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。

9 }+ C) R) `3 y$ x0 R4 C9 g

　　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)。

' z2 p: f+ ?# T! u2 o

　　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：

2 j0 ~, x2 A$ ~3 v

　　1. 变异太大

4 x } c" a/ Q1 E

　　2. 制程平均值偏移

* Q& Y2 X Z2 J" @/ w Y

　　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：

　　『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。

　　在Motorola公司的定义，6σ质量水平的意义如下：

3 N/ S0 }0 g2 Z3 C, } ) k5 ` P, E- `) ` V

　　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)。

" d6 A. P* j) `# d

　　2. 99.99966%产品为无缺点。

3 }7 }+ X& p& V7 j1 q; O 5 {* Y8 U# z" |

　　3. Cp≧2(Cpk≧1.5)。

9 _/ {5 a8 c- L1 `& S" u

　　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：

) J4 q9 }" S" p; M7 Z, K

　　量测阶段(Measure Phase)

　　本阶段目的在于：

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

; \9 a3 O" i- }

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

9 c- n0 |0 i( H J# O" g

　　3. 资料收集的规划

. S# m/ C" z! i0 M5 S1 k

　　4. 发展正确的衡量系统(Y)

/ I" _: Q" G* a+ b+ q & R* Q5 H% L* @& {% J0 C& [% q

　　5. 定义绩效标准(Performance Standards)

. ?" k+ [8 \; F% s6 t1 o

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

) G/ x- W/ Y5 g0 M6 c- `8 D0 r

　　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。

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

1 x/ u* A. |, r3 |3 G7 o2 r

　　制程数据的收集与分析阶段(Analyze Phase)

8 L' y& J8 J: H( }$ @. {& C+ _

　　本阶段的目的在于：

9 Q* e9 A) {& d. @: E& N2 @; ?. T- @

　　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。

　　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。

2 O5 _( i% ~( K; j" R

　　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。

2 X% R/ W4 A2 n5 N4 A ; b. M- N" s; J6 F5 m! Q0 {

　　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。

* Z3 G# k: K Y

　　※使用的工具

. j' E' Y2 d% E9 t* p

　　计划阶段：

$ \% r! K: G0 F! @2 K- w1 c g

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

m# J- c l [$ a% A

　　稳定性分析：

　　＊推移图(Run Chart)

0 q2 ]5 _% D! H: E: B8 b

　　＊管制图(Control Chart)

/ E# O, t2 d @, m$ C5 l