Six Sigma GB 教材--测量(M)阶段.ppt

《Six Sigma GB 教材--测量(M)阶段.ppt》由会员分享，可在线阅读，更多相关《Six Sigma GB 教材--测量(M)阶段.ppt（84页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Six Sigma GB 教教 材材Measure2課堂行為準則需要双向的沟通（讲师和学员）如果您有与课题相关的经历或资料，请与大家分享有问题作好记录联想式听讲我如何在工作中运用这种工具或方法休息后准时回来关闭手机或者使用振动方式如果您认为课程过重请及时告诉讲师结业标准说明阶段阶段目的目的主要活动主要活动输出物输出物对成果的现水准量測 导出潜在Xs通过分析，Vital Few Xs 导出对于Vital Few Xs的最佳条件(方案)设定、适用及效果的确认构筑维持成果的控制体系 通过VOC/VOB/COPQ分析、Project选定，定义 分析分析 DOE 控制控制计划计划 树立树立Project

2、 选定选定 Vital Few Xs 项目项目 数学数学 模型模型/最佳条件最佳条件 控制控制计划书计划书 Project 定义定义现水准现水准 确认确认 Project 实行计划书实行计划书 製程能力分析製程能力分析 水准水准 优先顺序化的优先顺序化的 Xs项目项目 成果显示成果显示 对策方案选定对策方案选定 最佳解决方案最佳解决方案 管管制制图图 SOP 标准化标准化Define(定义定义)Measure(量測量測)Analyze(分析分析)Improve(改善改善)导出潜在导出潜在 XsControl(控制控制)DATA 收集收集 DATA 收集计划收集计划DMAIC RoadmapDe

3、fineMeasureMeasureAnalyzeImproveControl主要活动主要活动确认现在水准确认现在水准量測 System 分析为了确认现在水准的 Data收集製程能力分析(输出水准)导出潜在导出潜在 XsXs导出潜在因子潜在因子优先顺序化输出物输出物MSA(Gage R&R)结果製程能力分析结果製程能力分析结果(水准水准)详细 Process Map优先顺序化的潜在优先顺序化的潜在 Xs Xs 目录目录技法技法Process Map,MSA(Gage R&R),製程能力分析,MeasureDefineAnalyzeImproveControlq Measure 概要概要q Pr

4、ocess Mapq量測量測System分析分析q Six Sigma 测度测度q 量測阶段进行结果量測阶段进行结果 Measure 阶段的完成结果整理如下。Measure 概要I.现在的水准现在的水准(Baseline)及改善目标及改善目标 Y的的摘摘要要输出变量输出变量 Y Motor杂音有效容量消耗電力成果基准成果基准(规格)35dB 以下500 liter38kw 9%Gage R&R8%17.6%9.4%水准4.12.73.6COPQ1.8亿2.3亿0.7亿改善目标1亿0.2亿0.5亿现在水准水准4.83.54.5COPQMeasure 概要II.优先顺序化的潜在优先顺序化的潜在Xs

5、 区分区分XXXXXXXs回转速度Traveler速度Tool 形态Tool锋力程度Shaft材料特性一次切削量规格规格100 rpm 10 RPM 现无现无?120 mm 1.5 mm现无MeasureDefineAnalyzeImproveControlq Measure 概要概要q Process Mapq量測量測System 分析分析q Six Sigma 测度测度Process MapProcess Map遇以下用途可以使用。遇以下用途可以使用。q为了说明现在的作业工序。q为了查明对现在作业工序的对策方案。q为了消除重复，loop,非附加价值阶段及整体。q为了促进制程作业工序的合理化

6、活动。q为了使资源得到合理的分配。Process MapProcess Map 想的想的.实际的实际的 理想理想.可能的可能的.思考!nProcess Map在M阶段的作用?Process Mapping一、一、一、一、HFHF洗洗洗洗净净/Resist/Resist涂布涂布涂布涂布process Mapping:process Mapping:总流程：总流程：总流程：总流程：HF洗净RESIST涂布DAG涂布HFHF洗净洗净ResistResist涂涂布布ResistResist成成膜膜ResistResist干干燥燥ResistResist显显显显像像像像BC 出检均匀resist膜厚P/

7、L蚀刻是否均匀？均匀resist膜厚分布曝光前P/L温度分布/BC size分布合理BC DOT水切状况良好经过曝光管面均匀？（BC mottle限度管）X HF浓度C HF洗净时间C P/L转速X Resist粘度C Resist涂布量C 转速X 转速c 成膜时间X 加减速X 干燥温度X 加热器距离C 转速C 曝光照度C 显像压力、水温C 显像时间N 喷嘴型号/位置关键因子目标值目标值目标值目标值USLUSLLSLLSLHF浓度25%3020RES粘度14.0cps1315成膜转速88hz98HZ80hz加减速230.5加热器距离1520cm35cm10cm干燥温度650度720200可控因

8、子目标值目标值目标值目标值USLUSLLSLLSLHF洗净时间6.5s6.5s4s酸洗转速8hz12hz6hzResist涂布量曝光照度涂布转速3.5hz5hz2.5hz可控因子目标值目标值目标值目标值USLUSLLSLLSL成膜时间5.5s6.54.5干造转速20hz3510显像压力1.521显像水温40度4538显像时间6s7s5sBC MOTTLE Process MappingBC MOTTLE 要因矩阵要因矩阵MeasureDefineAnalyzeImproveControlq Measure 概要概要q Process Mapq量測量測System 分析分析q Six Sigma

9、 测度测度哪個製程較好呢？实际实际製製程变異程变異偏偏倚倚稳定性稳定性线性线性已观测的已观测的製製程变異程变異测量系统的变異测量系统的变異組組内变異内变異組組间变異间变異正确度正确度精密度精密度P2T2R&R2T2=P2+R&R2 R&R2=AV2+EV2重重复性复性再现性再现性1)1)製製程变異的理解程变異的理解我们所观测製程的变異里包含了实际製程变異实际製程变異和测量系统的变異测量系统的变異.假如测量系统的变異比较大时会发生什么样的问题?测量系统验证测量系统验证测量是为了表示某个物体的特定的性质而对物体赋予数值的方法。操作方法,步骤,Gage和其它装备,软件,测量者等 为了得到测量值而使用

10、的我们统称为测量系统(Measurement System).测量系统的误差测量系统的误差 正确度正确度(Accuracy)(Accuracy):测量值和真值之间的差异 偏倚(Bias),線性(Linearity),穩定性(Stability)精密度精密度(Precision)(Precision):用同样的仪器对同样的部品反复测量时产生的测量值的散布 重複性(Repeatability),再現生(Reproducibility)精度低,正确度差精度低,正确度高精度高,正确度低精度高,正确度高测量系统的精度及正确度测量系统误差测量系统误差测量系统内在的变异性基于重复测量的数据，用分组后组内的标

11、准偏差来估算 小于测量系统的总变差 重复性重复性指同一 人使用同一测量工具对同一对象（产品）的同一特性进行多次测量中产生的变差，用于估计短期的变差Master Value精确度：重复性精确度：重复性精确度：再现性测量系统中操作员产生的变异基于不同操作者的测量数据，按操作员分组，通过组平均值的差来估。应扣除量具的因素（组内变差）比测量系统总变差小Inspector AMaster ValueInspector BInspector CInspector AInspector BInspector C再现性再现性指不同的人在对同种特性进行测量时产生的变差R&R 对过程变差计算的影响观测到的过程变差

12、实际的过程变差测量系统的变差AppraiserPartTrial#12345678910A-13.623.643.613.643.623.66 3.633.663.593.66A-23.633.653.613.643.633.66 3.633.673.593.66A-33.633.653.613.643.623.66 3.633.663.593.65B-13.67 3.733.65 3.623.64 3.64 3.65 3.70 3.68 3.43B-23.68 3.733.65 3.633.65 3.653.663.70 3.67 3.43B-33.67 3.73 3.65 3.63 3.6

13、5 3.643.66 3.70 3.68 3.43C-13.523.643.623.633.593.813.663.633.653.63C-23.533.643.623.633.583.823.673.623.653.63C-33.533.643.623.633.593.813.663.633.653.63案例:nTwo-Way ANOVA Table With Interaction nSource DF SS MS F Pn产品 9 0.109933 0.0122148 0.988 0.482n人员 2 0.001129 0.0005644 0.046 0.955n产品*人员 18 0.2

14、22560 0.0123644 695.500 0.000nRepeatability 60 0.001067 0.0000178nTotal 89 0.334689n nGage R&R n%ContributionnSource VarComp (of VarComp)nTotal Gage R&R 0.0041333 100.00n Repeatability 0.0000178 0.43n Reproducibility 0.0041156 99.57n 人员 0.0000000 0.00n 人员*产品 0.0041156 99.57nPart-To-Part 0.0000000 0.

15、00nTotal Variation 0.0041333 100.00n Study Var%Study VarnSource StdDev(SD)(6*SD)(%SV)nTotal Gage R&R 0.0642910 0.385746 100.00n Repeatability 0.0042164 0.025298 6.56n Reproducibility 0.0641526 0.384916 99.78n 人员 0.0000000 0.000000 0.00n 人员*产品 0.0641526 0.384916 99.78nPart-To-Part 0.0000000 0.000000

16、0.00nTotal Variation 0.0642910 0.385746 100.00nNumber of Distinct Categories=1 nGage R&R Study-XBar/R Method n%ContributionnSource VarComp (of VarComp)nTotal Gage R&R 0.0000302 1.69n Repeatability 0.0000099 0.55n Reproducibility 0.0000203 1.13nPart-To-Part 0.0017580 98.31nTotal Variation 0.0017882 1

17、00.00n Study Var%Study VarnSource StdDev(SD)(6*SD)(%SV)nTotal Gage R&R 0.0054938 0.032963 12.99n Repeatability 0.0031502 0.018901 7.45n Reproducibility 0.0045009 0.027006 10.64nPart-To-Part 0.0419287 0.251572 99.15nTotal Variation 0.0422871 0.253723 100.00nNumber of Distinct Categories=10属性数据测量系统分析A

18、ttribute MSAn nWithin Appraisers nAssessment AgreementnAppraiser#Inspected#Matched Percent 95%CInA 20 17 85.00 (62.11,96.79)nB 20 14 70.00 (45.72,88.11)n#Matched:Appraiser agrees with him/herself across trials.nFleiss Kappa StatisticsnAppraiser Response Kappa SE Kappa Z P(vs 0)nA 0 0.693095 0.223607

19、 3.09961 0.0010n 1 0.693095 0.223607 3.09961 0.0010nB 0 0.375000 0.223607 1.67705 0.0468n 1 0.375000 0.223607 1.67705 0.0468n nEach Appraiser vs Standard nAssessment AgreementnAppraiser#Inspected#Matched Percent 95%CInA 20 14 70.00 (45.72,88.11)nB 20 13 65.00 (40.78,84.61)n#Matched:Appraisers assess

20、ment across trials agrees with the known standard.nAssessment DisagreementnAppraiser#1/0 Percent#0/1 Percent#Mixed PercentnA 1 9.09 2 22.22 3 15.00nB 0 0.00 1 11.11 6 30.00n#1/0:Assessments across trials=1/standard=0.n#0/1:Assessments across trials=0/standard=1.n#Mixed:Assessments across trials are

21、not identical.nFleiss Kappa StatisticsnAppraiser Response Kappa SE Kappa Z P(vs 0)nA 0 0.543517 0.158114 3.43750 0.0003n 1 0.543517 0.158114 3.43750 0.0003nB 0 0.590793 0.158114 3.73650 0.0001n 1 0.590793 0.158114 3.73650 0.0001nFleiss Kappa StatisticsnAppraiser Response Kappa SE Kappa Z P(vs 0)nA 0

22、 0.543517 0.158114 3.43750 0.0003n 1 0.543517 0.158114 3.43750 0.0003nB 0 0.590793 0.158114 3.73650 0.0001n 1 0.590793 0.158114 3.73650 0.0001n nBetween Appraisers nAssessment Agreementn#Inspected#Matched Percent 95%CIn 20 12 60.00 (36.05,80.88)n#Matched:All appraisers assessments agree with each ot

23、her.nFleiss Kappa StatisticsnResponse Kappa SE Kappa Z P(vs 0)n0 0.570170 0.0912871 6.24590 0.0000n1 0.570170 0.0912871 6.24590 0.0000nAll Appraisers vs Standard nAssessment Agreementn#Inspected#Matched Percent 95%CIn 20 12 60.00 (36.05,80.88)n#Matched:All appraisers assessments agree with the known

24、 standard.nFleiss Kappa StatisticsnResponse Kappa SE Kappa Z P(vs 0)n0 0.567155 0.111803 5.07279 0.0000n1 0.567155 0.111803 5.07279 0.0000MeasureDefineAnalyzeImproveControlq Measure 概要概要q Process Mapq量測量測System 分析分析q Six Sigma 测度测度計數值的過程能力評估DPUDPU与与DPMODPMOq DPO(DPO(Defects per Opportunity)Defects p

25、er Opportunity)每机会缺陷数q DPU(DPU(Defects per Unit)Defects per Unit)每单位缺陷数 为了消除缺陷的基准 工厂单位改善中使用q DPMO(Defects per Million Opportunities)DPMO(Defects per Million Opportunities)每百万机会缺陷数 考虑制品复杂度的比较基准 企业内或企业之间Benchmark手段OpportunityOpportunityDefectsDefectsDPODPO=UnitUnitDefectsDefectsDPDPU U=q DP DPPM PM(De

26、fect(Defect Parts Parts per Million)per Million)百万分之不良q DPU/DPO/DPMODPU/DPO/DPMO以下以下DrillingDrilling加工的例加工的例子子中中，請，請计算计算DPUDPU与与 DPMODPMO.Data Data 类型是类型是?UnitUnit?DefectDefect?OpportunityOpportunity?DPUDPU?DPMODPMO?q DPUDPU计算计算总生产单位数总缺陷数=DPU DPU不能考虑一个单位里有多少缺陷机会。DPU =DPMO总缺陷发生机会数总缺陷数1,000,000=DPMO=q

27、 DPMODPMO计算中心计算中心 一般表示6水准时，比不良率 3.4ppm更恰当的是3.4DPMO DPU/DPO/DPMO DPU/DPO/DPMO 事例事例 使用互相不同的Process、制品之 间或制造领域和非领域之间比较时更 恰当。q DPMO DPMO 计算例计算例缺陷数缺陷数 某个PCB以800个焊接点共200个部品构成。在这個PCB中发现焊接不良6处，不良部品2个。DPMO是?DPMO=qDP(M)O DP(M)O 计算时注意事项计算时注意事项 例)某部品的生产製程中不良发生机会数是100,000次，但正常作业过程中只对其中1,000次机会进行评价，结果一个部品里发现10个缺陷

28、，以下计算中哪个正确？DPO=10/100,000 DPO=10/1,000机会是有缺陷发生的可能性，以检查及试验对象被评价时机会是有缺陷发生的可能性，以检查及试验对象被评价时計算計算 YieldYield在工在工序序的各阶段中包括返工或部品的废弃等不良的管理指标，的各阶段中包括返工或部品的废弃等不良的管理指标，是良品率的概念。是良品率的概念。初檢通過初檢通過率率(FTY,First Time Yield):FTY,First Time Yield):一一制程投入产品件数与第一次检验就通过之件数比率。制程投入产品件数与第一次检验就通过之件数比率。直通率直通率(RTY,Rolled Throug

29、hRTY,Rolled Throughputput Yield):Yield):全制程的投入产品件数与通过全制程无缺点产品件数之比率。全制程的投入产品件数与通过全制程无缺点产品件数之比率。表现为各制程的良率相乘。表现为各制程的良率相乘。标准化產出率标准化產出率(Y YNorNor,Normalized Yield):Normalized Yield):表现全体制程的品质水准时使用的指标中的一个，表现全体制程的品质水准时使用的指标中的一个，在在ProcessProcess中初期产出率适用几何平均概念。中初期产出率适用几何平均概念。q Yield(Yield(產出率產出率)的种类的种类q Yiel

30、d(Yield(產出率產出率)45,000 ppm 浪费浪费30,000 ppm 浪费浪费56,000 ppm 浪费浪费95.5%產出率產出率97%產出率產出率94.4%產出率產出率RTY=0.955*0.97*0.944=87.4%不但是最终阶段，其它各阶段的能力不但是最终阶段，其它各阶段的能力RTY都重视。都重视。HiddenHidden Factory:Factory:返工返工返工返工/废弃废弃废弃废弃 Yieldq RTY计算 已知的DATA是缺陷DATA时，計算RTY 是意味着Poisson泊松分布中PX=0 (没有一个缺陷的概率).-eDPU 已知的DATA是不良率或產出率DATA

31、时,計算RTY YieldRTY=FTY1FTY2 FTY3 q YNor 计算计算YNor=FTY1 FTY2 FTYnnq RTY 计算的检讨 生产一个单位部品所需 3个製程，各製程的初期產出率为 FTYi.各单位製程中发生的缺陷数，跟随着拥有以下概率函数的泊松分布。DPUdpudpudpuee-+-=)(321-但,为 单位製程 i 的 平均缺陷数 因此各单位製程的產出率是在製程中一个缺陷都不发生的概率，如下。idpueXP-=0 按以上的结果，可以确认下面的等式。3RTY=FTYi i=1 Yield想想下面的製程。想想下面的製程。进料进料检查检查100%產出率產出率SMD检查检查95

32、.5%產出率產出率PBA检查检查97.0%產出率產出率ICT94.4%產出率產出率 RTY =1.00 0.955 0.970 0.944 =0.874=87.4%Y%7.96967.0874.0RTY414Nor=q Yield(產出率產出率)Yield例1)现场某一位机師对特定类型Defect观察结果 346个生产单位中发现1个。对这特性(Characteristic)的 RTY?0.002893461=DPU00289.0=0.99711=-eeRTYDPU计算)例2)有3个製程组成的生产线，各製程通过產出率为 98%时生产线的 RTY?计算)0.980.980.98RTY=0.98 0

33、.98 0.98=0.941192 q RTY计算 例 YieldYieldn試計算以下各製程及全製程的之FTY(不可修理的製程)Yield練習練習n試計算以下各製程之良率及全製程的直通率(可修理的製程)Yield練習 水准 水准水准:规格中心和规格上限或下限距离是标准差的规格中心和规格上限或下限距离是标准差的几倍？几倍？q 水准的概念水准的概念 品质特性值随正态分布时，从规格中心到规格界限为止距离相当于标准差几倍的测度，Process變異越小，水准越大。1 3 平均平均规格界限规格界限 量測Process可以生产多少均一品质制品能力的测度。1 1 发生不良限度3 平均平均记号前数值记号前数值

34、(Z)越大，不良发生越大，不良发生的概率越小。的概率越小。6 规格界限规格界限3 水准的水准的稳定製程稳定製程6 水准的水准的稳定製程稳定製程 由于作业者倒班、原材料LOT变化、设备的保养、模具交换等现实性的变化要素而规格中心和Process平均长时间维持一致状态是很难。根据经验随着时间过 去，一般Process平均离中心约 1.5左右变动。q Process dynamicsLSLUSL起点 1起点 2起点 3起点 4Process 固有能力固有能力长期长期 Process 能力能力目标值q 水准和水准和 DPMO 考虑Process现实变化，计算对应水准的缺陷率或不良率时，Process平

35、均离规格中心标准差的1.5倍变动为前提计算。在6水准Process中，100万次机会中能发生3.4次左右缺陷，这相当于3.4DPMO.USLLSL规格中心3.43.4DPMODPMO4.5 4.5 .stst1.5 1.5 .stst999,999.6999,995999,991999,987999,979999,968999,952999,928999,892999,841999,767999,663999,517999,313999,032998,650998,134997,445996,533995,339993,790991,802989,276良品数良品数3.459132132487

36、21081592333374836879681,3501,8662,5553,4674,6616,2108,19810,7246.05.95.85.75.65.55.45.35.25.15.04.94.84.74.64.54.44.34.24.14.03.93.8.st4.54.44.34.24.14.03.93.83.73.63.53.43.33.23.13.02.92.82.72.62.52.42.3.lt986,097977,250971,284964,070955,435945,201933,193919,243903,199884,930864,334841,345815,94078

37、8,145758,036725,747691,462655,422617,911579,260539,828500,000460,172良品数良品数13,90322,75028,71635,93044,56554,79966,80780,75796,801115,070135,666158,655184,060211,855241,964274,253308,538344,578382,089420,740460,172500,000539,8283.73.53.43.33.23.13.02.92.82.72.62.52.42.32.22.12.01.91.81.71.61.51.4.st2.

38、22.01.91.81.71.61.51.41.31.21.11.00.90.80.70.60.50.40.30.20.10.0-0.1.lt420,740382,089344,578308,538274,253241,964211,855184,060158,655135,666115,07096,80180,75766,80754,79944,56535,93028,71622,75017,86413,90310,7248,198良品数良品数579,260617,911655,422691,462725,747758,036788,145815,940841,345864,334884,9

39、30903,199919,243933,193945,201955,435964,070971,284977,250982,136986,097989,276991,8021.31.21.11.00.90.80.70.60.50.40.30.20.10.0-0.1-0.2-0.3-0.4-0.5-0.6-0.7-0.8-0.9.st-0.2-0.3-0.4-0.5-0.6-0.7-0.8-0.9-1.0-1.1-1.2-1.3-1.4-1.5-1.6-1.7-1.8-1.9-2.0-2.1-2.2-2.3-2.4.lt6,2104,6613,4672,5551,8661,35096868748

40、33372331591087248322113953良品数良品数993,790995,339996,533997,445998,134998,650999,032999,313999,517999,663999,767999,841999,892999,928999,952999,968999,979999,987999,991999,995999,997-1.0-1.1-1.2-1.3-1.4-1.5-1.6-1.7-1.8-1.9-2.0-2.1-2.2-2.3-2.4-2.5-2.6-2.7-2.8-2.9-3.0.st-2.5-2.6-2.7-2.8-2.9-3.0-3.1-3.2-3

41、.3-3.4-3.5-3.6-3.7-3.8-3.9-4.0-4.1-4.2-4.3-4.4-4.5.ltq 水准与水准与 DPMO 表表q 水准计算水准计算 缺点数缺点数DATA时时 -求DPMO -表中找出对应DPMO的Z.st值。DATA是不良率时是不良率时 -以不良率可以计算出PPM.PPM=(不良率)1,000,000-从表中找出与PPM值一样的对应DPMO的 Z.st值。DATADATA是產出率时是產出率时 -Scrap、返工等为不良计算產出率。-从表中找出对应每百万个良品数=(產出率)1,000,000 Z.st值。q 水准的计算水准的计算 例例 例题 1.对某製程生产出货的制品

42、特征类型缺陷，经过长期调查结果346个制品中发现1个缺陷。计算在这製程的缺陷相关的水准。计算 1,000,0003461DPMO =2,890=从表中能查出对应 DPMO=2,890的Z.st值為？q 例题 2 某一个製程组成A,B,C,D,E 5个作业，各作业產出率为 0.99,0.95,0.90,0.90,0.95.ABCDE0.990.950.900.900.95水准是每100万个良品数=937,375 对应的 Z.st值是多少？5)95.0)(90.0)(90.0)(95.0)(99.0(=作业的标准化產出率937375.0=计算計量值的製程能力估算數值法制程能力分析數值法制程能力分析

43、n製程準確度製程準確度Ca(Capability of Accuracy)衡量自產品中所獲得產品資料的衡量自產品中所獲得產品資料的實績平均值實績平均值(X),與與規格中心值規格中心值(u)其間其間偏差的程度偏差的程度,是期望製程中生產的每個產品的實際值能與規格是期望製程中生產的每個產品的實際值能與規格中心值一致中心值一致 (1)Ca之計算方式如下：之計算方式如下：實績平均值實績平均值-規格中心值規格中心值 X-uCa=-*100%=-*100%規格公差規格公差/2 T/2T=USL-LSL=規格上限規格上限-規格下限規格下限集中趨勢集中趨勢集中趨勢集中趨勢CaCa值的等級判定值的等級判定值的等

44、級判定值的等級判定 Ca值是正值值是正值-實績平均值較規格中心值偏高實績平均值較規格中心值偏高 Ca值是負值值是負值-實績平均值較規格中心值偏低實績平均值較規格中心值偏低 Ca值愈小值愈小,品質愈佳。依品質愈佳。依Ca值大小一般分為四級：值大小一般分為四級：(3)Ca等級的說明等級的說明規規格格中中心心值值50%12.5%25%100%規規格格上上限限(下下限限)DCBA(4)處置原則處置原則A級：維持現狀級：維持現狀B級：改進為級：改進為A級級C級：立即檢討改善級：立即檢討改善D級：立即採取緊急措施，全面檢討，級：立即採取緊急措施，全面檢討，必要時停止生產必要時停止生產n製程精密度製程精密度

45、Cp(Capability of Precision)衡量自產品中所獲得產品資料的衡量自產品中所獲得產品資料的6個估計個估計實績標準差實績標準差(),與與規格公規格公差差(T)其間其間相差的程度相差的程度,是期望製程中生產的每個產品以規格中心是期望製程中生產的每個產品以規格中心值為目標，其值為目標，其變異寬度變異寬度愈小愈好，換言之，即在衡量愈小愈好，換言之，即在衡量規格公差範規格公差範圍與製程變異寬度圍與製程變異寬度兩者間相差程度兩者間相差程度(1)Cp之計算方式如下：之計算方式如下：規格公差規格公差6個估計實績標準差個估計實績標準差=T6 Cp=(雙邊規格雙邊規格)(單邊規格單邊規格)或或

46、離散趨勢離散趨勢離散趨勢離散趨勢規格上限規格上限-實績平均值實績平均值3個估計實績標準差個估計實績標準差=USL-X3 Cp=實績平均值實績平均值-規格下限規格下限3個估計實績標準差個估計實績標準差=X-LSL3 Cp=Cp值的等級判定值的等級判定 Cp值愈大值愈大-規格公差規格公差(T)大於估計實績標準差大於估計實績標準差()愈多，愈多，即表示製程的變異寬度遠小於規格公差即表示製程的變異寬度遠小於規格公差 Cp值愈大值愈大,品質愈佳。依品質愈佳。依Cp值大小一般分為五級：值大小一般分為五級：等級Cp 值A Cp 1.67B1.67 Cp 1.33 C1.33 Cp 1.00D1.00 Cp

47、0.67E Cp 0.67(3)Cp等級之說明等級之說明6 E 級級6 D 級級6 C 級級6 B 級級6 A 級級規格中心值規格中心值規格上限規格上限規格下限規格下限Cp Cp 0.670.67Cp=Cp=0.670.67Cp=Cp=1.00 1.00Cp=Cp=1.33 1.33Cp=Cp=1.67 1.67T=10 T=8 T=6 T=4 制程能力指數制程能力指數 Cpk(穩定的制程穩定的制程 )Cpk =(1 Ca )*Cp當當 Ca=0 時，時，Cpk=Cp單邊規格時，單邊規格時，Cpk 即以即以 Cp 值計之值計之集中趨勢集中趨勢集中趨勢集中趨勢離散趨勢離散趨勢離散趨勢離散趨勢(3

48、)Cpk 等級之說明等級之說明(當當 Ca=0 )6 E 級級6 D 級級6 C 級級6 B 級級6 A 級級規格中心值規格中心值規格上限規格上限規格下限規格下限CpkCpk 0.670.67CpkCpk=0.670.67CpkCpk=1.00 1.00CpkCpk=1.33 1.33CpkCpk=1.67 1.67T=10 T=8 T=6 T=4 CpkCpk=2.00 2.00T=12 USL：規格上限規格上限 LSL：規格下限規格下限 X ：制程總平均值制程總平均值 ：估計標準差估計標準差估計標準差估計標準差制程能力指數制程能力指數 Cpk S.T.Stable Process =R/d

49、 2 R：全距全距(全距全距)的平均值的平均值 d 2：依樣本數大小變化，所使用之常數依樣本數大小變化，所使用之常數 n2345678910d21.131.692.062.332.532.702.852.973.08USL：規格上限規格上限 LSL：規格下限規格下限 X ：制程總平均值制程總平均值 x x：實績標準差實績標準差實績標準差實績標準差性能指數性能指數 Ppk L.T.PpkPpk 性能指數性能指數性能指數性能指數 量試階段的量試階段的量試階段的量試階段的能力指數能力指數能力指數能力指數、某一產品長期監控下的某一產品長期監控下的某一產品長期監控下的某一產品長期監控下的能力指數能力指數

50、能力指數能力指數 (all of individual sample data using the standard deviation(all of individual sample data using the standard deviation 【root mean square equation root mean square equation】,“s“,“s“).).群體群體群體群體平均值平均值平均值平均值样本平均值样本平均值样本平均值样本平均值群體群體群體群體标准偏差标准偏差标准偏差标准偏差样本标准偏差样本标准偏差样本标准偏差样本标准偏差XNormal Distributio