制造业六标准差之应用
<P> 一个制程工程师(Process Engineer)的日常工作，主要是在降低生产制造流程变异(Variation)或缺陷(Defect)，并确保产品功能符合工程规格(Specification)以满足顾客需求，但是我们强调缺陷的预防(Prevention)，而非事后的缺陷的发现与修正。</P><P> 因为在生产制造流程中修理(Repair)、重工(Rework)、报废(Scrap)都会造成隐藏性不良质量的成本(Cost of Poor Quality, COPQ)。据国外研究，公司的质量成本约占销货收入的25%，其中有75%的质量成本是属于隐藏性不良质量的成本(John Hawley Atkinson, Jr. et. Al,P.66)。</P>
<P> 在1970年代，美国制造业因受到日本与欧洲高质量产品的竞争，意识到产品质量不佳，将导致市场占有率下降、产品销售量大幅萎缩等后果，迫使美国制造业开始重视制造程序中预防成本的投入，根据Motorola公司研究，引起产品不良或缺陷的原因，主要原因有二：</P>
<P> 1. 变异太大</P>
<P> 2. 制程平均值偏移</P>
<P> 再进一层研究，其发生的根源，则来自设计(Design)、制程(Process)及材料(Incoming Parts and Materials)的问题。</P>
<P> 所以要达到具有竞争性的质量，须从此三者的管理加强开始，因此在1980年代，Motorola公司提出并利用六标准差质量策略，(Six Sigma, 6σ)以提升全面质量水平。该公司利用统计思考(Statistical Thinking)为根据，依据下列原则来学习或采取行动：</P>
<P> 『所有的工作均发生在相互连结的流程所构成的系统中，而变异存在所有的流程中。所以，了解并降低变异是成功的关键。数据可以让我们将变艺术量化，以发展有效的改善作法与管理。』</P>
<P> Motorola公司依MAIC(Measure-Analyze-Improve-Control)四个步骤，将统计制程管制(Statistical Process Control, SPC)、问题解决(Problem Solving Procedure, PSP)与实验计划(Design of Experiments, DOE)等统计品管工具作一整合。</P>
<P> 在Motorola公司的定义，6σ质量水平的意义如下：</P>
<P> 1. 不良率或缺点数为每百万产品中，只含3.4个缺点(3.4PPM)(Parts Per Million, ppm)。</P>
<P> 2. 99.99966%产品为无缺点。</P>
<P> 3. Cp≧2(Cpk≧1.5)。</P>
<P> 所谓MAIC是指量测(Measure)、分析(Analyze)、改善(Improve)与控制(Control)四个阶段，分别解释如下：</P>
<P> 量测阶段(Measure Phase)</P>
<P> 本阶段目的在于：</P>
<P> 1. 确认关键质量特性(Critical to Quality, CTQ)属性及关键流程(Critical to Process, CTP)</P>
<P> 2. 建立项目绩效衡量指标(Project Performance, Y)</P>
<P> 3. 资料收集的规划</P>
<P> 4. 发展正确的衡量系统(Y)</P>
<P> 5. 定义绩效标准(Performance Standards)</P>
<P> 6. 确认潜在的影响因子(Potential Factors, X’s)</P><P align=center><IMG height=150 src="http://www.chmcw.com/upload/news/RCL/13220_pf96d3080828851318333.jpg" width=351 border=0>
</P><P> 上述公式代表质量特性y之变量是由x’s的变异来决定，经由控制x’s才能得到我们想要的y值，并降低其质量变异，因此我们需要藉由统计手法了解一个制程，建立y与x’s之笺的关系式，以预测并控制x’s输入变量，对y输出质量之影响。若对x’s不够了解，则我们必须就由检验(Inspection)及测试(Test)等无附加价值(Non-Value)之流程，来确保y输出质量的稳定；了解并控制x’s，可以降低y的变异，这相当于消除或降低检验、测试及重工的机会。</P>
<P> ※使用的工具-量测系统分析(Measurement System Analysis, MSA)</P>
<P> 制程数据的收集与分析阶段(Analyze Phase)</P>
<P> 本阶段的目的在于：</P>
<P> 1. 了解目前之制程能力与绩效(Process Capability and Performance)</P>
<P> 2. 收集并分析数据，了解质量之特性、分布、趋势、稳定性。</P>
<P> 3. 验证变异源(Variation Source)及因果关系(Cause-Effect Relationships)，了解影响质量之输入变量。</P>
<P> 4. 确认流程绩效的关键性少数要因(Vital Few)，区分(Screen)重要之输入变量及不重要之输入变量。</P>
<P> 5. 解决问题之策略(Strategies)：了解关键输入变量，对质量之影响程度，决定关键输入变量之设定(Recipe)，以获得最佳或期望之质量。决定关键质量之操作范围(Window)，预防或监控质量之异常变化。</P>
<P> ※使用的工具</P>
<P> 计划阶段：</P>
<P> ＊特性要因图(Cause-and Effect Diagram, Fishbone, Ishikawa Diagram)</P>
<P> 稳定性分析：</P>
<P> ＊推移图(Run Chart)</P>
<P> ＊管制图(Control Chart)</P>
页:
[1]