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 {4 M% Q j$ k$ D

　　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)。

: ?& G! h% _5 H9 r + P2 b6 `) Y/ S# z5 W

　　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：

& s) T) C* {2 y

　　1. 变异太大

　　2. 制程平均值偏移

" L5 f( e4 Y- q* U% D/ L" A

　　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。

/ E6 A# Q; \$ n* w1 p

　　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：

: O& P6 K8 [6 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。』

! H/ B4 J j L+ y! z6 q: @

　　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。

3 y& i2 H5 D( P; b3 B/ Z " T2 F8 @( [0 s

　　在Motorola公司的定义，6σ质量水平的意义如下：

# Z( p( v% ~: m3 K! \ $ r7 ?8 \! H" T2 H3 C7 k- v) U) ]

　　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。

) G# k" s X9 n3 }9 a( U& \

　　3. Cp≧2(Cpk≧1.5)。

　　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：

2 o6 L" b$ |' v# n

　　量测阶段(Measure Phase)

( c% {9 S' k. t/ t% k

　　本阶段目的在于：

: w- q/ F7 [8 _) S6 P6 {4 u 6 m7 t7 k+ Q3 q; u5 `3 z' m8 O6 T

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

; }- F1 A. }5 U9 h j; t $ }$ ]2 p7 S$ b

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

) b1 @6 o4 O6 Y

　　3. 资料收集的规划

( Y! g' F' T& {; T E# U# _

　　4. 发展正确的衡量系统(Y)

% j2 e$ Z' z* K H9 q, D + H9 n% {: g: i. ]

　　5. 定义绩效标准(Performance Standards)

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

! Q. b8 @ L' f9 }/ j

　　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。

$ ~& p+ ]+ |( T7 Z

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

9 b% F! o r. X5 K6 p: O

　　制程数据的收集与分析阶段(Analyze Phase)

+ P3 N$ x, v2 _

　　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)

# R$ n8 p: l/ n# D

　　2. 收集并分析数据，了解质量之特性、分布、趋势、稳定性。

4 L( t% ^, z) z$ R& z0 P$ t1 ^

　　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。

! a9 E v- ~' \, {/ ?& T i! 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。

　　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 ^' r' ?& g9 K3 X+ u4 o ) G8 W1 {6 ]" U% @4 x

　　※使用的工具

　　计划阶段：

+ k* Y7 m1 A- \, o i ) j/ \' \0 j j

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

- O, b1 R6 r7 Z6 R4 X

　　稳定性分析：

! L/ b1 Y) C' C. Q/ \* t. z% Z ( H+ Q) b2 S) U& H5 L2 V$ _0 d3 b

　　＊推移图(Run Chart)

　　＊管制图(Control Chart)

. K# G. Z$ Y2 n( f- }. V