《寻智六西格玛图解介绍.doc》由会员分享，可在线阅读，更多相关《寻智六西格玛图解介绍.doc（19页珍藏版）》请在金锄头文库上搜索。
1、1. 請問何謂6？所謂6就是指在客戶的規格上下限之內應含蓋6的變異。 版權所有尋智專業顧問 2. 請問客戶為何愈來愈重視6？在大量生產的時代客戶都會越來越在意不良品所造成的潛在損失（停機、斷線，全檢等額外的成本），而這些損失都源自於產品超出規格的不良品。因此，客戶為了降低潛在的風險和損失，當然會回頭要求供應商降低變異換言之，供應商的變異愈小，不良品出現的機率就愈少，客戶的潛在風險也就愈低，這就是客戶愈來愈重視6的根本原因。 版權所有尋智專業3. 能否舉例說明6與個人有何關係？其實6並非工廠的事，你我每一個人都身受6的影響而不自知，就以等火車為例，為何大多數人都不排隊呢？因為火車實際的停車位置變
2、異太大，所以就無法建立乘客排隊的信心。但是同一群人，換乘捷運時，為何又都排隊呢？因為捷運停靠月台的位置十分精確，所以大家自然會排隊，由此可見，在每一個人的潛意識中，我們都期待一種變異更小（換言之更加穩定可靠）的生活型態。版權所有尋智專4. 請問6與過去大家熟知的品管觀念有何不同？過去的品管觀念比較重視Q（事後的管制），因此才衍生出管制圖與抽樣計劃等品管工具，但是6的想法則完全將焦點放在P（事前的生產系統）上，二者的差別可用圖示如下：5. 請問改善系統降低變異是不是有更具體的方向？其實總變異（ ）只是一個綜合的結果，統計學家早已發現：換言之，有些變異來自於原料的變異（），而變異的另一部分則可能來
3、自方法（ ），當然設備（）也有可能造成一些變異。版權所有尋智專業 6. 照這樣看來，要做好6就不能只靠品管部門自已的努力囉？沒錯，6必須動員全公司的力量才可能成功。所以6等於是為眾所週知的TQM找到了一個更容易落實的平台，也提供了更客觀的評估指標。版權所有尋智專業顧問7. 既然改善系統變異與方法(Me)，設備(Eq)，原料(Ma)等都有關係，但是為何推動6愈成功的公司總是先強調方法的改善？為了儘快看到成果，所以降低變異時最明智的作法是要由可掌控性高的部分下手，一般而言一個正在運轉的工廠其設備(Eq)的可掌控性（指立即更換或修改）最低。反之方法（Me泛指SOP）則幾乎完全操之在我，因此從方法下手
4、降低變異，當然是明智的上策。版權所有尋智專8. 若要從操作方法降低變異，請問該如何著手呢？俗話說擒賊先擒王要改善操作方法，一定先要找出對品質有最大影響（術語稱為貢獻率）的因子（術語稱為顯著因子），以下即為一張製程因子貢獻率帕拉圖：版權所有尋智專業9. 請問如何得知每一個因子的貢獻率？所謂貢獻率（%）就是相關係數（r）的平方，統計學早已證實所有操作參數加上誤差項貢獻率的總和為100%這一部份的計算一般的ANOVA軟體均會提供，因此可為大家省去不少時間，這也是為何6黑帶武士訓練會特別重視ANOVA的根本原因。10. 找出顯著因子之後，如何真正實現降低變異的理想呢？顯著因子被找出後，當然要進一步找出
5、顯著因子與最終品質之間的因果關係。目前在統計軟體中除了可提供迴歸分析之外，反應曲面分析（RSM）也是一種日益普及的統計手法。 11. 照以上的分析，運用6在開發新的操作方法，以降低系統變異上似乎己經有一套有效的作法可循，最後可否一併圖解一下？ 沒錯，KNOW HOW開發與降低系統變異的脈絡已日漸清晰，有心人可參考下圖： 1.正本清源在改善回到6的原點，它既非教育訓練，亦非統計手法，推動6的根本理由是為促成持續不斷的改善。其實任何製程本來就有變異起伏的現象，以某種鍍膜厚度為例，其變異如下圖所示：所謂6就是希望算出此一鍍膜厚度的之後，將6的總變異控制在客戶期待的規格上下限之內。這個目標真是知易行難
6、，因為實際的製程能力可能並不足，以致變異遠在規格之外，其相對關係如下圖所示：面對上述這種情況，推動6的公司就可將鍍膜厚度列入改善專案，並指定盟主與黑帶武士來負責克服這個製程能力不足的問題。2. 循序漸進找真因當改善專案成立之後，黑帶武士的首要任務就是儘快找出造成鍍膜厚度變異起伏的真因(root cause)。從製程來看各種製程參數(如濃度、溫度PH值，時間等)當然都會造成變異，但是依據帕拉圖原則(80/20定律)，每一個個別的製程參數(Pi)對最後的品質特性(Q，本例即為鍍膜厚度)的影響度是不可能完全相同的，俗話說：擒賊先擒王，因此改善活動的第一步就是要先找出影響品質變異的真因(這就是DOE中
7、所稱的顯著因子)，為了用事半功倍的方式找出真因，一般會先安排一個多因子少水準的實驗(註一)，將所有可能的製程參數(Pi)一併納入一個L827或L16215的直交表中來進行實驗，然後將實驗數據運用變異數分析的統計理論(ANOVA)，將其區分為非常顯著因子（有*符號者），顯著因子（有*符號者）及不顯著因子，且透過ANOVA還可一併算出各因子的貢獻率，試舉例說明如下：3. 針對真因調參數針對上例，一方面可清楚說明為何ANOVA是黑帶武士所不可或缺的訓練課程之一，另一方面依據ANOVA的結果，鍍膜厚度改善專案的重心，可以進一步聚焦在5個製程參數上（即A,C,G,AC,I）因為這5個製程參數就決定了鍍膜
8、厚度成敗的90%。既然這5個的製程參數是決定鍍膜厚度的關鍵因素，改善專案的下一步就是要針對這少數的顯著因子，找出最佳的製程控制條件。一般而言 ，此時即可借助L934或L27313 的直交配列表來進行第二階段的實驗，然後將實驗數據透過ANOVA，進一步找出各顯著因子的最佳操作條件，以便減少鍍膜厚度的變異，並進而將總變異控制在客戶規格之內。(註2)。4.精益求精非巧合從上圖可知，透過兩階段的實驗，製程能力已經有明顯提升，但是這種成果可能持續嗎？這是合理的懷疑，為了澄清這種疑慮，最有效的方法就是進行再現性實驗，以前述鍍膜厚度改善專案為例，運用從DOE獲得之最佳件連續生產4個月之後，均可明顯證明改善成
9、果不但顯著而且可以持續維持，有了這些大量而客觀的證據，就可以依據DOE之獲得之最佳生產條件正式修訂S.O.P，並宣告這個改善專案正式結束（註3）。5.按圖索驥成果豐本文開始時提出了兩個根本的問題：為何推動6必須運用ANOVA呢？為何6的達成要借助DOE呢？透過上述的改善實例，我們可將其因果邏輯歸納如下，6是要透過持續不斷的改善來降低變異，使品質更加穩定，在這個改善過程中DOE是一個最有效且可靠的工具，結果就形成了DOE與6密不可分的關係，這也就是黑帶武士訓練為何特別重視DOE及ANOVA的根本原因，換言之若將6視為終極寶藏，那麼DOE就是打開寶庫必備的一串鑰匙，其循序漸進的程序可圖示如下：只要
10、仔細體會此一流程圖，再多參考幾個DOE範例，不但可以澄清DOE與6的關係，而且只要選對加速改善的統計工具，一定可增添6並非遙不可及的堅定信念。一. 實驗乎？遊戲乎？試想全世界有千千萬萬的工廠，因此每天就可能有千千萬萬的實驗在進行，但是如果嚴謹地加以鑑定，我們會發現，其中僅有一部份可以稱的上是實驗，而其餘的都僅是遊戲而已！一個嚴謹的實驗一定可以肯定的回答下列三個問題：問題的類型是什麼？實驗的目的是什麼？選擇的實驗工具是否與問題之類型相符合？二. D.O.E不宜濫用如果要開發KNOW-HOW，則D.O.E是最恰當的工具。但是何時該用？何時卻又不該用呢？這就要先從問題類型下手，一般而言，問題可分為三
11、類：從以上問題分類表即可明白，實驗計劃法（D.O.E）嚴格地說只能適用在A型及X型問題，其他較單純之T型問題若用D.O.E來作實驗，那就成了殺雞用牛刀。既然明白D.O.E是用在A型及X型問題上，那麼使用D.O.E的實驗策略就理應安排如下策略一：篩選主要因子（使X型問題簡化成A型問題）策略二：找出最佳之生產條件（使A型問題簡化成T型問題）策略三：證實最佳生產條件有再現性三. 實驗策略一（篩選主要因子）對任何工業產品而言，影響其某一品質特性之原因應該都有很多，以高頻電子產品常用之阻抗值的電路板（Impedance Control Board）為例，可知造成阻抗之原因就至少包括線寬、銅厚、絕緣層厚度
12、、材質、板內濕度、錫鉛比例.等等因素，這些因素多少會對阻抗值有所影響，但是依常理判斷每一因素對阻抗值之影響程度一定不會相同，因此運用D.O.E之實驗的第一步就是要找出這些因素對阻抗值的相對重要性。換言之，我們希望找出每一因子對阻抗值之貢獻率： 既然篩選因子是首要目的，那麼第一階段的實驗就應該儘量網羅收納各種可能的因子在實驗之中，以免將來造成遺珠之恨。因此第一階段實驗之因子宜多，但是因子一多其相對的實驗成本就會提高，那又該如何是好？為了克服此難題我們就必須從水準上加以均衡一下。換言之，多因子的第一階段實驗，一般應配合少水準來進行，因此2N型直交配列表就是最常用的實驗配置了。水準少對篩選因子的靈敏
13、度是否會有影響呢？這是許多人心中常常存疑的另一個問題，其實這個問題似是而非，因為若假設絕緣層厚度對線路中阻抗值有影響，其關係應如下圖所示：那麼要證實此關係並不在乎取了多少個水準（Ti），而是由我們選擇的各Ti間有多大的差距（Range）來決定。而想要讓Range變大，最簡單的方法就是將控制範圍內的極大值（MAX）與極小值（MIN）選入就可以了。因此若要用2N型直交配列表來篩選因子，最妥當的辦法就是要選操作範圍之極限值來作為兩水準之參考值。根據上述之討論，一般在第一階段之實驗最常出現之配置方式是L827型或L16215型，如果要因分析做的很徹底，那麼搭配前述之直交配列表通常是進行第一階段實驗時相
14、當理想的策略。四.如何判斷第一階段實驗成功做完其第一階段的實驗，在進行變異數分析（ANOVA，The Analysis of Variance）後，如果出現下列兩種結果，那麼我們可以相當有把握的認定，第一階段實驗已成功了，這兩個關鍵性的結果分別是： 在ANOVA分析中出現了14個顯著因子這些顯著因子的累積貢獻率在70%以上如果這兩個關鍵因素未出現，那麼就應該再將實驗數據重新分析一次，因為往往會因數據輸入錯誤，而誤入歧途。反之，如果驗證之後仍然無法得到與上述兩結果吻合，那麼就應該考慮重新檢討要因及配置方式，然後重新進行第一階段的實驗才是上策。五. 實驗策略二（找出最佳之生產條件）如果第一階段的實
15、驗經過4.4之兩關鍵性的結果驗證後證明成功了，那麼我們就可以著手進行第二階段的實驗，希望透過第二階段的實驗能找出最佳之生產條件。那麼這時進行第二階段的實驗策略到底是什麼呢？這個問題的答案要從最佳生產條件定義想起，一般而言，這種最佳生產條件應該要能符合下列兩個要求：生產成本要更低 產品品質要更好首先討論怎樣的生產條件，其生產成本才會低？一般而言，製程控制的難易度是影響生產成本最主要的因素。以相對濕度為例，如果其生產條件是RH 5020，那其生產成本當然就比RH 502要低多了，有了此一想法，進行第二階段的實驗時就應該採取多水準的策略，以期望獲得田口玄一先生所謂Robust Design（台語粗勇之意）之利益。最佳生產條件另一個要追求的目標是產品品質要好，此一
