+++工序能力分析(韩资企业)

工序能力分析（共享资料）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?•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。–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.了解工序能力...尽可能减少标准偏差使工序平均值接近目标值工序设计生产高品质的产品工序能力改进LSLUSL好的制品目标值传统意义LSLUSL好的制品Targetvalue新的意义lossloss品质与损失如果品质特性与目标值不一致时，损失随时发生.A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•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•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。时间1时间2时间3时间4短期长期5.1长期•短期工序能力LSLUSLst6lt5.4LSLUSL1.5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•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.LSLUSL6LSLUSLCP•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01.5-6+6NominalLSLUSLCp=2.0Cpk=2.0Cp=2.0Cpk=1.51.53)5.1()6(3++targettargetaverageUSLCpk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）•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–完全相同的调剂那，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•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.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在minitab中，Pp，Ppk是在全标准偏差基础上计算出来的，Cp，Cpk是在组合标准偏差的基础上计算出来的70605040302010UpperSpecLowerSpecsMean-3sMean+3sMeannkLSLUSLTargCpmPpkPPLPPUPp200000002.000.000.000.00ObsPPMLSLExpObsPPMUSLExpObs%LSLExpObs%USLExp8.913217.320470.799644.060050.00000.037620.000070.0000**0.900.900.970.93ProcessCapabilityAnalysisforyield85756555453525UpperSpecLowerSpecsMean-3sMean+3sMeannkLSLUSLTargCpmCpkCPLCPUCp0010000000.000.0010.000.00ObsPPMLSLExpObsPPMUSLExpObs%LSLExpObs%USLExp8.501034.036985.043159.540050.00000.581620.000070.0000**0.411.550.410.98ProcessCapabilityAnalysisforyield•哪一个有较好的工序能力?为什么？工序能力•Boxplot:-X变量:“machine”-产量•注意“集团间变动”和“集团内变动”.21908070605040302010machineyield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方法。1020outputindex2.53.51.530•利用TimeSeriesPlot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.76543210232221201918171615141312111098765432103.52.51.5HourOutputDemonstationofRationalSubgroupsShiftistheGroupingVariable由平均值移动造成的变动集团内的变动全变动=+变动和有理数子集的构成1501005001514131211109ObservationNumberIndividualValueLong-termProcessDataforCo2X=12.64UCL=14.18LCL=11.10•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)1501005001514131211109ObservationNumberIndividualValueLong-termProcessDataforCo2X=12.64UCL=14.18LCL=11.104.工序能力分析使用minitab,工程分析•打开processcapability.mpj文件.•StatQualityToolsCapabilityAnalysis(Normal)输入规格集团的大小,etc输入数据89101112LSLUSLProcessCapabilityAnalysisforUSLTargetLSLMeanSampleNStDev(ST)StDev(LT)CpCPUCPLCpkCpmPpPPUPPLPpkPPMLSLPPMUSLPPMTotalPPMLSLPPMUSLPPMTotalPPMLSLPPMUSLPPMTotal11.000*9.0009.699500.1009280.7020443.304.302.312.31*0.470.620.330.33220000.000.00220000.000.000.000.00159706.6431929.67191636.31ProcessDataPotential(ST)CapabilityOverall(LT)CapabilityObservedPerformanceExpectedSTPerformanceExpectedLTPerformanceSTLTFill-up•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，经过不断的饿改进，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.•工序能力分析用于消除潜在的方差（variation）.•消除变动，能够改进工序.•通过形成有理数子集，改进工序.5.方差（variation）分析考虑具体工程时Y方差（variation）由引起.方差（variation）产生的原因,每个的类型是不同的在中，一部分方差变动（variation）是短期的，一部分是长期的。所以，从长远观点看，一个工序有不同的方差变动（variation）类型。nxxxfY,...,21xxxn,,12,xixi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）。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如果有理数子集形成….•GraphTimeSeriesPlotFill-up102030405091011Index面傈樊子集内的变动（variation）变小，而子集间的变动变大。通过分析点的类型，容易找到改善的途径。Fill-up89101112LSLUSLProcessCapabilityAnalysisfor面面面USLTargetLSLMeanSampleNStDev(ST)StDev(LT)CpCPUCPLCpkCpmPpPPUPPLPpkPPMLSLPPMUSLPPMTotalPPMLSLPPMUSLPPMTotalPPMLSLPPMUSLPPMTotal11.000*9.0009.699500.1009280.7020443.304.302.312.31*0.470.620.330.33220000.000.00220000.000.000.000.00159706.6431929.67191636.31ProcessDataPotential(ST)CapabilityOverall(LT)CapabilityObservedPerformanceExpectedSTPerformanceExpectedLTPerformanceSTLT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-up如果有理数子集没有形成….•打开Minitab文件processcapability.mpj.•GraphTimeSeriesPlotRegarding“fill-up1”,TimeSeriesPlotFill-up110203040508.59.510.511.5Index面面面子集内的变动变大，但集团间的变动不一定明显。改进的途径不易发现。78910111213LSLUSLProcessCapabilityAnalysisfor面面面USLTargetLSLMeanSampleNStDev(ST)StDev(LT)CpCPUCPLCpkCpmPpPPUPPLPpkPPMLSLPPMUSLPPMTotalPPMLSLPPMUSLPPMTotalPPMLSLPPMUSLPPMTotal11.0000*9.000010.0882500.9075540.9620380.370.330.400.33*0.350.320.380.32160000.00220000.00380000.00115254.87157525.89272780.77128997.941