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- p7 I. k5 t7 [$ f2 j2 w0 R7 J ' _8 ^: Q) ?( o. ?

　　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)。

0 V/ m! `/ V8 S# I; N" ~

　　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：

　　1. 变异太大

2 v( G* U" L" R0 o. d

　　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。

5 M* a- }( x8 k% I# E# @

　　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：

, ?) y: I+ W( q5 c; `1 ~3 V% }9 K

　　『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。』

2 o c2 q0 M& A

　　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。

5 \$ I$ X; @8 s' b( X7 g

　　在Motorola公司的定义，6σ质量水平的意义如下：

5 q6 q& }; z/ u% ? g6 X% f. D* r ; v$ ^" C) o- m/ ~. q4 r- A: I' I* w

　　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)。

" F4 F8 ~ c1 d

　　2. 99.99966%产品为无缺点。

; k9 G: D# g i) x- A

　　3. Cp≧2(Cpk≧1.5)。

- U0 V% ?/ ]5 t2 d _0 i% L

　　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：

5 I5 a$ S, C& ?* k4 H9 y

　　量测阶段(Measure Phase)

; A! a4 g$ ?8 m. V- {6 Q

　　本阶段目的在于：

' n. X1 G6 N s" G! X0 a

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

8 G+ H1 e2 {) r% W

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

　　3. 资料收集的规划

+ j) Q0 u b& S

　　4. 发展正确的衡量系统(Y)

3 F1 P/ Y! [* C& A 9 s2 @. A: |/ O

　　5. 定义绩效标准(Performance Standards)

9 c: l3 [) O1 z' D

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

8 |0 d! [2 Y: u+ F: x* ]4 {

　　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。

. v2 [. D" | j6 K- k0 v L

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

" v0 l* m2 X' z! {8 U ( L: I; B Q+ F Z

　　制程数据的收集与分析阶段(Analyze Phase)

　　本阶段的目的在于：

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

　　2. 收集并分析数据，了解质量之特性、分布、趋势、稳定性。

* {; O% i- R/ \# J: V4 o1 X

　　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。

3 D; x+ f( l; _8 C

　　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。

! V ?' _ f$ k7 a0 j2 y2 P5 U , E9 i" c' {2 h

　　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。

　　※使用的工具

5 `7 n0 y7 W3 v, l. O/ G1 X; p

　　计划阶段：

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

　　稳定性分析：

6 E5 P4 W' x4 B y) [ * ]! ~! Y) ^0 @3 }2 B4 Q8 ~3 x

　　＊推移图(Run Chart)

! H) e- M ?! ?- ~, P 6 W& ?' V3 V2 J9 K+ p2 U

　　＊管制图(Control Chart)

D" |* f- \1 j- ?' L: x; y3 T# k g, y+ Q& N% H- Y/ o( Q