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。

0 _+ w J! _$ s3 ? & E3 t, N4 e( A0 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)。

6 m9 X0 @/ x& L: n+ N B. {& 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

/ e. a }, y8 k2 l; B) }

　　2. 制程平均值偏移

* A- y4 Y2 B; Y2 B 5 E/ J! J- D8 A5 O

　　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。

) d- q0 | Y4 s0 {+ @3 W

　　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：

. j! d+ b& ^5 a7 y 6 b: R- F( E% j4 ~: U

　　『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。』

: ~# L" r8 U) t " ^, p. V2 j8 k+ q; ^, L6 m

　　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 d$ D$ h3 J) |& e% [/ W) m 9 f* p; c. |$ i+ p! S5 `& i

　　在Motorola公司的定义，6σ质量水平的意义如下：

8 S& J& w8 @* W7 [; Z % s$ C5 e( f) e, O; o

　　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)。

0 p; H7 W8 X n `

　　2. 99.99966%产品为无缺点。

}: p. A; r6 p/ q0 t2 v! E

　　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：

- E5 Y* V+ C! D9 B# D) ?

　　量测阶段(Measure Phase)

J* B/ G. ~3 D! v

　　本阶段目的在于：

' j; P9 C2 y5 @+ S* C, K$ L1 R- 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)

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

3 ?0 r! U2 @8 T& j) [ + Z6 g7 q0 Y' n% K. w, B+ o

　　3. 资料收集的规划

　　4. 发展正确的衡量系统(Y)

　　5. 定义绩效标准(Performance Standards)

9 E$ D) E7 | t }& _$ ]) v8 k

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

- _, y( e3 _0 j2 {3 @

　　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)

) g, }- {) f! A4 X: f% }

　　制程数据的收集与分析阶段(Analyze Phase)

+ l* g, N+ r' L4 ~7 I8 W5 `$ [; g " L$ a4 q8 |1 v6 Q& A

　　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)

5 P' ?) a5 l8 t$ N3 I# E9 s

　　2. 收集并分析数据，了解质量之特性、分布、趋势、稳定性。

9 j, k7 h( C: U% ]/ @- x , T2 V# P0 C6 t

　　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。

+ O, w3 z5 |& }6 T4 z% D# m

　　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。

7 o/ x7 N. F6 g: _2 j

　　※使用的工具

　　计划阶段：

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

5 R1 z$ @3 j% `7 J# y

　　稳定性分析：

- P. K5 L' `0 f* v" V/ i% m

　　＊推移图(Run Chart)

: |/ Q# N: @" l / q& L1 v9 p: u' A( E

　　＊管制图(Control Chart)

( X/ }, D; h+ {5 d