101009080706095%ConfidenceIntervalforMu1009896949295%ConfidenceIntervalforMedianVariable:data193.43711.88191.860Maximum3rdQuartileMedian1stQuartileMinimumNKurtosisSkewnessVarianceStDevMeanP-Value:A-Squared:99.98017.09599.101127.242104.94296.44989.34362.00060-3.5E-02-3.7E-01196.45814.016395.48060.1190.58995%ConfidenceIntervalforMedian95%ConfidenceIntervalforSigma95%ConfidenceIntervalforMuAnderson-DarlingNormalityTestDescriptiveStatisticsUpperSpecLimitLowerSpecLimit变量数据流程能力由VOC和VOP比较计算得来，以Cp,Cpk,Pp,Ppk或DPPM表示两个方法：属性数据和变量数据COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.流程能力分析–属性数据COPYRIGHT©2006QFECONSULTING.ALLRIGHTSRESERVED.每百万机会的瑕疵数(DPMO)=DPOx1,000,000.有时我们亦写成(单位瑕疵数DPUx1,000,000)/每单位的机会数每百万件不良品数(DPPM)=1000,000个抽样所发现的不良品数找到的瑕疵数检验过的单位数单位瑕疵数(DefectsperUnit-DPU)=找到的瑕疵数每机会的瑕疵数(DefectsperOpportunity-DPO)可能的机会数=定义：简单公