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。

　　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)。

8 E9 s+ V; t' j! l" N# F

　　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：

# C8 x9 ~8 [. g/ W9 U

　　1. 变异太大

# a$ \# K7 h2 d H4 _% t B1 m7 W* L5 w: x6 T

　　2. 制程平均值偏移

% X- m5 Y# V% F4 y + t$ R* z# U/ U% R

　　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。

3 i+ ?' P) ?4 X* @4 C( x

　　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：

5 B% Z1 J& |/ L5 S( ?3 i: @ 9 i5 q! J2 `- z: Q" C' D

　　『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。』

　　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。

+ U) \1 b# {6 k+ h ' K( S! F6 k; m

　　在Motorola公司的定义，6σ质量水平的意义如下：

3 x7 h$ a, ?1 \8 { : F a* N* x7 j* ^! B. V) L

　　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)。

　　2. 99.99966%产品为无缺点。

) I( v, }& _3 o: e8 z

　　3. Cp≧2(Cpk≧1.5)。

! s3 ^; x, D6 j1 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：

6 }" K! K2 ?% P: t, n. k7 ] ) l( c1 @8 q( a6 u) X

　　量测阶段(Measure Phase)

! r9 f7 X8 F! D

　　本阶段目的在于：

( P* _9 S( U' [, B. \ 0 }, q+ O: h E) i6 F {! D: E

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

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

1 E, j0 l3 b W1 ~* o 7 C3 t* t+ q7 Y- _' F+ b

　　3. 资料收集的规划

+ V( q: h/ g! m4 J/ `3 \

　　4. 发展正确的衡量系统(Y)

8 Q. d; I, a- W ' J, T: U" y: n/ l" C

　　5. 定义绩效标准(Performance Standards)

' d) Y# m7 z1 c& V( Z4 t1 G / O" H: j( W! w

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

9 R. c5 P1 W! v7 s% H

　　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。

" R5 n* z# H) H7 F6 W $ c- Y z7 {/ Y E: E7 S6 d& p6 \

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

3 X9 y. J! q, `- e/ A0 I

　　制程数据的收集与分析阶段(Analyze Phase)

& H; U8 e( z4 m6 l8 Y! w

　　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。

+ X7 m. E( y/ y3 Z, r" [

　　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。

& A) h! x, T/ k, w4 P( `" e

　　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。

+ I" I" q% N( k. [( { : {8 Z, D# V6 H7 g* D$ c* i

　　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。

, A( q0 z+ F) d" d* s i

　　※使用的工具

B' e. P" D" r: f f+ W$ q) \6 B9 n* N5 @" O) L

　　计划阶段：

' k) O6 _9 D& z/ U6 Q* Z# q* A 1 a2 a7 K6 l3 ]8 U: S6 J1 L

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

0 v9 |4 T. S- z+ x( o! a

　　稳定性分析：

$ d! Y% J! S# P

　　＊推移图(Run Chart)

% E, e4 w; F( y1 X: r. ~' j: i3 w+ N

　　＊管制图(Control Chart)