当前位置:首页 >> >> TUV-6sigma

TUV-6sigma


2

0

3

0

4

0

5

0

6

0

7

0

8

0

六个西格玛介绍
内 容 一、六个西格玛导入 1、 6?的产生 ? 由《财富》论坛说开去 ? 下一个增长点在哪里 ? 21世纪是质量的世纪(放映Juran 演讲片段) ? 99%合格够不够 ? 没有量化就没有管理 3、 6?的历史与成就 二、统计学基础 1、随机抽样与数据类型 2、数据分布 3、数据的集中趋势(平均值)与离散描述( ?) 4、过程能力(Cp, Cpk, Ppk) 5、统计过程控制(SPC) 6、变差分析(ANOVA)

三、 6?的意义与计算 1、DPU的意义与计算 2、DPMO的意义与计算 3、DPMO与X?的转换 4、工序指数Cp、Cpk与6 ?的关系 5、3?与6?的比较 四、 6?战略 1、质量的概念不再只局限于产品的质量 2、 6?是公司文化的中心 3、 6?的组织架构 4、制造业与6? 五、 6?战术 (DMAIC) (演示一个6?项目) 1、Define (定义) 2、Measure (测量) 3、Analysis (分析) 4、Improve (改进) 5、Control (控制)

6?导入

讨论全球经济发展的新动向

新的增长点
世界各大公 司的总裁门 都在思考同 样一个问题 下一个增长 点在哪里?

新技术
? 高风险 ? 高回报

新管理
? 无风险 ? 稳定回报

6 ? 继往开来,开创管理新理念

20世纪是生产率的世纪, 21世纪是质量的世纪

约瑟夫· 朱兰(Joseph M. M· Juran)博士 , 生于1904年, 现代
质量管理的创始人之一, 编著有 《质量控制手册》,提出质量改进 “三步曲”理论

在美国99%的合格率(2.6?)将意味着:

b每小时丢失20,000个邮件 p每天有 15 分钟喝上不安全的水 h每周作错 5,000 次手术 j在大部分主要机场, 每天有两次过长或过短的着陆
s 每年开出 200,000 个填错的处方 g 每月大约会停电7 小时

6??的标准是在一百万次机会当 只有3.4 次出错

质量的概念延伸

?产品质量

?服务质量
?工作质量 ?生活质量
9

制造

财务

服务

6? is Way of Quality !
市场 人事









没有量化就没有管理
If we don’t know, we can not act. If we can not act, the risk of loss is high. If we do know and act, the risk is managed. If we do know and do not act, we deserve the loss.

? We don’t know what we don’t know. ? If we can’t express what we know in the form of numbers, we really don’t know much about it. ? If we don’t know much about it, we can’t control it. ? If we can’t control it, we are at the mercy of chance.

6 ? 是可量度的持续改进 TQM ? 强调持续改进的方法,无统一的 尺度 衡量进度 ? 仅局限于产品的质量

ZERO DEFECT 零缺陷
? ? 一个可以接近但不可达到的目标 仅局限于产品的质量

6 ? 设立了可量度的目标和可执行的程序与方法,应用面覆 盖公司运作的所有部门。

6 ? 的发展与成果
1987 年 MOTOROLA 摩托罗拉首创 1994 年ALLIEDSIGNAL联信 1995 年 GENERAL ELECTRIC 美国通用电器

……

美国及世界各大公司

We make money by satisfying needs We are able to satisfy needs by doing Every need/do pair is an interaction The aim of customer focus is on improving need/do interactions Repetition of the same action constitutes a process Improvement of our business means improvement of our processes Customers need products/services on-time, with zero defects, at the lowest cost Suppliers create processes to generate needed products As process capability improves, the product quality increases As quality increases, costs and cycle-time go down The attributes of customer satisfaction must be measured if they are to be improved To improve means we must be able to predict and prevent, not detect and react Prediction is correlated to certainty Maximization of certainty is dependent upon the measurement of process capability Process capability is best understood and reported using statistics Statistics is dependent upon data Data must be collected in the process according to a plan Statistics is used to convert raw data into meaningful summary information Statistical information is used to report on, improve, and control the process The basis of statistics is the mean and standard deviation The mean reports on process centering The standard deviation reports the extent of variation or "scatter" about the mean By combining the mean and standard deviation, the "sigma" of a process can be calculated The "sigma" of a process tells us how capable it is The process sigma can be used to compare similar or dissimilar processes Such comparison of processes is called benchmarking Benchmarking is a competitive tool used to uncover what we do well and not so well Once basic competencies and deficiencies are know, corrective action can be taken Corrective action leads to the reduction of defects, cycle-time, and cost The reduction of defects, cycle-time, and cost leads to improved customer satisfaction As customer satisfaction improves, the likelihood of doing business increases As business increases, we (as individuals) grow and prosper

We are in business to make money

A TRADEMARK FROM MOTOROLA

6 ? 就是财富
? ? ? 摩托罗拉公司在通讯行业迅速崛起 德克萨斯仪器公司的产品缺陷在一年内降低了87% 联信公司在97年第四季度由六西格玛项目带来的 收益高达10亿美元 ? GE 实施六西格玛后,股票市值飙升,1997年起年

年被财富杂志评为美国最受欢迎的公司。

6?的意义与 计算

??是一个希腊字母,??用来 描 述 过程的变差 6??最初由 Motorola 公司发起, 逐步 被越来越多的世界级大公司所采用

3?

2?

1?

1?

2?

3?

?68.2% 的数据落在±1??以内 ?95.4% 的数据落在±2??以内 ?99.7% 的数据落在±3??以内 ?99.99999976% 的数据落在±6??以内

?个数的计算(连续数据) Z=
Min{(USL-T), ( T-LSL) }

?

Z=3Cpk
LSL下限

平均值m或 目标值T

USL上限

过程的漂移

短期3

短期4 短期2

短期1

长期

?的个数 Zlt(长期)=Zst(短期)-1.5

计算?个数的概念与公式
Unit: 单元,被研究对象的基本单位。如一件产品、一次服务、一个过程等。 Defect: 缺陷,任何未达到要求的特性 DPU (Defects per unit) = Defects / Unit = 缺陷数/单元数 PPM (Defects per Million Units) = Defects / Unit x 106 =缺陷数/(单元数 X 106 ) TOP (Total Opportunities) = Units * Opportunities (总机会)=单元数 X 每单元发生缺陷的机会

DPO (Defects per Opportunity)=Defects/TOP (每个机会中产生的缺陷数)=缺陷数/总机会
DPMU(Defects per million units)=DPUx 106 (每百万单元中的缺陷数)

计算?个数的概念与公式(非连续数据)
DPMO (Defects per Million Opportunities) = Defects / TOP x 106 = 缺陷数 / TOP x 106 First Pass Yield(一次合格率)=全过程中未产生任何缺陷的单元数/总单元数 Rolled Yield (单元的缺陷数为零的几率) (The likelihood that any given unit of product will contain 0 defects) YRT= e -DPU YRT = P(ND) * P(ND) * P(ND) *......P(ND)n Ynorm (Normalized Yield 正态合格率)=1-DPO= n YRT (连续过程的平均合格率) n=过程的个数 P(ND) 表示零缺陷的几率

Zlt=NormSinv(Ynorm) 查表)

(在电子表格Excel 的函数 fx 中的‘统计类’中, 或

Zst=Zlt+1.5

计算?个数实例
M(每单元产生缺陷的机会) Units(单元数) Defects(缺陷数) TOP=MxUnits =50 =1000 =500 =50000

DPO=Defects/TOP
DPMO=DPOx106 Ynorm=1-DPO Zlt=NormSinv(Ynorm) Zst=Zlt+1.5

=0.01
=10000 =0.9900 =2.33 =3.83

不同??个数的比较
? PPM

2 308,537 3 66,807 4 6,210 5 233 693.32% 3.4
Long-Term Yield

过程能力 Yield Long-Term

DPMO

(Distribution Shifted ± 1.5?)

The Basic Objective
PPM

1,000,000

100,000

10,000

1,000 一般公司 100

10

Best-in-Class世界级优秀公司

1

2

3

4

5

6

7

Sigma 的个数

Sweet Fruit 最甜的果实
Design for Manufacturability

Bulk of Fruit 大量的果实
Process Characterization and Optimization过程优化 ----------------------------------

Process Entitlement 目标
Low Hanging Fruit 底处的果实
Seven Basic Tools 统计七工具

Ground Fruit 掉到地上的果实
Logic and Intuition基本常识
We don't know what we don't know - - We- can't act on-what we- don't know - - - - - - - - - - - - ------ ---- -----We won't know until we search We won't search for what we don't question We don't question what we don't measure Hence, We just don't know

WHAT LEVEL ARE YOU?

统计学基础

统计的类型

全体统计
例如全国人口统计,所有批次的合格数量,全体员工的考 勤状况等等。 ? 总体:被统计的对象的全体。
? 总体大小 N :统计对象的总数。

抽样统计
有的特性无法进行全体统计或没有必要进行全体统计,如 塑料的抗拉强度、一筐苹果中每个苹果的重量等等。因此 从总体中抽出一部分样本进行调查,用样本的调查结果来 推测总体的状态。 ? 样本:从总体中抽出的一部分
? 样本大小 n :样本的个数,又称为样本容量。

统计数据的类型 .计量型数据 如温度、压力、时间等可以连续读数的特性数据。其 数据的分布 多数为正态分布。 .计数型数据 如好坏、合格与不合格、一级二级三级等计数的数据 又称为计数型数据。 其数据分布为二项分布或泊松分布。 ? 不同的数据类型采用不同的控制方法。连续型数 据采用Xbar-R 、Xbar-S或X-MR Chart; 计数 型数据则采用p、np、c、u Chart。 ? 两种数据类型在一定条件下可互相转化。 ? 最好采用连续型数据。

连续数据的评价 ?平均值、中位数 ?标准偏差
名 大 称 小 数据 总 体 N X1、X2、X3……XN 平均值 X1+X2+X3……+XN X= N ?1+?2+?3……+?N ?= n 标准偏差 (X1-X)2+(X2-X)2+…(XN-X)2 N (?1-?)2+(?2-?)2+…(?n-?)2 S= n-1

m=

样 本

n

?1、?2、?3……?N

? 数据分布图
在实际统计中, 统计结果是分段表示的,因此作出的分布图为柱形图。 在分 析数据时,通常将它拟合成连续的曲线。

20

30

40

50

60

70

80

数据的分布有多种类型,其中正态分布是最常见和最实用的分布形式。

正态分布

左斜分布

右斜分布

双峰分布

正态分布的特征
X=样品的平均值

m

= 总体的平均值

? = 样品的标准偏差
^

3?

2?

1?

1? -(x-m)2/2?2

2?

3?

?

= 总体的标准偏差

fx=

1

? 2?

e

?68.2% 的数据落在±1??以内 ?95.4% 的数据落在±2??以内 ?99.7% 的数据落在±3??以内 ?99.99999975% 的数据落在±6??以内

中心极限定理

数据小组的平均值趋向为正态分布
一组数据的分布可能为不同的形式,但如果将该组数据分为若干个小 组,然后计算每个小组的平均值,这些平均值的分布趋向于正态分布, 小组的容量越大,越接近正态分布。
x1, x2, x3, x4, x5, x6, x7, x8, x9, x10, x11, x12 ……xn-1, xn (x1, x2, x3, x4, x5), ( x6, x7, x8, x9, x10 ), (x11, x12 …), ……(……xn-1, xn)

xa

xb

xc

……

为正态分布

一切数据都可以通过分组的方法归结于正态分布!

Cp, Cpk 与 Ppk
工艺潜能指数 工艺能力指数

Cp=

USL-LSL

Cpk= Smaller of {

USL-T 3?

T-LSL

6?

,

3?

}

工艺表现指数

Ppk=长期的Cpk

LSL下限

平均值m 或目标值

USL上限

T

过程的漂移

短期3

短期4 短期2

短期1

长期

长期的过程能力称为 Ppk 通常Ppk<Cpk, 因为长期的过程变差一般会大于其中一 段短期的变差. 在汽车行业, 一般要求 Cpk>1.67, Ppk>1.33

标准偏差的计算
1 使用电子表格Excel
? 将要计算的数据输入表格的一列或一行

?

点击fx图标,出现函数选择框,在左边的框中选择“统计”,在右边的框中选择“STDEV”.

? 选择所要计算的数据, 点击“确定”

2 使用统计软件(如Minitab等) 3 在30年代, 没有电子计算机和计算器, 人们用近似的方法估算标准偏差, 另外, 在数据不多的情形下, 估算的结果更接近真实情况。 现行的控制 图 中的 计算方法都采用近似方法.

?近似=R/d2
d2可从常数表中查到.
R是一组数据的极差, 即一组数据中的最大值减去最小值.

三种方法的计算结果有差别!

统计过程控制(SPC) 1. 对于计量型(连续型)数据采用
? Xbar-R Chart 均值极差图 ? Xbar-S Chart 均值标准差图 ? X-MR Chart 单值移动极差图

2. 对于计数型(非连续)数据采用

? p Chart ? np Chart ? c Chart ? u Chart Xbar-R 图最为广泛地使用, 应用于小组容量小的连续数据. Xbar-S 图 应用于连续数据, 小组容量可以较大, 需借助计算工具. X-MR 图 应用于难以分组的连续数据. p 图 应用于不合格品率 np 图应用于不合格品数 c 图 应用于不合格数 u 图 应用于单位产品上的不合格数

? ? ? ? ? ? ? ? ? ? ? ?

¨? ? ? ? ? ? ? ? ? ? ? ? ? ? ? QA
11.00

¤? ? ? ò ? QA ? ? ì ? × ? × ? ?? ? · ? ? ? ? ? ?? ? ? ?

? ? · ? ? ? ¨? × ? ? ? ? ? ? ? ? ? ? ? ? ? ¤? ? ? ? ? ? ? ·? ? ? ? ? ? ?

9.00-11.00 ? /·? ? ? ?

? ? ? ? ? ? ? ? é ù ? ? ?? ? ? ? ? ? ? ? ?? ? ? ?

10.50

X? ? ? ù ? ?

10.00

9.50

9.00 1.60 1.40 1.20 1.00

R? ? ? ? ? ?

0.80 0.60 0.40 0.20 0.00

±? ? ? ù · ? ? 1 ù · ? ? 2 ù · ? ? 3 ù · ? ? 4 ù · ? ? 5 ù ? ? ? Xbar ? ? ? ? R

1/5 10.2 10.0 10.0

1/6 10.3 10.2 10.4

1/7 10.0 10.2 10.2

1/8 10.0 10.2 9.7

1/9 10.5 10.2 9.8

1/10 9.8 9.8 10.0

1/11 10.5 10.3 10.4

1/12 10.2 10 10.4

1/13 9.6 9.7 10

1/14 9.8 9.6 9.6

1/15 10.2 9.4 9.8

1/16 10.8 10 10.2

1/17 10.5 10.2 10

1/18 10 9.6 9.6

1/19 9.6 9.9 9.6

1/20 10.6 10.5 9.8

1/21 10.4 9.8 10

1/22 9.8 10.4 10.2

1/23 9.6 10.2 9.8

1/24 10.4 9.8 10

1/25 10 10 10

1/26 10.2 9.5 9.4

1/27 9.8 10.2 10.4

1/28 10.2 10 10.2

1/29 10.0 10.2 9.9

10.07 10.30 10.13 0.20 0.20 0.20

9.97 10.17 0.50 0.70

9.87 10.40 10.20 0.20 0.20 0.40

9.77 0.40

9.67 0.20

9.80 10.33 10.23 0.80 0.80 0.50

9.73 0.40

9.70 10.30 10.07 10.13 0.30 0.80 0.60 0.60

9.87 10.07 10.00 0.60 0.60 0.00

9.70 10.13 10.13 10.03 0.80 0.60 0.20 0.30

X= 10.0 R= 0.44

UCLx=X+A2 R= 10.5 LCLx=X-A2 R= 9.58

UCLR=D4 R= LCLR=D3 R=

1.14

控制图示例

变差分析(ANOVA)
采取某一改进措施后,如何证明改进是有效的?

同时采取多个措施后,如何证明某些措施是最有效的?
? 分析两组数据或多组数据之间的区别(One-way ANOVA) ? 分析一个输出结果和多个输入因子的关系(Two-way or Higher ANOVA)
Old Method 16.3 15.2 14.9 19.2 20.1 13.2 15.8 New Method 20.7 16.6 18.1 22.2 24.1 16.6 17.7 Method 1 16.3 15.2 14.9 19.2 20.1 13.2 15.8 Method 2 19.3 17.4 19.0 22.3 21.6 14.1 19.6 Method 3 20.4 19.6 20.4 23.5 24.8 15.8 23.6 Method 4 22.2 21.9 23.7 25.6 25.8 16.6 23.9

ANOVA 因子分析示例
Analysis of Variance (Balanced Designs)
Factor Poison Treatmen Type Levels Values fixed 3 1 fixed 4 1 2 2 3 3

4

Analysis of Variance for Survival Source Poison Treatmen Poison*Treatmen Error Total DF 2 3 6 36 47 SS 1.03301 0.92121 0.25014 0.80072 3.00508 MS 0.51651 0.30707 0.04169 0.02224 F 23.22 13.81 1.87 P 0.000 0.000 0.112

6?战略

AlliedSignal 对6 ? 的理解
? 简单理解 – 消除变差和缺陷 – 消除产生变差和缺陷的机会 深入理解 – 优质产品和服务的目标 – 世界级大公司的量度 – 先进的楷模 – 经营的哲学 – 增强竞争力的超前目标 – 实现以下目标的手段 ? 客户为中心 ? 突破性革新 ? 持续改进 ? 全员参与

?

6?是公司文化的中心
? ? 一切经营表现的评定以?为尺度 费用倾向于6?项目

?
? ? ?

专职从事6?的人员在福利待遇上特殊关照,如持 公司股票
全员培训,全员参与, 经理职位的职员必须取得 绿带资格 开展各种6?活动,如项目比赛 纪念品

应用于经营的各个方面
工厂维护 产品开发

销售 Six Sigma

收入流动

方法

物料与后勤管理 财务

制造管理

制造业与6?
6s起源于制造业,对于制造业也最为实用

1、品质保证
? 过程品控 ? 客户投诉

2、制造过程
? 工艺改进 ? 生产效率

3、物流管理
? 准时发送 ? 库存与计划

6?组织架构

黑带大师 (培训导师)
黑带 (6?专家)

绿带 (6?项目主持人)

全体员工 (推动持续改进的主人)

800人中设一个

Master Blackbelt 黑带大师
Blackbelt 黑带

统计学专家 监督项目进度, 审批项目

40人中设一个

接受200 小时 培训 完成一个以上 的项目 市 场 与 客 户 管 理 接受40 小时 培训 在黑带指导下

所有经理 主管 工程师

运 作 管 理

精 益 生 产

物 料 与 后 勤

财 务

人 事 管 理

行 政 管 理

Greenbelt 绿带
全体员工
24小时培训

IT

完成一个项目

6 ? 成功的关键

智慧 气



过程

结果

正确的人

正确的项目

高效

及时

目标

支持

恰当的培训

良好的基础

6?战术

Define (定义) 选择质量关键点作为改进的对象 Measure (测量) 测量过程的能力, 确定该进的目标, 检查测量系统的能力

Measure Analyze

Analysis (分析) 调查失效的原因, 选择主要的原因为 行动的目标

Improve (改进) 设计方案并进行试验(DOE), 找到 改进的方法

Improve
Control

Control (控制) 对改进后的工艺过程进行控制

Define 项目选择
确定

CTQ
Critical To Quality

质量关键点

以客户为中心
客户的需要 公司内部需要
?改进工艺 QFD ?改进管理 ?提高效率 ?提高员工能力

?Quality
?Cost
?Delivery

质量

成本
运送

将客户的投诉、反馈和希望,转化为内部改进的要求

以金钱为导向
? 公司不是慈善机构,任何改进行动必须产生经济
效益 ? 财务人员计算费用和效益 ? 公司总经理和财务经理共同审核效益 ? 总黑带审核、批准整个项目

以?为尺度
? ? ? 收集数据,了解目前的状态 计算?个数 设立项目

?
? ?

设定规范(LSL,USL)
树立短期和长期的目标(提高?的个数) 选择各方面相关人员,成立项目小组

Measurement 测量
计算目前的表现或过程能力

1、长期表现(当成一组数据进行计算)
Overall Standard Deviation
Lower Spec Upper Spec

1.8
L on g -T er m C ap ab ili ty Pp PPU PPL Ppk C pm 0 .75 0 .85 0 .66 0 .66 0 .72 T ar g U SL L SL k n 2 .4 00 0 2 .8 00 0 2 .0 00 0 0 .1 29 5 9 4.0 0 00

2.0

2.2

2.4

2.6

2.8

Mea n Mea n +3 s Mea n -3 s s

2 .34 8 19 2 .87 9 59 1 .81 6 79 0 .17 7 13

%> U SL Ex p O bs %< L SL Ex p O bs

0 .54 0 .00 2 .47 2 .13

PPM> U SL Ex p O bs PPM< LSL Ex p O bs

5 37 6 0 2 46 6 6 2 12 7 7

2、短期表现(对数据分组后进行计算)
Pooled Standard Deviation
Lower Spec Upper Spec

2.0
Sho rt-T er m C ap ab ility Cp C PU C PL C pk C pm 1 .37 1 .55 1 .20 1 .20 0 .72 T ar g U SL L SL k n 2 .4 00 0 2 .8 00 0 2 .0 00 0 0 .1 29 5 9 4.0 0 00 Mea n

2.2

2.4

2.6

2.8

2 .34 8 19 2 .63 9 50 2 .05 6 89 0 .09 7 10

%> U SL Ex p O bs %< L SL Ex p O bs

0 .00 0 .00 0 .02 2 .13

PPM> U SL Ex p O bs PPM< LSL Ex p O bs

2 0 168 2 12 7 7

Mea n +3 s Mea n -3 s s

测量系统的能力

G R&R
测量系统的重复性和再现性

确保测量结果的准确性

测量误差
平均值
测量系统的偏差

m 总 = m 产品 + m 测量系统
变差
测量系统的变差

准确度

精确度

?2total

=

?2产品 + ?2测量系统

测量系统变差的主要来源

?2 . =?2 测量系统 重复性
重复性指同一 人使用同一
测量工具对同一对象(产品) 的同一特性进行多次测量中产 生的变差,用于估计短期的变 差
Master Value

+?2 再现性

再现性指不同的人在对同种特 性进行测量时产生的变差
Master Value
Inspector A Inspector B Inspector C

Inspector B Inspector A

Inspector C

判断标准
将测量系统的变差与容差比较

P /T =

5.15 * ?测量系统
Tolerance(容差)

小于10%,良好
小于30%,可以接受 大于30%,须改进 小于10%,良好 小于30%,可以接受 大于30%,须改进

Tolerance = USL - LSL

或与过程总变差比较

? 测量系统 ? 100 % R& R = ? 总过程变差

GR&R 测定方法
A 2 A R A R R R A A R A A R A R 操作员 B 1 2 3 A R A R R A A A A A A R A R A R A R A A A A A A A R A R A R A R R A A A A A A R A R C 2 A R A R R A R A A A A R A R

计数型数据

零件号 1 2 3 4 5 6 7 8 9 10 11 12 13 14

A/R A R A R R A A A R A A R A R

1 A R A R R R R A R A A R A R

3 A R A R R R R A R A A R A R

1 A R A R R A A A A A A R A R

3 A R A R R A A A A A A R A R

计量型数据
? ? ? ? ? ? ù ·? ? ? ? 1 2 3 4 5 6 7 8 9 10
? ù ? ? ? ? Average XA RA Average XB

A ? ? ? ? ? ?

B ? ? ? ? ? ? ? ? ? ? ? ? R ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Range ? ? ? ? ? ? ? ? ? ? ? ?

C ? ? ? ? ? ? Range

RB

Average XC

RC

GR&R sheet Long Method

R&R =

(EV)2 + (AV)2 0.10

P/T = 100 x (R&R) / Tolerance 19.13 B

% R&R = 100x(R&R)/TV 18.91 C

? ? ? ? ? ?

A ? 3? ? ? 5.32 5.44 5.50 5.20 5.24 5.50 5.38 5.36 5.42 5.40 5.38
RA

? 1? ? ? ? 2? ? ? 1 5.32 5.32 2 5.44 5.40 3 5.48 5.48 4 5.20 5.22 5 5.24 5.24 6 5.52 5.50 7 5.38 5.38 8 5.34 5.34 9 5.44 5.44 10 5.40 5.40 ? ù ? ? ? ? 5.38 5.37 Average XA 5.37
ù ·? ? ? ? R= X diff .=

? ? ? ? 0.00 0.04 0.02 0.02 0.00 0.02 0.00 0.02 0.02 0.00 0.01

? 2? ? ? 5.34 5.46 5.46 5.26 5.24 5.52 5.42 5.38 5.44 5.42 5.39 Average XB 5.40 # trial 2 3

? 1? ? ? 5.34 5.46 5.50 5.24 5.24 5.54 5.40 5.36 5.46 5.40 5.39

? 3? ? ? 5.36 5.48 5.48 5.26 5.26 5.56 5.44 5.38 5.44 5.40 5.41
RB

? ? ? ? 0.02 0.02 0.04 0.02 0.02 0.04 0.04 0.02 0.02 0.02 0.03

? 1? ? ? 5.30 5.46 5.50 5.22 5.28 5.58 5.40 5.36 5.44 5.40 5.39
Average XC

? 2? ? ? 5.34 5.40 5.50 5.22 5.24 5.54 5.36 5.34 5.46 5.42 5.38 5.39

? 3? ? ? 5.30 5.42 5.50 5.24 5.24 5.56 5.38 5.36 5.42 5.40 5.38
RC

? ? ? ? 0.04 0.06 0.00 0.02 0.04 0.04 0.04 0.02 0.04 0.02 0.03

ù ·ù ? ? ? ? ? 5.33 5.44 5.49 5.23 5.25 5.54 5.39 5.36 5.44 5.40 Rp 0.307

0.02 0.02 0.5

UCLR = (R) X (D4) UCLR2 = UCLR3 = 0.078 0.062

D4 3.27 2.58

Total Tolerance

× ? ? ? · ? -Equipment Variation(EV) EV = % EV = 0.073 14.47

EV = R X K 1

# trial 2 3

K1 4.56 3.05

? ? ? ? ? ? -Appraiser Variation(AV) AV = 0.06

AV=

(Xdif f . x K2) n=? ? · ? ù ·? ? r= ? ? ? ? ? ? ? ?

2

-

(EV)2 / (n x r)

Operator

2 3

K2 3.65 2.7

% AV = 12.17 ? ? ? ? ? ? ±? -Process Variation(PV) PV = 0.497 PV=Rp X K3 #Parts 7 8 9 10 TV= (R&R2+PV 2) K3 1.82 1.74 1.67 1.62

×±? -Total Variation(TV) ? ? ? TV = 0.506

实例 卡尺的R&R研究

Analysis 分析
流程图(Process Map)
In p u t W a x g ra d e Am t w ax C h a rg e ra te A g it s p e e d R x n te m p P re s s u re A ir f lo w % O 2 in a ir V is c o s it y W a x te m p Type SO P C o n tr C o n tr C o n tr C o n tr C o n tr C o n tr N o is e N o is e N o is e O u tp u t P r e p t im e A c id n u m b e r V is c o s it y R e a c to r te m p T e m p p r o f ile H T c o e ff
In p u t A g it s p e e d T e m p e ra tu re P re s s u re A ir f lo w % O 2 in a ir A ir t e m p Type C o n tr C o n tr C o n tr C o n tr N o is e C o n tr O u tp u t S t a b t im e A c id n u m b e r C o lo r V is c o s it y R e a c to r te m p T e m p p r o f ile O f f g a s f lo w O ffg a s c o m p H T c o e ff

因果分析表 (Cause and Effects Matrix)
1 2 3 4 5 6 7 8 9 10 9 11 1 2 3

Heavies in Product Heavies in Lights Product in Product Lights in Moisture in Product Product Moisture in Acidity in Product Product Acidity in Product Low Capacity Capacity LowFrom Unit

P re p a re R e a c to r C h a r g e m e lt e d w a x B r in g t o r e a c t io n t e m p

S ta b iliz e P u t in s e t p o in t s S lo w ly r e d u c e p r e s s M o n it o r t e m p

输入

Process Step Process Step

Process Inputs Process Inputs

Poor Reactor Equipment Performance Poor Reactor Performance
7 8 7 4 1 4 1 4 3 3 5 2 1 5

Losses Corrosion of Equipment Corrosion of

Excessive From Unit Downtime Excessive

Material Downtime Losses Material

输出
9 9 5 6 5 6 8 8 8 5 2 8 2 8 8 6 6 3 3 3 2 3 2 6 7 6 6 2

4

5

6

7

8

10

11

Total Total

A N ta rg e t A g it s p e e d * T e m p e ra tu re * P re s s u re * A ir f lo w * % O 2 in a ir A ir t e m p A ir h u m id it y

SO P C o n tr C o n tr C o n tr C o n tr N o is e C o n tr N o is e

O x id iz e P u t in s e t p o in t s S a m p le h o u r ly M o n it o r a c id n u m b e r

O x id t im e A c id n u m b e r C o lo r V is c o s it y R e a c to r te m p T e m p p r o f ile O f f g a s f lo w O ffg a s c o m p H T c o e ff R e s p t im e

B e lt s p e e d B e lt t e m p F lo w r a t e N o z z le t y p e H o le s iz e R o o m te m p A g it s p e e d T a n k te m p

C o n tr C o n tr C o n tr SO P C o n tr N o is e C o n tr C o n tr

F in is h C h e c k n o z z le t y p e P u t in s e t p o in t s M o n it o r a p p e a r a n c e

F in is h t im e A c id n u m b e r C o lo r V is c o s it y D r o p P o in t H a rd n e s s P e lle t a p p e a r

139 Day Tanks Analysis 9 139 Reactor Day Tanks Cat./HF Ratio Analysis 7 9 Reactor Reactor Rxr Temperature Cat./HF Ratio 73 7 Lights Removal Condenser Leak Reactor Rxr Temperature 74 73 Lights Removal Reboiler Leak Leak Lights Removal Condenser 131 74 Purification Low Stages Lights Removal Reboiler Leak 144 131 Final Purification Containers Storage Low Stages 100 144 Neutralization pH Value Final Storage Containers 16 100 Catalyst Stripper Pluggage Neutralization pH Value 111 16 Catalyst Stripper Pluggage Drying Decomposition 39 111 Drier Drying Water Carryover Decomposition 34 39 Drier Drier Molecular Sieve Water Carryover 34 Drier Molecular Sieve

10 10

10 10

9 9 4 4

8 3

4 4 6 6 6 3

5 2 2

8 4 4 4

8 2 3 6 6 2

6 2 6 6 4 3

2

2 6 2 7 2

3 5 2 5

4 3 3

335 157 335 7149 157 7148 149 1148 148 1144 148 140 144 138 140 137 138 3134 137 132 134 1125 132 125

FMEA 控制计划
P rocess S tep/P art N ber um P otential Failure M ode P otential Failure E ffects S E V P otential C auses O C C C urrent C ontrols D P E RN T A ctions R ecom ended m R esp.
C ATIN & O G IM IN AG G D TYPH TO ASK IR O M M R C AC G IC O R KIN , D ELAM ATIO , STR IN N EAKS LO FR U C O C W EQ EN Y F LEAN G IN 8 8 SO VISU IN P, AL SPEC N TIO 7 IN R C EASEFR U C M EQ EN Y G NE Y 448 TOO C EVER 20 PAN ELS IM O C PR VE LEAN G IN M O ETH D PU C ASEO RH FF-LIN E C LEAN GSY IN STEM TEST O -LIN M N E ASK R EPLAC EN EM T PF

Process Step
M G

Input Dosage

Output

Process Specification (Target, LSL, USL) 22.5, 22, 23 24,23,25

Cpk Mean - Sigma 1.22 1.54

Measurement Technique UIL-1700 Micrometer

%R&R P/T

Sample Size

Sample Frequency 1/hr 1/hr

Control Method

Reaction Plan

Coating

PF

Coating Height Coating width Coating length Vacuum

25% 31%/0.47 35 pts per panel

14,12,16 36,34,38 35" Hg

1.78 1.43

Laser Measuring Device Laser Measuring Device Vacuum Gauge

1/hr 1/hr 1/hr

Auto-timer Cross check Coating & Adjust previous pump speed None in place None in place Monitor Compare guages, look for blockage

流程图

Typical Order Fulfillment Process

Is there any problem here?

Sales

Order Entry

Warehousing

Transportation

Does Customer have other shipments? Customer Places Order Send order to warehouse for picking Is order correct? Yes Yes Is Product Available? Pick product for order No Ship Order Customer Receives Order

No

No Yes

I think it happens very often.

Call Customer and make corrections.

Will Customer allow consolidated shipments? No

Yes

Consolidate Orders

Manufacturing

Can production manufacture product in time for shipping?

Will product be available before order ships? No

Is production scheduled to manufacture product? Will Customer accept backorders? No No No Cancel Order

Yes Yes Yes Yes

Place order on hold until product available

Expedite manufacturing schedule

流程图是分析的基础

因果分析表
Rating of Importance to Customer 9 1 9 2 7 3 10 4 10 5 9 6 3 7 2 8 6 9 10 11 12 13 14 15

Homogeneity

Temperature

Consistency

Digets Time

Cleanliness

Viscosity

Gel Time

Process Step Process Inputs Scales Accuracy DICY Load Accuracy DMF Load Accuracy DICY Envir. Factors DMF Cleanliness DMF Raw Materials Preheating DICY TK

Solids

Color

Total

1 2 3 4 5 6 7

Compounding Compounding Compounding Compounding Compounding Compounding Compounding

9 9 3 8 1 1 1

8 7 8 5 1 1 1

2 1 1 3 4 1 1

1 1 1 1 2 1 1

1 1 1 1 1 1 1

9 9 8 8 2 2 1

1 1 1 1 1 1 1

1 1 3 1 1 1 1

8 2 8 2 1 1 1

321 269 255 247 105 74 65

找出主要的潜在原因,作为进一步研究的对象

因果图(鱼骨图) Material 螺纹尺寸 1 Plunger Stop Method
墨点偏大
14 线圈电阻不稳定 小 2 Jewel孔大 3 测试电流大 5 PLUNGER RUBBER表面 不平 6外接管过大 8Plunger Stop/Valve Body 配合不紧 12 Plunger Stop 导入孔大

Measurement

7线圈缠绕不匀

4 TUBE 装配不合 格 10 370 测试参数设 置不当 13 Valve Body 内 螺纹有碎屑

11 线头刮线工位 粉尘太大

9气压不稳

Environment

Machine

Man

Failure Mode Effect Analysis 潜在失效模式和后果分析 ? 首次出现于上个世纪60年代,阿波罗号 航天飞机的研制与发射中。 ? 1974年美国海军部颁布军标 MIL-STD1629, 规定使用FMEA 。 ? 1970年代,汽车行业在安全性、可靠性 要求的驱动下,开始导入FMEA 。 ? 1990年代,汽车行业标准将FMEA 作为对供方的必须要求 。 S-FMEA D-FMEA P-FMEA FMEA解决一般难度的问题(3-4?)

潜在的失效模式与后果分析(过程)
产品名称:富士1.6 刹车片 FMEA 编号:P003 产品编号:BP550 编制人:Andy Z. 工序名称:钢片准备 编制日期:1999.05.23 责任部门:生产部 本次修订日期:1999.10.22

FMEA 小组成员: Andy Z.--品质部经理, Philip T.--生产部主管, Gary P.--工艺工程师, 田丰--生产班长, 李丽霞--丝印组员工

过程及要求

潜在的失效 模式

潜在的失效 后果

严 重 度

潜在的失效机理

发 生 频 度

现行的控制

探 测 难 度

风 险 系 数

建议的措施

采取措施的效果 实际措施
严 发 探 重 生 测 度 频 难 度 度 风 险 系 数

?丝印粘 胶

厚度不均, 超出规范

要求厚度 均匀,控 制在0.1-0.2 mm之 间

钢片与摩擦料 之间粘接不牢, 9 导致剪切强度 不够。在刹车 时,刹车片可 能脱落,造成 交通事故

丝印网与钢片之间 的间隙调整不当

7

操作员凭 经验调节

5

315

开发探针式测量 工具测量间隙, 作为调节的依据 (6月之前完成)

使用用卡尺自 行改装的探针 测量间隙(6月 18日实施) 增加平整度抽样量, 给丝印岗位配备一把 刀口尺,随时监视平 整度 (5月30日) 集中培训完成 (5月26日)

9

5 2 90

钢片不够平整

6

来料检验时用 刀口尺抽检钢 片的平整度
师傅带徒弟,班 长指导操作员如 何用力

增加抽样量,确

3

162 保平整度批量合
格(立即执行)

9

4 2

72

丝印时,不同操 作人员使用的力 度不同

4

3

108

集中培训所有丝 印岗位操作员, 统一手法和力度 (5月底之前)

9

2 3

54

胶泥湿度不一致 4

操作员凭经验 调节

3

108

开发快速测量 胶泥湿度的方 法(7月中之前)

开发测量设备有困难 集中培训所有丝 印岗位操作员, 统一对湿度的感 觉和认识 (5月 26日)

9

2 3

54

?烘胶 要求烘干 但不出现 胶面裂纹 胶面出现龟裂

摩擦料部分直 接接触钢片, 导致剪切强度 不够。在刹车 时,刹车片可 能脱落。

9

烘炉温度过高 或相邻区段温 度差异太大

6

依照公司总部 下发工程文件 设定温度, PLC控温。
2 页之 1

3

162

对各区段温度探 头每周进行校准 (6月中之前)。

购买标准探温仪, 对各区段温度探 头每周实施校准 (7月8日)。

9

3 2

54

假设检验(Hypothesis Testing)
Hypothesis testing helps

assure that we don’t get
faked out by a weird or small set of data and make

erroneous conclusions.

Hypothesis Testing的基本步骤
Before data 1.State Ho and Ha – Null Hypothesis (Ho) - statement of no change; no effect – Alternative Hypothesis (Ha) - statement that a change has occurred, sometimes in a specific direction (e.g., new route is faster); usually what we are trying to show 2. Decide on an appropriate statistical test (Z, t, F, etc..), significance level (a), and determine a decision rule (when to reject the null hypothesis) 3. Collect the data 4. Calculate a test statistic based on the observed data (Zobs = ….) 5. Draw Conclusions

After data

100m Time Example
(1) State Ho and Ha ? Ho: no change in average time (m = 11.21) Ha: average time is reduced (m < 11.21) Decision Rule: Reject Ho if Zobs < -1.645
area = .05

(2) Use normal distribution ? =0.05

?

11.21
-1.645

0

x Z

(3) Collect Data (4) Test Statistic (5) Draw Conclusions

?

n=20, x=11.18, ?=0.04 (assume known)
x - m0 11.18-11.21 = = -3.35 Z obs = ?/ n 0.04/ 20

?

since Zobs=-3.35 < -1.645, he would reject Ho

Improvement 改进

DOE 实验设计
解决4-6?的问题

试验方法
1. 随机试验 2. 单因子试验 3. 全因子试验 4. 部分因子试验 5. 其他试验

不同试验方法各有千秋

全因子试验 2k Full Factorials

? ? ? ? ? ?

K个因子,每个因子取两个变化水平 试验次数: 2k 易于计划和分析 对定量因子和定性因子都实用 均衡全面 有利于确定因子之间的相互作用
1
1

Factorial Design

1

1

1

B
-

1

1

1

C
1
1 1 -

1

-1

A

1

23 全因子试验示例
?

某化工产品的合成产率与温度 (Temperature)、原材料的浓度 ( Concentration) 和催化剂的类型 (Catalyst) 有关. 试验时选择的条件为:
-

?

温度: 催化剂:

160o C (-1), A型 (-1),

180o C (1) 40 (1) B型 (1)

浓度 (%): 20 (-1),

?

试验设计表如下
Temp -1 1 -1 1 -1 1 -1 1 Conc -1 -1 1 1 -1 -1 1 1 Catalyst -1 -1 -1 -1 1 1 1 1 Yield 54 56 47 55 51 88 45 85

计算某因子的影响
以温度为例
Temp -1 1 -1 1 -1 1 -1 1
高温下的平均值 低温下的平均值 影响

Conc -1 -1 1 1 -1 -1 1 1

Catalyst -1 -1 -1 -1 1 1 1 1

Yield 54 56 47 55 51 88 45 85

71.00 49.25 21.75

(?)

温度影响 Effect=

(56+55+88+85) (54+47+51+45) 4 4 = 71.00 - 49.25 = 21.75

同样的方法计算浓度、催化剂的影响

因子之间的相互作用
Temp(T) -1 1 -1 1 -1 1 -1 1 Conc(C) -1 -1 1 1 -1 -1 1 1 Cat(K) -1 -1 -1 -1 1 1 1 1 T*C 1 -1 -1 1 1 -1 -1 1 T*K 1 -1 1 -1 -1 1 -1 1 C*K 1 1 -1 -1 -1 -1 1 1 T*C*K -1 1 1 -1 1 -1 -1 1 Yield 54 56 47 55 51 88 45 85

Avg @ High Avg @ Low Effect (?)

71.00 49.25 21.75

58.00 62.25 -4.25

67.25 53.00 14.25

各因子单独对产率的影响(图表)
Main Effects Plot (data means) for yield
-1 1 -1 1 -1 1

70

65

y ield

60

55

50 temp conc cataly st

因子之间相互作用图
温度受催化剂的影响
Interaction Plot (data means) for yield
temp -1 1 80

Mean

70

60

50 -1 1

catalyst

老板, 这个DOE要做16次 试验

Run 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Speed -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1

Temperature -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1

Pressure -1 -1 -1 -1 1 1 1 1 -1 -1 -1 -1 1 1 1 1

Material -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1

混蛋, 16次太多了, 没那么多钱给你玩

部分因子试验
在 23 全因子试验的基础上. 怎样增加一个因子但不增加试验 次数呢?
因子 M
S -1 1 -1 1 -1 1 -1 1 T -1 -1 1 1 -1 -1 1 1 P -1 -1 -1 -1 1 1 1 1 SxT 1 -1 -1 1 1 -1 -1 1 SxP 1 -1 1 -1 -1 1 -1 1 TxP 1 1 -1 -1 -1 -1 1 1 SxTxP -1 1 1 -1 1 -1 -1 1

因为所有的列都是正交的,所以新增的因子M可使用任何 一组,通常选择高阶次的那 一组。本例中使用 SxTxP 相交组.

放弃考察S, T, P三者的交互作用

研究集成芯片生产过程的2 5-1 DOE
A StdOrder 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 aperture -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 B exposure time -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 1 1 C development time -1 -1 -1 -1 1 1 1 1 -1 -1 -1 -1 1 1 1 1 D mask dimension -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 1 1 1 1 E=ABCD etch time 1 -1 -1 1 -1 1 1 -1 -1 1 1 -1 1 -1 -1 1 Yield 8 9 34 52 16 22 45 60 6 10 30 50 15 21 44 63

DOE 计算结果( Minitab)
-1

Interaction Plot (data means) for Yield
1 -1 1 -1 1 -1 1

Std Run exposure development mask etch Order Order aperature time time dimension time Yield 16 12 1 1 1 1 1 63 8 13 1 1 1 -1 -1 60 4 2 1 1 -1 -1 1 52 12 10 1 1 -1 1 -1 50 7 9 -1 1 1 -1 1 45 15 14 -1 1 1 1 -1 44 3 3 -1 1 -1 -1 -1 34 11 7 -1 1 -1 1 1 30 6 8 1 -1 1 -1 1 22 14 16 1 -1 1 1 -1 21 5 15 -1 -1 1 -1 -1 16 13 5 -1 -1 1 1 1 15 10 6 1 -1 -1 1 1 10 2 4 1 -1 -1 -1 -1 9 1 11 -1 -1 -1 -1 1 8 9 1 -1 -1 -1 1 -1 6

Main Effects Plot (data means) for Yield
-1 1 -1 1 -1 1 -1 1 -1 1

aperature
1 -1

50 30 10

47

exposure tim
1 -1

50 30 10

39

development

50 30 10

Yield

1

31

-1

mask dimensi
23
1 -1

50 30 10

15 aperature exposure tim development mask dimensi etch time

etch time

Normal Probability Plot of the Effects
(response is Yield, Alpha = .10) A: B: C: D: E: aperatur exposure developm mask dim etch tim

B A

1

C AB

0

-1

0

10

20

30

Effect

Pareto Chart of the Effects
(response is Yield, Alpha = .10) B A C AB DE AE AD D CD E BC CE AC BE BD A: B: C: D: E: aperatur exposure developm mask dim etch tim

0

10

20

30

Fractional Factorial Fit Estimated Effects and Coefficients for Yield (coded units) Term Effect Coef Constant 30.3125 aperture 11.1250 5.5625 exposure 33.8750 16.9375 developm 10.8750 5.4375 mask dim -0.8750 -0.4375 etch tim 0.6250 0.3125 aperture*exposure 6.8750 3.4375 aperture*developm 0.3750 0.1875 aperture*mask dim 1.1250 0.5625 aperture*etch tim 1.1250 0.5625 exposure*developm 0.6250 0.3125 exposure*mask dim -0.1250 -0.0625 exposure*etch tim -0.1250 -0.0625 developm*mask dim 0.8750 0.4375 developm*etch tim 0.3750 0.1875 mask dim*etch tim -1.3750 -0.6875

Normal Score

DOE 后续工作 ? 关系方程式
Yield = 60.125 + 10.875(Temp) -2.125(Conc) + 7.125(Cat) + 1.125(T*C) + 8.375(T*K) - 0.125(C*K) - 0.375(T*C*K)

? 进一步DOE ? 单因子试验,找到每个因 子的最佳设置 ? 最终确定工艺窗口

Response

Temperature Pressure

谁在打瞌睡?!

课堂试验工具
Cup location Ball type

5 4 3
Rubber band attachment point

Number of rubber bands

2 1 4

Arm stop position

5
Draw-back angle

3

2 1

4 3 2 1

Front arm tension point

Control 控制
? 控制输入,而不是输出
? 再次确认测量系统的可靠性 ? 更新ISO9000文件 ? 收集工艺改进后的结果,计算改进后?的个数 Hole Measurement Xbar/R Chart for
1020

Sample Mean

? 更新FMEA

1010 3.0SL=1003 X=1000 -3.0SL=997.7

? 确定进一步改进的目标
? 比较客户的满意程度

1000

990 Subgroup
Part

0

10

20

1

2

3

4

5
3.0SL=4.901

5

Sample Range

4 3 2 R=1.500 1 0 -3.0SL=0.000

授勋
? 部门经理审核项目实效 ? 财务部审核经济效益

? 总经理确认以上结果,推荐授予黑带或绿带
? 总黑带审核整个项目和培训记录,合格后授勋


更多相关文档:

TUV 德国莱茵技术 六西格码培训资料Basic Statistics f....ppt

TUV 德国莱茵技术 六西格码培训资料Basic Statistics for SPC_信息与通信_工程...Calculating “sigma”计算练习 X X-X (X- X)2 1 2 3 4 5 6 7 8 9...

6Sigma项目选题的原则_图文.ppt

6Sigma项目选题的原则 - 六西格玛项目选题的原则 六西格玛项目选题的原则一

国内知名的六西格玛培训公司.doc

国内知名的六西格玛培训公司_企业管理_经管营销_专业资料。国内知名的六西格玛培训...还有外资机构较看重的: TUV,DNV,纳威尔格这两家仅是名头大,其实是专注做认证...

国内知名的六西格玛培训公司.doc

国内知名的六西格玛培训公司 这么多顾问公司各个宣称自己多么牛, 请问到底哪些...还有外资机构较看重的: TUV,DNV,纳威尔格这两家仅是名头大,其实是专注做认证...

6sigma的基本工具_图文.ppt

6sigma的基本工具_人力资源管理_经管营销_专业资料。6sigma的基本工具 6sigma...产品认证 (UL/CSA/TUV/ 电磁兼容) 国内客户 ? 定期现场审查 ? OEM公司资格...

6Sigma项目选题的原则.ppt

6Sigma项目选题的原则 隐藏>> 六西格玛项目选题的原则 六西格玛项目选题的原则一...产品认证 (UL/CSA/TUV/ 电磁兼容) 国内客户 ? 定期现场审查 ? OEM公司资格...

TUV NORD 介绍_图文.pdf

TUV NORD 介绍_工程科技_专业资料。Zertifizierung T?V V NORD T?V ? ? 1...工程服务 Engineering 质量工具Quality Tools 6σ黑带/绿带/培训 6 Sigma 质量...

2017公开课 课程表-东北_图文.xls

6sigma Green Belt Certification TUV PersCert 6sigma Black Belt Certification TUV PersCert Qualification -- Six Sigma Green Belt TUV PersCert Qualification -...

安氏亚太第十二讲SIX SIGMA项目选题标准_图文.ppt

安氏亚太第十二讲SIX SIGMA项目选题标准 - 安氏亚太第十二讲 six sigma项目选题的原则 www.mi1998.com 六西格玛项目选题的原则一: 要从全流程上去分析、寻...

太钢质量管理介绍.ppt

加速导入导入 - 成熟成长 - -6 Sigma改进模式成为覆盖面最广和最重要 的改进...通过了德国莱茵公司对压力容器用钢的TUV认证。 通过了瑞士SGS对不锈钢和硅钢有害...

Hands-on Session III_图文.pdf

H ANDS QRS TUV WXY ON (III): 3 `ab a 2 Ni100clean LDOS Page 10 ...= 400 = 2 = V = 1E-6 ; SIGMA = 0.2 ? dynamic: NSW=100 POTIM ...

更多相关标签:
网站地图

文档资料共享网 nexoncn.com copyright ©right 2010-2020。
文档资料共享网内容来自网络,如有侵犯请联系客服。email:zhit325@126.com