制造业六标准差之应用

HEATS

　　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, f& v; O# g" m2 T

　　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)。

+ a* s( ~$ [* m6 f! ? J

　　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：

- e7 n- `7 z+ \6 }: R/ G/ K& L 4 @' a1 t# @5 E6 B

　　1. 变异太大

　　2. 制程平均值偏移

　　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。

　　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：

+ `- [& i# E' K5 ?

　　『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。』

: W G8 Q0 P9 G ?4 \3 e. p, r

　　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. L, U& n @+ y, O" c

　　在Motorola公司的定义，6σ质量水平的意义如下：

, Z7 `' m6 F: _& \6 d9 } ( C) o4 w H9 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)。

6 `* \# B# X F! A( A! v$ N& U5 O( P

　　2. 99.99966%产品为无缺点。

! r: Z# L- N5 V

　　3. Cp≧2(Cpk≧1.5)。

* i( Q$ d5 l1 j: H' L i( ]& U

　　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：

' O; W) @/ y. e

　　量测阶段(Measure Phase)

. _5 B; @0 u% K" f/ e

　　本阶段目的在于：

6 c6 H3 Y' A0 d3 I8 @

　　1. 确认关键质量特性(Critical to Quality, CTQ)属性及关键流程(Critical to Process, CTP)

　　2. 建立项目绩效衡量指标(Project Performance, Y)

# r6 x+ w) P1 {

　　3. 资料收集的规划

# b) J. n' d7 e, G# y$ b/ D

　　4. 发展正确的衡量系统(Y)

1 ~2 p! d( h* n& O9 v2 z' X/ P

　　5. 定义绩效标准(Performance Standards)

# K9 `3 |$ p8 t! H/ X 9 _/ H: }; s. J$ h& R0 R& M

　　6. 确认潜在的影响因子(Potential Factors, X’s)

" F' Y9 R* j! M8 R- e) \+ L' h m

　　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。

4 G* F* ]% v+ r6 `2 h 5 J1 V& k! t8 z! e" f; U

　　※使用的工具-量测系统分析(Measurement System Analysis, MSA)

　　制程数据的收集与分析阶段(Analyze Phase)

. U- z* z# Y6 v! p6 j; r/ {+ Z; D

　　本阶段的目的在于：

0 ?6 R z9 M. }$ d

　　1. 了解目前之制程能力与绩效(Process Capability and Performance)

6 N, F& X0 t. `

　　2. 收集并分析数据，了解质量之特性、分布、趋势、稳定性。

2 c9 x' O# N. p, B

　　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。

* L' A5 `1 x: Z- x2 F' l 9 S# {1 l8 M# p H" v# J7 @

　　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。

5 W! L7 H/ P% h% b9 p# }) ] o 5 A( [1 Q7 h# t# G% j

　　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。

% b5 u4 l+ T& n, R( T) ?! n

　　※使用的工具

$ M1 `% P( E" B2 \ ?& y( b5 c - Z* m8 A6 c! ~) T: _" X" G9 Q

　　计划阶段：

5 ]7 p# }5 w; j9 W" W; L

　　＊特性要因图(Cause-and Effect Diagram, Fishbone, Ishikawa Diagram)

4 X4 B5 i' L5 a- v- s0 i. i

　　稳定性分析：

8 X! l: R* j* \/ x l& D% l ( j" O) \! [ t# d

　　＊推移图(Run Chart)

9 C3 b" W8 I, q4 Z- c9 W

　　＊管制图(Control Chart)

5 ^. N- C& p. [8 g