《世界級質量管理工具ppt課件》由會員分享，可在線閱讀，更多相關《世界級質量管理工具ppt課件（48頁珍藏版）》請在裝配圖網上搜索。

DOE,DOE：試驗設計是有目的的改變過程輸入因素（X）以觀測相應的輸出變化（Y）的行動。 Y=F(X1,X2,X3……Xn),什么是DOE？,,DOE是一種質量工具，要解決的變量X與Y的關系，如果逆向知道問題Y，如何找出X1，X2，X3……？,design of experiment,DOE分類：經典DOE、田口DOE和謝寧DOE,1,,8/2原則,80%的問題（Y） 是由哪些20%的原 因（X）造成的,帕累托定律,,原理,目的,簡單，有效,強調與部件對話,10大工具,DOE逆向：知道問題Y如何找到X,,謝寧DOE,,2,Y：綠Y，代表要解決的問題和目標,X：變量,,紅X,粉紅X,淺粉紅X,利克特尺度：在好壞之間建立一個好壞程度，如1代表差，10代表好； 好處：減少數據量,,測量精度：5:1，（即變量變化范圍:測量工藝精度）≥5,謝寧DOE概念定義,3,DOE10大工具,4,多變量分析,為什么首先要講多變量分析？ 最重要的是該工具針對大量沒有直接聯(lián)系的、猜測的可能原因和不可處理的變量減少到少得多的一族相關變量。 多變量分析為其它工具的使用提供一個分析基礎。,5,多變量分析,多變量分析是一種過濾技術，將20個以上變量過濾，定位最可能的原因，可以形象的稱之“漏斗法”,撲克戲法的原理：對于27張牌，三次定位找出指定的牌（紅X），即第一次找出紅X所在的列，可以排除18張牌；再次洗牌后，確定紅X所在的排，排除6張，只剩3張牌；再次洗牌，則可以輕松的確定唯一的紅X,6,魚骨圖的無奈——常用的分析問題的方法,魚骨圖可以分析問題產生的可能原因，但并不能進一步分析，到底哪個是主要原因，次要的原因。只能每項可能的原因都要進行改善，效率低，很多原因可能只是猜測，這正是多變量分析的優(yōu)勢。,7,多變量分析,目的：在X1，X2，X3，…Xn中出紅X、粉紅X、淺粉紅X所在的變量族,方法: 1. 針對每個變量，從產品或制程抽出四至五個樣品作為樣本,并測量有關之質量特性 2. 定時重復抽取樣本,直到樣本整體能反映大部份(約 80%)的不良變異 3. 按時序制作多變量圖 4. 觀察何種變異最為顯著——多變量分析的過濾器,8,位置變量(樣本內的） 部件內部/組件內的不同位置 在成批加料時出現的位置或范圍的變化 不同機器/不同試驗位置 不同生產線之間/不同工人之間的質量變化 周期性(樣本之間的變化) 在同樣的時段，從一個生產過程中抽取的連續(xù)的部件間的變化 不同的批次/部件組中的變量 時間性的變化 小時、天、周、班別的變化差異,變量族的劃分,9,設計多變量具體研究步驟,1. 測量儀器的精度至少是產品精度的5倍 2. 確定可出現的變量的族的數目 3. 畫出族譜 4. 估計所要求的不同時間取樣的次數 5. 確定對在加工過程中連續(xù)抽取的部件的數量（一般3~5） 6. 確定在部件內，族系的取樣數量，如方位、機器、模腔的數量） 7. 將第4、5、6不重的數量相乘，以確定要研究的部件總數 8. 設計一個圖表，簡化多變量數據的收集,10,多變量分析案例（一）,印刷電路板在鉆孔時產生的過量毛刺，用利克特度 量尺度把毛刺分成1到10級，然后對各種變量族系進行 甄別。決定僅用一天的時間進行試驗，期望在一天之 內就能充分找到至少80%的重要變量。 每天三班倒 有13臺同樣的鉆床 每臺機器有4個鉆削夾頭 每班有8個工人操作機器 每臺機器上有3個裝在PWB板上的控制板 每臺機有10種鉆孔尺寸,11,針對各個x進行族系的劃分： 每天三班倒 每班工作時間的變化 有13臺同樣的鉆床 每臺機器有4個鉆削夾頭 每班有8個工人操作機器 每臺機器上有3個裝在PWB板上的控制板 每臺機有10種鉆孔尺寸,12,首先畫出族譜圖，按照三個族系分類，然后確定各個x的取樣數目，一般3~5就可以。從上可以得看，存在3大族系，個子族系，如下圖：,13,然后設計數據收集表格,14,某芯片生產線對芯片與基帶的黏貼度進行多因素分析,并得出如下結果:,多變量分析案例（二）,15,變量圖，利用收集到的數據做圖。圖標可以直觀的判斷哪個變量族變化最大。 水平線表示時間——也可以是周對周、天天天，小時對小時，批次對批次， 垂直軸表示正在研究的綠Y。,從圖中可以看出，位置變量的變化最大，這說明紅X在位置變量內,,16,某加工者在制造直徑要求為0.0250英寸±0.001英寸的圓柱體轉子軸時，出了很多廢品。有3個軸式上午8點加工的，其它的為上午9、10、11和12點加工的。對每個軸要進行四次測量——2次在右面，兩次在右面，對每個軸從左到右測量錐度；從上到下測試不同心度，讓軸轉動，測量最大直徑點和最小直徑點。這樣，在部件內變量中，就會出現兩個子族，即錐度和不同心度，綠Y為轉子的直徑。針對數據做變量圖如下：,多變量分析案例（三）,17,第一種變量圖,第二種變量圖,針對同一個問題，兩種變量圖，從圖可以看出，第二種變量圖更為直觀明了，可以很快發(fā)現，時間變量最大。,18,具體應用到切片生產中，可以針對一般線痕的問題做相關分 析的案例。相關變量如下： 1、車間3個班（A、B、C） 2、車間有36臺機 3、每個班有6個主操手，沒人負責6臺機器 4、每個班12個小時 5、切片機使用M（380kg）和N（270kg+120kg）兩種砂漿 6、切片機存在兩種40工藝和42工藝 將線痕的輕重（即硅片的最大粗糙度）做綠Y,多變量分析案例（四）,19,族譜圖分析,注：針對各個變量選取適當的取樣次數，每4小時取樣一次，主操手6個選取3個，機臺36臺選取9臺。,20,設計數據收集表,,21,首先確定重要變量的族系（注意：紅X僅可能存在于幾個族系之一中） 如果紅X是位置變量族，則需要使用集中圖，分析出綠Y所在具體的位置； 如果紅X是部件對部件的變量組,就要檢驗周期圖形、灰塵及管理等，這些銀子可以影響一個部件，蛋不會連續(xù)影響其它部件，為進一步使用部件搜索和成對比較相對順利；,多變量圖的后續(xù)分析,22,如果是時間變量組，注意過程中隨時間變化的規(guī)律，可進行產品/過程搜索。 如果殘留的相關變量在5~20個，可以進行變量搜索；如果少至2~4之間，可再進行全析因分析。 如果只有一個，可直接進行BVsC比較，確認改善效果。,23,集中圖,適用的條件：變量處于部件內，為位置變量，下一步應當繪制部件內問題的精確定位。,24,目的 精確定位部件內問題的位置，為多變量分析的續(xù)篇。從謝寧 DOE解決問題的路徑圖中可以看出其所在位置：,25,應用于： 1、檢查問題/缺陷是否集中發(fā)生在產品或過程中的某一特定區(qū)域； 2、當缺陷可能發(fā)生在產品的多個位置上（如氣孔、針孔、污損）； 3、缺陷可能產生于過程中的多“流”，且流的數量較多，無法應用多變量分析（如：批量式熱處理）； “流”可以是設備、夾具等 方法： 1、畫出零件草圖，并劃分成多個區(qū)域（柵格）； 2、將Y（結果）按1-5的等級量化； 3、從過程中連續(xù)收集零件，如有缺陷，確定其區(qū)域和嚴重程度，在相應的柵格處標上等級數； 4、持續(xù)收集零件，直到80%的歷史不合格狀況能夠被覆蓋。,26,某公司在控制面板上進行噴漆的過程中，成品率僅為82%。于是進行了多變量分析，經確定重要變量是控制面板內的變量。研究人員制作了一個集中圖，顯示出4種缺陷，以及每種缺陷的數目和位置。,集中圖應用案例分析,從圖中可以看出，鐵鈷鎳合金的缺陷達43個，占到總缺陷的79.4%，集中于控制面板頂部的中部，這是由于控制面板是用鐵鉻鎳合金制的鉤子沿面板上棱的中部掛起來的，這些鉤子沒有進行定期清洗，導致鉤上的碎屑掉到了控制面板上。,27,分析和結論 1、僅需進行目視分析； 2、檢查缺陷是否集中發(fā)生在產品或過程中的特定區(qū)域； 3、如缺陷集中于某過程流，則變異源于該過程（如：爐內各區(qū)域溫度的不同）； 4、如缺陷不是集中于某過程流，則變異源于原材料的差異;如缺陷集中于某產品流，則變異源于該過程的缺陷/不足； 5、如缺陷不是集中于某產品流，則變異源于該過程設計或材料問題；,28,部 件 搜 索,部件的交換是否能將綠Y帶走？,29,部件搜索,用途：用于裝配操作，可拆卸的部件對比 適用條件：通過多變量分析發(fā)現重要的變量存在于部件對部件時；或在同樣的運行條件下，同時存在好壞時，直接使用部件搜索。 試驗樣品：2個，1“好”和1“壞”，兩個部件的差異應該盡可能的大，考慮兩種極端情況。 原理：交換理論，兩個相同部件的對換，綠Y是否被帶走,30,部件搜索,試驗具體步驟： 1、取樣：1個最好的樣品和1個最差的樣品，差異盡量大，有利于重要的因子的捕捉。 2、分別拆卸/重裝2個樣品部件2次，測量綠Y是否重現。 3、顯著性檢驗，兩個樣品之間的差別是否顯著。 3次綠Y的輸出都是好的樣品高于差的樣品，之間沒有重疊交叉。 D/?≥1.25，才進行下一步；低于1.25則說明問題在與部件的拆卸/重裝過程。（D和?具體應用時講解） 4、子部件交換，測量每次交換后兩個部件的輸出。 5、使用判斷極限，如果輸出超出了判斷極限，則為重要因子。（判斷極限，具體應用時講解） 6、進行析因分析，量化因子的重要性和相互作用。,31,實用案例,某廠生產的振蕩器的時間延遲，同時存在高值（H）和低值（L）。通過拆卸/重裝，結果如下：,32,1、根據一階段圖表進行顯著性判斷： D/?≥1.25 D=高中值—低中值=高中值（ 34、38、35 ）—低中值（ 13、16、15 ）=20 ?=[高中值（ 34、38、35 ）取值范圍+低中值（ 13、16、15 ）取值范圍]/2=3.5 D/?=20/3.5＞1.25，這說明部件的差異不在組裝過程，而是在子部件的差異。 2、進行第二階段的部件互換，根據階段一得數據做判斷極限： 高值范圍=高中值±2.776?/1.81=35 ±2.776*3.5/1.81=35 ±5.37 低值范圍=低中值±2.776?/1.81=15 ±2.776*3.5/1.81=15 ±5.37 3、做曲線圖，看哪些子部件的交換導致輸出超出了判斷極限，即為重要因子,33,4、做析因分析,通過上表，可以算出A的主效應=[(35+17.5) — （15.5+17.5)]/2=10 E的主效應=[(35+17.5） — （15.5+17)]/2=10 AE之間的交互效應= [(35+15.5） — （17.5+17)]/2=8,,,,34,成 對 比 較,復雜的東西簡單化，統(tǒng)計的東西非理論化,35,成對比較,用途：用于裝配操作，部件不能拆卸分離時對部件的屬性進行比較鑒別重要因子 適用條件：在同樣的運行條件下，同時存在好壞時，直接使用成對比較，避開多變量分析。 試驗樣品：6-8個好部件和6-8個差部件。 成對比較的通用性很強，可以用于設計、管理、技術等各種場合的部件對比。后一章關于部件/過程搜索的方法與本章基本一樣，成對比較主要針對不能拆卸的子部件參數，而產品/過程搜索主要針對過程參數，如溫度，角度，濕度、時間等變化的因子。其實在具體使用中，子部件的參數和過程參數都可以同時使用成對比較。產品/過程搜索就不再累述。,36,成對比較,使用方法： 1、選則采樣量。選取相對于調查的綠Y盡可能遠的6個或者8個好的部件以及同樣數量的差的部件。好的和差的部件的綠Y值應該相差越大越好，有利于找出紅X。 2、盡可能多的羅列出可以表達好的和差的部件綠Y差異的參數或者質量特性。 3、將每項參數從大到小，或者從小到大的排列，使用圖基檢驗，計算每項參數的終結計數。 4、終結計數如果大于或等于6，置信度大于90%，為重要因子；如果小于6，則為不不重要因子。終結計數越大，置信度越大。,37,圖基檢驗 1、關鍵詞：圖基（人）、統(tǒng)計學規(guī)律、確定質量參數是否重要 2、使用程序： A不管好壞，將12個或16個參數按照從高到低，或者從低到高的順序排列開； B 在參數的后面標出好（G）或差（B）的部件； C 排列在頂端參數由“全部是差的”開始改變成“好的”或者“差的”變成“好的”的分界線處劃斷，好的或壞的個數為頂部的終結計數；同理，可以劃定底部的終結計數。兩個相加為該參數的終結計算； D 如果分界線處“好的”和“壞的”參數一樣，則該終結計數減1/2；,38,成對比較案例,內外環(huán)跳動差異比較,,39,案例分析： 1、樣品選取8個“好的”8個“差的”，好的和壞的存在一定差距； 2、參數排序，每項參數的終結計數的確定；,,,,3、成對比較，并不是問題解決的最后，還要使用變量搜索和全析因分析，量化重要因子和相互影響。,40,全 析 因 分 析,復雜的東西簡單化，統(tǒng)計的東西非理論化,41,全析因,用途：簡潔而正確的識別量化每一個一階影響、二階影響、三階影響及四階相互影響效應。 適用條件：在使用其它DOE線索生成工具確定變量個數不大于4個時使用。 試驗個數：2n，n為變量個數（≤4，大于4則繁瑣） 試驗原則：隨機化，各變量的輸入試驗應該交錯開，前后順序隨機化；重復性，各變量重復輸入一次，輸出如果相差大于10%，則需要消除干擾誤差；必須使用其他DOE方法確認4因子為重要因子，不可直接使用全析因。,42,全析因,方法： 1、選擇輸入的變量和因子，編號為A、B、C和D。 2、為每個因子選擇兩個水平（任意兩個，一好一壞）。兩個水平分別標記為（－）和（+）。 3、繪制16種組合的矩陣，使每一個因子組合的水平都能得到檢驗。 4、隨機選擇檢驗任何一個因子組合順序，輸入每一個組合兩次，記錄所對應的綠Y（輸出，兩次讀書的平均值）。如果每一個組合兩次輸入誤差不大于10%，則試驗具有重復性，否則需調節(jié)試驗，消除誤差因子。 5、繪制方差分析表，將每個因子（－）和（+）分別相加，得出每個因子的變化，所引起輸出的變化，確定紅X、粉紅X和淺粉紅X。同時分析各因子之間的交互影響。 具體操作，從事例中講解。,43,全析因,案例 波焊試驗（4因子），確認相互之間的影響,綠Y(輸出）：波焊缺陷水平,44,波焊試驗24因子方差分析表（重點）,意義：ABCD四個因子，任意不重復的（—）和（+）兩水平組合（紅色框子）輸入，得到綠Y（輸出）的值（藍色框子)；總和（橙色框子）表示每個因子欄（A、B…AB、CD…ABC…ABCD)中[（+）符號的所有輸出之和]減去[（—）符號的所有輸出之和]。,總和的值從大到小的因子組合即為紅X、粉紅X和淺粉紅X?？偤桶囊饬x可理解為該因子變化所引起的輸出的變化大小，即該因子組合對輸出的影響力。,,淺粉紅X,,,,（-）乘以（+）為（-）,45,交互影響效應,輸出比較：AB交互影響—四組數值，在AB欄中(A,B)的兩水平（-,+),(-,-),(+,-)和(+,-)組合四個組合，將四個組合的輸出分別相加所得數值做交叉圖；AD則為（A，D）組合，類似AB交互影響；BCD三階交互影響則為（BC，D）組合，具體方法類似于AB二階，只不過將A欄換成BC欄（三階方法，書本解釋錯了）。 圖表意義：如果兩條直線交叉，說明交互影響很大，驗證了為其為重要影響因子，兩條直線未相交，弱交互影響；從圖選取數值最小的為因子應處的水平為最佳水平，如AB交互影響，應A和B都處于（+）水平為宜。,,,,,,應該是BC（-）和BC（+）,46,全析因-切片案例設計,可應用全析因分析確定切片過程中重要影響因子對切片線痕的影響，具體方案如下： 1、輸入因子：（DG機臺，假如通過多變量分析確定砂漿相同條件下，4因子為重要因子）,2、綠Y（輸出）：硅片的線痕程度，利克特尺度綜合粗糙度和線痕面積，劃分為1、2、3…10等級。 3、目標：確定4因子之間的相互影響和最佳參數水平。,47,謝 謝~~~！,48,