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。

$ f6 V! u @1 D1 {. m# m& S

　　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)。

　　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：

* X# H! o: `9 k

　　1. 变异太大

　　2. 制程平均值偏移

' _$ A k+ P2 g( z) q3 A! T; u

　　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。

　　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：

& `, ~! z& k7 u! b# t

　　『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。』

+ C4 H7 o! s3 [' N

　　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。

# a0 |, f! t6 k' `

　　在Motorola公司的定义，6σ质量水平的意义如下：

: \7 W1 a7 ?+ Y+ d2 ~; H / d0 P/ q0 {0 p

　　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)。

: u9 C# t" q4 I, D! ^

　　2. 99.99966%产品为无缺点。

5 ?6 O, ^5 y) u 9 L* m- R$ V; c- I

　　3. Cp≧2(Cpk≧1.5)。

6 D8 i, t3 _( l6 G( q; |' A( z, m

　　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：

1 j: `2 L& k* y8 L& N. H+ M0 { & ~. n; i" u. {) {, p+ R

　　量测阶段(Measure Phase)

, Y$ o) W; U4 J7 O

　　本阶段目的在于：

- ^* Z' f" l' q" {+ u

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

! y/ H, E- ]' H$ G

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

. d' O3 \9 e. A8 ^. [

　　3. 资料收集的规划

; s+ Y4 A1 J {% g" G3 g Z, ^, z

　　4. 发展正确的衡量系统(Y)

　　5. 定义绩效标准(Performance Standards)

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

/ `9 R* W, r5 a$ q4 N

　　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。

4 N3 R' ]9 n- u4 z) }3 t2 v) z5 L ' Z2 ^0 q) X f! C

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

　　制程数据的收集与分析阶段(Analyze Phase)

, f3 E+ y% S) v! b # {2 C9 C0 k0 k( Y$ j

　　本阶段的目的在于：

! h1 [' C: Y( k 6 ]# B) p9 w# u. \- w

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

/ k7 `$ ], X5 G8 I' L# @

　　2. 收集并分析数据，了解质量之特性、分布、趋势、稳定性。

. a$ i; s- ^3 }8 Q 8 y- H' D( p! t( K7 h- a

　　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。

* E! E( x, m, w. r" @8 y

　　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。

1 v7 S! L5 I8 q- n5 L& X8 x- n

　　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。

' s/ a$ C- l2 H/ J: K( h - X7 k |! C. y, [! H# c/ O

　　※使用的工具

% ~! e" [4 B. `2 A

　　计划阶段：

9 c8 P y( g8 y+ ^ m" E8 @ / `* |3 F( O! I7 V; x

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

- f. o# H, ^$ K% T

　　稳定性分析：

　　＊推移图(Run Chart)

　　＊管制图(Control Chart)

" h; y% f v9 }; |. _