世界级质量管理工具谢宁DOE..
世界级质量管理工具谢宁DOEppt课件
某厂生产的振荡器的时间延迟，同时存在高值（H）和低值（L）。通 过拆卸/重装，结果如下：
阶段一
初始 第一次拆卸/重装 第二次拆卸/重装
高值组件（H）
配置
结果（ms）
所有组件，高
13
所有组件，高
16
所有组件，高
15
低值组件（L）
配置
结果（ms）
所有组件，低
34
所有组件，低
38
所有组件，低
35
阶段二 阶段三
➢然后设计数据收集表格
多变量分析案例（二）
某芯片生产线对芯片与基带的黏贴度进行多因素 分析,并得出如下结果:
变量图，利用收集到的数据做图。图标可以直观的判断哪个 变量族变化最大。
水平线表示时间——也可以是周对周、天天天，小时对小 时，批次对批次，
垂直轴表示正在研究的绿Y。
从图中可以看出， 位置变量的变化 最大，这说明红 X在位置变量内
2、进行第二阶段的部件互换，根据阶段一得数据做判断极限： 高值范围=高中值±2.776đ/1.81=35 ±2.776*3.5/1.81=35 ±5.37 低值范围=低中值±2.776đ/1.81=15 ±2.776*3.5/1.81=15 ±5.37
3、做曲线图，看哪些子部件的交换导致输出超出了判断极限，即为重要 因子
后4h
时间对时间 B
前4h 中间4h 后4h
前4h
C 中间4h
后4h
变量族
工艺40
员工#
甲
乙
丙
机台
1
2
3
15
16
17
34
35
36
砂浆# M N M N M N M N M N M N M N M N M N
Shainin DOE
Shainin DOE所属分类：质量管理工具目录 [隐藏]∙谢宁方法概述∙谢宁方法的主要内容∙经典方法、田口方法以及谢宁方法比较编辑谢宁方法概述实验设计(DOE)方法一直在发展、丰富和完善，美国人多里安·谢宁(Dorian Shainin)总结了七种新的DOE应用技术：多变图技术、零件搜索技术、成对比较技术、变量搜索技术、完全析因技术、改进效果检查及实验设计的回归分析。
编辑谢宁方法的主要内容1、多变图技术根据以往经验确定影响质量的可能要素，例如工人班次、机床、原材料、工艺变量等，每隔一段时间抽取连续生产的几件产品，按需观察的这些要素的几种情况分别测试质量特性，画成图表进行比较分析，以确定引起波动的原因。
2、零件搜索技术根据以往经验确定影响产品质量的可疑零件，随机选取几个好的产品和坏的产品，将坏产品上的可疑零件与好产品上的对应零件进行交换，重新装配后进行质量特性参数的测量、比较、分析，以找到影响产品质量的主要零件。
3、成对比较技术随机选取5对以上的好的和坏的产品，用各种方法测试其各种参数并比较其不同之处，以确定影响产品质量的主要原因。
成对比较技术适用于不可拆卸的产品。
4、变量搜索技术与零件搜索有许多相似之处，都是逐个替换，进行测试比较，以搜索引起产品质量波动的主要原因，但变量搜索是针对变量的，而零件搜索则是针对零件的。
5、完全析因技术采用以上四项技术，寻找出4个以下的主要因素，这些因素按全部因素所有水平的一切组合逐次进行实验，研究这些因素的主效应和相互之间的交互作用，以确定最佳的因素水平匹配方案。
6、改进效果检查令B为改进后的工序，而C为改进前的工序。
为了验证改进效果，可以设定风险率a(第Ⅰ类风险)和b(第Ⅱ类风险)，随机抽取B和C两种产品(样本量由风险率决定)，进行假设检验，以确定在规定的风险率下，B产品是否优于C产品。
7、实验设计的回归分析对散布数据作出散布图，应用回归理论，诊断出对产品影响大和小的因素，从而找出影响产品质量波动的主要原因，并根据波动大小，确定各因素的目标值和容差。
质量管理工具方法之“DOE、DPMO”后续还有：DFMEA及对策表哦！
质量管理工具方法之“DOE、DPMO”后续还有：DFMEA及对策表哦！DOE（Design of Experiment,试验设计）一、什么是DOEDOE（Design of Experiment）试验设计，一种安排实验和分析实验数据的数理统计方法；试验设计主要对试验进行合理安排，以较小的试验规模(试验次数)、较短的试验周期和较低的试验成本，获得理想的试验结果以及得出科学的结论。
试验设计源于1920年代研究育种的科学家Dr.Fisher的研究, Dr. Fisher是大家一致公认的此方法策略的创始者, 但后续努力集其大成, 而使DOE在工业界得以普及且发扬光大者, 则非Dr. Taguchi (田口玄一博士) 莫属。
二、为什么需要DOE要为原料选择最合理的配方时（原料及其含量）；要对生产过程选择最合理的工艺参数时；要解决那些久经未决的“顽固”品质问题时；要缩短新产品之开发周期时；要提高现有产品的产量和质量时；要为新或现有生产设备或检测设备选择最合理的参数时等。
另一方面，过程通过数据表现出来的变异，实际上来源于二部分：一部分来源于过程本身的变异，一部分来源于测量过程中产生的变差，如何知道过程表现出来的变异有多接近过程本身真实的变异呢？这就需要进行MSA测量系统分析。
三、DOE的基本原理试验设计的三个基本原理是重复，随机化，以及区组化。
所谓重复，意思是基本试验的重复进行。
重复有两条重要的性质。
第一，允许试验者得到试验误差的一个估计量。
这个误差的估计量成为确定数据的观察差是否是统计上的试验差的基本度量单位。
第二，如果样本均值用作为试验中一个因素的效应的估计量，则重复允许试验者求得这一效应的更为精确的估计量。
如s2是数据的方差，而有n 次重复，则样本均值的方差是S2/n。
这一点的实际含义是，如果n=1，如果2个处理的y1 = 145，和y2 = 147，这时我们可能不能作出2个处理之间有没有差异的推断，也就是说，观察差147-145=2可能是试验误差的结果。
谢宁DOE
qsconsult www.qsconsult.be1 Willy VandenbrandeShainin: A concept for problemsolvingLecture at the Shainin conferenceAmelior11 December 20092Dorian Shainin (1914 –2000)•Aeronautical engineer (MIT –1936)•Design Engineer for United Aircraft Corporations •Mentored by his friend Joseph M. Juran•Reliability consultant for Grumman Aerospace (Lunar Excursion Module)•Reliability consultant for Pratt&Whitney (RL-10 rocket engine)•Developed over 20 statistical engineering techniques for problem solving and reliability •Started Shainin Consultants in 1984, his son Peter is currentCEO.Dorian Shainin and ASQ•15th ASQ Honorary Member (1996)•First person to win all four major ASQ medals•In 2004 ASQ created the Dorian Shainin Medal–For outstanding use of unique or creativeapplications of statistical techniques in thesolving of problems related to the quality of aproduct or service.3Dorian Shainin•Not very well known outside USA (compared to Deming, Juran)•1991: Publication of first edition of“World Class Quality”by Keki Bothe •2000: Second edition (Keki and Adi Bothe)•Books brought attention to Shainin methods, but are very biased.4Problem Solving •Focus is on variation reductionLSL USLLSL = Lower Specification Limit USL = Upper Specification LimitBeforeAfter5Problem Solving•But also …LSLAfterBefore6Basic Shainin assumption•The pareto principle of vital few and trivial many.•Only a few input variables are responsible for a large part of the output behavior.–Red X TM–Pink X TM–Pale Pink X TM•Problem solving becomes the hunt for the Red X TM7Shainin tools•Recipe like methods / statistics in the background•Comparing extremes allows easier detection of causes–BOB Best of Best–WOW Worst of Worse•Non parametrics with ranking tests in stead of calculations with hypothesis tests•Graphical Methods•Working with small sample sizes•The truth is in the parts, not in the drawing: let the parts talk!8Preliminary activities•Define the critical output variable(s) to be improved (called problem Green Y®)•Determine the quality of the Measurement System used to evaluate the Green Y®–A bad measurement system can in itself beresponsible for excessive variation–Improvements can only be seen if they can bemeasured910Overview of Shainin toolsComponents Search Multi-Vari chart Paired Comparisons Variables Search Full FactorialsB vs CScatter Plots PrecontrolProduct / ProcessSearchRSM methodsPositrolProcess CertificationClue generatingFormal Doe toolsValidationOptimization AssuranceOngoing controlControl20 –1000 variables5 –20 variables4 or less variablesNo interactionsInteractionsGeneral comments•Gradually narrowing down the search•Clear logic–Analyzing–Improving–Controlling•Not all tools are “Shainin”tools•“What’s in a name?”–Positrol versus Control Plan–Process Certification versus Process Audit11Tool details•Overview of methods•More info on B vs C TM and Scatter Plots in workshops•Some more detail on–Multi-Vari chart–Paired Comparison TM and Product/ProcessSearch–Pre Control1213Clue Generating / Multi-Vari Chart Very useful tool and best applied beforebrainstorming causes on excess variationComments Samples taken in production on current process Could be a big measurement investment Sample SizeDivide total variation in categories Search for causes of variation in the biggest category first PrinciplesProblem type: excess variation Wide applicability ApplicationUnderstand the pattern of variation Define areas where not to look for problems Allow a more specific brainstorm ObjectiveMulti-Vari Chart•Breakdown of variation in 3 families:–Positional(within piece, between cavities, …)–Cyclical(consecutive units, batch-to-batch, lot-to-lot)–Temporal (hour-to-hour, shift-to-shift, …)1415Multi-vari Chart•If one family of variationcontains a large part oftotal variation, we canconcentrate oninvestigating variablesrelated to this family ofvariation.16Clue Generating / Component SearchTM Disassembly / reassembly requirement limitsapplication.Comments 2 = 1 BOB and 1 WOW Sample SizeSelect BOB and WOW unit Exchange components and observe behavior. Components that change behavior are Red X comp PrinciplesProblem type: assembly does not perform to spec Limitation: Disassembly / Reassembly must be possible without product change ApplicationFind the component(s) of an assembly that is (are) responsible for bad behavior Objective17Clue Generating / Paired ComparisonTM Practical application of “let the parts talk”Comments5 to6 pairs of 1 BOB and 1 WOWSample SizeSelect pairs of BOB and WOW units Look for differences Consistent differences to be investigated further PrinciplesProblem type: occasional problems in production flow ApplicationFind directions for further investigationObjectivePaired Comparisons TM: method•Step1: take1 good and 1 bad unit–As close as possible in time–Aim for BOB and WOW units•Step2: note the differences between these units (visual, dimensional, mechanical, chemical, …). Let the parts talk!•Step3: take a second pair of good and bad units.Repeat step218Paired Comparisons TM: method •Step4: repeat this process with third, fourth, fith, …pair until a pattern of differences becomes apparent. •Step5: don’t take inconsistent differences into account. Generally after the fith or sixth pair theconsistent differences that cause the variationbecome clear.1920Clue Generating / Product/Process Search Tukey test is alternative for t-testWidely applicable methodProblem: available data (process parameters)Comments 8 BOB and 8 WOW units / batches Sample SizeSelect sets of BOB and WOW units –batches -..Add product data / process parameters and rank Apply Tukey test to determine important parameters PrinciplesProblem type: Various types of problems ApplicationPreselection of variables out of a large group of potential variables ObjectiveProduct/Process Search: example•Transmission assemblies rejected for noise.•Components search shows idler shaft as responsible component•One of the parameters of idler shaft is “out of round”•8 good / 8 bad units selected and measured for “out of round”2122Product/Process search: example0.0070.0110.0190.0170.0220.0140.0180.015Out of round good units(mm)0.0170.0210.0230.0240.0230.0160.0180.019Out of round bad units(mm)Tukey test procedure•Rank individual units by parameter and indicate Good / Bad.•Count number of “all good”or “all bad”from one side and vice versa from other side.•Make sum of both counts.•Determine confidence level to evaluate significance.2324Tukey test confidence levels99.9%1399%1095%790%6ConfidenceTotal end count25Tukey test: example0.0230.0230.0240.0160.0170.0180.0190.0210.0170.0180.0190.0220.0070.0110.0140.015BadGood Top end count (all good)4Bottom end count (all bad)3Overlap regionTukey test: example•Total end count = 4 + 3 = 7•95 % confidence that out-of-round idler shaft is important in explaining the difference in noise levels.2627Formal Doe tools / Variables SearchAlternative to fractional factorials on two levels Method comparable to components searchCommentsNumber of tests is determined by number of variables and quality of ordering.Sample Size List variables in order of criticality (process knowledge) and indicate good / bad level.Swap factor settings and observe behavior.Factors that change behavior (and interactions) are red X TM , Pink X TMPrinciplesProblem type: Various types of problemsAfter clue generating more then 4 potential variables leftApplicationDetermine Red X TM , Pink X TM including quantification of their effectObjective28Formal Doe tools / Full FactorialsWell established methodCommentsNumber of tests is determined by number of variables k (2k test combinations)Sample Size Classical DOE with Full Factorials at two levels Main Effects and interactions are calculated Principles Problem type: Various types of problems After clue generating 4 or less variables left Application Determine Red X TM , Pink X TM including quantification of their effectObjective29Formal Doe tools / B(etter) vs C(urrent)TMQuick validation that works well with big improvementsComments3 B and 3 C tests (each test can involve several units –test of variation reduction)All 3B’s must be better than all 3C’s Sample Size Create new process using optimum settings and compare optimum with current.Principles Problem type: Various types of problemsApplication Validation of Red X TM , Pink X TMObjective30Optimization / Scatter PlotsGraphical method that could easily be transformed to a statistical methodComments30 tests for each critical variableSample Size Do tests around optimum and use graphical regression to set tolerancePrinciples Problem type: Variation Reduction and optimizing signalApplication Fine tune best level and realistic tolerance for Red X TM , Pink X TM if no interactions are present Objective31Optimization / Response Surface Methods Method developed by George Box CommentsDepends on variables and surface.Sample SizeEvolutionary Operation (EVOP) to scan response surface in direction of steepest ascent PrinciplesProblem type: Variation Reduction and optimizing signal ApplicationFine tune best level and realistic tolerance for Red X TM , Pink X TM if interactions are present ObjectiveEVOP example3233Control / PositrolCan be compared with a Control Plan CommentsChecking frequency in the When columnSample SizeTable of What, How, Who, Where and When control has to be exercised. PrinciplesProblem type: all types ApplicationAssuring that optimum settings are kept Objective34Control / Process CertificationMix of 5S, Poka-Yoke, instructions, ISO 9000,audits,…Comments Checking frequency to be determined Sample SizeMake overview of things that could influence the process and install inspections, audits, …PrinciplesProblem type: all typesApplicationEliminating peripheral causes of poor quality Objective35Control / Pre ControlAlternative to classical SPCTraffic lights systemVery practical methodComments Checking frequency to be determinedSample SizeDivide total tolerance in colored zones and use prescribed sampling and rules to control the process.PrinciplesProblem type: control variation and setting of the process ApplicationContinuous checking of the quality of the process output Objective36Pre-Control: chart constructionUSL LSLTARGET ½TOL1/4 TOL1/4 TOLPre-control: use of chart1.Start process: five consecutive units ingreen needed as validation of set-up.2.If not possible: improve process.3.In production: 2 consecutive units4.Frequency: time interval between twostoppages (see action rules) / 6.3738Pre-control: action rulesStop and act 2 units in different yellow zoneStop and act1 unit in red zone Correct2 units in same yellow zoneContinue 1 unit in green and 1 unit in yellowzoneContinue 2 units in green zoneAction Result of samplesAfter an intervention: 5 consecutive units in green zone39Pre-control: exampleTime StartCorrect Startqsconsult www.qsconsult.be40 Willy VandenbrandeWilly Vandenbrande, Master TQM ASQ Fellow-Six Sigma Black Belt Montpellier 34B -8310 BruggeBelgië-BelgiumTel + 32 (0)479 36 03 75E-mail willy@qsconsult.be Website www.qsconsult.beQS Consult。
NPI(新产品导入)课纲
《NPI（新产品导入）》课纲
2013年4月26-27日 深圳 | 2013年8月16-17日 深圳 |
（更多开课时间，请来电咨询）
课程热线：4ＯＯ-Ｏ33-4Ｏ33（森涛培训中心，提前报名可享受更多优惠）
参加费用：3800元/人
参加对象：公司与新产品项目有关的部门及成员,项目(N
关职能部门经理,质量部经理,质量总监NPI经理，NPI工程师，产品技术经理、质量经理、QE工程师、项设计工程师、工艺工程师、制造工程师和其他直接参与新产品。
学员背景要求：有对新产品开发与制造目管理的实践经验。
特别适合行业：电子行业，研发/贸易型企业
深圳 | 2013年12月13-14日 深圳
中心，提前报名可享受更多优惠）
项目(NPI)经理,产品经理,公司技术系统的中高层管理者, 各相经理，NPI工程师，产品技术经理、质量经理、QE工程师、项目经理、其他直接参与新产品。
学员背景要求：有对新产品开发与制造转产或项行业，研发/贸易型企业。
谢宁DOE试验设计应用实战培训
谢宁 DOE 试验设计应用实战培训
1、试验设计的发展历史 2、试验设计种类方法介绍（介绍经典 DOE、田口 DOE）
课程特点： 在全球竞争空前加剧，生存环境日趋恶化的现实下，企业如何能够突出重围， 得到生存和发展，是无数企业家在思考和探询的问题，多数企业把目光投向 了通过内部的流程优化和效率提升来达到这一目的。企业对经营绩效的改善 要求是这样的：首先是要能快速收效，其次改善必须是突破性的，目前最为 流行的六西格玛管理满足后者，但无法做到快速改善；精益技术可以快速， 但在解决复杂问题尤其是品质问题时能效太低，有没有一种能够兼顾两个要 求的管理策略和技术呢？ 在流程优化的众多策略和方法中，美国质量专家（Dorian Shainin）多利安. 谢宁发明/整合的 DOE（试验设计），具有简捷、效果强大，改进成本低等优 点。结合经典 DOE 方法，是解决企业经营生产中的一系列问题尤其是复杂问 题无法替代的突破性方法。 如果您在公司经营中存在难以解决的质量难题，本课程将帮您做出最有效的 解决方案. 培训对象：品质经理、技术/工程/研发经理、生产经理、各类工程师。 培训目标： 1．掌握谢宁 DOE 方法及实施步骤
2．指导学员对本公司改进项目进行改进，并取得效果。
培训内OE 方法原理及与经典 DOE、田口 DOE 方法的不同之处和相同之处 4、红 X 线索生成 5 种工具 ★多变量分析----时间对时间、部件对部件、部件内 ★集中图---重复出现问题的精确定位 ★部件搜索-----简便而平滑的交换（B0B/WOW） ★成对比较-----BOB、WOW(当部件搜索工具不适用时) ★产品/过程搜索----精确定位的过程变量 5、全析因（识别与量化每个交互影响的最好佳技术） 6、B vs C（卓越的过程验证及确认技术） ★风险与置信水平 ★图基检验 ★风险----确定 B 对 C 的改进程度 7、获得切实的技术规格和公差的散布图 8、响应曲面方法（RSM）交互作用的优化 9、从试验设计到统计过程控制的转换 10、正向控制 11、过程风险的识别及控制
DFC(design for cost)面向成本优化的设计
DFC（design for cost）面向成本优化的设计课程简介：DFC本身是DFX家族的一个成员，它有自身系统化的方法、技术构成，但是也兼顾其它成员，与DFM/DFA等成员构成相互配合，相互支撑的关系。
由于Cost Down 已成为行业竞争的主导方向，如何通过优化产品先期设计，达到降低整体成本的目的，同时保证质量和产品项目的效率，就成为一个现实的需要，研发部门和工程师，通过学习并掌握一定的技术方法，能够在设计开发工作中，直接产生成本优化的设计结果，是课程的需求方向。
这里面的重点是面向研发工程师本身的工作和实际产品，提供有利并能运用到工作中去的设计方法，而不是让每个研发工程师都学习新的“成本分析法”，变成人人皆有”财务头脑“。
这门课程的内容及性质是一个研发技术课程，而不是理念宣传或管理型的课程，它包含的都是研发人员在实际产品开发工作中可利用的方法，当然目的是朝向降低总体成本的。
课程中大量应用了新颖前沿的技术方法，简明实用，可以直接针对公司产品进行快速设计分析实战，完全用技术手段找到成本优化和设计改进的空间，会令人耳目一新，兴趣盎然（以往汽车行业的各种课程中很少包含这些技术方法。
）从2014年以来我们一些相关客户的选择和反馈信息，也反映出DFC比其他成本优化课程更能满足研发部门的实际需求：ABB低压电器，西门子电动汽车(新事业部)，博世汽车电子，博西华电器，科士达汽车电器。
近期这些德系的企业对”面向成本的优化设计“ 关注度很高并且倾向于了DFC，而不是年代较为久远的V A/VE课程大纲：时间为两天，课程技术方法较为密集，逻辑性较强；另外全程有多次实战演练，为保证课程内容及实践环节的充分开展，每天建议7-7.5小时。
序号内容描述（课程中展开详细内容）内容说明/案例及演练第一部分DFC总体路径●面向成本优化的设计在国际上的起源和应用情况●成本优化的设计要回归产品设计本身●研发人员的思维更新--功能经济性●研发人员的---质量经济性（改变传统的质量观念，将研发/工艺/成本全程纳入到质量●产品成本优化设计的技术途径●DFC的一些引导性实例第二部分产品系统分析和系本部分整体构成一个面向成本的设计路径这一阶段构成优化设(首要重点) 统开发（从功能系统到成本系统）●产品特征分析●功能单元分析●产品结构界面分析与媒体分析●功能界面法●特性分析（关键）--特性输出对潜在成本具有直接的影响●功能成本定义●技术经济性评价计最关键的前期阶段，可以以企业实际产品作为小组设计目标来开展实战作业，老师和学员共同参与第三部分(重点)采用V A/VE的功能成本决策工具●V A/VE内在的分析方法本质—以系统分析为基础●V A/VE倡导的设计优化途径●V A/VE中的专门功能成本分析方法●V A/VE功能整理与策划---FAST图●功能价值决策工具在这里V A/VE是作为一个分析工具模块加以运用的，采用V A/VE中的分析方法，第四部分(重点) 设计阶段的技术风险成本及设计预防措施●技术风险是如何界定的●技术风险的属性和规律●设计风险与产品功能的关系●设计风险与产品特性的关系●特性变异引发潜在功能变异类型与方向●功能变异带来的成本损失●设计风险对产品成本的影响关系这一部分的内容和一般的失效风险分析不同，是基于产品内在技术运行规律的风险分析，这也是设计评审和设计改进的一套方法第二天内容（两天的时间分割在此处可能有一些偏差，因为第四章节的内容开展会受前面部分学员掌握情况的影响第五部分（首要重点）潜在工艺成本分析与优化●结构化的潜在工程成本分析●设计方案的工艺可行性●什么是潜在工艺水平●潜在工艺水平对成本的依赖●设计阶段降低因潜在工艺水平要求高而带来的制造成本●潜在工艺成本与外协件的直接关联●外协件技术/成本策划与先期管控●实际对工艺的包容性本部分内容非常重要，它是为了搭建设计与工艺及制造之间的桥梁，目的是在设计阶段综合考虑整个产品诞生周期的成本，这是企业普遍关心的问题，即设计阶段如何通过优化来降低后续制造成本第六部分(重点)包容性设计方法●包容性设计的含义●包容性设计的目标●包容性设计技术原理（通过设计优化，降低对材料/工艺条件/制造环境的要求这部分实际上是基于前面章节的综合提升，小组要重新或继续通过样本开发任务来实践有关的技术方法来降低潜在制造成本●包容性设计的路径●用系统开发和特性开发方法建立研发项目第七部分面向成本的设计所需要的灵活工具●breakthrough—7工具●层次分析法●TRIZ工具的应用●水平对比法（可对应于选型设计和横向比较）●更多的一些创新工具这部分内容较为灵活，可根据实际产品进行分析，也可根据学员掌握的情况来插入新的模块化的工具方法第八部分内容说明：由于前面各章节都包含了比较密集的技术方法及设计实践，本课程七个主体章节内容已经很丰富因此第八部分是作为总结探讨，以消除研发部门日常工作中遇到的一些障碍，尤其是涉及到与工艺，质量，制造部门✧面向成本的设计与新产品开发项目的结合✧合理看待并处理在项目合作中工艺/制造/质量部门与研发部的合作障碍✧面向成本的设计中“成本”的界定✧站在研发角度正确认识技术成本，工艺成本，制造成本，采购成本和质量成本之间的关系，这也对跨部门合作关系起到融洽的作用。
谢宁DOE之因子(变量)搜索
1、试验背景：某冲压零件之某一重点尺寸，经常被客户投诉超出公差，现为找到影响该
2、试验目的：找出影响成型尺寸的红X与粉红X，以减少变差，提高过程能力；
3、绿Y：
5、重要性试验
6、变量和求交运算搜索试验数据成型尺寸(公差0-15）
完全
值
D临界水平值=42.5
D最佳水平值=27.75
D主效应=14.75D为粉红X（影响尺寸变化的次重要因子）F临界水平值=58
F最佳水平值=12.25
F主效应=45.75F为红X（影响尺寸变化的最重要因子）
DF交互效应=1.75交互效应弱
9、改善对策：
采取措施确保板板挟持保持水平，控制板材不让弯曲即可降低尺寸
说明：总共做了20次试验，即找到关键因子，如果是传统的DOE（试验设计的英文缩写）6=6传统试验设计要做到世界末日为止。
实际上针对这种影响因子很多的质量特性，谢恩DOE
搜索等工具，可以将因子从1000个缩小到5个以内，再从5个当中通过变量搜索试验，来锁定关键因子
为找到影响该尺寸（绿Y）的影响因子（红X和粉红X），特做此试验；
寸变化的次重要因子）
交互效应图
变化的最重要因子）
低尺寸波动，提高C PK.
缩写），需要做26=64试验，如果是像下面鱼骨图那样多达50个因子，那
恩DOE在试验前期要通过多变量分析、集中图、部件搜索、成对比较、产品/过程搜索试验，来锁定关键因子。
- 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)。
多变量分析案例（一）
印刷电路板在钻孔时产生的过量毛刺，用利克特度 量尺度把毛刺分成1到10级，然后对各种变量族系进行 甄别。决定仅用一天的时间进行试验，期望在一天之 内就能充分找到至少80%的重要变量。 • 每天三班倒 • 有13台同样的钻床 • 每台机器有4个钻削夹头 • 每班有8个工人操作机器 • 每台机器上有3个装在PWB板上的控制板 • 每台机有10种钻孔尺寸
然后设计数据收集表格
多变量分析案例（二）
某芯片生产线对芯片与基带的黏贴度进行多因素 分析,并得出如下结果:
变量图，利用收集到的数据可以是周对周、天天天，小时对小 时，批次对批次，
垂直轴表示正在研究的绿Y。
从图中可以看出， 位置变量的变化 最大，这说明红 X在位置变量内
变量族的划分
1. 位置变量(样本内的） 部件内部/组件内的不同位置 在成批加料时出现的位置或范围的变化 不同机器/不同试验位置 不同生产线之间/不同工人之间的质量变化 2. 周期性(样本之间的变化) 在同样的时段，从一个生产过程中抽取的连续的部件间
的变化 不同的批次/部件组中的变量 3. 时间性的变化 小时、天、周、班别的变化差异
多变量分析案例（三）
某加工者在制造直径要求为0.0250英寸±0.001英寸的 圆柱体转子轴时，出了很多废品。有3个轴式上午8点加 工的，其它的为上午9、10、11和12点加工的。对每个 轴要进行四次测量——2次在右面，两次在右面，对每 个轴从左到右测量锥度；从上到下测试不同心度，让轴 转动，测量最大直径点和最小直径点。这样，在部件内 变量中，就会出现两个子族，即锥度和不同心度，绿Y 为转子的直径。针对数据做变量图如下：
目的：在X1，X2，X3，…Xn中出红X、粉红X、浅粉红X所在 的变量族
方法: 1. 针对每个变量，从产品或制程抽出四至五个样品作为样本,并 测量有关之质量特性 2. 定时重复抽取样本,直到样本整体能反映大部份(约 80%)的不良变异 3. 按时序制作多变量图 4. 观察何种变异最为显著——多变量分析的过滤器
族谱图分析
绿Y：线痕粗糙度
时间对时间
部件对部件
部件内
班次对班次（3）
工艺对工艺（2）
员工对员工（3）
时间对时间（3）
机台对机台（9）
砂浆对砂浆（2）
针对各个x进行族系的划分： 每天三班倒
时间对时间
每班工作时间的变化
时间对时间
有13台同样的钻床
部件内
每台机器有4个钻削夹头
部件内
每班有8个工人操作机器
部件内
每台机器上有3个装在PWB板上的控制板
部件对部件
每台机有10种钻孔尺寸
部件内
首先画出族谱图，按照三个族系分类，然后确定各个X的 取样数目，一般3~5就可以。从上可以得看，存在3大族系， 个子族系，如下图：
第一种变量图
第二种变量图
针对同一个问题，两种变量图，从图可以看出，第二种变 量图更为直观明了，可以很快发现，时间变量最大。
多变量分析案例（四）
具体应用到切片生产中，可以针对一般线痕的问题做相关分 析的案例。相关变量如下：
1、车间3个班（A、B、C） 2、车间有36台机 3、每个班有6个主操手，没人负责6台机器 4、每个班12个小时 5、切片机使用M（380kg）和N（270kg+120kg）两种砂浆 6、切片机存在两种40工艺和42工艺 将线痕的轻重（即硅片的最大粗糙度）做绿Y
设计多变量具体研究步骤
1. 测量仪器的精度至少是产品精度的5倍 2. 确定可出现的变量的族的数目 3. 画出族谱 4. 估计所要求的不同时间取样的次数 5. 确定对在加工过程中连续抽取的部件的数量（一般3~5） 6. 确定在部件内，族系的取样数量，如方位、机器、模腔的数
量） 7. 将第4、5、6不重的数量相乘，以确定要研究的部件总数 8. 设计一个图表，简化多变量数据的收集
谢宁DOE概述
什么是DOE？
design of experiment
DOE：试验设计是有目的的改变过程输入因素
（X）以观测相应的输出变化（Y）的行动。 Y=F(X1,X2,X3……Xn)
DOE是一种质量工具，要解决的变量X与Y的关系，如果逆向知道问 题Y，如何找出X1，X2，X3……..？
X：变量
变量是有害的
需要找出和控制
Cp和Cpk表征变量分布
所有变量的都很重要？
DOE分类：经典DOE、田口DOE和谢宁DOE
原理 目的
DOE逆向：知道问题Y如何找到X
8/2原则
帕累托定律
80%的问题（Y） 是由哪些20%的原
因（X）造成的
简单，有效 强调与部件对话
10大工具
Y：绿Y，代表要解决的问题和目标 利克特尺度：在好坏之间建立一个好坏程度，如1代表差，10代表好；
扑克戏法的原理：对于27张牌，三次定位找出指定的牌 （红X），即第一次找出红X所在的列，可以排除18张牌； 再次洗牌后，确定红X所在的排，排除6张，只剩3张牌；再
次洗牌，则可以轻松的确定唯一的红X
鱼骨图的无奈——常用的分析问题的方法
鱼骨图可以分析问题产生的可能原因，但并不能进一 步分析，到底哪个是主要原因，次要的原因。只能每 项可能的原因都要进行改善，效率低，很多原因可能 只是猜测，这正是多变量分析的优势。
好处：减少数据量
X：变量
红X
粉红X
浅粉红X
测量精度：5:1，（即变量变化范围:测量工艺精度）≥5
绿Y
60% 50% 40% 30% 20% 10%
0%
50%
X变 量 对 Y的 影 响 比 重
20%
红X
粉红X
原因重要性
10% 浅粉红X
多变量分析
成对比较
部件搜索 针对20个以上的变量
集中图
产品/过程搜索
思维创新工具
变量搜索
全析因
确认重要变量
B Vs C分析 散布图 响应曲面图
SPC
确认改善效果 优化X变量的公差
持续改善
为什么首先要讲多变量分析？
最重要的是该工具针对大量没有直接联系的、猜测 的可能原因和不可处理的变量减少到少得多的一族相 关变量。
多变量分析为其它工具的使用提供一个分析基础。
多变量分析是一种过滤技术，将20个以上变量过滤， 定位最可能的原因，可以形象的称之“漏斗法”