BB完整教材[共369页]

《BB完整教材[共369页]》由会员分享，可在线阅读，更多相关《BB完整教材[共369页]（369页珍藏版）》请在金锄头文库上搜索。

1、6 BlackBelt 培训课程培训课程LG.Philips LCD Co., Ltd专门教育专门教育Team - 2004 -002No.1 MembersNo.1 MembersNo.1 CompanyNo.1 Company技术技术领导力领导力适时投资适时投资能力能力成本成本竞争力竞争力营业营业/销售销售领导力领导力No.1 Members No.1 Company“Worlds No.1 LCD Company”“No.1 M/S, No.1 Profit”VISION核心力量核心力量共有价值共有价值目标目标志向于一等Synergy创出强力的实行力重视顾客活跃的组织创出卓越的成果 Vi

2、sionNo.1 Members No.1 CompanyLPL的的 Vision Statement达成确实的质的一等达成确实的质的一等达成确实的质的一等达成确实的质的一等 1M1C1M1C强化强化High-end 事业主导权事业主导权质量革新l 强化强化High-end PC M/S No.1l 主导大屏幕主导大屏幕 TV 市场市场l 正式扩大中小型事业正式扩大中小型事业l 实现一等质量实现一等质量l 确保确保High-end产品的质量产品的质量 Leadershipl 确保开发确保开发,工序阶段上领先的质量工序阶段上领先的质量l P6工厂的成功工厂的成功 Set-upl 构筑坡州团地正式

3、的基础构筑坡州团地正式的基础l 低减低减Mask 数数 l 提高提高Glass 效率效率l 开发开发CI 的强化的强化确保最高的确保最高的 Cost 竞争力竞争力新规工厂的成功的新规工厂的成功的 Set-up2004年重点促进课题年重点促进课题No.1 Members No.1 CompanyLG LG 人事原则人事原则LG.Philips LCDLG.Philips LCD为实现使员工为实现使员工充分发挥卓越的能力和业绩的公司，实践如下几项充分发挥卓越的能力和业绩的公司，实践如下几项. .1. 1. 尊重个人的创意与自律尊重个人的创意与自律2. 2. 重视能力重视能力3. 3. 根据成果的补

4、偿根据成果的补偿4. 4. 提供公平的机会提供公平的机会5. 5. 长期的观点长期的观点个人的价值是创出价值的源泉个人的价值是创出价值的源泉. .使每个人充分发挥创意力，重视个性和多样性并尊重自律使每个人充分发挥创意力，重视个性和多样性并尊重自律. .能力是创出成果的源泉能力是创出成果的源泉. .以每个人的能力为基准展开确保以每个人的能力为基准展开确保 培训活动培训活动, , 树立必要的要键和步骤并运营树立必要的要键和步骤并运营. .根据成果的补偿是赋予动机的核心根据成果的补偿是赋予动机的核心. .实现的成果要公正评价实现的成果要公正评价, , 根据个人根据个人 组织的贡献程度进行补偿组织的贡

5、献程度进行补偿. .提供公平的机会是信赖的基础提供公平的机会是信赖的基础. .根据组织成员的能力和素质提供公平的机会根据组织成员的能力和素质提供公平的机会. .长期的观点是人事和组织运营的基本思考长期的观点是人事和组织运营的基本思考. .与人事有关的决定意见和活动，在长期的观点上一贯地促进与人事有关的决定意见和活动，在长期的观点上一贯地促进. . Introduction - 3 基础统计基础统计 - 23 Define - 42 Measure - 74 Analyze -159 Improve - 223 Control - 325 Appendix - 386目目 录录1.6 Histo

6、ry 2.6 经营3.6 哲学4.6 访法论5.6 水平的理解6.6 展开及 Tools1.统计学概念2.数据种类3.收集数据4.技术统计5.正规分布6.推理统计1.Define阶段概要2.Define阶段 Flow3.Project 选定4.CTQ 突出5.Project 注册1.Measure阶段概要2.Measure阶段 Flow3.测定 System 分析4.连续型 Data 工序能力5.离散型 Data 工序能力1.Analyze阶段概要2.Analyze阶段 Flow3.暂定因子突出4.Graph(坐标图)分析5.假设验证6.ANOVA(分散分析)7.相关分析8.Plackett-

7、Burman Design1.Improve阶段概要2.Improve阶段 Flow3.实验计划法概要4.要因布置法5.部分布置法6.最大倾斜法7.回归分析8.反应表面分析1.Control阶段概要2.Control阶段 Flow3.管理计划(Control Plan)4.统计的工序管理(SPC)5.管理图(Control Chart)1.DMAIC阶段别 Review2.整理主要用语3.统计Table(分布表)Session. Introduction Session 目录目录. 6 History. 6 History 1. 6的产生及发展 2. 6的定义(Mikel J. Harry 博

8、士). 6 . 6 经营经营 1. 6 经营 2. 志向于顾客的经营哲学 3. 志向于无缺点 4. 统计的决定意见. 6 . 6 哲学哲学 1. 测定 & 改善 2. 测定内容 3. 测地指标. 6 . 6 方法论方法论 1. 方法论(Methodology) 2. 6的适用范围 3. 6 Roadmap 4. Systematic Approach. 6 . 6 水平的理解水平的理解 1. 6 水平的概念图 2. 对工序能力至今的见解 3. 3/6水平的公司比较 4. 质量水平和失败费用间的关系. 6 . 6 展开及展开及 ToolTool 1. 6 展开 Process 及 活用 Tool

9、 2. 6的 Focusing Point学学 习习 目目 标标通通过过 6 的的历历史史及及经经营营, 哲哲学学的的理理解解可可说说明明多多样样的的6的基本概念的基本概念. 且理解且理解 6的展开的展开 Process和和活用活用 Tool的整个内容，可适用于的整个内容，可适用于Pjt. 4610131721难易度表示 “ 基本 “ : GB 未取得(新入社员工包括) 人员为对象 “ 深化” : GB 以上 Belt取得人员为对象* 难易度 : 基本 q19871987年年 从从MotorolaMotorola起源起源 与日本的战争与日本的战争 (1980(1980年代年代) ) 功能优秀的

10、半导体功能优秀的半导体, 手机等的廉价攻占 Robert W. Galvin Robert W. Galvin 会长的构想会长的构想 “经过5年达到10倍的质量改善” Bill SmithBill Smith的研究的研究 Field Claim 分析结果 - 越是在制造过程发现缺陷，经再作业的产品， 越是在顾客初期使用阶段上的故障多. Benchmarking - 世界最佳的企业生产产品的制造过程上无维修或 无再作业的产品. ”Do it right the first time” Rolled Throughput Yield, Hidden Factory Rolled Throughpu

11、t Yield, Hidden Factory的概念派生的概念派生 MikelMikel J. Harry J. Harry 开发达成开发达成6 6的具体战略和方法论的具体战略和方法论 . 6 History. 6 Historyq19951995年年 GEGE的引进的引进 GEGE的的 9595年现况年现况 - 员工 : 222,000名 - 收入 : $70 Billion (收入成长率 17%) - 利润 : $6.6 Billion (利润成长率 11%) - 每股利润 : 13% Up (每股 $4.4,GM 领先) - 质量水平 : 3.6 引进背景引进背景 “组织越来越大这种实绩

12、能否持续维持? 怎样?” Welch会长 促进战略及内容促进战略及内容 - Project名 : “Vision 2000 : A dream with a planVision 2000 : A dream with a plan” - Six Sigma将是 GE 历史上规模最大, 个人补偿 大的Project, 最终会是最赚钱的(Profitable) Project. - 不仅是生产工序，而且发展成为全部门的质量运动不仅是生产工序，而且发展成为全部门的质量运动. . 出自 : GE 96 Annual Meeting 资料摘要 66的产生的产生 66的发展的发展 1. 6的产生及发展的

13、产生及发展* 难易度 : 基本6改变企业内部对业务的思考方式. 不不是是无无条条件件的的认认真真工工作作，而而是是“ “精精明明” ” 工作的哲学就是6. 此活动自生产产品的制造方式到制作购买订货，减少在所有作业上的错误.因为以客观的统计数值显示，所以虽然产品或业种, 业务及生产 process，但可以作比较. 因此, 是是正正确确了了解解达达到到满满足顾客足顾客(Customer Satisfaction)(Customer Satisfaction)的程度与方向等的尺度的程度与方向等的尺度. 既 “量产品与服务, 工序适合性的卓越的尺度“因为使企业具有竞争优位. 提高水平多少，其产品质量提

14、高多少，成本也降低多少. 其结果可实现 达达成成满满足足顾顾客客的的经营经营. 6 History. 6 History2. 62. 6的定义的定义( ( MikelMikel J. Harry J. Harry 博士博士) ) 是统计的测定值是统计的测定值 (Statistical Measurement).(Statistical Measurement). 是企业的战略是企业的战略 (Business Strategy).(Business Strategy). 是经营哲学是经营哲学 (Management philosophy). (Management philosophy). *

15、: 66是是测测定定生生产产产产品品或或服服务务过过程程水水平平的的“ “尺尺度度” ”, , 通通过过提提高高质质量量和和节节减减费费用用来来满满足足消消费费者者的的同同时时，改改变变从从事事业业务务的的想想法法及及态态度度的的哲哲学也是文化学也是文化. . 6 . 6 经营经营1. 6 经营是经营是 ? Statistical Tools Statistical Tools DMAIC / DIDOV DMAIC / DIDOV Measure Measure Smarter than HarderSmarter than Harder Change the way we work Cha

16、nge the way we work Digitization( Digitization(数值化数值化) ) Increase Competitive Increase Competitive Customer Focused Customer Focused Biz / Cost Impact Biz / Cost ImpactBiz Strategy(战略战略)Methodology(方法论方法论)Philosophy(哲学哲学)统计的思考统计的思考志向顾客志向顾客 经营哲学经营哲学志向无缺点志向无缺点* : 顾客观点顾客观点顾客观点顾客观点(Customer Focused)(Cus

17、tomer Focused)为成功的实行为成功的实行 6 You can have to Measure Everything That Result In Customer SatisfactionMETRICS : 测定有关满足顾客一切2. 志向于顾客的经营哲学志向于顾客的经营哲学 . 6 . 6 * : 66的统计的意义的统计的意义 : : 工序的变动(散布)小，工序能力就大. 其结果 , 标准偏差就越小，这样发生不良的可能性减少.6.68%( 1.5 Shift )6 Level 3.4ppm( 1.5 Shift )Defect Probability Area-3+3平均值平均值

18、()-6+6LSL3 Level顾顾客客通通过过散散布布就就感感觉觉质质量量3. 志向无缺点志向无缺点Defect Probability AreaUSL. 6 . 6 经营经营* : 技术统计学技术统计学 : : 从收集的数据利用平均, 分散等的值或坐标，将总的特性有体系地整理/概括的统计技术 推测统计学推测统计学 (统计的推论) 推推 定定 : : 测测 定定( (测定有意性测定有意性) ) : : : : 设定假设，并通过统计的有意设定假设，并通过统计的有意差分析，实施意思决定. 根据根据根据根据DataData的意思决定的意思决定的意思决定的意思决定 4. 统计的意思决定统计的意思决定

19、母集团母集团(无限或有限标标 本本母集团的特性 : 母数母数标本的特性 : 统计量统计量收集数据收集数据推定母数推定母数. 6 . 6 经营经营* : 假假如如你你所所说说的的可可以以测测定定，且且能能够够以以数数字字显显示示的的话话, , 说明你对其有所了解说明你对其有所了解. . 但但不不能能测测定定，而而且且不不能能以以数数字字显显示示的的话话, , 说说明明你对你所说的不了解你对你所说的不了解. . 它它或或许许是是知知识识的的起起步步, , 只只是是在在你你想想象象当当中中，但但要走向科学的舞台还很不足要走向科学的舞台还很不足. .- - 英国物理学家英国物理学家 Kelvin(18

20、91Kelvin(1891年年) -) -“ “ 不能测定的就不能改变不能测定的就不能改变. ”. ”. 6 . 6 哲学哲学“ 可测定的话. 就可改善 ” 某一现象不能以数字显示某一现象不能以数字显示 意味着对其问题没有正确了解意味着对其问题没有正确了解 不了解说明对其不能管理不了解说明对其不能管理, , 也就是说明现在的状态再不能进行改善也就是说明现在的状态再不能进行改善1. 测定测定 & 改善改善* : ( (标准偏差标准偏差) : ) : 偏差的平均偏差的平均 只是只是( (平均平均) )是不够的是不够的. . = = (X(Xi i X) X)2 2n - 1n - 1距离距离距离距

21、离1 1距离距离距离距离2 2距离距离距离距离3 3距离距离距离距离4 4距离距离距离距离5 5DataData的中心的中心的中心的中心(, X )(, X ). 6 . 6 哲学哲学2. 测定内容测定内容 * : ( ( ( (sigma ) ) ) ) level level : : : : 散布的程度散布的程度散布的程度散布的程度: : : : 满足的程度满足的程度满足的程度满足的程度LSLUSLLSLUSL . 6 . 6 哲学哲学3. 测定指标测定指标 顾客满足的程度以概率值来测定顾客满足的程度以概率值来测定. . * : 心理学心理学Six sigmaDefine (定义定义)An

22、alyze (分析分析)Improve (改善改善)Control (管理管理)Measure (测定测定)问题意思问题意思原因掌握原因掌握对策对策, 措施措施记忆记忆问题程度问题程度. 6 . 6 访法论访法论1. 方法论方法论 (Methodology)6是基于人们发生问题时解决的接近方法而制作的方法论是基于人们发生问题时解决的接近方法而制作的方法论.* : LSLUSL-66xCp2.0Cp2.0Cpk1.5Cpk1.5 Defect ReductionDefect Reduction 提高良品率提高良品率 Benefit IncomeBenefit Income Cycle Time

23、Reduction Cycle Time Reduction Cost Reduction Cost ReductionD DMMA A I IC C3.4ppm3.4ppm总体的总体的 满足顾客满足顾客提高提高质量质量R&DR&D部门部门6 6 制造部门制造部门6 6 业务部门业务部门 6 6 质量质量改善改善顾客的Needs(产品/服务). 6 . 6 方法论方法论2. 6的适用范围的适用范围 * : 66 方法论方法论DefineDefineVoice of BusinessVoice of BusinessVoice of CustomerVoice of Customer现产品现产品

24、/ /程序程序IdentifyIdentifyDesignDesignOptimizeOptimizeVerifyVerifyMeasureMeasureAnalyzeAnalyze水平水平DesignDesignVerifyVerifyImproveImproveControlControlSustainSustain再设计改善NoNoNoNoYesYes DMAIC ? DMAIC ? DMADV ? DMADV ? DIDOV ? DIDOV ?. 6 . 6 方法论方法论3. 6 RoadmapYesYes* : DesignDesignOptimizeOptimizeVerifyVe

25、rifyDefineDefineMeasureMeasureAnalyzeAnalyzeImproveImproveControlControlDefineDefineIdentifyIdentifyMeasureMeasureAnalyzeAnalyzeDesignDesignVerifyVerifyDefineDefine研究研究/ /开发开发(R&D)(R&D)制造制造/ /生产生产(Mfg.)(Mfg.)销售销售/ /服务服务(TQ)(TQ)理论上的理论上的 质量质量实际上的实际上的质量质量经营经营成果成果4. Systematic Approach. 6 . 6 方法论方法论* :

26、Z Z水平水平 ( (或或 (Sigma)(Sigma) )是反应工序能力的统计的测定单位是反应工序能力的统计的测定单位. . 测定的测定的 SigmaSigma的值与的值与 DPU(Defect-per-unit), DPU(Defect-per-unit), ppm(Partppm(Part-per million), -per million), 失败或失败或 ErrorError的值有关的值有关. .6 6 的的 ScaleScale增加的话，缺陷就指数地减少增加的话，缺陷就指数地减少. . 非线型的曲线指的是非线型的曲线指的是? ? 甜蜜的水果甜蜜的水果 考虑到生产性的设计考虑到生产

27、性的设计 大部分的水果大部分的水果 Process Process 特性化特性化/ /最适化最适化 下面结的水果下面结的水果 QC 7QC 7条工具条工具 掉地的水果掉地的水果 依靠直观依靠直观. 6 . 6 水平的理解水平的理解1. Six Sigma 概念图概念图Z ZPPMPPM6 63.43.45 52332334 46,2106,2103 366,80766,8072 2308,537308,537工序工序能力能力缺陷的缺陷的 机会机会( (分布的分布的 Shift = 1.5)Shift = 1.5)* : 99% 99% 对良品的实质性的意义对良品的实质性的意义 每小时丢失每小时

28、丢失 20,000封的邮件 每天15分钟供给污染的水 每周 5,000次的出错的手术 每年 200,000次的出错的药方 每月 7小时的停电3 3 工序能力工序能力44工序能力工序能力66工序能力工序能力2. 对工序能力自今的见解对工序能力自今的见解收率收率 : 93.32 %: 93.32 %收率收率: 99.38 %: 99.38 %收率收率: 99.99966 %: 99.99966 %过去的标准过去的标准现在的标准现在的标准新的标准新的标准. 6 . 6 水平的理解水平的理解* : 3 SIGMA 3 SIGMA 水平的公司水平的公司6 SIGMA 6 SIGMA 水平的公司水平的公司

29、 销售量的销售量的 10 - 15%10 - 15%是失败是失败 COSTCOST 一百万台中一百万台中 66,80766,807台是不良品台是不良品 依靠查出不良的检查依靠查出不良的检查. . 认为高质量的产品消耗费用多认为高质量的产品消耗费用多 不能有体系的接近不能有体系的接近 对竞争公司对竞争公司 进行进行BenchmarkingBenchmarking 满足于满足于99%99% 内部上定内部上定CTQCTQ 销售量的销售量的 5%5%是失败是失败 COSTCOST 一百万台中一百万台中 3.43.4台是不良品台是不良品 不生产不良的工序上不生产不良的工序上 FocusingFocusi

30、ng 知道高质量创出低费用知道高质量创出低费用 适用测定适用测定, , 分析分析, , 改善改善, , 管理的技法管理的技法 对世界最高水平进行对世界最高水平进行 Benchmarking Benchmarking 不满足于不满足于99%99% 外部上定外部上定 CTQCTQ ( (在顾客的观点上定在顾客的观点上定 CTQ)CTQ)3. 3 / 6 水平的公司相比较水平的公司相比较. 6 . 6 水平的理解水平的理解* : 质量水平质量水平( ( 水平水平) )失败费用失败费用(%(%销售额销售额) ) 15%15%(66(66亿美元亿美元) ) 5%5%(28(28亿美元亿美元) )3 3

31、(66,807ppm)(66,807ppm)6 6 (3.4ppm)(3.4ppm)* * 出自出自 : GE Six Sigma Executive Training : GE Six Sigma Executive Training 教材教材4. 质量水平和失败费用间的关系质量水平和失败费用间的关系自自3 3 水平改善到水平改善到6 6 水平的话，可以将水平的话，可以将4040亿美元的失败费用转换成纯利益亿美元的失败费用转换成纯利益. . 6 . 6 水平的理解水平的理解* : DefineDefineMeasureMeasureAnalyzeAnalyzeImproveImproveCo

32、ntrolControl1. 选定 Project 2. CTQ 定义3. Project 注册- 组成Project 促进组- 设定定量的, 目标- Project Schedule 管理- 突出Project 具体的 Issue- 分析细节的 Process- 测定对象(CTQ)的明确化- Biz. Issue 确认- Big Y 展开 - Little y 突出 4. 确保数据的可靠性5. 掌握现在水平- Rational Subgroup- 确认新在水平- 设定改善方向- Gage 可靠性研讨- 构筑 测定System 6. 突出暂定/候选因子7. 选定主因子(Vital Few)-

33、分析坐标图- 测定统计的假设- 通过实验的选定- 活用过去的 Data- 与专家及有关人员协商 8. 突出最适条件9. 工序适用 及 验证- 确认再现性- 适用典范的工序- 掌握长期的工序能力- 树立改善活动计划- 展开改善活动- 突出Vital Few 的最适条件10. 树立管理计划11. Process 标准化12. 结束报告 及 成果共有. 6 . 6 展开展开 及及 ToolTool- Project 完了报告会- 成果共有 及 传播 - 标准化及文件化 - Project 完了注册- 确定管理方法- 适用 及 Monitering 阶段细节内容主要活用 Tool 调查/采访 (VOC

34、) QFD Process Mapping FMEA Logic Tree 特性要因图 Logic Tree 分析坐标图 测定统计的假设 Screening DOE 分析回归 要因布置法 分析反应表面 Daguchi 技法 每层 Sampling -Rational Sub group Gage R&R Capability Analysis 4 Block Diagram 统计的工序管理 Control Chart Check Sheet1. 6 1. 6 展开展开 Process Process 及活用及活用 ToolTool* : Y Y= =f(X)f(X) Y Y 或或 X X 中中

35、 对哪一个对哪一个 FocusingFocusing，才能解决问题的根本原因才能解决问题的根本原因 ? ? Y Y 从属变数从属变数 OutputOutput 结果结果 现象现象 观察观察, ,监视的对象监视的对象 X X1 1,.,.X Xn n 独立变数独立变数 InputInput 原因原因 问题点问题点 管理对象管理对象 6 6 活动是对发生的问题活动是对发生的问题 Focusing Focusing 于引起问题的原因及因子而进行改善于引起问题的原因及因子而进行改善. .2. 6 2. 6 的的 Focusing PointFocusing Point. 6 . 6 展开展开 及及 T

36、oolTool* : Session. Define Session 目录目录. Define. Define阶段概要阶段概要. Define. Define阶段阶段 FlowFlow. Project . Project 选定选定 1. Business Issue 确认 2. Big Y 展开 3. Pareto 分析 4. QFD 5. FMEA. . 突出突出CTQ(Critical to Quality)CTQ(Critical to Quality) 1. CTQ 定义 2. 测定对象明确化 3. Process Mapping 4. Logic Tree 5. Brainstor

37、ming. Project . Project 注册注册 1. 组成有关Project 组织 2. 掌握定量, 定诚的效果 3. 记述对Project的问题 4. Project Schedule 管理学习目标学习目标从从顾顾客客的的要要求求事事项项定定义义出出问问题题领领域域，可可选选定定 6 Pjt. 还还有有, 突突出出对对改改善善 Pjt的的细细节节重重点点事事项项，准准备备解决问题的基础解决问题的基础. * : * 难易度表示 “ 基本 “ : GB 未取得(包括新入社员) 人员 “ 深化” : GB 以上 Belt 取的人员为对象4344456272DefineDefineMeas

38、ureMeasureAnalyzeAnalyzeImproveImproveCTQCTQ OK?OK?ControlControlY Y Y Y 定义顾客要求事项 - 确认Business Issue - 潜在Project 目录 选定 - 确定改善Project - 定义Project CTQ Project 注册 - 掌握期效果 - 组成有效率的Team - Project 进行日程 顾客要求事项List 潜在Project List 选定Project 及突出 CTQ Project 注册书算出物算出物 (Output)(Output) 活动活动 (Activity)(Activity)

39、. Define . Define 概要概要N N N N 从顾客观点选定从顾客观点选定ProjectProject - 从顾客要求事项定义问题 “Y” - 突出具体的Issue 事项(CTQ) 选定对选定对CTQCTQ的改善方向的改善方向 - 构筑测定系统(Gage R&R) - 掌握CTQ的工序能力 决定对决定对CTQCTQ的的 Vital Few Vital Few - 突出暂定因子/选定候补因子 - 通过统计的测定，确定Vital Few 对对CTQCTQ的的 Process Process 最适化最适化 - 突出Vital Few的最适条件 - 对最适条件的再现实验 维持改善的成果及

40、持续的管理维持改善的成果及持续的管理 - 树立管理计划及Monitering(X, Y) - 标准化及Project 结束报告* : . Define Flow. Define Flow Define Flow Define FlowDefine阶段是在顾客的观点上突出既重要又对经营影响最大的 Project, 为成功进行Project明确定义的阶段. (定义问题选定Project, 突出能够代表此项的 CTQ )- 组成 Project 促进组- 设定定量的,定性的目标- Project Schedule 管理- 突出Project具体的 Issue- 分析细节的 Process - 测定对

41、象的(CTQ)的明确化2.2.突出突出CTQ CTQ - Biz. Issue 确认- Big Y 展开 - Little y 突出 3.Project 3.Project 注册注册1.1.选定选定Project Project - QFD, FMEA, Pareto Chart Rolled Throughput Yield 等- Process Map, Logic Tree, Brainstorming 等- Gantt Chart, Graph Project 注册书, GOS 注册StepStep活用活用ToolTool& & OutputOutput活动活动内容内容 6 活动的 D

42、MAIC 步骤是在 Define阶段定义的问题为基础进行改善活动.* : . Project . Project 选定选定1. 1. 确认确认Business Issue Business Issue 通过突出LPL的经营方针, 革新方向及目标, 核心力量确认 Business Issue, 为解决此问题选定全公司或工厂的 Big Y. 经营方针经营方针 - 以当年度初树立的 CEO 及厂长的经营方针为中心，树立各工厂短, 中期事业计划. 革新方向革新方向- 定义革新活动的促进思想, 促进战略及方向, 促进方法论.- 以革新活动的基本思考3S(Stretch, Speed, Skill)为基础

43、，追求 实现Worlds No.1 LPL. 设定革新目标设定革新目标分析预想到的经营环境的恶化原因，算出为达成当年度事业计划的改善目标金额, 追加能够在最坏的经营环境下将收益极大化的 Stretch Goal而设定革新目标.损益恶化原因事业目标损益革新目标自然改善成本革新开发销售CashFlow基准年度 实绩当年度 计划经常利益经常利益概念Stretch Goal自然革新部分在革新目标上除外为达成 革新目标的 Project 恶化原因的例子有换率影响, 售价下降, 人工费增加, 经费增加等. * : Big YBig YBig Y. Big Y = f ( y1, y2, y3, y4 ,

44、yn )为达成为达成Worlds No.1 LPL Project Little y ( 6 Project)TDR (常勤 Project 活动)1人1Project (非常勤 Project活动)确认公司的 Vision及为达成目标的 Business Issue, 选定为解决此问题的全公司/工厂的 Big Y. 全公司, 工厂别将 Big Y 下流展开(Knock Down)，选定每组或个别 Project，在全体最适化观点上能够有体系的促进 Project.2. Big Y 2. Big Y 展开展开. Project . Project 选定选定 Big Y Big Y 展开的目的展

45、开的目的中长期战略中长期战略 (Worlds No1)事业目标事业目标展开展开突出课题突出课题改善活动改善活动 1人 1Project 活动 : 本人业务与改善Project并行执行业务.* : Big Y Big Y 展开展开 ProcessProcess- 为了把6 活动在全体最适化观点上有体系的促进，设定 Big Y且将其下流展开.事业部课题事业部课题Big Y 选定选定 / 目标具体化目标具体化Project 展开展开实行实行, Monitoring中期目标(KPI)战略课题顾客观点Cost顾客满足L/Time生产性F-Cost率库存费用顾客满足度市场SVC率收率y21y11y12y1

46、3交货时间y111y121y122y211y212y41y31y411Y1Y2Y3Y4Champion ReviewGOSWandering Meeting促进内容促进内容 考虑经营课题的 Impact而设定 通过World Best水平的Benchmarking 设定目标 通过下流展开的 Project 实行 持续的改善 (Continuous Improvement)( () ). Project . Project 选定选定* : TFT 不良的漏损 查出率?%02 11月 ?%TFTYield ?%NGTC Leakage( ?% ) ?%TFT 不良发生率PDLD(DO) ?%?%0

47、2 11月定型不良发生率?% 查出率 = TFT NG率 / (TFT NG率 + TC 漏损率)Big Y2次 分类3次 分类Little y 突出现况没查出未查出P/D(?%?%) ?%查出力向上检测器检查者R/P Miss追加流失ETCGOLSPAD OPEN判断 MissSkill 不足L/D(D/O)(?%?%) ?%无基准基准不适合检查基准 P/D PTN追加改善 7件 PTN流失改善 2件 D/O细节分析异物型及其它类型 ，展开 6件Little y 斑痕一共 展开6件 Little y TFT 不良(D/O,P/D,斑痕)发生下降(?%?%)TC 漏损下降(?%?%)D/O黑点

48、/药辉点格子痕TFT 异物斑痕(?%?%) ?%扇骨痕 TFT 检查 Part 的 改善 Action 为主展开 Big Y Big Y 展开事例展开事例/ TFT 工序的 TC漏损降低活动事例. Project . Project 选定选定1次 分类* : 色P/DP/D否定形? ?Task03.1QPhotoTFT TFT 不良不良发生下降发生下降GATE(?%)(?%)ACTACT(?%)角形异物形通过去掉异物降低 ACT 否定形不良其他通过洗涤S/D , Photo工序最适化降低角形不良通过PECVD工序最适化降低异物形不良S/DS/D(?%)? ? ?TDRTask03.1QTDRD

49、epo03.2Q11P角形异物形圆形通过Dev.工序最适化及异物减少降低不良? ?Photo03.2Q11P通过SD Depo 工序最适化降低不良? ?Depo03.1Q11PCH以上通过PR Unif. 及 D/E工序最适化降低不良? ?03.1Q11P其他?%?%PXLPXL(?%)PAS(?%)?%? ?Task03.1QTDRPTN异物? ?ChannelTask通过Dev工序, W/E工序最适化降低不良通过洗涤工序最适化降低 PXL 异物不良WET其他通过PR Adhesion 改善降低 Ch.部 PX流失 ? ?03.3Q11P03.2QTDRLittle yLittle y日程日

50、程LeaderLeader方法方法(T发生+漏损)KPIKPI目标目标 (%) ? ? ? ? WETGate下部(?%)异物系(?%)GiSD下部(A型)11P通过GLS异物及初期洗涤工序管理降低 D/O通过NinS/D 下部异物降低，降低 A类型发生WET03.1Q11P03.2Q?%? ? ?D/O Little y Little y 突出事例突出事例. Project . Project 选定选定/ TC漏损降低活动中TFT 针对不良原因突出 Little y * : 分析分析ParetoPareto Pareto Chart Pareto Chart 制成方法制成方法3. Paret

51、o 3. Pareto 分析分析 不是使用于多数的很多原因，而是使用于掌握核心的少数原因上有用的方法论.(突出核心 Issue事项) 利用全体问题的 80%是由20%少数原因而发生的 Pareto 法则.(意大利经济学家 Vilfredo Pareto) 对突出的细节原因追加制成的 Pareto Chart，在查明更细分化的原因上很有用. 活 用 Data Check Sheet将 Data按 Category 总计 每Category Coun发生频度. X轴上是Category，Y轴上是频度数以柱形图显示, 在另侧Y轴是累计占有率以曲线图显示. 对Key issues分析Data Pare

52、to Chart Pareto Chart 制成例子制成例子 / 突出突出LCD 功能 C/R的重要要因. Project . Project 选定选定影响C/R的重要要因(占81.4% )* : QFD (Quality Function Deployment) QFD (Quality Function Deployment)QFD是把顾客的核心要求事项转换成技术性的要求事项(规格)或 潜在的CTQ的 Tool, 从顾客的声音获悉，由有关 Process 专家聚在一起而制成. QFD QFD 制成步骤制成步骤 对市场调查, 可靠性要求事项等一般的事项和现质量 Issue，明确顾客的核心要求

53、事项. 对所调查的顾客核心要求事项赋予优先顺序, 决定为满足其的技术性的规格. 对顾客的要求事项影响度大的技术性的规格决定优先顺序, 并对优先被选择的技术性的要求事项转换为暂定的Part 特性(CTQ). 对技术性的规格影响度大的Part 特性(CTQ)赋予优先顺序，以 Project 活动持续. 4. QFD (4. QFD (质量技能展开质量技能展开) ) QFD 1阶段阶段 : 概括顾客的要求事项以技术性的事项展开.QFD 2阶段阶段 : 对技术性的要求事项更细分化，突出最终改善对象 项目 CTQ. - - 谁是顾客谁是顾客 ? ?- - 对顾客什么是最重要的对顾客什么是最重要的? ?-

54、 - 技术性的要求事项是什么技术性的要求事项是什么? ?- - 技术性的要求事项是什么技术性的要求事项是什么? ?- - 部件与其特性是什么部件与其特性是什么? ?- - 需要统计管理的是什么需要统计管理的是什么? ?. Project . Project 选定选定* : QFD Step 1QFD Step 1顾客的要求事项与顾客的要求事项与技术性的要求事项之间关系技术性的要求事项之间关系 按重要程度等级化按重要程度等级化技技术术性性的的要要求求事事项项光学的特性可靠性特性Cell 设计特性顾客顾客 重要度重要度辉度辉度均一度明暗对比比色再现性回应速度Defect freeMoire寿命温度

55、湿度冲击 液晶ModeCell 间 间隔均一度Film顾客的要求事项顾客的要求事项1 12 23 34 45 56 67 78 89 9101011111212131314141515画质画面要亮.1 19313193335 5周边的字很清晰.2 23391333313 3画面的白色要干净.3 3393333933 3画面的颜色要鲜明.4 43399133335 5画面应无斜纹.5 59314 4亮与暗容易区分.6 6939199395 5应无颜色的错开.7 719193334 4在外部光下也应看得清楚.8 8939135 5电器的 &机构的性能耗电量要少.131393335 5画面应无闪动.

56、1414334 4画面要马上出来.151532 2应无残像.1616334 4外观要 simple.1717333 3安全性 &方便性价格要便宜.202094 4应无破碎.2121911 1不要容易弄脏.222211 1 238171252149153631012129212156105188 QFD Step 1QFD Step 1. . QFD 1阶段是概括顾客的要求事项, 与技术性的要求事项连接决定相对的重要度. QFD QFD 制成例子制成例子 / 在顾客要求的 LCD特性中为提高辉度的 Project 上，选定 CTQ 散乱反射率的事例. Project . Project 选定选定

57、 加重值赋予基准 : 很强的相关性(9分), 中间相关性(3分), 很弱的相关性(1分) (出自达成凹凸形反射板的反射率 500% 的 PJT上)* : QFD Step 2QFD Step 2技术性的要求事项技术性的要求事项转换为转换为CTQ CTQ 特性值特性值部件部件 特性特性反射板Cell 有关Film技术性的技术性的重要度重要度散散乱乱反反射射率率电极面积金属物质twist anglespacer pretilt angleVHRAR/AG coatingFilm thicknessHWP/QWP 1 12 23 34 45 56 67 78 89 91010光学的特 性辉度1 19

58、9933238238辉度均一度2 2933333171171明暗对比比3 33939252252色再现性4 4111149149回应速度5 5131515Defect Free6 6333636Moire7 713131可靠性特 性寿命8 8温度9 931212湿度101031212冲击11119 9Cell 设计特 性液晶Mode1212933212212Cell 间隔131339156156Cell 间隔均一度141439105105Film151533188188CTQCTQ的重要度的重要度79497949291226554295234913140479800统计处理的必要性统计处理的必

59、要性Y YN NN NN NN NN NN NN NN NN N QFD Step 2. QFD 2阶段是把技术上的要求事项更细分化，突出最终改善对象项目 CTQ. . Project . Project 选定选定* : FMEA (Failure Mode & Effects Analysis) FMEA (Failure Mode & Effects Analysis)认识并评价产品或工序潜在的故障和其影响, 除去故障发生的机会或有效地树立有关对策的活动.FMEA不是 “事后(after-the-event)” 活动，而是 事先(before-the-event)” 措施活动，为成功地实行

60、最重要的因素是时期的是适当性. FMEA FMEA 效果效果- 能够事先除去潜在缺陷及故障Mode 的有体系的接近.- 可以决定主要可靠性项目.- 可以制成异常措施菜单.- 查出故障方法及系统性能Monitor时，以 基础资料活用.- 类似系统或设计工厂时，有关潜在缺陷及故障的技术积累.5. FMEA (5. FMEA (对故障对故障ModeMode分析影响度分析影响度) ) FMEA FMEA 区分区分设计 FMEAFMEA : 订立概念和设计初期分析 Sub系统或组成因素时实施工序工序 FMEAFMEA : 分析工序(制造, 组装, 试验/评价及物流工序等)时实施. Project . P

61、roject 选定选定改善活动改善活动 (Project (Project 选定选定) )对RPN 40 以上的项目，实施 改善(Project)活动设计或工序改善后实施再评价 FMEA FMEA 活用活用确定确定 CTQ CTQ 注册注册预备预备 CTQ CTQ 选定选定改善结果决定的详细Spec.中，为维持/管理致命的特性值，将其选定为预备CTQ实施CTQ 评价会议 审议组织内共有及 CTQ 注册.追加图纸记载及CTQ 管理系统项目* : (4) (4) 故障故障Mode(Failure Mode) : Mode(Failure Mode) : 1个功能上也可能有复数的故障Mode. 不是

62、叙述现象，而是输入工程的用语( 单位不良名). 故障Mode 列举 : - 记录类似产品或型号的故障, - 试验中故障事例 - 收集Buyer Claim等整理 是新产品的话利用 Brainstorming. 此阶段不是设计者一个人做，而是 QA, 生产等有关部门都一起参与. Project . Project 选定选定 FMEA FMEA 制成方法例子制成方法例子 / 设计设计 FMEA 型号名型号名EventEvent实施日实施日制成者制成者Base Base 型号型号参加者参加者FMEA NoFMEA NoBlocNo.Sub / 部件名功能/ 变更故障 Mode故障原因故障影响验证方法

63、致命度发生度感应度RPN改善放案日程担当完了与否 措施结果、备注(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)(11)(12)(13)(14)(15)(16)(17)(1) Bloc No. : (1) Bloc No. : 输入LCM, Sub-System, Assy, 部件的分类号码.(2) Sub/(2) Sub/部件名部件名 : : 输入Sub-System, Assy,部件名.(3) (3) 功能功能/ /变更变更 : : 该功能以叙述形输入. 与Base型号比较后输入变更内容 (变更前/后, 活用细节制成Guide )5) 5) 故障原因故障原因(Potentia

64、l Cause of Failure) : (Potential Cause of Failure) : 输入可能引起潜在故障的预想原因，尽可能输入又具体的又定量的. - 参考类似型号的试验结果, 生产不良报告书, 顾客 Claim - 与设计者, 认证试验, OQC, 生产担当者等有关部门共同实施 ex) Cover Bottom 缔结时 twist, 粘合时 排气 Path不足, 注入口 DC起因 污染, Source D/IC current 容量不足等.* : (8) (8) 致命度致命度(Severity) : (Severity) : 评价涉及到LCM 及 System Maker

65、的影响的深刻性.(推定从1到5的等级.)影响影响影响的深刻性影响的深刻性等级等级很高对人的安全有影响程度的致命度高. 5高虽然不影响安全，但LCM完全不动作4一般LCM虽正常动作，但性能降低3低性能没有降低，LCM动作，但Buyer没发现缺点2很低一点都不致命. 顾客完全没有认识到的程度1(6) (6) 故障影响故障影响(Potential Effect of Failure) : (Potential Effect of Failure) : 记录顾客发觉到或可经验的故障Mode 的影响. (顾客在使用当中能感觉到的技能上的影响) - 因故障出现的影响(结果) - 涉及到相邻构成品的影响 -

66、 涉及到单品, Assy, LCM的影响 ex) , , , (7) 设计验证方法设计验证方法(Design Verification) : 设计验证及查出方法 为防止发生潜在的故障而利用的管理项目或复合不良形态或为查出潜在故障设计原因的现在的设计验证项目 ex) 画面检查, 光学测定, A/P等(9) (9) 发生度发生度(Occurrence) : (Occurrence) : 表示因推定故障原因而有可能显示的不良形态的可能性. (推定从1 到 5 的等级.) 原因多的时候，评价可能性最大的.评价基准评价基准等等级 几乎经常出故障5 时常出故障4 偶尔出故障3 出故障但几乎不出故障2 完全

67、不出故障1. Project . Project 选定选定* : (17) 备注备注 : 输入主要管理项目. - RA(Risk Assessment), CL(Checklist), LTIS(Long Term Item to Solve)等 (11) 总分总分 : 是评价潜在故障的相对评价的尺度，是管理及纠正措施的优先顺序. 危险优先顺序危险优先顺序(RPN : Risk Priority Number)是致命度, 发生度, 感应度等级相乘而球. 此数值是设计上所关心事项的排列等级化的. RPN 值 40以上时，在预备 CTQ项目及 Risk Assessment上 注册及管理.(12)

68、 改善方案改善方案(Recommended Action) : 在于为降低RPN而考虑到的措施事项, 致命度, 发生度, 感应度等级全部或个别减低.(13) 日程日程(Date) : 输入对策何时结束的内容.(14) 担当担当(Owner) : 对对策输入谁收尾的内容.(15) 措施结果措施结果(Action Result) : 措施事项完成的话，输入实际措施事项. 如需要追加的纠正措施的话，反复实行阶段 12)-14).(16) 完成与否完成与否(Follow up) : 每 Design Review时确认.(10) 感应度感应度(Detection) : 发生故障Mode时能够探出其的可

69、能性的评价(从1到 5分等级评价) 对可靠性及流出不良定义各阶段的感应度评价基准评价基准等级等级 End User(消费者)在使用中发现5 Buyer在使用中发现4 在出厂检查阶段发现3 在Module 组装阶段发现2 在部件单位容易发现1. Project . Project 选定选定* : 设计设计 FMEA FMEA 制成事例制成事例 / 对适用高清晰度而显示的电路部分故障类型制成的 . Project . Project 选定选定* : 工序及功能工序及功能 : 输入要分析的工序和技能的名称. 工序不良工序不良 : 输入不满足所要求工序的类型. 特别是输入工序/特征阶段不适合事项. 例

70、) Burr, 变形, 误结合, 弯曲等 不良影响不良影响 : 输入因故障顾客受影响或对下一工序涉及到的影响. 例) 不能动作, 噪音, 外观不良, 固定不良, 组装不良等 查出方法查出方法 - 记录工序上可能发生的要因用什么Check,怎样查出. - 记录发生问题的话查出此问题的方法或现在验证/措施的方法 . Project . Project 选定选定 可能发生要因可能发生要因 : 记录造成工序不良发生的项目.(例, 误结合, 过度的Toque, 错误的材质, 使用别的部件等) FMEA FMEA 制成方法例示制成方法例示/ 工序 FMEA ProjectProject 名名TeamTea

71、m长长日期日期Sub-system Sub-system Team Team 员员FMEA NoFMEA No工序 及 功能工序不良不良影响发生可能 要因管理/查出 方法致命度发生度感应度RPN对策担当日程验证方法* : 对策对策 - - 突出怎样解决问题的Idea, 尽可能记录可分析改善的、方法. - 所要求的措施事项通过为降低不良的致命度和发生可能性的工序改善，计划降低不良类型的影响. 担当担当 : : 记录对所要求措施事项的个人义务 日程日程 : : 铭记对策案适用完了日期 验验证证方方法法 : : 记录活动结束后的验证方法和改善结果及验证日期 RPN = RPN = 致命度致命度 发生

72、频度发生频度 查出力查出力 把分数高的不良类型可以选定为预备CTQ. . Project . Project 选定选定 致命度致命度 : 对不良影响问题的深刻性自 15分评价 对潜在不良影响工序的深刻性，评价分数时可考虑每个人都相异的分数.这时Team首先全体调整意见后实施评价. 发生度发生度 : 因发生可能要因而发生的工序不良的频道数从15 分进行评价 根据市场SVC 不良, 工序不良Data等的实绩进行评价 感应度感应度 - 可以查出问题的程度从15分评价 - 容易查出或容易的方法的话是1分，不知道查出方法或很难查出的话记录5分 查出力是分数以逆顺评价的项目.* : 工序工序 FMEA F

73、MEA 制成、事例制成、事例 / / 对适用高清晰度显示的工序不良类型制成的 . Project . Project 选定选定* : 1. CTQ (Critical to Quality)1. CTQ (Critical to Quality)的定义的定义 CTQCTQ的定义是的定义是? ?是满足消费者的因素，且能够以统计处理的特特定定部部件件, , 图图纸纸, , 规规格格等等可可测测定定的的少少数数的的尺尺数数或或特特性性值值来来定定义义, CTQ应在开发及生产中测定, 分析.问题或Issue下流展开时，指位于最下位的特性值. CTQ Flow DownCTQ Flow Down倾听顾客

74、之音是6或活动的核心,解释 “顾客之音”对掌握CTQ很重要. 6 Process的 Output 最终是为充足顾客之音和 Needs的总体的活动.Level 1Level 1Level 1Level 1Level 2Level 2Level 2Level 2问题问题 or ISSUE = Y or ISSUE = Y CTQ CTQ 1 1CTQ CTQ n nCTQ CTQ 2121CTQ CTQ 211211Level 3Level 3Level 3Level 3 问题在哪儿问题在哪儿? ?. CTQ . CTQ 突出突出X X1 1, X, X2 2, , CTQ CTQ 2 2X X1

75、 1, X, X2 2, , X X1 1, X, X2 2, , CTQ CTQ 2n2nCTQ CTQ n1n1X X1 1, X, X2 2, , CTQ CTQ 212212X X1 1, X, X2 2, , * : . CTQ . CTQ 突出突出2. 2. 测定对象的明确化测定对象的明确化CTQ应与 “顾客核心要求事项”直接有关联, 这些指标应可测定顾客的期待能够满足到哪一程度. - 应有对各顾客核心要求事项的CTQ.-没有尺度的话，绝对不知道是否满足顾客核心 要求事项 决定顾客核心要求事项的 CTQ -以有用的判断上必要的周期应可测定.-不应过度的偶尔测定或经常测定. 有用的周

76、期-与各 “顾客核心要求事项”的关系既明确又应可理解-为确保数据的可靠性应使用同一的测定方法及基准. 明确性及理解可能性-不把平均以指标来使用. -个别顾客不考虑性能的平均值是多少,只考虑产品性能的好坏. 反映实际结果-经常测定 Process的缺陷(顾客不希望的部分). -一般的成功率不以指标使用. 测定缺陷 选定测定对象时考虑事项选定测定对象时考虑事项* : Process Mapping Process MappingProcess Mapping是调查信息的流程并将 Process文件化,是为改善的机会明确化而使用的Tool.3. Process Map3. Process Mapq所

77、有 “Re” 的活动一般都称为Process上反过来活动的原因.q 应掌握Process的哪一部分出现“RE.”活动. Process MappingProcess Mapping的的 BenefitBenefit可以看全体Process, 而且使Process内的关系能够理解. 显示琐碎的被处理或忽视的领域.使Process的Cycle Time和库存部分得以减少而给予调整 不是在个人观点上而是提供 Fact 为中心的观点. 造成Business 技能部门间对知识的沟通意思和能够共有的方法提供能够理解Communication被断绝部分的Tool. 对已经认识到的, 文件化的部分，能够明确而

78、给予帮助. . CTQ . CTQ 突出突出 利用利用Process Map Process Map 确认改善机会确认改善机会 * : 定义 Process 的境界. (要改善的一般领域或特别的 Process) 通过Brainstorming决定对个别Process 阶段的顺序. 为能够容易分析使用 Symbol而制成. 为验证制成的 Process map实际要确认. 追加Key Process的信息. - Yield, Cost, 废弃费用, 因加班而发生的 Cost , 容纳能力, Cycle Time 等 根据Theme的性格分析Process Map. - Process Loss

79、 或浪费因素 / Cycle Time 改善 / 质量改善 / Flow 改善等 - 表示“Re” 的部分和不必要的复杂性部分. Process Map Process Map 制成方法制成方法qYs指工序完了的结果.qXs指在该工序上为达成 Ys的输入因素.q一个工序上出的 “Y”可成为以后工序的“X”. Process MapProcess Map的构成因素的构成因素 纵形纵形 MapMap工序阶段工序阶段* * DPUDPU生产周期生产周期目标 : Y = f(X1,.Xn)输入X1X2X3输出Y1Y2Y3工序阶段工序阶段* * DPUDPU生产周期生产周期输入(Xs)输出(Ys) 横形

80、横形 MapMap. CTQ . CTQ 突出突出* : 初期投入Gate贴合PhotoW/ED/EStrip后工序投入PR Strip 累计直通率 = 初期投入 Gate 贴合 Photo W/E D/E Strip = 100% 98.4% 95.5 % 91.3% 89.7% 88.0% = 67.7%Gate 前面EtchNGMacro 检查贴合前洗涤Gate 前面Etch Process Map Process Map 制成例示制成例示 / Gate Layer Process Line(Gate Open异物)的累计直通率Photo检查完成检查 膜翘起 异物Defect 异物Def

81、ect Film 弄破 不良 PTN 不良 发生斑纹 PTN不良 Scratch发生 发生液性异物 PPBOX异物 O3 浓度 Metal Touch O-ringSpin Coater裂开Dev. BubbleRPWA/F部 干燥不良A/F部 轴承裂开 Vac.RBT Teaching 排气不稳定100%99%95%91%89%88%40sec55sec50sec70sec90sec55secRework贴合前洗涤NGReworkRework贴合后检查. CTQ . CTQ 突出突出* : 4. Logic Tree (Structure Tree)4. Logic Tree (Struct

82、ure Tree)为确认发生问题根本原因及集中探求细节领域而展开使用的Tool,要逻辑地表达达到目标的手段, 且Break down 的问题间要成为 MECE.6 Project6 Project是是对已最已最终展展开开的下位的下位Level Level 进行改善活行改善活动而改善最后而改善最后问题的形的形态问题AA2B1B2BA1MME EC CE EMME EC CE EMME EC CE E 利用利用Logic TreeLogic Tree的问题的分解的问题的分解 经Team全体的讨论包容多样的视觉 现象 Fact Issue 假设 从大梗到枝头, 从枝头到梗都可以，有时集中Sub-Is

83、sue而突出大的Issue更容易. . 不断地Update并努力改善是最佳的方法! 经常努力以新的角度看问题. 活用大加所知道的 Framework. 例) 3C, 4P, 4M, 7S, DMAIC. Logic Tree Logic Tree 制成方法制成方法. CTQ . CTQ 突出突出* : MECE (M(Mutually E Exclusive and C Collectively E Exhaustive) ) 是指互相不重复而且各个集合的并集能包含全体的因素的集合. (不重复无遗漏) 是是MECEMECE时时 不是不是 MECEMECE时时 - AB是 ME, 但不是CE.(

84、) 全体 : 生物 A : 哺乳类 B : 鱼类- ABC是 CE， 但不是 ME.() 全体 : 女性 A : 未婚 B : 已婚 C : OL- AB既不是 ME，又不是CE.() 全体 : Class的学生全员 A : 数学好的学生 B : 国语好的学生 MECE MECE 的理解的理解不是不是MECEMECE时时 ABCABCABAB. CTQ . CTQ 突出突出* : : 根据Project 进展/性格可利用多样的 Logic Tree.初期定义型事业现象顾客竞争社自社利用知道的 Framework 找出改善机会时利用Issue?Yes?No?实行案How对核心Issue 的回答察

85、明解决对策的逻辑的构造在最后部分使用 Logic TreeLogic Tree的种类的种类. CTQ . CTQ 突出突出问题记述书 从问题出发，树枝为组成因素,必要的 Active, 推定等初期不太清楚时利用问题具体化提到的假设WhatHowWhy提到的假设说明/作证假设作证型Issue 解决型* : 主要异物系不良类型主要异物系不良类型异物不良率异物不良率Spacer 成团儿成团儿CF颜料残沙CF异物TFT Pattern 不良TFT 异物TFT 线条Strip药液异物线条线条Wipersmockchip纸PI印刷不良印刷不良MN金属金属CF起因性起因性TFT起因性起因性工序条件工序条件F

86、eeder RPMX-Motor RPMY-Motor RPMCounter 测定设备 成团检查器(新设 Line)Y暂定因素暂定因素CTQ 设备起因性设备起因性管理项目管理项目消耗性 Parts设备驱动部 震动清扫 Position 指定清扫周期SUS Pipe (交换周期)Dust Cover (材质)入/出口 Shutter 搬入/出 Shuttle Chamber内部Chamber外部 Gap 起因性不良起因性不良 : 0% 6 水平水平 : 维持工序条件现象维持工序条件现象. CTQ . CTQ 突出突出 Logic Tree Logic Tree 之称之称 事例事例 / 分析对异物

87、不良影响的因素* : 5. Brainstorming 5. Brainstorming Brainstorming Brainstorming 种类种类Brainstorming Brainstorming 時時 注意事项注意事项部门或组织内与Project有关的所有人员都参加, 以在短期尽可能达到目标，突出Idea为目的而实施的活动 Free Wheeling :Free Wheeling : 每一个参与者都要发言（即兴的，或者对话的形式） Round Robin :Round Robin : 对案件Team 员轮流想起 Idea Card Method :Card Method : 没有

88、讨论Team 员在卡上记录 Idea贴在墙上- 任何 Idea都不要批评.- Idea都要记录.- 想出Idea 时不要追加解释或进行讨论.- 不好的 Idea也要鼓励.- 所有人都要参与. CTQ . CTQ 突出突出 通过Brainstorming突出的问题在量上多时，可利用 亲和图 Grouping而整理. 123456789101112131415ABC126537104915D81114E1213 亲和和图* : 2. 2. 掌握定量掌握定量, ,定性定性效果效果 (与Project 活动相关的 Benefit). Project . Project 注册注册3. 3. 对对Proj

89、ectProject的问题记述的问题记述 (以具体数值提示)咨询会计或管理Team ，可达成的内容、有效成果定量化，且能够金额化，而事先设定基准.现象的问题现象的问题 SVC Call 回答时间超过 2小时的15%. 产品售价降低 15% . 4. Project Schedule 4. Project Schedule 管理管理目目 标标 SVC Call 回答时间应在2小时以内. 6个月内销售额增大30%.例示例示) )利用Gantt Chart 等，把 6各阶段具体的日程计划根据现象问题制成, 并管理Project 日程.1. 1. 组成组成Project Project 相关组织相关组

90、织要改善的问题以 Logic Tree等的方法展开，组成与突出最终活动领域相关的 Cross Functional 的Team, 人员 包括(常勤, 非常勤) . 定义定义(Define)(Define)测定测定(Measure)(Measure)分析分析(Analyze)(Analyze)改善改善(Improve)(Improve)管理管理(Control)(Control)阶段阶段促进内容促进内容选定Project 定义测定对象 (选定CTQ )Project注册 验证测定系统 分析工序能力 设定改善方向及 目标 突出暂定因子 统计的假设测定 选定Vital Few 突出对Vital Fe

91、w 最适条件 验证再现性 树立管理计划及 Monitering 计划 完了报告及 GOS 注册日程日程# / # / # / # / # / # / #* : . Project . Project 注册注册 Project Project 注册书制成事例注册书制成事例ThemeTheme名名Team Team 组成组成Theme Theme 选定背景选定背景改善活动改善活动促进方案促进方案TeamTeam员觉悟员觉悟ThemeTheme概概 要要促促 进进日日 程程定量定量/ /定诚定诚目目 标标( (效果金额效果金额) )支援支援 及及邀请事项邀请事项贡献率贡献率Team长 : 00 Te

92、am员 : 00, 00TAB TAB 导电性异物不良减少导电性异物不良减少( (CuSn,SusCuSn,Sus) )TAB TAB 工序的主要不良要因工序的主要不良要因 CuSnCuSn, , SusSus 异物不良异物不良通过改善模具结构通过改善模具结构, , 改善模具管理改善模具管理 FlowFlow及其它及其它改善活动根本要解决改善活动根本要解决M-M-工序技术要因不良中全体约占工序技术要因不良中全体约占 24%24%对此需要有体系的改善活动对此需要有体系的改善活动. . 单位:PPM单位:%Cu/Cu/SnSn(41%)(41%)SusSus(32%)(32%)C(10%)C(10

93、%)Al(5%)Al(5%)其它其它(12%)(12%)9,2002,0492,2563,685765异物M/ATCPACF00年 911月其它445改善是无限的改善是无限的. . 向异物不良向异物不良 ZeroZero冲进冲进! !r 选定主要选定主要CTQCTQr 不良类型别分类不良类型别分类 r 抽出重要抽出重要/ /潜在因子及订立改善方向潜在因子及订立改善方向r 假设测定及验证试验假设测定及验证试验r 树立重要因子的管理计划树立重要因子的管理计划r CTQCTQ项目项目 MonitoringMonitoring管理管理管理管理改善改善改善改善分析分析分析分析-突出暂定 因子-假设的测定

94、-Screening DOE-Vital Few -实验计划-突出最适 条件 -实验 再现性促进促进 ScheduleSchedule定义定义定义定义-掌握现象-不良定义-突出CTQ -树立各 因子管理 方案-实施管理1/61/E2/M3/M3/M3/E 4/1r 验证实验时要请生产支援验证实验时要请生产支援TeamTeam支援及协助支援及协助r 6 6 TeamTeam 的积极支援的积极支援r定量的效果定量的效果 : : 777,690EA/ 777,690EA/月月 1,049PPM 1,049PPM 1,236 1,236/ /枚枚 = 100= 100万元万元/ /月月 节减材料费节减

95、材料费r 定诚的效果定诚的效果 : : 通过减少通过减少Return Return 不良不良 确保质量可靠性确保质量可靠性2,049ppm1,000ppm活动前活动后40% 30% 30%测定测定测定测定-Gage R&R-分析工序 能力-决定改善 方向2/12/M* : Session. Measure Session 目录目录. Measure . Measure 阶段概要阶段概要. Measure . Measure 阶段阶段 FlowFlow. . 数据的种类数据的种类 1. 离散型 Data 2. 连续型 Data. . 分析测定分析测定 System System 1. 测定Sys

96、tem 分析概要 2. Gage R&R (连续型) 3. Minitab 实习 (连续型) 4. Gage R&R (离散型) . . 连续型连续型 Data Data 工序能力工序能力 1. 工序变动的理解 2. Rational Subgroup 3. Normality Test 4. 工序能力指数 5. Project 适用事例. . 离散型离散型 Data Data 工序能力工序能力 1. Defect(缺陷)的理解 2. 二项分布的活用 3. Poisson分布的活用 4. 利用YRT的Z-Value学习目标学习目标确保确保CTQ的数据可靠性的数据可靠性, 正确掌握现在的水平，正

97、确掌握现在的水平，能够决定改善方向能够决定改善方向. * : * 难易度表示 “ 基本 “ : GB 未取得(包括新入社员) 人员为对象 “ 深化” : GB 以上 Belt 取得人员为对象75767781109146DefineDefineMeasureMeasureAnalyzeAnalyzeImproveImprove改善方向改善方向 OK?OK?ControlControlY Y Y Y 对CTQ的数值化 - 研讨Gage 可靠性 - 构筑测定System 分析对CTQ的工序能力 - Rational Subgroup - 确认现在水平 - 设定改善方向 Gage R&R (Data

98、可考性) 对CTQ的 ZST, ZLT 4 Block Diagram Project 活动目标算出物算出物 (Output)(Output) 活动活动 (Activity)(Activity). Measure. Measure阶段概要阶段概要N N N N 从顾客的观点上选定从顾客的观点上选定ProjectProject - 从顾客要求事项定义问题 “Y” - 突出具体的 Issue 事项(CTQ) 设定对设定对CTQCTQ的改善方向的改善方向 - 构筑测定系统(Gage R&R) - 掌握CTQ的工序能力 对对CTQCTQ的的 Vital Few Vital Few 决定决定 - 突出暂

99、定因子/选定候补因子 - Vital Few 对对CTQCTQ的的 Process Process 最适化最适化 - 突出Vital Few的最适条件 - 对最适条件的再现实验 对改善的成果的维持及持续的管理对改善的成果的维持及持续的管理 - 树立管理计划及Monitering(X, Y) - 标准化及Project 完了报告* : RationalSubgroup短期工序(ZST)长期工序(ZLT)评价现在水平评价现在水平改善方向改善方向Measure 阶段是把我们要解决或改善的对象 CTQ数值化的阶段, 也是生产以后成为所有意思决定基本的Data及确保可靠性的阶段.问题领域问题领域(CTQ

100、)数值化数值化(Digital 化化)测定计测器-设备-人计测器的可靠性Gage R&RSamplingP-value意思决定意思决定Measure连续型离散型Database- 测定测定 Test- DOE DataData的可靠性的可靠性 : 对生成Data计测器(设备, 人)的可靠性评价 DataData的种类的种类 : 按测定方法生成离散型和连续型Data. 突出改善方向突出改善方向 : 通过现在Data掌握现水平(管理要因, 技术要因). Measure. Measure阶段阶段 FlowFlow* : 1. 1. 时间时间2. 2. 费用费用3. 3. 容易性容易性资料特性资料特性

101、尺尺 度度分析特性分析特性信息的量信息的量适用技法互换性适用技法互换性质的 Data量的 Data名目 Data顺序 Data区间 Data比率 Data离散型离散型 DataData连续型连续型 DataDataDataData的种类的种类连续型连续型 DataData离散型离散型 DataData名目 Data顺序 Data区间 Data比率 DataTool适用Tool适用YESYESNONOData的种类根据分析特性大体分两部分. 这里指的区分是根据Data的收集目的，考虑时间, 费用, 容易性等，其种类有连续型、 离散型. Data. Data的种类的种类* : 贴合不良 (贴合程度

102、 0.5, 1.2, 1.5,) 重力不良的程度 (上, 中, 下) Panel破损程度 (1, 2, 3, 4, 5) 纵线带不良程度 (上, 中, 下) Defect 数 (Particle大小别个数) 贴合不良数 DO 不良率（良品数, 不良数) 重力不良个数 RGB 突起不良数 Panel 破损不良个数 B/L异物不良数1. 1. 离散型离散型 DataData离散型离散型 DataData名目名目 Data (Nominal Data)Data (Nominal Data)顺序顺序 Data (Ordinal Data)Data (Ordinal Data)改善上有利 改善处 : 举

103、例, 重力不良时 C/S的厚度在Spec内稍微调整时 (变更前不良率 20%, 变更后不良率 20%) - 以名目Data管理时 : 100个中不良 20个 无影响 - 以顺序 Data管理时 : 改善前由强水平 20个变为弱水平20个 有影响力缺点必须确保Gage的卡靠性!Gage R&R非常重要区分技术力必要离散型本质上比连续型的数据信息少, 可靠性差，因此为得到必要的信息尽可能多取 Sample 数，其种类如下. Data. Data的种类的种类* : 长短 : Gate CD, Line 幅, Gap 重量 : 液晶 Dot量, Glass 重量 时间 : T/T, RPM, Move

104、 时间 角度 : DI 接触角, Tape 角, Etch 角 单位的混合 : 力(Kg.m/s2), 速度(m/s) 温度 ( 0不代表没有温度) ZST, ZLT, Cp, Cpk, Pp, Ppk 股价指数 标准偏差, 分散 相关系数 范围,百分位区间 Data (Interval Data)比率 Data (Ratio Data) 摄氏60度和30度的差异跟摄氏30度和0度的差异相同，但摄氏60度比30度烫的程度不能说是2倍. 其理由是将摄氏转换为华氏的话不可能是2倍. . Data. Data的种类的种类2. 2. 连续型连续型 DataData连续型是在特定区间内可以取任意值的数据

105、, 可以少的数据得到多信息(平均, 散布 等)的, 其种类如下. 连续型连续型 DataData* : 名目 Data(单纯区分)顺序 Data(系数分类值)区间 Data(无绝对元点)比率 Data(比率存在)USLLSL不良 : 4个, 良品:13个A:4个, B:5个, C:2个, D:2个, F:4个 A级和B级的差异与 C级和 D级的差异不同.(由顾客决定)77.5cm:1个, 7.58cm:2个, 88.5cm:3个 有比率成立的特征. 3/6=2/4无相关事项离散型离散型 DataData连续型连续型 DataData互换性互换性 . Data. Data的种类的种类3. Dat

106、a 3. Data 种类事例种类事例 / / Sample Data : 棍棒长度 Spec. 102cm互换性互换性 X X* : 测定测定 System System 评价的概要评价的概要 测定测定 System System 评价的目的评价的目的正确评价测定System的状态，测定System的最终目的在于提高测定数据的质.测定System的评价包括正确度及精密度，是评价综合测定的良好程度的手段,为了把根据测定误差的数据变动改善/管理在所需的水平以内而实施.测定 System的便利或程度发生大的话, 使用这种System分析制造工序，正确测定制造工序上发生的问题，必须评价能否算出正确数据

107、. 万一, 没有正确评价而使用的话, 因错误的测定System不能正确判断工序，由此质量费用上升，很难持续改善产品. . 分析测定分析测定SystemSystem1. 1. 分析测定分析测定 SystemSystem概要概要(1) 测定误差是多少?(2) 测定误差的原因是什么?(3) 测定器对此活动是否适合?(4) 怎样改善测定 System? 参考参考 - - 便利便利 : 指真值和测定值的差异. - - 程度程度 : 把同一的产品反复测定时派生的 测定值的变动. 测定数据的评价一般以统计的便利和程度来评价.结果, 正正确确评评价价测测定定SystemSystemSystemSystem的的

108、的的状状状状态态态态，最最最最终终终终提提提提高高高高测测测测定定定定数数数数据据据据的的的的质质质质 可以说是评价根本测定System的最终目的. 测定测定 System System 评价的主要内容评价的主要内容* : 理想的测定System是指求每测定时各测定值与标准一致的正确的测定值. 既统计的表示的话，指没有便利, 散布也不发生, 也没有把产品错误区分的概率.现实上看的话几乎不可能有这种情况, 我们要甘受多少的统计的特殊性. 既, 测定System好还是坏，很大程度上受测定数据的统计的特性. 虽然 随各测定System具有不同的统计的特性, 不一定所有测定System都相同，但共同的

109、特性如下.(1) 测定 System要在统计的管理状态. 测定 System的散布应由单纯的偶然原因而发生, 不应由异常原因而发生.(2) 从测定 System派生的散布必须比制造工序上派生的散布要小. (3) 散布比产品规格要小.(4) 计测器要比规格多读一刻度. 举例, 如规格是 2.03g2.06g 的话, 计测器刻度要读到 0.001g. InspectionYOperation 1X1X2X3Operation 2X4X5X6. . .Project Scope. . 测定测定 System System 分析分析 测定测定 SystemSystem的统计的特性及必要条件的统计的特性

110、及必要条件* : 安全性安全性 Stability (with time)工序/产品的 实际实际 变动工序/产品的 测定测定 变动 长期长期 变动 短期短期 变动 作业者作业者 计测器计测器 选定与校正选定与校正再现性再现性Reproducibility反复性反复性Repeatability 偏斜偏斜 Inaccuracy (bias) 线形成线形成 Linearity检.校正CalibrationGage R&RStudy工序能力ProcessEvaluation1.5LSLUSL我们看到的测定的Data以测定对象物的实际值的差异和测定 System的差异的合来显示的工序/产品的观察的观察的

111、 变动 工序工序/ /产品的变动因素分析产品的变动因素分析. . 测定测定 System System 分析分析* : 全体变动(T)产品变动(P)测定测定测定测定 SystemSystemSystemSystem变动变动变动变动(R&R)(R&R)(R&R)(R&R)测定测定测定测定 SystemSystemSystemSystem变动变动变动变动(R&R)(R&R)(R&R)(R&R)反复性反复性(Repeatability)(Repeatability)再现性再现性(Reproducibility)(Reproducibility)EVAV全体散布(T)工序/产品散步(P)测定 Syst

112、em 散布(R&R)反复性(Repeatability)再现性(Reproducibility)EVEV(Equipment Variation, 根据计测装备的变动) 同一测定者在同一条件下反复测定而发生的测定值的变动 AVAV(Appraiser Variation, 根据评价者的变动) 不同测定者在同一条件下测定的平均值的变动. . 测定测定 System System 分析分析 变动的组成及分解变动的组成及分解* : 测定测定 System System 调查调查 FlowFlowCTQ 选定选定测定测定 System调查调查合格合格测定数据测定数据收集收集分析分析/改善改善活动展开活

113、动展开测定 System 改善 - 研讨测定器 - 测定者教育 - 重新树立测定标准YESNO测定测定 System System 评价评价Gage- % Study Var.(工序变动)- % Tolerance (容许界限)- 区别范畴偏斜偏斜(Bias)安全性安全性(Stability)反复性反复性(Repeatability)(Repeatability)再现性再现性(Reproducibility)(Reproducibility)EVAV正确度正确度(Accuracy)精密度精密度(Precision)位置位置 便利=偏斜(Bias)=正确性散布散布 测定测定 System Sys

114、tem 评价及调查评价及调查 FlowFlow. . 测定测定 System System 分析分析线形成线形成(Linearity)* : 实际真值测定平均正确度正确度测定者2的平均测定者1的平均再现性再现性反复性反复性Gage R&R Gage R&R 变动变动5.15(99%5.15(99%信赖区间信赖区间) ) 反复性反复性 (Repeatability) (Repeatability) 是是? ?“得到一贯性的结果”反复测定时的变动反复测定时的变动一名测定者用同一的计测器把同一部件的同一特性在比较短时间多次测定时发生的测定值的变动 再现性再现性 (Reproducibility) (

115、Reproducibility) 是是 ? ?同一部件的同一特性用同一的计测器由几名测定者测定时测定者之间测定平均值的差异测定者测定者 A A再现性再现性B BC C 正确度正确度= =偏斜偏斜 (Bias) (Bias) 时时 ? ?观测的测定值的平均值与真值的差异 测定测定 SystemSystem的变动要因的变动要因. . 测定测定 System System 分析分析真值 : 作为理论上正确的值广发接受并可以追迹的基准 安全性安全性 (Stability) (Stability) 是是? ?同一部件用同一计测器有时间间隔测定时测定值平均的差异* : 反复性反复性 = = 精密度精密度(

116、Repeatability)(Repeatability)(A) 反复性好(B) 反复性不好真值真值 再现性再现性(Reproducibility)(Reproducibility)(A) 再现性好(B) 再现性不好A A C C真值检查者A检查者B真值检查者A检查者B检查者CB B检查者CA AB BC C 正确度正确度 = = 偏斜偏斜(Bias)(Bias)真值平均值便利1 1 2 2真值试点1试点21 12 2真值试点1试点2(A) 安全性好(B) 安全性不好 测定测定 SystemSystem的变动要因的变动要因/ /坐标图坐标图 安全性安全性(Stability)(Stabilit

117、y). . 测定测定 System System 分析分析* : 线形成是指在某一计测器上使用的全体测定范围的偏斜的差异. 线形成线形成 (Linearity) (Linearity) 是是 ? ? 部件间变动部件间变动(part-to-part variation)(part-to-part variation) 制成平均(Xbar )管理图可调查部件间变动. 大大LSLUSL值值Point真值真值测定值测定值 小小 测定测定 SystemSystem的变动要因的变动要因. . 测定测定 System System 分析分析部件平均管理图上求的管理界线不是对部件间变动求的，而是对精密度误差求

118、的, 点适当地脱离管理界线外的比较好.如果抽样群的平均值一个点也不脱离界线外的话，这说明部件间的变动被精密度所遮挡而不能识别的状态，也指测定变动比 工序变动大相反很多点脱离界线外, 评价者可识别哪个部件的平均值部件之间都不同的话,此测定可以非常有用地使用 因此, 部部件件的的平平均均值值适适当当地地脱脱离离管管理理界界线线( (约约 50%), 50%), 评评价价者者可可识识别别哪哪个个部部件件不不脱脱离离界界线线外外的的话话, , 此此系系统统一一般般可可判判断断为为适适合合分分析工序析工序* : Gage R&R Study定义为再现性(作业者变动)和反复性(计测器变动)的研究.测定的部

119、件间变动在R&R Study上是必不可少的, 它不仅具有对理解R&R的基准，而且对得到工序能力改善的方法提供活生生的信息. 以上的情况, 测定的所有变动起因于部件间的变动, 变动可能性的琐碎部分起因于作业者再现性及施行间的反复性. 所有观测值包括实际工序变动和测定变动,测定系统的话变动的根源是作业者, Gage, 部件内的变动.Gage Gage R&R R&R StudyStudy与与其其它它变变动动的的根根源源一一同同，多多少少能能够够避避免免混混乱乱而而计计划划并并实实行行. 不是说测定变动的其它潜在的要因-校正, 安全性或线形成部重要，而是说明相对的影响不重要. 因此, R&R R&R

120、 在执行在执行ProjectProject时要优先研究事先成为定量化时要优先研究事先成为定量化. . 反复性和再现性实际上是测定系统的重要的输出变数, 为改善此的 重要输入变数有步骤书, 标准, 训练及适当的研究. 连续型连续型 Data Gage R&R Data Gage R&R 概要概要 连续型连续型Data Gage R&R Data Gage R&R 变动的理解变动的理解. . 测定测定 System System 分析分析2. Gage R&R (2. Gage R&R (连续型连续型) )- 样品内变动的特别例子是单位 PXL的辉度. 用辉度测定器测定Panel表面时容易显示.

121、但测定位置变动的话，反复测定时抽样本身就有变化. - 样品内变动对反复性使其变动值增大. 掌握样品内这种变动的可能性而测定是必不可少的, 这不仅是R&R Study的作用，假如可以避免的话，有必要使样品内工序散布不干涉 R&R Study. * : 看看一一下下随随GageGage变变动动，分分散散分分析析的的P-ValueP-Value变化变化. . 测定 System的变动量分析叫 Gage R&R Study. 测定的总变动量 = 工序的变动量 + 测定 System的 变动量+=实际工序变动测定 System 变动观测的工序变动P=0.045P=0.045实际值纯正产品散布P=0.04

122、7P=0.047 正确度不好 Gage R&R %Study Var. = 5%P=0.120P=0.120P=0.120P=0.120 正确度好 Gage R&R %Study Var. = 35% 正确度好 Gage R&R %Study Var. = 35% 连续型连续型 Data Gage R&R Data Gage R&R 变动变动 . . 测定测定 System System 分析分析 测定 System的变动量 = 反复性 + 再现性* : Project 进行时选择测定数据的测定者 两名或三名. 平常测定的作业者当中，不是最好也不是最不好的作业者中随意选择.测定者要正确了解抽样

123、品的测定方法. 如评价者不清楚测定方法的话不可能发现误差. 要是使用新的测定器的话，事先要进行测定教育，并确认完全理解与否. 大部分选择10个测定抽样,且赋予测定抽样的编号. 抽样不是 Random准备, 而是 能够Cover变动或Spec全范围的，根据事先计划而准备.例) Shaft的 Pulley 内径 = 50.0 +/-2.5 时, 为Gage R&R, 事先准备4555范围内的10个部件. 为判定测定系统 Accept 确认能否区分良品的Pulley和不良的 Pulley.推荐Gage的 Process 变动或Spec. 容许误差的 10% (即, 比公差能多读一刻度的计测器) 或比

124、其更小的分解能.计测器要比规格多读一刻度小的例) 部件的公差 = +/-0.020时, Gage的分解能要 0.002.随测定部件有时作业环境对测定误差影响大的时候，因此要在适当的作业环境下测定. 作业环境不仅影响测定抽样，而且还影响测定仪器或评价者的效率.例) 温度是摄氏21度，湿度约50%比较适合, 而且通风也要好. 测定者测定者(Operator, Appraiser)(Operator, Appraiser) 测定方法测定方法 抽样抽样(Part) (Part) 选定选定 选定计测器选定计测器( (分解能分解能) ) 测定环境测定环境 连续型连续型 Data Gage R&RData

125、Gage R&R的准备事项的准备事项. . 测定测定 System System 分析分析* : Gage R&R Gage R&R 实行步骤实行步骤 使用标准测定 System. (Calibration , 确保分解能) 至少选 3名测定者. (Project 相关 Data 测定者) 将10个 Unit在事先计划下收集. 各 Unit每测定者反复测定 23次. 对各Unit 及 测定者 Random测定. Gage R&R Gage R&R 实行方法实行方法 短期的方法 ( Xbar-R的简便法) - 测定的变动或 Gage的值很快追定. - 只有5个 Sample和2名测定者即可. -

126、 以手作业很快算出 - Gage的反复性和再现性不能区分. 长期得方法 ( Minitab 活用) - 能够追定更好一点的 Gage - Gage的反复性和再现性能区分. - Data 收集上需要很多时间和精力. 分散分散( (变动变动) )的计算的计算 随反复因偏差的分散 (Repeatability) 测定者间因偏差的分散 (Reproducibility) 随有意选定的部件大小的分散 (Part-To-Part)Ex) Data 10, 14, 16 (平均:14)(10 - 14)2 + (10 - 14)2 + (16 - 14)2s2 =2 Gage R&RGage R&R的分散的

127、分散 ( (VarCompVarComp.) .) 连续型连续型 Data Gage R&R Data Gage R&R 实行实行. . 测定测定 System System 分析分析* : 区别力是连所测定的细微的变化也感应出来，并使其能够充分显示的测定System的能力，也称解像度(分解能). Number of Distinct Categories(NODC) Number of Distinct Categories(NODC)评价对象的测定 System是否具有探测工序变化的能力，既, 评价是否适合使用于工序管理用的指标. (评价对象的测定 System在工序分布上显示能够区分的数

128、据范畴)区别力不好区别力不好区别力好区别力好 Minitab上测定 System把能够区分的部件群的数以 Number of Distinct Categories来显示. Number of Distinct Categories = 测定测定 SystemSystem的区别力的区别力. . 测定测定 System System 分析分析* : 意义及评价指南意义及评价指南Number of Distinct CategoriesNumber of Distinct Categories工序分布的范围与规格的公差相似的话工序上生产的部件只可使用于合格与否的判定,与计数型计测器相同. 因而,

129、不适合使用于工序管理用管理图上不能敏感地探测工序变化有可能在算出工序母数和工序能力指数上提供不正确的值因此,不适合使用于工序管理用管理图的运营,工序母数的追定,工序能力分析等适合使用于工序管理上.LSLUSLNODC=1LSLUSLNODC=24LSLUSLNODC=5 Number of Distinct CategoriesNumber of Distinct Categories的意义和评价指南的意义和评价指南. . 测定测定 System System 分析分析* : %Study Var.(%Study Var.(标准偏差占有率标准偏差占有率) =) =Total Total 标准偏

130、差标准偏差Gage R&R Gage R&R 标准偏差标准偏差X 100X 100 %Tolerance(%Tolerance(允许差占有率允许差占有率) =) =产品的两侧容许差大小产品的两侧容许差大小5.15 X Gage R&R 5.15 X Gage R&R 标准偏差标准偏差X 100X 100测定 Gage的可靠性判断大体有3个条件, 如满足3个条件的话可确信有可靠性. 判断基准判断基准基准基准AcceptAccept附有条件附有条件 AcceptAcceptRejectReject % Study Var. % Study Var. 20% 20% 30% % Tolerance

131、% Tolerance 20% 20%20% 30% 30% % Process % Process 20% 20%20% 30% 30%Total Total 分散分散部件间的分散部件间的分散GageGage R&R R&R 分散分散因测定者的分散因测定者的分散 因反复的分散因反复的分散AV + AV*PVAV + AV*PV % Study Variation : 判断选定抽样(Part-to-Part)的测定System的可靠性 % Tolerance : 容许差(Spec.)对比测定System的可靠性判断 % Process : 为长期工序管理的测定 System的可靠性判断(工序能

132、力对比). . 测定测定 System System 分析分析 连续型连续型 Data Gage R&R Data Gage R&R 结果分析结果分析* : 12310. . .样品样品(Part)(Part). . .测定者测定者(Appraiser)(Appraiser)反复反复(Replication)(Replication)12a1. . .2n1. . .2n1. . .2n. . . . . . .AVEV再现性反复性 Part(抽样抽样)变动变动 vs. 反复反复&再现性变动再现性变动 - Gage R&R Factors : Part, Appraiser, Replicat

133、ion - Data(Result) = Part的影响 + Appraiser的影响 + P与 A的 交互作用影响 + 误差(反复). . 测定测定 System System 分析分析 Gage R&R Overview Gage R&R Overview* : Gage把如下的柱形在容许差内任何谁来测定都能充分区分吗? Gage的可靠性, 测定方法的标准化(测定者教育)LSLLSLULSULS Part PartP1P2P3P10P5 再现性再现性( (测定者测定者) )反复性反复性P6P7P8P9Number Of Distinct Categories R&R. . 测定测定 Sys

134、tem System 分析分析 随随Gage R&RGage R&R的变动的变动( (分散分散) )的意义的意义* : 测定计划测定计划 测定测定RandomRandom化化 Random Random将10个抽样(Part)根据事先计划，能够均匀地Cover Spec.的全范围而选定，并确保3名测定者.Part与测定者成直交而排列后, 测定顺序Random排列.Blind Test 实施根据Random排列的顺序，随意测定并记录其结果. . 测定测定 System System 分析分析 为为Gage R&RGage R&R的的 Data Sheet Data Sheet 制成要领制成要领3

135、. Minitab 3. Minitab 实习实习 ( (连续型连续型) )* : 公差输入分析方法中选择 ANOVA方法 因测定器的信息输入Gageaiag.MTW Tolerance(公差) = USL - LSL 偏侧时 Tolerance = USL 平均 or 平均 - LSL 使用已知道的平均 抽样抽样Spec. 2.51.5. . 测定测定 System System 分析分析 连续型连续型 Data Gage R&R Minitab Data Gage R&R Minitab 实习实习 : : 为确认测定 system的可靠性，由 3名测定者将10个Part(抽样)反复 2次实

136、施 Test. 因计测器的测定值变动的范围占正规分布上的值.5.15 Cover 99%的数据.(default值, 偏侧是2.33)工序标准偏差输入* : . . 测定测定 System System 分析分析 Gage R&R Gage R&R 结果分析结果分析Two-Way ANOVA Table With InteractionSource DF SS MS F PPart 9 2.05871 0.228745 SS/DF 39.7178/ 0.00000Part Operator 2 0.04800 0.024000 4.1672/ 0.03256 Operator*Part 18

137、0.10367 0.005759 4.4588/ 0.00016Repeatability 30 0.03875 0.001292 Total 59 2.24912 Gage R&R %ContributionSource VarComp (of VarComp)Total Gage R&R 0.004437 + 10.67 / Repeatability 0.001292 3.10 / Reproducibility 0.003146 + 7.56 / Operator 0.000912 2.19 / Operator*Part 0.002234 5.37 / Part-To-Part 0.

138、037164 89.33 / Total Variation 0.041602 + 100.00 StdDev Study Var %Study Var %Tolerance %ProcessSource (SD) (5.15*SD) (%SV) (SV/Toler) (SD/Proc)Total Gage R&R 0.066615 0.34306 32.66/ 11.44 13.32 Repeatability 0.035940 0.18509 17.62/ 6.17 7.19 Reproducibility 0.056088 0.28885 27.50/ 9.63 11.22 Operat

139、or 0.030200 0.15553 14.81/ 5.18 6.04 Operator*Part 0.047263 0.24340 23.17/ 8.11 9.45Part-To-Part 0.192781 0.99282 94.52/ 33.09 38.56 Total Variation 0.203965 1.05042 100.00 35.01 40.79Number of Distinct Categories = 4 (/)*2 : ( ) ():5 .2.5752.5755.151.01.068%5.155.15 99% . , Gage99% .(5.15*)99%32.66

140、%, 11.44%对 Process 变动的计测器的可靠性虽差,但对 Spec.的合格与否判定上没有问题 附有条件5.15*SD(3) StdDev(0.5)* : 所关心的领域与假设所关心的领域与假设Part #1 测定值Operator 1Operator 2Operator 3Part #2测定值Operator 1Operator 2Operator 3Part间是否有散布 ?Operator间是否有散布 ?Operator 与 Part间 是否有作用的散布 ? Two-Way ANOVA Table With Interaction Source DF SS MS F P Part

141、9 2.05 0.22 39.72 0.000 Operator 2 0.04 0.02 4.17 0.032 Operator*Part 18 0.10 0.00 4.46 0.0002 Repeatability 30 0.03 0.00 Total 59 2.24 交互作用有意时 随特定Part 发生测定者间差异.Gage R&R评价反复性和再现性, 比起Xbar_ R 在ANOVA 分析上把再现性更细节地，对测定者的变动和测定者与Part间的交互作用也要追加分析. . 测定测定 System System 分析分析 Gage R&RGage R&R的的 ANOVA ANOVA 分析分析

142、* : 对测定系统变动的直方图 根据测定者的Xbar-chart脱离 50%的话， 就判断为Part 选定对Spec.全范围选定的妥当. 如果, 大部分脱离的话，主变动的原因主要是 部件间的差异根据部件的变动，是随部件的全体平均根据测定者的变动，是测定者别全体的平均部件与测定者间交互作用根据测定者反复值 R-chart 在管理界线内，故良好 交互作用是因子互相组合而影响的, 这里显示主要效果的各 Operator(测定者)们影响 Y的 Gage R&R值以外，Operator的测定值与Part互相组合影响 Y.ANOVA上交互作用“Oper * Part”是有意的. 测定的散布有必要找出大原因

143、. 是否有因测定困难或含糊而出的问题，举例测定部位是否有 Burr, 是否形成收缩部位等. . 测定测定 System System 分析分析 Gage R&RGage R&R的的 Graph Graph 分析分析* : 为掌握离散型 Data的现水平或掌握因子影响度的计测器与检查者的可靠性.为掌握在区分“良品”与 “不良品”上，所有交接组与所有机械是否适用同一基准.为掌握根据顾客的要求事项，评价社内检查水平或作业技术水平.确认检查者是否充实地反映具备的检查基准. 离散型离散型 Data Gage R&R Data Gage R&R 实施目的实施目的* 目标要提高100%.* 良品与不良品是否

144、明确?* 限度标本设定得如何?* 标准定义得是否正确?* 步骤有没有缺的?* 是否必要追加训练? 确认或决定事项确认或决定事项 确认测定妥当性确认测定妥当性( (属性属性 Data)Data) 离散型离散型 Data Gage R&R Data Gage R&R 考虑事项考虑事项Sample要在所有预测可能的范围抽出 (包括良品, 不良品, Spec附近的所有Sample)Data 分析是判断机会的数对比测定者间，还有反复评价时比较并分析同一判断的数. . 测定测定 System System 分析分析4. Gage R&R (4. Gage R&R (离散型离散型) ) Key Point

145、Key Point : 一致性的百分率无意义, 界限标本, 根据标准与步骤的训练 属性分类选定 (强/中/弱, 合格/不合格等.) 检查者教育 (随标准步骤的事先训练) 属性别选择限度标本 (根据专家选择) 选定检查者, 反复次数, 树立Blind test 计划 Gage R&R 实施 离散型离散型 Data Gage R&R Data Gage R&R 顺序顺序* : 检查者 : Project 或改善对象，工序上所有检查员 抽样数 (样品的50%应是限度样品的附近) - 良/不良的话3050, 以同一比重收集(良品, 不良 50:50) - 范畴型 .3范畴(强.中.弱) : 各范畴5个

146、 .5范畴(强.强中.中.中弱.弱) : 各范畴 3个强中弱限度样品限度样品 3范畴(强.中.弱) : 各范畴 5个强限度样品 5范畴(强.强中.中.中弱.弱) : 各范畴 3个 离散型离散型 Data Data 抽样选定的抽样选定的 / / 斑纹不良斑纹不良强中中中弱弱 反复反复 : 23: 23回反复检查回反复检查( (鼓励鼓励3 3回回) ) 判断基准判断基准( (反复性反复性, , 再现性再现性, , 与标准一致度与标准一致度) ) - 95% : - 95% : 合格合格 - 90% : - 90% : 掌握原因后有条件合格掌握原因后有条件合格 - 90% : - 90% : 不合格

147、不合格 Gage R&R Gage R&R 方法及基准方法及基准. . 测定测定 System System 分析分析* : 对斑纹不良分5等级检查. 为减少时间让3名检查者给对良/不良抽样30个反复检查2回.反复2回检查者3 .标准. . 测定测定 System System 分析分析 离散型离散型 Data Gage R&R Minitab Data Gage R&R Minitab 实习实习 / / 名目型名目型 Data Data * : Attribute Gage R&R StudyAttribute Gage R&R Study for OP1-1, OP1-2, OP2-1,

148、OP2-2, OP3-1, OP3-3Within AppraiserAssessment AgreementAppraiser # Inspected # Matched Percent (%) 95.0% CI 1 30 22 73.3 ( 54.1, 87.7)2 30 30 100.0 ( 90.5, 100.0)3 30 29 96.7 ( 82.8, 99.9)# Matched: Appraiser agrees with him/herself across trials. Each Appraiser vs StandardAssessment AgreementApprai

149、ser # Inspected # Matched Percent (%) 95.0% CI 1 30 20 66.7 ( 47.2, 82.7) 2 30 30 100.0 ( 90.5, 100.0) 3 30 25 83.3 ( 65.3, 94.4)# Matched: Appraisers assessment across trials agrees with standard.Assessment Disagreement Appraiser # pass/fail Percent (%) # fail/pass Percent (%) # Mixed Percent (%) 1

150、 0 0.0 2 13.3 8 26.7 2 0 0.0 0 0.0 0 0.0 3 3 20.0 1 6.7 1 3.3 # pass/fail: Assessments across trials = pass / standard = fail.# fail/pass: Assessments across trials = fail / standard = pass.# Mixed: Assessments across trials are not identical.Between AppraisersAssessment Agreement# Inspected # Match

151、ed Percent (%) 95.0% CI 30 16 53.3 ( 34.3, 71.7)# Matched: All appraisers assessments agree with each other.All Appraisers vs StandardAssessment Agreement# Inspected # Matched Percent (%) 95.0% CI 30 16 53.3 ( 34.3, 71.7)# Matched: All appraisers assessments agree with standard.检查者 1,3: 需要追加训练 100%存

152、在 :标准或步骤具备得良好1号检查者观察30个中有20个与 Standard一致这时指Standard失败了，但判别为成功的比率. 这个高的话就是说是心胸宽大的人.指一贯性得程度. 这个高的话就没有检查基准的一贯性. 没有一贯性的话需要从头再教育.(测定反复性)要相似 指标准或步骤不缺少.“A”是 1, 但都判定为2的话，是标准或步骤上的问题，这样检查者间的一致度虽高，但与标准的一致度就低.检查者之间的一致度与标准的一致度. . 测定测定 System System 分析分析 Gage R&R Gage R&R 结果分析结果分析 : 是90% 以下故不合格 (检查者需要训练)* : 为判定对新

153、的检查者是否进行教育与否(确认5名新任检查者的检查一致度), 由责任检查者利用等级化的15个标本实施 Gage R&R .3 Check. . 测定测定System System 分析分析 离散型离散型 Data Gage R&R Minitab Data Gage R&R Minitab 实习实习 / / 顺序型顺序型 Data Data 塑料外包装前面部分 5等级 : 很不好, 不好, 一般, 好, 很好 -2, -1, 0, 1, 2 * : Attribute Gage R&R Study for RatingEach Appraiser vs StandardAssessment A

154、greementAppraiser #Inspected #Matched Percent (%) 95.0% CI op-1 15 14 93.3 ( 68.1, 99.8)op-2 15 15 100.0 ( 81.9, 100.0)op-3 15 15 100.0 ( 81.9, 100.0)op-4 15 8 53.3 ( 26.6, 78.7)op-5 15 13 86.7 ( 59.5, 98.3)# Matched: Appraisers assessment across trials agrees with standard.Between AppraisersAssessm

155、ent Agreement# Inspected # Matched Percent (%) 95.0% CI 15 6 40.0 ( 16.3, 67.7)# Matched: All appraisers assessments agree with each other.All Appraisers vs StandardAssessment Agreement# Inspected # Matched Percent (%) 95.0% CI 15 6 40.0 ( 16.3, 67.7)# Matched: All appraisers assessments agree with

156、standard.Op-4 : 需要全面再教育Op-1,5 : 需要追加训练 100%存在 :标准或步骤具备得好.检查者之间的一致度检查者与标准的一致度要相似 意味着标准或步骤不缺.“A”是1, 但都判定为2的话，是标准或步骤上的问题。检查者之间的一致度高但与标准的一致度低.15个观察中14个与 Standard一致95%的信赖区间以坐标图来表示因抽样数少区间宽. . 测定测定 System System 分析分析 Gage R&R Gage R&R 结果解释结果解释 : 90%以下不合格 (检查者再教育及需要讯连 )* : Quality 问题的开端 : 自人类能够生产多个同样东西起就以比较

157、对象发生顾客 Claim 同样的东西能够多么正确地制作就是 Quality 问题的根本 中心值与散布的问题 QualityQuality与散布与散布 散布的概念散布的概念 散 布 : 结果 Data不一定，且成为与持续发生变动的有关问题的不必要的作业原因. Output不一定的产品散布是顾客不满足的原因, 在所有程序上存在. 在业务程序上测定并理解散布，这样能够了解现在的 Output 水平是什么程度，减少散布,最终有助于 突出为减少 Defect 必要的是什么. 散布的原因散布的原因程序 Output 的变动由程序过程中 Input 及 Process 因子的变动(Variation)而发生

158、. 非制造领域非制造领域(营业, 销售等)的变动原因以 4P发生. 4P : Product, Place, Price, Promotion. . 连续型连续型 Data Data 工序能力工序能力 1. 1. 工序变动的理解工序变动的理解 制造领域制造领域的 变动原因以 4M发生 4M : Man, Method,Machine, Material 其它 : 环境, 测定方法等* : Panel 工厂所要求入库的是0.67mm0.72mm, 找出脱离Spec.的原因并改善才能交货顾客所需厚度的 Glass. 散布的解释散布的解释 如再 0.7mm上无散布 ?要求要求 Spec : 0.67

159、 0.72mmSpec : 0.67 0.72mmDefect : 不满足顾客要求时平均 : 0.7mmGlass 厚度(mm)频度Data的变动量 : 散布. . 连续型连续型 Data Data 工序能力工序能力 如下是测定 Panel工厂入库的500个 Glass 厚度的. 平均是 0.7mm，所需的薄得是0.63,厚的是 0.75mm.* : Subgroup(Sampling) (n= 5)ProductionUnitLong Term processv总变动总变动(SST) = (SST) = 群间变动群间变动(SSB) + (SSB) + 群内变动群内变动(SSW)(SSW)Ra

160、tional SubgroupsTime 1Time 2Time 3Time gLSLUSLT群内变动群间变动总变动群间变动(SSB) = Short Term 平均间的变动群内变动(SSW) = Short Term 内的变动工序分短期工序和长期工序, 群内变动的近似的平均值显示短期工序能力, 长期工序能力以群内变动和群间变动的合既总变动来显示.Short Term data SST=Sum of Square Total, SSB=Sum of Square Between, SSW=Sum of Square Within 工序变动工序变动( (散布散布) )的分离的分离. . 连续型连

161、续型 Data Data 工序能力工序能力 * : 理解长期和短期标准偏差不仅是在分析工序能力而且在 Factor的效果分析上也是最基础的概念.标本标准偏差标本标准偏差(Sample Std)(Sample Std) StDev(WithinStDev(Within) ) Short Term Short Term StDev(OverallStDev(Overall) ) Long Term Long Term用1回的 Sampling抽标本时的标准偏差.抽多次 Sample时因各个 Subgroup的标本标准偏差考虑自由度而计算. Pooled Standard Deviation Poo

162、led Standard Deviation与用1回的 Sampling抽标本时的标准偏差方法相同. 利用全体的总平均求标准偏差.利用右表的 5个 Subgroup，请计算 ST和 LT. 标准偏差的理解标准偏差的理解. . 连续型连续型 Data Data 工序能力工序能力 * : 散布问题散布问题(精密度方面) 中心值问题中心值问题(精确度方面) 短期变动短期变动 长期变动长期变动USLLSL短期变动长期变动长期变动 短期变动短期变动 0.05 的话判断为正规分布. (这里的 P值是正规分布的概率.) P-value越大正规分布的概率就越高. P-value=0.7 比0.2更准确的分析结

163、果.连续型 Data上正规性测定是Data分析的最基础. 工序能力分析, 平均值测定, 效果分析等大部分利用连续型Data的分析结果的解释假定正规分布. 没有正规分布的话根据工序能力指数及 P-value的判断会出错. . 连续型连续型 Data Data 工序能力工序能力 3. Normality Test (3. Normality Test (正规性测定正规性测定) )是自然现象的基本原理, 自然界存在的大部分特性值都是正规分布. 因此正规分布是正常的故归无假设, 没有正规分布的就有有意差.* : 是不是正规分布是不是正规分布? (? (有意水平有意水平 5%)5%) P-Value =

164、 0.615 : P-value 0.05是正规分布.FileOpen WorksheetCamshaft.MTWStatBasic StatisticsNormality Test 利用利用MinitabMinitab的正规性测定的正规性测定. . 连续型连续型 Data Data 工序能力工序能力 正规性诊断方法正规性诊断方法 通过一般坐标的大概的诊断. (通过Histogram频度数的形状) 利用Normal Probability Plot的大概的诊断 : 使正规分布的曲线成直线化，判断Data与直线的类似性 利用Normal Probability Plot适合性测定 : P-val

165、ueP-value值越大越接近于正规分布值越大越接近于正规分布. . (接近直线)* : Normal Probability PlotNormal Probability Plot的原理的原理 与直线密接程度? 或是否远离直线?平均平均标准偏差标准偏差P-value = 0.09. . 连续型连续型 Data Data 工序能力工序能力 * : 资料的离散因数据本身的问题或测定单位的缺陷而发生, 虽是直线的趋向，但违背正规性 (P-value = 0.000) 正规性测定误适用事例正规性测定误适用事例 / / 是直线的情况也违背正规性. . 连续型连续型 Data Data 工序能力工序能力

166、 * : 工序能力指数工序能力指数(C(Cp p, C, Cpkpk, P, Pp p, P, Ppkpk) ) 意义意义工序能力指数是显示生产工序能否生产良质产品能力的数值, 利用基准是 99.7%的 良品 3(6). C Cpkpk, P, Ppkpk - 散布与中心值同时考虑的工序能力指数. - 活用于固有技术和工序管理能力评价上. - 使用在推定实际不良率上. 长期工序能力 短期工序能力使用标准偏差P PpkpkP Pp pC CpkpkC Cp p考虑散布和中心值只考虑散布. . 连续型连续型 Data Data 工序能力工序能力 4. 4. 工序能力指数的理解工序能力指数的理解 工

167、序能力指数的种类工序能力指数的种类 随标准偏差使用种类区分为 C Capability和 P Performance. C Cp p, P, Pp p - 指只考虑工序散布的工序能力指数. - 活用于工序固有技术评价上. - 具备的 Data平均与规格的中央值一致的假定下计算* : C Cp p的的 理解理解 ( (例例, 6, 6的工序能力的工序能力 : C: Cp p = 2.0) = 2.0)C=C=USLUSLLSLLSL变曲点11+6+6 -6-6 1212 C CUSLUSLLSLLSL变曲点 1212 C CUSLUSLLSLLSL变曲点 1212 不良不良左, 右的例一样即使C

168、p= 2 不能显示不良的发生.Pp和 Ppk的情况也是计算方法相同,只是标准偏差使用 LT.设计(公差)工序. . 连续型连续型 Data Data 工序能力工序能力 * : C Cpkpk的理解的理解 ( (例例, 3, 3的的 工序能力工序能力 : C: Cp p=1, C=1, Cpkpk = 0.67) = 0.67)Cpk在两侧规格上只反映一边的不良与实际不良存在差异.CpL CpU因此, Cpk = CpU = 0.670.67或或, ,方法1方法2T T USLUSLLSLLSL2 2 -4-4 1 1 K = 0.33K = 0.33方法2. . 连续型连续型 Data Dat

169、a 工序能力工序能力 * : 指数指数适用可能的状态适用可能的状态 C Cp p工序的分布在规格界限正中央的情况 C Cpkpk没有工序的特定目标值，工序的分布中心向一方倾斜的情况 C Cpmpm工序的目标值在规格界限中心的情况 C Cpmkpmk工序的目标值不在规格界限中心的情况 P 指数也同样适用指数也同样适用 - Pp - Ppk - Ppm - Ppmk C Cpmpm C Cpmk pmk (P(Ppmpm P Ppmkpmk) ) - 目标值是规格界限中心的情况 差越大工序中心离目标值越偏斜. -目标值不是规格界限中心的情况 Cpm无意义 , 只有Cpmk 有意义. C Cp p

170、C Cpk pk (P(Pp p P Ppkpk) ) - 工序的分布中心在规格中心向一方偏斜的程度 - 有差异的话, 因工序中心的偏斜有工序能力损失. - 差越大越从规格界限向一方偏斜. 这时, Cp 工序分布中心校正为规格界限的中心时, 指可达成的工序能力. 工序能力指数整理工序能力指数整理 -.连续型连续型 Data Data 工序能力工序能力 * : Data Collection反映长期的反映长期的 变动变动C C 指数指数P P指数指数TargetTargetTargetTarget规格界限规格界限对称对称规格界限规格界限对称对称CpkCpCpmCpmkPpkPpPpmPpmkNN

171、YYNYNYNY工序能力指数整理工序能力指数整理 -.连续型连续型 Data Data 工序能力工序能力 * : 根据平均值的工序能力指数的变化根据平均值的工序能力指数的变化 工序能力指数比较工序能力指数比较.连续型连续型 Data Data 工序能力工序能力 工序能力指数工序能力指数 工序能力指数工序能力指数* : * P* PLSLLSL实际实际 DataData变换变换 DataData ZBench的结果随标准偏差的性格(长.短期)和 Target 设定有.无 ZST和 ZLT想换.USLLSL* P* PUSLUSL3.0%3.0%4.5%4.5%ZBenchP PTOTALTOTA

172、L = = P PLSLLSL + P + PUSLUSL+7.5%7.5% 一般的一般的 水平指水平指 Z ZBenchBench 的的Z ZSTST值值. .* Z* ZBenchBench Z ZBenchBench的定义的定义.连续型连续型 Data Data 工序能力工序能力 * : USLLSLLSLUSLZ=-1.5Z=-1.5Z=3Z=3Z=-3Z=-3Z=3Z=3Z=2.5Z=2.5Z=-2.5Z=-2.5 Z ZBenchBench 值是随使用的标准偏差的种类而分类值是随使用的标准偏差的种类而分类. . 水平水平计算计算短期标准偏差(ST): ZBench ZST 长期标准

173、偏差(LT): ZBench ZLT (ZST = ZLT+1.5)Z ZSTSTZ值随工序的左/右Spec. 或平均值移动, 长期/短期 Data 显示为多种形态. 一般的工序能力是标准化的值，要把这些要因都包含的一个指数来算出.USLZ ZBenchBench 设计设计/ /工序的工序的 水平是水平是 ? ? 指指Z ZBenchBench的的 Z ZSTST值值. . Why Why Z ZBenchBench ? ?.连续型连续型 Data Data 工序能力工序能力 * : A :A : 工序管理状态不良. 机械程度及技术水平低.B :B : 需要工序管理改善.C :C : 工序管理

174、优秀. 机械程度及技术水平低.D :D : 世界最上级水平公司1 2 3 4 5 61 2 3 4 5 62.52.52.02.01.51.51.01.00.50.5PoorPoorGoodGoodZ ZShift Shift : : 工序管理工序管理Z ZST ST : : 技术力技术力PoorPoorGoodGood 领域别解释领域别解释 Z ZSTST = Z = ZBenchBench STST Z ZLTLT = Z = ZBenchBench LTLT Z ZShiftShift = Z = Z ST ST - Z - ZLTLT ZLT是 4.5以上, ZShift 是 1.5以

175、下时, 此 CTQ是 6水平以上故不需要改善.工序在稳定的状态下也是凭着经验知道 1.5 程度 Shift , 这是短期工序能力没有被大家所知道，只使用长期标准偏差ZBench (ZLT) 结果时活用. 指标算出方法指标算出方法A A A AB B B BC C C CD D D D利用Rational Subgroup概念的 Data分析工序能力的话, 结果分成散布和平均值的问题.这时, 按散布和平均值的问题领域提示改善方向的就是 4B/D. 参考参考 4 Block Diagram 4 Block Diagram.连续型连续型 Data Data 工序能力工序能力 * : LSL输入USL

176、输入Subgroup的 Sample个数(1次 收集数)要分析的 Raw数据在许多列输入的情况是非正规分布数据的话 选择Box-Cox Transformation求工序能力. FileOpen WorksheetCamshaft.MTWStatQuality ToolsCapability Analysis(Normal) 利用利用MinitabMinitab的工序能力分析的工序能力分析 / / 随正规分布假定的工序能力分析.连续型连续型 Data Data 工序能力工序能力 Target值输入 (600) - Unbalanced Spec.的情况 - 算出Cpm 指数时使用要分析的 Ra

177、w数据在一个列输入的情况用过去数据推定输入所知道的情况 工序能力分析设定工序能力分析设定* : 工序数据工序数据 规格的上限 规格的目标值规格的下限 数据的平均 数据数 群内标准偏差 全体标准偏差 短期工序能力短期工序能力Cp : 短期工序能力指数Cpk : 考虑倾斜的短期 工序能力指数长期工序能力长期工序能力Pp :长期工序能力指数Ppk : 考虑倾斜的实际 工序能力指数 现在 Data的完成能力现在数据来看 因达不到规格的 不良率是 20000PPM. 短期的预想完成能力规格未达到或超过而发生的不良率是 17798.93PPM长期的预想完成能力规格未达到或超过而发生的不良率是 34557.

178、50PPM表示平均离目标值(Target)脱离多少的指数(平均与 Target一样的话 Cp=Cpm 相反远离的话经常是 CpCpm) 工序能力分析结果工序能力分析结果.连续型连续型 Data Data 工序能力工序能力 * : LSL输入USL输入FileOpen WorksheetCamshaft.MTWStatQuality ToolsCapability Analysis(Normal)Option 利用利用MinitabMinitab的工序能力分析的工序能力分析 / / ZBench ZST 算出方法(输入Target值).连续型连续型 Data Data 工序能力工序能力 要分析的

179、 Raw数据在一个列输入的情况 工序能力分析设定工序能力分析设定为求ZBench 值Check下面TargetTarget值输入值输入* : Z 值算出值算出 短期工序能力指数(ZST) Historical Mean上输入 Target值 Within的 ZBench = 2.13 输入Target时 Data的平均被忽视, 只对Target的长.短期标准偏差计算 工序能力分析结果工序能力分析结果 (Z(ZBenchBench) ).连续型连续型 Data Data 工序能力工序能力 工序数据工序数据 规格的上限 规格的目标值 规格的下限 TargetTarget的值 群内标准偏差 全体标准

180、偏差 短期工序能力短期工序能力( (ST) )ZBench : 自Target ZST 值Cpk : 自Target算出 长期工序能力长期工序能力( (LT) )ZBench : 自Target ZLT 值Ppk : 自Target算出* : LSL输入USL输入FileOpen WorksheetCamshaft.MTWStatQuality ToolsCapability Analysis(Normal)Option 利用利用MinitabMinitab的工序能力分析的工序能力分析 / / ZBench ZLT 算出方法(Target值未输入 考虑平均值).连续型连续型 Data Data

181、 工序能力工序能力 要分析的 Raw数据在一个列输入的情况工序能力分析设工序能力分析设为求ZBench 值Check下面Target值未输入* : Z 值算出值算出 短期工序能力指数(ZST) Historical Mean上输入 Target值 Within ZBench = 2.13 无偏斜影响 长期工序能力指数(ZLT) Historical Mean上未输入 Target值 Overall ZBench = 1.82 有偏斜影响 ZShift = ZST - ZLT = 2.13 - 1.82 = 0.31工序能力分析结果工序能力分析结果(Z(ZBenchBench) ).连续型连续型

182、 Data Data 工序能力工序能力 工序数据工序数据 规格的上限 规格的目标值 规格的下限 数据的平均数据的平均 数据数 群内标准偏差 全体标准偏差短期工序能力短期工序能力( (ST) )ZBench : 考虑偏斜 算出 (Cpk) ZST值Cpk :考虑倾斜的短期 工序能力指数长期工序能力长期工序能力( (LT) )ZBench : 考虑偏斜算出 (Ppk) ZLT值值Ppk :考虑倾斜的实际 工序能力指数* : 参考参考 : 标准偏差计算标准偏差计算 v StDev(Within) : STv StDev(Overall) : LT.连续型连续型 Data Data 工序能力工序能力

183、* : 应不用Use unbiased constants 与Excel的结果相同.Minitab的情况突出标准偏差时，考虑Subgroup的 Sample数使用unbiased 常数. Unbiased Constant 散布的推定方法散布的推定方法 散布推定散布推定资料收集情况资料收集情况Rbar 群内抽样数 Quality Tools Capability Sixpack(Normal) Capability Capability SixpackSixpack (Normal) (Normal) 设定设定.连续型连续型 Data Data 工序能力工序能力 * : 解释坐标图与前面的工序

184、能力分析相同, 这里通过管理图及散点图，掌握Subgroup的平均和范围的变化等随收集期间的Data的移动. 管理图解释参考 Control 阶段 Capability Capability SixpackSixpack (Normal) (Normal) 结果结果.连续型连续型 Data Data 工序能力工序能力 * : CTQ = PR CTQ = PR 厚度厚度Spec.: 600 5.0 Spec.: 600 5.0 Sampling Sampling 步骤步骤 Rational Subgroup (利用特性要因图 引出有关工序的变动要因.)平常什么影响PRPR厚度厚度变动?ManM

185、achineMaterialMethod与DOE上可调整PR厚度的Factor有区别(RPM, 温度等)作业者原材料 RefillLotModel ChangePMCleaning Sampling 周期设定/ Sample 大小决定(n=5)(n=5) 作业者作业者 : 8Hr: 8Hr 原材料原材料 Refill : 48HrRefill : 48Hr Cleaning : 120Hr Cleaning : 120Hr PM : 240Hr PM : 240Hr Model Change : 4Hr 30Hr Model Change : 4Hr 30Hr Lot : 0.5Hr Lot

186、: 0.5Hr最小 : 0.5Hr最大 : 240Hr 1Lot(0.5Hr 时间) 内 收集5个sample时 不受变动影响的同质性的可看作是集团. 以短期工序能力 st来算出. 要了解群间变动都包括的长期工序的话， 要包含经PM(240Hr) 2回程度的 480Hr.为改善因PR 厚度的斑纹不良，掌握 PR 厚度的正确的工序能力.连续型连续型 Data Data 工序能力工序能力 5. 5. 工序能力分析工序能力分析 Project Project 适用事例适用事例Target: 600 Target: 600 * : Sampling 周期周期 Table 制成制成(1/2) 活用全体活

187、用全体 Data 由由240个个 Subgroup组成的情况组成的情况40个个 5个个 = 1,200个个 各 Factor别长.短期工序能力 Glass 位置别有意差 Lot别有意差Model别有意差 作业者别有意差 原材料别有意差 Cleaning的有意差 随PM的有意差v 所有 Factor的交互作用v 优点优点v 缺点缺点 Sample数太多.(24805 = 4,800个.连续型连续型 Data Data 工序能力工序能力 * : Sampling 周期周期 Table 制成制成(2/2) 活用部分活用部分 Data 制成Table后定 30个左右的 Sample数， Random撒

188、在全区间(Max 2周期)而测定. 很难因子别分析效果，但求短期和长期工序能力是没有问题的.(GLM利用:部分效果分析可能) 短期 : Lot 内的最小变动 / 长期 : 考虑PM周期的全体变动. 测定期间是考虑PM 周期的 480Hr，与前面的方式相同.Random30个群抽出工序能力分析正规性测定.连续型连续型 Data Data 工序能力工序能力 * : Random 6个群抽出正规性正规性测定测定工序能力工序能力分析分析 通过通过MinitabMinitab的工序能力分析步骤的工序能力分析步骤.连续型连续型 Data Data 工序能力工序能力 Option上Check Benchma

189、rk ZsTarget输入ZSTZLTTarget未输入* : 不是正规分布时不是正规分布时 - Data 层别问题 : 号机混杂时, 型号混杂时等不充分的群的数 - 群间变动大时群数小的话就成掉牙的形状，这是也有可能不是正规分布. 大部分具有正规分布的性质，对非正规分布一旦对Sample 怀疑心进行分析的较好.基准基准 : H0 = 是正规分布是正规分布. P 0.5的话的话 采纳采纳 H0. 指P值越大越接近正规分布. (工序能力分析更正确.) 通过通过MinitabMinitab的工序能力分析结果的工序能力分析结果.连续型连续型 Data Data 工序能力工序能力 ZSTZLT* :

190、改善方向1.平均值移动2.突出群间变动原因因子3.群间变动影响最小化 改善后1.平均值移动 : 598 600 2.控制随群间变动的散布 - 突出群间变动发生因子 - 分析有意差 预测(平均值移动后) Cp值 Ppk值 既, ZST ZLT(=3.97) : ZST=3.97+1.5=5.47 期待ZST=ZBench = 3.97 ZLT= ZBench=1.29ZShift=ZLT ZST = 3.97-1.29=2.681 2 3 4 5 62.52.01.51.00.5PoorGoodZ ZShiftShift工序管理工序管理Z ZST ST 技术技术PoorGood散布问题散布问题平

191、均值平均值移动问题移动问题改善方向 4Block Diagram 4Block Diagram : 通过Minitab的工序能力分析结果突出以后改善方向.连续型连续型 Data Data 工序能力工序能力 PPM(ST) =35.79PPM(LT) =98582.92 Target=600, Data = 598.5* : Unit Unit 是是 ? ? 是为掌握业务 Process的现在水平和改善/方向程度，测定业务的 Output的基准单位 Defect Defect 是是 ? ? 顾客不能满足而显示的结果. 缺陷因 Process 或原因因子而发生 - 随缺陷数减少产品或服务的质量提高

192、 - 如产品或服务上有Error, 但顾客没有表示不满足的话，那不是缺陷. - 既使顾客把产品没有按原来意图的用途使用,但不满足的话是缺陷. DPU(Defect Per Unit) DPU(Defect Per Unit) 计算计算 DPU是决定的 Unit和有定义的缺陷时, 表示平均一个 Unit有几个缺陷的单位. DPU是表示一个 Unit上存在的平均缺陷数, 不是表示其缺陷大小的，要注意.DPUDPU(Defect Per Unit)(Defect Per Unit) 全体全体 UnitUnit上发现的缺陷数上发现的缺陷数 全体全体 Unit Unit 数数=. . 离散型离散型 Da

193、ta Data 工序能力工序能力 1. Defect(1. Defect(缺陷缺陷) )的理解的理解 - 为满足顾客, 而且在自己组织内与最终结果有关的业务的结果 - 为管理缺陷有无的，决定测定上必要的Size. (要能够观察，且能够数) * : “缺陷对象项目” 数即使是同一的服务或产品，但随时代和情况有可能不同. 缺陷对象项目缺陷对象项目 (Opportunity) (Opportunity) 是是 ? ? 有一个 Unit时, 可能发生缺陷的所有部位 DPO是有决定的 Unit和定义的缺陷时, 表示平均一个 Opportunity 有多少个缺陷的单位(DPO)(DPO)(Defect p

194、er Opportunity)(Defect per Opportunity) 全体 Unit上发生的缺陷数 全体Unit数 X 缺陷对象项目= DPO(Defect Per Opportunity) DPO(Defect Per Opportunity) 计算计算 DPMO(Defect Per Million Opportunity) DPMO(Defect Per Million Opportunity) 使用DPO和 DPMO的理由为提供产品或服务上互不相同的 Unit (具体的 H/W 产品或服务, 业务 Process 等)和具有互不相同的复杂性的Unit 相互间标准化的比较基准U

195、NITUNIT- TFT - TFT 组组 - -UNITUNIT- Cell - Cell - -缺陷缺陷怎样能比较呢 ? DPMO是 把DPO以 PPM单位换算的指标.DPMO = DPO DPMO = DPO 1,000,000 1,000,000.离散型离散型 Data Data 工序能力工序能力 * : 二项分布是指 n次施行中, 某种现象发生 x次的概率的分布 . 例) 楞硬币n次施行中, 前面出现 x次概率 二项分布式二项分布式 P是出现特定现象的概率, (1-P)是不出现特定现象的概率 n = 抽样数, x = 不良数, P = 母集团的不良率 P(x)是 n个中的不良 x个存

196、在的概率. Yield Yield 适用适用 Yield是 Defect “0”时的概率. (x = 0)Ex) 生产100个 Glass中检查出20个不良. 如各 Glass有 10个Panel的话 DPO及 Yield是多少(长期工序)?.离散型离散型 Data Data 工序能力工序能力 2. 2. (Binomial) (Binomial) * : Ex) TFT 工厂如设备发生异常的话，根据自动感应 System往 Monitoring 画面发送Call信号. 接收Call信号的 Engr利用 PC采取远距离控制. 异常发生次数称 Calls次数时, Unavailable是远距离控

197、制失败的次数.求对远距离的工序能力ZST.FileOpen WorksheetBpcapa.MTWStatQuality ToolsCapability Analysis(Binomial) 利用二项分布的利用二项分布的 Z ZSTST 计算计算 / Minitab / Minitab 活用活用.离散型离散型 Data Data 工序能力工序能力 二项分布是只算出两个相互违背结果的实验 施行为基础的.举例, 良品和不良品, 性别(男/女), 楞硬币等. 参考事项参考事项 : : 特征特征 各施行是相互独立的. 成功的概率 P, 失败的概率是 1-P.* : Minitab上利用二项分布数据的工

198、序能力分析结果，提供P管理图, 累计比率表, 不良率的 直方图, Capability 统计量(PPM,Z值)等. Dist of %DefectiveDist of %Defective Defect的全体分布形状- 平均不良率:P = 0.226427- 预想 PPM:226,427 PPM- 长期工序时 ZLT = 0.751 Z ZSTST = Z = ZLTLT+1.5 +1.5 = 0.751+1.5=2.251 = 0.751+1.5=2.251* * P ChartP Chart不一定的每单位的不良率管理图确认工序的管理状态确认Random 分布及异常值与否Rate of De

199、fectivesRate of Defectives掌握不良率是否受样品大小的影响.以平均线为中心均匀分布 Capability Analysis(Binomial) Capability Analysis(Binomial) 结果结果.离散型离散型 Data Data 工序能力工序能力 * : 是Defect Model， 利用Poisson 分布可计算工序能力.这时Poison是二项分布的近似形态与 Yield一起显示良品率时, 可导出把概率遍数 X为 “0”的(Zero Defect ) 特殊形态.vPoissonPoisson分布式分布式 概率遍数 X的概率密度函数如上时, X 随Po

200、isson 分布. 不知道 不良率(p)和情况的数(n)，但 n和 p相乘的 Defect 数是知道的,故指结果的Defect数.X 是 Defec 数. 既, X=2的话 Defect是 发生2个的概率.情况的数 n大, 不良率p小的时候可使用.v Yield Yield 适用适用 Yield是 Defect “ 0 ”时的概率. 而且 Defect数 np和 DPU(d/u)相同的意思.Ex) 每Panel Point Defect的数平均为 0.8个时(=0.8, d/u=0.8) 在许多Panel中任意抽 1个时 Point Defect一个也没有的概率是? (与Yield是同一的概念

201、).离散型离散型 Data Data 工序能力工序能力 3. Poisson 3. Poisson 分布的活用分布的活用* : Panel 工厂为了解为降低 Point Defect 的 Project现水平，100天抽取 Sample记录每 Glass Point Defect的个数. (假定 : Point Defect 数 = Week Spots, 日别 Sample Glass 数 = Length, 1 Glass = 6 Panel)Defect数(总 Point Defect 数) = 329个Unit数(总 Glass 数) = 12,406DPU = Defect数/Uni

202、t数 = 329 / 12,406 = 0.0265194DPO = Defect数/(Unit数机会数) = 329 / (12,406 6) = 0.00442DPMO = DPO 1,000,000 = 4420 PPM 每Glass 1个Defect的数? 每Panel 1个 Defect的数? 每Panel 1,000,000个 Defect的数?Size不同的Unit数输入Defect数输入要了解的Defect数输入FileOpen WorksheetBpcapa.MTWStatQuality ToolsCapability Analysis(Poisson) 利用利用Data的直

203、接计算方法的直接计算方法收率是 Defect是 0 的情况，故输入“0”. 利用利用 分布的分布的 Z ZSTST 计算计算 / Minitab 活用.离散型离散型 Data Data 工序能力工序能力 * : 平均DPU, DPU Min / MaxDist of DPUDist of DPUPoison 分布形态 DPU的全体分布形状Cumulative DPUCumulative DPU累计 Mean DPU 汇聚形态.现在看 Sample group 55个适当U ChartU Chart 不一定的每单位的缺点数管理图确认工序的管理状态确认Random 分布及异常值与否Defect R

204、ateDefect Rate掌握DPU是否受样品大小的影响.以平均线为中心均匀分布 平均 DPU与直接计算的相同. Defect数/Unit数 = 329 / 12,406 = 0.02651940.0265194 Min/Max DPU表示 DPU从 0.0 0.0753425 0.0 0.0753425 存在. Capability Analysis (Poisson) Capability Analysis (Poisson) 结果结果.离散型离散型 Data Data 工序能力工序能力 * : Defect数(总 Point Defect 数) = 329个Unit数(总 Glass

205、数) = 12,406 DPU = Defect/Unit数 = 329 / 12,406 = 0.02651940.0265194 不良率 = 1- P = 1-0.9738 = 0.0262 = 2.62E-2 找出Z 正规分布上相当于不良率2.62E-2的 Z值. Z=1.94 Data 收集是长期工序的话 ZLT=1.94. 水平是指 ZST. ZST = ZLT + 1.5 = 1.94 + 1.5 = 3.44- Data 收集是短期工序的话 ZST=1.94. 利用利用 分布的分布的 Z ZSTST 计算计算.离散型离散型 Data Data 工序能力工序能力 * : Y YFT

206、FT(First Time Yield) :对个别工序算出，是指不经过再作业维修的收率. 收率的种类收率的种类 Y YF F(Final Yield) : 对个别工序算出，是指 Input 比 Output的数量. Y YRTRT(Rolled Throughput Yield) : 产品按个别工序，连一个不良也没有，在全工序能够合格的概率. - 指不经过再作业维修的收率, 提示Zero Defect的可能性. - 在顺次工序的某阶段累积，评价质量水平上使用.(以YFT的乘来表示) Y YNANA(Normalized Average Yield) : 在连续的工序上对单位工序几何平均收率 -

207、 以评价完成的产品质量水平的尺度来使用 - 是一般化的值，可与其他工序比较, 以Z值显示的收率. YF = Output / Input = 86/100 = 86.0% YFT = (Output-) / Input = (86-16)/100 = 70.0%, Input-(+)/Input = 100-(14+16)/100 = 70.0%A 工序完成的产品在作业:16个废气 : 14个30个70个1001008686个个Hidden Factory : 以费用计算不到的非附加价值活动).离散型离散型 Data Data 工序能力工序能力 4. 4. 利用利用Y YRTRT的的 Z-Va

208、lueZ-Value* : A 工序D工序(最终)100100个个废气 : 20B工序在作业:30废气: 50在作业:80C工序废气: 30在作业:120废气: 80820820个个 Total Yield F = Output / Input = 820/1000 = 82.0%, YF_A YF_B YF_C YF_D = 0.980.950.970.91 = 0.82 YRT = Input-(+)/Input = YFT_AYFT_BYFT_CYFT_D = 0.950.870.840.91=0.63 YNA = = = 0.891 Z : P = (1- ) = 0.109 = 1.

209、09E-01, Z=1.2382%-63%=19%Hidden Loss.离散型离散型 Data Data 工序能力工序能力 利用利用Y YRTRT的的 计算例题计算例题 / / 产品生产过程分4个工序.* : Why Y Why YRTRT? ? 越是部件数减少不良就改善. 越是以6接进不良就大幅度改善.99.99966%99.99966%99.996699.996699.989899.989899.98399.98399.96699.96699.94999.94999.93299.93299.89899.89899.86499.86499.83099.83033445566 1 1 10

210、10 30 30 50 50 100 100 150 150 200 200 300 300 400 400 500 500 93.32% 93.32%50.0850.0812.5712.57-99.379%99.379%93.9693.9682.9582.9573.2473.2453.6453.6439.3839.3828.7728.7715.4315.438.288.284.444.4499.9767%99.9767%99.76899.76899.3099.3098.8498.8497.7097.7096.6196.6195.4595.4593.2693.2691.1191.1189.02

211、89.02Shifted 1.5Shifted 1.5LPL YLPL YRTRT YRT_Panel = YRT_TFTYRT_Cell YRT_Total = YRT_Panel YRT_Modulev YRT_Panel = YRT_TFT YRT_Cell YRT_TFT = YFT_Gate YFT_Act YFT_SD YFT_Pas. YFT_PXL YFT_A/T YRT_Cell = YFT_TFT YFT_C/F YFT_v YRT_Total = YRT_Panel YRT_Module YRT_Module= YFT_Panel YFT_POL YFT_TAB YFT_

212、PCB YFT_.离散型离散型 Data Data 工序能力工序能力 Y YRTRT Concept Concept 理解理解* : Sigma Sigma 水平计算步骤水平计算步骤 DataData离散型离散型连续型连续型Unit, Defect, 缺陷对象项目定义平均, 标准偏差计算DPU, DPO, DPMOBinomialDPOPoisonY=e(-d/u) ZBench(ZST, ZLT)计算 Z Z值换算值换算 - 短期 : ZST - 长期 : ZLTYRT=YFT1YFT2YNAP=(1-YNA).离散型离散型 Data Data 工序能力工序能力 DataData的种类和工序

213、能力分析的种类和工序能力分析* : Session. Analyze Session 目录目录. Analyze. Analyze阶段概要阶段概要. Analyze. Analyze阶段阶段 FlowFlow. . 突出暂定因子突出暂定因子 1. 突出暂定因子(Xs) 2. 特性要因图 3. 选定候补因子. Graph(. Graph(坐标图坐标图) ) 分析分析 1. Graph 分析概要 2. 活用主要 Graph . . 假设测定假设测定 1. 假设测定概念 2. 决定标本的大小 3. 连续型 Data 4. 离散型 Data. ANOVA(. ANOVA(分散分析分散分析) ) 1.

214、ANOVA 概念 2. One / Two-Way ANOVA 3. Balanced ANOVA & GLM . . 相关分析相关分析. . Plackett-BurmanPlackett-Burman Design Design学习目标学习目标突出影响突出影响CTQ的暂定因子，利用统计的分析可的暂定因子，利用统计的分析可突出主因子突出主因子(Vital Few).* : * 难易度表示 “ 基本 “ : GB 未取得(新入员工包括) 人员为对象 “ 深化” : GB 以上取得 Belt 人员为对象160161162166176200215219DefineDefineMeasureMeas

215、ureAnalyzeAnalyzeImproveImproveVital Few Vital Few OK?OK?ControlControlY Y Y Y 选定暂定/候补因子 - 突出暂定因子 - 选别暂定因子(候补因子) 为查明关系的统计分析 - 收集数据 - CTQ与Xs的关系分析 突出主因子(Vital Few) 特性要因图(Fish Born) CTQ与 Xs的关系 Graph 假设验证结果(P-Value) Vital Few List算出物算出物 (Output)(Output) 活动活动 (Activity)(Activity). Analyze. Analyze阶段概要阶段概

216、要N N N N 从顾客的观点选定从顾客的观点选定 ProjectProject - 从顾客要求事项定义问题 “Y” - 突出具体的 Issue 事项(CTQ) 设定对设定对CTQCTQ的改善方向的改善方向 - 构筑测定系统(Gage R&R) - 掌握CTQ的工序能力 决定对决定对CTQCTQ的的 Vital Few Vital Few - 突出暂定因子/选定候补因子 - 通过统计的验证确定Vital Few 对对CTQCTQ的的 Process Process 最适化最适化 - 突出Vital Few的最适条件 - 对最适条件的再现实现 维持改善的成果及持续的管理维持改善的成果及持续的管理

217、 - 树立管理计划及Monitoring(X, Y) - 标准化及Project 完了报告* : Analyze 阶 段 突 出 Define, Measure 阶 段 定 义 的 影 响 C T Q的 暂 定 因 子/候 补 因 子 Xs(X1, X2, ,Xn), 通过对各候补因子的统计的验证选定主因子( V i t a l F e w )的阶段. 活动活动 Process突出暂定突出暂定/ /候补因子候补因子选定主因子选定主因子 (Vital Few)(Vital Few)分析坐标图分析坐标图验证统计的假设验证统计的假设Histogram, PlotMatrix Plot, Box Pl

218、ot假设验证(计量型/离散型)分析相关关系通过Brainstorming突出暂定因子适用适当的 Tool 后整理(特性要因图, Logic Tree 等)通过Voting 等的突出候补因子Data Data 收集收集实验分析实验分析ANOVA 分析1. 在测定阶段利用收集的Data 2. 树立收集Data 计划，有体系地收集 Data 3. 收集Data 困难时通过实验收集 Data. Analyze. Analyze阶段阶段 FlowFlow 活用活用 ToolTools s Graph Graph 分析分析 统计的分析统计的分析 Plot Run Chart Histogram Matri

219、x Plot Box - Plot Pareto Chart Run Chart Pareto Chart Histogram Multi-Vari Chart 相关分析 回归分析 SCN DOE 回归分析 t Test (平均) - Test (次数/频度) F Test (分散) ANOVA (平均) Proportion -Test连续型离散型连续型离散型连续型离散型连续型离散型X X X X Y Y Y Y X X X X Y Y Y Y 活用过去 Data，突出暂定/候补因子. * : 1. 1. 突出暂定因子突出暂定因子(X(Xs) s) 目标与现水平的目标与现水平的 GAP GA

220、P 现水平现水平(As-Is)(As-Is)目标目标(Should-Be)(Should-Be)预想的形象预想的形象预想不到的结果预想不到的结果现在的形象现在的形象应具备的形象应具备的形象可望的形象可望的形象期待的结果期待的结果问题问题 “Y Y”(CTQ)原原 因因 (暂定因子 Xs)指为解决问题不断地反复 Why “问题的原因追击到底的话，自然会有解决方案.” . 5-Why 5-Why 技法技法. . 突出暂定因子突出暂定因子通过Brainstorming突出影响 CTQ 的所有暂定因子(Xs), 利用适合目的的 Tool (特性要因图, Logic Tree 等)表示.* : . .

221、突出暂定因子突出暂定因子2. 2. 特性要因图特性要因图 (Cause & Effect Diagram)(Cause & Effect Diagram) 制成方法制成方法1. 填写问题或结果(CTQ).2. 填写影响结果的 46个核心项目(Category).3. 各项目别发生原因由大的树枝(1次要因)到小的树枝 (2次要因) 顺序细分而填写.4. 填写完的话研讨重复或遗漏后补充.5. 选定37个候补因子实行统计的分析.MaterialMaterial 特性特性(Effect)(Effect)1950年初 由Tokyo 大学的 Kaoru Ishikawa 创造发明的, 称Fish-bone

222、 Diagram 或 Ishikawa Diagram .对结果显示其结果的原因互相有什么关系的表达方法. 显示为业务结果的所有一切. 例) 质量, 成本, 交货期, Cycle Time, Service 等的结果 影响特性原因的所有一切.要因(Cause)特性(Effect)项目(Category) Product Process : 5M + 1E Service Process : 4P + 1E一般多利用 用语说明用语说明5 M4 PMan(人), Machine(设备), Material(资材)Method(方法), Measurement(测定)Price(价格), Place

223、(场所), Promotion(宣传)Product(生产)1 EEnvironment(环境)ManManMachineMachineMethodMethod1 1次要因次要因(Cause)(Cause)2 2次要因次要因( (SubcauseSubcause) ): : 项目项目(Category)(Category)* : : 通过Brainstorming突出的原因因子按集团区分而整理的形态.突出暂定因子突出暂定因子 制成事例制成事例Etch Rate 增加Taper 特性维持MaterialMethodMachineSF6O2HeCl2HCl引进新物质(NH3 etc.)ArPres

224、sure 值变更Gas 油量比Power值变更Etch Gas 变更电极间Gap 调节工序 step 变更Preashing step 插入Postashing step 插入PAS 贴合条件变更GI 贴合条件变更Etch Mode 变更排气 System 改善Cooling Sytem 改善上部电极构造变更下部电极构造变更设备 Setting值变更PM 周期变更Pumping 效率增大Sub-Focus Ring贴合* : 3. 选定候补因子选定候补因子对显示特性要因图的暂定因子，根据判断基准，通过专家及有关人士的参与的意思决定，选定候补因子. 候补因子选定例候补因子选定例 (Voting

225、(Voting 结果结果) ) .突出暂定因子突出暂定因子 1) SF6 1) SF6 流量流量, , 2) O2 2) O2 流量流量, , 3) Pressure, 3) Pressure, 4) Power 4) Power候补因子候补因子 根据暂定因子和根据暂定因子和 CTQ yCTQ y间的间的 关系程度输入值关系程度输入值例) 关系强 : 9 分 关系中间: 3 分 关系弱 : 1 分* : . Graph(. Graph(坐标图坐标图) ) 分析分析1. Graph 1. Graph 分析概要分析概要Always Graph your data first!根据Graph的分析是

226、统计分析的出发点将Data的特性(中心值, 散布, 式样)以可视的形象可掌握Graph 种类别 Data 形态的理解为分析的适当的 Graph选择与活用 坐标分析目的坐标分析目的 Minitab(Ver.13) Minitab(Ver.13) 提供提供 Graph Graph Minitab Minitab 菜单菜单适用适用 Plot 画对X和 Y的散点图 Time Series Plot 画随时间经过的 Y的变化. Chart 画对X和 Y的函数关系. Histogram 数据度数以柱形画. Boxplot 数据以 Box 形态画. Matrix Plot 对2个以上的变数，相互关联性以 M

227、atrix显示. Contour Plot 数据以等高线形态表达时画. 3D Plot X, Y, Z 值在 3D 上以点或线表达. 3D Wireframe Plot X, Y, Z 值在 3D 上以钢筋构造表达. 3D Surface Plot X, Y, Z 值在 3D 上以反应表面形态表达. Dotplot 线上观察的数据以 Dot 形态表达. Pie Chart 数据按频度分 Pie形态. Marginal Plot 可看到X, Y 数据的 Plot 和 X, Y数据的散布. Probability Plot 数据的分布函数概率值用坐标表大. Stem-and-Leaf 树梗-叶画画

228、儿. * : . Graph(. Graph(坐标图坐标图) ) 分析分析 Minitab Worksheet Minitab Worksheet 打开打开 参考参考 - Open Project : 数据及分析内容都存入而打开文档 - Open Worksheet : 打开只输入数据的文档* : Graph HistogramGraph Histogram Histogram : Histogram : 为连续型 Data的统计的分析假定正规分布，验证正规性前可大致地掌握Data的中心和散布等的分布形式. 制成法制成法 : : 将Data分成几个区间，属于各区间的Data的频度以柱形 Gra

229、ph显示.通过坐标图的形态确认正规分布的有无, 异常点的有无等 选择要画的变数(复数选择可能). Graph(. Graph(坐标图坐标图) ) 分析分析2. 2. 活用主要活用主要Graph Graph Data : Data : File Open Worksheet Data File Open Worksheet Data Pulse.mtwPulse.mtw* : Graph PlotGraph Plot Plot(Plot(散点图散点图) : ) : 为大致掌握两个变数(X, Y)的相关关系而使用. 收集两个变数的 Data(50100个适当) 在X,Y 表上表示值选择X轴, Y轴

230、变数 . Graph(. Graph(坐标图坐标图) ) 分析分析 制成法制成法 : : 看点的形态可确认两个变数间的相关关系. 首先看点的进行方向，如右侧向上移动的画判断是阳的相关关系, 如右侧向下移动的话判断是阴的相关关系看点的分散可确认阳的相关关系, 有必要确认大大脱离倾向性的点. Data : Data : File Open Worksheet Data File Open Worksheet Data Pulse.mtwPulse.mtw* : Graph Matrix PlotGraph Matrix Plot Matrix Plot(Matrix Plot(行列散点图行列散点图

231、) : ) : 有一个变数的话与 Plot相同, 为同时掌握许多变数间的相关关系而使用. 两个以上的散点图同时以一个表显示 选择所有所关心的变数 显示Pulse1和 Pulse2相关关系的散点图 显示Pulse1和 Weight相关关系的散点图 显示Height和 Weight相关关系的散点图 显示Height和 Weight相关关系的散点图 和 X轴, Y轴相互被调换 制成法制成法 : : . Graph(. Graph(坐标图坐标图) ) 分析分析 Data : Data : File Open Worksheet Data File Open Worksheet Data Pulse.m

232、twPulse.mtw* : Graph Graph BoxplotBoxplot 5个主要特性(最小值, Q1, 中位数, Q3, 最大值)以 Box和线来表示 选择要画的变数选择Data 区分列比较Box 中央线的位置，确认是否有无平均的差异, 比较全体长度，确认是否有无散布的差异. Graph(. Graph(坐标图坐标图) ) 分析分析 Box Plot(Box Plot(箱子构造箱子构造) : ) : 大致掌握Data的中心和散布形态，想了解异常值存在与否时使用. 制成法制成法 : : Data : Data : File Open Worksheet Data File Open

233、Worksheet Data Pulse.mtwPulse.mtw* : Stat Quality Tools Runchart 抽样群内平均或计算中位数，显示随时间经过的 Data的变化是Stack形态的Data的话，选择有 测 定 Data的 行 列 ， 指 定 Subgroup Size抽样内平均, 中位数中选择. Graph(. Graph(坐标图坐标图) ) 分析分析 Run Chart : Run Chart : 掌握随时间经过对工序 Data有何影响，掌握是否有因异常原因的工序变化. 制成法制成法 : : 用4个 P-Value判断数据的倾向 - P-Value 0.05以上 :

234、 稳定 - P-Value 0.05 不到 : 存在异常原因 Clustering(Clustering() ) P-ValueP-Value 0.00960.0096 : Data . . (Clustering .) Data : Data : File Open Worksheet Data Pulse.mtw* : Stat Quality Tools Multi-Stat Quality Tools Multi-VariVari chart chart 在各 X因子水平上 Y因子的平均值怎样不同，在坐标上显示选择反应值(Y) 选择输入因子(X), 最多能选择 4个. Graph(.

235、Graph(坐标图坐标图) ) 分析分析 Multi-Multi-VariVari Chart : Chart : 掌握许多 X因子水平变化时, Y 因子的值怎样变化从而掌握因子间相互关系. (是提供ANOVA 的 “视觉的” 对策的表，为看到对数据的大致的形态，在分析的事先阶段使用) 制成法制成法 : : Metal Type 3水平的平均连接的线Metal Type别 Sinter Time 3 水平的平均连接的线 Metal Type 15是 Sinter Time 0.5, Metal Type 18是 Sinter Time 1.0, Metal Type 21是Sinter Tim

236、e 2.0上 Strength最高. (Metal Type和 Sinter Time间交互作用存在.) Data : Data : File Open Worksheet Data File Open Worksheet Data Sinter.mtwSinter.mtw* : Stat ANOVA Two-Way Analysis of Variance for StrengthSource DF SS MS F PSinterTi 2 8.22 4.11 1.71 0.209MetalTyp 2 20.22 10.11 4.20 0.032Interaction 4 46.22 11.5

237、6 4.80 0.008Error 18 43.33 2.41Total 26 118.00 Individual 95% CISinterTi Mean -+-+-+-+- 0.5 20.33 (-*-) 1.0 21.44 (-*-) 2.0 20.22 (-*-) -+-+-+-+- 20.00 21.00 22.00 23.00 Individual 95% CIMetalTyp Mean -+-+-+-+- 15 19.67 (-*-) 18 21.78 (-*-) 21 20.56 (-*-) -+-+-+-+- 19.20 20.40 21.60 22.80Metal Type

238、及 Interaction是 不到P-Value 0.05 故统计上要有意. Multi-Multi-VariVari Chart Chart / 分散分析(ANOVA)为掌握对交互作用的细节信息，要活用像 ANOVA的分析技法. Graph(. Graph(坐标图坐标图) ) 分析分析* : Stat ANOVA Main Effect Plot Stat ANOVA Main Effect Plot Stat ANOVA Interaction Plot Stat ANOVA Interaction Plot 指倾斜越大更有大的效果.Metal Type是 18, Sinter Time是

239、 1.0 上 Strength最高.没有交互作用的话各直线是平行的, 有交互作用的话互相交叉. 如上坐标图上存在交互作用. Multi-Multi-VariVari Chart / Chart / 分散分析分散分析(ANOVA)(ANOVA). Graph(. Graph(坐标图坐标图) ) 分析分析* : 1. 1. 假设测定概念假设测定概念 假设测定的概要假设测定的概要 - 从标本依据确实的根据，要立正的假设.- “不一样” , “有差异 ” 等的 Not Equal 概念. . 假设测定假设测定 假设测定是假设测定是 ? ?要想了解的内容(现象)做成假设，通过具备的 Data的分析，确认

240、假设事实有无的步骤. (也叫有意性测定) Ho是真，但犯选择 Ha (第1种错误) 错误的容许界限.判断P-Value大小时使用的基准概率. (主要使用 1%, 5%, 10%) P-Value P-Value -没有对立假设是真的确实的根据时接受的假设.-“一样 ” , “无差异 “ 等的 Equal 概念. 归无假设 (Null Hypothesis : Ho) 对立假设 (Alternative Hypothesis : Ha)认为归无假说是正确的假定下，利用具备的Data 发生归无的概率. 有意水平()上能够主张统计的有意性的测定统计量的领域. 有意水平有意水平() () 取消域取消域

241、 * : 事事 实实判判断断HoHaHoHa第1种 Error 正确的正确的 决决 定定 第2种Error 正确的正确的 决决 定定 不能同是犯1种错误和, 2种错误. 假设测定的错误假设测定的错误(Error) (Error) .假设测定假设测定 0 0/2/21-x/2 1 1H0HaHa0H Ha aH H0 0H0是事实, 但选择Ha时. 这里 以 典型的 5%设定 (生产者危险)Ha是事实, 但选择H0时. 这里 以 典型的 10% 设定 (消费者危险) 1- = 信赖度信赖度 第第1种种 Error () 第第2种种 Error () 要测定的归无假说(Ho)对时, 判断其对的概率

242、 1-= 查出力查出力 要测定的归无假说(Ho,Null hypothesis)不对时, 将其取消的概率 (实际有差异时，判断为 Sample测定的 Data，能够查出有差异的机会* : 为测定平均值，要先行分散的同质性测定. 假设测定种类假设测定种类 .假设测定假设测定平均值 测定Data的种类的种类连续型连续型 Data离散型离散型 Data1 Sample t - Test2 Sample t - TestANOVATest for Equal Variances1 Proportion2 Proportions - Test Paired t - Test假设测定假设测定Ho : 无差

243、异.Ha : 有差异.决定有意水平决定有意水平()一般使用 5% 1. 测定统计量计算测定统计量计算2. P-Value 算出算出1. 测定统计量 临界值2. P-Value 有意水平选择选择测定方测定方法法Ho取消 , Ha 采取 (有差异.)取消Ho失败 (无差异.) 假设测定步骤假设测定步骤 YesNo* : 归无假说: 经常假定母集团与 Sample相同.H0 : 1 = 2H0 : 1 = 2 = 3 = .nH0 : 12 = 22H0 : 12 = 22 = 32 = n2 两侧测定两侧测定/2/2取消取消H0 取消失败 偏侧测定偏侧测定取消H0取消失败取消H0取消失败 对立假设

244、 :经常假定母集团与 Sample不同.假设测定假设测定 假设设定方法假设设定方法Ha : 1 2Ha : 1 2Ha : 12 22Ha : 12 22Ha : 12 22两侧测定两侧测定偏侧测定偏侧测定* : 1) 1) 测定统计量与测定统计量与 TableTable值比较值比较 如果, 测定统计量 临界(Critical) 值 : 取消Ho失败 如果, 测定统计量 临界(Critical) 值 : 取消Ho, 采取 Ha 2) P2) P值与有意水平值与有意水平() () 比较比较 如果, P-Value 有意水平() : 取消Ho失败 如果, P-Value 有意水平() : 取消Ho

245、, 采取 Ha 3) 3) 利用信赖区间时利用信赖区间时 如果, 比较值在信赖区间内时 : 取消Ho失败 如果, 比较值在信赖区间外时 : 取消Ho, 采取 Ha 测定统计量测定统计量临界值临界值P-ValueHoHa.假设测定假设测定 假设测定结果分析假设测定结果分析 通过图比较测定统计量与Table值, P值和有意水平()可比较.* : 通过假设测定意思决定时，能够使 Error(错误)最小化而决定 Data Sample数的合理的方法.假设测定假设测定ErrorError的理解的理解 树立的假设树立的假设 ? ?归无假设归无假设 H Ho o : = 30 , : = 30 , 对立假设

246、对立假设 H Ha a : 30 : 30假设判断基准假设判断基准 ( (有意水平有意水平 5%)?5%)? = 0.05 30 = 30 1 - 1 - C = 26.71C = 26.71要确认的对立假设 Ha : 30判断基准如下时采取对立假设这里 C是 = P(1种错误) = 上求. 例) 时,2. 2. 标本的大小决定标本的大小决定* : 标本的大小标本的大小? ? = 0.05 30 = 30 1 - 1 - C = 26.71C = 26.71例) 查出力(1-)为 0.8时, 标本的大小?为测定N(30, 102/25)的分布和 N(25, 102/n)的分布差异， 决定标本的

247、大小例) 查出力(1-)为 0.9时, 标本的大小?.假设测定假设测定* : 利用利用MinitabMinitab的决定标本大小的决定标本大小.假设测定假设测定Power and Sample Size1-Sample Z TestTesting mean = null (versus Power and Sample Size 1-Sample Z 1-Sample Z 1-Sample Z 时标本大小时标本大小N ( 30, 102 /25 ) 分布 平均的标准偏差平均的标准偏差 / n / nN ( 25, 102 / n ) 为测定分布差异的标本大小 有意水平 = 0.05, 以查出力

248、 1- = 0.8 来测定输入两分布平均差异 Difference = 0 a 输入所需查出力1- 输入母标准偏差选择对立假设的形态输入有意水平-Sample Size : 标本大小决定为 25个-Target Power : 为测定假设而设定的查出力-Actual Power : 随标本大小的实际查出力 * : .假设测定假设测定1-Sample t 1-Sample t 时标本大小时标本大小N ( 30, 102 /25 )分布 平均的标准偏差 s / nN ( 25, 102 / n )为测定分布差异的标本大小有意水平 = 0.05,以查出力1- = 0.8来测定Stat Power a

249、nd Sample Size 1-Sample t 输入两分布平均差异Difference = 0 a Power and Sample Size1-Sample t TestTesting mean = null (versus null)Calculating power for mean = null + differenceAlpha = 0.05 Sigma = 10 Sample Target ActualDifference Size Power Power -5 27 0.8000 0.8118-Sample Size : 与1-Sample Z同样设定，但标本大小增大. t

250、分布是假定母标准偏差未指而分析，故标本大小增大是当然的.输入母标准偏差的推定值* : 1 Proportion1 Proportion 时标本大小时标本大小归无假说Ho : P = 0.9, 对立假设 Ha : P 0.9 有意水平 = 0.05, 以查出力 1- = 0.9 来测定Power and Sample SizeTest for One ProportionTesting proportion = 0.9 (versus Power and Sample Size 1 Proportion * : 2 Proportion2 Proportion时标本大小时标本大小归无假说Ho :

251、 P1 = P2对立假设Ha : P1 Power and Sample Size 2 Proportion Power and Sample SizeTest for Two ProportionsTesting proportion 1 = proportion 2 (versus Power and Sample Size One-Way ANOVAPower and Sample SizeOne-way ANOVASigma =1.5 Alpha =0.05 Number of Levels =3 Sample Target Actual MaximumSS Means Size Po

252、wer Power Difference 8 4 0.8000 0.8150 4 8 5 0.9000 0.9212 4归无假说Ho : 1 = 2 = 3, 对立假设 Ha : Not Ho水平数 : 3个, 水平间平均的最大差异 : 4 有意水平 = 0.05, 以查出力 1- = 0.9 来测定输入因子的水平数输入水平间平均的最大差异输入查出力(1-)，图是80%, 90% 两个同时输入的形态.输入母标准偏差的推定值输入有意水平-因子的水平是3个，水平间最大差异是4, 实施母标准偏差的推定值为1.5的 ANOVA 时, 可靠度是 95%,为得到查出力为81.50%的结果，标本大小为 4个

253、, 为得到查出力为92.12%的结果，标本大小为 5个* : 2-Level Factorial Design2-Level Factorial Design时决定反复数时决定反复数.假设测定假设测定因子数 : 3个, 最小效果的大小 : 4Block : 1个, 中心点实验次数 : 2对数据的母标准偏差的推定值 : 1.5 有意水平 = 0.05, 以查出力 1- = 0.9 来测定Stat Power and Sample Size 2-Level Factorial DesignPower and Sample Size2-Level Factorial DesignSigma = 1.

254、5 Alpha = 0.05Factors: 3 Base Design: 3, 8Blocks: noneIncluding a term for center points in model.CenterPoints Target ActualPer Block Effect Reps Power Power 2 4 2 0.9000 0.9970-为以可靠度 95%, 查出力 99.7%确认实验结果，要反复实施2次. 输入因子的个数和角实验数 (Corner Point)输入要因效果的最小大小输入查出力(1-)输入中心点实验次数输入母标准偏差的推定值输入有意水平() 输入Block 树*

255、 : 1 Sample t-Test 1 Sample t-Test 判断具备的Data平均(Mean)与目标值(Target Value)相比，在统计上是否有差异. 假假 设设 : : 目目 的的 : : Ho : = Target, Ha : Target (两侧测定日时) Stat Basic statistics 1-Sample t Stat Basic statistics 1-Sample t 支援协力厂家(supp2)对部件的改善活动，为掌握加工部件的尺寸是否与目标值一致，测定 100个部件. 能否说与所需的目标值(Target = 600)一致? ( = 5%)One-Sam

256、ple T: Supp2Test of mu = 600 vs mu not = 600 Variable N Mean StDev SE MeanSupp2 100 600.230 1.874 0.187Variable 95.0% CI T PSupp2 ( 599.858, 600.602) 1.23 0.223 P-Value 0.05以上，取消 Ho失败. (信赖区间内 Target 值存在) 结果, 可以说平均为 600.3. 3. 连续型连续型 DataData的假设测定的假设测定 选择所需的 Data 输入要确认的目标值输入可靠水平选择对立假设.假设测定假设测定 例例 题题 :

257、 : Data : Data : File Open Worksheet Data File Open Worksheet Data Camshaft.mtwCamshaft.mtw* : 2 Sample t-Test 2 Sample t-Test 判断具备两个母集团抽出的Data平均(Mean)，统计上是否有差异. Ho : 1 = 2 , Ha : 1 2 (两侧测定日时) 测定用材料 A和材料 B所制作的各产品的硬度，得到了如下Data. 要测定A和 B的母平均上是否有差异. 测定具备 Data的正规性. - 材料 A的 P-Value是多少? 是正规分布吗? - 材料 B P-Va

258、lue是多少? 是正规分布吗? 测定分散的同质性. - F-Test的 P-Value是多少? 结果是? 实施t-Test. - 设立架设. - 有意水平是? - P-Value是多少? 结果是?材料 A : 73.4, 77.0, 73.7, 73.3, 73.1, 71.5, 74.5, 77.5, 76.4, 77.7材料 B : 68.7, 71.4, 69.8, 75.3, 71.3, 72.7, 66.9, 70.2, 74.4, 70.1.假设测定假设测定 假假 设设 : : 目目 的的 : : 例题例题 : : Data : 测定步骤测定步骤 : : * : 2-Sample

259、t / 测定正规性统计的确认具备的 Data是否市正规分布 假假 设设 : : 目目 的的 : : Ho : 是正规分布 , Ha : 不是正规分布Stat Basic statistics Normallity Test 选择所需的 Data 选择Test方法 P-Value 0.205 ( 0.05)是正规分布.红线指正规分布 黑点指实际 Data P-Value 0.837 ( 0.05)是正规分布. Data .假设测定假设测定( = 5%)* : Stat Basic statistics 2 Variances (Stat ANOVA Test for Equal Variance

260、s)P-Value 0.646( 0.05)分散相同.Stack形态的 DataUnstack 形态的 Data对标准偏差的信赖区间对Data Box-plot.假设测定假设测定 2-Sample t / 测定等分散型性 在具备的两个以上的集团之间，确认统计上是否有有意的散布差异 假假 设设 : 目目 的的 : Ho : 12 = 22 , Ha : 12 22 (两侧测定日时) 活用两个测定方法 - F-Test : Data是正规时. - Levenses Test : Data不是正规时. ( = 5%)* : Stat Basic statistics 2-Sample tStack形

261、态的 DataUnstack形态的 Data两个集团的散布相同的话 CheckTwo-Sample T-Test and CI: Material A, Material BTwo-sample T for Material A vs Material B N Mean StDev SE MeanMaterial 10 74.81 2.17 0.69Material 10 71.08 2.54 0.80Difference = mu Material A - mu Material BEstimate for difference: 3.7395% CI for difference: (1.

262、51, 5.95)T-Test of difference = 0 (vs not =): T-Value = 3.53 P-Value = 0.002 DF = 18Both use Pooled StDev = 2.36P-Value 0.002( 0.05 )Material A和 Material B的平均不同. Material A和 B的差异对差异的信赖区间.假设测定假设测定 2-Sample t / 测定平均值( = 5%)* : 具备的两个集团从属或成对时，确认Data 差的平均(Mean)统计上是否有意. (Data的顺序日程)Ho : d = 0 , Ha : d 0 (

263、d 是对差异的母平均 ) 在Module 工厂 Aging 前,后 为研讨P4 工厂生产Panel对外部 Stress的复原能力测定了复原Time. 对10种Panel的各抽样别Aging 前,后 Stress同一实验， 要测定随Aging 有,无 Panel 复原 Time是否有差异. (但, 正规分布, 等分散 假设, = 5%) P-Value 0.009 ( Basic statistics Paired tPaired T-Test and CI: Before Aging, After AgingPaired T for Before Aging - After Aging N M

264、ean StDev SE MeanBefore Aging 10 10.630 2.451 0.775After Aging 10 11.040 2.518 0.796Difference 10 -0.410 0.387 0.12295% CI for mean difference: (-0.687, -0.133)T-Test of mean difference = 0 (vs not = 0): T-Value = -3.35 P-Value = 0.009Unstack形态的形态的 Data对差异平均的信赖区间.假设测定假设测定 Paired t-Test (Paired t-Tes

265、t (测定对策资料测定对策资料) ) 假假 设设 : : 目目 的的 : : 例题例题 : : Before Aging : 13.2, 8.2, 10.9, 14.3, 10.7, 6.6, 9.5, 10.8, 8.8, 13.3 After Aging : 14.0, 8.8, 11.2, 14.2, 11.8, 6.4, 9.8, 11.3, 9.3, 13.6 Data : * : 1 Proportion Test 1 Proportion Test 判断具备的Data的母比率 (Proportion : 不良率, 支持率, 满足度等) 与目标比率是否一致. Ho : P = Po

266、 (Target) , Ha : P Po (Target)Panel 2 工厂促进 BDF(Bright Dot Free) 改善活动结果，为确认发生率是否是1%，在Auto Probe 检查上检查了1,000个 Cell. 如检查结果查出13个 BD发生品的话，能否说发生率是1%? Test and CI for One ProportionTest of p = 0.01 vs p not = 0.01Sample X N Sample p 95.0% CI Z-Value P-Value1 13 1000 0.013000 (0.005979, 0.020021) 0.95 0.340

267、P-Value 0.340( 0.05) 可以说发生率是1%Stat Basic statistics 1 Proportion4. 4. 离散型离散型 DataData的、假设测定的、假设测定 全体个数不良个数可靠区间要比较的比率对立假设求根据正规分布的测定和信赖区间时使用. 这里样品的大小充分大，以正规分布为基础归无假说和对立假设.假设测定假设测定 假假 设设 : : 目目 的的 : : 例例 题题 : : ( = 5%)* : 判断具备的Data的母比率 (Proportion : 不良率, 支持率, 满足度等) 与目标比率是否一致.Ho : P1 = P2 , Ha : P1 P2 (

268、两侧测定日时) Module 工厂测定 TAB Bonding 不良率的结果如下. 能否说TAB Bonding两号机间的不良率相同呢? 1 1号机号机 : n: n1 1=1,000, X=1,000, X1 1=14 , 2=14 , 2号机号机: n: n2 2=1,200, X=1,200, X2 2=13 =13 Test and CI for Two ProportionsSample X N Sample p1 14 1000 0.0140002 13 1200 0.010833Estimate for p(1) - p(2): 0.0031666795% CI for p(1)

269、 - p(2): (-0.00617847, 0.0125118)Test for p(1) - p(2) = 0 (vs not = 0): Z = 0.67 P-Value = 0.502P-Value 0.502( 0.05) 不能说两号机间不良率不同不能说两号机间不良率不同. Stat Basic statistics 2 ProportionsStat Basic statistics 2 Proportions.假设测定假设测定 2 Proportion Test 2 Proportion Test 假假 设设 : : 目目 的的 : : 例例 题题 : : 两号机间差异两号机间差

270、异差异的信赖区间差异的信赖区间( = 5%)* : 测定频度数的同质性 - Ho : P1 = P2 = P3 = = Pn - Ha : 至少一个不同 测定变数的独立性 - Ho : 独立的.(有相关性.) - Ha : 从属的.(无相关性.) 具有同样的发生可能性的多样的项目别调查频度，判断项目别频度是否是同质. 对变动的原因，判断相互的关系是从属的还是独立的. (确认是否有关联) .假设测定假设测定 Chi-Square Test Chi-Square Test 目目 的的 : : 统计量统计量 : : 假假 设设 : : 判判 定定 : : 判定基准 - Ho (归无假设) 采取 :

271、P-Value - Ha (对立假设) 采取 : P-Value 统计量算出例题统计量算出例题 楞硬币 100次，出前面63次, 后面37次的情况.Observed (fo)Expected (fe)前面63635050后面37375050fo = 观测值的频度数fe =期待值的频度数自由度 = (列数-1)(行数 -1)* : Panel 3 工厂为确认对4个条件的实验Run上发生的 Panel 斑纹不良品的数是否有差异，一星期各测定了良品数与不良品数. 不良数1234454348445726实验Run良品数合计50505050Stat Tables Chi-Square TestStat

272、Tables Chi-Square Test 归无假设(H0) : 试验 Run别无差异. 对立假设(Ha) :试验 Run别有差异.Data 选择. . 假设测定假设测定 频度数的同质性测定事例频度数的同质性测定事例 假假 设设 : : 测定测定 Data Data Chi-Square Test: Accept, RejectExpected counts are printed below observed counts Accept Reject Total 1 45 5 50 45.00 5.00 2 43 7 50 45.00 5.00 3 48 2 50 45.00 5.00 4

273、 44 6 50 45.00 5.00Total 180 20 200Chi-Sq = 0.000 + 0.000 + 0.089 + 0.800 + 0.200 + 1.800 + 0.022 + 0.200 = 3.111DF = 3, P-Value = 0.375 DataChi-Square Test: Accept, RejectExpected counts are printed below observed counts Accept Reject Total 1 45 5 50 45.00 5.00 2 43 7 50 45.00 5.00 3 48 2 50 45.00

274、5.00 4 44 6 50 45.00 5.00Total 180 20 200Chi-Sq = 0.000 + 0.000 + 0.089 + 0.800 + 0.200 + 1.800 + 0.022 + 0.200 = 3.111DF = 3, P-Value = 0.375预测 Data (20*50/200=5.00)实际 Data和 预测 Data的差异 ( (5-5) / 5=0.000 )P-Value 0.375 ( 0.05)试验 Run别无差异. ( = 5%)* : Module 工厂把组装Line 3个月不良类型按交接班整理,并调查交接班别是否有不良类型的特性(从属

275、的) (独立的),如有的话，按交接班别对产品不良类型追加进行调查，从而要展开改善活动. 归无假设 : 不良类型与交接是独立的. 对立假设 : 不良类型与交接是从属的.不良类型123A152633B213117C453449D13520ShiftStat Tables Chi-Square Test.假设测定假设测定 变数的独立性测定事例变数的独立性测定事例 假假 设设 : : 测定测定 Data(Data(但但, , 交接班别生产量相同交接班别生产量相同) ) Chi-Square Test: A, B, C, DExpected counts are printed below observ

276、ed counts A B C D Total 1 15 21 45 13 94 22.51 20.99 38.94 11.56 2 26 31 34 5 96 22.99 21.44 39.77 11.81 3 33 17 49 20 119 28.50 26.57 49.29 14.63Total 74 69 128 38 309Chi-Sq=2.506 + 0.000 + 0.944 + 0.179 + 0.394 + 4.266 + 0.836 + 3.923 + 0.711 + 3.449 + 0.002 + 1.967 = 19.178DF = 6, P-Value = 0.004

277、实际 Data预测 Data (94*38/309=11.56)实际Data和 预测Data的差异P = 0.004 ( Plot 观测观测 Point - 可以看作是三种 Spring 的涨力相同吗?- 某一Spring的涨力可看作是比 20大吗?通过坐标可以说 Spring B比现在Spring或 Spring A 涨力大吗?坐标上的差异，统计上不能判断有有意差(需要统计的分析). ANOVA (. ANOVA (分散分析分散分析) ) 坐标图分析坐标图分析 Data 输入输入 (Worksheet)* : . ANOVA (. ANOVA (分散分析分散分析) ) 手作业计算手作业计算S

278、pring 式样#1#2#3Data91214131818151417152119211623计6679100平均13.215.820.0总平均16.3平均-总平均-3.1-0.53.7差的乘9.80.313.4反复数的乘40.01.567.0平方平方(SS(SSX X) )117.7117.7#13DataData-总平均差的 相乘11111222223333391214131818151417152119211623-7.3-4.3-2.3-3.31.71.7-1.3-2.30.7-1.34.72.74.7-0.36.753.818.85.411.12.82.81.85.40.41.821

279、.87.121.80.144.4计245199.3199.3总平均16.3SSSST T 要因变动 (SSX ) 计算 全体变动(SST ) 计算 误差变动 (SSE ) 计算误差变动全体变动要因变动81.6199.3117.7 误差变动=全体变动-要因变动 变动的分解 分散分析表(ANOVA Table)SSdfMSFX117.7258.878.66Error81.6126.80Total199.314计算的 F值和 F table的 临界(Critical)值比较而解释结果. 这里, Fcal(8.66) Fcri(3.89)母集团平均的差异统计上可以95%的信赖度说有有意差. 特别, #

280、3可判断为平均应力20以上. 分散结果分析* : 生产 Etch 工序使用的 化学 HF的3个新规厂家提示了 Sample. 这时我们要Capa up计划选择 2分钟之内 Etch Rate平均 20 /sec 以上的厂家. (但, 正规分布, 等分散假定, = 5%)厂家 A厂家 B厂家 C9 12 14 13 1818 15 14 17 1521 19 21 16 23Stat ANOVA One-Stat ANOVA One-way(Unstackway(Unstack) ) 选择要看的选择要看的 Graph . ANOVA (. ANOVA (分散分析分散分析) )2. One / T

281、wo-Way ANOVA2. One / Two-Way ANOVA One-Way ANOVA One-Way ANOVA 例题例题 : : Data : Data : Data 选择* : One-way ANOVA: A, B, CAnalysis of VarianceSource DF SS MS F PFactor 2 117.73 58.87 8.66 0.005Error 12 81.60 6.80Total 14 199.33 Individual 95% CIs For Mean Based on Pooled StDevLevel N Mean StDev -+-+-+-

282、A 5 13.200 3.271 (-*-) B 5 15.800 1.643 (-*-) C 5 20.000 2.646 (-*-) -+-+-+-Pooled StDev = 2.608 14.0 17.5 21.0信赖区间都重叠的话, 各厂家间平均值的有意差可以说没有. 如上的话 A和 B, B和 C可以说没有有意差， A和 C有有意差P-Value是 0.005( ANOVA Two-way Stat ANOVA Two-way 无交互作用的形态从属变数独立变数Display means 选择* : . ANOVA (. ANOVA (分散分析分散分析) )分析结果解释分析结果解释A

283、nalysis of Variance for ESD Source DF SS MS F PPol 2 1919 959 9.25 0.015Ionizer 1 21 21 0.21 0.666Interaction 2 561 281 2.71 0.145Error 6 622 104Total 11 3123 Individual 95% CIPol Mean -+-+-+-+-A 43.5 (-*-)B 68.3 (-*-)C 39.8 (-*-) -+-+-+-+- 30.0 45.0 60.0 75.0 Individual 95% CIIonizer Mean -+-+-+-+-

284、Not use 51.8 (-*-)Use 49.2 (-*-) -+-+-+-+- 42.0 48.0 54.0 60.0Pol.别 P-Value 0.015 有意, 看95% 信赖区间的话可确认 Pol.别存在有意差 对Ionizer 使用有,无的 P-Value 0.665 没有有意, 看95% 信赖区间也是互相重叠的，可确认没有有意差.Pol.别没有坐标重叠的部分.对Ionizer 使用有,无重叠. (无差异.)* : Stat ANOVA Main Effect Plot Stat ANOVA Interaction Plot 指越倾斜越有更大的效果.Pol. B社发生最高的ESD

285、，C社结果最良好 无交互作用时, 各直线显示为平行. 交互作用不是有意的程度，但细微地存在. 坐标图分析坐标图分析 从属变数独立变数. ANOVA (. ANOVA (分散分析分散分析) )* : 3. Balanced ANOVA & GLM3. Balanced ANOVA & GLM根据各因子和水平组合的Sample或测定数同一的数据. 右侧的例是对各水平各有 2个观测值，称 Balanced Data. 用语整理用语整理根据各 Factor和水平组合的 Sample或测定数不同的数据.右侧的例是各水平别 Data数不同.Crossed是指 如有A和 B因子的话，对因子A的各水平，因子B

286、的各水平相对应而引起实验的, Nested是指因子A的一个水平内，因子B的各水平相对应而引起实验的.Fixed factor(母数因子)具有技术性的意义, Random factor(变量因子)不具有技术性的意义. 母数因子和变量因子间有交互作用时，叫 Mixed 效果. ANOVA (. ANOVA (分散分析分散分析) ) Balanced Data : Balanced Data : Unbalanced Data : Crossed & Nested Crossed & Nested Fixed & Random Fixed & Random 水平 (X)40150Data (Y)25

287、228178例) Balanced Data水平 (X)40150Data (Y)25228178例) Unbalanced Data* : 统计的模式及缩简型统计的模式及缩简型 空分散分析活用- 为提高实验的精密性而采取的技法, 是分散分析和回归分析结合的形态.-将Block化一般化的模式或空变数(Covariate)是与Block 要因不同，不能任意调整其值的 潜在变数，包含在实验分析时使用. 包括在ANOVA Model的定量变数，为减少误差变数包含在 Model的变数. Covariates Covariates 因因 子子 统计的模式统计的模式要因效果要因效果缩简型缩简型A AB B

288、C CCrossed无Yijk=m+ai+bj+abij+ek(ij)A B A*BA|BCrossedYijkl=m+ai+bj+bk+abij+acik+bcjk+abcijk+el(ijk)A B C A*B A*C B*C A*B*CA|B|CNestedYijkl=m+ai+bj(I)+ck(ij)+el(ijk)A B(A) C(AB)A|B(A)|C(AB)NestedCrossedYijkl=m+ai+bj(I)+ck+ acjk+bcjk(I)+el(ijk)A B(A) C A*C C*B(A)A|B(A)|C. ANOVA (. ANOVA (分散分析分散分析) ) Mi

289、niTAB 利用时适用* : . ANOVA (. ANOVA (分散分析分散分析) ) 例例 题题 : : Data Data 利用General Linear Model 菜单 分析前面的例题(Two-Way ANOVA 例题).Stat ANOVA General Linear Model Stat ANOVA General Linear Model LPL 中国南京工厂多发生因 Pol. 剥离时 停电的电路不良. 为改善此问题 Pol. 种类 (A社/B社/C社)别, Ionizer 使用有,无 (Use/Not use)别对12个Sample测定发生的停电量并树立对策. 测定母平均

290、是否相同，同时测定主效果和交互作用各个是否有意(但, 正规分布, 等分散假定, = 5%有变量因子时输入.从属变数输入分散分析时要求的型号* : . ANOVA (. ANOVA (分散分析分散分析) ) 分析结果解释分析结果解释(GLM) (GLM) General Linear Model: ESD versus Pol, IonizerFactor Type Levels Values Pol fixed 3 A B CIonizer fixed 2 Not use Use Analysis of Variance for ESD, using Adjusted SS for Tests

291、Source DF Seq SS Adj SS Adj MS F PPol 2 1918.5 1918.5 959.3 9.25 0.015Ionizer 1 21.3 21.3 21.3 0.21 0.666Pol*Ionizer 2 561.2 561.2 280.6 2.71 0.145Error 6 622.0 622.0 103.7Total 11 3123.0 2-Way ANOVA 分析结果和GLM 分析结果相同.显示因子与水平Fixed指因子是母数因子 Analysis of Variance for ESD Source DF SS MS F PPol 2 1919 959

292、9.25 0.015Ionizer 1 21 21 0.21 0.666Interaction 2 561 281 2.71 0.145Error 6 622 104Total 11 3123 Individual 95% CIPol Mean -+-+-+-+-A 43.5 (-*-)B 68.3 (-*-)C 39.8 (-*-) -+-+-+-+- 30.0 45.0 60.0 75.0 Individual 95% CIIonizer Mean -+-+-+-+-Not use 51.8 (-*-)Use 49.2 (-*-) -+-+-+-+- 42.0 48.0 54.0 60.0

293、 2-Way ANOVA 2-Way ANOVA 分析结果分析结果* : 相关分析相关分析(Correlation Analysis)(Correlation Analysis)的概念的概念要了解两概率变数 X和 Y间相关关系时，取两变量 X, Y的大小 n 概率标本 (Random sample)后, 从得到的 n个数据 (X1, Y1), (X2, Y2), .,(Xn , Yn)找两变数的相关性.如此, 研究两变数间相关性的统计的分析叫 “相关分析” .H Ho o : = 0 ( : = 0 ( .) , H.) , Ha a : 0 ( : 0 ( .) .)X和 Y存在什么关系?.

294、 . 相关分析相关分析 假假 设设 : : 定定 义义 : : 利用数据为掌握两集团间是否存在直线的关系而使用. 适适 用用 : : * : 从点散在的形态研讨 X和 Y是否有关系. 而且 掌握是阳(Positive)的相关, 还是阴(Negative)的相关.看X 和 Y是直线关系还是曲线关系. 如下图 是曲线关系的话，求相关系数是毫无意义的.(此时要实施曲线回归分析 )确认是否有异常数据. 如在散点图上发生异常点的话，就说明收集数据时其它母集团的标本混入，测定或计算有错误，输入数据有错误等. 如此发生异常点时要查明原因，并要修改.相关分析相关分析 散点图散点图(Plot) (Plot) 活

295、用活用 散点制作立体散点制作立体 散点图解释方法散点图解释方法 * : = : 母相关系数, r :标本相关系数r 值的范围是 -1 r 1.r 值是显示 X和 Y间线型关系的尺度， r 为 1 时所有点在一直线上.如, X换为 AX B , Y换为 CY D，但 A 和 C的符号相同的话 r的值不变. .相关分析相关分析 相关系数相关系数(Correlation Coefficient) (Correlation Coefficient) 相关系数相关系数 : 表示变量 X和 Y的相关大小， X和 Y间的紧密性程度的尺度 相关系数 判定基准 0.9很高的相关关系(very high corr

296、elation) 标本相关系数的性质标本相关系数的性质* : Panel 4 工厂以工序检查员为对象实施第一次试验，对不良用语及限度样品经过重新教育后, 实施第二次试验，要了解第一次试验和第二次试验间是否有相关关系. (首先, 制作散点图后求相关系数，然后统计地测定。但, = 5%) File Open Worksheet Data Scores.mtwGraph PlotStat Basic statistics CorrelationCorrelations: First, SecondPearson correlation of First and Second = 0.703P-Val

297、ue = 0.000 相关关系有无 : P-Value是 0.000 ( DOE Factorial Create Factorial Design 实验次数中心点反复次数为随机化选择因子名. . Plackett-BurmanPlackett-Burman Design Design 例例 题题 : : Plackett-BurmanPlackett-Burman Design Design 事例事例选择因子数* : Plackett-Burman DesignFactors: 9 Replicates: 1 Design: 16 Runs: 16 Center pts (total): 0

298、Data Matrix Run A B C D E F G H J 1 + - - - + - - + + 2 + + - - - + - - + 3 + + + - - - + - - 4 + + + + - - - + - 5 - + + + + - - - + 6 + - + + + + - - - 7 - + - + + + + - - 8 + - + - + + + + - 9 + + - + - + + + + 10 - + + - + - + + + 11 - - + + - + - + + 12 + - - + + - + - + 13 - + - - + + - + - 14

299、 - - + - - + + - + 15 - - - + - - + + - 16 - - - - - - - - -. . Plackett-BurmanPlackett-Burman Design Design 实验选定结果及实验选定结果及Data Data 输入输入 实验选定结果 (Session 窗) 数据输入 (Worksheet 窗输入实验结果数据* : Fractional Factorial Fit: CR versus A, B, C, D, E, F, G, H, IEstimated Effects and Coefficients for CR (coded unit

300、s)Term Effect Coef SE Coef T PConstant 431.75 21.72 19.88 0.000A 259.00 129.50 21.72 5.96 0.001B 195.25 97.63 21.72 4.49 0.004C 18.50 9.25 21.72 0.43 0.685D 18.75 9.38 21.72 0.43 0.681E 60.75 30.38 21.72 1.40 0.212F -134.25 -67.13 21.72 -3.09 0.021G 56.75 28.38 21.72 1.31 0.239H -121.00 -60.50 21.72

301、 -2.79 0.032I 79.00 39.50 21.72 1.82 0.119Analysis of Variance for CR (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 9 606854 606854 67428 8.93 0.007Residual Error 6 45297 45297 7549Total 15 652151 9个暂定因子中选 4个因子 (A,B,F,H)为主因子. Stat DOE Factorial Analyze Factorial Design . . Plackett-Bur

302、manPlackett-Burman Design Design 实验结果分析及突出结论实验结果分析及突出结论选择反应变数选择分析对象* : Session. Improve Session 目录目录. Improve. Improve阶段阶段 概要概要. Improve. Improve阶段阶段 FlowFlow. . 试验计划法试验计划法 概要概要 1. 试验计划法的 基本概念 2. 试验计划法的 进行步骤 3. 试验计划法的 基本原则 4. 试验计划法的 分类. . 因数布置法因数布置法 1. 2水平 完全布置的理解 2. 22(2因数 2水平)完全布置 3. 一般性 完全布置. 2.

303、2水平水平 部分布置法部分布置法 1. 2水平 部分布置的理解 2. 部分布置的 主要概念 . . 最大倾斜法最大倾斜法 1. 最大倾斜法的基本概念 2. 包括中心点的因数布置. . 回归分析回归分析 1. 回归分析的基本概念 2. 单纯回归分析 3. 多重回归分析 4. 非线性回归分析 5. 回归方程式的陷阱. . 反应表面分析反应表面分析 1. 反应表面试验的目的 2. 3水平 因数布置法 3. 中心合成计划学习目标学习目标应应用用因因数数布布置置法法、最最大大倾倾斜斜法法、回回归归分分析析法法、反反应应表表面面法法，而而设设计计效效率率的的试试验验，分分析析试试验验结结果果，从从而而可以

304、划定主因数可以划定主因数(Vital Few)最适的条件。最适的条件。* 难易程度 : 基本* 难易程度 “ 基本 “ : GB 未取得(包括新员工)人员 “ 深化” : GB以上 Belt取得人员 224225226235252267278300DefineDefineMeasureMeasureAnalyzeAnalyzeImproveImprove最适条件最适条件OK?OK? 从顾客的观点而选定从顾客的观点而选定ProjetProjet - 从顾客要求而定义问题 “Y” - 找出具体Issue事项(CTQ) 划定对划定对CTQCTQ的改善方向的改善方向 - 构筑测定系统(Gage R&R

305、) - 掌握CTQ的工序能力 决定对决定对CTQCTQ的的Vital Few Vital Few - 找出潜在的因数/选定候补因数 - 确定通过统计性验证Vital Few 对CTQCTQ的的ProcessProcess最适化最适化 - 找出Vital Few的最适条件 - 对最适条件的再现试验 维持已改善的成果，持续管理维持已改善的成果，持续管理 - 树立管理计划，monitoring(X, Y) - 标准化及Project结束报告出产品出产品 (Output)(Output) 活动活动 (Activity)(Activity). Improve. Improve阶段概要阶段概要N N N

306、N 找出改善方案 树立改善活动计划 展开改善活动 找出并适用最适条件 找出Vital Few的最适条件 适用于试验工序上 验证改善结果 - 确认再现性 - 掌握工序能力 Vital Few的最适条件 改善后, 工序能力指数 投产适用计划ControlControlY Y Y Y* : Improve 是是? 是指是指, 利用在分析阶段的许多潜在的印数利用在分析阶段的许多潜在的印数(Trivial Many)上找出的上找出的主因数主因数(Vital Few), 执行选定对执行选定对CTQ的的最适条件最适条件的活动的活动. . 进行进行Process 活动内容活动内容活动内容活动内容执行方法执行方

307、法执行方法执行方法执行步骤执行步骤执行步骤执行步骤找出主因数找出主因数 分散分析分散分析(ANOVA) 因数布置法因数布置法 - 部分实施法(FFD) - Plackett-BurmanAnalysis确认主因数效果确认主因数效果确认最适领域确认最适领域Improvement选定最适条件选定最适条件 因数布置法因数布置法 - 部分布置法(FFD) - 完全布置法(2n FD) - General Full FD 最大倾斜法最大倾斜法 移动经路移动经路 再现试验再现试验 反应表面分析反应表面分析(RSM) - Central Composite Design - Box-Behnken Desi

308、gn - 再现性(验证) 试验 . Improve. Improve Flow Flow* : (Design of Experiment)(Design of Experiment) 是是 - 试验内包括的主因数及因数水平,反应值的选择, 现情况下最适当的试验计划, 试验顺序决定 - 对试验实施后所求的结果的统计性分析方法选定 等等, , 如怎样设计怎样分析结果的话如怎样设计怎样分析结果的话, , 找出找出通过最小的试验通过最小的试验 而取得所愿的最大的信息而取得所愿的最大的信息 的体系性接近方法的体系性接近方法.1. 1. 试验计划法的基本概要试验计划法的基本概要 试验计划法的活用目的试验

309、计划法的活用目的工序或工序或SystemSystem的型号的型号 - 何种变数对反应值Y的影响最大?- 如合于要求Y值的特定值的话,怎样设置X值?- 为最小化控制不了的印数,怎样设置X值?ProcessProcessInputsInputs OutputsOutputs 控制因数控制不了的印数XX1 X2 XnZ1 Z2 ZqY. . * : 2. 2. 试验计划的进行顺序试验计划的进行顺序进行步骤进行步骤进行内容进行内容与主题有关的事项与主题有关的事项备注备注1. 1. 设定试验目的设定试验目的 明确设定通过试验而要取得的目的.目的不明确的话, 找不容易最适的试验及分析方法. CTQ的最适化

310、 (最小, 最大, Target)DefineDefineAnalyzeAnalyze2. 2. 选择特定值选择特定值以与试验目的达成直接连接的试验的反应值选择为特性值.并所选择的特性值佳的时候显出的Side Effect也选择为特性值. CTQ Side EffectDefineDefineAnalyzeAnalyze3. 3. 决定因数及决定因数及 水平水平 在与特性值有关的因数中, 选择影响大的因数.选择试验者关心而因数可变的水平值. 潜在性因数 主因数(Vital Few)AnalyzeAnalyze4. 4. 试验布置及试验布置及 Random Random化化决定怎样组合因数的水平

311、而实施试验.决定为断绝外部因数的影响怎样进行Random化. FFD / FD, CCD, BBD Block化,Random化AnalyzeAnalyzeImproveImprove Analyze限于 Screening 试验上5. 5. 试验实施试验实施制定对试验方法的工作标准后, 按Random化的步骤而实施.从头到尾彻底管理试验是否按计划进行. 试验环境 管理6. 6. 数据分析数据分析决定将试验数据哟用何种统计的方法怎样分析.首先Grape化, 掌握其变动情况后, 选择适当的统计性方法. 假说验证, 分散分析 相关分析, 回归分析7. 7. 分析结果解释分析结果解释 及措施及措施考

312、虑试验的目的及假定, 找出具有技术性的结论. 以结果解释为基本, 进行下一步试验或者再现试验,采取标准作业的改正等的措施. 下一步试验阶段 找出最适条件 再现(验证)试验. . 试验计划法的概要试验计划法的概要* : 进行试验计划法时留意事项进行试验计划法时留意事项 选择时，以特性值由于因数水平的范围可带来充分的差异的范围选择为其水平。选择时，以特性值由于因数水平的范围可带来充分的差异的范围选择为其水平。 所选定的因数的范围窄，几乎没影响的时候，可能误判为那不是主要因数。 最好包括现在使用的因数的水平，最好包括现在使用的因数的水平， 必须包括预想为最适水平的水平必须包括预想为最适水平的水平。

313、水平数，水平数， 一般2 5个最适当，最多不要过6个水平。选择为最适水平的条件，有时可能发生与实际使用条件不合适的情况， 选择水平时，应不要选择实际可能水平以上的情况。选择水平时，应不要选择实际可能水平以上的情况。 与与与与特特特特性性性性值值值值有有有有关关关关的的的的因因因因数数数数，全全全全选选选选择择择择为为为为原原原原则则则则。 但选择过分的因数的数量时，可能试验的程度(Precision)会降低，并且投入费用会增大。因此在可打成试验的目的的范围内，要选择最小的因数因此在可打成试验的目的的范围内，要选择最小的因数因此在可打成试验的目的的范围内，要选择最小的因数因此在可打成试验的目的的

314、范围内，要选择最小的因数。 (事先验证过程以及技术性考察) 以相关关系认错为因果关系，选择错因数的时候以相关关系认错为因果关系，选择错因数的时候, 要充分考虑不包括主要因数的情形等。不包括主要因数的情形等。 因数水平的选择因数水平的选择 试验因数的选择试验因数的选择 .试验计划法的概要试验计划法的概要* : 分析数据之前， 要研讨数据是否在正常管理状态下取得的、测定的变动是多少、误差是否等分散。要研讨数据是否在正常管理状态下取得的、测定的变动是多少、误差是否等分散。没得到数据或者判断为异常值而用不了时发生的缺测值分析之前采取适当的措施（追加试验、对缺测值的推定等）缺测值分析之前采取适当的措施（

315、追加试验、对缺测值的推定等）. 试验结果的解释在试验上赋予的条件下找出结论。试验结果的解释在试验上赋予的条件下找出结论。 对所办理的因数的结论是在其因数范围内得到的，超过其范围的话， 不能得到任何结论.结果分析以及解释结果分析以及解释 制定对试验方法的工作标准，充分熟知其标准后实施其试验，制定对试验方法的工作标准，充分熟知其标准后实施其试验， 应充分管理。 实施试验之前，准备数据实施试验之前，准备数据SheetSheet ，可能的话，应纪录有关的一切内容。可能的话，应纪录有关的一切内容。 (Data Resume)测定后， Sample按照分析结果， 有可能重新调查其有可能重新调查其Sampl

316、eSample ，要保管.试验的实施试验的实施.试验计划法的概要试验计划法的概要* : 3. 3. 试验计划法的基本原则试验计划法的基本原则 随机化随机化(Randomization) -由于所选定的试验因数以外的其它原因，为防止影响到试验结果的方案 (试验步骤地随机化)-完全随机化不容易的时候实施限制随机化. (ex, 要变更一个因数水平，需要长时间和高费用) -在不容易随机化的试验上，得到任何结论的时候，该注意。 为提高试验的水平、制订容易分析的试验计划，所需的基本原理是 随机化(Randomization), 块形化(Blocking), 正交化(Orthogonality), 交叉(C

317、onfounding), 反复(Replication)。 xxxxxxxxxxxxYTime1Day2Day3DayLevel 1Level 2Level 3 防止影响外部因数 (ex, 日期).试验计划法的概要试验计划法的概要* : 正交化( (OrthogonalityOrthogonality) ) -正交化是指，在试验上，独立布置各因数(Main & Interaction)，使对特定因数应无影响别的因数。-计划试验时，使因数之间共有正交性而求数据的话，如同一试验次数，可以得到对因数的效果的检出力更佳的验证，并得到程度更高的追定。-数学上正交性是指，个别因数的程度的合是”0”, 乘两

318、个因数的程度的合是 “0”. RunABCABACBC1- 1- 1- 1+1+1+12+1- 1- 1- 1- 1+13- 1+1- 1- 1+1- 14+1+1- 1+1- 1- 15- 1- 1+1+1- 1- 16+1- 1+1- 1+1- 17- 1+1+1- 1- 1+18+1+1+1+1+1+1Sum000000 确认正交排列表(23)的数学上的正交性 块形化(Blocking) (Blocking) -可能的话，试验环境均一分开为几个模形(Block)， 以后要调查模形(Block)内的各因数的影响。-全体试验以时间、空间分割而作模形(Block)的话，各模形(Block)内的

319、试验环境均一，因此可以得到更佳的试验结果。-在试验计划法上，模形(Block)适用为一个因数，其效果另外分离，总变动除外模形(Block)之间的变动，剩的就是模形(Block)内的纯粹变动. RunABCABACBCABC1- 1- 1- 1+1+1+1- 12+1- 1- 1- 1- 1+1+13- 1+1- 1- 1+1- 1+14+1+1- 1+1- 1- 1- 15- 1- 1+1+1- 1- 1+16+1- 1+1- 1+1- 1- 17- 1+1+1- 1- 1+1- 18+1+1+1+1+1+1+1设备号机1号机2号机2号机1号机2号机1号机1号机2号机 8回 Run按装备号机(

320、1, 2号机)BlockingABC3个因数的交互作用的效果交叉各装备号机的效果，从而不影响装备号机，可以求因数效果。.试验计划法的概要试验计划法的概要* : 反复反复 (Replication) (Replication) -在各水平的组合上，比进行1次试验，可能的话，反复进行2次以上，可以提高试验结果的可靠性。-反复进行，可以提高误差项目的自由度，误差分散的程度也会好，因此可以提高试验结果的可靠性。 交叉交叉 (Confounding) (Confounding) -交叉是指，不有意的两个因数的交互作用或者高差的交互作用上布置模形(Block)或另外因数，从而可减少试验数的方法。(交叉的因

321、数效果与个别效果不能分离)-一般来说， 3次以上的交互作用几乎没有有意的情况，实施交叉法时，可以提高全体试验的效率。-交叉法有完全交叉和部分交叉。每反复完全交叉时，与同一因数交叉，每反复部分交叉时，与另外因数交叉。 反复进行2次22(A, B因数)试验 22(A, B因数)试验AB 交互作用上布置C因数RunABAB = C1- 1- 1+ 12+1- 1- 13- 1+1- 14+1+1+ 15- 1- 1+16+1- 1- 17- 1+1- 18+1+1+1ABACBC+1- 1- 1- 1- 1+1- 1+1- 1+1+1+ 1+1- 1- 1- 1+1- 1- 1- 1+1+1+1+1

322、C = ABA = BCB = AC同 一 试 验追 加 4次(反 复 )的 话 ，所 有 因 数是正交RunABAB1- 1- 1+ 12+1- 1- 13- 1+1- 14+1+1+ 1RunABAB5- 1- 1+ 16+1- 1- 17- 1+1- 18+1+1+ 1虽反复实施同一试验条件，全体试验顺序随机化.试验计划法的概要试验计划法的概要* : 4. 4. 试验计划法的分类试验计划法的分类试验计划法试验计划法因数布置法因数布置法反应表面反应表面混合物试验混合物试验DAGUCHI试验试验完全布置完全布置部分布置部分布置中心合成计划法中心合成计划法Box-BehnkenSimplex计

323、划法计划法交点计划法交点计划法Description 在因数之间的所有水平组合上实施试验，试验顺序随机决定。 不求不需要的交互作用或高差的交互作用，试验因数的水平组合中的一部分。 是增加因数的水平数(5个)而为求曲线回归模型而进行的试验。 因子的水平数以3个固定而为求曲线回归模型的试验。 在Simplex的所有领域上均一布置试验点的方法。(考虑成分的一切组合)在Simplex的限制领域上布置试验点的方法。 以SN比为主生产的产品，Process刚性设计 (刚性, Robustness : 稳定性, 迟钝性)内内外侧设计外侧设计.试验计划法的概要试验计划法的概要* : 序贯性试验序贯性试验序贯试

324、验(Sequential Experiment)是指，通过部分试验(Screening DOE)掌握主要因数(Factor)， 以主要因数为主，移动试验领域而进行完全因数试验后，找出反应变数改善的方向的试验。 反复进行此过程，结果达到包括最适工序条件的领域时，通过最适化试验而找出最适条件。 707560504032Region of operabilityRegion of operabilityAB 序贯性试验进行顺序序贯性试验进行顺序 1. 部分布置法或者完全因数布置法实施 - 反应值(Y)与因数 (Xs)是线性关系 - 找出主要因数，掌握线性效果2. 布置因数或者反复试验倾斜方向 - 设

325、定最大倾斜方向以及试验再现性 3. 实施完全因数布置或者实施包括中心点的因数布置。 - 确认有无曲线效果4. 实施反应表面试验计划 - 反应值(Y)与因数(Xs)是非线性关系 - 找出最适条件，掌握线性效果.试验计划法的概要试验计划法的概要* : 是因数数为 n、各因数的水平数为 K的试验计划法， 在所有因数间的水平组合上进行试验的试验计划。Kn 因数布置上广泛使用2水平 / 3水平系，但3水平系因数布置是一般为找出最适值而使用的。1. 21. 2水平完全布置的理解水平完全布置的理解 K Kn n 因数布置法因数布置法( (K Kn n Factorial Design) Factorial

326、Design)是因数数为 n、各因数的水平数为2的试验计划法， 对n个的独立变数(X)，实施各个2水平的试验而要掌握各独立变数的影响度时使用的。 2 2n n 完全布置法完全布置法 (2(2n n Full Factorial Design) Full Factorial Design) 2 2 水平完全布置的表示水平完全布置的表示2 2n n=?=?表示试验次数说明备注2 22 242水平因数是2个的情况2n本身意味试验次数， 因数每增加一个时，总试验次数增加2倍。2 23 382水平因数是3个的情况2 24 4162水平因数是4个的情况2 2n n2n2水平因数是n个的情况 2 : 所有因

327、数的水平数 n : 布置在试验上的因数数? : 总试验次数 2 2n n 试验布置的意义试验布置的意义. . 因数布置法因数布置法* : 2 2n n 试验布置的正交排列表试验布置的正交排列表因数布置因数布置 试验试验RunRun因数因数ABCDEFG2 22 21-1-1-1-1-1-1-12+1-1-1-1-1-1-13-1+1-1-1-1-1-14+1+1-1-1-1-1-12 23 35-1-1+1-1-1-1-16+1-1+1-1-1-1-17-1+1+1-1-1-1-18+1+1+1-1-1-1-12 24 49-1-1-1+1-1-1-110+1-1-1+1-1-1-111-1+

328、1-1+1-1-1-112+1+1-1+1-1-1-113-1-1+1+1-1-1-114+1-1+1+1-1-1-115-1+1+1+1-1-1-116+1+1+1+1-1-1-12 25 5+1+1-1-1-1-132+1+1+1+12 26 6+1+1-1-164+1+1+1+1+12 27 7+1+1128+1+1+1+1+1+1 2 2n n 试验布置的试验布置的Cube PlotCube Plot 22 完全因数布置 23 完全因数布置 24完全因数布置 25完全因数布置ABACBDABCEABCD. . 因数布置法因数布置法* : 2. 22. 22 2 (2(2因数因数 2 2

329、水平水平) ) 完全布置完全布置 2 22 2 完全布置的特征完全布置的特征22 完全布置法，各因数A和B各各具有两个水平， 在2因数的所有水平组合的总4个的试验点实施试验。 数据的构造式数据的构造式Y Yij ij = + = + a ai i + + b bj j + ( + (ab)ab)ij ij + + e eij ij 2 22 2 正交排列表正交排列表Std Std OrderOrderA AB BABAB1-1-1+12+1-1-13-1+1-14+1+1+1 2 22 2 完全布置试验点完全布置试验点B BA A-1+1-1+1-22 完全布置上有反复试验时，从试验结果各各可

330、以求因数A、 B的主效果和交互作用AB的效果，并且可以得到对各各的因数效果的有意性验证。-如没有反复试验时，不能求误差， 因此以交互作用AB的效果为误差而要掌握个别因数的有意性。 y yij ij An Observation (观测数据) Overall Average (全体平均) a ai i A Factor Effect (A因数效果) b bj j B Factor Effect (B因数效果) ( (ab)ab)ij ij Interaction (AB 交互作用效果)e eij ij Error (误差). . 因数布置法因数布置法* : StdStdOrderOrderCrO

331、xCrOxPowerPowerCrCrPowerPowerCrOxCrOx * Cr * Cr反射率反射率1-1-1+19.89.82+1-1-110.910.93-1+1-17.47.44+1+1+18.18.1 2 22 2 完全布置的例题完全布置的例题5-1-1+110.210.26+1-1-110.410.47-1+1-17.87.88+1+1+18.28.2反复CrCrCrOxCrOx-1+1-1+19.810.210.910.47.47.88.18.2问题定义问题定义 : 要确认随着CrOx 及 Cr成膜的Thickness变更而影响到反射率的程度。 试验布置试验布置 : - 反应

332、值 : 反射率 - 因数及水平 : CrOx Power (Low : 37.2 High : 39.2), Cr Power (Low : 7.2 High : 8.7) 试验布置及结果数据试验布置及结果数据.因数布置法因数布置法* : StdStdOrderOrderCrOxCrOxPowerPowerCrCrPowerPowerCrOxCrOx * Cr * Cr 反射率反射率1-1-1+19.89.82+1-1-110.910.93-1+1-17.47.44+1+1+18.18.15-1-1+110.210.26+1-1-110.410.47-1+1-17.87.88+1+1+18.2

333、8.2 效果效果 (Effect) (Effect) 算出算出CrOxCrOxPowerPower反射率反射率-19.89.8+110.910.9-17.47.4+18.18.1-110.210.2+110.410.4-17.87.8+18.28.2CrCrPowerPower反射率反射率-19.89.8-110.910.9+17.47.4+18.18.1-110.210.2-110.410.4+17.87.8+18.28.2CrOxCrOx * Cr * Cr 反射率反射率+19.89.8-110.910.9-17.47.4+18.18.1+110.210.2-110.410.4-17.87

334、.8+18.28.2Level +1 Level +1 AverageAverageLevel -1 Level -1 AverageAverageEffectEffect- 主效果 (Main Effect)- 交互作用效果-反复 2次的 22 试验布置9.49.48.88.80.60.67.8757.87510.32510.325-2.45-2.459.0759.0759.1259.125-0.05-0.05- CrOx Power的主效果计算的例子Level +1 Average = Level +1 Average = Level -1 Average = Level -1 Avera

335、ge = Effect =Effect = (Level +1 Average) - (Level -1 (Level +1 Average) - (Level -1 Average)Average)4 44 410.9 + 8.1 + 10.4 + 8.210.9 + 8.1 + 10.4 + 8.29.8 + 7.4 + 10.2 + 7.89.8 + 7.4 + 10.2 + 7.8.因数布置法因数布置法* : Main Effect (主效果) Plot Interaction (交互作用) Plot Cube PlotCrOxCr-1+1-1+18.89.410.3257.875Cr

336、OxCr-1+1-1+17.608.1510.6510.0CrOx-1+110.010.658.157.6Cr- 1+1Interaction Plot 解释解释 各因数互相组合影响到反应值“Y”上的效果-与CrOx无关，Cr的-1水平的反射率高- 倾斜的方向不同的话，有交互作用。Main Effect Plot 个别因数影响到反应值 “Y”的效果 -CrOx和Cr影响反射率-倾斜越大，影响越大12EffectEffect = 平均 - 平均Cube Plot 解释解释 显示在因数的各组和上得到的反应值 “ Y ”的平均 -在现在的试验领域内，CrOx= +1, Cr=-1水平的反射率为10.

337、65.因数布置法因数布置法 曲线曲线(Graph)(Graph)分析分析* : MINIMINI 活用活用 ( (影响反射率的因数效果确认影响反射率的因数效果确认) ) Stat DOE Factorial Create Factorial Design Stat DOE Factorial Create Factorial Design 2因数 2水平 因数布置设计选择试验上包括的因数的数量 Design : 2因数 2水平 因数布置设计 随着因数数可能使用的因数布置的选择中心点试验次数选择反复次数的选择(ex, 2次)Block 区分个数选择 Factors : 输入因数的名字及水平一般设

338、计2水平因数布置时使用输入低水平，高水平的实际值.因数布置法因数布置法* : Factorial DesignFull Factorial DesignFactors: 2 Base Design: 2, 4 Runs: 8 Replicates: 2 Blocks: none Center pts (total): 0All terms are free from aliasing Options : 试验顺序的选择试验顺序的随机化适用实际DOE时，应要经常检点。 Results : 输出试验设计结果选择Session窗户上输出的试验计划的信息。 WorkSheetWorkSheet上输出的

339、试验布置上输出的试验布置输入试验结果数据选择Randomize runs时，顺序会变。按Runs顺序而进行试验。 Session窗户上显示的试验计划信息.因数布置法因数布置法* : 试验结果分析试验结果分析 曲线分析曲线分析 Stat DOE Factorial Factorial Plots Stat DOE Factorial Factorial Plots选择实施曲线分析的基本数据 - Data Means : 利用实际数据的平均- Fitted Means : 利用与回归模型一致(Fit) 的数据的平均选择制订曲线的因数 Main Effect (主效果) Plot Setup Int

340、eraction (交互作用) Plot Setup Cube Plot Setup Setup: 选择曲线上包括的因数和反应值.因数布置法因数布置法* : Main Effect (主效果) Plot Interaction (交互作用) Plot Cube Plot Main Effect Plot Main Effect Plot 解释解释主效果曲线上，倾斜越大，效果更大.- 增加CrOx的话，Y会增加- 增加Cr的话，Y会减少 Interaction Plot Interaction Plot 解释解释 Y轴是反应值，X轴和2个 Bar是因数的水平-没有交互作用时，2个线是平行线-倾斜

341、越交叉，交互作用更大. Cube Plot Cube Plot 解释解释Cube Plot 分析DOE时，确认最适反应值的水平组合， Cube Plot很有用。 - 通过Cube Plot， 可以知道在CrOx 39.2水平、Cr 7.2水平上最高的10.65的反射率显示出来 曲线分析结果解释曲线分析结果解释.因数布置法因数布置法* : 试验结果分析试验结果分析 统计性分析统计性分析 Stat DOE Factorial Analyze Factorial Design Stat DOE Factorial Analyze Factorial Design Terms. : 选择应要分析的因数

342、为分析被选择的因数选择因数的差数选择反应值储存的Column Graphs : 输出效果及差异分析上 需要的曲线。 Results : 选择Session窗住处的追 加信息 Storage : 选择Worksheet上要储存的统计量.因数布置法因数布置法* : Fractional Factorial Fit: 反射率反射率 versus CrOx, CrEstimated Effects and Coefficients for 反射率 (coded units)Term Effect Coef SE Coef T PConstant 9.100 0.09520 95.59 0.000CrO

343、x 0.600 0.300 0.09520 3.15 0.034Cr -2.450 -1.225 0.09520 -12.87 0.000CrOx*Cr -0.050 -0.025 0.09520 -0.26 0.806Analysis of Variance for 反射率 (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 2 12.7250 12.7250 6.36250 87.76 0.0002-Way Interactions 1 0.0050 0.0050 0.00500 0.07 0.806Residual Er

344、ror 4 0.2900 0.2900 0.07250 Pure Error 4 0.2900 0.2900 0.07250Total 7 13.0200Estimated Coefficients for 反射率 using data in uncoded unitsTerm CoefConstant 0.5020 CrOx 0.56500Cr -0.36000CrOx*Cr -0.033333 统计性分析结果解释统计性分析结果解释(Session(Session窗窗) ) 实施对因数效果的t-test，判断与反应 值有意的因数。- CrOx, Cr效果有有意, - CrOx*Cr 效果无有

345、意. 通过分散分析，判断1次效果、2次效果的有意性 - 主效果有有意， - 但交互作用无有意。显 示 因 数 的 水 平 不 能 线 性 变 换 (Coded) 时的回归系数. - Coded是指实际因数水平 (-1, +1)变换为线性变换。.因数布置法因数布置法* : 3. 3. 一般性一般性(General)(General)完全布置完全布置- 布置3水平因数、4水平因数(3n, 4n, )以上的多水平因数的试验时， 在所有因数水平组合上执行试验时使用.- 2水平、3水平、4水平等一起包括在试验上而在所有因数水平组合上执行试， 并且要掌握各印数的效果时使用. 一般性完全布置的执行目的一般性

346、完全布置的执行目的一般性完全布置活用例题一般性完全布置活用例题 问问题题定定义义 : 为生产标准，要调查温度和触媒量影响产品的手率的程度。被考虑的因数的水平是温度2水平、触媒3水平。试验随机进行，在各水平组合上反复进行2次。 Std OrderTempCatalyst反射率1900.841412901.162623901.4323241300.8525251301.1676761301.460607900.832328901.154549901.44242101300.86161111301.17272121301.46464 2 21 1331 1 试验布置试验布置( (反复反复2 2次次)

347、 ) 试验布置试验布置 : - 反应值 : 收率(Yield) - 因 数 : 温度(Low :90, High : 130), 触媒(Low : 0.8%, Middle : 1.1%, High : 1.4%).因数布置法因数布置法* : 因数布置选定因数布置选定: Stat DOE Factorial Create : Stat DOE Factorial Create Design: 输入因数的水平数是设计互相不同水平的因数被包括的试验时选择的. MINI TABMINI TAB活用活用( (确认影响收率的因数确认影响收率的因数) ) Factors: 输入因数的实际水平选择试验的反复

348、次数输入因数名及水平数隔一栏输入因数的实际水平值。 WorkSheetWorkSheet上输出的试验布置上输出的试验布置.因数布置法因数布置法* : Setup: 选择要包括在主效果及交互作用曲线上的因数因数选择 试验结果分析试验结果分析 曲线分析曲线分析 Stat DOE Factorial Factorial Plots Stat DOE Factorial Factorial Plots Main Effect(主效果) Plot Interaction(交互作用) Plot Main Effect Plot Main Effect Plot 解释解释可以确认随着温度和触媒的变化而收率怎

349、样影响。 Interaction Plot Interaction Plot 解释解释判断温度和触媒的交互作用的存在与否很难，因此实施统计性验证而最终判断。.因数布置法因数布置法* : 试验结果分析试验结果分析 统计性分析统计性分析 Stat DOE Factorial Analyze Factorial Stat DOE Factorial Analyze Factorial Terms : 选择分析上要包括的因数Graph Contour PlotGraph Contour Plot最适方向 通过Contour Plot，可以得到此后试验方向.为分析而选择的因数选择因数的差数选择反应值储存

350、的Column Contour Plot : Contour Plot : 确认此后试验方向确认此后试验方向.因数布置法因数布置法* : General Linear Model: Yield versus Temp, CatalystFactor Type Levels Values Temp fixed 2 90 130Catalyst fixed 3 0.8 1.1 1.4Analysis of Variance for Yield, using Adjusted SS for TestsSource DF Seq SS Adj SS Adj MS F PTemp 1 1064.08 1

351、064.08 1064.08 34.79 0.001Catalyst 2 679.50 679.50 339.75 11.11 0.010Temp*Catalyst 2 93.17 93.17 46.58 1.52 0.292Error 6 183.50 183.50 30.58Total 11 2020.25 通过分散分析，可以知道温度和触媒的主效果有意，交互作用不有意。利用General Full Factorial实施试验时，统计性分析利用GLM执行. 统计性分析结果解释统计性分析结果解释(Session (Session 窗窗) ).因数布置法因数布置法* : - 一般来说，主效果、交

352、互作用中，3次以上的交互作用(ABC)很重要影响反应值 “Y”的情况几乎没发生。- 因此, 2水平部分布置是指，牺牲3次以上的交互作用，试验不完全布置，根据 Rule进行部分布置而减少试验的次数的方法。 部分布置的使用目的部分布置的使用目的1. 21. 2水平部分布置的理解水平部分布置的理解- 因数布置法，因数数增加时，试验的次数也无数增加。- 试验的次数增加的话，时间及Cost方面有现实性困难. 并且由于影响不期待的潜在变数，试验的程度会不好。Ex) 试验的次数，进行2天试验。 试验条件(周围环境变化、原材料Lot变更、测定者变更等)方面来说，不能说第2天与第1天一样。 部分布置的使用时期部

353、分布置的使用时期- 以最小试验Run，许多潜在少数因数(Vital Few)包括在试验上。- 考虑经济性，实施完全因数布置不可能的时候使用部分布置法。因数数因数数2 2k k试验数试验数121222243238424165253262664727128828256929512102101024潜在性潜在性Factors ( XFactors ( Xs )s )Vital FewVital Few 2 2k k 因数布置的印制数和试验数因数布置的印制数和试验数. 2. 2水平不分布置法水平不分布置法* : 1. OVERALL AVERAGE 12. MAIN EFFECTS 53. 2-FAC

354、TOR INTERACTIONS 10 (5 x 4)/2 4. 3-FACTOR INTERACTIONS 10 (5 x 4)/2 5. 4-FACTOR INTERACTIONS 56. 5-FACTOR INTERACTIONS 1 32 Runs 部分布置的概念部分布置的概念 (2(25 5 因数布置因数布置) )RunABCDEY1-1-1-1-1-12+1-1-1-1-13-1+1-1-1-14+1+1-1-1-15-1-1+1-1-16+1-1+1-1-17-1+1+1-1-18+1+1+1-1-19-1-1-1+1-110+1-1-1+1-111-1+1-1+1-112+1+

355、1-1+1-113-1-1+1+1-114+1-1+1+1-115-1+1+1+1-116+1+1+1+1-117-1-1-1-1+118+1-1-1-1+119-1+1-1-1+120+1+1-1-1+121-1-1+1-1+122+1-1+1-1+123-1+1+1-1+124+1+1+1-1+125-1-1-1+1+126+1-1-1+1+127-1+1-1+1+128+1+1-1+1+129-1-1+1+1+130+1-1+1+1+131-1+1+1+1+132+1+1+1+1+1 2 25 5 因数布置因数布置32Run32Run的评价项目的评价项目3以上的交互效果几乎没有可以减少试

356、验的次数可以减少试验的次数(Run(Run数数) ) . 2. 2水平不分布置法水平不分布置法* : 2 25-15-1部分布置部分布置: : 25 试验布置的32个Run中， 选择A*B*C*D*E = +1 的16个 RunRunRunA AB BC CD DE EABABACACADADAEAEBCBCBDBDBEBECDCDCECEDEDEY Y1+1-1-1-1-1-1-1-1-1+1+1+1+1+1+12-1+1-1-1-1-1+1+1+1-1-1-1+1+1+13-1-1+1-1-1+1-1+1+1-1+1+1-1-1+14+1+1+1-1-1+1+1-1-1+1-1-1-1-1

357、+15-1-1-1+1-1+1+1-1+1+1-1+1-1+1-16+1+1-1+1-1+1-1+1-1-1+1-1-1+1-17+1-1+1+1-1-1+1+1-1-1-1+1+1-1-18-1+1+1+1-1-1-1-1+1+1+1-1+1-1-19-1-1-1-1+1+1+1+1-1+1+1-1+1-1-110+1+1-1-1+1+1-1-1+1-1-1+1+1-1-111+1-1+1-1+1-1+1-1+1-1+1-1-1+1-112-1+1+1-1+1-1-1+1-1+1-1+1-1+1-113+1-1-1+1+1-1-1+1+1+1-1-1-1-1+114-1+1-1+1+1-1+

358、1-1-1-1+1+1-1-1+115-1-1+1+1+1+1-1-1-1-1-1-1+1+1+116+1+1+1+1+1+1+1+1+1+1+1+1+1+1+1主效果主效果(Main Effect)(Main Effect)2 2因数交互作用效果因数交互作用效果( Interaction Effect)( Interaction Effect). 2. 2水平不分布置法水平不分布置法* : 2 25-15-1 部分布置的部分布置的 Cube PlotCube Plot 2 25-15-1 部分布置的交叉构造部分布置的交叉构造A = BCDEB = ACDEC = ABDED = ABCEE

359、= ABCDAB = CDEAC = BDEAD = BCEAE = BCDBC = ADEBD = ACEBE = ACDCD = ABECE = ABDDE = ABC 主效果主效果 : 4因数交互作用及交叉 2 2因数交互作用因数交互作用 :与3因数的交互作用交叉 A的效果实际上是A 主效果+ BCDE 交互作用效果。 AB的效果实际上是AB交互作用效果+ BCD 交互作用效果。111111A AB BC CD DE E. 2. 2水平不分布置法水平不分布置法* : Main Effect ColumnsMain Effect ColumnsCAFull FactorialInterac

360、tionsC column = AB columnB column = AC columnA column = BC column C C 因数主效果的意义因数主效果的意义- C 因数的效果 = ( 在C column的 +1 水平， “Y”平均) - ( 在C column的 1 水平 “Y” 平均)- C column与 AB column同一，C主效果与AB交互作用也同 一。 发生此种结果时，说其效果为ConfoundConfound 或 交叉交叉 - 即, 评价C主效果，实际上就是C+ AB的评价。RunABAB 1-1-1+12+1-1-13-1+1-14+1+1+1ABACBCAB

361、C+1-1-1+1-1-1+1+1-1+1-1+1+1+1+ 1+1 交叉交叉(Confounding)(Confounding)的意义的意义) 具有4个Run的23-1 部分布置 : 可以选择在23 完全布置上，有关因数实施乘法而为 “+” 或 “-”的4个 Run.Interaction ColumnsInteraction Columns RespRespC+1-1-1+1Y Confounding ColumnConfounding Column 2 23-13-1 部分布置的部分布置的Cube PlotCube PlotB. 2. 2水平不分布置法水平不分布置法2. 2. 部分布置的

362、主要概念部分布置的主要概念* : 直交的2n-k 部分布置法填补n次原的几何学性空间、通过 Projection(投射)方法可能确认。2n-k 部分布置上有k个的不有意的因数的话，通过Projection，与2n完全布置同一可能分析。 2 2 3-13-1 部分布置部分布置 Cube PlotCube Plot的例子的例子 - 试验空间的对称性填满 - Cube的所有面上有2个Run(Point). - 4个Point互相独立化。 - 4个Point填补3次原的几何学性空间. 3个变数中，如一个因数也不是有意的因数的话，可以剩余的2个因数可以形成22 完全布置法的试验。 ProjectionP

363、rojection的意义的意义ABCB因数无视ACC因数无视A 因数无视ABCB 2 2 3-13-1 部分布置的部分布置的 ProjectionProjection. 2. 2水平不分布置法水平不分布置法* : 25 完全布置的32个Run中，选择16个Run( A, B, C, D, E的组合)更重要。ABCED = -1 OR OR ABCDE = +1被选择的Run中一个Run，使其与主效果和2因数交互作用正交而布置. 结论来数，因数间互相有独立性，对试验结果的再现性高, 与主效果和2因数交互作用会经常与高差的交互作用交叉. 活用部分布置活用部分布置時時的注意事项的注意事项一般3次以上

364、的交互作用没有有意，2次的交互作用影响 “Y”，故而减少试验次数而 Screening Screening 因因数数的的时时候候, , 使使2 2次次的的交交互互作用不交叉比较好作用不交叉比较好. 有较多的交叉时，比如，27-4 试验布置只可能掌握主效果。这种试验布置为得到对下次试验的概括的信息而主要使用。那怎么知道2次的交互作用是否交叉？通过Minitab窗，可以知道其交叉的构造。 如任意选择16个Run，正交性不顺利，因数间的独立性不成，因此对试验结果的分析不容易。 . 2. 2水平不分布置法水平不分布置法* : Fractional Factorial Design Factors: 5

365、 Base Design: 5, 16 Resolution: V Runs: 16 Replicates: 1 Fraction: 1/2 Blocks: none Center pts (total): 0 Design Generators: E = ABCD Alias Structure I + ABCDE A + BCDE B + ACDE C + ABDE D + ABCE E + ABCD AB + CDE AC + BDE AD + BCE AE + BCD BC + ADE BD + ACE BE + ACD CD + ABE CE + ABD DE + ABC主效果与4因

366、数交互作用交叉2因数交互作与3因数交互作用交叉 试验设计后的试验设计后的SessionSession窗窗 (Minitab)(Minitab) 清晰度(Resolution)是指 : 因数效果的分析能力，清晰度越来越高，可以得到更多的独立性效果。Resolution说明因数效果Resolution 主效果之间没交叉，但所有主效果与2因数交互作用有交叉关系，2因数交互作用之间也可以交叉。只掌握主效果(无视2因数交互作用以上)Resolution 主效果之间、主效果与2因数交互作用没交叉，因数交互作用是互相交叉关系.主效果 + 部分2因数交互作用(无视部分2因数交互作用以上)Resolution

367、主效果、2因数交互作用与另外主效果或者2因数交互作用没交叉，但2因数交互作用与3因数交互作用有交叉关系。主效果+ 2因数交互作用(无视3因数交互作用以上) 清晰度清晰度(Resolution)(Resolution)及交叉构造及交叉构造. 2. 2水平不分布置法水平不分布置法* : 交叉构造确认例题交叉构造确认例题以？关系 I = ABCD来交叉后，在2因数设计上只试验. 求？关系, 掌握清晰度.I = ABCD A = BCD B = ACD C = ABD D = ABC AB = CD AC = BD AD = BC Resolution Resolution 设计设计 按照清晰度的部分

368、布置按照清晰度的部分布置 (Minitab)(Minitab) - 在MinitabMinitab上上支援按照因数和试验次数(Runs)的清晰度。 - Stat DOE Factorial Display Available Designs. 2. 2水平不分布置法水平不分布置法* : 2 2水平部分布置例题水平部分布置例题 问问题题定定义义 : 如假定会影响产品的收率的因数是流入量、温度、压力、浓度、旋转数时，要确认其中哪一个因数影响收率，利用25-1 部分布置法，实施试验. (找出Vital Few ) : - 反应值 : 收率(Yield) - 因 数 : 流入量(Low : 10, H

369、igh : 15), 触媒(Low : 1, High : 2), 旋转数(Low : 100, High : 120), 温度(Low : 140, High : 180), 浓度(Low : 3, High : 6) Stat DOE Factorial Create Stat DOE Factorial Create Design MinitabMinitab活用活用( (确认影响收率的因数确认影响收率的因数) ) 利用5个因数的试验计划中选择2 5-1 . 2. 2水平不分布置法水平不分布置法 Factors* : Factorial DesignFractional Factoria

370、l DesignFactors: 5 Base Design: 5, 16 Resolution: VRuns: 16 Replicates: 1 Fraction: Blocks: none Center pts (total): 0Design Generators: E = ABCD Alias StructureI + ABCDEA + BCDEB + ACDEC + ABDED + ABCEE + ABCDAB + CDEAC + BDEAD + BCEAE + BCDBC + ADEBD + ACEBE + ACDCD + ABECE + ABDDE + ABC 显示在显示在Ses

371、sionSession窗上的试验计划的信息窗上的试验计划的信息说明2 5-1 部分布置的交叉关系输入试验结果数据 WorkSheetWorkSheet上输出的试验布置上输出的试验布置. 2. 2水平不分布置法水平不分布置法表示2 5-1 部分布置的清晰度和部分实施程度.* : Setup: 选择包括在曲线上的因数及反应值 试验结果分析试验结果分析 曲线分析曲线分析 Stat DOE Factorial Factorial Plots Stat DOE Factorial Factorial Plots 选择要制订的曲线选择要制订曲线的印数 Main Effect(主效果) Plot Setup

372、 Interaction (交互作用) Plot Setup Cube Plot Setup. 2. 2水平不分布置法水平不分布置法* : Main Effect (主效果) Plot 曲线分析结果解释曲线分析结果解释 Cube Plot Interaction (交互作用) Plot -Main EffectMain Effect : 可以判断触媒、温度、浓度有有意。 -InteractionInteraction : 可以判断触媒和温度之间、温度和浓度之间有交互作用。 -Cube Cube PlotPlot : 在试验领域内，流入量=15, 触媒=2, 旋转数 =100, 温度=180,

373、浓度=3 时 ，以Y = 95为最适值。-为下正确的判断，要确认统计性分析结果。. 2. 2水平不分布置法水平不分布置法* : 试验结果分析试验结果分析 统计性分析统计性分析 Stat DOE Factorial Analyze Factorial Stat DOE Factorial Analyze Factorial Terms : 选择包括在分析上的因数。 Effect Pareto Chart : 确认有意的因数 Graphs : 输出效果及？分析上必要的曲线。选择使用在分析上要使用的反应值选择包括在分析上的因数效果制订对因数效果的Pareto Chart以有意的因数效果，可以判断。.

374、 2. 2水平不分布置法水平不分布置法* : 统计性分析结果解释统计性分析结果解释(Session (Session 窗窗) )Fractional Factorial Fit: Yield versus feedrate, catalyst, .Estimated Effects and Coefficients for Yield (coded units)Term Effect Coef SE Coef T PConstant 65.250 0.6356 102.66 0.000feedrate -2.000 -1.000 0.6356 -1.57 0.160catalyst 20.50

375、0 10.250 0.6356 16.13 0.000agitatio 0.000 0.000 0.6356 0.00 1.000temp 12.250 6.125 0.6356 9.64 0.000concent -6.250 -3.125 0.6356 -4.92 0.002feedrate*catalyst 1.500 0.750 0.6356 1.18 0.277catalyst*temp 10.750 5.375 0.6356 8.46 0.000temp*concent -9.500 -4.750 0.6356 -7.47 0.000Analysis of Variance for

376、 Yield (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 5 2453.50 2453.50 490.700 75.91 0.0002-Way Interactions 3 832.25 832.25 277.417 42.92 0.000Residual Error 7 45.25 45.25 6.464Total 15 3331.00Unusual Observations for Yield Obs Yield Fit SE Fit Residual St Resid 9 69.0000 65.3750 1.90

377、69 3.6250 2.16R R denotes an observation with a large standardized residual实施对因数效果的t-test，判断与反应值有意的因数。 - 触媒、温度、浓度有意 - 触媒和温度、温度和浓度的交互作用效果又有意。 通过分散分析，判断1次效果、2次效果的有意性 - 可以知道主效果和交互作用效果都有意。. 2. 2水平不分布置法水平不分布置法* : 最最大大倾倾斜斜方方向向决决定定 : 利用所求得1次回归模型，求将反应值最适化的最大倾斜经路。-通过轴次性试验，移动到所愿(最大、最小)反应值出来的方向，而找因数的最适水平的方法， 一

378、般利用2n 因数布置或部分布置的结果而找出的1次回归模形.- 最大倾斜法的使用目的在于，通过最小试验，移动到预想有最适条件的领域。 最大倾斜法的使用目的最大倾斜法的使用目的 初期试验布置初期试验布置 : 利用2水平因数布置和部分布置， 求1次回归模型. 最最适适条条件件确确认认试试验验 : 跟着最大倾斜经路而求最适反应值的话，进行第二试验计划。为掌握曲率效果，要包括中心点。 最大倾斜方向试验最大倾斜方向试验 : 跟着最大倾斜经路，通过反复试验与预测值比较起来。 最大倾斜法的概念图最大倾斜法的概念图 最大倾斜法进行步骤最大倾斜法进行步骤Y = 10Y = 20Y = 30AB 找找出出最最适适条

379、条件件 : 通过中心点试验，判断2次模型最适，通过反应表面试验而求最适。1. 1. 最大倾斜法的基本概念最大倾斜法的基本概念. . 最大倾斜法最大倾斜法* : 线性变换的例子； 因数数 n = 2 ，考虑温度(x1)和反应时间(x2)时 利用从线性变换的因数水平求的回归系数而求此后试验点时，变换为实际因数的水平。 对回归模形系数的理解对回归模形系数的理解 试验计划上所求得回归系数是，使所有有关因数的水平为有趣的领域(-1, +1)而线性变换的结果。+10-1-10+140min30min150 F160 F Coded Factor Level 2 (原来水平 水平值的平均)范围2 (30 -

380、 35)10=-1010=-1=.最大倾斜法最大倾斜法* : 适合的1次回归模形 : 利用所追定的回归系数而决定最大倾斜方向。最大倾斜方向最大倾斜方向 ()()Step 最大倾斜经路的算出最大倾斜经路的算出 x1的水平每增加1时，算出 x2增加的值，找出经路。 求新的试验点时，还原为原来的水平值而适用试验。 40807060500105Response15.最大倾斜法最大倾斜法* : 2. 2. 中心点包括的因数布置中心点包括的因数布置-如在2n 试验布置上包括2个以上的中心点的话，可以掌握曲率效果(反应表面的非线形性)的存在与否，可以得到误差的追定值。 -对反应表面的非线形性的追定，以对中心

381、点的反复试验结果值的平均Yc和 2n个因数试验点的结果值的平均Yf的差异(Yc Yf)来可以获得。 中心点试验的执行目的中心点试验的执行目的 中心点试验模形中心点试验模形中心点试验 中心点包括的中心点包括的2 23 3 正交布置表正交布置表StdStdOrderOrderA AB BC CY Y1-1-1-12+1-1-13-1+1-14+1+1-15-1-1+16+1-1+17-1+1+18+1+1+190001000011000 曲率效果的存在与否曲率效果的存在与否(ANOVA)(ANOVA)SScurvature : 曲率效果的平方合 : 因数试验结果的平均 : 中心点试验结果的平均nf

382、 : 因数试验次数 nc : 中心点试验次数.最大倾斜法最大倾斜法* : 最大倾斜法的例题最大倾斜法的例题- - 1 1次试验次试验 问题定义问题定义 : 调节影响新产品生产工序的收率(Yield)的因数，要达到最高收率。在反应时间=35分钟、反应温度=155F下收率=80%。 试验布置试验布置 : 中心点试验包括的22 完全布置 - 反应值(Y) : 收率(Yield) - 因数/水平 : 反应时间(Low = 30, High = 40), 反应温度(Low = 150, High = 160) MinitabMinitab活用活用( (找出最大倾斜经路找出最大倾斜经路Stat DOE F

383、actorial CreateStat DOE Factorial Create 选择在中心点要试验的次数。 Design : 选定活用在试验上的正交布置.最大倾斜法最大倾斜法* : Factors : 输入包括在试验上的因数及水平 Options : 选择试验步骤 Cube Point Center Point WorkSheetWorkSheet上上 输出的试验布置输出的试验布置.最大倾斜法最大倾斜法试验顺序的随机化适用实际DOE时经常要检测输入因数的实际水平值输入试验结果数据* : 试验结果分析试验结果分析 统计性分析统计性分析 Stat DOE Factorial Analyze Fa

384、ctorial Design Stat DOE Factorial Analyze Factorial Design选择反应值所储存的Column Terms : 选择分析上要包括的因数选择分析上要包括的因数效果 Contour Plot : Contour Plot : 确认最大倾斜方向确认最大倾斜方向 Graph Contour Plot Graph Contour Plot最大倾斜方向(直角方向).最大倾斜法最大倾斜法* : Fractional Factorial Fit: Yield versus Time, TempEstimated Effects and Coefficient

385、s for Yield (coded units)Term Effect Coef SE Coef T PConstant 80.4250 0.1037 775.69 0.000Time 1.5500 0.7750 0.1037 7.47 0.002Temp 0.6500 0.3250 0.1037 3.13 0.035Time*Temp -0.0500 -0.0250 0.1037 -0.24 0.821Ct Pt 0.0350 0.1391 0.25 0.814Analysis of Variance for Yield (coded units)Source DF Seq SS Adj

386、SS Adj MS F PMain Effects 2 2.82500 2.82500 1.41250 32.85 0.0032-Way Interactions 1 0.00250 0.00250 0.00250 0.06 0.821Curvature 1 0.00272 0.00272 0.00272 0.06 0.814Residual Error 4 0.17200 0.17200 0.04300 Pure Error 4 0.17200 0.17200 0.04300Total 8 3.00222Estimated Coefficients for Yield using data

387、in uncoded unitsTerm CoefConstant 59.5000 Time 0.310000Temp 0.100000Time*Temp -0.00100000Ct Pt 0.035000 统计性分析结果解释统计性分析结果解释(Session (Session 窗窗) ) 实施对因数效果的 t-test， 判断与反应值有意的因数。 -Time, Temp 效果只有意. 通过分散分析而判断1次效果、交互作用效果及曲率效果的有意性。 - 1次效果(Main Effect)只有以. - Curvature不有意，故而没有曲率效果。 .最大倾斜法最大倾斜法* : StepCoded

388、LevelUncoded Level试验结果(收率)TimeTempTimeTemp中心点003515580.44 10.4252.181.08 110.4240157.182.90 220.8445159.283.14 331.2650161.383.70 441.6855163.484.33 552.1060165.587.80 662.5265167.688.65 772.9470169.792.40 883.3675171.893.54 993.7880173.994.78101010104.204.208585176.0176.095.3095.3011114.6290178.194

389、.2112125.0495180.292.51 适合的1次回归模形 : Y = 80.4250 + 0.775Time + 0.325Temp 利用所追定的回归系数，决定最大倾斜方向最大倾斜方向最大倾斜方向 ()() 最大倾斜经路的算出最大倾斜经路的算出 最大倾斜方向是指，Time每增加1时，Temp增加0.42 的方向。 线性变换的因数的水还原为实际水平值。- 实际水平 : 反应时间(-1 Level = 30, +1 Level = 40 ) 反应温度 (-1 Level = 150, +1 Level = 160) 为还原实际水平值， 线性变换的 值各各乘5. Step，可以试验者任意决

390、定。 在Step 10上，以 Y = 95.30表示最大值。 以Step 10为中心点，适用因数布置。.最大倾斜法最大倾斜法* : 问题定义问题定义 : 通过最大倾斜法，求收率最大化的因数的水平。通过追加试验，确认是否最适水平的领域。 试验布置试验布置 : 中心点试验包括的22 完全布置 - 反应值(Y) : 收率(Yield) - 因数/水平 : 反应时间(Low = 80, High = 90), 反应温度(Low = 171, High = 181) 最大倾斜法例题最大倾斜法例题 2 2次试验次试验 MINI TAB MINI TAB 活用活用( (最适水平领域确认最适水平领域确认) )

391、 Contour Plot Contour Plot 制订制订: :最适水平领域确认最适水平领域确认 直线形态以最大点为中心而显示出来. WorkSheetWorkSheet上输出的试验布置上输出的试验布置.最大倾斜法最大倾斜法2次试验结果数据 * : Fractional Factorial Fit: Yield versus Time, TempEstimated Effects and Coefficients for Yield (coded units)Term Effect Coef SE Coef T PConstant 92.4750 0.1151 803.37 0.000Ti

392、me 1.2500 0.6250 0.1151 5.43 0.006Temp 0.6500 0.3250 0.1151 2.82 0.048Time*Temp -0.0500 -0.0250 0.1151 -0.22 0.839Ct Pt 2.4650 0.1544 15.96 0.000Analysis of Variance for Yield (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 2 1.9850 1.9850 0.9925 18.73 0.0092-Way Interactions 1 0.0025 0.

393、0025 0.0025 0.05 0.839Curvature 1 13.5027 13.5027 13.5027 254.77 0.000Residual Error 4 0.2120 0.2120 0.0530 Pure Error 4 0.2120 0.2120 0.0530Total 8 15.7022Estimated Coefficients for Yield using data in uncoded unitsTerm CoefConstant 55.4500 Time 0.301000Temp 0.150000Time*Temp -0.00100000Ct Pt 2.465

394、00 统计性分析结果解释统计性分析结果解释(Session (Session 窗窗) ) 实施对因数效果的 t-test， 判断与反应值有意的因数。 -Time, Temp 效果只有意 - Ct Pt也有意.通过分散分析而判断1次效果、交互作用效果及曲率效果的有意性。 - 1次效果(Main Effect)和曲率(Curvature 效果有意.结果解释结果解释 通过Contour Plot及统计性分析，1次模形不有意，具有曲线的情形，因此判断2次模形更适当 实施反应表面计划实施反应表面计划 .最大倾斜法最大倾斜法* : 1. 1. 回归分析的基本概念回归分析的基本概念回归分析是指；要改善问题时

395、，掌握变数间的相互关联性更有用。这种关联性从数据追定某数学性方程式，下所需的预测，对有关的部分实施统计性追论。 回归分析可以说，对从属变数 “Y”的独立变数 “X”的关系，跟如下模形一样，以数学性方程式合适Fitting. b0 = 常数, b1 = 倾斜度要求排列产品的代理店的面积大小和年间总销售额的回归方程式.首先考虑两个因数之间有没有相关关系？即, Floor Space越大，Annual Sales增加或减少？ 相互有/无关系，可以提供解决问题的Point。 应用例子应用例子20025030035050100150Floor SpaceAnnual Sales. . 回归回归(Regr

396、ession)(Regression)分析分析* : 总偏差(变动) = 以回归式不能说明的偏差(群内变动) + 以回归式能说明的偏差(群间变动)全体测定值以某一个数学性方程式来符合（Fitting）时，使以其Fitting 方程式不能说明的Error的变动的合为最小而决定b0和 b1. (最小平方法活用) 如以所有数据可以表现一个Fitting方程式，即，所有数据在Fitting方程式上的话，Error的变动为 “0” , 但这种情况根本不发生。总偏差的分解总偏差的分解 : : 回归模形的可靠性验证回归模形的可靠性验证 对所求的回归式的可靠性验证以如下方法来实施. (通过变动的分解而判断)总

397、偏差不能说明的偏差能说明的偏差xy( xi, yi ) Analysis of Variance Analysis of VarianceSource DF SS MS F PSource DF SS MS F PRegressionRegression 1 1.9351 1.9351 76.49 0.000Residual ErrorResidual Error 8 0.2024 0.0253Total Total 9 2.137.回归回归(Regression)(Regression)分析分析* : - 为追定变动是最小化的倾斜度, 使用从因数 “X”的最低的限制值道最高的限制值的广泛范围

398、的数据， - 搜集数据时，为减少随着时间经过的潜在变数的影响，随机设定“ X ”因数的水平而进行试验。 - 为找出潜在性Vital Few - 为追定并预想 “ Y ” - 为“ Y ” 的最适化 - 为决定在某 “ X ” 因数值上“ Y ”最适化 - 要用手动方法找出潜在性Vital Few时， - 为分析试验的结果， 用手动方法找出最终结论，可能有危险性。因此使用试验计划法比较好。 回归分析的使用目的回归分析的使用目的 为什么使用回归分析为什么使用回归分析 ? ? 何时使用回归分析法？何时使用回归分析法？ 数据搜集怎么进行数据搜集怎么进行? ? - 单纯线性回归 : 1个独立变数，一个从

399、属变数 - 多重线性回归 : 2个以上独立变数, 一个以上从属变数 - 非线性回归 : 假设独立变数和从属变数的关系是曲线。 单纯线性回归和多重线性回归，假设独立变数和从属变数的关系是直线。 回归式的种类回归式的种类Y = f(X)Y = f(X)Y : 从属变数 , X : 独立变数.回归回归(Regression)(Regression)分析分析* : 2. 2. 单纯回归分析单纯回归分析 问题定义问题定义 : 要使涂布物的干燥条件最适化。一般来说，Blower Fan的风速影响溶剂的挥发性，为掌握其关系性，进行试验，得到如下结果。求关系式。 试验结果数据试验结果数据 1 1 : : 坐标

400、图分析坐标图分析. . Graph Plot 可以判断，随着风速，溶剂的发挥性有直线的关系. .回归回归(Regression)(Regression)分析分析* : Regression Analysis: Evap versus VelocityThe regression equation isEvap = 0.134 + 0.00355 VelocityPredictor Coef SE Coef T PConstant 0.13361 0.05222 2.56 0.034Velocity 0.0035470 0.0002264 15.67 0.000S = 0.08225 R-Sq

401、= 96.8% R-Sq(adj) = 96.4%Analysis of VarianceSource DF SS MS F PRegression 1 1.6607 1.6607 245.49 0.000Residual Error 8 0.0541 0.0068Total 9 1.7148 2 2 : : 找出回归式以及验证可靠性找出回归式以及验证可靠性 Stat Regression Regression Stat Regression Regression Graphs : 残差分析上要活用的坐标图 回归分析结果回归分析结果 (Session (Session 窗窗) ) 回归式的全体

402、可靠性以R-Sq或R-Sq(adj)判断 : 最小 64% 以上 - R-Sq(adj)是独立变数为2个以上时使用的. 下一次，判断为ANOVA Table的 P值 : 归无假说是 “回归式为 0”. 最后，对各回归系数的假说验证 :归无假说是 “系数为 0” .所所Fitting 的回归式的回归式.回归回归(Regression)(Regression)分析分析* : - 残差(Residual)的平均应经常为 “0.0” . - 残差(Residual)应随正规分布. - 残差(Residual)应随机(Random)分布.ResidFit or TimeResidFitResidFit曲

403、线的形态随时间的经过的倾向一二的极限值 3 3阶段阶段 : : 对回归式假说的研讨对回归式假说的研讨( (残差分析残差分析) )残差无应有任何倾向. (有倾向性的话，可能有回归式不正确的可能性。) 对残差的假说 倾向性例子.回归回归(Regression)(Regression)分析分析* : 对正规分布假说的研讨对正规分布假说的研讨 Histogram of the Residuals Normal Probability Plot 对分散的同质性的研讨对分散的同质性的研讨 Residuals Versus The Fitted Values Residuals Versus The Ord

404、er of the Data 对数据的独立性的研讨对数据的独立性的研讨是锺形的曲线。预想它随着正规分布。几乎接近直线，随着正规分布。 正规性验证 : P-Value = 0.934Data随着时间的经过 而 Random化 的倾向残差随机（Random）分布。分布。.回归回归(Regression)(Regression)分析分析* : 4 4阶段阶段 : : 确认回归式的可靠领域确认回归式的可靠领域 Stat Regression Fitted Line Plot Stat Regression Fitted Line Plot Option : CI & PI Regression Plo

405、t Regression Plot选择回归式的可靠区间及数据可靠区间回归模形的选择Confidence BandPrediction Band- Confidence Band : 以试验Sample追定母集团，在此区间有所有数据的平均值的可能性是95%。- Prediction Band :以试验Sample追定母集团，在此区间有所有个别数据的平均值的可能性是95%。.回归回归(Regression)(Regression)分析分析* : 多多重重回回归归分分析析是指，2个以上的独立变数和1个从属变数，这种变数之间的1次函数，即假说为直线的回归分析。概念与单纯回归同一，唯一差异是使用2个以上

406、的独立变数的。X1 : 轮胎上的荷重X2 : 速度X3 : shoulder的厚度X4 : 室内温度X5 : 测定时间3. 3. 多重回归分析多重回归分析在汽车轮胎的室内行驶试验上，发生的热影响如下5个变数。求关系式。 多重回归模形多重回归模形 : :Y : 发热量 问题定义问题定义 : 从属变数从属变数 独立变数独立变数 试验结果数据试验结果数据.回归回归(Regression)(Regression)分析分析* : Regression Analysis: Y versus X1, X2, X3, X4, X5The regression equation isY = 215 + 1.21

407、 X1 + 0.494 X2 - 6.07 X3 - 0.33 X4 - 1.74 X5Predictor Coef SE Coef T PConstant 215.1 151.0 1.42 0.204X1 1.2149 0.2750 4.42 0.004X2 0.49363 0.09944 4.96 0.003X3 -6.074 4.028 -1.51 0.182X4 -0.331 2.176 -0.15 0.884X5 -1.743 2.684 -0.65 0.540S = 3.577 R-Sq = 96.1% R-Sq(adj) = 92.8%Analysis of VarianceSo

408、urce DF SS MS F PRegression 5 1882.15 376.43 29.42 0.000Residual Error 6 76.77 12.79Total 11 1958.92Source DF Seq SSX1 1 1220.08X2 1 630.12X3 1 22.16X4 1 4.38X5 1 5.40 回归分析结果回归分析结果 (Session (Session 窗窗) ) : ANOVA的 P值为0.0，回归式有意，R-Sq(adj)是92.8%，依回归式的说明力很高。有关变数包括的回归式实施对回归系数的t-test。 T值越大，对 Y的贡献度高. 以P值 ，

409、可以知道X1, X很有意。 R-Sq以SS Regression / SS Total 求.R-Sq(adj)是，回归式上变数每追加时R-Sq增加的调整值.是单纯回归分析上没有的部分，与所有变数插入而分析的如上的T值不同，在某种变数插入的条件下计算的现在变数的Sum of Squares .回归回归(Regression)(Regression)分析分析* : 非线性回归模形非线性回归模形 : :4. 4. 非线性回归分析非线性回归分析 回归分析只不是以线性成为的。因此判断曲线比直线更合适时使用非线性非线性( (曲线曲线) )回归分析回归分析.测定变化某工序的温度而处理(Treatment)后

410、的产品的强度，得到如下数据。 问题定义问题定义 : 温度100.0110.0120.0130.0140.0强度80.182.383.982.779.280.781.983.281.879.779.982.683.982.579.380.482.784.181.980.0 WorksheetWorksheet上输入数据上输入数据.回归回归(Regression)(Regression)分析分析* : 坐标图分析坐标图分析看散点图，分布的样子具有2次曲线形态。进行回归分析时，选择2次模形(Quadratic Model) 。 Stat Regression Fitted Line Plot Sta

411、t Regression Fitted Line Plot Regression Plot Regression Plot选择2次模形Graph PlotGraph Plot.回归回归(Regression)(Regression)分析分析* : Polynomial Regression Analysis: 强度强度 versus 温度温度The regression equation is 强度强度 = - 43.2257 + 2.12686 温度温度 - 0.0089286 温度温度*2 S = 0.436641 R-Sq = 93.4 % R-Sq(adj) = 92.6 %Analy

412、sis of VarianceSource DF SS MS F PRegression 2 45.6669 22.8334 119.763 0.000Error 17 3.2411 0.1907 Total 19 48.9080 Source DF Seq SS F PLinear 1 1.0240 0.385 0.543Quadratic 1 44.6429 234.155 0.000 回归分析结果回归分析结果(Session (Session 窗窗) ) ANOVA的 P值是0.0，回归式有意，R-Sq是93.4%，依回归式的说明力很高。包括到温度的2次效果的回归线R-Sq=93.4，此

413、意味曲线回归式说明93.4%的变动.Sequential sums of squares 部分.回归回归(Regression)(Regression)分析分析* : F = MSLF / MSPE = (SSLF/DFLF) / (SSPE/DFPE)Lack of fit P-value少于0.05时，此意味所追定的回归式不适合。即，适合缺乏误差比纯粹误差太大。Lack of Fit Test (适合缺乏验证)是， 判断追定独立变数和反应值的函数关系的回归模形是否适合的验证方法。Lack of Fit Test在独立变数的1个以上水平反复进行，才可能适用。 Source DF Seq SS

414、 Adj SS Adj MS F P Residual Error 7 0.5723 0.5723 0.08176 Lack-of-Fit 3 0.3603 0.3603 0.12011 2.27 0.2230.223 Pure Error 4 0.2120 0.2120 0.05300 Total 12 28.7431残差变动(SSE)可区分为纯粹误差变动(SSPE)和适合缺乏变动(SSLF). - SSPE : 在Xi 水平的5 Points之间的变动- SSLF : Xi 水平 5 Points 平均与追定值之间的变动 Lack of Fit Lack of Fit 的理解的理解 残差变

415、动残差变动(SSE)(SSE)的分解的分解lack of fitXi 水平的平均pure error所追定的回归式Xi 水平的追定值 分散分析分散分析 (ANOVA)(ANOVA) SSPE SSLF.回归回归(Regression)(Regression)分析分析* : 变数之间的相关关系解释错为因果关系时。变数之间的相关关系解释错为因果关系时。 选定错回归模形选定错回归模形(Regression Model)(Regression Model)时时 由于独立变数间的关系有影响时，由于独立变数间的关系有影响时， (在窄范围内的试验) 使用过多的独立变数而适合回归模形。使用过多的独立变数而适合

416、回归模形。 (过分的Fitting) 少数极限少数极限DataData的影响太大的时候的影响太大的时候 只以回归方程式判断所有结果时只以回归方程式判断所有结果时 (Graph化，需要确认) 活用从理论性关系式或者别的资料得到的知识。活用从理论性关系式或者别的资料得到的知识。 搜集适合的搜集适合的Data.Data. - 试验计划以正交(Orthogonal)而设计. - 广泛独立变数的范围而实施试验. - 随着时间，Random实施试验. 活用回归诊断法活用回归诊断法. . - 活用散店图(Scatter Plot)来确认. - 用Plot 确认残差(Residual). - 确认Minita

417、b上输出的异常Data. (从残差大的Data起可能确认) - 确认残差的标准偏差. (可能确认回归方程式是否适合)5. 5. 回归方程式的陷阱回归方程式的陷阱 回归分析法是强力的回归分析法是强力的ToolTool， 但有时可能不适当地适用。但有时可能不适当地适用。 不陷入不陷入RegressionRegression的陷阱的几个方法的陷阱的几个方法.回归回归(Regression)(Regression)分析分析* : 相关关系不意味因果关系相关关系不意味因果关系虽虽然然相相关关系系数数 =0.921=0.921，但但杀杀掉掉白白鹳鹳不不是是抑抑制制生生孩孩子的好手段。子的好手段。欧洲人相信

418、，白鹳飞生孩子。祝贺卡上画着白鹳用嘴衔着保孩子的笼子的画儿。白鹳和生孩子有什么关系 ?年度年度出生出生白鹳17507011017558013017599019017631202101768130240177214029017761903101780230320测定数据 散点图(Plot) 相关分析(Correlation)Correlations: Birth, StorkCorrelations: Birth, StorkPearson correlation of Birth and Stork = 0.921P-Value = 0.001.回归回归(Regression)(Regress

419、ion)分析分析* : 线性和2次式方程式线性线性2次式次式05101520253035101622283440465258647076828894100 3次式和逆函数的方程式3次式次式逆函数逆函数CubicReciprocal05101520253035101622283440465258647076828894100 Data : X XY Y1030.52016.8507.91004.8选定模型选定模型回归式回归式R-SqR-Sq直线式y = 25.8 - 0.241 xr2 = 0.85曲线式(2次)y = 36.1 - 0.881 x + 0.0057 x2 r2 = 0.97曲线

420、式(3次)y = 52.3 - 2.64 x + 0.0484 x2 - 0.000268 x3 r2 = 1.0正确 Modely = 2.17 + 285 (1/x)r2 = 0.9997 选定错回归模形选定错回归模形(Model)(Model)时时.回归回归(Regression)(Regression)分析分析* : 回归方程式: % ontime = 77.9 - 0.08 V + 0.50 T 相关系数= 0.994初期初期试验试验 回归方程式: % ontime = 52.3 - 0.25 V + 0.036 T相关系数= 0.998反复反复试验试验- 电压与温度有相关关系，2个

421、独立变数一起变化，因因此此不不能知道反应值起因于哪个独立变数上能知道反应值起因于哪个独立变数上. .- 反复进行试验时，求几乎同一的值。OntimeOntime，从从2323变变化化到到 2020，别的结果都同一。Volts (V)Volts (V)Degrees F (T)Degrees F (T)% % OntimeOntime807435907632100793011083281208825130942323Volts (V)Volts (V)Degrees F (T)Degrees F (T)% % OntimeOntime8074359076321007930110832812088

422、25130942020 有由于独立变数间的关系的影响时有由于独立变数间的关系的影响时( (在窄范围内进行试验在窄范围内进行试验) )- 两个方程式，2个独立变数的试验范围窄，因此其范围内得到同一结果，在别的实验组合上有可能得到别的结果。在别的实验组合上有可能得到别的结果。电压温度 9523 (20)23 (20) 9025 8528 803032 75358090100110120130 通过追加试验，分离独立变数间的关系 追加试验追加试验.回归回归(Regression)(Regression)分析分析* : 如回归式有过多的因数数时，可能有偶然与 “Y”有关而Fitting的独立变数。12

423、3102030400.050.100.140.400.640.790.87因数数可能性95%的信赖度上至少1次 p-value0.05如上结果是使用过分的独立变数而过分Fitting的结果，有可能提供错误的信息。Stepwise RegressionStepwise Regression在许多独立变数中选定最适的独立变数而有用地使用。 使用过多的独立变数而适合回归模形使用过多的独立变数而适合回归模形( (过分的过分的Fitting) Fitting) .回归回归(Regression)(Regression)分析分析* : 1510501514131211X XY Y可以知道这种结果影响第可以

424、知道这种结果影响第1010个个DataData。因此因此“ “调查极限的调查极限的DataData值，如没有异常时，有必要增加测定次数。值，如没有异常时，有必要增加测定次数。 大影响少数极限大影响少数极限DataData的情况的情况 10个全体测定结果RowRowX XY Y11.011.021.511.532.013.042.512.253.012.063.513.174.011.084.511.295.013.01015.015.0 除外第10个数据X X和和Y Y的相关系数的相关系数 = 0.758= 0.758X X和和Y Y的相关系数的相关系数 = 0.208= 0.208 测定收据

425、测定收据 散点度散点度 (Plot)(Plot) 相关分析相关分析(Correlation)(Correlation).回归回归(Regression)(Regression)分析分析* : X1, X2, X3, X4 ，平均值和标准偏差同一. Y1, Y2, Y3, Y4 ，平均值和标准偏差同一. 各测定数据的各测定数据的RegressionRegression方程式是，方程式是， Y= 3.0 + 0.5XY= 3.0 + 0.5X， 同一，但曲线图不一样同一，但曲线图不一样. . 只用回归方程式而判断其结果时只用回归方程式而判断其结果时(Graph(Graph化，必要确认化，必要确认)

426、 )X X1 1Y Y1 1108.0486.95137.5898.81118.33149.9667.2444.261210.8474.8255.68X X2 2Y Y2 2109.1488.14138.7498.77119.26148.1066.1343.10129.1377.2654.74X X3 3Y Y3 3107.4686.771312.7497.11117.81148.8466.0845.39128.1576.4255.73X X4 4Y Y4 486.5885.7687.7188.8488.4787.0485.251912.5085.5687.9186.89 1 1次测定数据次测

427、定数据 2 2次测定数据次测定数据 3 3次测定数据次测定数据 4 4次测定数据次测定数据.回归回归(Regression)(Regression)分析分析* : 只用回归方程式而判断其结果时只用回归方程式而判断其结果时(Graph(Graph化，必要确认化，必要确认) ) 1 1次测定数据次测定数据 2 2次测定数据次测定数据 3 3次测定数据次测定数据 4 4次测定数据次测定数据 直线回归模形很合适. 曲线回归模形很合适. 对极高的测定值，必要追加调查. 必要更多的测定数据.回归回归(Regression)(Regression)分析分析* : -有许多独立变数时，通过很少试验而决定重要变

428、数。-可以却热独立变数的效果及独立变数间的交互作用效果。-评价反应值的线形性而使用(找出线性回归模形) 在在2 2水平因数布置上不能找出曲线形态的回归模形。水平因数布置上不能找出曲线形态的回归模形。 2 2水平因数布置的限制水平因数布置的限制1. 1. 反应表面试验的目的反应表面试验的目的 - 从数据追定独立变数和从属变数之间的函数关系，预想反应量(从属变数的值)随着独立变数的值的变动怎样变动。 - 找出在独立变数的某值上反应量成为最适(optimize)。 - 为做比线性回归模形更好的反应的近似值，可以找出曲线形态的回归模形。 反应表面试验的目的反应表面试验的目的y yx x 2 2次效果次

429、效果y y 1 1次效果次效果x x 2 2次次(Quadratic)(Quadratic)效果确认效果确认为求 2次效果，最少必要3水平。. . 反应表面试验反应表面试验* : 2. 32. 3水平因数布置法水平因数布置法- 一般3水平系因数布置，从在引述水平良(Quantitative)的试验上所测定的反应值掌握其最适水平而有用。- 追加在线性(Linear)效果上，为评价2次 (Quadratic)效果，可以使用3水平因数布置。 对对3 3个以上的变数，试验个以上的变数，试验RunRun数比要所求的因数效果应更多。数比要所求的因数效果应更多。 3 3水平因数布置的限制水平因数布置的限制

430、项目越多越减少由于项目越多越减少由于errorerror的变动的变动. .y = y = 0 0+ + 1 1x x1 1+ + 2 2x x2 2+1 1 2 2x x1 1x x2 2+ error+ error y = y = 0 0+ + 1 1x x1 1+ + 2 2x x2 2+ + 1 1 2 2x x1 1x x2 2+ + 1111x x1 12 2 + + 2222x x2 22 2 + error+ error 线性回归模形(Linear Model) 曲线回归模形(Quadratic Model)Regression PlotRegression PlotY YX X

431、 反应表面模形的决定反应表面模形的决定.反应表面试验反应表面试验* : 独立变数Run 数被评价的变数的个数常数线性InterQuadTot1 31 = 3110132 32 = 9121263 33 = 271333104 34 = 811464155 35 = 2431510521 3 3水平因数布置的水平因数布置的RunsRuns及因数效果数及因数效果数Face point : 6 RunsEdge point : 12 RunsCenter Point : 1Run是是比比3 3k k 的的所所有有水水平平组组合合更更少少的的组组合合，必必要要2 2次次效效果果的的评价。评价。 3 3

432、3 3 因数布置的试验点例题因数布置的试验点例题Cube point : 8 Runs Total : 27 RunsCube PointFace PointEdge PointCenter Point.反应表面试验反应表面试验* : -中心合成计划是1951年 George Box和 K.B. Wilson制订的，到现在反应表面试验的代表性方法。 -中心合成计划是以包括中心点的因数布置试验点和轴点(Axial Points or Star Points)成为的. 轴点轴点(Star Point) (Star Point) 活用活用 - 独立变数水平从3个扩展到5个， 给适合（Fitting）

433、 Quadratic Model的变数的评价更多的程度。 - 所追定 的分散，在离中心点有一定距离同一。中心点反复试验中心点反复试验 - 为使Quadratic项成正交，要求许多Center Point。 - 通过Center Point的反复变动，以Pure Error评价，一般反复36次. BlockingBlocking活用活用 - Cube Points 、部分 Center Point (1st Block)、 Star Points及剩余的 Center Point (2nd Block) - Blocking的活用目的在于使Block间的平均值移动以免影响个别因数效果的评价。 中

434、心合成计划的特征中心合成计划的特征3. 3. 中心合成计划中心合成计划.反应表面试验反应表面试验* : 因数点(Cube Point) : 是由于2水平完全布置或者部分实施法而赋予的条件。轴点 (Star Points) : 从中心点，随着各因数的轴而离距离隔的条件 (个数 : 2*因数数) 中心点 (Center Points) : 因数的中心水平组合Star Point (+1.68)Cube Point (+1.0)Center Point ( 0.0 )Cube Point (-1.0)Star Point (-1.68) 轴点轴点(Star Points)(Star Points)的

435、位置的位置独立变数Cube Points = 4乘根244 0.25 = 1.41388 0.25 = 1.6841616 0.25 = 2.00 中心合成计划的构成中心合成计划的构成.反应表面试验反应表面试验* : d = Cube面到面到 Center point 的距离的距离22 布置布置 Cube pointStar point L= d x a aLdStar pointCenterCenterpointpoint123 345 Star PointStar Point的实际水平计算的实际水平计算 Star Point Star Point 实际水平计算例题实际水平计算例题- Cub

436、e面到 Center的距离 : d = 30 20 = 10- Star Point的位置(Coded Level) : = (4)0.25 = 1.41- Center到Start Point的距离 : L = d = 14.1203034106= (20 +14)= (20 14)Center pointStar pointStar pointCube pointCube point.反应表面试验反应表面试验* : StdStdOrderOrderRunRunOrderOrderBlockBlockA AB B111-1-1221+1-1331-1+1441+1+1551006610077

437、100882-1.4140992+1.4140101020-1.414111120+1.414121220013132001414200- 正交设计正交设计(Orthogonal Design) :(Orthogonal Design) : 最小化所追定的回归系数的独立性及分散Var(i)的设计 - 旋转可能设计旋转可能设计(Rotatable Design) :(Rotatable Design) : 所追定的反应值的分散(预测分散, Var )离设计中心（跟方向无关）维持等距离的所有点的同一设计。 - 均等精密设计均等精密设计(Uniform-Precision Design) :(Uni

438、form-Precision Design) : 设计中心和离中心的单位距离无关，使它有比较一定的预测分散( Var )的设计。防止已追定的回归系数的偏向性(Bias) 。 2 22 2 中心合成计划的正交排列表中心合成计划的正交排列表Center pointStar point22 Cube pointCenter point 中心合成计划正交排列表特征中心合成计划正交排列表特征.反应表面试验反应表面试验* : 中心合成计划例题中心合成计划例题 反应值反应值 1 1个个问题定义问题定义 : : 为确保由于Gas流量变更的透过率的最适条件的变数，最终选择为Crox_Co2和CrNy N2流量，

439、通过最大倾斜法， 在CrOx_Co2= 295, CrNy N2流量=13状态下，判断最适条件会出现。 求将透过率最大化的变数的最适条件。试验布置试验布置 : : 中心合成计划(2因数) - 反应值(Y) : 透过率(Maximize) - 因数/水平: CrOx_Co2 (Low = 260, High = 330), CrNy N2 流量 (Low = 6, High = 20) MINI TABMINI TAB活用活用 Designs 在MINI TAB上提供的2个反应表面试验上选择一个。-中心合成计划(CCD)- Box-Behnken计划 (BBD)是2因数时，, 选择在CCD上可使

440、用的正交排列.-Run13 : Block没有的情况 -Run14 : Block有的情况任意选定Star Point的值时使用.Stat DOE Response Surface Create RSStat DOE Response Surface Create RS.反应表面试验反应表面试验* : Display Available Design Factors : 输入因数名字及水平决定输入的实际水平值式是Cube Point值还是 Axial Point 值。提供跟着因数数和Block 有无而可能利用的反应表面试验。输入试验结果数据 WorkSheetWorkSheet上输出的试验布置

441、上输出的试验布置.反应表面试验反应表面试验* : 试验结果分析试验结果分析 统计性分析统计性分析 Stat DOE Response Surface Analyze RS Design Stat DOE Response Surface Analyze RS Design Terms : 选择分析上要包括的因数选择为统计性分析的反应值。决定以分析上要使用的数据的单位使用Coded还是使用 Uncoded。Graphs : 对回归模形的残差分析选择能分析残差的坐标图 选择包括在回归模形的因数效果。.反应表面试验反应表面试验* : Response Surface Regression: vers

442、us CrOx_Co2, CrNy N2The analysis was done using coded units.Estimated Regression Coefficients for 透过率 Term Coef SE Coef T PConstant 79.530 0.1983 400.998 0.000CrOx_Co2 0.479 0.1568 3.056 0.018CrNy N2 0.397 0.1568 2.532 0.039CrOx_Co2*CrOx_Co2 -1.465 0.1681 -8.713 0.000CrNy N2*CrNy N2 -0.663 0.1681 -3

443、.940 0.006CrOx_Co2*CrNy N2 -0.288 0.2217 -1.297 0.236S = 0.4435 R-Sq = 93.5% R-Sq(adj) = 88.9%Analysis of Variance for透过率Source DF Seq SS Adj SS Adj MS F PRegression 5 19.9312 19.9312 3.9862 20.27 0.000 Linear 2 3.0976 3.0976 1.5488 7.87 0.016 Square 2 16.5030 16.5030 8.2515 41.96 0.000 Interaction

444、1 0.3306 0.3306 0.3306 1.68 0.236Residual Error 7 1.3767 1.3767 0.1967 Lack-of-Fit 3 0.7483 0.7483 0.2494 1.59 0.325 Pure Error 4 0.6284 0.6284 0.1571 Total 12 21.3079 统计性分析结果解释统计性分析结果解释(Session (Session 窗窗) ) 实施对因数效果的 t-test， 判断有意反应值的因数. - 因数的1次效果及2次效果有意。 - 因数间的交互作用不有意。 通过分散分析，判断1次、2次效果的 有意性。- 只1次效

445、果和2次效果有意。 通过Lack-of-Fit Test，判断模形的 适合性。 - Lack-of-Fit不有意， 因此判断模形适合。 R-Sq & R-Sq(adj)是64%以上，可以信赖回归模形.反应表面试验反应表面试验* : Residual versus Fits : 对等分散性假说的研讨 试验分析结果试验分析结果 残差分析残差分析 Histogram : 对残差的正规分布假说的研讨 Normal Plot : 对残差的正规分布假说的研讨Anderson-Darling Normality TestA-Squared: 0.185P-Value: 0.887 随着实际正规验 证结果正规

446、分布 对已适合的值的残差随机分布，可以说随着等分散假说。 .反应表面试验反应表面试验* : 最适条件的选定最适条件的选定 坐标图分析坐标图分析 Stat DOE Response Surface Contour/Surface Plot Stat DOE Response Surface Contour/Surface Plot Contour Plot(等高线坐标图)选择坐标图上布置在 X-Y轴的因数 Settings :选择坐标图上布置的因数的水平 选择坐标图上使用的 因数的水平 试验上包括的因数的数是2个以上时， 设定坐标图上包括的因数以外的剩余因数水平的部分。.反应表面试验反应表面试验

447、* : 最适条件的选定最适条件的选定 坐标图分析结果解释坐标图分析结果解释 Contour Plot (等高线坐标图) 反应值，即透过率最高的 最适(Maximum)位置最大化反应值的因数的最适条件最适条件 - - CrOxCrOx_Co2 : 289 310_Co2 : 289 310 - - CrNy CrNy_N2 : _N2 : 11 18 11 18 预想透过率是预想透过率是79.5.79.5. Surface Plot (表面坐标图).反应表面试验反应表面试验* : 最适条件选定最适条件选定 数值性分析数值性分析 Stat DOE Response Surface Response

448、 Optimizer Stat DOE Response Surface Response Optimizer.反应表面试验反应表面试验Options : 为最适化反应值的因数的水平，输入初期设定值。(利用Contour Plot) Setup : 输入Goal、 Lower、 Target、Upper、Weight, Impor- tance。 选择要分析的反应值Goal Goal = = MinimizeMinimize : 反应变数越接近Target，满足度函数越接近1，越接近Upper，越接近0.Goal Goal = = TargetTarget : 反应变数越接近Target，满足

449、度函数越接近1 Goal Goal = = MaximizeMaximize :反应变数越接近Target，满足度函数越接近1，越接近Lower，越接近0. Desirability function ( Desirability function (满足度函数满足度函数) ) -Weight : 为定义满足度函数的样子，输入0.1和10之间的数值中1个.-Importance: 有许多反应变数时，为规定反应变数的相对性重要度，输入0.1和10之间的数值中1个.* : .反应表面试验反应表面试验 最适条件选定最适条件选定 数值性分析结果解释数值性分析结果解释 分析结果分析结果 ( (初期值初期

450、值) ) 分析结果分析结果 ( (修订值修订值) )透过率Y = 79.5，满足度= 1。 即意味着满足arge.透过率Y = 79.5时，表示2个因数的实际水平值。(红色数字)通过Contour Plot而大略求的水平值，以正确的值可以确认。黑色数字表示各因数的水平范围。移动2个线而更换初期安装值，可以变更其反应值及满足度。找出调整因数的水平而使透过率更好的条件。所修订的因数的水平值* : 工序的收率(Yield)至少也高于78.5% . 粘性是6268%以内，是65%的话，可以维持现在的工序. 分子的重量最大少于3400.问问题题定定义义 : : 以预测影响新开发的产品的生产费用的收率(Y

451、ield)、 粘性(Viscosity)、 分子重量(M-Weight)为反应变数而要实施反应表面试验。影响给此3个反应变数的可能调整的独立变数是反应时间、反应温度，通过最大倾斜法，可以知道反应时间= 85分钟、反应温度=175F是最适条件。求可以满足3个反应变数的结果条件的因数的最适水平。.反应表面试验反应表面试验 中心和乘计划例题中心和乘计划例题 反应值反应值2 2个以上个以上 个别反应值要满足的条件个别反应值要满足的条件 Stat DOE Response Surface Analyze Stat DOE Response Surface Analyze ResRes试验计划及测定Dat

452、a同时分析3个反应变数* : Response Surface Regression: Yield versus Time, TempThe analysis was done using coded units.Estimated Regression Coefficients for Yield Term Coef SE Coef T PConstant 79.940 0.11896 671.997 0.000Time 0.995 0.09405 10.580 0.000Temp 0.515 0.09405 5.478 0.001Time*Time -1.376 0.10085 -13.6

453、46 0.000Temp*Temp -1.001 0.10085 -9.928 0.000Time*Temp 0.250 0.13300 1.880 0.102S = 0.2660 R-Sq = 98.3% R-Sq(adj) = 97.0%Analysis of Variance for Yield Source DF Seq SS Adj SS Adj MS F PRegression 5 28.2478 28.2478 5.64956 79.85 0.000 Linear 2 10.0430 10.0430 5.02148 70.97 0.000 Square 2 17.9548 17.

454、9548 8.97741 126.88 0.000 Interaction 1 0.2500 0.2500 0.25000 3.53 0.102Residual Error 7 0.4953 0.4953 0.07076 Lack-of-Fit 3 0.2833 0.2833 0.09443 1.78 0.290 Pure Error 4 0.2120 0.2120 0.05300 Total 12 28.7431 试验结果分析试验结果分析 统计性分析统计性分析 初期分析结果初期分析结果(Yield)(Yield) 以误差项可不可以以误差项可不可以 Pooling?Pooling?以误差项Po

455、oling的话，Lack of fit的 P-value要大起来,R-sq(adj)要升起来 (或者Regression的 F值要升起来.) 不然的话，证明现在的模型更适当.反应表面试验反应表面试验2个因数的主效果及2次效果都有意，不实施Pooling. 交互作用，Pooling到误差项时，R-sq(adj)和lack of fit的P值会减少，因此不Pooling.* : Response Surface Regression: Viscosity versus Time, TempThe analysis was done using coded units.Estimated Regre

456、ssion Coefficients for ViscositTerm Coef SE Coef T PConstant 70.000 1.0175 68.793 0.000Time -0.155 0.8044 -0.193 0.852Temp -0.948 0.8044 -1.179 0.277Time*Time -0.687 0.8627 -0.797 0.452Temp*Temp -6.688 0.8627 -7.752 0.000Time*Temp -1.250 1.1377 -1.099 0.308S = 2.275 R-Sq = 90.0% R-Sq(adj) = 82.8%Ana

457、lysis of Variance for ViscositSource DF Seq SS Adj SS Adj MSRegression 5 324.992 324.992 64.998 Linear 2 7.386 7.386 3.693 Square 2 311.356 311.356 155.678 Interaction 1 6.250 6.250 6.250Residual Error 7 36.239 36.239 5.177 Lack-of-Fit 3 26.239 26.239 8.746 Pure Error 4 10.000 10.000 2.500 Total 12

458、361.231Source F PRegression 12.56 0.002 Linear 0.71 0.522 Square 30.07 0.000 Interaction 1.21 0.308Residual Error Lack-of-Fit 3.50 0.129 Pure Error TotalResponse Surface Regression: Viscosity versus Time, TempThe analysis was done using coded units.Estimated Regression Coefficients for ViscositTerm

459、Coef SE Coef T PConstant 69.522 0.8028 86.601 0.000Time -0.155 0.7859 -0.198 0.848Temp -0.948 0.7859 -1.207 0.262Temp*Temp -6.598 0.8356 -7.896 0.000Time*Temp -1.250 1.1114 -1.125 0.293S = 2.223 R-Sq = 89.1% R-Sq(adj) = 83.6%Analysis of Variance for ViscositSource DF Seq SS Adj SS Adj MS F PRegressi

460、on 4 321.704 321.704 80.426 16.28 0.001 Linear 2 7.386 7.386 3.693 0.75 0.504 Square 1 308.068 308.068 308.068 62.35 0.000 Interaction 1 6.250 6.250 6.250 1.26 0.293Residual Error 8 39.527 39.527 4.941 Lack-of-Fit 4 29.527 29.527 7.382 2.95 0.160 Pure Error 4 10.000 10.000 2.500 Total 12 361.231 初期分

461、析结果初期分析结果 (Viscosity)(Viscosity) Pooling Pooling 后分析结果后分析结果 (Viscosity)(Viscosity)Time的2次效果不有意，故而Pooling到误差项.交互作用，Pooling到误差项时，R-sq(adj)和lack of fit的P值会减少因此不Pooling.反应表面试验反应表面试验* : Response Surface Regression: M-Weight versus Time, TempThe analysis was done using coded units.Estimated Regression Coe

462、fficients for M-WeightTerm Coef SE Coef T PConstant 3376.0 82.62 40.863 0.000Time 132.5 65.31 2.028 0.082Temp 211.1 65.31 3.232 0.014Time*Time 16.4 70.04 0.234 0.822Temp*Temp 61.4 70.04 0.876 0.410Time*Temp -147.5 92.37 -1.597 0.154S = 184.7 R-Sq = 71.9% R-Sq(adj) = 51.8%Analysis of Variance for M-W

463、eightSource DF Seq SS Adj SS Adj MSRegression 5 610612 610612 122122 Linear 2 496887 496887 248444 Square 2 26700 26700 13350 Interaction 1 87025 87025 87025Residual Error 7 238895 238895 34128 Lack-of-Fit 3 173175 173175 57725 Pure Error 4 65720 65720 16430 Total 12 849508Source F PRegression 3.58

464、0.063 Linear 7.28 0.020 Square 0.39 0.690 Interaction 2.55 0.154Residual Error Lack-of-Fit 3.51 0.128 Pure ErrorTotalResponse Surface Regression: M-Weight versus Time, TempThe analysis was done using coded units.Estimated Regression Coefficients for M-WeightTerm Coef SE Coef T PConstant 3423.8 47.65

465、 71.862 0.000Time 132.5 60.74 2.181 0.057Temp 211.1 60.74 3.476 0.007Time*Temp -147.5 85.89 -1.717 0.120S = 171.8 R-Sq = 68.7% R-Sq(adj) = 58.3%Analysis of Variance for M-WeightSource DF Seq SS Adj SS Adj MS F PRegression 3 583912 583912 194637 6.60 0.012 Linear 2 496887 496887 248444 8.42 0.009 Int

466、eraction 1 87025 87025 87025 2.95 0.120Residual Error 9 265596 265596 29511 Lack-of-Fit 5 199876 199876 39975 2.43 0.205 Pure Error 4 65720 65720 16430 Total 12 849508 初期分析结果初期分析结果(M-Weight)(M-Weight) Pooling Pooling 后分析结果后分析结果(M-Weight)(M-Weight)Time和Temp的2次效果不有意，故而Pooling到误差项.交互作用，Pooling到误差项时，R-s

467、q(adj)和lack of fit的P值会减少因此不Pooling.反应表面试验反应表面试验* : 试验的反应变数是一个或者几个时，为找出满足这些反应变数的目标值的因数的最适组合而实行.(选定对个别反应变数的最适Model后实施)输入反应变数所愿的数值性属性的范围。在Low范围输入低值，在High范围输入高值, 例如，假如反应变数越低聚具有好的属性的话，在High范围输入反应变数的属性不能超过的值，在Low范围输入最小值。.反应表面试验反应表面试验 最适条件的选定最适条件的选定 坐标图分析坐标图分析 Stat DOE Response Surface Overlaid Contour Plo

468、t Stat DOE Response Surface Overlaid Contour Plot Contour : 输入要满足的反应变数的条件同时选择多数的反应变数.* : Contour Plot只对2因数画Plot，因此以3因数以上实施反应表面试验时，对1个以上的因数应要固定。 位于Plot的中央部的白色部分是反应时间和温度因数满足所有反应变数的水平值的范围。 Setting : 设定印数的初期水平值 最适条件的选定最适条件的选定 坐标图分析结果解释坐标图分析结果解释利用Contour Plot (等高线坐标图)，掌握满足所有反应变数的因数的最适条件。.反应表面试验反应表面试验* :

469、最适条件的选定最适条件的选定 数值性分析数值性分析 Stat DOE Response Surface Response Optimizer Stat DOE Response Surface Response Optimizer.反应表面试验反应表面试验Available上的反应变数中，要分析的反应变数移动到Selected。要满足3个反应变数的最适，因此应选择3个。Options : 输入为找出最适化反应变数的因数的水平的初期设定值(Contour Plot活用) Setup : 输入对个别反应变数的Goal, Weight, Impor-tance。-Importance: 有许多反应变

470、数时，规定为反应变数的相对性重要度，可以提供别的值。* : .反应表面试验反应表面试验 最适条件的选定最适条件的选定 数值的分心结果解释数值的分心结果解释 分析结果分析结果 ( (修订值修订值) ) 分析结果分析结果 ( (初期值初期值) )显示对3个反应变数的结果值移动两个线而变换因数的初期安装值，可以求其反应变数的结果。调整印数的水平，接近收率(Yield)= 78.5以上、粘性Viscosity)=65.已修订的因数的水平值初期的因数水平值* : 确认再现性是，在所找出的最适的条件下证明改善与否的步骤。 因此在生产工序上跟跟跟跟现现现现象象象象分分分分析析析析相相相相似似似似地地地地长长

471、长长期期期期实实实实施施施施 Rational SubgroupRational SubgroupRational SubgroupRational Subgroup， 要比较进行后的改善与否。要比较进行后的改善与否。用已找出的最适条件验证其再现性时，应在所选定的条件内实际作业条件要自然包括应在所选定的条件内实际作业条件要自然包括. .反应表面试验反应表面试验 确认最适条件的再现性确认最适条件的再现性通过验证试验而追定最适水平组合的母平均，可以调查再现性有无。 不实施试验的条件就是最适的情况时主要适用。 一般从最适条件求得试验结果的80%以上表现在验证试验上的话，判断有再现性. 追定方法是，对

472、最适条件组合的母平均求95%信赖区间，确认通过验证试验而得到的结果值是否包括在信赖区间而可以判断。 确认生产工序上的再现性确认生产工序上的再现性确认通过验证试验的再现性确认通过验证试验的再现性* : Session. Control Session 目录目录. Control. Control阶段概要阶段概要. Control. Control阶段阶段 FlowFlow. . 管理计划管理计划(Control Plan)(Control Plan) 1. 改善效果验证 2. 管理计划树立及Monitoring 3. Process 标准化 4. 成果共享及结束. . 统计性工序管理统计性工序管

473、理(SPC)(SPC) 1. SPC 概要 2. 质量变动的原因及采取措施 3. 利用管理图的工序管理. . 管理图管理图(Control Chart)(Control Chart) 1. 管理图概要 2. 计量型管理图 3. 计数型管理图 4. Historical管理图学学 习习 目目 标标为为持持续续维维持持改改善善结结果果，树树立立管管理理计计划划，可可以以执执行行对对CTQ 及及Vital Few的统计性管理。的统计性管理。 * : * 难易程度 “ 基本 “ : GB 未取得(包括新员工)人员 “ 深化” : GB以上 Belt取得人员 326327328336343DefineD

474、efineMeasureMeasureAnalyzeAnalyzeImproveImprove结束报告结束报告OK?OK?ControlControl 以顾客的观点选定以顾客的观点选定ProjectProject - 以顾客要求事项定义问题 “Y” - 找出具体Issue事项(CTQ) 设定对设定对CTQCTQ的改善方向的改善方向 - 构造测定系统(Gage R&R) - 掌握CTQ的工序能力 决定对决定对CTQCTQ的的Vital FewVital Few - 找出潜在因数/选定候补因数 - 确定通过统计性验证的Vital Few 对CTQCTQ的的ProcessProcess最适化最适化

475、- 找出Vital Few的最适条件 - 对最适条件的再现试验 维持已改善的成果，持续管理维持已改善的成果，持续管理 - 树立管理计划，Monitoring(X, Y) - 标准化及Project结束报告输出物输出物 (Output)(Output) 活动活动 (Activity)(Activity). Control. Control阶段概要阶段概要N N N N 树立管理计划,Monitoring 确定管理方法 扩大适用及Monitoring 掌握效果 Process的统合化 标准化及文件化 Project结束登记 Project结束及共享 管理计划及标准化文件 管理图(Control C

476、hart) 有/无定量改善成果(现金) 结束报告及下次Pjt List * : InputInputProcessProcessOutputOutput结束报告及结束报告及 共享成果共享成果ProcessProcess的的标准化标准化管理计划树立及管理计划树立及MonitoringMonitoring改善效果及改善效果及验证验证Vital Few (XVital Few (X1 1, X, X2 2, ,) )“ Y Y ” & CTQ & CTQ 是在Project的结束阶段重新分工，事后管理的业务 Monitoring Process，树立可采取纠正的计划。 对全体Project内容，实施

477、文件化，对新的 Process实施标准化，以便Monitoring. . Control. Control阶段段 FlowFlow 在在ControlControl阶段，阶段，FocusFocus在何地在何地? ?6比结果重视原因。因此在Control方面，通过主要 Xs的Monitoring及调整而为耻改善结果。 主要 Xs可以说明全体CTQ的话，只管理主要 Xs没问题，不然的时候，对 “Y”及CTQ的Monitoring也要持续并行管理，从而要确认改善结果是否维持。在在Control Control 阶段，阶段， 为使工序最佳化为使工序最佳化(Process Optimization)(P

478、rocess Optimization)持续维持，应提供体系性管理系统的变化持续维持，应提供体系性管理系统的变化. . Control Control 阶段进行步骤阶段进行步骤SPC SPC 活动活动 * : 已改善的内容再还原位置，应无重新修订。 为持续维持从改善事项得到的效果(成果)。2. 2. 管理计划树立及管理计划树立及MonitoringMonitoring. . 管理计划管理计划(Control Plan)(Control Plan) 管理计划的重要性管理计划的重要性构造Process管理系统是，决定长期Monitoring System的具体内容(时期、测定对象、测定部门等)的.

479、Vital Few 及 对CTQ的Monitoring 目的在于，确认改善的形态是否适合实际业务。 主要内容 制订Process管理 Sheet(管理计划书)、测定结果的Monitoring.应证明，在改善阶段所确认的改善效果，在现场也有效果。其以工序能力指数或Z值可以显示出来。此工序能力指数或Z值是Rational Subgroup的实际条件下，以长期观点上搜集的Data为基准而求.试验计划的结果或者连续抽试验计划的结果或者连续抽SampleSample，即以短期条件而验证改善内容，则不行。即以短期条件而验证改善内容，则不行。 1. 1. 改善效果验证改善效果验证 目目 的的 : : 确认改

480、善事项是否实际改善，确认持续维持. * : 管理计划书的特征管理计划书的特征 - 帮助生产顾客要求的产品而制订。 - 对全体系统，提示为创出更高的附加价值的管理方法. - 比作业指导书和工序管理图简单。. . 管理计划管理计划(Control Plan)(Control Plan) 制订管理计划书制订管理计划书是指，一个为对工序和产品的散布而记述全体系统的摘要信息的质量管理文件。 制订管理计划书上必要的内容制订管理计划书上必要的内容- Project开始时的Process的条件 Process上什么、为什么变更？- Project结束的最终内容? 可能长期维持这种结果的计划 - 对问题 “Y”

481、 及致命性少数因数的定义 - 记述测定System - Sampling计划定义 - 提供初期和最后的工序能力 - 说明并明确改善内容 - 明确管理部门 管理计划书的定义管理计划书的定义 * : . . 管理计划管理计划(Control Plan)(Control Plan) MonitoringMonitoring活动活动 - 该测定的是什么？ - 什么时间实施测定? - 怎么管理? - 谁管理? - 使用那种Mechanism检出? - 测定值超过管理限制线时可能发生的事项是？ 1. 决定Vital Few. - 验证Vital Few Xs 2. Monitoring计划定义 - 对Xs

482、的最适范围，适用5W 1H 3. 验证Monitoring计划 - 实行管理计划后观察 “Y”值 4. 实行Monitoring，文件化 5. 对Monitoring实行的Audit 6. 对工序能力的 Monitor MonitoringMonitoring的基本要素的基本要素 MonitoringMonitoring执行步骤执行步骤 必要时或者不认定其结果时，应文件及实行q 管理计划书管理计划书 No. No. 管理计划书的编号 q 管理部门管理部门 按照管理计划书上记述，执行分析或者检查的部门q 产品名产品名 / / 型号名型号名 制订管理计划书时被适用的产品名及型号名q 生产生产 阶段

483、阶段 产品名/型号名上填写的产品的生产阶段q 制订者制订者 / / 部门部门 制订管理计划书的人员姓名及所属部门q 协议者协议者 / / 部门部门 与管理计划书的内容有关的有关部门名及负责人姓名 管理计划书的构成管理计划书的构成 * : . . 管理计划管理计划(Control Plan)(Control Plan)q 制订日制订日 / / 修订次数修订次数 最近制订日期和修订次数q 工序工序No / No / 工序名工序名 工序管理图上的工序No / 工序名 q 制造设备及尺工具制造设备及尺工具 各工序上使用的制造装备及JIG等. 例子) 生产技术000, 设计1Team 000q 质量特性

484、质量特性 - 有关标准 : 与该工序的作业有关的标准文件编号 - 产品特性 : 该工序上测定的产品/零部件的质量特性(Output) - 工序因数 : 影响产品 /零部件特性的工序因数(Input)q管理方法管理方法 - 目标值及规格 : 设计及工序上所提示的工序及产品的目标值(Target)和空差(Tolerance) - 评价及测定方法 : 为测定工序或者产品的特性的测定系统的名称及测定方法 - 抽样数 : 是被测定产品 /零部件的数， 决定包括在一个抽样群的抽样的个数。 - 抽样周期 : 为分析而抽的抽样的周期 - 分析方法 : 为管理工序因数及产品 /零部件特性的分析工具 q 管理分离

485、时采取措施步骤管理分离时采取措施步骤(Reaction Plan)(Reaction Plan) 在管理该工序的工序因数及产品/零部件的特性过程上，发生异常时，记录采取措施方法及步骤的文件的 编号或者简单的措施内容。 管理计划书构成管理计划书构成 * : 管理计划书制订事例管理计划书制订事例. . 管理计划管理计划(Control Plan)(Control Plan) * : 标准化是指 已改善的Process及改善结果的正确实行 主要内容 : : Process的文件化 Process的标准化公司内标准文件公司内标准文件3. Process3. Process的标准化的标准化. . 管理计

486、划管理计划(Control Plan)(Control Plan) 确保均一质量确保均一质量(何时、何地、谁工作也输出（Output）同一质量) - 偏差的原因 : 通过标准的正确反复，5M变化的极小化 均一质量 (Man/Method : 作业标准 , Machine : 设备标准, Material : 资材标准, Measurement : 检查标准) 事故预防事故预防 - 反复同一作业，解除变化的余地而预防事故 - 事先充分研讨所预想的失误而排列(Check List) - 有关人员都事先熟知可能预防事故。 - 标准是相互之间的约定，不遵守的话，应事先制裁。 积累技术积累技术 - 一切

487、成功和失败反应的公司内最大技术/管理性纪录 - 通过Update，积累全员工可供有的Know how 沟通意见沟通意见 - 部门内/部门间的各业务方式会明确，传达情报，实施业务统一化。 1. 有无相关标准? (标准有无) 2. 是否有能遵守的标准? (适合性)3. 操作者有没有教育? (教育实施) 4. 有无遵守标准? (熟悉与否)5. 未遵守的原因是? (标准遵守妨碍因素) Process Process 标准化的目的标准化的目的 * : 1. 产品及Process的散布会大. 2. 不能持续维持改善活动.3. 员工们不能执行新业务步骤和标准内容，工作方法的变化不了. 4. 需要长时间的管理

488、监督. 是业务上可活用的Job Aids形态，Process的步骤、各自的Output及留意事项等为文件化而整理。 为共享Project的结果，必要时，登记为公司内标准. Process 标准化的例子 : 单击 Notes左侧标准 搜查公司标准. . 管理计划管理计划(Control Plan)(Control Plan) Process Process 标准化的例子标准化的例子 标准不齐全及不能控制时发生的问题标准不齐全及不能控制时发生的问题 问题解决方法问题解决方法 * : 传播小组活动内容及Best Practice，组织内共享情报。 通过共享成果、知识，形成6 改善文化。 树立对活动的

489、补偿方案，通过实行而活化 共有内容有活动成果、掌握知识及教训等 电子及电子系列分公司的电子及电子系列分公司的6 Home page6 Home page. . 管理计划管理计划(Control Plan)(Control Plan)4. 4. 结束束报告及共享成果报告及共享成果 内容整理 整理活动形态、改善阶段、不良形态、使用分析用具、主要用语、Y,X因子等小组活动内容。 传播 在电子及电子系列分公司的对6改善成果的Com-munication Tool 的GOS(Go tO Six sigma)登记。 Champion Review时报告结束(会议等) 改善成果共享的目的改善成果共享的目的

490、改善成果共享方法改善成果共享方法 - 登录方法 Note 初期画面 单击 GOS Internet Explorer上注册地址 Http:/sixsigma.lge.co.kr:8081/ index_gos.jsp - Log-In 选择LG.Philips LCD ID : 公司身份编号, Pw :公司身份编号 * : S (Statistical)S (Statistical) : 利用统计性资料和分析方法P (Process)P (Process) : 掌握所给的质量规格和能力状态，发现引起这种变动的因数，采取适当的措施而减少其变动，C (Control)C (Control) : 尽

491、可能在所希望的状态下作业而持续采取措施/管理的方法SPC SPC 活动活动 = = 维持工序的质量维持工序的质量 + + 工序的质量改善活动工序的质量改善活动Inputs活动ActivityOutputs 设备 (Machinery) 仪器 (Measurement) 方法(Methods) 材料 (Materials) 人 (Man) 环境 (Environment) q 工序工序上有影响产品质量的原因的作用，管理这种原因是SPC的课题.q 统计不是模糊的推测或意见决定，是按照科学性理论，选定对象、搜集/整理/分析资料的方法。技术统计分析统计母数统计非母数统计 按照分布假定的有无q 管理设定

492、计划，为达成其的所有活动。 PDCA 循环 (Cycle) 管理的两面性 - 维持现状 (侠义的管理) - 打破现状(改善活动)Plan(计划)Do(实施)Check(研讨)Action(措施)改善统计 按照分析方法1. SPC 1. SPC 概要概要 . . 统计性工序管理统计性工序管理(SPC)(SPC) SPC SPC 是是? ? * : SPC是指，对完成品或零部件的致命影响的少数因子控制并测定Sample，在控制阶段管理Y的特性的传统的统计性技法.6 是指，管理控制阶段的Input特性值致命因数(Vital Few)，管理 “Y”. ProcessProcessInputInputO

493、utputOutputControllerController目标目标 工序能力工序能力 ? 可能控制的因数 - 改善对象 - 可能调整的 - 特别的 不可能控制的因数 - 共同事项 - Noise(外部环境) - 持续的情况A B C D EL M N O PSamples工序能力工序能力可望的可望的OutputOutput( ( 工序能力目标工序能力目标) )XUCLLCL对Y的Monitoring及 Feedback对X的Monitoring及调整. . 统计性工序管理统计性工序管理(SPC)(SPC) SPC Logic SPC Logic * : . . 统计性工序管理统计性工序管理

494、(SPC)(SPC)2. 2. 质量变动的原因及措施质量变动的原因及措施 工序状态上区分工序状态上区分 稳定状态稳定状态是指制造工序上生产的产品经常有散布，但要解除其异常原因而只具有由于偶然原因的散布的工序状态。 异常状态异常状态是指有由于异常原因的造成散布的工序状态，应采取对其原因的措施. 管理图管理图 . . 比如，高速公路上汽车走在走行线上时继续行驶，但超过走行线而走路边时，很快到走行线变换方向。 稳定状态稳定状态 ( (管理状态管理状态) ) 不稳定的状态不稳定的状态 ( (异常状态异常状态) )UCLLCLCLUCLLCLCL * : 偶然原因偶然原因 (Common Cause)(

495、Common Cause) 异常原因异常原因 (Special Cause)(Special Cause)- 是工序上经常可发生的程度的散布(变动)，是避免不了的原因。-是是由由于于不不能能忽忽略略的的某某种种原原因因造造成成的的散散布布( (变变动动) )，也也就就是是忽视不了的原因忽视不了的原因. .-超过管理限制线 (UCL, LCL)的点-Data分布不是Random (随机)分布时(上升/下降倾向或者周期性)工工序序质质量量特特性性异常异常 ( (特殊特殊) )原因原因偶然偶然 ( (共同共同) )原因原因异常异常 ( (特殊特殊) )原因原因时间时间LCL(管理下限线)UCL(管理

496、上限线). . 统计性工序管理统计性工序管理(SPC)(SPC) 质量变动的原因质量变动的原因 解除管理外的异常原因 出现超过管理的异常原因统计性管理状态统计性管理状态( (工序稳定化工序稳定化) )统计性异常状态统计性异常状态( (工序不稳定工序不稳定) )解除解除解除解除异常原因异常原因异常原因异常原因 * : 设备 PM Skip Tool、消耗品等的交换管理疏忽 抽样误差 测定 /试验误差 零部件、材料变更 有寿命的资材保管管理疏忽 - Expire date / 识别状态 Particle、 温/湿度、静电 Cleaning未实施 未实施按照作业标准的作业 新员工的Skil及Trai

497、ning不足MachineMachineMaterialMaterialMethodMethodManManEnvironmentEnvironment 工序条件变更 作业方法 /顺序变更MeasurementMeasurement. . 统计性工序管理统计性工序管理(SPC)(SPC) 变动的发生原因变动的发生原因(5M + 1E)(5M + 1E)原原 因因偶然偶然/ /共同原因共同原因异常异常/ /特殊特殊错误范围系统错误小节性错误发生问题慢性问题散发性问题一般例子教育训练不充分, 监督及管理疏忽, 不适合的工法, 低效率的工厂设施等 作业者的不注意, 工具破损,原料的变质, 机械的故障

498、等改善, 措施,对象系统的改善和革新机械或现场的小节性改善改善主体改善/措施由改善Team负责由作业者或现场监督者进行改善活动必要的 QC/QM活动生产线外(OFF-LINE)活动生产线内(ON-LINE) QC活动 对质量变动的各原因的措施对质量变动的各原因的措施 * : 通过日常管理图而搜集并分析日常通过日常管理图而搜集并分析日常DataData管理状态管理状态管理状态管理状态 因异常原因的变动 不稳定的状态 (异常状态)UCLLCLCLUCLLCLCL 因偶然原因的变动 : 稳定的状态 (管理状态)YESYESNONO解除引起质量变动的异常原因解除引起质量变动的异常原因( (处理工序异常

499、质量处理工序异常质量) )( (履历管理履历管理/ /防止重发的对策防止重发的对策) )算出并评价工序能力算出并评价工序能力. . 统计性工序管理统计性工序管理(SPC)(SPC)3. 3. 利用管理图的工序管理利用管理图的工序管理 搜集并分析日常数据搜集并分析日常数据 * : . . 统计性工序管理统计性工序管理(SPC)(SPC) 工序能力的评价及改善工序能力的评价及改善通过管理图，搜集并分析日常Data解除异常原因NO结果结果YES算出工序能力YESNOYES管理状态管理状态USLLSL时间在管理内，但不能使用(超过偶然原因的变动)改善活动标准化及维持管理时间USLLSL在管理内，但能使

500、用(偶然原因减少的变动)工序能力工序能力 * : 管理图的定义管理图的定义可以掌握随着时间经过的工序的变化状态。为调查制造工序是否放在好的管理状态下而使用。目的在于，为找出不良利用统计性技法，防止不良，预防管理。管理图是指，以工序状态的质量特性值，用一些的点表示在具有一定形态的Chart上，连接而做成线性坐标图。表示管理状态上的质量特性值的平均的中心线(Center Line)与在中心线上下面画管理限制线(Control Limits)的 Chart 里特性值以点连接而显示工序的变化状态。UCL (Upper Control Limit) : UCL (Upper Control Limit)

501、 : 管理上限线管理上限线 CL (Center Line) : CL (Center Line) : 中心线中心线LCL (Lower Control Limit) : LCL (Lower Control Limit) : 管理下限线管理下限线 USL (Upper Spec Limit) : 规格上限线LSL (Lower Spec Limit) : 规格下限线时间 管理图的目的管理图的目的 管理图的形态管理图的形态1. 1. 管理图概要管理图概要. . 管理图管理图(Control Chart)(Control Chart) * : 管理图的统计性原理管理图的统计性原理 : : She

502、whart的 3 法 (3 管理图) 判断工序异常与否的统计性假说判断工序异常与否的统计性假说 - 归依假说 (H0) : 0 = a - 对立假说 (H1) : 0 a 要适用管理图，应要适用管理图，应DataData按照正规分布。按照正规分布。 如不是正规分布，以如不是正规分布，以 “中心极限整理中心极限整理” ”可能适用可能适用 0 : 工序在正常状态下时的质量特性的概率分布母数 a : 抽样的时点的质量特性的概率分布母数 抽样数据的平均值抽样数据的平均值 包括在管理限制包括在管理限制( ( 3) 3)里时，里时， - 采取归依假说 : H0 采取 - 判断 : 工序上没有异常 炒锅管理

503、限制炒锅管理限制( ( 3) 3)时，时， - 放弃归依假说 : H0 放弃 (H1采取) - 判断 : 工序上有异常 正常归依假说放弃的概率(1种错误) : 0.27%x x112233- 1- 1- 2- 2- 3- 368.27%68.27% 95.45%95.45% 99.73%99.73%UCLUCLLCLLCLUCLUCLLCLLCL平均值平均值 3 3H0 H0 采取采取H0 H0 放弃放弃 (H1(H1采取采取) )H0 H0 放弃放弃 (H1(H1采取采取) )CLCL(31.73%)(31.73%)(4.55%)(4.55%) (0.27%)(0.27%)超出区间的概率 .

504、 . 管理图管理图(Control Chart)(Control Chart) * : 选择管理图选择管理图 / Rational Subgroup / Rational Subgroup 搜集并分析日常搜集并分析日常DataData管理状态管理状态 ? ? 因异常原因的变动因异常原因的变动预测时间因偶然原因的变动因偶然原因的变动解除引起质量变动的偶然原因解除引起质量变动的偶然原因提高工序能力并提高质量水平提高工序能力并提高质量水平预测时间现场措施解除引起质量变动的解除引起质量变动的异常原因异常原因NoYes 管理图制订目的及活用管理图制订目的及活用FlowFlow. . 管理图管理图(Con

505、trol Chart)(Control Chart) * : 管理图选择步骤管理图选择步骤. . 管理图管理图(Control Chart)(Control Chart)群的大小 复数群的大小 单数计量值计量值 ( (连续型连续型) )不良个数缺点数计数值计数值 ( (离散型离散型) )DataData种类种类X X R R 管理图管理图统计量 : X (Mean)统计量 : X (Median)群一定群不一定群一定群不一定X X R R管理图管理图X-X-mRmR管理图管理图nPnP管理图管理图P P管理图管理图C C管理图管理图U U管理图管理图范围(R)标准偏差(s)X X s s管理图

506、管理图v n n 10 10 (一般3 5个)v n 10 n 10v n = 1 n = 1v n 50 n 50vn 10n 10(样本大小不定)v c c 5 5(单位一定)v n n 变数变数v n n 10 10 (一般 3 5个) * : 解释用管理图解释用管理图 分析制造工序上发生的质量散布的原因何在 各设备号机, 各型号, 各制造工序, 各原材料, 各值班 等各层别 发生异常时，查明其原因，采取适合的措施。管理用管理图管理用管理图 判断解释用管理图上的工序是稳定状态时，为持续维持稳定状态而使用。 发生异常时，查明其原因，采取适合的措施。 改善用管理图改善用管理图 不是维持日常性

507、质量，进行工序能力的持续/革新型改善活动CL解释用解释用管理用管理用改善用改善用UCLLCLUCLLCLUCLLCL 随着用途的管理图分类随着用途的管理图分类. . 管理图管理图(Control Chart)(Control Chart) * : STEP #1STEP #1STEP #2STEP #2STEP #3STEP #3STEP #4STEP #4q 合理性群区分合理性群区分(Rational Subgroups) (Rational Subgroups) - 同质性条件的Sample集体 - 群内变动, 群间变动 - 决定Sampling大小/ 周期， Subgroup数 q 平均

508、平均(Mean) / (Mean) / 范围范围 (Range) (Range) - 各群的平均及总平均值计算 : X = CL - 各群的范围及范围的平均 : R , Rq UCL : UCL : CL 3 标准偏差 LCL : LCL : CL 3 标准偏差q 管理限制线管理限制线(UCL,LCL) : (UCL,LCL) : 周期进行周期进行UpdateUpdateq 画管理线画管理线(CL, UCL, LCL),(CL, UCL, LCL), 沾管理图上各群的点而连接沾管理图上各群的点而连接q 分析对异常点的原因，记录其采取措施分析对异常点的原因，记录其采取措施q 分析点的倾向分析点的

509、倾向(Trend)(Trend)、 周期性周期性 管理图制订步骤管理图制订步骤. . 管理图管理图(Control Chart)(Control Chart)Data Gathering (Data Gathering (资料搜集资料搜集) )中心线中心线 (Center Line)(Center Line)计算计算管理限制线管理限制线 (UCL,LCL)(UCL,LCL)计算计算画管理图画管理图 * : Subgroup Subgroup. .oooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooooo. . n = 5

510、 n = 5 k = 3 k = 3Mon.Mon.Tue.Tue.Wed.Wed.时间 群内变动群间变动群间变动 n = 5 n = 5 n = 5 n = 5 Rational Subgroup Rational Subgroup 在同一条件下随机（Random）抽出的测定值 大小n的 sample是k个时 - Sample size : n - Subgroup : k 形成基准 : 作业日期(Date), 交代值班组(Shift)等 群内变动 : Subgroup内变动(within) 群间变动: Subgroup间变动(between) 群内变动群内变动 : Subgroup: Su

511、bgroup内部的变动使其有因偶然原因的变动而形成内部的变动使其有因偶然原因的变动而形成SubgroupSubgroup 群间变动群间变动 : : 因异常原因的变动存在时，使其属于因异常原因的变动存在时，使其属于SubgroupSubgroup间的变动而形成间的变动而形成SubgroupSubgroup 群内变动 群内变动 Rational Subgroup (Rational Subgroup (合理性部分群合理性部分群) ). . 管理图管理图(Control Chart)(Control Chart) * : Subgroup大小增加的话，管理限制的幅度会窄. 可以感知平均值的任何变化，

512、有增加图表的敏感度的效果. 减少2种错误(平均实际上有变化，但可说没有变化的概率). 一般Subgroup的大小n=35, 典型性大小 n=5.n = 3n = 3n = 10n = 10n = 25n = 25USLUSLLSLLSLLSLLSLUSLUSLLSLLSLUSLUSL 平均平均=100, =100, 标准偏差标准偏差=5, Subgroup size=5=5, Subgroup size=5时管理限制时管理限制? ? 平均平均=100, =100, 标准偏差标准偏差=5, Subgroup size=10=5, Subgroup size=10时管理限制时管理限制? ? Sub

513、group Subgroup 大小的影响大小的影响. . 管理图管理图(Control Chart)(Control Chart) * : 管理脱离判断基准管理脱离判断基准 Rule 1Rule 1超过超过3 3 Rule 2Rule 2连续的连续的9 9点在点在 中心中心线同同侧Rule 3Rule 3连续的连续的6 6点是上升或下降的倾向点是上升或下降的倾向Rule 4Rule 4连续的连续的1414点反复上下而有周期性点反复上下而有周期性Rule 5Rule 5连续的连续的3 3点中点中2 2点在点在中心中心线同同侧的的B B区区以外以外 Rule 6Rule 6Rule 7Rule 7

514、连续的连续的1 15 5点在点在C C区中心线上下区中心线上下Rule 8Rule 8连续的连续的8 8点在中心线两侧，但无一在点在中心线两侧，但无一在C C区内（区内（11）连续的连续的5 5点中点中4 4点在点在中心中心线同同侧的的C C区区以外以外 管理状态的判定管理状态的判定. . 管理图管理图(Control Chart)(Control Chart) * : +1+2+3-1-2-3(CL)q Rule 1(脱离点)q Rule 2 (Run)+1+2+3-1-2-3CLq Rule 3 (倾向)q Rule 4 (周期性)q Rule 5 (接近点)q Rule 6 (Run)q

515、 Rule 7 (Run)q Rule 8 (Run)(UCL)(LCL)x脱离管理限制线的点脱离管理限制线的点在CL同侧连续的连续的 9点点 CBAABCCBAABCCBAABC连续的连续的6点上升或下降的倾向点上升或下降的倾向CAABC连续的连续的14个点周期反复个点周期反复 连续连续 3点中点中2点在点在Zone B外（同侧）外（同侧）CBAABCCBAABC连续连续 5点中点中4点在点在 Zone C外（同侧）CBAABCCBAABC连续连续 15点在点在 Zone C上or下连续连续 8点在点在 Zone C上 or下B* 9 (Run) 管理脱离基准例子管理脱离基准例子 . . 管

516、理图管理图(Control Chart)(Control Chart) * : 倾向倾向 (Trend)(Trend) Run Run 向管理限制的某一侧渐进上升或下降的状态.是指，以中心点为主，点连续显示在一侧。此意味着工序平均或者工序散布上有变化。 周期性周期性 (Cycle)(Cycle) 以一定的间隔，同一样子的点的动向(上升 /下降的倾向)显示的。 偏在偏在 管理图上的点接近偏在中心点或管理限制线的状态 管理脱离类型管理脱离类型倾向倾向 (Trend)(Trend)应向应向X X 管理图的因数管理图的因数应向应向R R 管理图的因数管理图的因数 工具的磨耗(Tool wear) 设备

517、的监禁热化(Deterioration) 作业者的劳累 作业者的熟练度降低或增加 作业者的劳累 零部件/资材的渐进性变化RunRun 作业者 or机械的变更 制造设备 or 作业方法的变更 检查设备 or 检查方法的变更 资材的变更 制造方法的变更 作业者的变更周期性周期性 (Cycle)(Cycle) 作业者的周期性交替 测定机器的误差 物理/ 化学性特性 作业者的劳累 作业者/ 吃工具的周期性交替 模型的磨耗. . 管理图管理图(Control Chart)(Control Chart) * : 异常判断异常判断掌握异常发生原因掌握异常发生原因树立措施对策树立措施对策 临时对策临时对策 根

518、本对策根本对策有效性验证有效性验证维持工序稳定状态维持工序稳定状态v 适用适用8 8种种Control RuleControl Rulev Run, Run, 上升上升/ /下降倾向下降倾向, , 周期性周期性, , 接近点等接近点等v 持续持续MonitoringMonitoring工序，诱导改善工序，诱导改善 v UCL / LCL UCL / LCL 周期周期Update Update v 管理工序质量问题发生的履历管理工序质量问题发生的履历v 掌握发生工序异常的原因掌握发生工序异常的原因 (5M(5M1E)1E)v 有关有关( (负责负责) )部门准备对策部门准备对策 ( (生产生产

519、工序工序 设备设备) )v 为进行工序，树立临时对策为进行工序，树立临时对策( (短期性短期性) )v 树立对异常发生的根本解决方案树立对异常发生的根本解决方案( (长期性长期性) )v 适用临时适用临时/ /根本对策后，验证为防止重发的效果性。根本对策后，验证为防止重发的效果性。v 适用对策前适用对策前/ /后，分析后，分析TrendTrend. . 管理图管理图(Control Chart)(Control Chart) 发生异常时，措施步骤发生异常时，措施步骤 * : 管理图 : 为管理群的平均值的变化、群间的变化而使用。 R 管理图 : 为管理群内的散布变化而使用 n10 (一般 3

520、5个)时使用对某产品尺寸，测定20天，其结果得到如下数据。画 R 管理图。 管理图管理图UCL = A2 LCL = A2 R 管理图管理图UCL = D4 LCL = D3 管理限制线公式管理限制线公式 D3 : n=6 以下不考虑 补助表补助表 . . 管理图管理图(Control Chart)(Control Chart)2. 2. 计量形管理图计量形管理图 R R 管理图管理图 ( () : ) : * : 搜集数据搜集数据 - 数据Sheet上记录日期、时间、群号码等需要事项 - 一般 群的大小 (n) : 2 5 个 群的数 (k) : 20 25 个内内 容容解解 题题 每群计算

521、平均值每群计算平均值(x)(x) 求到比测定值位数1位以下。 每群计算范围每群计算范围R R 求总平均值求总平均值( )( ) 总平均 X 的位数求到测定值的2位以下 计算范围的平均值计算范围的平均值 n = 5 k = 20 data 总个数 : 5 20 = 100个以同一方法计算各群的平均值后记录在Sheet上1群的范围 以同一方法计算各群的范围R后记录在Sheet上 虽然比测定值位数求2位，记录在R管理图上时， 求到1位以下。 管理图制订顺序管理图制订顺序. . 管理图管理图(Control Chart)(Control Chart) * : 计算计算 管理图的管理线管理图的管理线 A

522、2是由于群的大小而决定的整数，在如下表求 n=6 以下的D3值无视 : LCL = 0群的大小 n = 5 ，表上得到 A2 = 0.577 一般求到比测定值1位以下。6. 计量型管理图计量型管理图 ( ( 管理图管理图) )例题解题例题解题R 管理图 * : 画管理图画管理图.( .(手工手工) ) - 画管理线及刻度 - 把管理图上各群的点连接 - 纪录需要事项 群的大小(n), 管理图名(Xbar-R), UCL/LCL/CL, USL/LSL,测定单位, 群编号(k), 履历, 其它 利用MINI TAB画管理图的话. Stat / Control chart / Xbar R. .

523、管理图管理图(Control Chart)(Control Chart) * : 是Panel工厂Cell Shop的Scribe/Break工序的截断尺寸的数据. 选择与如下工序数据合适的管理图而画管理图，然后解释. 是对每Group 3个 Panel的各各的截断尺寸数据. 工序 SPEC : 315.2 0.2 ( 315.0 315.4) 例题例题(Minitab) : (Minitab) : - - 搜集搜集 Data Data UnStack 型 在一个行(Row)上输入一个抽样群.Stack型在一个排(Column)上输入全体抽样群。. . 管理图管理图(Control Chart

524、)(Control Chart) * : StatControl ChartsStatControl ChartsXbarXbar - R - RStack型数据，选择数据输入的排，输入抽样群的大小。UnStack型数据，选择数据输入的全体排。设定初期管理限制的时期，发生管理脱离的话，排除其，重新设定管理限制。此为设定工序的偶然原因只包括管理限制。. . 管理图管理图(Control Chart)(Control Chart) * : Stat Control Charts X bar-R Stat Control Charts X bar-R Estimate Estimate输入管理脱离发

525、生的抽样群编号 表示20个抽样群，但管理限制已变更.管理限制的再计算管理限制的再计算. . 管理图管理图(Control Chart)(Control Chart) * : 数据每追加，那时计算管理限制不行.以维持现有的中心线和管理限制的状态显示数据。为以维持现有管理限制的状态而追加，从现有管理图求中心值(平均)和散布(标准偏差)而输入.v 从右侧Data求的平均和标准偏差 Stat Control Charts X barStat Control Charts X bar输入9月 1日9月 20日的供需平均和散布。以后的Data以此管理限制线继续管理6个月。维持管理限制线维持管理限制线- -

526、 现有现有 Data Data . . 管理图管理图(Control Chart)(Control Chart) * : 一般周期研讨并修订最有效果。(例子, 每周、每月抽100个的抽样群等.)X bar 管理图可能有代中心线(CL)输入目标值(Target)的情况，R管理图放在管理状态下时，将中心值接近移到目标值很有用，但是中心值调整工序的Input因数的话，很容易移到目标值。 发生管理脱离时，不知道发生管理脱离的原因，其结果可能有继续扩大，那时候，构成新的抽样群(2025)，重新算出管理限制。管理限制的修订管理限制的修订 管理图 : 为管理群的平均值的变化、群间的变化而使用。 s 管理图

527、: 为管理群内的散布变化而使用。(n10时使用) 相对效率相对效率 (Relative Efficiency) :(Relative Efficiency) :抽样数 (n)相对效率21.00030.99240.97550.9560.930100.850抽样群内的抽样数是6以下的情况，使用R管理图比使用s管理图没有差异。但，抽样群内的抽样数是7以上的情况，其效率是90%以下，那时使用s管理图，表现散布更效果。 s s 管理图管理图使用R 管理图和s管理图时的相对性散布的正确性. . 管理图管理图(Control Chart)(Control Chart) * : 在15.1” 型号的液晶注入工

528、序，要管理Cell Gap. 15天测定每1lot 10个Glass的Cell Gap而调查，其结果得到如下数据. 画对此数据的 -s 管理图. 例题例题(Minitab) (Minitab) . . 管理图管理图(Control Chart)(Control Chart) * : StatControl ChartsStatControl ChartsXbarXbar - s - s 输入输入Data( Data( UnstackUnstack型型 ) )在UnStack型数据，一个抽样群输入在一个行(Row). . 管理图管理图(Control Chart)(Control Chart)

529、* : 例如, 数数LCD屏幕内部表面上的缺点的个数时，U管理图是对标本抽出的各平方英寸的缺点的个数的管理图，C 管理图是对缺点的实际个数的管理图。 . . 管理图管理图(Control Chart)(Control Chart)3. 3. 计数型管理图计数型管理图 为不良品的管理图为不良品的管理图一个产品与标准比起来，可以分类不良品或良品。例如，是否满足一条电缆所要求的强度. 这种情况下可以利用对不良品的比率及个数的管理图。为不良品的管理图如下. P Chart P Chart 使用对各部分群的不良品的比率的管理图使用对各部分群的不良品的比率的管理图. (. (部分群的大小有变化时部分群的大

530、小有变化时) ) nPnP Chart Chart 使用对各部分群的不良品的个数的管理图使用对各部分群的不良品的个数的管理图. (. (部分群的大小一定时部分群的大小一定时) ) 为缺点数的管理图为缺点数的管理图复杂的产品，因一个缺点而不是经常为不良品. 这种情况下，以缺点的个数管理产品更方便。例如，计数电器产品表面上的划痕。其管理图如下。 C Chart C Chart 使用对各部分群的缺点的个数的管理图使用对各部分群的缺点的个数的管理图. (. (部分群的大小一定时部分群的大小一定时) ) U Chart U Chart 使用对各部分群的每单位缺点的个数的管理图使用对各部分群的每单位缺点的

531、个数的管理图. (. (部分群的大小有变化时部分群的大小有变化时) ) * : 是不良率(P)管理图，群的大小(n)不一定时使用. P P 管理图限制线管理图限制线 : :nPnP = 不良品的总个数n n= subgroup sizeN N= 总个数(检查对象 母集团个数)subgroup size不同也好.Central Line Central Line 公式公式在不良率P的生产工序上抽大小n的Sample，如其中被发现的不良个数叫为 X，X随二项分布(n, P)，其平均和分散各各为nP, nP(1 - P).管理不良率，广泛使用P管理图, 管理P管理图上所抽的Sample(部分群)的不

532、良率P =X/n. P的平均和分散分别为P, P(1-P)/n， 已知道先在生产工序的平均不良率，或者给赋予目标标准不良率时，P管理图的管理限制线如下.不知道工序不良率P时 P P 管理图管理图 : : Upper Control Limit Upper Control Limit 公式公式Lower Control Limit Lower Control Limit . . 管理图管理图(Control Chart)(Control Chart) * : 在出厂检查检查25天 Line Defect的不良个数，得到如下数据。用此数据画P管理图. P P 管理图例题管理图例题 群号群的大小不良

533、个数不良率(%)UCLLCLnNp120073.57.60.0210022.09.2315000.08.2417063.57.9517031.87.9620052.57.6710044.09.2810033.09.29200105.07.61020061.57.61117074.17.91215042.78.21316053.18.01410000.09.21510022.09.21610055.09.217200115.57.618220104.57.419250156.07.12025093.67.12118073.97.82220042.07.623200105.07.62420073.

534、57.625200126.07.6(a) 4270(b) 154(c) 3.6. . 管理图管理图(Control Chart)(Control Chart) 测定测定 Data :Data : * : P P 管理图修订管理图修订( (手工手工) ) . . 管理图管理图(Control Chart)(Control Chart) 2) 2) 计算不良率计算不良率(P)(P)3) 3) 计算平魂不良率计算平魂不良率( ) ( ) 4) 4) 纪录管理线纪录管理线 LCL为(-)的情况作为0.5) 5) 画管理图画管理图. . - 纪录点. - 群的大小(n)不一样时，每群的UCL, LCL不

535、一样.1) 1) 搜集搜集DATADATA 利用MINI TAB画管理图的话. : Stat / Control charts / P Chart * : 计算不良率时，选择属于分子的数据的排计算不良率时，选择属于分母的数据的排 StatControl ChartsP StatControl ChartsP 制订制订P P管理图管理图(Minitab) (Minitab) . . 管理图管理图(Control Chart)(Control Chart) * : 是不良个数是不良个数( (nPnP) )管理图，群的大小管理图，群的大小 (n)(n)一定时使用一定时使用. . 群的大小一定时，使用

536、每群的不良个数的nP管理图比以不良率(P)表示的方法更有利。subgroup size同一时.在不良率管理图，部分群大小n一定时，代部分群不良率P，可以使用管理部分群内不良个数 X的nP管理图。nP管理图比P管理图有计算量不多、使用方便的长处.部分群大小每次变化时，应使用P管理图，部分群大小一定时，使用nP管理图，计算简单，理解很容易。但是nP管理图只使用于部分群大小一定的情况，以免因混用而发生问题，可以只使用P管理图. nPnP管理图管理图 : : . . 管理图管理图(Control Chart)(Control Chart) nPnP 管理图限制线管理图限制线 : :不知道工序不良率P时

537、Central Line Central Line 公式公式Upper Control Limit Upper Control Limit 公式公式Lower Control Limit Lower Control Limit 公式公式 * : 在出厂检查检查20天 Line Defect的不良个数，得到如下数据。用此数据画nP管理图. nPnP 管理图例题管理图例题 . . 管理图管理图(Control Chart)(Control Chart) 测定测定 Data :Data : * : 内内 容容解解 释释 搜集数据搜集数据 : 群的大小n一定，群的数k是20以上，搜集数据， 调查各群内

538、的不良个数nP。 n = 100 k = 20 计算平均不良率计算平均不良率 : 每群加不良个数nP，此以总检查个数(kn)除，求平均不良率P. 计算管理线计算管理线. . LCL值是 时不考虑. 画管理图画管理图. . : 利用MINI TAB画的管理图如左. Stat / Control charts / np Chart 打点各群的不良个数打点各群的不良个数. . 记录必要事项。必要事项。 不考虑LCL值脱离点 nPnP 管理图制订管理图制订( (手工手工) ) . . 管理图管理图(Control Chart)(Control Chart) * : 输入不良个数内在的排。.输入Subg

539、roup size(Sample )内在的排. StatControl ChartsNP StatControl ChartsNP nPnP 管理图制订管理图制订(Minitab) (Minitab) . . 管理图管理图(Control Chart)(Control Chart) * : 是是缺缺点点管管理理图图，此此管管理理图图在在某某一一定定单单位位中中显显示示的的缺缺点点数数时时使使用用。 例如，是一台收音机的焊接不良个数。一个产品中缺点数不多时，使用一定个数中的缺点数也可以。 实际上不知道平均值C的情况很多，因此使用以前的数据，如下追定 C而使用. 中心点和管理限制线如下。在缺点数管

540、理图，假说每单位产品的缺点数X随着Poisson分布. X随着Poisson分布P时， X的平均及分散是C。管理一定单位的缺点数时，使用管理一定单位的缺点数时，使用C C管理图管理图, , 管理单位不一定的产品上显示的缺点数时，使用管理单位不一定的产品上显示的缺点数时，使用U U管理图管理图. .每检查单位的平均缺点数是C时, C管理图的中心线及管理限制线如下。 C C 管理图管理图 : : . . 管理图管理图(Control Chart)(Control Chart) C C 管理图限制线管理图限制线 : :Central Line Central Line 公式公式Upper Contr

541、ol Limit Upper Control Limit 公式公式Lower Control Limit Lower Control Limit 公式公式 * : 如下Data是记录FPC soldering工序上的焊接不良个数的Data，在各LOT，每天一个，20天抽总20个的LCM而记录缺点数. 制订C管理图，要判定其管理状态。 测定测定 Data :Data : C C 管理图例题管理图例题 . . 管理图管理图(Control Chart)(Control Chart) * : 内内 容容解解 释释 搜集数据搜集数据 : 抽取2025个的一定大小的抽样群(以一个单位产品或者一定个数的产

542、品为一束), 调查各抽样群中的缺点数C。在一个抽样群，使缺点数可以包括平均15. n = 1 k = 20 : 计算中心线和管理限制线，凑羊群的数= k、缺点数的总合=C时, LCL为(-)是不考虑 纪录管理线和纪录管理线和C C值值 - 准备管理图纸张，画中心线和管理限制线，每抽样群沾表示 C值的点. - 利用MINI TAB而画管理图，如左图. Stat / Control charts / C Chart 不考虑LCL值 计算管理线计算管理线. . C C 管理图制订管理图制订( (手工手工) ) . . 管理图管理图(Control Chart)(Control Chart) * :

543、StatControl ChartsC StatControl ChartsC输入缺点数所在的排。 C C管理图制订管理图制订 (Minitab) (Minitab) . . 管理图管理图(Control Chart)(Control Chart) * : 与部分群大小变化的P管理图一样， 100%检查按单位时间的生产量不一定的工序上生产的产品而管理时，成一个部分群的检查单位数 (部分群的大小)每次会变化. 实际上求平均值 时，使用如下预备抽样品上追定的值。 中心线和管理限制线如下.每检查单位的平均缺点数是时，检查单位为 k的部分群内的缺点数Y随着平均是k的泊松分布。因此 U的平均及分散分别是

544、、 / k，U管理图的中心线及管理限制线如下。如各部分群的k值不同时，管理限制线也随其会变化。 U U 管理图管理图 : : . . 管理图管理图(Control Chart)(Control Chart) U U 管理图限制线管理图限制线: :Central Line Central Line 公式公式Upper Control Limit Upper Control Limit 公式公式Lower Control Limit Lower Control Limit 公式公式是管理单位不一定的产品上出现的缺点数的管理图。.考虑工序变化的探知能力(敏感度)或经济性因数，几个检查单位束起来可以形

545、成一个部分群。为管理此时在部分群内发现的缺点数的检查单位的每单位的平均值而使用U管理图. * : U U 管理图例题管理图例题 在个人用电脑组装工序，为管理对最终组装的产品的缺点数，抽出20个由生产的电脑构成的部分群而纪录缺点数的Data. 测定测定 Data :Data :. . 管理图管理图(Control Chart)(Control Chart) * : 内内 容容解解 释释 搜集数据搜集数据 : : 抽取约2025个不一定的大小的抽样群，调查各抽样群中的缺点数C。 在一个抽样群，使缺点数平均包括15个。 n = 不一定的单位 k = 20 计算管理线计算管理线. . : : 计算中心

546、线和管理限制线，抽样群的数为k、 缺点数的总合为C 时 LCL值是 时不考虑. 纪录管理线和纪录管理线和 C C值值 - 管理图纸张上画中央线、管理限制线， 各抽样沾表示平均缺点数( C / k)的值的点. - 利用MINI TAB画管理图的话，如左侧图. Stat / Control charts / U Chart计算中心线和管理线. 按照(Subgroup size)k而管理上限线和下限线会变更。 不考虑LCL值.245/39. 03245. 0:245/39. 03245. 0:245. 0891/128坿:-穧+穧=穧LCLUCLUCLm U U 管理图制订管理图制订( (手工手工)

547、 ) . . 管理图管理图(Control Chart)(Control Chart) * : 输入缺点数数居内在的排.输入Subgroup输入的排. StatControl ChartsU StatControl ChartsU U U 管理图制订管理图制订(Minitab) (Minitab) . . 管理图管理图(Control Chart)(Control Chart) * : Historical 管理图是指，因相互不同的Group的数据，独立追定管理限制线时使用的。 按月、按值班组、改善前(6月)、按改善前后、按交货处等按层区别而一个坐标图上要看地时候使用。6月，斑点不良中，由于黑

548、点/眼眉不良增加，李代理通过6 pjt.活动，要改善其问题。所以他为改善与黑点/眼眉不良有关的工序，需要Data的可靠性的确保，实施一个月的标准化作业，另一个月进行改善活动。画Historical 管理图，进行解释。 Historical Historical 管理图管理图 (所有管理图上，以Minitab Option可能使用). . 管理图管理图(Control Chart)(Control Chart) Historical Historical 管理图例题管理图例题 : : 测定测定 Data Data * : StatControl ChartsP StatControl ChartsP Data Data 输入方法输入方法 (必须以Stack型输入)计算不良率时，选择属于该分子的数据的排计算不良率时，选择属于该分母的数据的排指定小组. 在此按月聚合数据，故选择 Month。按照小组，画新的管理图。 Historical Historical 管理图制订管理图制订(Minitab) (Minitab) . . 管理图管理图(Control Chart)(Control Chart) * : 输出结果输出结果 : : 一看管理图就知道6月散布大，但7月、 8月散布减少. . 管理图管理图(Control Chart)(Control Chart) * :