您还没有绑定微信,更多功能请点击绑定

浅谈六西格玛(有例子的附件没放上)

一个产品本身可能由若干个零件组成,而这些零件的组合又要经历若干个工艺去完成,那么每个零件在每个工艺过程中都有可能出现失效的模式, 那么我们就要去衡量或者利用经验值去计算出产品整体的失效的机率, 我们通常称为: Opportunity Counting, 或者简称OPP.

那么什么是OPP呢? OPP 是产品出现失效的可能性的总数.

例如, 我们可以通过产品的材料需求表(BOM, 当然BOM 可能根据产品的复杂程度分为几层)来得到产品所用到的所有的零件情况, 基于我们对产品的熟悉和经验值,当然,要结合我们的初次量试的经验值在BOM表中列出所有发生失效模式的可能数量, 计算出我们需要的OPP.
那么得到OPP数量后我们能转化成西格玛数值吗, 答案当然是肯定的, 我们经常用良率去衡量我们的过程能力, 就是Yield,那么我们能够再用YIELD去衡量产品的西格玛能力吗?答案也许是否定的,为什么呢? 这里就要求我们转换一下观念了,我们用DPU去计算我们的西格玛能力,那么我们有以下的公式去计算出我们当前过程能力下的西格玛能力:

1.5 + NORMINV ( ( 1- ( DPU / OPP * 1000000 ) / 10 ^ 6 ), 0 , 1 )

这里的DPU为: Defects Per Unit, DPU=Total process defects/ total process units, 类似的还有: DPHU, Defects Per Hundred Unit, 所以: DPHU=DPU*100,

例如: 我们可以计算出 OPP=5910, DPU=0.0442, SIGMA=5.829

也许大家平时用惯了YIELD去衡量过程, 还不习惯什么是实实在在的DPU,那么我们可以设想, 有一块PCBA, 由很多的IC,电容电阻电感等器件组成,针对其中的某个电阻,它很有可能在做SMT时候发生了虚焊,我们就要记录下这是一个DEFECT,当我们维修好后发现它在功能测试时阻值偏大又造成了电性的不良,那么这时候又要记录下这个DEFECT,那就有可能PCBA由100 个器件组成结果出现了500个DEFECT, 而它本身可能有6000个OPP,所以这里我们衡量了产品所有DEFECT的西格玛能力.
大家要问了,正态分布的公式大家都知道啊,我们用EXCEL 就可以计算出的啊, 为什么前面要加上个 1.5 啊? 其实这就要考虑我们的工艺过程了, 大家知道我们工艺中的几个要素: 人,机器, 材料, 方法, 环境,测量系统, 这些因素不可避免都存在着各个方面的误差, 为此,摩托罗拉公司定义六西格玛应该是在1.5 西格玛的偏移下的, 也就是说 6西格玛1.5西格玛偏移下的PPM 为3.4,这可能和我们经常说的有点不同,切记噢! 统计学上的6SIMGA=0.002PPM.

6 sigma with 1.5 Sigma Shift, =3.4 DPMO,


见正态分布表: 恰好是4.5 SIGMA=3.4 DPMO,


因此,不同的工厂,不同的产品,不同的工艺,当然就有不同的西格玛水平, 不能同一而论, 西格玛水平的提高当然会带来成本的提高,所以不能片面追求西格玛水平, 应该在最大收益条件下去考虑.

那么落实到工厂的话,会如何执行呢?

就像我们学习六西格玛时,每次会必谈数据一样, 工厂品质推广六西格玛的话,同样需要建立准确的数据库, 因为每天的良率信息,反工的信息,....这些都是我们计算西格玛水平的最基本的数据源, 我们通常用FPY来计算西格玛水准, 这样一来我们需要进行最大化的品质的改善,这和我们工厂执行的方式略有差别,

看一下,下面的数据表格就包含了基本的数据, 返工前不良项目的记录, TOP 10 的记录, 这些数据会帮助我们计算出我们每天/周/月/年/的西格玛水准, 当然不可避免的除了功能类的较容易的被计算机记录的数据外, 我们有时也不得已还要记录一些外观的失效的数据, 因此, 这也可以称为一个很小的系统.
对“好”的回答一定要点个"赞",回答者需要你的鼓励!
已邀请:

0 个回复,游客无法查看回复,更多功能请登录注册