品管七大工具知识简介

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

SHAININ DOE 七工具介绍

Multi-Vari Chart(多层图)

B vs .

C (B与C比较)

Paired Comparisons(成对比较)

Components Search(组件寻找)

Variables Search(变数寻找)

Full Factorials(全因子效果)

Realistic Tolerance Parallelogram (scatter plots)(散布图定公差)目的:降低变异

MUTI-VARI CHART

多层图:变异之掌握

时间面变动(Temporal Variation)

在不同的时段、生产班次、生产日期、生产周别等等,由於时间不同制程会发生的品质变异,是一种非随机性的要因,只要能掌握到它们的存在,伴生的品质变异就可望全数消除。

空间面变动(Position Variation)

在相同时间里,在不同的部位、机台、人手或工厂所发生的品质变异,就是所谓的空间要因所产生的。经过恰当对策後,空间面要因所产生的品质变异可望消除大半。

以下列举了各类的空间面要因:

单品的内变异,如一件铸品因不同部位孔隙度有差异。

组品内各单件之间的差异,譬如一块含千、百只零组件电路机板,各点之问焊锡品质有差异。

全品之内相同各件之间的差异,譬如一片晶圆上数百粒晶体之间品质出入很大。

同模或同次生产,各件产品之间的品质差异。譬如在IC的封胶制程,,乙付模具上通常有数十处相同的穴位,但产出的各个胶体之间也有所差异。

不同的作业手、生产机台、或生产工厂投入相同的生产要素,但产品之间也有品质差异。

重覆面变动(Cyclic Variation)

在同一机台,用同批材料、由同一作业手、按相同程序生产,产品之间仍有品质差异。这种随机性要因是会再度出现的,所以它们有反覆性。只有在技术上、材料上或设备上等等有所突坡,此类反覆性品质变异才可以减少。

讨论:请举出在LCD之制程中,时间之变异有哪些。

讨论:请举出在LCD之制程中,空间之变异有哪些。

讨论:请举出在LCD之制程中,重覆之变异有哪些。

Multi-Vari个案研究:转子轴

某制造厂生产圆柱的转子轴,需求直径为”±”,制程能力研究显示”的(标准差)散布,C

=。领班准备废弃此老式的生产转子轴的六角车床设备(TURRET PK

LATHE),买一个新的价格为$70,000,能保持±”的车床,即 Cpk=,然而,顾问说服工厂经理先行Multi-Vari 研究,即使在买进新车床前,它的回收只是九个月

图表6-2显示Multi-Vari图的

结果.

空间面变动(Position

Variation)

轴四个位置的(轴内)变动,

显示如方格内,每个轴的左边

到右边,上下为轴的最大的直

径和最小的直径

重覆面变动(Cyclic Variation)

循环性的变动,一方格到这下

一个方格

时间面变动(Temporal

Variation)

从周期到这下一个,以小时显示.

结论:

图中显示,最大的变化似乎是时间到时间,变化发生於10上午和11上午,这提供这领班一个强的线索,上午10什麽呢休息时间!。而在下一个三轴样本是取在11上午,这些读数是类似於最初8上午生产。

变异要因检讨

解析例

某家瓷砖制造商磁砖褙纸之褙纸黏度品质不易控制,搜集数据如下表(1)横条之内(每条5片瓷砖)(2)横条之间(3)时间,另外,将以上数据绘制成 multi-vari charts(包括每条中最高黏度每时段平均黏度、每条平均黏度),如图

( 问题)

1那一方面的变因有最大的变异

2你可以找到什麽端倪包括非随机的趋势。

Multi-Vari Chart 之制作

计算各组最大,最小,小平均,大组平均B8格 =MAX

复制B8,至

B9格 =MIN

复制B9,至

B10格 =AVERAGE

复制B10,至

B11格 =AVERAGE

复制B11,选择贴上(值)至

复制B11,至E11

复制E11,选择贴上(值)至

复制E11,至H11

复制H11,选择贴上(值)至

画图

分隔之做法

练习

为了解0402印刷宽度之变异,取3个MASK,每MASK作4JIG,每JIG取上下两PACK,每PACK,X方向与Y方向等距离取3点共9点,量测印刷宽度,

1.若规格在240 10,制程能力C PK=,显然不足,X = ,s =

成对比较

成对比较类似组件搜寻方法,藉由成对"良品"和"坏品"单位的比较,找出两者之间差异,进而根据其差异分析重要要因。

使用时机:

单位元件或子装置不能够分解或重新组装(不像组件搜寻)

有多数良品和少数的坏品成对单位出现

有适当的参数来发现与区别良品与从坏品

此技术可适用在组装站、制程、测试仪器,等具有类似的单位,组装,或工具。同时,它也是失败故障分析的有力工具。

成对比较制作步骤:

1.选出一良品单位和一坏品单位(尽可能的,接近相同的制造时间)。

2.称此为一对,详细地观察记录在二单位之间的差异。差异可能来自外观的﹐尺寸﹐电

性﹐机械性质,化学性质等,观察技术包括眼睛,X光,扫描电子显微镜,破坏测试等。

3.选择第二对良品和坏品单位。如同第2步骤,.观察且记录此对差异,

4.重复此搜寻步骤,第三,第四,第五,和第六对,直到观察的差异显现出有重覆的模式。

5.去掉每对中有矛盾方向的差异。通常,到第五或第六对,一致性的差异将降至少数几个

要因。为差异的要因分析提供强列的线索。

成对比较个案研究:不良两极管

DO-35两极管,汽车里的在-那之下-头巾电子学组件用,有无法接受的失败率。一些被失败的两极管被从领域向後地带来和反对没有有缺点的好的单位比较。被的成对比较结果,当在扫描的电子之下检查的时候仔细检查,是依下列各项:

号码分对观察差异

1良品-坏品良品没有缺点

坏品

Chipped die,

oxide defects,

copper migration

2良品-坏品良品没有缺点

坏品

Alloying irregularities,

oxide defects

3良品-坏品良品没有缺点

坏品

Oxide defects,

contamination

4良品-坏品良品没有缺点

相关文档
最新文档