需改善的重点?
②若要变大时
③T 大，或σ小时
⒞应无偏差
⒝若要变小时
①使其变大!
⒜使其变小!
SEC-GQL-工序能力（3）
6
4. 摩托罗拉的6σ程式设计和1.5σ Shift
不合格率= 2 ppb
不合格率= 3.4 ppm
-1.5 σ
+1.5 σ
-6σ -5σ -4σ -3σ -2σ -1σ
μ
+1σ +2σ +3σ +4σ +5σ +6σ
SEC-GQL-工序能力（3）
11
5. Cpk和不合格率换算表(ppm)-一侧不合格率
SEC-GQL-工序能力（3）
12
6. 工序的变动和群的分类
群间变动
长期变动 y 变动之间 y 黑噪音
群间变动
短期变动 y 变动之内 y 白噪音
合理的子群
工序感扰性
TIME 时间
短期工序
z工序在不受外部影响的情况下， 在最短的时间内收集的数据 (例：温度变化、操作员、原材料等） z只用技术就可定义。 z以Cp及ZST形成特点。
长期工序
z工序在受外部影响的情况下， 经充分的时间收集的数据， 并由多重合理的子群组成。 z定义为技术和工序管理。 z以Ppk及 ZLT形成特点。.
SEC-GQL-工序能力（3）
13
合理的子群
合理的子群
注意: 假设短期工序已有 中心值。
LSL
X
USL
LSL
T
USL
SEC-GQL-工序能力（3）
14
7. 在MINITAB中求得工序能力
在Cpk=Cpl和Cpu中选择不好的。
SEC-GQL-工序能力（3） 15
SEC-GQL-工序能力（3）
16
• 测定值的矩形图 • 根据平均和标准偏差 的正态分布 • 关于工序能力的统计量
• 正态曲线和测定值的矩形图 • 关于工序能力的统计量 • 在子群间存在有力的变动时使用
• Xbar-R管理图、运行图 (确认工序的管理状态) • 能力矩形图、正态概率图(确认数据的正态分布) • 能力图 (规格与工序变动的比较)
SEC-GQL-工序能力（3） 17
Minitab的工序能力术语 (1)
潜在的 • 潜在的 • 包含 • 短期 • 短期的 • 一般指经几日或几周时间的工序能力。 • 约由30~50个数据组成。 • Cp :为当前工序可达到的最大工序能力， 是潜在的工序能力。 • Cpk : 当前的工序在短时间内显示出来的 工序能力(短期的) •是只把子群内的变动算在内求出StDev(包含) 。
SEC-GQL-工序能力（3）
Cp Cpk CPU CPL
18
Minitab的工序能力术语(2) 全面的
Pp Ppk PPU PPL
• 实际的 • 长期 • 长期的
• 经几周或几个月时间的工序能力 • 约由100~200个数据组成。 • 利用全部数据求出标准偏差。 •是把子群之间和子群内的变动算在内求出StDev(全 面的) 。 • Pp、Ppk为StDev(LT) =用StDev(全面的)求出
SEC-GQL-工序能力（3）
19
统计 质量工具 能力分析 : 选择正态
例1) 因T-轿车的核心部件凸轮轴(Camshaft) 的长度长期不合格， K-汽车为调查由供应企 业1(Supp1) 交付的凸轮轴长度的工序能力， 收集了100个数据。
• 单击Minitab的打开工作表
• 打开凸轮轴 • 利用C2 (Supp1)热的数据。
SEC-GQL-工序能力（3）
20
• 输入Supp1! • 群的大小输入 为n = 5
• LSL=598 • 输入USL=602 • 单击OK !
SEC-GQL-工序能力（3）
21
Supp1的工序能力分析 • 数据的矩形图 • 潜在的正态曲线 • 实际的正态曲线
(潜在的) (全面的 )) 潜在的 全面的 平均值 标本N
加工数据
指标
潜在性工序能力
全面工序能力
观测性能
预测“潜在性”能力
预测“全面性”能力
合计
合计
合计
SEC-GQL-工序能力（3）
22
例2)解释结果输出的术语 (1)
工序数据
• 数据的平均值 • 群内标准偏差 • 全体标准偏差
指标 平均值 标本N (潜在的) (全面的 )
• 潜在性工序能力 • 潜在工序能力
潜在性工序能力
• 实际工序能力 • 考虑偏差的 实际工序能力
全面工序能力
SEC-GQL-工序能力（3）
23
例3)解释结果输出的术语 (2)
当前执行能力
预测“潜在性”执行能力
预测“全面”执行能力
合计
合计
合计
当前执行能力
预测潜在执行能力
预测实际执行能力
• raw-数据中不
• 预测推断不合格率为
• 预测推断不合格率 为 6367.35PPM
合格率为 10,000 PPM。
3631.57PPM
SEC-GQL-工序能力（3）
24
西格马级和Zshift值(4-方块图 )
Zst = 3 Cp = 3×1.16 = 3.48 Zlt = 3 Ppk = 3×0.83 = 2.49
Zshift = 3.48-2.49 = 0.99
1.5 σ Shift
挑战6 σ
“目标 ”
管理能力
2σ 3σ
4.5 σ
6 σ 技术能力
SEC-GQL-工序能力（3）
25
例4)前矩形图之例
统计 质量工具 工序能力Sixpack(正态)
• 输入C2例 • 输入群的大小为5 • 输入上下限规格 为598, 602 • 单击OK
SEC-GQL-工序能力（3）
26
Supp1工序能力Sixpack
Xbar 和 R 图
工序能力柱状图
平均值 子群
正态概率图
范围
上20个子群
潜在的
工序能力图
工序公差 潜在的
数值
全面的
全面的 规格
子群号码
SEC-GQL-工序能力（3）
27
• Xbar – R 管理图
Xbar 和 R 图
平均值
子群
• 管理图中绘出的点随意分布在管理限界线内。 因此，可判为工序稳定。
SEC-GQL-工序能力（3） 28
范围
•工序能力柱状图和正态概率图
工序能力柱状图 • 在矩形图中可以看出是依据大概的 正态分布。 • 显示为LSL=598以下。
正态概率图
• 也可称为累积概率用地。 • 看正态概率活动的点几乎分布 为直线，就可判断工序的数据成正态 分布。
SEC-GQL-工序能力（3）
29
• 运行图和工序能力图
上20个子群
潜在的
工序能力图
工序公差 潜在的
数值
全面的
全面的 规格
子群号码
• Cpk = 0.90 , Cp = 1.16 • 运行图中所绘出的 点以无趋势或移位的平行随意分 布，说明工序是稳定的。 工序能力是什么状态？ • 几西格马水准， • 是管理问题吗？ • 还是技术问题？
SEC-GQL-工序能力（3） 30
8. Taguchi博士的质量定义
“所谓质量是, 对社会造成的损失的总和”
Dr. Genichi Taguchi
质量
因功能的散布造成的损失
+
因弊端项目造成的损失
使用+
费用
*因性能特点值引起的变动*因副作用等问题，使消费者蒙受的损失
SEC-GQL-工序能力（
3）
31
3) 福特汽车案例(W.H.Moor博士的论文:挡风雨条案例)
案例
*挡风雨条的球状部尺寸：
*生产挡风雨条的3个公司：外围合作公司①、②、③
* 前门挡风雨条* 门挡风雨条的简要截面图
SEC-GQL-工序能力（3）34
1）用Cpk 平价时，
比较生产挡风雨条3个公司的Cp 、Cpk
公司
“应与哪家
公司交易呢？”
SEC-GQL-工序能力（3）35
2）需要250，000（个/年）FMC ，顾客的损失为50（$/个）。
公司
不合格产品造成的损失费用
250,000个×0.00270×50$=33,750$250,000个×0.00135×50$=16,875$250,000个×0.00135×50$=16,875$
损失费用
个个个
公司
年损失（Taguchi 损失费用）
现在与哪家
250,000个×3.55$=887,500$250,000个×8.89$=2,222,500$250,000个×16.00$=4,00,000$
SEC-GQL-工序能力（3）
36
公司交易更有利呢？
4) 福特和马自达的质量差案例
*福特汽车把部分变速器委托给日本马自达共同生产。安装福特制造的变速器的汽车比安装马自达制造的变速器的汽车售后服务费用高，消费者的投诉也多。
福特汽车
生产容差范围内的零件
马自达
始终如一的目标，即，生产符合规格的产品
SEC-GQL-工序能力（3）
37