世界级质量管理组织工具谢宁DOE.ppt

《世界级质量管理组织工具谢宁DOE.ppt》由会员分享，可在线阅读，更多相关《世界级质量管理组织工具谢宁DOE.ppt（49页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、谢宁DOE概述,DOE,DOE：试验设计是有目的的改变过程输入因素（X）以观测相应的输出变化（Y）的行动。 Y=F(X1,X2,X3Xn),什么是DOE？,DOE是一种质量工具，要解决的变量X与Y的关系，如果逆向知道问题Y，如何找出X1，X2，X3.？,design of experiment,DOE分类：经典DOE、田口DOE和谢宁DOE,8/2原则,80%的问题（Y） 是由哪些20%的原 因（X）造成的,帕累托定律,原理,目的,简单，有效,强调与部件对话,10大工具,DOE逆向：知道问题Y如何找到X,谢宁DOE,Y：绿Y，代表要解决的问题和目标,X：变量,红X,粉红X,浅粉红X,利克特尺度

2、：在好坏之间建立一个好坏程度，如1代表差，10代表好； 好处：减少数据量,测量精度：5:1，（即变量变化范围:测量工艺精度）5,谢宁DOE概念定义,谢宁DOE10大工具,多变量分析,为什么首先要讲多变量分析？ 最重要的是该工具针对大量没有直接联系的、猜测的可能原因和不可处理的变量减少到少得多的一族相关变量。 多变量分析为其它工具的使用提供一个分析基础。,多变量分析,多变量分析是一种过滤技术，将20个以上变量过滤，定位最可能的原因，可以形象的称之“漏斗法”,扑克戏法的原理：对于27张牌，三次定位找出指定的牌（红X），即第一次找出红X所在的列，可以排除18张牌；再次洗牌后，确定红X所在的排，排除6

3、张，只剩3张牌；再次洗牌，则可以轻松的确定唯一的红X,鱼骨图的无奈常用的分析问题的方法,鱼骨图可以分析问题产生的可能原因，但并不能进一步分析，到底哪个是主要原因，次要的原因。只能每项可能的原因都要进行改善，效率低，很多原因可能只是猜测，这正是多变量分析的优势。,多变量分析,目的：在X1，X2，X3，Xn中出红X、粉红X、浅粉红X所在的变量族,方法: 1. 针对每个变量，从产品或制程抽出四至五个样品作为样本,并测量有关之质量特性 2. 定时重复抽取样本,直到样本整体能反映大部份(约 80%)的不良变异 3. 按时序制作多变量图 4. 观察何种变异最为显著多变量分析的过滤器,位置变量(样本内的）

4、部件内部/组件内的不同位置 在成批加料时出现的位置或范围的变化 不同机器/不同试验位置 不同生产线之间/不同工人之间的质量变化 周期性(样本之间的变化) 在同样的时段，从一个生产过程中抽取的连续的部件间的变化 不同的批次/部件组中的变量 时间性的变化 小时、天、周、班别的变化差异,变量族的划分,设计多变量具体研究步骤,1. 测量仪器的精度至少是产品精度的5倍 2. 确定可出现的变量的族的数目 3. 画出族谱 4. 估计所要求的不同时间取样的次数 5. 确定对在加工过程中连续抽取的部件的数量（一般35） 6. 确定在部件内，族系的取样数量，如方位、机器、模腔的数量） 7. 将第4、5、6不重的数

5、量相乘，以确定要研究的部件总数 8. 设计一个图表，简化多变量数据的收集,多变量分析案例（一）,印刷电路板在钻孔时产生的过量毛刺，用利克特度 量尺度把毛刺分成1到10级，然后对各种变量族系进行 甄别。决定仅用一天的时间进行试验，期望在一天之 内就能充分找到至少80%的重要变量。 每天三班倒 有13台同样的钻床 每台机器有4个钻削夹头 每班有8个工人操作机器 每台机器上有3个装在PWB板上的控制板 每台机有10种钻孔尺寸,针对各个x进行族系的划分： 每天三班倒 每班工作时间的变化 有13台同样的钻床 每台机器有4个钻削夹头 每班有8个工人操作机器 每台机器上有3个装在PWB板上的控制板 每台机有

6、10种钻孔尺寸,首先画出族谱图，按照三个族系分类，然后确定各个x的取样数目，一般35就可以。从上可以得看，存在3大族系，个子族系，如下图：,然后设计数据收集表格,某芯片生产线对芯片与基带的黏贴度进行多因素分析,并得出如下结果:,多变量分析案例（二）,变量图，利用收集到的数据做图。图标可以直观的判断哪个变量族变化最大。 水平线表示时间也可以是周对周、天天天，小时对小时，批次对批次， 垂直轴表示正在研究的绿Y。,从图中可以看出，位置变量的变化最大，这说明红X在位置变量内,某加工者在制造直径要求为0.0250英寸0.001英寸的圆柱体转子轴时，出了很多废品。有3个轴式上午8点加工的，其它的为上午9、

7、10、11和12点加工的。对每个轴要进行四次测量2次在右面，两次在右面，对每个轴从左到右测量锥度；从上到下测试不同心度，让轴转动，测量最大直径点和最小直径点。这样，在部件内变量中，就会出现两个子族，即锥度和不同心度，绿Y为转子的直径。针对数据做变量图如下：,多变量分析案例（三）,第一种变量图,第二种变量图,针对同一个问题，两种变量图，从图可以看出，第二种变量图更为直观明了，可以很快发现，时间变量最大。,具体应用到切片生产中，可以针对一般线痕的问题做相关分 析的案例。相关变量如下： 1、车间3个班（A、B、C） 2、车间有36台机 3、每个班有6个主操手，没人负责6台机器 4、每个班12个小时

8、5、切片机使用M（380kg）和N（270kg+120kg）两种砂浆 6、切片机存在两种40工艺和42工艺 将线痕的轻重（即硅片的最大粗糙度）做绿Y,多变量分析案例（四）,族谱图分析,注：针对各个变量选取适当的取样次数，每4小时取样一次，主操手6个选取3个，机台36台选取9台。,设计数据收集表,首先确定重要变量的族系（注意：红X仅可能存在于几个族系之一中） 如果红X是位置变量族，则需要使用集中图，分析出绿Y所在具体的位置； 如果红X是部件对部件的变量组,就要检验周期图形、灰尘及管理等，这些银子可以影响一个部件，蛋不会连续影响其它部件，为进一步使用部件搜索和成对比较相对顺利；,多变量图的后续分析

9、,如果是时间变量组，注意过程中随时间变化的规律，可进行产品/过程搜索。 如果残留的相关变量在520个，可以进行变量搜索；如果少至24之间，可再进行全析因分析。 如果只有一个，可直接进行BVsC比较，确认改善效果。,集中图,适用的条件：变量处于部件内，为位置变量，下一步应当绘制部件内问题的精确定位。,目的 精确定位部件内问题的位置，为多变量分析的续篇。从谢宁 DOE解决问题的路径图中可以看出其所在位置：,应用于： 1、检查问题/缺陷是否集中发生在产品或过程中的某一特定区域； 2、当缺陷可能发生在产品的多个位置上（如气孔、针孔、污损）； 3、缺陷可能产生于过程中的多“流”，且流的数量较多，无法应用

10、多变量分析（如：批量式热处理）； “流”可以是设备、夹具等 方法： 1、画出零件草图，并划分成多个区域（栅格）； 2、将Y（结果）按1-5的等级量化； 3、从过程中连续收集零件，如有缺陷，确定其区域和严重程度，在相应的栅格处标上等级数； 4、持续收集零件，直到80%的历史不合格状况能够被覆盖。,某公司在控制面板上进行喷漆的过程中，成品率仅为82%。于是进行了多变量分析，经确定重要变量是控制面板内的变量。研究人员制作了一个集中图，显示出4种缺陷，以及每种缺陷的数目和位置。,集中图应用案例分析,从图中可以看出，铁钴镍合金的缺陷达43个，占到总缺陷的79.4%，集中于控制面板顶部的中部，这是由于控制

11、面板是用铁铬镍合金制的钩子沿面板上棱的中部挂起来的，这些钩子没有进行定期清洗，导致钩上的碎屑掉到了控制面板上。,分析和结论 1、仅需进行目视分析； 2、检查缺陷是否集中发生在产品或过程中的特定区域； 3、如缺陷集中于某过程流，则变异源于该过程（如：炉内各区域温度的不同）； 4、如缺陷不是集中于某过程流，则变异源于原材料的差异;如缺陷集中于某产品流，则变异源于该过程的缺陷/不足； 5、如缺陷不是集中于某产品流，则变异源于该过程设计或材料问题；,部 件 搜 索,部件的交换是否能将绿Y带走？,部件搜索,用途：用于装配操作，可拆卸的部件对比 适用条件：通过多变量分析发现重要的变量存在于部件对部件时；或

12、在同样的运行条件下，同时存在好坏时，直接使用部件搜索。 试验样品：2个，1“好”和1“坏”，两个部件的差异应该尽可能的大，考虑两种极端情况。 原理：交换理论，两个相同部件的对换，绿Y是否被带走,部件搜索,试验具体步骤： 1、取样：1个最好的样品和1个最差的样品，差异尽量大，有利于重要的因子的捕捉。 2、分别拆卸/重装2个样品部件2次，测量绿Y是否重现。 3、显著性检验，两个样品之间的差别是否显著。 3次绿Y的输出都是好的样品高于差的样品，之间没有重叠交叉。 D/1.25，才进行下一步；低于1.25则说明问题在与部件的拆卸/重装过程。（D和具体应用时讲解） 4、子部件交换，测量每次交换后两个部件

13、的输出。 5、使用判断极限，如果输出超出了判断极限，则为重要因子。（判断极限，具体应用时讲解） 6、进行析因分析，量化因子的重要性和相互作用。,实用案例,某厂生产的振荡器的时间延迟，同时存在高值（H）和低值（L）。通过拆卸/重装，结果如下：,1、根据一阶段图表进行显著性判断： D/1.25 D=高中值低中值=高中值（ 34、38、35 ）低中值（ 13、16、15 ）=20 =高中值（ 34、38、35 ）取值范围+低中值（ 13、16、15 ）取值范围/2=3.5 D/=20/3.51.25，这说明部件的差异不在组装过程，而是在子部件的差异。 2、进行第二阶段的部件互换，根据阶段一得数据做判

14、断极限： 高值范围=高中值2.776/1.81=35 2.776*3.5/1.81=35 5.37 低值范围=低中值2.776/1.81=15 2.776*3.5/1.81=15 5.37 3、做曲线图，看哪些子部件的交换导致输出超出了判断极限，即为重要因子,4、做析因分析,通过上表，可以算出A的主效应=(35+17.5) （15.5+17.5)/2=10 E的主效应=(35+17.5） （15.5+17)/2=10 AE之间的交互效应= (35+15.5） （17.5+17)/2=8,成 对 比 较,复杂的东西简单化，统计的东西非理论化,成对比较,用途：用于装配操作，部件不能拆卸分离时对部件

15、的属性进行比较鉴别重要因子 适用条件：在同样的运行条件下，同时存在好坏时，直接使用成对比较，避开多变量分析。 试验样品：6-8个好部件和6-8个差部件。 成对比较的通用性很强，可以用于设计、管理、技术等各种场合的部件对比。后一章关于部件/过程搜索的方法与本章基本一样，成对比较主要针对不能拆卸的子部件参数，而产品/过程搜索主要针对过程参数，如温度，角度，湿度、时间等变化的因子。其实在具体使用中，子部件的参数和过程参数都可以同时使用成对比较。产品/过程搜索就不再累述。,成对比较,使用方法： 1、选则采样量。选取相对于调查的绿Y尽可能远的6个或者8个好的部件以及同样数量的差的部件。好的和差的部件的绿

16、Y值应该相差越大越好，有利于找出红X。 2、尽可能多的罗列出可以表达好的和差的部件绿Y差异的参数或者质量特性。 3、将每项参数从大到小，或者从小到大的排列，使用图基检验，计算每项参数的终结计数。 4、终结计数如果大于或等于6，置信度大于90%，为重要因子；如果小于6，则为不不重要因子。终结计数越大，置信度越大。,图基检验 1、关键词：图基（人）、统计学规律、确定质量参数是否重要 2、使用程序： A不管好坏，将12个或16个参数按照从高到低，或者从低到高的顺序排列开； B 在参数的后面标出好（G）或差（B）的部件； C 排列在顶端参数由“全部是差的”开始改变成“好的”或者“差的”变成“好的”的分

17、界线处划断，好的或坏的个数为顶部的终结计数；同理，可以划定底部的终结计数。两个相加为该参数的终结计算； D 如果分界线处“好的”和“坏的”参数一样，则该终结计数减1/2；,成对比较案例,内外环跳动差异比较,案例分析： 1、样品选取8个“好的”8个“差的”，好的和坏的存在一定差距； 2、参数排序，每项参数的终结计数的确定；,3、成对比较，并不是问题解决的最后，还要使用变量搜索和全析因分析，量化重要因子和相互影响。,全 析 因 分 析,复杂的东西简单化，统计的东西非理论化,全析因,用途：简洁而正确的识别量化每一个一阶影响、二阶影响、三阶影响及四阶相互影响效应。 适用条件：在使用其它DOE线索生成工

18、具确定变量个数不大于4个时使用。 试验个数：2n，n为变量个数（4，大于4则繁琐） 试验原则：随机化，各变量的输入试验应该交错开，前后顺序随机化；重复性，各变量重复输入一次，输出如果相差大于10%，则需要消除干扰误差；必须使用其他DOE方法确认4因子为重要因子，不可直接使用全析因。,全析因,方法： 1、选择输入的变量和因子，编号为A、B、C和D。 2、为每个因子选择两个水平（任意两个，一好一坏）。两个水平分别标记为（）和（+）。 3、绘制16种组合的矩阵，使每一个因子组合的水平都能得到检验。 4、随机选择检验任何一个因子组合顺序，输入每一个组合两次，记录所对应的绿Y（输出，两次读书的平均值）。

19、如果每一个组合两次输入误差不大于10%，则试验具有重复性，否则需调节试验，消除误差因子。 5、绘制方差分析表，将每个因子（）和（+）分别相加，得出每个因子的变化，所引起输出的变化，确定红X、粉红X和浅粉红X。同时分析各因子之间的交互影响。 具体操作，从事例中讲解。,全析因,案例 波焊试验（4因子），确认相互之间的影响,绿Y(输出）：波焊缺陷水平,波焊试验24因子方差分析表（重点）,意义：ABCD四个因子，任意不重复的（）和（+）两水平组合（红色框子）输入，得到绿Y（输出）的值（蓝色框子)；总和（橙色框子）表示每个因子栏（A、BAB、CDABCABCD)中（+）符号的所有输出之和减去（）符号的所

20、有输出之和。,总和的值从大到小的因子组合即为红X、粉红X和浅粉红X。总和包含的意义可理解为该因子变化所引起的输出的变化大小，即该因子组合对输出的影响力。,浅粉红X,（-）乘以（+）为（-）,交互影响效应,输出比较：AB交互影响四组数值，在AB栏中(A,B)的两水平（-,+),(-,-),(+,-)和(+,-)组合四个组合，将四个组合的输出分别相加所得数值做交叉图；AD则为（A，D）组合，类似AB交互影响；BCD三阶交互影响则为（BC，D）组合，具体方法类似于AB二阶，只不过将A栏换成BC栏（三阶方法，书本解释错了）。 图表意义：如果两条直线交叉，说明交互影响很大，验证了为其为重要影响因子，两条直线未相交，弱交互影响；从图选取数值最小的为因子应处的水平为最佳水平，如AB交互影响，应A和B都处于（+）水平为宜。,应该是BC（-）和BC（+）,全析因-切片案例设计,可应用全析因分析确定切片过程中重要影响因子对切片线痕的影响，具体方案如下： 1、输入因子：（DG机台，假如通过多变量分析确定砂浆相同条件下，4因子为重要因子）,2、绿Y（输出）：硅片的线痕程度，利克特尺度综合粗糙度和线痕面积，划分为1、2、3.10等级。 3、目标：确定4因子之间的相互影响和最佳参数水平。,谢 谢！,