Transcript Six Sigma
Chapter 04
流程能力與績效分析
Outline
基本定義
流程能力(製程能力)分析
流程績效分析
計數值資料之流程能力與績效分析
非常態流程能力分析
注意事項
Pg 2
Introduction
企業常會關心產出(相對於規格)到底會有多少比例是不
良?進行流程能力與績效分析可提供上述相關之訊息。
流程(製程)能力指的是流程製造之產品能符合規格之能
力,簡言之即流程的一致性(uniformity)。
造成流程能力不足的主要兩個原因為:流程平均值偏離
規格中心值與流程變異過大。
改善流程能力不足有許多方法,但主要原則為:(1)降低
流程變異, (2)調整機台參數使流程平均值接近規格中
心值, (3)放寬規格界限。
基本上「流程能力」乃評估流程的短期能力,而「流程
績效」則評估流程的長期能力。
Pg 3
定義(Definition)
估計標準差(Estimation of s)
樣本平均數 x 和變異數s2分別是為母群體的平均數m
和變異數s²的不偏估計量(unbiased estimators)
E( x ) m and E(s 2 ) s 2
樣本標準差 s 不是一個母群體標準差s的不偏估計量
(unbiased estimator)
E ( s)
2
Γ(n / 2)
s
n 1 Γ((n 1) / 2)
c4s
c4
4( n 1)
4n 3
母群體標準差s的不偏估計量可經由下式估計之.
sˆ s / c4
Pg 5
變異定義(Definition—Variation)
固有流程變異(Inherent process variation)
流程變異僅來自共同原因(common causes)
製程變異可經由經由下二式估計之:
R / d 2 or s / c4
總流程變異(Total process variation)
流程變異來自共同原因與特殊原因
變異可經由各樣本標準差估計之:
( xi x ) 2
s
n 1
i 1
n
Pg 6
製程能力與績效之定義(Definition—
Capability & Performance)
製程能力(Process capability)
六個標準差範圍內之固有製程變異(The 6s range of a
process’s inherent variation)
(製程能力: 所有造成流程不穩定的非機遇原因被排除後,流程處
於統計的管制狀態下的流程能力)
s 可經由 R / d2 估計之
製程績效(Process performance)
六 個 標 準 差 範 圍 內 之 製 程 總 變 異 (The 6s range of a
process’s total variation)
s 通常由樣本標準差(s)估計之。
Pg 7
短期與長期變異(Short-Term vs. Long-Term
Variability)
短期變異
(短期間所蒐集的樣本)
共同原因(組內變異)
Cp and Cpk 常用來評估潛在的短期能力
長期變異
(長期間所蒐集的樣本)
長期流程變異來自共同原因與特殊原因
Pp and Ppk常用來評估大致上的長期能力
Pg 8
長期估計標準差(Long-Term Estimate of s)
公式(formula)
sˆ s
( xi x )
n 1
i 1
n
2
or
s
sˆ
c4
同時考慮了流程一般原因與特殊原因的變異
Pg 9
短期估計標準差(Short-Term Estimate of s)
若 x-bar and R 管制圖已建構完成,利用:
sˆ
若 x-bar and s管制圖已建構完成,利用:
sˆ
R
d2
s
c4
若 x-MR管制圖已建構完成,利用:
sˆ
MR
MR
d 2 1.128
其中MR 為移動全距之平均值
Pg 10
短期估計標準差
有m個樣本組與樣本大小為 n
sˆ
m
Sp
sp
c4 (d )
n
2
(
x
x
)
ij i
i 1 j 1
m
(n
i 1
i
1)
m
d ni m 1
i 1
利用實驗設計與ANOVA
Pg 11
製程能力分析
Process Capability Analysis
製程能力評估(Assessing Process Capability)
短期之流程能力分析一般使用於進料檢驗或產品最
終檢驗與測試等,它可迅速反映出供應商之原料或
產品當時的品質。
「流程能力指標」被使用來評估一流程滿足規格的
能力
Bad
High dispersion
(變異大)
Better
Low dispersion, Off target
(低散佈,目標值偏移)
Best
Low dispersion, On target
(低散佈,目標值準確)
Pg 13
假設(Assumptions)
當計算「流程能力指標」時,通常需首先檢
查
資料是否符合常態分配之假設
流程是否處於統計管制狀態下,亦即判斷是否資
料點都在管制界限內,並呈現自然隨機之變動
樣本大小考量(Sample size considerations)
最少須30個,最好超過100個樣本
Pg 14
符號(Notation)
LSL:規格下限
USL:規格上限
m:規格中心值
T:目標值
m:流程平均數
s:流程標準差
ppm (parts per million):每百萬產出之不合格數
Pg 15
製程能力指標: Cp & Cpk
Cp
USL LSL
6s
s 通常是使用短期變異來進行估算
USL m m LSL
C pk min
,
3s
3s
Cp 只考慮流程的變異;
Cpk 同時考慮流程的變異與流程平均值偏離規格中心之情形.
關係:C pk to C p is C pk C p (1 k ), where k
m μ
( USL LSL) / 2
.
m = (USL + LSL)/2
Pg 16
能力比(Capability Ratios)
1
CR
Cp
1
PR
Pp
CR 代表被變異使用之規格寬度
CR = 0.3 30% 的規格寬度被使用
Pg 17
Example 4.1: The Problem
從流程中抽取20組樣本,每組樣本有5個觀測值,用來量度某
品質特性,希望建立管制圖來管制該流程
No.
1
2
3
樣本組量測值
28
32
29
29
:
18
19
20
32
26
36
30
平均值
全距
28.6
30.4
32.4
5
3
6
:
:
:
30
31
28.8
29.8
33.8
4
13
6
30.95
5.15
27
30
32
30
29
32
27
31
42
31
Averages:
規格s: USL = 40, LSL = 20
樣本點6與19超出管制界線.
Pg 18
Example 4.1: Calculation
由於經繪製 x 管制圖之後得知樣本點6與樣本點19超出管制
界限,因此將此兩個樣本點剔除後再重新計算,得
sˆ
R 4.842
2.082
d 2 2.326
Cp的估計值為 Cˆ p USL LSL 40 20 1.601
6sˆ
6 2.082
此估計值大於1.33,表示此流程為一有能力之流程。
流程能力比
CR
1
6s
0.5
C p USL LSL
表示流程占用50%之規格寬度(CR越小越好,表示流程變異越小)。
Pg 19
Cp and ppm
Cp
0.25
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
2.0
單邊規格
226628
66807
35931
17865
8198
3467
1350
484
159
48
14
4
1
0.17
0.03
0.0009
雙邊規格
453255
133614
71861
35729
16395
6934
2700
967
318
96
27
7
2
0.34
0.06
0.0018
3個標準差
6個標準差
Pg 20
可接受之最小流程能力指數
Cp 值越大表示流程能力越好,產出的不合格率越低。
通常建議最小的流程能力指數為 1.33 (4s); 但是
Motorola在六標準差活動中,提出致力於獲得單一
流程一個最小的 Cp 值為2.0 以及 Cpk 值為 1.5。
Acceptance criteria is
organizational standard.
typically
based
on
Pg 21
Example
LSL
s 10
USL
100
130 145
190
Cp 1.50
Cp 1.50
C pk 1.00
C pk 1.50
Pg 22
Cp and Cpk比較
通 常 Cp 值 用 以 衡 量 流 程 的 潛 在 能 力 (potential
capability) , 而 Cpk 值 用 以 衡 量 流 程 的 實 際 能 力
(actual capability)。
如果流程平均值不在目標值上,則Cp > Cpk 。
Cp 與Cpk 間差異在於製程平均值偏移目標值多寡
若平均值=目標值, Cp = Cpk
若 Cpk = 0, 平均值=規格界限
若Cpk < 0, 平均值落於規格界限外
Pg 23
Cp, Cpk and ppm
s水準
Cp
平均值在目
標值上
平均值偏移
1.5s
Cpk
1
0.34
317310.5
697672.1
0.00
2
0.67
455001.1
308770.2
0.17
3
1.00
2700.0
66810.6
0.50
4
1.34
63.4
6209.7
0.83
5
1.67
0.6
232.7
1.17
6
2.00
0.0
3.4
1.5
7
2.34
0.0
0.0
1.83
8
2.67
0.0
0.0
2.17
9
3.00
0.0
0.0
2.50
3個標準差
6個標準差
Pg 24
Example 4.2
LSL
USL
Case 2
Case 1
100
130 145
190
Case 1
m 145
s 15
C pk 1.00
Case 2
m 130
s 10
C pk 1.00
Pg 25
Cpm Index
C pm
USL LSL
6 (m T ) 2 s 2
田口博士認為目標值(target, T)比規格界限還
重要
變異來自二項:製程變異(s) 與趨近製程中心
(process centering), (m - T).
當製程平均數不等於目標值時,Cpm比Cpk更精確。
• 當流程變異變大或流程平均值越偏離目標值時,Cpm 會變小 (Cpm < Cp)。
• 當流程平均值在目標上,則Cp = Cpk = Cpm 。
Pg 26
Example 4.3
LSL
USL
Case 2
Case 1
100
130 145
190
Case 1
m 145
s 15
C pk 1.00
C pm 1.00
Case 2
m 130
s 10
C pk 1.00
C pm 0.832
Pg 27
製程績效分析
Process Performance Analysis
製程績效指標: Pp & Ppk
USL LSL
Pp
6s
Pp 不考慮製程中心值.
USL m m LSL
Ppk min
,
3s
3s
s 通常是使用長期變異來進行估算
此二類績效指標亦可作為長期製程能力與績效指標。
Pp 與 Ppk 之差別,就如同Cp 與 Cpk之差別。但是請注意流程變異
之計算是不一樣的,例如:
( xi x ) 2
源自 x and R chart, sˆ
n 1
i 1
n
Pg 29
Example 4.4: The Problem
從流程中抽取20組樣本,每組樣本有5個觀測值,用來量度某
品質特性,希望建立管制圖來管制該流程
No.
1
2
3
Subgroup Measurements
28
32
29
29
:
18
19
20
32
26
36
30
Mean
Range
28.6
30.4
32.4
5
3
6
:
:
:
30
31
28.8
29.8
33.8
4
13
6
30.95
5.15
27
30
32
30
29
32
27
31
42
31
Averages:
規格: USL = 40, LSL = 20
兩個樣本點超出管制界限:Points 6 and 19.
Pg 30
Example 4.4: 長期觀點
經繪製x-bar管制圖之後得知樣本點6與樣本點19超出管制界
限,今假設暫不將此二個樣本點剔除
長期流程績效
sˆ s
n
i 1
sˆ
x
x)
n 1
i
100
i 1
xi 33.92 )2
100 1
3.368
3.368
3.368
3.376
c4 (100) 0.9975
若n 25, c4
4(n 1)
0.99748
4n 3
USL LSL
40 20
Pˆp
0.987
6sˆ
6 3.376
30.95 20 40 30.95
Pˆpk min
,
0.894
3 3.376
3 3.376
Pˆp Pˆpk 流程之平均值偏離目標值
Pg 31
Example 4.4: 短期觀點
經繪製x-bar管制圖之後得知樣本點6與樣本點19超出管制界
限,今假設暫不將此二個樣本點剔除
短期流程績效
sˆ
R
5.15
2.214
d 2 2.326
USL LSL
40 20
ˆ
Cp
1.506
6sˆ
6 2.214
30.95 20 40 30.95
Cˆ pk min
,
1.363
3 2.214
3 2.214
Cˆ p Cˆ pk 流程之平均值偏離目標值
此外可以發現所計算出來的短期流程能力指標值大於長期流程績
效指標值。
Pg 32
Example 4.4:短期觀點
利用 s
sˆ
s 2.093
2.227
c4 0.940
USL LSL
40 20
Cˆ p
1.497
6sˆ
6 2.227
30.95 20 40 30.95
Cˆ pk min
,
1.355
3 2.227
3 2.227
與上頁之計算, 相差不大。
Pg 33
Example 4.4:短期觀點
使用共同樣本標準差(pooled standard deviation)
x
m
Sp
n
i 1 j 1
m
n 1)
i 1
sˆ
ij xi )
Sp
c4 (80)
2
434.4
2.330
80
i
2.330
2.337
0.9969
m
d ni m 1 20 5 20 1 80
i 1
USL LSL
40 20
Cˆ p
1.426
6sˆ
6 2.337
30.95 20 40 30.95
Cˆ pk min
,
1.291
3 2.337
3 2.337
Pg 34
Example 4.5: Calculation-1
經繪製x-bar管制圖之後得知樣本點6與樣本點19超出管制
界限,今假設將此二個樣本點剔除
長期流程績效
sˆ s
n
i 1
sˆ
x
i x)
n 1
90
xi 30.2)2
i 1
90 1
2.103
2.103 2.103
2.109
c4 (90) 0.997
USL LSL
40 20
Pˆp
1.581
6sˆ
6 2.109
30.95 20 40 30.95
Pˆpk min
,
1.430
3 2.109
3 2.109
Pg 35
Example 4.5: Calculation-2
經繪製x-bar管制圖之後得知樣本點6與樣本點19超出管制
界限,今假設將此二個樣本點剔除
短期流程績效
sˆ
R
4.842
2.082
d 2 (5) 2.326
USL LSL
40 20
ˆ
Cp
1.601
6sˆ
6 2.082
30.95 20 40 30.95
Cˆ pk min
,
1.449
3 2.082
3 2.082
因為流程處於穩定中, s R / d2
所以 Cˆ p Pˆp , Cˆ pk Pˆpk
Pg 36
Example 4.6:五個零件裝配
分
別
計
算
產
品
長
度
之
平
均
值
與
標
準
差
一組件由五個零件所裝配而成。Page.147
Part 1
Part 2
Part 3
Part 4
Part 5
B1 0.001
B2 0.001
B3 0.001
B4 0.001
B5 0.001
B ?
(where B B1 B2 B3 B4 B5 )
3s y 0.0012 0.0012 0.0012 0.0012 0.0012 0.0224
Cp
USL LSL
0.06
1.34
6s
2(0.0224)
假設產品規格為16±0.03
分別計算個別零件之能力/績效指標,可能費時費
力。因此考慮整個產品並進行計算。
Pg 37
計數值資料之製程能力與績效分析
Process Capability/Performance for
Attribute Data
計數值資料之製程能力與績效分析
對於計數值資料,使用計數值管制圖之中心線
值作為流程能力之衡量指標。
以 p chart為例:
p 可作為製程能力估計值
計數值資料之流程能力衡量,其最主要的缺點在於
無法說明產品不符合規格之原因。
Pg 39
非常態流程能力分析
Process Capability/Performance
for Non-normal Data
(skip)
非常態流程能力指標與分析
找出最佳適配的分配(distribution),並估計機
率
將數據進行轉換,使之靠近常態分配
最常用方法為運用Box-Cox將資料轉換
Values (Y) are transformed to the power of l (i.e., Yl)
l 2
l 0.5
l 0
l 0.5
l2
Y transformed 1/Y2
Y transformed 1/ Y
Y transformed ln(Y)
Y transformed Y
Y transformed Y 2
Pg 41
Example:非常態流程分析方法
Find XL associated with Pr( )=0.00135
Find XU associated with Pr( )=0.99865
Estimate 6 sigma spread using XU – XL
3 sigma spread: X0.5 – X0.00135 ; X0.99865 – X0.5
Two-sided specification
Pp
X0.00135
X0.99865
Median
X0.5
USL LSL
X 0.99865 X 0.00135
One-sided specification
Ppk
X 0.5 LSL
X 0.5 X 0.00135
Pg 42
Example 4.7
某橡圈內徑上規格界限為12,下規格界限為5,今收集80筆
資料如下表所示。
9.25
4.89
5.12
7.81
5.8
5.02
5.81
7.16
4.32
6.04
5.69
6.18
5.8
7.13
5.35
9.09
5.4
5.05
7.22
6.47
5.17
5.96
5.28
6.44
4.76
4.85
8.25
4.85
4.66
5.23
7.39
6.81
5.74
6.2
4.98
7.72
6.18
5.27
5.96
4.83
5.46
7.19
5.56
5.59
6.08
7.52
4.84
5.35
4.56
6.33
4.92
5.45
7.89
5.29
5.36
5.97
6.47
7.06
6.8
6.82
6.31
5.97
4.94
6.39
6.19
4.75
5.96
4.6
5.59
5.15
5.55
4.63
6.1
9.2
6.2
5.37
4.99
7.6
6.63
4.93
無資料轉換
x 5.98, s 1.11
USL LSL 12 5
ˆ
Cp
1.05
6s
6 1.11
Pg 43
Example 4.7
由於原始資料之直方圖極為偏斜,因此估計出來之流程能力
值並不具代表性。
本例取原始數據的倒數進行轉換
轉換過後之數據近似常態分配
重新估計流程能力如下:
y 0.17, s 0.03
USL LSL 0.2 0.08
Cˆ p
0.67
6s
6 0.03
Pg 44
非常態分配之流程能力指標
Luceño (1996) 提出一非常態分配之流程能力指標
USL LSL
C pc
6
2
E Xi T
當品質特性服從常態分配時,上式分母將會等於6s
寬度。
E X i T 通常 未知,可用
1 n
Xi T
n i 1
進行估計。
Pg 45
Example 4.8
某橡圈內徑上規格界限為12,下規格界限為5,今收集80筆
資料如下表所示。
9.25
4.89
5.12
7.81
5.8
5.02
5.81
7.16
4.32
6.04
5.69
6.18
5.8
7.13
5.35
9.09
5.4
5.05
7.22
6.47
5.17
5.96
5.28
6.44
4.76
4.85
8.25
4.85
4.66
5.23
7.39
6.81
5.74
6.2
4.98
7.72
6.18
5.27
5.96
4.83
5.46
7.19
5.56
5.59
6.08
7.52
4.84
5.35
4.56
6.33
4.92
5.45
7.89
5.29
5.36
5.97
6.47
7.06
6.8
6.82
6.31
5.97
4.94
6.39
6.19
4.75
5.96
4.6
5.59
5.15
5.55
4.63
6.1
9.2
6.2
5.37
4.99
7.6
6.63
4.93
3.1
3.45
1.28
2.03
3.33
2.54
3.22
2.06
3.74
3.65
0.25
3.65
3.84
3.27
1.11
1.69
2.76
2.3
3.52
0.78
2.32
3.23
2.54
3.67
3.04
1.31
2.94
2.91
2.42
0.98
3.66
3.15
3.94
2.17
3.58
3.05
0.61
3.21
3.14
2.53
2.03
1.44
1.7
1.68
2.19
2.53
3.56
2.11
2.31
3.75
2.54
3.9
2.91
3.35
2.95
3.87
2.4
0.7
2.3
3.13
3.51
0.9
1.87
3.57
計算 X i T
0.75
3.61
3.38
0.69
2.7
3.48
2.69
1.34
4.18
2.46
2.81
2.32
2.7
1.37
3.15
0.59
USL LSL
2
12 5
8 .5
2
T
Pg 46
Example 4.8
非常態分配之流程能力指標
1 n
0.75 4.18 3.57
X
T
2.57
i
n i 1
80
USL LSL
12 5
Cˆ pc
0.36
7.52 2.57
6
2.57
2
Pg 47
A Case
實務案例問題
某製造商利用射出成型機製造飲料瓶蓋,並於流程中使用電
腦視覺儀器檢測瓶蓋色差,若色差大於某一設定值,則視為
黑點(不良品),需予以報廢或進行重工。由於瓶蓋不良率
過高,因此品管人員著手於品質改善之工作。
品管人員自流程中收集了瓶蓋色差的100筆數據
0.96
2.15
7.64
1.84
0.91
0.73
0.43
10.19
2.89
0.77
3.23
1.1
0.35
0.96
1.28
0.09
0.87
1.49
7.88
1.01
1.24
0.8
2.26
1.02
0.61
2.9
2.78
1.24
0.65
1.71
0.54
0.26
0.21
3.53
0.48
0.36
1
0.43
1.17
5.55
0.69
0.85
1.57
3.88
2.02
0.59
7.59
5.68
0.62
0.25
0.27
0.79
0.15
10.88
0.91
1.08
2.65
3.05
0.11
0.19
0.18
1.7
0.37
0.48
2
0.88
0.49
1.8
0.79
10.98
0.78
6.6
4.2
0.57
1.15
0.78
0.68
0.55
2.26
0.44
0.32
0.76
7.64
3.47
2.47
1.59
1.65
3.08
0.9
0.4
1.16
1.56
0.9
0.47
3.5
0.53
0.92
0.24
0.87
0.95
瓶蓋色差規格之上限為8
Pg 49
x-MR Chart
Pg 50
無資料轉換
C pk 1.11, Ppk 0.87
Pg 51
Box-Cox 資料轉換
A Box-Cox plot
Pg 52
x-MR Chart – 資料轉換後
只有第54個樣本點超出管制界限
Pg 53
製程能力分析(Process Capability
Analysis)
製程能力分析, 利用Box-Cox轉換
C pk 0.67, Ppk 0.63
Pg 54
結論
Conclusions
Notes
在進行流程能力與績效分析時須注意以下基本事項:
確認顧客與公司所認定的計算方式是否一致。也就
是說,所談的指的是短期流程能力或是長期流程績
效,且採用何種方式進行估算s等等,都必須要有一
共識,否則將會導致錯誤之決策結果。
應盡可能使用大家能夠瞭解與理解的指標。
樣本數據必須以常態分配為假設前提。
為使計算出之指標具代表性,樣本數據要夠大。
短期流程能力必須在流程穩定條件下計算出來。
Pg 56
Some Comments (1)
吾輩很難以單一指數或比值為基礎,來評估或
真正瞭解一個流程
所有能力/績效評估應當侷限為單一流程特性,
若要結合或是平均幾個流程的能力/績效結果
成為一個單一指標,是極為不恰當的(AIAG).
能力/績效指標會隨著時間而改變,Wheeler
建議使用x-MR chart來報告流程指標
Pg 57
Some Comments (2)
當使用統計軟體時 (例如 Minitab), Cp 和 Cpk
必須由組內標準差來決定,而 Pp 和 Ppk 必須由
整體的標準差來決定
必須提出大家能夠瞭解與理解的指標,許多研
究 者 並 不 建 議 將 ppm 轉 為 標 準 差 品 質 水 準
(sigma quality level),因為其結果會導致混淆
Pg 58