世界级质量管理工具谢宁DOE

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。
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
变量族的划分
1. 2. 位臵变量(样本内的） 部件内部/组件内的不同位臵 在成批加料时出现的位臵或范围的变化 不同机器/不同试验位臵 不同生产线之间/不同工人之间的质量变化 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 时间性的变化 小时、天、周、班别的变化差异
设计数据收集表
变量族 班# 时间
工艺#
时间对时间 A 前4h 中间4h 后4h 前4h B 中间4h 后4h 前4h C 中间4h 后4h
变量族 员工# 机台 砂浆# M 1 N M 甲 2 N M 3 N M 15 N
工艺40 乙 16 M N M 17 N M 34 N M 丙 35 N M 36 N
60% 50% 50% 40%
绿Y
X变量对 Y的影响比重
30% 20% 20% 10% 10% 0% 红X 粉红X 原因重要性 浅粉红X
多变量分析
成对比较
集中图 变量搜索
部件搜索
产品/过程搜索 全析因
针对20个以上的变量 思维创新工具
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
为转子的直径。针对数据做变量图如下：
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
Βιβλιοθήκη Baidu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
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
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”
3.
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
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
族谱图分析
绿Y：线痕粗糙度
时间对时间
班次对班次（3） 时间对时间（3）
部件对部件
工艺对工艺（2）
部件内
员工对员工（3） 机台对机台（9） 砂浆对砂浆（2）
注：针对各个变量选取适当的取样次数，每4小时取样一次，主 操手6个选取3个，机台36台选取9台。
DOE逆向：知道问题Y如何找到X
原理
8/2原则
帕累托定律
目的
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； 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
针对各个x进行族系的划分： 每天三班倒 每班工作时间的变化 有13台同样的钻床 每台机器有4个钻削夹头
时间对时间
时间对时间 部件内 部件内 部件内 部件对部件
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
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：
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