6 Sigma_定义衡量阶段_过程能力Process Capability
过程能力（Processcapability）
过程能⼒（Processcapability）什么是过程能⼒过程能⼒是指过程（或⼯序）处于稳定状态下的实际加⼯能⼒。
它是衡量⼯序质量的⼀种标志。
对加⼯过程的⼯序能⼒进⾏分析，可使我们随时掌握制造过程中各⼯序质量的保证能⼒，从⽽为保证和提⾼产品质量提供必要的信息和依据。
产品质量的波动⼤⼩，通常是在过程处于稳定状态下，以它所形成的概率分布的标准差σ来表⽰的综合反映了过程六⼤因素各⾃对产品质量产⽣的影响。
因此，σ是过程能⼒⼤⼩的度量基础。
过程能⼒⼀般⽤6σ来表⽰。
显然6σ越⼤，即过程质量波动越⼤，过程能⼒越低；6σ越⼩，过程能⼒越⾼。
过程能⼒是过程本⾝客观存在的⼀种性质。
'过程本⾝并不知道公差是什么'，它与公差毫⽆关系。
过程能⼒是通过他所加⼯的产品质量的正常波动来反映的。
它说明在⼀定条件下，过程的质量波动不回在减少了，这是过程质量波动的极限。
当⽣产过程稳定时，绝⼤多数产品的质量特性值服从正态分布，或近似正态分布。
如果⽤6σ来计量过程能⼒时，⼯序具有保证⽣产99.73%合格品的能⼒。
过程能⼒可表⽰为：B=6σ。
过程能⼒判断过程能⼒指数的值越⼤，表明产品的离散程度相对于技术标准的公差范围越⼩，因⽽过程能⼒就越⾼；过程能⼒指数的值越⼩，表明产品的离散程度相对公差范围越⼤，因⽽过程能⼒就越低。
因此，可以从过程能⼒指数的数值⼤⼩来判断能⼒的⾼低。
从经济和质量两⽅⾯的要求来看，过程能⼒指数值并⾮越⼤越好，⽽应在⼀个适当的范围内取值。
过程能⼒测定⽅法1．直接测定法对⼯序使⽤的设备或装置的某些特性直接进⾏测定，以得到有关参数。
例如定期检查机床的精度，使其能保持良好的加⼯性能。
2．测定产品法通过测量⼯序⽣产出的产品，并根据其变化情况来计算和分析过程能⼒。
对产品质量特性值的测量，不仅得到了产品本⾝的质量情况，同时产品质量特性值的变化也反映了⼯序质量的变化，并且通过产品质量来推测⼯序质量，在实际⽣产过程中往往是可⾏的。
过程能力
二,选择能力命令(Choosing a capability command) 选择能力命令( )
Minitab提供了许多不同的能力分析命令,你可以根据数据的 属性及其分布来选择适当的命令.你可以为以下几个方面进行能 力分析: 正态或Weibull概率模型(适合于测量数据) 很可能来源于具有明显组间变差的总体的正态数据 二项分布或泊松概率分布模型 (适合于属性数据或计数数据) 注 : 如 果 你 的 数 据 倾 斜 严 重 , 你 可 以 利 用 Box-Cox 转 换 或 使 用 Weibull 概率模型.Minitab还为属性数据和计数数据进行能力分 析,基于二项分布和泊松概率模型.例如:产品可以根据标准判 定为合格和不合格(使用 Capability Analysis (Binomial))..你还可 以根据缺陷的数量进行分类(使用Capability Analysis (Poisson)).
598
599
600
Exp. "Within" Performance PPM < LSL PPM > USL PPM Total 3621.06 10.51 3631.57
601
602
Exp. "Overall" Performance PPM < LSL PPM > USL PPM Total 6328.16 39.19 6367.35
三,能力分析命令概况
1,Capability Analysis (Normal)为单个测量结果 画一张能力条形图,图上包含基于过程均值和 标准差的正态曲线.这可以帮助你对正态性假 设进行视觉上的评价.报告还包括一张过程能 力统计量的表,包括组内和组间统计量. 2,Capability Analysis (Between/Within) 为单个测 量结果画一张能力条形图,图上包含基于过程 均值和标准差的正态曲线.这可以帮助你对正 态性假设进行视觉上的评价.报告还包括一张 组间/组内和长期过程能力统计量的列表.
Capability Analysis 1能力分析1( Six Sigma 6标准差)
Sources of Variation:差异的根源
within unit工件内
(positional variation)位置变化
between units工件间 变化
(unit-unit variation)工件
between lots批之间
(lot-lot variation)批变化
between lines生产线之间 (line-line variation)生产线变化
Process Control vs Process Capability 受控过程&过程能力
2. Process Capability过程能力 ➢ The “goodness” of a process is measured by process capability一个过程的良好是用于测量过程的能力. ➢ Compares “voice of the process” with “voice of the customer”, which is given in terms of specs. or requirements ➢ 比较过程的声音和客户的声音哪一个给出条件性的规范或要求. ➢ Measures how well a stable distribution (process in control) matches up with customer’s specs. ➢ 测量一个稳定的分布多好(受控过程)须与规范相配合.
Due to the cumulative effect of many small unavoidable causes
A process operating with only chance causes of variation present is said to be “in statistical control”
6sigma-科理咨询
过程的均值漂移
假定过程集中，短期过程性能测 量表明给定时间点的性能。通常
表示为尺度值 zst
长期过程性能测量表明长期的波 动，由一些短期分布组成，通常 以dpmo表示。
本德（Bender）、吉尔森 (Gilson)：
均值一般随时间漂移1.5
如果在制造的一个周期内测量， 连续数据可能是短期的，如果经 过了几个周期，则是长期的。
只要过程可预见，就没有必要对观察到的上点 和下点采取措施，因为这些措施将可能在过程 中引入特殊原因。
改进过程性能的三种方法
达到可预见性 减少分散性 改进集中度
波动改进的顺序
（1）剔除特殊原因波动；
（2）减少分散性；
（3）集中到目标值。
波动的度量（用分布图示）
假设连续特性服从正态 分布
统计量：均值和标准差
关注周期时间和产出并不是6 独有的， 如：精益制造，企业过程重组等。
底线循环和顶线循环
改进项目——应用型式 化的改进方法——是6 方法的基本活动。
底线循环的四个要素： 改进项目，成本，利润， 承诺
顶线循环的改进项目， 顾客满意，市场份额， 收入，利润，承诺
扩展的基本原理
不可能识别或剔除特殊 原因波动，造成改进项 目中断。此时，需要改 变过程或产品的设计。
波动有无数个来源。 两种类型：普通原 因和特殊原因。
波动原因类型
普通原因：过程内在的，除非改变该过程的设计，否则不能避免 随机波动。
特殊原因：是非随机的，相对较少的，但带来时间和结果的不可 预测性，并对波动有较大贡献。一般的原因是，由于不同供应商 供应材料的质量差别、制造设备的差别、不良测量体系和不适当 的教育引起的对过程的干预，等等。
总体均值 总体标准差 样本均值 样本标准差s
质量管理名词
质量管理名词
1. 质量控制 (Quality Control): 一种监控和管理产品或服务质量
的过程，以确保其符合特定要求和标准。
2. 质量保证 (Quality Assurance): 一种系统性的方法，用于确保
产品或服务在设计、生产和交付过程中始终达到一定的质量标准。
3. 六西格玛 (Six Sigma): 一种以减少缺陷和变异为目标的质量
管理方法，通过收集和分析数据来改进和优化过程的能力。
4. ISO 9001: 一种国际标准，规定了质量管理体系的要求。
它
涵盖了组织的各个方面，包括领导力、资源管理、过程控制和持续改进等。
5. 故障模式和影响分析 (FMEA): 一种系统性的方法，用于识
别和评估潜在的故障模式和它们的影响，从而采取预防措施来提高产品或服务的质量。
6. 品质流程管理 (Quality Process Management): 一种以流程为
中心的质量管理方法，通过优化和改进过程来提高质量和效率。
7. 合格供应商列表 (Approved Vendor List): 一份经认可的供应
商名单，这些供应商被认为能够满足组织的质量要求和标准。
8. 零缺陷 (Zero Defect): 一种理想状态，即产品或服务没有任
何缺陷，完全符合质量要求和标准。
9. 过程能力指数 (Process Capability Index): 一种衡量过程稳定
性和一致性的指标，用于评估过程是否能够满足特定要求和标准。
10. 质量成本 (Quality Cost): 与质量相关的直接和间接成本，
包括预防成本、评估成本和故障成本等。
六西格玛基础必学知识点
六西格玛基础必学知识点
以下是六西格玛基础必学知识点：
1. 什么是六西格玛：六西格玛是一种管理方法和质量改进方法，旨在
减少组织中的变异性和缺陷，并提高业务流程的质量和效率。
2. DMAIC方法：DMAIC是六西格玛项目的五个阶段的缩写，包括定义（Define）、测量（Measure）、分析（Analyze）、改进（Improve）
和控制（Control）。
3. 六西格玛指标：六西格玛项目中使用的关键绩效指标包括缺陷机会
数（Defects per Opportunity，DPO）、缺陷率（Defects per
Million Opportunities，DPMO）和过程能力指数（Process
Capability Index，Cpk）等。
4. 顾客需求：六西格玛关注的核心是顾客需求，通过对顾客需求的全
面理解和分析，确保业务流程能够满足顾客的期望。
5. 根本原因分析：在六西格玛项目中，通过使用工具和技术如因果图、五力分析、鱼骨图等，找到问题的根本原因，并提出相应的改进方案。
6. 流程改进：六西格玛的目标是实现业务流程的稳定性和一致性，通
过消除变异性和缺陷，优化流程，并提高整体绩效和效率。
7. 团队合作：六西格玛项目需要跨部门和跨职能的团队合作，共同进
行问题解决、分析和改进。
8. 管理者的角色：管理者在六西格玛项目中发挥重要的角色，他们需
要提供资源和支持，建立有效的沟通和反馈机制，并监控项目的进展和结果。
以上是六西格玛基础必学知识点，希望对您有帮助！。
6SIGMA专业术语
6SIGMA专业术语6SIGMA专业术语DMAIC定义、测量、分析、改进、管理CTQ质量特性值FMEA故障模式及影响分析QFD质量功能展开PTS : Project Tracking System课题跟踪系统DPU单位产品缺陷数；DPO每个机会的缺陷数；DPMO为DPO乘以1000000。
VOC顾客的要求 (voice of the customer)Project课题Process过程；Procedures程序Sample样本QCD质量、成本、交货期USL规格上限；LSL规格下限；Target公差中心COPQ劣质成本б标准差(Standard Deviation,σ) : 表示数据（质量特性值）离公差中心值远近的分散程度的统计参数α犯第一种错误的概率；β犯第二种错误的概率R&R重复性和再现性Cp短期过程能力指数,以 Process Capability Index表示过程能力指数.(Cp=T/6σ，T为技术规范的公差幅度)；Cpk长期过程能力指数,平均值与目标值不同时（产品质量分布的均值与公差中心不重合时）的过程能力指数。
PPM : 以Parts per Million在百万个中表示不合格品数的单位.Output输出；INPUT输入Process Mapping流程图T公差幅度，公差范围，顾客要求的规格范围3P : Product, Process, People产品，过程，人Master Blackbelt黑带主管；Blackbelt黑带；Greenbelt绿带 Champion冠军Brainstorming头脑风暴法RTY(Rolled Throughput Yield) : 流通合格率（过程从头到尾各工序合格率的连乘积。
量测系统分析作业程序精品资料网（）专业提供企管培训资料1.目的：为了解量测系统是否能满足制程使用需求，确定新购及可能有缺陷或经维护后校验合格的量具设备在重新使用时是否亦能提供客观正确的分析评价，以评估量测设备的适用性，确保产品品质。
六西格玛相关参数及计算公式
六西格玛相关参数及计算公式六西格玛是指一种常用的质量管理方法，旨在通过降低缺陷率、提高产品质量，从而达到减少浪费和提高效率的目的。
在六西格玛方法中，有一些关键的参数和计算公式被广泛使用。
下面将详细介绍这些参数和公式。
1. 缺陷率 (Defect Rate)：缺陷率指的是产品或过程中存在缺陷的概率。
它通常以每百万机会(Million Opportunity)的方式来表示。
计算公式如下：缺陷率=(缺陷数/机会数)x1,000,0002. DPMO (Defects Per Million Opportunities)：DPMO是指在每一百万个机会中出现的缺陷数。
它是衡量质量水平的一个重要指标。
计算公式如下：DPMO=(缺陷数/机会数)x1,000,0003. 成功率 (Yield)：成功率指的是在一个过程中成功完成的数量与总尝试数量之间的比率。
它是衡量过程效率的一个重要指标。
计算公式如下：成功率=(成功数/尝试数)x1004. Cp (Process Capability Index)：Cp是指过程能力指数，用于衡量一个过程是否能够生产符合要求的产品。
它是通过比较允许范围与过程的实际变异范围来计算的。
计算公式如下：Cp=(规格上限-规格下限)/(6x标准差)5. Cpk (Process Capability Index with Process Centered)：Cpk在Cp的基础上，考虑了过程的中心位置，更全面地评估了过程能力。
计算公式如下：Cpk = min[(规格上限 - 过程平均值) / (3 x 标准差), (过程平均值 - 规格下限) / (3 x 标准差)]6. Sigma Level (质量水平)：Sigma Level用于表示一个过程的质量水平，它与DPMO之间有一个对应关系。
Sigma Level越高，表示缺陷率越低，质量水平越高。
计算公式如下：Sigma Level = (总机会数 - 缺陷数) / 每个机会的平均缺陷数在实际应用中，可以使用统计软件或工具来计算这些参数和公式。
- 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、"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、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)。
评估过程能力时，短期研究是为了看一下一个过程可以有多 好。
数据在一个较短时期内收集，此时过程只受偏差的随机原因影响。
长期研究是为了获知过程实际的长期性能。
数据收集的时间相当长，这段时间内的过程基线受所有主要原因 （包括随机与非随机）的影响（例如：数据是从不同组、批、班 次、季节等中收集来的。）
12
短期和长期过程的标准差 • 短期研究
由于这是一个短期研究，过程西格玛水平 = 2.84。
30
Cp，Cpk 与 Pp，Ppk
统计控制的过程 Cp Cpk
统计控制
之外的过程 Pp Ppk
通常，长期研究对象是统计控制之外的过程。
在这些情况下，应使用 Pp 和 Ppk。
过程稳定时（在统计控制中），过程能力的预测要可靠得多！
31
Pp 和 Ppk
z下限
X - LSL s ˆ 178.6 - 160.0 = = 5.17 3 .6 =
23
估计超出规定的百分比
从Z表中我们发现 Z = 0.94 对应于比例 = 0.1736 这可转化为17.36% 缺陷项 或 173,600 PPM
189.4
控制下限 = 160
167.8
178.6
Z 上限 = 0.94
天内支付。
• 每20天记录一次已支付发票数和逾期 （超过45天）支付数。 • 二项分布适用于这些数据。 • 过程能力怎么样？
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 总计
s 代表总体标准差
16
估计过程平均数和标准差
Process Average 过程平均数：
x X s ˆ R d2
来自控制图
Process Std. Dev. 过程标准差：
其中：d2 是基于分组规模的常数（见控制 图常数表）
17
过程平均数和标准差
对于当前例子：所有数据平均数 = 178.6，平均全距 = 8.4 ， 数据来源于样本规模为5的稳定控制图。
Z = 0.94时，比例 = 0.1736
17.36% 或 173,600PPM
25
6. 量化实际过程运作情况（Cpk）
与Cp指数不同，Cpk指数还将过程中心以外的因素考虑在内。 Cpk 指数越大越好。
规范下限
规范上限
规范下限
规范上限
6s
6s
CP = 1
CPK = 1
CБайду номын сангаас = 1
Cpk < 1
对于一个六西格玛过程，Cpk = 1.5
0.02
0 .2 0 6 1 0 7 9 9 4 0 .1 7 8 7 8 6 3 5 4 0 .1 5 3 8 6 4 2 4 4
0.03
0 .2 0 3 2 6 9 3 3 5 0 .1 7 6 1 8 5 5 2 0 0 .1 5 1 5 0 5 0 2 0
0.04
0 .2 0 0 4 5 4 1 3 9 0 .1 7 3 6 0 8 7 6 2 0 .1 4 9 1 6 9 9 7 1
Cp > 1
Cp 指数越大越好！
Cp =
Cp < 1
USL - LSL 6s ˆ
对于六西格玛过 程， Cp = 2
20
Cp 指数练习
计算 Cp 指数：
USL - LSL = ______ Cp = 6s ˆ 回忆：s = 3.6
189.4
规范下限 = 160
167.8
178.6
若集中，该过程是否能符合规定？
36
西格玛移位
1.5s
估计在长期过程中会发生1.5s左右的移位。 因此，如果只能获得短期数据，z长期 可以估计为：
Z长期 = Z短期 - 1.5
37
长期过程西格玛水平
即使短期西格玛水平被称作为西格玛水平，我们还是想估计 一下过程的长期西格玛水平。 过程长期的表现是极其重要的！ 对于当前的例子（短期研究）：
过程能力
1
过程能力
内容
• 何为过程能力
• 可变数据的过程能力
– 估计落在规范上下限以外的百分比 – Cp，Cpk，Pp Ppk 指数
• 短期研究和长期研究 • 过程西格玛水平 • 属性数据的过程能力
2
学习目标
1. 使用Cp、Cpk、PPM标准和过程西格玛水平量化可变 数据过程能力。 2. 使用DPO、DPMO、PPM标准和过程西格玛水平量化 属性数据过程能力。
Pp = USL – LSL 6 s Ppk = Minimum of USL - x 3 s = x - LSL 3 s
=
这些公式可使用总体。
除标准差的计算方法之外， Pp和Ppk计算时使用 的公式同Cp和Cpk一样。
32
单边规定过程能力
1. 2. 3. 4. 5. 确定数据为正态分布 过程必须稳定 估计过程的平均数和标准差 估计位于规定上下限之外的产品百分比（或PPM） 通过计算Cpk指数量化过程运作情况
属性数据的类型
缺陷项数目 （二项分布）
过程能力标准
缺陷项百分比 PPM
}
过程西格玛 水平
缺陷数量 (泊松分布)
DPO DPMO
}
过程西格玛 水平
与可变数据一样，属性数据也可用于评估过程能力。 PPM和DPMO可转化为过程西格玛水平。
41
逾期付款的数量
移动 逾期付款 已付款
• 应付帐款部门的目标是在收到发票后45
规范上限 = 182
189.4
7. 确定过程西格玛水平
短期过程西格玛水平 被称为过程西格玛水平。
它基于短期研究中集中分布的缺陷项的总体比例。
28
集中分布
对于当前的事例来说：
• • 数据来源于短期研究。 若过程集中良好，即如果 = 目标 = 171，那么缺陷项的百分比应为：
x
Z规范下限= -3.06 0.1107% 缺陷项
7. 确定过程西格玛水平
14
1. 确定数据为正态分布
以下数据是短期研究中收集而来的。
个别衡量直方图。
X图 X
= 178.6
R图 R
= 8.4
数据可认为是正态数据。
15
2. 估计过程平均数和标准差
X图
X
= 178.6
均数
x 可用于估计过程平
R图 R
= 8.4
¯ R 可用于估计过程标 准差
注： :
x 代表总体平均值
24
控制上限 = 182
Z表
0.00
0 .8 0 .9 1 .0 0 .2 1 1 8 5 5 3 3 4 0 .1 8 4 0 6 0 0 9 2 0 .1 5 8 6 5 5 2 6 0
0.01
0 .2 0 8 9 7 0 0 2 6 0 .1 8 1 4 1 1 2 2 5 0 .1 5 6 2 4 7 6 5 5
26
计算Cpk指数
= z最小值 [ z 上限 与 z 下限中的较小值] = z最小值 z上限 = 0.94 &
规范下限 = 160
z上限 = 0.94
z下限 = 5.17
167.8
178.6
z最小值 0.94 = = 0.31 Cpk 3 3 回忆：CP= 1.02 =
何时Cpk 与 Cp相等？
27
Sigma 长期
Sigma 短期
2 3
0.5 1.5
4
5 6
6,210
233 3.40
2.5
3.5 4.5
六西格玛中，习惯将 短期西格玛称作过程 西格玛水平。
39
基于过程的长期性能 报告过程DPMO或PPM。
对于六西格玛过程
西格玛 短期
DPMO 或 PPM
CP
CPK
6
3.4
2.0
1.5
40
由属性数据得出的过程能力
规范上限 = 182
21
5. 估计位于规定上下限以外的百分比
为估计位于规定上下限以外的产品百分比（或PPM），我们必须先计算 Z 上限 和 Z 下限。
规范上限 = 182
167.8 178.6 189.4 Z 上限 是过程平均数和规定 上限间标准差的个数。
22
Z 下限 是过程平均数和规定 下限间标准差个数。
6s 6s
规范下限
规范上限
规范下限
规范上限
过程能力很好
10
过程能力极佳
二西格玛报告
规范下限 规范上限
标准差 西格玛水平 s = 0.08 3s 过程
3s
3s
规范下限
规范上限
s = 0.06
4s 过程
4s
4s
规范下限
规范上限
s = 0.04
6s过程
6s
6s
标准差s越小，西格玛水平越大
11
短期研究相对长期研究
总体
s 那么 ， = ˆ
178.6 X
R 8 .4 = = 3 .6 d2 2.326
过程标准差 过程平均数
目标 = 171，过程是否集中于此目标？
18
3. 确定过程偏差并与规定上下限相比较
规范下限 = 160 规范上限 = 182
过程偏差： 我们希望99.73%的时间内我 们生产的产品将位于167.8 和 189.4之间。(+3σ )