1、統(tǒng)計流程控制 (SPC)概述,Process Improvement Methodology ,目標,將控制圖（Control Chart)方法和 DMAIC路線圖結合 討論不同形式的變異 介紹一些基本控制圖方法 討論控制圖,DMAIC 工作路徑,定義 識別差異 建立范圍及邊界 指派黑帶及項目團隊 建立項目定義表,測量 0級及價值流圖 確定基線實施能力 起始 流程能力研究 流程能力 起始控制計劃 詳細流程圖 測量系統(tǒng)分析（MSA） 因果矩陣 C & E Matrix 失效模式分析 FMEA,分析 根源分析 多級Pareto排列圖 5 Why 圖 辨認浪費 多變量研究 ANOVA 相關性與回歸,

2、改善 實施過程優(yōu)化 實驗設計（DOE） 識別變異根源 確定結果 確定價值流圖,控制 錯誤防范及實施SPC 更新控制計劃 更新所有文件 交還給流程擁有者,漏斗效應,找到關鍵 Xs,控制關鍵 Xs,所有的Xs,找出顯著因素,找出主要因素,SPC,* 錯誤觀念 - SPC 只用來當控制工具,我們解釋數(shù)據(jù)的方法,我們該采取措施了嗎？,每天我們都被數(shù)據(jù)所淹沒，我們被迫作出結果：,工廠的輸出減少了4% 國家貿(mào)易逆差上升了$400億 公司X的收入比上季度減少了$240萬,別管它 沒事,痛苦和受難,“顧客”要求下限 (下限),這種方法 告訴你從顧客需求角度看你處于什么位置 不能告訴你如何達到目標或下一步該做什

3、么,強制達到客戶需求將導致 : 1. 真正改善流程 2. 破壞流程 3. 破壞數(shù)據(jù) (完全的),“顧客” 要求上限 (上限）,我們歷史上如何處理數(shù)據(jù),痛苦和受難,變異范例,2,3,Scrap Level (%),1,J F M A,1996,1997,晚會時間,特殊與一般原因 工廠的廢品率達到年度最低點 1.5% 經(jīng)理為工廠提供了一個獎項 在自助餐廳舉行儀式: 為所有人提供比薩及點心! “每個人都應該為你們所取得的成績驕傲”,Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, S

4、PC Press. 1993.,2,3,1,J F M A M J J,1996,1997,經(jīng)理想收回獎勵,特殊與一般原因 連續(xù)三個月廢品率上升 經(jīng)理希望能夠收回獎勵 廢品率仍然上升，而沒有保持以前的成績 經(jīng)理決定: “獎勵適得其反。這群人需要的是強硬管理!”,Scrap Level (%),Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993.,變異范例,2,3,1,J F M A M J J A S O N D,1996,1997,不再 “溫和管

5、理”,特殊與一般原因 到11月, 廢品率上升到2.6% 年度最高點； 經(jīng)理決定采取措施； 召集一個“特別會議”，要一次性并永久地解決這個問題； 在作完一個關于廢品重要性的生動報告后，經(jīng)理走了。員工們不知 道該做什么。而且他們還有更重要的指標。所以他們什么也沒做。,Scrap Level (%),Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993.,變異范例,特殊與一般原因 經(jīng)理看到自從去年底以來，廢品率降低了?！傲祷髁耍　?(記住: 實際上從來

6、沒采取任何措施來改善系統(tǒng)) 他得出結論: “強硬的管理方式獲得成功！”,經(jīng)理斷定：“粗暴的愛產(chǎn)生奇跡”,2,3,1,J F M A M J J A S O N D,1996,1997,J F M A M J,Scrap Level (%),Derived from Understanding Variation: The Key To Managing Chaos, Donald J. Wheeler, SPC Press. 1993.,變異范例,在控制圖上這個數(shù)據(jù)看上去像什么？,變異案例,特殊與一般原因,Derived from Understanding Variation: The Ke

7、y To Managing Chaos, Donald J. Wheeler, SPC Press. 1993.,讓流程來說話吧！,真實的故事!“來自流程的聲音”,經(jīng)理 “ 嗨, 我是按照數(shù)據(jù)作出結論的我怎么會錯呢？”,BB “你的結論是把高、低點作為信號觀察而得出的。實際上，那都是噪聲（一般要因變動）?？催@數(shù)據(jù)，在工程中沒有過明顯的變化 ”,控制圖講述了一個不同故事為什么？,“經(jīng)驗證明：疏于使用控制圖分析數(shù)據(jù)是增加費用，耗費努力和降低士氣的最好方式。 ” - Donald J. Wheeler博士 （GE前總裁）,控制圖方法,20世紀20年代-Western Electric 公司的Walt

8、er Shewhart博士 用于鑒別受控和不受控的變異 受控: 一般要因或固有的（噪聲） 不受控: 特殊要因或可歸屬的（信號） 盡力在所有的噪聲中尋找工程信號 把控制圖作為主要的工具,控制圖方法-它從何而來？,一般要因 (噪聲) 在所有流程中出現(xiàn) 由流程自己產(chǎn)生（我們經(jīng)營的方法） 可以消除和/或減小，但需要流程有根本性的改變 當只有一般要因變異存在時，流程處于穩(wěn)定的，可預測的，和受控的狀態(tài),變異的種類 “一般與特殊”,特殊要因（信號） 不可預測 與一般要因變異相比相對大得多 由單個的擾動或其系列的組合導致 通過基本的流程控制和監(jiān)控可以消除/減小 一個工程存在特殊要因變異時，被稱為 脫離控制 和

9、 不穩(wěn)定,變異的種類 “一般與特殊”,數(shù)據(jù)依時間而變化,UCL,中心線,LCL,UCL = 上控制限 Upper Control Limit / LCL = 下控制限 Lower Control Limit,標繪數(shù)據(jù),控制圖主要構成要素,監(jiān)控特性,有 %的數(shù)據(jù)點會落在 UCL（上控制限）及 LCL（下控制限）之間 ? 如果有數(shù)據(jù)點落在 UCL 和 LCL 之外， 是否意味著我們制造出對顧客而言的不良品?,控制圖要素 UCL 與 LCL,Upper Control Limits = UCL (控制上限) Lower Control Limits = LCL (下控制限),Upper Specif

10、ication Limits = USL (上控制限) Lower Specification Limits = LSL (規(guī)格下限),流程是否在缺陷下限 ?,UCL,LCL,TIME,USL,LSL,UCL and LCL 與 USL and LSL,UCL,LCL,TIME,USL,LSL,UCL and LCL vs. USL and LSL,Upper Control Limits = UCL (控制上限) Lower Control Limits = LCL (下控制限),Upper Specification Limits = USL (上控制限) Lower Specificat

11、ion Limits = LSL (規(guī)格下限),流程是否在缺陷下限 ?,UCL 和 LCL vs. USL 和 LSL,流程控制限是由流程本身數(shù)據(jù)計算而來的 其以 +/- 3 s 為基礎 (99.73% 的預期流程變異落在此區(qū)限中) 產(chǎn)品規(guī)格限不是來自控制圖，它來自顧客 了解流程如何滿足顧客需求是非常重要的 要確認流程如何達到顧客需求，必須進行流程能力分析,#1) 將 規(guī)格限當作控制圖的控制限 #2) 將 UCL及LCL 當作規(guī)格限使用 當您犯了述錯誤時，控制圖就只是一個檢驗工具，而不再是控制圖 UCL / LCL 和顧客所定義的不良品無直接關系 !,制作控制圖時，兩個常見的錯誤,UCL 和

12、LCL vs. USL 和 LSL,兩種主要的控制圖,連續(xù)數(shù)據(jù)（變量）控制圖 （Variables Charts） X-Bar / R Chart X-Bar / s Chart I（單值）-MR（移動范圍） 離散數(shù)據(jù)（屬性）控制圖（Attribute Charts） I（單值）-MR（移動范圍） Chart p-Chart np-Chart c-Chart u-Chart,兩類常規(guī)數(shù)據(jù),計量型 - 數(shù)據(jù)是連續(xù)的 (測量的) 是對于產(chǎn)品的實際測量結果，如一個軟管的直徑，阻抗，一個部件的重量等。 計數(shù)型 - 數(shù)據(jù)一般是計數(shù)的 結果是以通過/不通過的形式，檢查所看到的缺陷，丟失部件的數(shù)量，通過/不

13、通過的決策等。,從生產(chǎn)線出來的變速器，其左前方螺栓扭矩 從生產(chǎn)線出來的變速器，其螺栓平均扭矩 每一引擎中，螺栓遺漏數(shù)目 每一銷售合同中打字錯誤數(shù) 月產(chǎn)量中，有多少引擎有缺陷 月產(chǎn)量中，有多少百分比的不良引擎 每個賬單的應收賬款所需要的結案時間 每制造一百個引擎有多少是有缺陷的,練習：數(shù)據(jù)是何種類型?,計數(shù)型,計量型,什么類型的數(shù)據(jù) ?,按群還是按單值收集的數(shù)據(jù) ?,缺陷數(shù)或不良品?,群組 (平均值) (n1),單個數(shù)值 (n=1),X-Bar R X-Bar S,單值移動范圍 （ I-MR ）,特殊類型的“缺陷”,不良品,缺陷的概率低嗎?,如果你知道壞的數(shù)， 你知道好的數(shù)嗎？,泊松分布,二項分

14、布,單值移動范圍 （I-MR）,否,是,是,每個樣本 的概率面積不變 ?,是,否,c 圖,u 圖,樣本數(shù)不變?,np 圖,否,是,p 圖,選擇正確的控制圖,注: X-Bar S 適合于群 (n) 10,Minitab 控制圖,我們將使用的檢驗: 檢驗 #1: 有一點落在 UCL 或 LCL 之外 (3-sigma 范圍) 檢驗 #2: 兩個或三個連續(xù)的點落在2-sigma 范圍外 檢驗 #3: 四個或五個連續(xù)的點落在 1-sigma 范圍外 檢驗 #4: 九個連續(xù)的點落在中心線的一邊 模式檢驗: 用一個模式重復它 (#cycles x #points in pattern 15),設定一組標準

15、檢驗來幫助識別我們流程中所表現(xiàn)出來的特殊原因 當控制圖上面的點使得檢驗失敗，我們常使用這樣的用語“無法控制”。,當圖中的任何一個點沒有通過檢驗， 這意味著有些 “不尋常的事情” 發(fā)生了 趕快去檢查 !,控制圖檢驗,“道路規(guī)則” (1) 從檢驗 #1及決策模式檢驗開始 (2) 如果需要更高的敏感度，請使用檢驗 #2, 3, 及 4,監(jiān)測控制缺乏,我們將使用的檢驗: 檢驗 #1: 有一點落在 UCL 或 LCL 之外 (3-sigma 范圍) 檢驗 #2: 兩個或三個連續(xù)的點落在2-sigma 范圍外 檢驗 #3: 四個或五個連續(xù)的點落在 1-sigma 范圍外 檢驗 #4: 九個連續(xù)的點落在中心

16、線的一邊 模式檢驗: 用一個模式重復它,1 Sigma,2 Sigma,3 Sigma,1 Sigma,2 Sigma,3 Sigma,60-75%,90-98%,99-99.9%,% 數(shù)據(jù)點,UCL,LCL,時間,我們測量 的項目,標準差規(guī)則,標準差規(guī)則,“數(shù)據(jù)落在什么地方?”,Test #1,Test #2,Test #3,Test #4,為缺乏控制的Minitab 檢驗,使用: 當從每個樣品中獲得多于一個檢驗時是不便的或不可能的 當技術上允許對每個部件在成本最低 的條件下使用簡單測量時 可用的數(shù)據(jù)是稀少的 變異 短期: 表現(xiàn)為從一個部件到下一個部件的變異 (移動范圍圖 Moving Ra

17、nge chart) 長期: 表現(xiàn)為一個長序列項目 (單值圖 Individuals chart),圖是基于一個大小為1的子群的,單值Individuals /移動范圍Moving Range,控制圖,打開工作表: Individual MR in DM SPC.MPJ Stat Control Charts Variables Charts for Individuals I-MR Variable = Errors,Minitab練習,Individuals / Moving Range,Minitab 練習續(xù),圖表告訴了你什么?,管理層必須建立并支持一環(huán)境，此環(huán)境可促使適當?shù)母纳菩袆硬⒅?/p>

18、持收集控制圖的信息 控制圖只應用在主要流程，其改善可為組織/顧客帶來益處 由流程中所收集的資料，需經(jīng)有能力的測量系統(tǒng)確認,控制圖計劃中最大的失敗是 使用許多控制圖，但沒有實際行動,有效地使用控制圖的要求,控制圖抽樣是了解流程簡易而有效的方法 若改善行動已消除特殊要因(即流程已達穩(wěn)定) 且流程能力已被確認，100%檢驗即可取消 (但須注意顧客所要求的檢驗計劃),控制圖: 抽樣 vs. 100% 檢驗,練習,打開 項目文件 DM SPC.MPJ 練習使用工作表中的項目文件來創(chuàng)建控制圖,統(tǒng)計控制（Statistical Control）檢驗,正規(guī)變異,0,5,10,15,20,0,1,2,3,4,5,Rbar,Xdbar,LCL,UCL,UCL,LCL,Range,XBAR,區(qū)域檢驗 1: Range Chart,區(qū)域檢驗 1: Average Chart,任何落在控制范圍之外的點,區(qū)域檢驗 2: Range Chart,兩個或三個點落在區(qū)域 A 中,區(qū)域檢驗 2: A