MSA GRR研究时两个普遍纠结的问题

文章原创:姜传武(John Jiang) 资深质量咨询&培训师 电话:18501797352,个人主页:[url]http://www.jiangshi...
文章原创:姜传武(John Jiang) 资深质量咨询&培训师
电话:18501797352,个人主页:http://www.jiangshi99.com/home/jiangchuanwu/?from=recommend
 
在我所讲的MSA课程中,我发现有两个问题,学员们每次都在纠结,它就是:
第一个问题:我们周期性地评价GRR时,是使用初次评价时的样本,还是当前过程的样本?
第二个问题:在PPAP时做的GRR是满意的,但是在量产很长一段时间后,再用当前产品做分析样本时,GRR指标又不好了,但是制造过程比当初更加稳定了,零件的变差减小了,所以不能就说测量系统的GRR是不满足要求的,测量系统不用改进!我们不能为了MSA而MSA,因为再提高测量精度,所用的成本太高了!

以上问题,我基本上保留原样,但是在给出正式的解答前,忍不住先反问一下:
在没有分析测量系统是否真的变坏了前,怎么能讲零件的变差变小了呢?用于分析零件变差的测量数据可信吗?
这个问题反映的其实是MSA的最基本的概念,甚至还涉及一些质量理念方面的东西,所以值得写一下,与大家分享和探讨。

在回答这个问题之前,必须首先要明确什么是GRR。GRR是测量系统中的精度误差,是MSA工作的一部分,是用测量值的标准差来估计的,它表示测量系统本身的测量误差大小。它在测量系统的所有影响因素没有显著变化的情况下是不变的,它的大小与用什么时候的样本也是没有关系的。

测量系统的精度是否满足测量要求呢?这就要把GRR值与要求进行比较,看一下测量系统满足测量要求的能力是否发生了变化。这才是进行测量系统评估的真正目的!

测量的目的不同,要求也就不同。通常情况下,我们把测量用于满足下面两类不同的目的:
第一类:用于产品检验,判断产品的特性是否合格,将GRR与特性公差比。测量要求就是测量系统能够区分合格与不合格;
第二类:进行统计分析,由于测量值由真实值和测量误差构成,这时的测量要求就是测量值之间的变差能够足以精确反映制造过程的实际总变差(表现为该过程所生产的零件特性的一致性),就要把GRR与测量值之间的变差进行比较,所占比例越小,则说明测量值越能反映实际的过程总变差。这类应用常见的有:SPC控制图、CPK、6SIGMA改善、STA(统计公差分析)等。

在MSA中,针对这两类应用的目的,规定了如下三个GRR的评价指标:

4.png


当测量值被用于第一类目的,即产品的检验、验收时,使用100(GRR/T),可见,大小只与测量系统本身的GRR和公差T有关,与用什么时候的样本是没有关系的,反映的是测量系统精度是否存在显著的绝对变化。

当测量值被用于第二类目的,即统计分析时,使用100(GRR/TV)和分类数ndc来评价。其中,TV是一个总变差,它是通过测量值(也叫观察值)来计算的,它总是或多或少地含有测量误差,即由两部分构成:真实的过程总变差(零件特性间的真实变差)和测量误差(GRR)。因此,TV是动态的,它随着零件特性之间的变差的变化而变化,当然,也会因GRR变化而变化。

一般情况下,在刚刚量产时,由于还可能存在着许多问题没有完全解决,零件特性间的变差会比较大,而随着量产时间的增加,问题逐渐解决,又做了一系列的持续改善,零件特性的一致性就会变得越来越好,这时σpart和TV就会变小!换句话讲,就是100(GRR/TV)和ndc会与我们用哪些样本来评价有关系,如果再使用当初的样本评价GRR,所计算出的这个结果就不能正确判断测量系统是否真正满足当前的测量要求了。如果硬要使用当初的样本,则会有如下可能的误导:
1. CPK很高,但可能是一派虚假的繁荣!或者SPC控制图上出现连续水平排列的点。但过程能力是否真的提高了,还是测量系统是否真的变差了,单从100(GRR/TV)和ndc上是看不出的;
2. CPK保持稳定,但可能是一个虚假的稳定,测量系统和实际过程能力可能同时都变差了!
3. 评价一项改善是否成功时,我们需要进行改善前、后的CPK对比,若使用当初的样本,则测量结果会显示没有成效或未达改善目标!因为测量系统的分辨率差,不能有效分辨出改善措施所带来的变化!

在以上基础上,我们可以对一开始的两个问题总结出以下GRR研究的策略:
1. 如果测量系统只用于检验产品,则可以使用任何时候的产品作为样本,只考察100(GRR/T)这个指标;
2. 如果测量系统同时还用于统计分析,则要讲究样本了。我们可以用以下步骤来做:

1) 从当前过程中抽取样本,这个样本应涵盖当前过程的所有5M1E过程因素的正常更替,如:换班次、换料批、修磨刀具等,怎样才能做到呢?这就需要时间来抽样!例如,把所用的不同样本分配到不同的班次、原材料批次中。
此时,需要注意的是:如果你没有足够的时间得到满足上述要求的样本,是可以从一个班次中抽样的,但是,从样本中计算出来的TV就不能很好地反映真实的过程的总变差(零件特性间的真实变差)!建议使用过程总变差的目标值来代替TV,可以从PPK计算公式中推导出来(此处略去公式和推导)。但是要注意:如果实际过程的性能还未达标,则我们评价的%GRR就相当于对测量系统满足期望目标的能力;如果过程性能实际上已经超过了PPK的目标要求,则此处%GRR的结果可能要高估了当前测量系统满足当前测量要求的真实能力,即100(GRR/TV)和ndc虚高!

2) 计算100(GRR/TV),并将结果与100(GRR/T)的结果进行对比。
a) 若100(GRR/TV)不满足要求(如大于10%),同时100(GRR/T)满足要求,该测量系统的精度没有发生显著下降,这是由于制造过程能力提高的结果,使得总变差TV变小的原因,但是事实是:测量系统已经不能满足对当前制造过程的统计分析的要求了!

到底需不需要改善呢?很多人在这个地方纠结!因为测量系统本身没有下降,要改善的话,可能要投入很多成本,例如更换高等级的测量仪器或自动化测量设备,会投入巨资的!这个时候就要看我们的质量管理的要求了,理论上讲,如果没有过程持续改善的测量需求,就没有必要改善测量系统,但此时要注意两点:
第一,当客户需要CPK报告时,你是否能够说服客户?
第二,为什么不对过程和产品进行持续改善?!客户有了更高的质量水平的要求、竞争对手有了更高的质量水平的表现,你还在停滞不前吗?很多时候,需要我们有战略观,战略就是要求我们不只是看到眼前所花的成本,而是要看到更长远、更大的范围内的风险和要求,从而保证战略总成本最低!
b) 若100(GRR/TV)是满足要求的,但是100(GRR/T)是不满足要求的,则说明测量系统并不是真正的好,与第一次GRR分析(当时是满足要求的)的时候相比,已经发生了显著的下降了,但其测量精度仍然能够满足当前制造过程的统计分析的要求。这时应当对测量系统进行改善了,最起码要满足检验的要求!若不改善,100(GRR/TV)也很可能会在下一次GRR研究前就不合要求了。
c) 若二者同时满足要求,则测量系统没有问题。
d) 若二者同时不满足要求,则毫无疑问,测量系统的精度已经绝对地变差了,必须要改善了。

总之,周期性进行的GRR分析,应当使用代表当前制造过程实际总变差的样本,并同时进行两种%GRR指标的对比分析,从而判断出两层涵义:
第一,测量系统的精度是否绝对地发生了显著变化; 
第二,测量系统的精度是否满足当前过程的测量要求。
若没有足够的时间抽取代表当前过程的样本,则可以使用PPK目标值所对应的过程总变差来代替当前过程的TV,但这样做也不是最好的。
  收起阅读 »

重视图表分析,避过分依赖软件 -向DOE初学者进言(1)

DOE已进入使用软件阶段,因方便常为初学者首选。 DOE只有全因子析因设计才能精确量化交互作用,但大于4因子试验次数太多,使用受碍。 而大大减少试验次数的非...


DOE已进入使用软件阶段,因方便常为初学者首选。
DOE只有全因子析因设计才能精确量化交互作用,但大于4因子试验次数太多,使用受碍。
而大大减少试验次数的非全因子析因设计“混杂”不能避免,所以聪明的应用软件也不能百分之百可靠。
比如《实验设计应用指南》(闵亚能)p181例6_10,软件显示结果只有AxD互效应是显著的,而实际应BxC交互效应显著,而AxD交互效应不存在!原因是用了部分析因设计混杂了,经验丰富者“还可以‘猜’一下”,初学者可能成陷阱。
有的学者对多因子案例处理的方法:删除不显著因子或交互作用,缩减至3因子后再析因设计。
这方法也有误区,由于水平取值不够多,在2水平范围中因子可能是不显著性,在2水平之外水平可能是显著性的,(比如响应呈三次函数关系用4水平才能表达其复杂变异性)更有多因子案例,原不显著性因子高阶交互作用呈显著性。比如治爱滋病的鸡尾酒疗法,单个药疗都不显著,多种药混合使用有显著性疗效。
《实验设计与分析6版》蒙哥马利p194案例,其“主”效应图表面看来A+C+D+为最优组合,但从交互作用图显示应A+C-D+最优水平组合,实际证明后者是正确的。
非全因子析因设计中多因子案例中有交互作用的因子,所谓“主”效应实际是正交表的“列”效应,其中混杂了交互效应。所以前述例6_10,如用交互作用图分析即可避免用软件的失误。
正交试验的特点之一,整齐可比性,在交互效应加入后也不一定成立。
所以蒙哥马利认为:“统计方法优点,简单图解法起重要作用。”
“简单方法几乎总是最好的。”比如目测散点图,分辨回归曲线是线性还是非线性应是判断回归数模的第一步。
看来交互作用是DOE最大难点?但是田口方法反而专注于怎样利用正能量的交互作用,这正是稳健性设计全新的思维方法的妙处。(另文再述)

收起阅读 »

APQP 五个过程涉及的工具?

APQP分为五个阶段 一阶段 计划和项目确立 N/A 二阶段 产品设计和验证开发 DFMEA 三阶段 过程设计和开发验证 PFMEA 四阶段 产品和过程确认 M...
APQP分为五个阶段
一阶段 计划和项目确立 N/A
二阶段 产品设计和验证开发 DFMEA
三阶段 过程设计和开发验证 PFMEA
四阶段 产品和过程确认 MSA SPC PPAP
五阶段 反馈 评价 纠正措施 SPC
以上希望大家共同探讨发表自己的意见,以上只是本人的理解不代表任何官方言论。 收起阅读 »

原创—EXCEL SPC函数 直方图 控制图更新 增加菜单功能

原发布版本还存在一些BUG,主要是直方图分布曲线不真实(加大组数),有很多人不知道怎么用,增加了具体的说明和方便的自定义菜单栏。还有选择的数据区域为一列时组内的...
原发布版本还存在一些BUG,主要是直方图分布曲线不真实(加大组数),有很多人不知道怎么用,增加了具体的说明和方便的自定义菜单栏。还有选择的数据区域为一列时组内的标准差计算存在出错(现采用了默认5个为一组)进行了全面更新。VBA是在OFFICE 2013版本下编写的,如果其它版本出错的,请发信息给我更新。如果觉得还可以,可做为加载项保存,这样在任何时候都可以调用了。
图片1.jpg

20181009142302.jpg

181011更新日志:增加菜单功能,应网友要求,增加了XBAR-R和-S两种控制图。增加了一些常用的工具。需要的更新下载。
  收起阅读 »

原创—EXCEL SPC函数 直方图 控制图

已更新,请查看!https://www.6sq.net/article/101034
已更新,请查看!https://www.6sq.net/article/101034

原创—excel加载项完成的Xbar-R质量分析报告

   使用EXCEL加载项功能,将文件解压在c:\Program Files\Microsoft Office\Office15\Library或放在个人的加载...
   使用EXCEL加载项功能,将文件解压在c:\Program Files\Microsoft Office\Office15\Library或放在个人的加载项文件内,到Excel选项内把"qctool"选上,然后在任何文件内就可以做分析了。怎么做加载项不知道的Baidu一下吧,使用方法:选中你要做图的数据区域,按"Ctrl+shift+K"就可以自动完成了,也可以在EXCEL内自定义菜单,调用内部的”XBarR“宏来运行,这样以后分析数据就方便了。
    加载后,大家也可以试试自定义的品质计算函数,只要输入=cpk(规格上限,规格下限,数据区域)就可以计算出CPK值了,当然还有PPK ,CPL ,CPU ,PPK ,PPU,PPL ,CP,PP等相关的函数。和MINITAB内对过的整体分析结果一致,组内分析因为没有找到MINITAB对标准差的计算公式,结果还是略有差异。我现组内采用的是合并标准差计算公式,有知道的也可以讨论一下!

图片1.jpg

  收起阅读 »

北易特色质量免检管理

产品免检是质量管理的一种模式,不是不检验
产品免检是质量管理的一种模式,不是不检验

NEW PDCA

新发明,蛮有意思的。大家都来谈谈观后感。呵呵~ 73999  
新发明,蛮有意思的。大家都来谈谈观后感。呵呵~
0.png

 

奇文共欣赏----共享北山浮生:“人穷不能怨社会”这句话居然是错误的

SPC
不能发布外部链接,有兴趣自己度娘吧   作者通过比较遵循二八原则的幂分布和遵循八二原则的高斯分布,来深入浅出的讨论社会发展规律;并从特征的独立性出发,搞出了一套...
不能发布外部链接,有兴趣自己度娘吧
 
作者通过比较遵循二八原则的幂分布和遵循八二原则的高斯分布,来深入浅出的讨论社会发展规律;并从特征的独立性出发,搞出了一套人才分布和财富分布的原理,看的人一愣一愣的。
 
让人觉得,基础学科的强大和伟大。

实用汽车英语之问题分析模板

           一般问题分析模板 很高兴和大家见面啦!后面会利用几期与大家分享OEM(Original Equipment Manufacturer)...

          
一般问题分析模板

很高兴和大家见面啦!后面会利用几期与大家分享OEM(Original Equipment Manufacturer)现场质量问题的分析模板,内容包括:
一般问题分析模板
尺寸匹配类模板
功能类问题模板
我们结合实战,看一些我们工作中常用,却不知道怎么表达的实用英语。第一期,我们先看看一般类问题分析模板涉及的一些英语表达:

       ▋缺陷描述和基本信息


0.jpg


这张图片是汇报用的一些基础信息,我们逐一看看这些信息用英语该如何表达呢?
缺陷描述:Issue Description
报告人:Reporter
零件批次:Batch or Lot 
例句:Please help me segregate all the suspected lots of the headlamps请帮我隔离所有的缺陷批次大灯
注:说起批次这个词,针对质量人来说,出了问题第一个想起来的就是要咖喱!what?是隔离啦,哈哈!那么隔离可疑物料到底应该用哪个词?我们会想到的以下几个单词:

推荐:segregate
共用车型/产品:Common/Shared Vehicle Mode
零件名称:Part Name
零件号:Part Number
发生地点、工位:Station
稍微展开一下,汽车装配线的基本工位名称:
内外饰装配:Interior/Exterior Assembly Station
底盘装配:Chassis Assembly Station
质量门:Quality Station
问题发生频次:Frequency
单一问题:Single Case
批量问题:Quantity Issue
问题类型:以下介绍几种通用的问题分类:
Quality Alert:质量警报【程度较轻】
Quality:质量问题
Engineering Issue: 工程设计类问题
Partnership Relation Issue: 对问题响应和进度的抱怨问题  【你惹恼别人啦】
例句: I will issue a complain PRR in the system as for no reply on this issue to us
因为您对该问题的消极反馈,我会在系统内发布对该问题的抱怨PRR.
供应商:supplier
重复发生:repeat issue
断点失效:clear/break point failure

  ▊缺陷照片拍摄技巧:

0_(2).jpg


标注好缺陷位置,好坏零件对比
The defect area should be marked clearly on the part and also the comparison between OK and NG parts is necessary.
如果缺陷照片无法辨别,留好缺陷样件便于供应商确认
If the defect is hard to identify by the picture ,then keep the defect part to wait for the confirmation of the supplier 
异响问题插入视频
You should attach video files to the report when meet a abnormal issue.

下期送上:一般问题分析模板中【长短期措施】的实用英语,敬请期待 !也欢迎大家关注我的微信公众号:【PVE英语学习】

0_(1).jpg


  收起阅读 »

“九宫格” 代替 “乌龟图”,过程分析更有效。

      “过程方法” ,是ISO9001质量管理体系七大原则之一,是组织高效实现其宗旨和目标的关键所在。     在以往对“过程”进行分析时,大...
 
    “过程方法”,是ISO9001质量管理体系七大原则之一,是组织高效实现其宗旨和目标的关键所在。
    在以往对“过程”进行分析时,大多采用一种叫做“乌龟图”的方法,关注了:输入、输出、人员、设备、方法、绩效等六个方面。
 
乌龟图.jpg

 
    随着ISO9001质量管理体系2015版的发布,对“过程”的应用要求有所增加,包括:输入、输出、相互顺序和作用、方法(包括绩效)、资源(包括人员、设备等)、职责和权限、风险和机遇,等等。标准要求如下:
  
4.4 质量管理体系及其过程
4.1.1 组织应按照本标准的要求,建立、实施、保持和持续改进质量管理体系,包括所需过程及其相互作用。
    组织确定质量管理体系所需的过程及其在整个组织中的应用,且应:
    a)确定这些过程所需的输入和期望的输出
    b)确定这些过程的顺序和相互作用;
    c)确定和应用所需的准则和方法包括监视、测量和相关绩效指标),以确保这些过程的有效运行和控制;
    d)确定这些过程所需的资源并确保可获得;
    e) 分配这些过程的职责和权限
    f)按照 6.1 的要求应对风险和机遇
    g)评价这些过程,实施所需的变更,以确保实现这些过程的预期结果
    h)改进过程和质量管理体系。
 
    为适应和满足新标准要求,在“乌龟图”的基础上,加入了新的分析要素,设计了一个过程分析的新方法 ---- 
 
    “过程分析九宫格”。如下图所示:

过程分析九宫格模板.jpg

     
    鉴于“过程分析九宫格”作为一张图表,要体现出简明扼要,这里将“相互顺序和作用”简化为“过程起点、终点及关键步骤”、将“职责和权限”简化为“过程的拥有者”。至于标准要求的“相互顺序和作用”及“职责和权限”就只能在过程的“成文信息”中再进行详细描述了。
 
    下面,我们以“设计和开发”过程为例,实际应用一下“过程分析九宫格”:

过程分析九宫格示例.jpg

 
    “过程分析九宫格”的应用方法如下:
 
    1-“资源/设施”栏:
    可以填写办公环境、机器设备、软件系统、通讯设施等内容;
 
    2-“过程的拥有者”栏:
    填写该过程的负责人的“岗位名称”(人员会流动);
 
    3-“人力资源”栏:
    可以填写该过程的主责和协助人力资源、能力和培训等内容;
 
    4-“输入”栏:
    可以填写顾客要求、计划、文件、材料、工具等实际接收的内容;
 
    5-“起点、终点及关键步骤”栏:
    分别填写该过程的起点、终点和主要活动内容;
 
    6-“输出”栏:
    可以填写产品、服务、报告、活动证据等实际交付的内容;
 
    7-“工作方法/程序”栏:
    可以填写过程控制程序、指导书、工艺、规范等内容;
 
    8-“风险和机遇”栏:
    可以填写组织环境、顾客、竞争对手等变化所带来的不确定性;
 
    9-“绩效指标”栏:
    可以填写对过程有效性的测量,如薄弱点、关键参数等内容。
 
九宫格.jpg

 
    用“九宫格”代替“乌龟图”,不仅是对新标准要求的响应,更主要的是可以对过程的要素分析的更全面,可以帮助我们对所要管理的过程认识的更清晰。思路理清了,编写过程管理文件就可以更明晰和有条理;过程的实施起来也就更加顺畅和高效了。


 
  收起阅读 »

关于DOE分析结果中的失拟与弯曲

在论坛上看到关于DOE分析结果中有关“失拟”时隐时现的疑问,发个帖子供大家参考。   欢迎指教和探讨:-)   72831 ...
在论坛上看到关于DOE分析结果中有关“失拟”时隐时现的疑问,发个帖子供大家参考。
 
欢迎指教和探讨:-)
 
1.png


2.png



1.png



2.png


无标题.png

  收起阅读 »

MSA中d2与d2*的区别

最近在整理MSA资料,查了一下d2和d2*的区别,记得论坛里以前有过讨论,AIAG手册里并没有说清楚二者之间的关系。 供大家参考吧,知道出处心里感到踏实些。 ...
最近在整理MSA资料,查了一下d2和d2*的区别,记得论坛里以前有过讨论,AIAG手册里并没有说清楚二者之间的关系。
供大家参考吧,知道出处心里感到踏实些。

毕竟我们不是统计学家:-)


无标题.png



1.png


2.png


  收起阅读 »

如何在试验开始前比较所采用的的实验设计的效率

74238 DOE实验设计是重要的改善工具,也是统计学应用于解决实际问题的一门学科。虽然历经近百年的发展,至今仍是最为活跃的...

1.png

DOE实验设计是重要的改善工具,也是统计学应用于解决实际问题的一门学科。虽然历经近百年的发展,至今仍是最为活跃的统计学分支。它的活力主要来自于解决实际问题的有效性。
 
作为工程技术人员,不仅仅是质量工作者,尤其是研发和工艺工程师,经常要进行“试验”,比如:确定公差、选择产品结构、确定工艺参数、调整加工和制造参数等等。有时候,这样的事情多到我们不认为它们是“试验”,而是日常工作的一部分。
 
有经验的工程师会有体会:试验是耗力费时的,更麻烦的是,尽管不断调整和优化过程,有的问题还是反复发生。
 
记得有句话:“不会科学安排试验的工程师,最多只能算半个工程师”。
 
尤其在精益理念盛行的今天,看得见的浪费容易被消除或减少;但,如果不能科学的安排试验,尽管反复试验,其中的浪费确不太容易引起重视。使用科学的方法来安排试验,应该是精益思想的体现吧。
 
还有许多年轻有为的质量工作者在不断学习诸如六西格玛,同时也不断解决所谓的质量问题,也需要掌握DOE的基本技术。特别是黑带项目或者从事黑带工作,熟练运用DOE应该是基本功之一。
 
试验耗力费时,选择实验设计的类型也是很有讲究的:即使同一大类的设计中,不同的设计的“效率”也是不一样的。怎么能采用最少的试验次数获得更多更可靠的信息非常重要。
 

1.png


2.png



  收起阅读 »

卓越运营工具在投资项目中的应用

众所周知,在已经运营的工厂或组织中实施卓越运营,对现有流程进行持续改进以实现卓越运营,是很常见的。对于投资项目,比如新建工厂项目,是否可以把卓越运营工具应用于其...
众所周知,在已经运营的工厂或组织中实施卓越运营,对现有流程进行持续改进以实现卓越运营,是很常见的。对于投资项目,比如新建工厂项目,是否可以把卓越运营工具应用于其中以作指导呢?答案是肯定的。卓越运营工具和理念可以应用于投资项目中的各个阶段,包括项目设计、项目施工、项目启用。本文以下分别描述若干典型卓越运营工具在投资项目中的应用及其带来的好处,但对工具本身不做过多阐述。
  1. 失效模式与影响分析(FMEA):风险管理是投资项目实施的重要部分,任何方面发生的不可预测的事件都可以称为风险,风险控制是否有效决定项目成败。对投资项目而言,关键的风险控制点包括项目进度(Time Schedule)控制,费用(Cost)控制以及质量(Quality)控制。对于每一方面,都可以运用FMEA工具,分析其可能的风险点,其可能带来后果的严重性,其根本原因,其可能性。对于已经做出判断的风险点,根据其可能性和影响采取不同的措施规避或者消除风险。风险分析定期回顾。FMEA可以应用于整个项目管理,也可以应用于其中一个专业或者一个方面。试想,整个项目过程中,所有风险都能得到有效甄别深入分析有针对性的控制,项目成功的可能性就会提高许多。对于一些特殊行业的项目,FMEA可以用来做专业领域的分析。比如医药行业,FMEA可以用于项目GMP回顾。 
  2. 精益设计(Lean design):精益作为一种理念在投资项目设计全生命周期内都可以发挥作用。在概念设计和基础设计阶段,可以对关键流程进行探讨,用价值流图(Value stream mapping)等工具分析流程优化的可能性,若能在设计前期对流程的深度分析,一方面减少项目交付之后的改善,二是减少项目建设期的变更。在项目详细设计期,可以用专业工具进行仿真分析,提高系统的稳定性(Reliability)。比如,对物流自动化系统而言,有诸多仿真分析专业软件可以分析系统的能力,去除瓶颈,提高稳定性。利用专业软件可以实现项目的空间管理,有效避免建设施工期的空间冲突。在项目建设期和启用期,利用可视化(Visualization)工具将项目阐述成通俗易懂的图形或者视频,提高项目的可视化。 
  3. ADKAR:作为变革管理的经典工具,ADKAR在投资项目的启用中有很强的指导作用。对许多项目而言,项目建设本身也许难度不大,但是怎样把建成的项目顺利的移交到最终用户并能顺利投入运营,是重点,也是难点。分析项目本身和最终用户特点,用ADKAR工具做指导,逐步的将项目的内容和进度通报给最终用户,慢慢建立对项目的认识;同时让其预见美好的未来,增加对项目的主动接纳程度。用技能矩阵(Skill matrix)和工位分析(Workplace analysis)等工具对于最终用户需要具备但尚不具备的技能,要有系统的方案来补足差距,比如供应商培训,邀请最终用户参与项目设计及关键问题讨论等。项目结束投入运营之后,要定义一定时期作为特别关注期,主要供应商及关键技术人员要能及时反应。如果项目周期比较长,可以举办一系列的论坛,邀请最终用户参与,逐渐提升最终用户的能力。 
  4. 关键绩效指标(KPI):在投资项目中,对于关键新购系统或者设备,若能定义项目运营后关键绩效指标及量化目标,将能有效控制项目质量。在项目设计阶段,可以把关键绩效指标及标准写入客户需求书(URS);在招投标中,关键绩效指标及标准可以写入合同;在接收测试和验证过程中,以关键绩效指标和标准为依据;在项目运营爬坡期,验证其实现程度;在项目稳定运营之后,若有必要,把关键绩效指标并入组织关键绩效指标体系。
  5. 标准化(Standard work):投资项目实施期间,对于一些常规流程的标准化作业或者标准制定有利于提成工作效率。项目中典型的一些流程,比如费用控制流程,接口管理,设备验证,文档管理等,大多数时候并没有规范的文档来定义或者阐明,这样执行过程中不可避免的会带来一些混乱。应用流程图和标准化工具,把相关流程标准化,并以文档的形式定义下来,项目经理批准,公示给团队成员,能有效减少沟通障碍。 
  6. 绩效对话(Performance dialogue )与绩效看板(Performance dashboard):绩效对话可以帮助项目经理和专业负责人有效管理团队,绩效看板使项目信息透明,两者有效配合有利于发现潜在的风险,增加团队成员的凝聚力,营造好的团队氛围,有利于项目成功。绩效对话不一定要有绩效看板,但是要有针对性。比如,项目经理可以组织专业负责人每天一次的晨会,更新各专业进度,发现专业间协作存在的问题并及时解决。各专业负责人可以召集项目团队成员甚至供应商团队,讨论本专业的进度及存在的问题。绩效看板可以展示多种多样的信息,比如项目关键指标,项目进度,项目重大事件。 
  7. 5S:5S作为卓越运营最基础的工具,在投资项目管理中能发挥很大作用。其一,5S可以应用到项目管理中,提升办公效率。其二,5S有助于实现移动办公室概念。办公区域的座位只保留必需的公用办公用品,如电话,公用座位不属于个人,项目实施期间,在临时建筑办公室容量有限的情况下,保证流动人员能快速找到办公位置,这样既可以提高工位的利用效率,又能有效支持项目运转。其三,项目实施期,对所有新建区域做5S 标准化设计,交付之前,对所有状态进行5S检查,确保项目完成之时,交付物已高度5S标准化。


以上是根据笔者亲身经历,总结了几种典型卓越运营工具在投资项目中的应用。需要说明的是,每个项目不同,面临的挑战也各不相同,其可以运用的卓越运营工具也是不近相同。同时,各卓越运营工具并不是对立的,其实在每一个具体的方面都是可以有效融合并相互支持的,这在前文也有阐述。

将运营卓越理念贯穿投资项目管理生命周期的始终,能有效提高设计质量;很大程度支持项目管理,确保项目有效运转;有利于项目启用及平稳爬坡达到量产。将精益概念运用于投资项目各个阶段,可使项目交付物就已是精益工厂,而不是项目结束就要做诸多改善。

把卓越运营工具和理念融入到投资项目实施中,可培养既具备投资项目管理知识和经验又具备卓越运营知识和理念的综合性人才。具体的形式,针对投资项目中遇到的具体问题,立项OE项目。每个OE项目由指定OE项目经理负责。OE项目经理接受一定的OE知识和技能培训,完成相关项目,通过相应资质认证。项目结束后,其在组织内部运营卓越相关架构建立和项目实施上会有好的延续。 收起阅读 »

有关TS末件检验的要求

TS条款8.5.1.1 控制计划 b)首件/末件确认,如适用     8.5.1.3 作业准备的验证  d)运行首件/末件确认,如适用   这二个条款都是有如适...
TS条款8.5.1.1 控制计划 b)首件/末件确认,如适用     8.5.1.3 作业准备的验证  d)运行首件/末件确认,如适用
 
这二个条款都是有如适用,那是否可以认为只做首件可以不做末件,这里没看出说一定要做末件检验,
 
因公司本身运行中,做末件检验会造成运营成本的上升,工作效率降低状况,从增值的角度看 实在不想在文件内定义末件检验的要求,但又怕外审 以及客户审核时,按条款审核,需要末件检验的要求,
 
在此咨询各位大神,这个末件检验是否一定要执行,或者有什么方式在其他地方弥补这一项!!!! 收起阅读 »

测量系统分析-线性偏倚分析

个人觉得不错,分享给大家。 为保证我们的测量系的准确性,我们生产过程中,要对测量系统进行测量系统分析,以了解测量系统的变差分量,确定这变差分量是否可接受以及做相...
个人觉得不错,分享给大家。
为保证我们的测量系的准确性,我们生产过程中,要对测量系统进行测量系统分析,以了解测量系统的变差分量,确定这变差分量是否可接受以及做相应的改善。
以下我介绍一下测量系统分析中的线性偏倚分析,知识有限有不对的地方请多多指教。
决定要对某工序测量外形尺寸的测量系统做线性偏倚分析,此过程变差=0.01mm.要求测量系统偏小于过程变差的1/3.
一、数据收集:
1、    人员:经培训合格的操作人员1位;
2、    测量仪器:测量范围为(0~100)mm的A仪器;
3、    分析样品:取5个分析样品,使用高一级测量仪器测得量值分别为: 
 
        1mm、5 mm、10 mm、50 mm、100 mm。
4、    测量方法:测试人员,在重复性条件下,使用直接测量分析对5个样品测量15次,得到测量结果;
5、    分析环境:23℃,54%RH.
二、分析数据-使用MINITAB工具
1、把数据按MINITAB的数据格式,填入MINITAB工作表中:
 
a1.jpg


2、使用MINITAB的量具线性和偏倚研究工具,计算出结果。
   
a2.jpg


a3.jpg


a4.jpg


a5.jpg

 



 
3、输出结果如下:
 
a6.png



4、分析判定:
从上图与数据我们可判定,此测量系统存在显著的线性偏倚,但%偏倚都小于30%,所以对于此过程,此测量系的偏倚可接受;
1)    常量P=0.000<0.05, 斜率P=0.000<0.05,说明存在线性偏倚;
2)    图表与R-S=71.9%也证实了这一结论;
最大%偏倚=17.3%<30%,所在虽然此测量系统存在线性偏倚,但用于此过程是可接受的。不需要修正或改善。
如果需修正可使用此线性回归方程对测量结果进行有效的修正:
Y=1.00002X-0.000722.
  收起阅读 »

Cpk也可以有置信度

这是你要的Cpk吗? 在开发一项新工艺或者购入一台新设备的时候,我们都会去看看制程或设备的Cp/Cpk。根据我多年来的经验,供应商通常的做法是取一个或一组样品...
这是你要的Cpk吗?

在开发一项新工艺或者购入一台新设备的时候,我们都会去看看制程或设备的Cp/Cpk。根据我多年来的经验,供应商通常的做法是取一个或一组样品,量出一组该工艺或设备的输出特性值,计算出一个Cp/Cpk值,看它是否达到顾客的期望(例如Cpk大于1.67)。这样的做法有没有什么问题?

先来回顾一下Cp和Cpk的定义。
Cp,Process Capability Ratio (PCR)
Cp=(USL-LSL)/6σ  (1)
一般,制程的中心跟规格的中心不完全重合,此时需要看Cpk
Cpk=min(Cpu, Cpl)
Cpu=(USL-μ)/3σ (2)
Cpl=(μ-LSL)/3σ (3)

其中,u是制程的中心值。

规格来自于设计输入,因此,计算Cp/Cpk的关键就在于得到σ。
我们都知道,当样品量足够大时(n>25),可以用样品的的标准差s来估计整体的σ。当样品量不够大时(2<=n<=25),可以用修偏的样品标准差来估计整体的σ。
σ=s/c4 (4)
这样,我们终于可以算出我们需要的Cp/Cpk了。看似一切天衣无缝,大功告成!
可是,假如你根据一组样品算出Cpk=2,你又有多大的信心能说这个工艺或设备的能力能满足Cpk>1.67的要求呢?学过统计学的人都明白,显然不可能有100%的信心。

前面我们所做的一切可以说是Cp/Cpk的点估计,为了引入置信度的概念,我们需要做区间估计或者假设检验。

如果输出特性值服从正态分布,100(1-α)%置信度下Cp/Cpk的置信区间分别为(来自page 359, introduction to statistical quality control, 6ED, Douglas C. Montgomery):
 
CP5.JPG
 (5)

 
CP6.JPG
 (6)

除此之外,我们也可以取N组样品,得到N个Cp/Cpk,然后对Cpk做假设检验。如:
H0:Cpk=1.67
H1:Cpk>1.67
只是不知道Cpk是否符合正态分布,如果不是,也可以使用一些函数变换使其服从正态分布后再做假设检验。

这样得到的Cp/Cpk的估计是不是更加有信心了?

 
谢谢点赞! 收起阅读 »

眼前迷雾,何时拨云见日。

  职场小白,前来报道。彼时,尚在大学校园,看同学一个个或考研或签约,而自己还优哉游哉,不知去向何方,顿时也有了一种紧迫感。平时要好的哥们,在网上看到了一则招聘...
  职场小白,前来报道。彼时,尚在大学校园,看同学一个个或考研或签约,而自己还优哉游哉,不知去向何方,顿时也有了一种紧迫感。平时要好的哥们,在网上看到了一则招聘信息,也接受了电话面试,无奈英语四级是硬伤,于是一个机会就流转到我身上。
  投了简历,若干天后,接到电话面试,一番交谈之后,电话那头有意,问我是否签约。此时,正为毕业设计和毕业答辩焦头烂额,不想再因为找工作的事而分心,于是心一横,就把三方寄了过去,总算是给自己找了个归属。但心中始终存疑,毕竟第一份工作入过坑,一轮面试之后就同意签约,趁着寒假过去实习,方知与自己所想相去甚远,十万八千里,于是果断走人,所以只能祈祷这第二份工作能靠谱一些。
  七月报道,首先是为期一周的类军训,为什么这么说呢,因为训练过程中也掺杂一些军训的内容,但主要还是进行团队活动。本人性格偏内向,尤其刚到一个陌生环境,更愿意做个绝缘体。但是通过这次培训,也算是培养了一些团队协作的意识,并且胆量有了一定的提升。突然觉得这个公司不错。
  接下来的一周,新招的一批大学生中,大约一半被分配到其他两处生产基地,后来在微信群里听他们是在一线干活,甚至一月一休,各种抱怨。而我和剩下的一部分人留在了新生产基地。公司安排我们与各个领导会面交谈,什么
总装、焊装、涂装、物流、新体系等,其中这个新体系听起来是新鲜名词,在与领导的一番交流之后,对于之后的部门选择,第一志愿果断为新体系。接下来的半个月,领导们都出国考察,我们这一批大学生就在会议室,帮着人事部门,整理一些档案,都是一些有的没的的工作,实在无趣。
  好容易等到领导“学成归来”,各部门的大学生分配到位,我如愿进入到了新体系。怎知,当时负责新体系沟通的领导不知所踪,后来我才知道他是出差去了,在我码这篇文章的时候他还未归。这样,我就归了公司的副总经理直接管辖。他给了我一大份关于通用GMS的全英文资料,在之后的一个多月时间里,我始终在跟这些资料过日子,期间,副总也给过我两次辅导,就某一具体的点展开讲解,并不全文培训,后来我又主动询问过他一次,问题还没问完,连主要的关于自己之后的安排和发展等都没开口,他就被卷入公司的各种事物中,无暇顾及我。
  今天,刚来没几天的负责党政的部长离职了,说是公司管理混乱,没有希望。他的话不可全信,也完全有可能是酒后胡言,只不过面对新厂在建,新来的大学生普遍在办公室电脑面前不知所措,看似忙得不可开交的领导也不管不顾。而我的处境更加尴尬,新体系部门的一根独苗,副总不是出差,就是开各种会,见各种人,瞬间自己的存在感碎了一地。
  新体系究竟为何物,通用GMS,与精益生产只是叫法不同,还是说是完全差异的两个事物,亦或是有共通之处,同时也存在不同,大大的问号立在我的心头。刚在本站看到一位前辈关于自己二十多年的生涯总结,感叹于其经历之丰富的同时,对于自己今后要走之路,仍然迷惘,管理还是技术,还是其他的方向。只想道一句,眼前迷雾,何时才能拨云见日。
 
   收起阅读 »

MSA MINITAB 6图分析 详细

一、变异分量图 (理想情况下)  贡献%<10%(方差分量/变异度),研究变异%<30%(量具变异/总变异),公差%(6*...
一、变异分量图(理想情况下) 
贡献%<10%(方差分量/变异度),研究变异%<30%(量具变异/总变异),公差%(6*量具标准差/公差)<30%。
二、测量值样品图(理想情况下)
样本内部比较集中,说明测量的值变异较小。样本间波动大,说明样本选取覆盖了过程。
三、R图(理想情况下)
不能超出规格线,子组内变异较小,差异小。
四、测量值检验员(理想情况下) 
箱形图看分布(直方图原理),差别小,均值近似在一条线上。
五、XBar图(理想情况下)
 此处论坛疑问较多,实则与SPC处控制图无异,当我们选取样本时,最好要覆盖过程,10个数值,两三个在规格线外,两三个在规格线处,两三个在规格线内,即 MSA手册中的三个区。
I Bad parts will always be called bad(坏的就是坏的,怎么测都是坏的)
II Potential wrong decision can be made(可能好,可能坏)
III Good parts will always be called good(好的就是好的,怎么测都是好的)。
样本选取时为什么建议覆盖过程公差而不去覆盖过程变差,情况:当过程变差远远小于过程公差,此时若按过程变差选的话,所选的数据非常集中,一般情况下,测量系统分析的结果是分辨力不够。不合格。 10:1后(过程变差/10)<< 量具分辨力.
六、部件*操作员交互作用图(理想情况下) 
表明员工与零件之间的关系怎样随着操作员的变化而变化,正常状况是每条线的形状一样。即没有交错。
欢迎补充           
2017/7/27  
4:15
  收起阅读 »

设计&生产阶段的风险就交给它们去分析把控吧

FMEA译为“失效模式与影响分析”,是一种可靠性设计的重要方法。它对各种可能的风险进行评价、分析,以便在现有技术的基础上消除这些风险或将这些风险减小到可接受的水...
FMEA译为“失效模式与影响分析”,是一种可靠性设计的重要方法。它对各种可能的风险进行评价、分析,以便在现有技术的基础上消除这些风险或将这些风险减小到可接受的水平。分为设计FMEA(DFMEA)和过程FMEA(PFMEA)。DFMEA适用于产品设计阶段的失效模式与影响分析,PFMEA则适用于工艺设计和生产制造的失效模式与影响分析。其中,PFMEA在精益六西格玛项目中用得较为广泛。


其工作原理为:①明确潜在的失效模式,并对失效所产生的后果进行评分;

②客观评估各种原因出现的可能性,以及当某种原因出现时企业能检测出该原因发生的可能性;

③对各种潜在的产品和流程失效进行排序;④以排序靠前因素为研究重点,消除产品和流程存在的问题,并帮助预防问题的再次发生。
作为一种策划用的预防措施工具,其主要目的是发现、评价产品/过程中潜在的失效及其后果;找到能够避免或减少潜在失效发生的措施并且不断地完善;能够容易、低成本地对产品或过程进行修改,从而减轻事后修改的危机;帮助项目组对影响因素进行筛选,识别重要因素。
适用情况1.问题复杂,起初情况混淆不清,牵涉部门众多,检讨起来各说各话。
2.认识新事物(新问题、新办法);整理归纳思想;从现实出发,采取措施,打破现状。使用步骤




对于每个流程输入,决定所有输入可能发生失效的模式;
对于每个输入的失效模式,决定此失效对顾客造成的影响(不要忽略了内部顾客);
确认每个失效模式潜在的原因;
列出每个原因或失效模式现有的控制;
建立严重程度、发生频度和可侦测度的评分等级;
将每个原因的严重程度、发生频度和可侦测度进行评分,并计算每个原因的RPN值;
建议降低高RPN值的改善行动;
执行适当的改善行动,并重新计算RPN值。




操作案例在下面PFMEA案例中,从RPN得分可知,问题主要集中在客户信息录入环节,主要原因包括系统设置、录入流程不标准、检查不到位等,这些要素将结合定量分析结果作为后期改进重点。


——THE END—— 收起阅读 »

SPC应用浅谈

SPC
前言: 看到同事A君在写”SPC统计过程控制程序”,于是讨论了下,在此将讨论过程中的部分对话及讨论后我的思考整理总结下,留作纪念,也看看过段时间后自己回过头来再...
前言:
看到同事A君在写”SPC统计过程控制程序”,于是讨论了下,在此将讨论过程中的部分对话及讨论后我的思考整理总结下,留作纪念,也看看过段时间后自己回过头来再看,是否有进步。

 
背景介绍:

1.公司在申请IATF16949 2016认证;属于新申请认证,包括需要按照IATF16949要求重新构建体系文件,包括SPC统计过程控制程序。

2.文中的问,指的是我在问A君,答:指A君在回答;comment是我对A君回答的反应和思考;

3.电源产品主要制程:锡膏印刷—SPI(每块PCB选5-10个点,100%检测)—贴片---回炉焊---AOI(PCB上焊接点100%检测)---插件(手工插件)---波峰焊(常见的波峰焊,非选择性波峰焊)—touch up ---组装—安全测试1---功能测试1---aging---安全测试2---功能测试2(测试都是100%测试)---包装。

 

问:写这个程序的目的是什么

答:(楞了一下,犹豫了3秒)体系的要求哇,老师布置的目的。

comment: 完蛋了,以此为目的的程序文件注定会沦为paper work.

 
 
问:我们用SPC的目的是什么呢?

答:监控过程趋势,确定是否有变异,计算Cpk.

 Comment: 监控过程趋势,确定是否有变异,这个可以理解。计算cpk是什么意思?某些SPC控制图,如均值极差图,是可以直接计算Cpk的,但是有的SPC控制图如P图 U图,是不能直接计算Cpk的。很明显,这里A君将SPC中应用最广的均值极差图法等同为SPC了.
 

问:程序文件中有定义SPC监控哪些点呢?

答:有锡膏厚度  功能测试的一些电性能参数 和组装后的几个成品尺寸;

问:控制方法和抽样方式呢?

答:都是均值极差法和等距离抽样

Comment:锡膏厚度有SPI 100%检测,且SPI的测试软件有集成及实时显示每个测试点的厚度值及趋势图,对此有必要再另做SPC吗?可否直接应用SPI的图示? 毕竟SPC的等距抽样也是从SPI的数据中抽取的,SPI都已经是100%检测,为什么还要抽取数据,做个SPC?

  当然,SPI趋势图中只有规格上下限,没有控制上下限,如果能和SPI供应商合作,预留出控制上线限的设置或者应用SPC的思路来管控SPI趋势图(如彩虹图),就更好了.另外SPI中有大量的数量都没有好好的分析,可惜了.(跑题了);

功能测试是ATE自动化100%测试的,ATE有记录数据,没有图表显示趋势。根据经验,与规格相比,产品的实际电性能表现的变异太小(如规格100±1,实际表现在100±0.02),即PPK CPK远远大于2。这种情况下,均值极差图可以用,但是若出现超出控制线的点(此时控制线在100±0.02范围内,而异常点也在100±0.02范围内)的情况,该怎么做?公司此时是否有能力和资源去分析和调整?或者说,从经济性的角度讲:是否有必要再去调整?这种情况下,是否用P图更合适?

 认可组装尺寸的抽样方法和控制方式,但是将组装尺寸的SPC放在OQC位置(离线,产品入库前检查)来进行,就与SPC初衷之一的”预防理念”背道而驰了.

 

  最后:当前产品的生产方式为小批量多批次,同时广泛使用有如SPI   AOI  ATE等100%自动化检测的设备,在这种情况下,该如何做SPC呢? 收起阅读 »

在哪里可以购买到IATF 16949正版标准和相关资料

自2016年10月1日,全新的汽车行业质量管理体系标准IATF 16949:2016已正式发布!它会完全替代现有ISO/TS 16949:2009标准。自201...
自2016年10月1日,全新的汽车行业质量管理体系标准IATF 16949:2016已正式发布!它会完全替代现有ISO/TS 16949:2009标准。自2017年10月1日起,所有汽车行业质量管理体系审核都将开始按照IATF 16949:2016进行;
所有具备有ISO/TS 16949:2009认证的组织需要在2018年9月14日前完成新标准认证转换;整个转换期不到2年,由于时间紧急,现在公司组织团队开始换版工作,想请教各位大神,在哪里可以买到正版IATF 16949标准书籍和相关资料。
作为企业培训和认证使用。 收起阅读 »

德国汽车工业协会:VDA6.3过程审核2016版介绍

VDA
VDA是德国汽车工业协会(VBRBAND DER AUTOBOMIL INDUSTRIE),是在欧洲国家--德国为统一德国汽车工业的各种标准而组成的协会。由于德...
VDA是德国汽车工业协会(VBRBAND DER AUTOBOMIL INDUSTRIE),是在欧洲国家--德国为统一德国汽车工业的各种标准而组成的协会。由于德国在世界汽车工业水平的地位,VDA也可以说代表的一种先进的汽车行业顾客标准。VDA6.3是VDA协会编制的第六卷第3部分标准--过程审核。

捕获.PNG


捕获1.PNG


捕获3.PNG


 
新版VDA6.3历史版本、新旧版本的差异:

捕获4.PNG


捕获5.PNG


捕获6.PNG


捕获7.PNG

VDA6.3主要包括内容和审核提问数:


模块 提问数(条款数)
P1潜在供应商分析(POT) 36个提问来自P2-P7
P2项目管理 7
P3产品和过程开发的策划 5
P4产品和过程开发的落实 7

P5供应商管理 7
P6过程分析、批量生产 26
P7顾客关怀,顾客满意,服务 5
 
新版本VDA6.3与旧版相比,除了审核条款顺序调整和个别审核条款取消之外,大体上没有本质上的变化,汽车供应链上各级供应商相关质量从业人员,特别是内部审核员、SQE等需要运用VDA6.3的人员还是要完整的进行学习,了解新版本变化,以便更好的开展相关审核工作。

本篇为内容只是简单介绍了VDA6.3主要的内容,没有把具体审核条款和技巧展开 收起阅读 »

用Javascript + Access做了一个网页版的SPC

SPC
可以实现以下特点: 1. 员工密码管理,指定能访问的线别 2. 8个判异准则任意组合,异常点自动红色,可以在报警后定制对话框内容。 3. 自动生成图形,图形可以...
可以实现以下特点:
1. 员工密码管理,指定能访问的线别
2. 8个判异准则任意组合,异常点自动红色,可以在报警后定制对话框内容。
3. 自动生成图形,图形可以放大查看细节。
4. 自动按周生成SPC报警率趋势图,Ppk趋势图。
5. 汇总生成SPC报警汇总表。
6. 生产线不需要额外投入软件/硬件成本,浏览器即可。

目前在产线使用良好 收起阅读 »

六西格玛培训必掌握的专业术语汇总

ANOVA(ANalysis Of Variance) : 变异数分析。一比较两个或以上的群体之间平均值的差异程度, 作为相关性辨别的方法。  [...
ANOVA(ANalysis Of Variance) :变异数分析。一比较两个或以上的群体之间平均值的差异程度, 作为相关性辨别的方法。 

Balanced Design :设计在每组试验中有相同的实验单位。 

BB(Black Belt) :黑带。 

Black Belt Certification :黑带认证。完成两个符合条件的项目后取得的认证。 

Block :一群具有同构型的实验单位。 

Blocking :一个试验在既定的顺序或条件下完成。任何有妨碍的因子并不会影响真正的结果或重要性。 

Capability :能力,达成目标的过程中能维持下去的能力。 

Cause & Effect Diagrams :因果关系图。能表达出一个结果及可能的原因两者关系的图表。 

Center Points :以所有因子的最高及最低点的中点值来执行的实验。只能用在计量的数据。 

CI(Confidence Interval) :信赖区间。响应的数值能真实代表母体,使人信赖的百分比程度。 

Confounded Effects :不能被独立预测出的令人困惑的结果。 

Confounding :一个或多个结果,无法明确的归因于某个因素或相互间的影响。 

Control Chart :控制图。用来辨识一个控制下的操作过程的方法(在既定的统计范畴内)。 

Cp(Process Capability) :衡量过程能力的指数 Cp = 公差(Tolerance) / 6s。  

Cpk  : Performance Capability Index – Cpk = (USL – mean)或(mean - LSL)的最小值除以3s。 

CRD (Completely Randomized Design) :完全随机设计。在各种程度下,研究某个重要的因子,而实验以完全随机的顺序来执行,使不可控制的变因最小化。 

CTQ Flow down :以非常严谨的方法分配需求,并评估比关键性的产品及其部门的能力。

CTQ(Critical To Quality) :关键品质参数。 

Defect :一个用来衡量既定标准的参数,却无法符合其标准。 

Defective (Part) :某个被用来衡量既定标准的部分,无法符合该标准的任何条件。单一的缺陷部分可能包含数个缺陷(defects)。 

Degrees of Freedom :自由度,分析变异数的一个数值。相当一个独立于用来预测变量的信息个数。 

Degrees of Freedom for Error :一个数值,用来分析变异数以预测过程中的干扰度。未对过程的干扰度加以预测,而决定何者是重要的变量及其影响程度,都是无效的。一个大约的衡量准则是,5的误差的自由度为极小值,相当于至少六次的重复。 

DOA(Dead on Arrival) :客户接收时无法运作的产品。 

DOE(Design of Experiments) :实验设计; 一群母体中的任何一项用来了解高度分配的因子。通常和因子设计有关。 

DPMO(Defects Per Million Opportunities) :发现的缺陷个数除以(单位数乘每单位的机率),乘以一百万。 

DPPM(Defective Parts Per Million) :外部的阐述, ─缺陷单位个数除以总单位数,乘以一百万。在Cpk的基础下。 

DPU(Defects Per Unit) :发现的缺陷个数除以实际衡量的单位数。 

Duncan’s Method :邓肯法。一种统计方法,用以决定改变结果的因素其程度。 

Effect :当一个因素的水准由低变为高时,对结果产生的平均变化。 

Error :误差。过程中的固有变量。当其它变量保持不变时,结果产生的差异。(见noise)。 

Estimate :在既定的水准及考量过程中所有因素的影响下,对某结果的预测。(见prediction)。 

EVOP(EVolutionay OPeration) :渐进式操作。持续进行所设计的试验而不影响其效率的一种方式。 

EWMA(Exponentially Weighted Moving Average) :指数加权移动平均。一个控制曲线法,利用历史数据的指数加权值最小值。 

Experimental Region :实验范围。所有可能的因素组合产生可能的实验。亦称做“要素空间”(Factor Space)。 

Experimental Unit :实验中被发现及用来衡量的单位。亦称做“分析单位”(unit of analysis)。

F Test :一项统计检定,用来决定两变量间是否有差异存在。  

Factor :在实验中能改变的投入要素, 因子。可能以质(例如:附加的种类)或 量(例如:温度、气压)表示。 

Factor, Fixed :如果要素的水准明确的被指定,则此要素称做固定的。结论只能以 此要素来推论。结果具重要性。  

Factor, Monitored :一项因素(通常是不可控制的,因此不能视为固定的。)在实 验过程中发现,且与部分无法解释的变异相关联。   

Factor, Nuisance :妨害的因子。一项已知会在过程中制造差异的因素﹔并无要求 调查这项因子,但亦不可使此因子影响其它重要变因产生的结果。(见blocking)。 

Factor, Random :如果要素的水准是随机自母体值中选取时,则此因子称做“随机 的”。变异的组成要素具重要性。 

Fixed Effects Factor :有选择地挑选出某水准下的因子。例如,以400度、450度、 500度来做为研究气温的结果。(与做Random Effects Factor比较。)

Fractional 2k Designs :所有的要素都在低水准及高水平下做测试。

Fractional 3k Designs :所有的要素都在三种水准下测试:低、中、高。 

Fractional Factorial Experiment :部分因子试验。DOE的集合,只部分探究数个 变量中的两种水准。用来遮蔽住许多琐碎的变量,而集中焦点于主要控制过程的少而重要的变量。  

Full Factorial Experiment :全部因子试验。DOE的集体,探究数个变量中的两种 水准,并可取得对主要及相互影响的结果之了解。  

Gage R&R(Gage Repeatability and Reproducibility) :某分配的所有变异百分比 的分析,此分配可归因于衡量系统中的变异。  

Gage Repeatability :当操纵者利用相同的gage衡量此明显的特性时,可得到相同 的变异。  

Gage Reproducibility :当衡量相同部分的特性时,由不同的操作者以相同的gage 衡量其平均变异。 

Generator :一个用来创造部分因子设计的相互影响作用。 

GLM(General Linear Model) :一个ANOVA的形式,可允许实验设计中些许程 度的不平衡。

HALT─Highly Accelerated Life Testing :为达可靠的设计所用的数种方法中的一种。其概念为测试某产品致其极端(失败)条件,找出失败的根本原因,改善设计,并重复程序。 

Histogramv :长条图。表示所搜集资料分布情形的条状图。 

Hypothesis :前提,假说。一项利用统计方法来测试的声明。此假设可能被拒绝,或因无够充分的证据而被拒绝。 

Interaction :在某情况下,一项因子对某结果影响的水准不同于第二项因子的不同水准。有双向相互影响,三向相互影响等。 

IX-MR :Individual X and Moving Range─一个有连续数据点的控制曲线,并有点之间的等级图表。 

Kutosis :峰度。是描述某变量所有取值分布形态陡缓程度的统计量。峰度为0表示其数据分布与正态分布的陡缓程度相同;大于0表示比正态分布高峰更加陡峭,为尖顶峰。 

Level :某因子的数值或设定。可以是质(如:附加A和附加B)或量(如:1000磅平方英吋,2000平方英吋)。 

LSD(Latin Square Design) :一种实验设计,研究其中的一项重要变因,并排除两项干扰因素。 

Main Effect :当一项因子由低水准改变至高水准时,其对结果的改变。 

MBB(Master Black Belt) :6σ的训练师和顾问师。  

Mean :衡量一项变数的中间趋势。原点的第一项要素。 

Mean Square :在ANOVA表中的某栏,代表由不同来源的变因导致结果的差异。  

Mean Square Error :在ANOVA表中的某项,代表所有因子在给定的水准下,结果所产生的差异。预测由于干扰(误差)对结果产生的差异。 

Minitab :目前许多人所选择的统计分析应用软件。 

Multiple Comparison Procedure :一种用来决定因子在何种水准下导致结果改变的统计方法。例如:Fisher法、Duncan法、Scheffe法。 

Multi-Vari Analysis :一种图解法,将过程中的变化来源拆解为他们基本的组成成分。这种技巧用于初步移除多而琐碎的因子,并准备替代的因子作为设计的实验。 

Multivariate Statistical Methods :统计工具,用来分析一组变量以决定他们对数种结果的影响。包括一组多样的统计工具,例如回归、成分法则、因子分析、群组、分别分析。 

Nested Design :一项实验设计,其中一种因子因其它变量而设定多种水准。例如:不同厂商提供不同批次。附加物的不同水准等。 

Noise :一过程中固有的变因。代表当不改变任何因素时,结果的改变。  

Normal Distribution :常态分配,一种钟状的机率曲线,描述许多自然的过程。当情况一再重复且平均发生时。 

Normal Probability Plot :一种图标法,用来研究样本是否来自一个常态分配的母体。通常用来检验利用ANOVA的正确性。 

One-Way ANOVA :分析单项因素在不同水准下所生的变异。(见ANOVA)。 

Optimization :从过程中找出最希望的结果下,其因子和水准的组合。

Pareto Chart :以一般公制单位(次数、元额、时间等)表示事件的条状图。

Plackett-Burman Design :一种设计的实验,用来筛选样本需要的最小量。通常只调查主要的影响,而不预测相互间的影响。  

Point Estimate :点估计值。判断某种预言或预定的响应的最好单一值,应该与信心和/ 或预言同时使用。    

Pre-control :预先控制。当流程开始时,建立统计上合理可能性的优势的一种方法。 

Prediction Interval :预言距离。反应值的信赖百分比范围就是未来观察值会落在的范围内。 

Prediction:预言。用于所有已知因素的一套标准的最佳评估响应。  

Process Demographics :人口统计数据流。产生响应的时候期间各种因素条件/ 状态的清单。这些帮助我们理解过程的范围也许可排除问题。  

Random Effects Factor : 随机影响因素。随意地从可定义母体选择层次的一个因素。 举例来说,从五批生产量中任意选择一批调查其影响 (固定影响因素的比较)。

Randomization :随机选择。实验这行中将次序混合完全实用。 

Randomized Block Design : 集区随机实验。调查兴趣的因素及一个令人讨厌的事物因素其相对阻塞的实验 。 

Repetition :再现性。在一个处理结合上执行几个实验单元。 与复制形成对比。  

Replication :重复性。反复的执行一些相同的实验情况;提供了制程中噪音的评估。 

Residuals :残余。在既定的因素情况下,观察的反应和预定的反应之间的差异 。用于模型证实和过程 的调查。 

Resolution :解答。部分因子设计的描述,提供因素间相互影响的程度。

Response :反应。实验期间量测过的制程输出。 

RSM(Response Surface Methodology) :反应曲面法。实验设计中一门检查和理解这些极少的曲率。子集包括中央合成设计在星星或者面上的点。 

R-Square :判定系数。在反应中变异百分比由控制的因素来解释。   

Run :一套过程条件由规定实验方面所有因素的层次定义。同样, 叫作处理结合。 

Run chart :经营图表。提供一些统计分析能力和机率资料的连续时间序列图。

Scatter Plot :散布图表。显示两个变异数间关系的图表(dot plot)。 

SCN(Supplier Change Notice) : 供货商变革通知。要求改变一个购买部分的讯息装置,由供货商对企业开始, 或是企业对供货商开始。 

Screening Experiment :筛选实验。用来描述一过程的技术 (通常为因素标准的变化呈现反应中的线性变化) (与 RSM作比较).  

Sigma :标准差。使用具有一套变异数数据的统计计算。其值为变异数的平方根。 

Signal to Noise Ratio :讯号噪声比。当因素标准中没有变化时,由于改变与可变性相关的因素标准取决于反应中的可变性的一个比例 。 

Skewness :偏度。描述某变量取值分布对称性的统计量,能够影响使用ANOVA的有效性。偏度为0表示其数据分布形态与正态分布偏度相同;大于0表示为正偏或右偏,即有一条长尾巴拖在右边。 

SPC(Statistical Process Control) :统计流程管理。对希望的状态在修正以后,使用安定性最好的监控流程。

Trivial Many :锁碎多数。长期被认为在流程上会有影响的因素,但实际上说明了成果上很少的差异。 

T-Test  :正常的母体下,样本平均数的统计比较 。 

Two-Way ANOVA :双因子变异数分析。为以若干标准调查两个原素的变异数分析。

Two-way Interaction Plot:双因子互动图。一个因素的平均数反应的散布图 (纵轴)就像一个因素(横轴)和第二个因素的每一个标准的平均反应由线所连接出来。  

Type I Error :没事却误判为有事的错误。 其组合机率称为 a。 

Type II Error :确实不同,却误判为相同。其组合机率称为 b。

UCL or LCL  :管制的上、下限 – 管制图表的统计范围。 

Unbalanced Design :不平衡设计。每一个处理结合中实验单元不相等的数字的设计或执行。  

USL or LSL :规格的上、下限– 设计标准的界限。 

Variance:变异。提供一个量测散布的方法。其平方根为标准差,The 2nd moment around the mean。  

Vital Few  :关键多数。是管理流程中的关键因素。 

ZB(Z benchmark) :认为流程是短期变异数的中心(在目标方面)。
 
来源:文章转载自张驰咨询 收起阅读 »

2015版ISO9001和ISO14001认证流程

  CNAS曾在官网发布了《关于ISO9001:2015及ISO14001:2015认证标准换版的认可转换说明》,有行业同仁分六个步骤解读认可转换全过程,仅供参...
 
CNAS曾在官网发布了《关于ISO9001:2015及ISO14001:2015认证标准换版的认可转换说明》,有行业同仁分六个步骤解读认可转换全过程,仅供参考!

 
第一步:对号入座
[适用范围]2015版本QMS和EMS两个专项认证机构认可制度。

[小贴士]

在QMS专项认可制度进行的ISO9001∶2015转换安排同样适用于认证依据包括ISO9001标准的基层党建质量管理体系认证和工程建设施工企业质量管理体系认证两个分项认可制度;本次转换暂不涉及电讯业质量管理体系(TL9000),TL9000认证依据的转换将按照QuEST forum的转换政策单独安排。
第二步:时限控制
[转换期]2015年10月20日至2018年9月15日。

[小贴士]

未在规定时限内完成新版认证标准转换认可的QMS或EMS认证机构,其相应QMS或EMS认可资格将被撤销。
第三步:制定转换计划
转换计划的内容应包括,但不限于:

1)对认证标准修订内容变化的分析识别,以及标准内容变化对机构认证活动的影响分析,如:对机构过程或文件化信息的调整需求;

2)对各类认证职能人员(见CNAS-CC01附录A)依据新版认证标准开展认证活动的能力进行必要的培训和评价;
注:基于CNAS对标准修订变化内容的研究,仅通过“材料自学+对内容了解性的书面考试”的方式不足以证明全部审核人员能够达到对新版标准一致理解和正确使用的水平;而由对新版标准进行跟踪研究并有深入理解的人员实施的、注重对新版标准的理解和应用性且不少于16学时的培训,并配合完成相应的评价可以为审核人员整体的转换评价提供信心。

3)认证机构依据新版标准开展认证活动的安排,如:机构依据新版认证标准开展认证的时间安排,对获证客户实施认证转换的工作程序等;

4)在过渡期内仍然依据旧版标准保持或颁发认证的安排及相关要求,如:原有客户依据旧版标准保持认证的安排,依据旧版标准颁发初次或再认证证书有效期设定要求等;

5)与获证客户和潜在认证客户就认证标准变更引发相关安排的信息沟通;

6)如果认证机构在新版标准发布前已经启动了认证转换的相关工作,应分析新版标准发布稿与前期标准草案的差异,识别这些差异是否对机构的转换安排产生影响,并确定是否需要对前期实施的转换工作进行必要的调整或补充;

7)考虑符合相关法规要求的安排,如:考虑与机构相关的行政审批资格、与审核人员相关的注册要求等合规性要求的安排。

[小贴士]


认证机构制定的转换计划中,应考虑各项工作的相互关系和完成时限,保证机构在具备能力并满足标准要求后开展依据新版标准的认证工作,并应确保最迟在转换截止期结束前完成旧版认证标准的转换工作。
第四步:实施转换计划
按计划实施各项活动。认证机构依据转换计划开展的各项活动(包括可能对转换计划调整后确定的活动)应足以确保认证机构具备能力并按照新版标准要求实施认证。
第五步:申请认可转换
在转换计划充分,已完成的转换工作可以保证有能力依据新标准开展认证后,机构需准备如下材料申请认可转换:

1)ISO9001∶2015认证标准换版的认可转换申请与评价表
2)ISO14001∶2015认证标准换版的认可转换申请与评价表
3)认证机构对认证标准换版的转换计划(可以是一个或一组对转换工作的策划);
4)通过标准修订的差异分析,确定标准修订对认证机构运行过程和能力需求的影响分析;
5)对各类认证职能人员的培训和评价计划;
6)对现有客户认证转换的工作安排、对新认证客户实施认证的工作安排、在过渡期内保持或新颁发旧版认证证书的安排,以及过渡期内相应认证文件中认可标识使用的安排;
7)向现有客户或潜在客户说明转换期内认证机构相关政策和安排的通知或沟通记录;
8)针对认证标准转换,认证机构自身的文件修订调整情况;
9)已完成培训评价活动的证明材料,及经评价认证职能人员的能力证明材料;
10)根据具体评审需要,其他必要的补充材料。

[小贴士]

1)以上材料需同时提供纸件和电子版。
2)CNAS接受认证机构提出的专项认可转换申请,也接受认证机构结合例行办公室评审一并进行认可转换的申请。
第六步:接受转换评审
在转换评审过程中可能需要认证机构补充提交评审资料,认可转换评审将产生“转换评审通过”或“转换评审不予通过”的结论。

[小贴士]

1)对转换评审通过的认证机构,CNAS将换发对应的认可证书附件。
2)对转换评审不予通过的认证机构,可以在自身调整或补充完成相关转换工作后重新申请转换。
3)对申请结合例行办公室评审一并实施转换的。
收起阅读 »

1分钟教你制作区域控制图

您在一家加工厂工作,关注质量的提高。您决定每日对每个班次(共五个班次)生产的 10 套汽缸(共计 50 个样本)的长度进行测量。由于区域控制图非常易于解释,因此...
您在一家加工厂工作,关注质量的提高。您决定每日对每个班次(共五个班次)生产的 10 套汽缸(共计 50 个样本)的长度进行测量。由于区域控制图非常易于解释,因此您决定用它来评估数据。您还决定在每个不受控制信号后重置累积的分值。
 
长度
数据1 数据2 数据3 数据4 数据5
601.472 599.672 599.672 600.672 598.672
601.072 599.172 600.472 599.772 598.972
600.172 601.272 601.372 600.072 599.972
599.972 600.372 598.472 597.715 598.172
599.972 597.972 598.872 599.972 600.072
599.972 597.972 598.872 599.972 600.072
599.072 599.872 599.272 599.372 601.572
601.172 601.272 601.672 600.572 600.072
601.172 601.072 601.172 600.072 600.16
599.972 601.172 600.76 601.572 601.372
 
操作:
1, 6SQ统计--控制图--子组的变量:区域

 
2,选择对应的数据列

QQ图片20161222104405.png

3,点击确定输出结果.

输出结果_SixSQStat_SPC_XChart.jpg

 
解释结果

子组 6 的累积分值等于 8,表示过程不受控制。您发现操作员在子组 6 后重置了机器,因为他认为该机器出现了脱位。但是,区域控制图检测到过程在子组 10 处也不受控制。在看到区域控制图上子组 7-10 中接下来的上升之后,您确定操作员可能对子组 6 处识别出的问题补偿过度。
 
Excel案例数据:
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »

1分钟教你制作Laney u'控制图

一家连锁医院的工作人员每周都记录药物错误使用的次数。错误示例包括服药时间错误、剂量错误和药物错误。 这家连锁医院接待大量的患者,平均每周 7500 人。数据显...
一家连锁医院的工作人员每周都记录药物错误使用的次数。错误示例包括服药时间错误、剂量错误和药物错误。

这家连锁医院接待大量的患者,平均每周 7500 人。数据显示出较大数量的过度离散。工作人员决定使用 Laney U' 控制图(而不使用传统 U 控制图)来监控药物错误使用次数.

错误    患者
71    5750
15    9010
84    7179
56    6830
18    7134
69    8478
12    8858
20    7412
39    7537
93    8957
62    8330
33    9810
3    8645
79    5716
12    9240
28    7243
91    8846
42    6215
31    4718
13    4993
68    9356
15    7654
147    4535
67    5659
52    5593
94    9550
82    7589
91    8520
7    9606
58    6808
61    8876
16    5355
操作:
1, 6SQ统计--控制图--属性控制图:Laney u'



2,选择对应的数据列

QQ图片20161221184307.png


3,点击确定输出结果.

输出结果_SixSQStat_SPC_pChart.jpg


解释结果

第 23 周的药物错误使用次数异常高。此数据点不受控制,应该加以调查研究。

查看在传统 U 控制图上标绘的相同数据,请参见下图,非常多的超控点。

普通u图结果_SixSQStat_SPC_pChart.jpg


Excel案例数据
http://pan.baidu.com/s/1i5AXSRN​
  收起阅读 »