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。

, d2 j0 E- _6 }0 p+ `$ h, v

　　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)。

/ e, w- J; I, C) k9 h' N5 c 3 K* n# M) ? K4 d

　　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

( m% Y: @/ {3 r. `' k# i! b

　　2. 制程平均值偏移

" h ^3 Q) u9 b

　　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。

2 N9 j( I# i9 a* e2 N2 e; B7 z ~9 }

　　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：

7 z6 {* @ ]! s7 [2 I; K5 L

　　『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。

; s, y) r- u8 ^5 V. G( a + I9 v; s y; `9 A2 z

　　在Motorola公司的定义，6σ质量水平的意义如下：

1 o' v1 ?) u* F! Z7 _5 O' x! Z

　　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)。

6 i7 u/ j: y* j2 }: Z" Z . `4 s: `( q0 ]: I; {, z+ y9 |4 }3 T- [

　　2. 99.99966%产品为无缺点。

6 J$ a/ O* k2 |* n( z! @6 [$ `3 F! R

　　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：

6 Y1 \* L- a/ [ - G% l" h! p4 o; |3 U; G& g2 v3 p8 Q

　　量测阶段(Measure Phase)

; ]5 Q1 d5 `5 R+ e: ?2 ^( n

　　本阶段目的在于：

- N# D$ m8 E. ?7 R6 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)

3 l& {" X. @( e3 I& h

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

　　3. 资料收集的规划

/ ]: p7 |9 h5 ^3 B! A( p

　　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)

! J$ g* f5 f9 X- Q" R5 A- [

　　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 a/ J$ l% h/ n: L# ^+ \

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

0 K3 ^. G/ o) x- i% B4 f

　　制程数据的收集与分析阶段(Analyze Phase)

! J" S% E4 o' U2 B: q7 H3 z ; T8 }5 Z+ u8 X6 |

　　本阶段的目的在于：

0 p) X- x0 ?* z: k; Q

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

* j2 J4 ^% G( H8 _6 a 2 b3 `$ ^( q/ g

　　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。

　　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。

+ g7 @! i$ \8 W$ D/ C4 v' Z

　　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

+ k3 Y) g4 P" W. | F; P

　　计划阶段：

7 i' L, h0 k9 Y$ O4 @

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

　　稳定性分析：

! \& H: }, v. d" |5 r

　　＊推移图(Run Chart)

7 D* N) }9 ]! I4 x

　　＊管制图(Control Chart)

0 s, L; F8 A6 u% k- p: N: S' B & g/ Z$ o8 a( k7 Q; [