[精选]六西格玛项目报告之降低包装重量成本

上传人:我**** 文档编号:183744516 上传时间:2021-06-14 格式:PPTX 页数:43 大小:3.02MB
返回 下载 相关 举报
[精选]六西格玛项目报告之降低包装重量成本_第1页
第1页 / 共43页
[精选]六西格玛项目报告之降低包装重量成本_第2页
第2页 / 共43页
[精选]六西格玛项目报告之降低包装重量成本_第3页
第3页 / 共43页
[精选]六西格玛项目报告之降低包装重量成本_第4页
第4页 / 共43页
[精选]六西格玛项目报告之降低包装重量成本_第5页
第5页 / 共43页
点击查看更多>>
资源描述

《[精选]六西格玛项目报告之降低包装重量成本》由会员分享,可在线阅读,更多相关《[精选]六西格玛项目报告之降低包装重量成本(43页珍藏版)》请在金锄头文库上搜索。

1、六西格玛项目报告 降低包装重量成本,作者: 李润棚,D,M,A,I,C,D1 项目背景,2016年1月上旬中国林肯在上海总部召开年度会议 会上,董事总经理指出未来三年,中国林肯年度绩效指标之一降低运营成本,并强调上海、南京、郑州、唐山、锦州各个工厂将每年的生产成本降低10%,以此来应对近年的经济危机 同时,质量总监要求各个工厂认真对待2015年的客户投诉,2016年将客户投诉率减少30%,VOB,VOC,D,M,A,I,C,D2 项目陈述,针对总部绩效指标,郑州林肯工厂各个部门收集并反馈可改善问题 质量部反馈:2015年工厂30条客户投诉,其中5条共性问题焊剂产品包装重量缺少 物流部反馈:出厂

2、焊剂产品重量超多,外包物流运输超重 生产部反馈:自动包装机每袋焊剂包装重量不稳定,时多时少 综述:郑州工厂自动包装机包装重量标准范围大导致实际包装波动范围大,重量多浪费工厂生产成本;重量少客户投诉,D,M,A,I,C,D3 战略关联,本项目与部门关键绩效指标和工厂关键绩效指标密切相关。对部门绩效指标和公司绩效指标的贡献度分别是 40 %和 10 %,D,M,A,I,C,D4 项目范围,输入 Input,供应商 Supplier,输出 Output,过程 Process,客户 Customer,工艺部 设备部 质量部 生产部,制定标准,调整设备参数,校验设备参数,加工制造,包装,加工,称重,校验

3、,包装,焊剂包装,托盘包装,仓库部,物流部,买方,D,M,A,I,C,D5 Y和缺陷定义,自动包装机AB称称重重量:由于包装机参数的设定值以及下料速度(快给进、中给进、慢给进)等原因,导致最终每袋重量达不到理想状态(25.00-25.05Kg),AB称称重重量不稳定:根据日常监控仪表读数, 称重重量有的最小范围24.75-24.80Kg,有的最大 范围25.15-25.19Kg(测量每40袋,40袋为一吨), 重量低于25.00Kg不满足客户要求,重量高于 25.00Kg,增加工厂生产成本,关键度量指标Y,Y定义,缺陷定义,CTQ树图展开,D,M,A,I,C,D6 目标陈述,基线,年度关于包装

4、重量客 户投诉数:5条 年度潜在增加包装成 本15万人民币,目标,年度减少客户投诉数 :5条 年度降低成本20万人 民币,极限目标,年度减少客户投诉数 :5条 年度降低成本25万人 民币,基线数据来源: 2015年01月12月; 生产日报表 目标及极限目标设定理由:AB称称重标准可以设定在理想范围,D,M,A,I,C,D7 财务收益预估,直接财务收益,备注:每包标准重量25Kg,每吨40包 收益计算公式 E=(A-B)*40/1000*13000*0.28 即:(25.15-25.05)*40/1000*13000*0.28=14.56万元,无形财务收益,1、减少客户投诉以及处理客诉的成本 2

5、、降低由于超重给外包物流增加的额外运输成本 3、年度预估节约产品52吨,减少之前额外生产多余产品的加工制造成本,项目结束后一年的预计财务收益14.56万元 三年的预计财务收益48.2万元,D,M,A,I,C,D8 团队成员,D,M,A,I,C,D9 项目计划,M1 测量系统分析,M,D,A,I,C,测量指标:产品包装重量(连续型数据) 开展日期:2016年6月18日 样本量:共10个 量具:电子称 测量者:孙运朝、张庆勇、韩华栋 记录分析人员:李润棚 测量方法:用电子称分别对10个样品称重并记录 判定基准:P/TV30%,P/T 30%,可区分的类别数5,结论: 由上图可分析出 P/TV30%

6、,P/T 30%,可区分的类别数5,因此,本测量系统满足要求,M2 过程能力分析,M,D,A,I,C,每隔十分钟抽取五袋产品共20组,进行检测 1、概率图中P0.05,符合正态分布 2、控制图中服从判异准则,过程处于受控 3、分析图中Cpk1,过程能力不足,M3 微观过程图,M,D,A,I,C,输入,类型,流程,输出,输入,类型,流程,输出,产品粒度 产品湿度 进料流速 出料流速 设备参数 操作规程,U U N C C C,加 工 产 品,合格 产品,运 输 产 品,产品 除锈,称重,包装,AB称快给料 AB称中给料 AB称慢给料,C C C,设定值0.02Kg,包重 25.0-25.05Kg

7、,共9个影响因素,M4 因果矩阵,M,D,A,I,C,M4 因果矩阵,M,D,A,I,C,对因果矩阵用帕拉图进行分析,找到了影响80%的重要因子: 设备参数 AB称快给料 AB称中给料 AB称慢给料,M5 FMEA失效模式分析,M,D,A,I,C,M6 块赢措施,M,D,A,I,C,针对FMEA中RPN值较低的AB称设定标准进行快赢改善,M7 二次FMEA失效模式分析,M,D,A,I,C,改善后的RPN值与改善前相比大大降低了!,M8 快赢改善效果确认,M,D,A,I,C,改善后每隔十分钟抽取五袋产品共20组,进行检测:包装重量服从正态分布,并且处于受控状态,产品均值明显降低,但是过程能力还不

8、足,还需要进一步改善,M9 阶段小结,M,D,A,I,C,经过过程图,因果矩阵,FMEA及快赢措施,筛选出的重要 X是:,AB称快给料速度 AB称中给料速度 AB称慢给料速度,A阶段将分别验证3个X对Y的影响,进一步识别根本原因!,A1 数据收集计划,A,D,M,I,C,A2 因子分析-快给料速度,A,D,M,I,C,结论: 通过对快给料速度因子的数据分析,得到P0.05,因此,快给料速度对包装重量的稳定性有显著影响,A2 因子分析-中给料速度,A,D,M,I,C,结论: 通过对中给料速度因子的数据分析,得到P0.05,因此,中给料速度对包装重量的稳定性没有显著影响,A2 因子分析-慢给料速度

9、,A,D,M,I,C,结论: 通过对慢给料速度因子的数据分析,得到P0.05,因此,慢给料速度对包装重量的稳定性有显著影响,A3 分析阶段结论,A,D,M,I,C,X1:快给料速度,经过A阶段分析验证, 判断对Y有影响的 重要X因子有:,经过A阶段分析验证, 排除的因子有:,X2:慢给料速度,X3:中给料速度,I阶段将对以上重要X因子作出改善!,I1 试验设计分析,I,D,M,A,C,I1 试验设计分析,I,D,M,A,C,I2 全因子试验设计拟合选定模型,I,D,M,A,C,从ANOVA表中可以清楚地看出 1、主效应项中,P值为0.000,显示所选定的模型中主效应总体是显著的 2、在弯曲一栏

10、中,P值为0.500,显示没有明显的弯曲趋势 从ANOVA表之前得到的估计效应和系数(已编码单位)是各项主效应及各交互效应的结果,从显著性来看,快给料、慢给料对应的P值都小于显著性水平0.05,因此可以判定,这两项效应是显著的,而快给料*慢给料项效应不显著,I2全因子试验设计残差诊断,I,D,M,A,C,从残差的“四合一”图分析 1、观察残差对于以观测值顺序为横轴的散点图(图3中右下图),此图是正常的 2、观察残差对于响应变量拟合值得散点图(图3中右上图),此图是正常的 3、观察残差的正态性检验图(图3中左上图),此图是正常的 4、观察残差对于各自变量的散点图(图1、图2),此两个图是正常的,

11、图1,图3,图2,I2全因子试验设计判断模型是否需要改进,I,D,M,A,C,从残差图可以看出,模型拟合的还可以,只是在检验各项效应中,发现只有快给料、慢给料对应的P值小于显著性水平0.05,因此可以判断快给料、慢给料因素是显著的,因此修改拟合模型后重新进行计算 从新的ANOVA表中可以清楚地看出 1、主效应项中,P值为0.000,显示所选定的模型中主效应总体是显著的 2、在弯曲一栏中,P值为0.476,显示没有明显的弯曲趋势 3、在失拟一栏中,P值为0.578,显示拟合的模型没有明显失拟,I2全因子试验设计判断模型是否需要改进,I,D,M,A,C,从残差的“四合一”图分析 1、观察残差对于以

12、观测值顺序为横轴的散点图(图3中右下图),此图是正常的 2、观察残差对于响应变量拟合值得散点图(图3中右上图),此图是正常的 3、观察残差的正态性检验图(图3中左上图),此图是正常的 4、观察残差对于各自变量的散点图(图1、图2),此两个图是正常的,图1,图3,图2,I2全因子试验设计判断模型是否需要改进,I,D,M,A,C,综上所述: 可以认为已经选定了最终的模型,MINITAB给出了回归方程的系数,可以写出最后确定的回归方程 Y=24.9508+0.14375快给料+0.04375慢给料,对比删减前后模型的效果(如上图) 1、删减后的R20.9668较0.9685有所降低 2、删减后的R2

13、adj0.9586较0.955有所提高 3、删减后的s0.0055647较0.00579689有所降低 可见,删除不显著的交互作用项后,回归的效果更好了,I2全因子试验设计对选定模型分析解释,I,D,M,A,C,从两个因子的主效应图(左图1)中分析: 因子快给料和因子慢给料对于响应变量重量的影响确实是显著的,还可以看出,为使重量接近目标值,应该让因子快给料尽可能取中间值,让因子慢给料尽可能小,图1,图2,从两个因子的交互效应图(左图2)中分析: 因子快给料和因子慢给料的交互作用对于响应变量重量的影响确实是不显著的(两条线几乎平行),I2全因子试验设计对选定模型分析解释,I,D,M,A,C,根据

14、本项目要求,优化目标是属于“望目”型的,根据MINITAB响应优化器得到左侧图: 从图中可得,当因子快给料取0.5时,因子B取0.3时,重量将会达到目标值25.03,优化响应器,I2全因子试验设计判断目标是否已达到,I,D,M,A,C,从上述分析可得重量达到25.03已达到目标,则可以结束试验 验证试验前,先用MINITAB得到预测值和预测区间(如下图),预测结果为25.03与优化器计算的结果完全一致。置信区间(95%CI)理解为:当快给料0.5,慢给料0.3时,有95%的把握断言,重量平均值将落入(25.0298,25.0418)之内,预测区间(95%PI)理解为:当快给料0.5,慢给料0.

15、3时,有95%的把握断言,任何一包的重量将落入(25.0216,25.0499)之内,预测区间,I3 改进阶段结论,I,D,M,A,C,在改进阶段,通过对快给料速度、慢给料速度进行全因子试验设计分析可得,C阶段将把上面结论运用到实际生产中,并加以标准化控制!,快给料速度:50% 慢给料速度:30%,C1 控制计划,C,D,M,A,I,C2 改善措施标准化,C,D,M,A,I,C3 控制图,C,D,M,A,I,改善后每隔十分钟抽取五袋产品共20组,进行检测分析: 图1控制图未违背任何一条判异准则,均无异常点出现,可以判定袋包装重量过程处于统计控制状态 图2对改善后的过程能力指数进行分析,Cpk1

16、.33,说明过程能力充足,过程能力较改善之前有了很大的提升,图1,图2,C4 项目收益核算,C,D,M,A,I,根据工厂2016年实际销量1.68万吨,年度可节约 万人民币,22.6,改善前平均包重,C5 项目成果评审,C,D,M,A,I,项目获得中国林肯Greater As One (“携手共赢”)活动10月份的二等奖!,项目能够成功首先要感谢郑州工厂的厂长徐晋先生,正是因为徐厂长对本项目的认可及各个相关部门的大力支持,项目才能顺利预期完成。在此,要感谢徐厂长、设备部的高志方和王辉、质量部的高燕、工艺部的Leo Liu以及生产部的赵冰。,C6 项目心得,C,D,M,A,I,虽然项目顺利实施,但是在进行过程中还是遇到了种种困难,例如为了避免过多因素的影响,试验计划需要不定时的调整、为了能够准确记录试验数据,项目成员需要加班测量数据等等问题。最终在项目总结会议上,成员一致要求未来项目能够利用“过程决策图”、“SWOT分析”等工具来杜绝此类问题的发生。,谢谢观看/欢迎下载,BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTH

展开阅读全文
相关资源
正为您匹配相似的精品文档
相关搜索

最新文档


当前位置:首页 > 办公文档 > PPT模板库 > 其它

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号