什么是DOE DOE（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。 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。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。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。但如果n合理的大，试验误差足够小，则当我们观察得y1随机化是试验设计使用统计方法的基石。 所谓随机化，是指试验材料的分配和试验的各个试验进行的次序，都是随机地确定的。统计方法要求观察值（或误差）是独立分布的随机变量。随机化通常能使这一假定有效。把试验进行适当的随机化亦有助于“均匀”可能出现的外来因素的效应。 区组化是用来提高试验的精确度的一种方法。一个区组就是试验材料的一个部分，相比于试验材料全体它们本身的性质应该更为类似。区组化牵涉到在每个区组内部对感兴趣的试验条件进行比较。 DOE实验的基本策略 策略一：筛选主要因子（X型问题化成A型问题） 实验成功的标志：在ANOVA分析中出现了1~4个显着因子；这些显着因子的累积贡献率在70%以上。 策略二：找出最佳之生产条件（A型问题化成 T型问题） 实验成功的标志：在第二阶段的实验中主要的误差都是随机因素造成的。 因为各因子皆不显着，因此，每一因子之各项水准均可使用,在此情况下岂不是达到了成本低廉且又容易控制之目的。 策略三：证实最佳生产条件有再现性。DOE的步骤 第一步 确定目标 我们通过控制图、故障分析、因果分析、失效分析、能力分析等工具的运用，或者是直接实际工作的反映，会得出一些关键的问题点，它反映了某个指标或参数不能满足我们的需求，但是针对这样的问题，我们可能运用一些简单的方法根本就无法解决，这时候我们可能就会想到试验设计。对于运用试验设计解决的问题，我们首先要定义好试验的目的，也就是解决一个什么样的问题，问题给我们带来了什么样的危害，是否有足够的理由支持试验设计方法的运作，我们知道试验设计必须花费较多的资源才能进行，而且对于生产型企业，试验设计的进行会打乱原有的生产稳定次序，所以确定试验目的和试验必要性是首要的任务。随着试验目标的确定，我们还必须定义试验的指标和接受的规格，这样我们的试验才有方向和检验试验成功的度量指标。这里的指标和规格是试验目的的延伸和具体化，也就是对问题解决的着眼点，指标的达成就能够意味着问题的解决。 第二步 剖析流程 关注流程，使我们应该具备的习惯，就像我们的很多企业做水平对比一样，经常会有一个误区，就是只讲关注点放在利益点上，而忽略了对流程特色的对比，试验设计的展开同样必须建立在流程的深层剖析基础之上。任何一个问题的产生，都有它的原因，事物的好坏、参数的便宜、特性的欠缺等等都有这个特点，而诸多原因一般就存在于产生问题的流程当中。流程的定义非常的关键，过短的流程可能会抛弃掉显著的原因，过长的流程必将导致资源的浪费。我们有很多的方式来展开流程，但有一点必须做到，那就是尽可能详尽的列出可能的因素，详尽的因素来自于对每个步骤地详细分解，确认其输入和输出。其实对于流程的剖析和认识，就是改善人员了解问题的开始，因为并不是每个人都能掌握好我们所关注的问题。这一步的输出，使我们的改善人员能够了解问题的可能因素在哪里，虽然不能确定哪个是重要的，但我们至少确定一个总的方向。 第三步 筛选因素 流程的充分分析，使我们有了非常宝贵的资料，那就是可能影响我们关注指标的因素，但是到底哪个是重要的呢？我们知道，对一些根本就不或微小影响因素的全面试验分析，其实就是一种浪费，而且还可能导致试验的误差。因此将可能的因素的筛选就有必要性，这时，我们不需要确认交互作用、高阶效应等问题，我们的目的是确认哪个因素的影响是显著的。我们可以使用一些低解析度的两水平试验或者专门的筛选试验来完成这个任务，这时的试验成本也将最小处理。而且对于这一步任务的完成，我们可以应用一些历史数据，或者完全可靠的经验理论分析，来减少我们的试验因子，当然要注意一点就是，只要对这些数据或分析有很小的怀疑，为了试验结果的可靠，你可以放弃。筛选因素的结果，使得我们掌握了影响指标的主要因素，这一步尤为关键，往往我们在现实中是通过完全的经验分析得出，甚至抱着可能是的态度。 第四步 快速接近 我们通过筛选试验找到了关键的因素，同时筛选试验还包含一些很重要的信息，那就是主要因素对指标的影响趋势，这是我们必须充分利用的信息，它可以帮助我们快速的找到试验目的的可能区域，虽然不是很确定，但我们缩小了包围圈。这时我们一般使用试验设计中的快速上升（下降）方法，它是根据筛选试验所揭示的主要因素的影响趋势来确定一些水平，进行试验，试验的目的就像我们在寻找罪犯一样的缩小嫌疑范围，我们得出的一个结论就是，我们的改善最优点就在因素的最终反映的水平范围内，我们离成功更近了一步。 第五步 析因试验 在筛选试验时我们没有强调因素间的交互作用等的影响，但给出了主要的影响因素，而且快速接近的方法，使我们确定了主要因素的大致取值水平，这时我们就可以进一步的度量因素的主效应、交互作用以及高阶效应，这些试验是在快速接近的水平区间内选取得，所以对于最终的优化有显著的成效，析因试验主要选择各因素构造的几何体的顶点以及中心点来完成，这样的试验构造，可以帮助我们确定对于指标的影响，是否存在交互作用或者那些交互作用，是否存在高阶效应或者哪些高阶效应，试验的最终是通过方差分析来检定这些效应是否显著，同时对以往的筛选、快速接近试验也是一个验证，但我们不宜就在这样的试验基础上就来描述指标与诸主效应的详细关系，因为对于3个水平点的选取，试验功效会有不足的可能性。 第六步 回归试验 我们在析因试验中，确定了所有因素与指标间的主要影响项，但是考虑到功效问题，我们需要进一步的安排一些试验来最终确定因素的最佳影响水平，这时的试验只是一个对析因试验的试验点的补充，也就是还可以利用析因试验的试验数据，只是为了最终能够优化我们的指标，或者说有效全面的构建因素与水平的相应曲面和等高线，我们增加一些试验点来完成这个任务。试验点一般根据回归试验的旋转性来选取，而且它的水平应该根据功效、因子数、中心点数等方面的合理设置，以确保回归模型的可靠性和有效性。这些试验的完成，我们就可以分析和建立起因素和指标间的回归模型，而且可以通过优化的手段来确定最终的因子水平设定。当然为了保险起见，我们最后在得到最佳参数水平组合后进行一些验证试验来检验我们的结果。 第七步 稳健设计 我们知道，试验设计的目的就是希望通过设置我们可以调控的一些关键因素来达到控制指标的目的，因为对于指标来讲我们是无法直接控制的，试验设计提供了这种可能和途径，但是在现实中却还存在一类这样的因素，它对指标影响同样的显著，但是它很难通过人为的控制来确保其影响最优，这类因素我们一般称为噪声因素，它的存在往往会使我们的试验成果功亏一篑，所以对待它的方法，除了尽量的控制之外可以选用稳健设计的方法，目的是这些因素的影响降低至最小，从而保证指标的高优性能。事实上这些因素是普遍存在的，例如我们的汽车行驶的路面，不可能保证都是在高级公路上，那么对于一些差的路面，我们怎样来设计出高性能呢？这时我们会选择出一些抗干扰的因素来缓解干扰因素的影响，这就是稳健设计的意图和途径。通常我们会经常使用在设计和研发阶段，但有时也会随着问题的产生而暴露出来，但我们会提出一个问题了，重新选定主要因素的水平会不会带来指标的振荡和劣化，这是完全有可能的，但我们可以通过EVOP等途径来重新设定以保证因素更改后的输出效果。 注： 1.试验设计需要成本的投入，我们必须确定试验进行的必要性，以及选取最优的设计方案。 2.水平的选取可能直接影响试验设计的结果，要谨慎的选取，最后有专业知识和历史数据的支持。 3.尽可能的利用一些历史数据，在确认可靠后提取对我们试验有用的信息，来尽量减少试验投资和缩短试验周期。 4.试验设计并不能提供解决所有问题的途径，现实当中的局限验证了这一点，我们要全面考虑解决问题的方式，选取最有效、最经济的解决途径。 5.注意充分的分析流程，不要遗漏关键的因素，不要被一些经验论的不可能结论左右。 6.除了试验设计涉及的因素外，要尽量确定所有的环境因素是稳定和符合现实的，往往会做不到这一点，我们可以用随机化、区组化来尽量避免。 7.注意结果的验证和控制，不要轻信结果。 8.尽量保证试验的仿真性，避免一些理想的试验环境，比如试验室，理想不现实的环境是的试验可能根本就没有作用。 9.试验设计者要关注试验过程，保证试验意图和方案的彻底执行。 10.如果实现一步到位的试验设计是可能的，那就不要犹豫的开展吧，上面的七步只是针对普通的情况。 DOE的作用 在工业生产和工程设计中能发挥重要的作用，主要有： 1.提高产量； 2.减少质量的波动，提高产品质量水准； 3.大大缩短新产品试验周期； 4.降低成本； 5.试验设计延长产品寿命。 在工农业生产和科学研究中，经常需要做试验，以求达到预期的目的。例如在工农业生产中希望通过试验达到高质、优产、低消耗，特别是新产品试验，未知的东西很多，要通过试验来摸索工艺条件或配方。如何做试验，其中大有学问。试验设计得好，会事半功倍，反之会事倍功半，甚至劳而无功。 如果要最有效地进行科学试验，必须用科学方法来设计。所谓试验的统计设计，就是设计试验的过程，使得收集的数据适合于用统计方法分析，得出有效的和客观的结论。如果想从数据作出有意义的结论，用统计方法作试验设计是必要的。当问题涉及到受试验误差影响的数据时，只有统计方法才是客观的分析方法。这样一来，任一试验问题就存在两个方面：试验的设计和数据的统计分析。这两个是紧密相连的，因为分析方法直接依赖于所用的设计。DOE的方法 常见的试验设计方法，可分为二类，一类是正交试验设计法，另一类是析因法。 （1）正交试验设计法 ① 定义 正交试验设计法是研究与处理多因素试验的一种科学方法。它利用一种规格化的表格——正交表，挑选试验条件，安排试验计划和进行试验，并通过较少次数的试验，找出较好的生产条件，即最优或较优的试验方案。 ② 用途 正交试验设计主要用于调查复杂系统（产品、过程）的某些特性或多个因素对系统（产品、过程）某些特性的影响，识别系统中更有影响的因素、其影响的大小，以及因素间可能存在的相互关系，以促进产品的设计开发和过程的优化、控制或改进现有的产品（或系统）。 （2）析因法 ① 定义析 析因法又称析因试验设计、析因试验等。它是研究变动着的两个或多个因素效应的有效方法。许多试验要求考察两个或多个变动因素的效应。例如，若干因素：对产品质量的效应；对某种机器的效应；对某种材料的性能的效应；对某一过程燃烧消耗的效应等等。将所研究的因素按全部因素的所有水平（位级）的一切组合逐次进行试验，称为析因试验，或称完全析因试验，简称析因法。 ② 用途 用于新产品开发、产品或过程的改进、以及安装服务，通过较少次数的试验，找到优质、高产、低耗的因素组合，达到改进的目的。
什么是DMAIC模型？ DMAIC模型是实施6sigma的一套操作方法。 20世纪90年代许多世界级公司开始了6sigma管理的实践.各个企业在实施6sigma过程中都有自己的操作方法.6sigma的创立者摩托罗拉就有著名的实现6sigma的六步法.各种实施操作的方法大同小异,目标更是一致:实现6sigma质量水准,使顾客完全满意. 通用电气公司总结了众多公司实施6sigma的经验,系统地提出了实施6sigma的DMAIC模型.DMAIC模型现在被广泛认可,认为这是实施6sigma更具操作性的模式. DMAIC是6σ管理中最重要、最经典的管理模型，主要侧重在已有流程的质量改善方面。所有6σ管理涉及到的专业统计工具与方法，都贯穿在每一个6σ质量改进项目的环节中。DMAIC 模型如图所示： D(Define)——界定 界定是识别客户要求，确定影响客户满意度的关键因素 界定——找准要解决的问题 界定问题：与问题相结合，组建一个有力的6σ团体，在这一步，必须抓住一些关键问题：你们正在做什么？为什么要解决这个特别的问题？你们的顾客是谁？你们的顾客需求是什么？你们过去是怎样做这项工作的？现在改进这些工作将获得什么益处？ 制定DMAIC任务书 6σ的理念促使我们以新的和独创的方式来思考过去经常忽略的问题，当抓住了一些关键问题之后,便容易形成一份DMAIC任务书。这份任务书不仅要呈交业务主管部门，还可作为6σ团队解决问题的目标。各公司、各工作项目的DMAIC任务书不尽相同，但主要内容有：为什么选择这个案例？要特别解决的问题是什么？解决这个问题的限制条件是什么？解决这个问题涉及的范围有多大？团队成员及其职责是什么？DMAIC的各阶段的时间安排。 M(Measure) ——量测 量测是校准Y的测量系统，收集整理数据，为量化分析做好准备 量测是6σ管理分析的基础 通过量测来收集CTQs的基本数据，量测是6σ管理分析的基础工作。通过量测使得量化管理成为可能，有了量测才使统计技术与方法的应用成为可能。为了获取真实、准确、可靠的数据，需要对量测的系统进行校准。这通常是配套课程测量系统分析的内容。 数据收集还要求掌握一些数据收集的方法，如抽样技术、检查单检查表方法等。 对关键质量指标进行量测 无论是生产制造流程还是交易流程都有输入和输出。通常把需要输入的东西用x表示，把产生的结果或输出用y表示。所以任何流程都可表示成这样一个函数： y=f(x) 输入是多种多样的，甚至输入还包括一些影响结果的干扰因素。输入变量x可以是一个向量，表示这个输入是由多种因素组成。函数f(x) 可看成是一个公司或组织的运作系统。输出y也可以是一个向量，如 y=（产品、服务、维护……）量测就是对关键的y与x进行数据收集和计量。 典型量测举例 如果客户对供货时间不满意，你就需要收集过去若干次收到订单到发出货物的天数。 如一个大型生产制造商过去一个月在订单处理方面的DPMO是253 000 如一个冰箱制造商过去一年的包装清单的DPMO 是85 000 如一个大型商场过去一个月开发票的DPMO是67 000 如一个餐馆过去一个月账单的DPMO是57 000 A(Analyze)——分析 分析是运用多种统计技术方法找出存在问题的根本原因。 影响产品质量和顾客满意度的因素很多，运用统计方法可找出影响顾客满意度的主要原因。 常用统计分析工具直方图排列图鱼骨图散点图控制图 影响产品质量和顾客满意度的原因可归纳为六大类，即上面所示的人、机、法、料、环、测等 I(Improve)——改进 改进是确定影响y的主要原因x，寻求x与y的关系，建立x的允许变动范围 发现y与x的关系 结果与原因呈现出一个类似函数的模型，即：y=f(x1,x2,......xp)+ε。其中y是因变量，x是自变量向量，是p个原因，称为自变量。ε是随机干扰项，也正是由于有这一项，此模型才真切地刻画出y与x有着密切的关联，但y又不能由x完全确定的这种奇特关系。模型就是一个系统，y是不可控制的随机变量，由系统产出的，也称为内生变量。x是一些可控制的确定性变量，也称为外生变量。ε是不可控的随机变量。如果x与y描述广告投入与销售量的关系，显然销售量y是不可控的，广告费用x是可控制的，对销售量y有影响的一些其它因素就是ε。 改进是实现目标的关键步骤 相关分析、回归分析、试验设计、方差分析等都是改进步骤中的统计工具。当用统计方法找到了要改进的环节和方案之后，重要的是去实施它。这一过程中的困难往往是员工长期的习惯不会轻易转变。假如公司欲在各部门之间和部门内部跟踪节约资金，这时就要将实际花费与预算联系起来，或跟踪净节约资金、项目范围、项目结束时间等变量。通过正确跟踪数据，建立起回归模型，用回归模型进行预测和控制，使公司收益和顾客满意度达到最大。改进这一步骤是实现目标的关键，它类似于六步法中的“优化你的工作流程”。 C(Control)——控制 控制是将主要变量的偏差控制在许可范围。 没有工作描述和过程程序就谈不上控制 对流程进行一定的改进之后，下来的问题就是坚持避免“突然”回到旧的习惯和流程是控制的主要目的。6σ项目的成功依赖于那些始终坚持如一的人，控制过程中，流程中的每个环节的每个人都必须要有工作描述。没有工作描述和过程程序,就谈不上控制，任何流程的初期阶段都是至关重要的。在生产周期中纠正缺陷的成本:在初期发现一个缺陷，花费1美元在设计中发现一个缺陷，花费10美元在实验中发现一个缺陷，花费100美元在现场发现一个缺陷，花费1000美元 DMAIC模型的应用是一个循环过程 DMAIC模型作为实施6σ的操作方法，它的运作程序与6σ项目的周期及工作阶段紧密结合。 DMAIC模型从界定到控制不是一次性的直线过程，在运用当中有些技术与方法被反复使用。 DMAIC模型的应用是实现6σ水准的一个循环过程。 只有不满足现状，勇于创新，不断改进，才能在6σ管理中取得卓越成就。">编辑]DMAIC模型在人力资源培训的应用 进入新经济时代，市场环境变得更加复杂与多变，企业员工的知识、技能、素质等方面都受到不断冲击!许多企业由于人力资源的培训与开发难以抵挡这些冲击而最终走向衰退。 培训与开发是人力资源管理的重点和难点，很多企业为此采取了大量的改革措施，但是却效果很差。以六西格玛管理的DMAIC模型对人力资源培训与开发管理进行分析。 根据DMAIC模型及其原理,人力资源管理应采取以下步骤： （1）定义阶段（D阶段）。 确定员工的知识、技能和素质等方面的关键需求，并识别需求改进的培训项目或培训管理流程，并将改进的内容界定在合理的范围内。主要方法有：胜任力模型、行为事件访谈（BEIs）、专家小组法、问卷调查法、全方位评价法、专家系统数据库和观察法等。 （2）测量阶段（M阶段）。通过对现有培训流程的测量，辨别核心流程和辅助流程；识别影响培训流程输出的输入要素，并对测量系统的有效性作出评价。 主要方法有：AFP法、模糊综合评判法、直方图、矩阵数据分析图等。 （3）分析阶段（A阶段）。通过数据分析，确定影响培训流程输出的关键因素，即确定培训过程的关键影响因素。主要方法有：鱼骨图、帕拉图、回归分析、因子分析等。 （4）改进阶段（I 阶段）。寻找优化培训流程并消除或减少关键输入因素影响的方案，使流程的缺陷或变异降低到最小程度。 主要方法有：流程再造等。 （5）控制阶段(C阶段）。使改进后的流程程序化，并通过有效的监测手段，确保流程改进的成果。 主要方法有：标准化、程序化、制度化等。 DMAIC模型在人力资源培训的应用分析 1.定义顾客需求(define) 六西格玛管理是以顾客为中心,强调关注顾客的需求。它的出发点就是研究客户最需要的是什么?最关心的是什么？那么，培训开发的顾客是谁呢？是企业的人才需求，准确地说就是培训需求。培训需求分析是整个培训开发工作的出发点，其准确与否直接决定了整个培训开发过程的有效性大小。令人遗憾的是，很多企业对培训需求重视不够，或想重视但无能为力。传统的培训需求分析主要基于绩效要求与现有绩效之间的“绩效差距”，并以此来制定员工的培训计划。有些甚至只是在每年年底向各部门发一份培训需求申请表，由部门自主申请培训项目，然后人力资源部再根据公司每年的培训经费做个“平衡”，再依平衡的结果做培训计划。 如何全面、准确地确定培训需求呢？首先是确定员工要掌握什么样的知识、技能和素质，然后分析测量员工目前所具有的水平，两者之“差距”，便是培训需求。当然，员工的要求不能只看考核指标，而应在公司方针、战略框架下进行职位分析，分析企业所有职位特别是关键职位，明确这些职位的工作内容、任职资格等相关内容。关于职位分析，目前有一种新方法，就是胜任力模型(competency)，它是美国著名的心理学家、哈佛大学教授麦克里兰(McClelland)博士的研究成果。岗位胜任特征，是指根据岗位的工作要求，确保该岗位的人员能够顺利完成该岗位工作的个人特征结构，它可以是动机、特质、自我形象、态度或价值观、某领域知识、认知或行为技能，且能显著区分优秀与一般绩效的个体特征的综合表现。 在科学、准确地进行职位分析之后，还要测量员工目前的真实水平，以便确定培训需求。企业一般都是通过绩效考核的结果来判断员工的能力，但目前大部分企业的绩效考核在科学、合理、客观等方面还存在很多不足，直接以绩效考核结果来决定培训项目，显然是不科学的。在不断完善绩效考核体系的同时，还应分析以下几个问题:(1)还有哪些知识不足?(2)还有哪些技能欠缺?(3)素质有没有达到要求? 2.评估当前绩效(Measure) 评估当前绩效阶段，并不是指员工的绩效考核，而是评估公司当前培训管理流程的绩效，即测量公司的培训管理流程，看其是否能够满足以上确定的培训需求。 评估培训流程的当前绩效，工作量和难度都很大，它不但要测量整个培训流程的绩效，而且要测量培训需求分析、制定培训计划、培训计划实施以及效果评估等各个环节的绩效。需要统计、分析近三年流程相关的各方面数据，通过比较才有可能准确反映流程各环节的当前绩效。 3.原因分析(Analyze) 原因分析阶段，主要是根据统计分析问题。通过评估当前绩效阶段取得必要的数据后，在分析阶段需要我们寻找问题的原因，找出影响目前绩效的潜在问题及其影响因素。原因分析的方法有很多，最简单的是利用鱼骨图找出影响当前绩效的所有相关原因，再用帕拉图确定关键因素，也可以利用流程分析、图形分析、假设检定、相关分析、回归分析、因子分析等统计方法。不管用哪种方法，都离不开数据统计，一切以数据和事实说话，而且往往需要多次分析才能找出真正影响当前绩效的关键因素。 4.改进措施(Improve) 本阶段的任务是，通过以上的原因分析，找出影响流程输出变化的关键因素，针对关键因素采取改进措施。六西格玛管理与其他管理的最大区别之一就是关注流程，所以改进方法主要是流程再造，而且要首先考虑核心流程，其次才考虑辅助流程。改进措施是否有效，与以上的M阶段和A阶段的工作结果有密切联系，即如果测量当前绩效不准，分析原因有误，改进措施当然就不会产生良好的效果。因此，如果改进措施没有效果，必须重新进行绩效评估和原因分析，经过多次循环，一直到改进措施产生积极效果，才能进入下一个阶段。 5.控制实施(Control) 控制是为了稳固以上改进的效果。如果通过改进措施之后，培训效果得到良好的改进，就可能通过制定相关制度进行程序化、标准化，同时可使用SPC、FMEA、错误证实等工具来发展与施行流程控制计划。改革总是难以毕其功于一役，旧的问题解决了，可能仍有遗留问题或产生新的矛盾，只有多次按照DMAIC模型进行改进，才能达到持续改进的效果。参考文献↑ 马涛.DMAIC模型在人力资源培训开发中的应用.企业改革与管理.2007年第4期
公司简介 Kelly Services（纳斯达克：KELYA，KELYB）由William R. Kelly 先生创立于1946年，总部设立于美国密歇根州的特洛伊市。排名美国财富500强，是全球前五大的人力资源服务公司，在全球39个国家及地区设有2600个分公司。Kelly Services专注于为企业提供领先的，全面的人力资源解决方案，包括招聘、外包和咨询服务。客户覆盖90%以上的全球500强企业，每年为超过480，000个从业者提供工作机会。 在中国，Kelly Services在上海、北京、广州、深圳、苏州、成都、南昌、天津、无锡、和香港等地设有分支机构。Kelly Services为众多的在华企业提供领先的人力资源解决方案包括中高级专业人才招聘、外包服务。在制造、医疗、金融、消费品、通讯、IT、能源、科学等行业处于领先地位。企业文化愿景及使命全球领先的人力解决方案服务公司，成为优质客户的首选服务商。为客户、员工、股东以及社会提供更优质的、更广泛的人力资源服务服务创新的人才解决方案和人力资源外包解决方案优势 近70年在人力资源领域的探索与研究 全球资源、亚太区网络以及本地经验 丰富的行业经验 创新的解决方案 严格的服务流程 企业服务 中高级专业人才招聘服务 专注于各行业（如制造、化工、电器、仪器仪表、建筑、环境、石油、航空及通讯等行业）的工程技术类专业人才。专注于高科技行业的软硬件开发，数据管理及客户关系管理等专业技术人才。专注于企业职能部门（包括销售、财务、人力资源、市场营销、法律、供应链管理及综合管理等）中高级管理人才。专注于生物制药、医疗器械等领域的初级到高级专业人才。 人力资源外包服务 招聘流程外包薪酬管理服务外包第三方服务商管理咨询业务流程外包高管猎头服务人力资源咨询 业内荣誉 CCH 《China STAFF》2010年最佳人力资源外包企业HRoot《人力资本管理》2010年营业收入排名全球前五大人力资源公司《财富》杂志“最受尊重企业”《福布斯》杂志“最优秀企业”美国《人力资源杂志》“对于HR行业最具影响力的80家公司”BCBS委员会杰出人才储备及服务奖劳动力发展奖中小型企业发展协会“年度公司奖”微软多元化服务奖英特尔优质人才服务奖戴姆勒?克莱斯勒金五星奖福特全球优质服务奖强生优秀人才服务奖施乐公司优质人才服务奖葛兰素史克公司多元创新奖卡夫食品公司优秀人才提供商 企业年表 1946年 William Russell Kelly先生为满足底特律地区对于办公人员的需求，成立了一家专门的服务机构。1954年在肯塔基州-路易斯维尔成立了第一家密歇根州以外的办公室。 1968年在加拿大多伦多市成立了第一家跨国分支机构。1972年在法国巴黎成立了第一家欧洲跨国分支机构。 1973年在英国伦敦设立分公司。1979年分公司遍及美国各州。1985年首次入选财富500强企业。1986年公司收入超过10亿美元。 1988年在澳大利亚设立分公司。1990年在新西兰成立分公司。1996年公司收入超过30亿美元。1998年在比利时和德国成立分公司，成为第一家向意大利派遣短期雇员的公司2000年在东南亚地区的业务范围覆盖新加坡、马来西亚及菲律宾。2001年在中国香港、印度、泰国及印度尼西亚设立分公司。 2005年业务拓展至日本和土耳其。2007年在中国大陆设立分公司，并在上海，北京，广州等地设立10家分支机构。2009年在全球设立2600家分公司，业务覆盖39个国家和地区。
Kanbay国际简介 Kanbay International公司创建于1989年(纳斯达克股市代码：KBAY)，是一家从事IT服务的全球性企业，在全球拥有6200名员工。Kanbay公司通过其可靠的平台，为用户提供高度整合的管理咨询、技术融合与开发以及外包解决方案，其用户群主要集中在金融服务、消费品和工业品的生产以及最近涉足的通信与传媒、生命科学等领域。 Kanbay公司已经获得了CMM Level 5的等级认证，其总部设在大芝加哥地区，并在北美、印度、伦敦、新加坡、香港、东京和墨尔本设立了办事处。 Kanbay International, Inc. (NASDAQ: KBAY) is a global IT services firm with about 6,900 associates worldwide founded in 1989. The organization offers management consulting, technology integration, application development, and outsourcing solutions to the following industries: Financial Services, Consumer & Industrial Products, Communications & Media, and Life Sciences. Kanbay is a CMM Level 5 assessed company headquartered in greater Chicago with offices in North America and India, as well as London, Singapore, Hong Kong and Melbourne. On 26th Oct. 2006, Services firm Capgemini made a $1.25bn bid for Kanbay, the US-based IT consultants, in a bid to expand its footprint into the US and Indian markets. Industries Banking, serving retail and private banking, business and consumer lending, and general financial services. 3 of the top 5 global banks are Kanbay clients.Credit services, including credit cards, debit cards, smart cards and all the systems that make them work. Kanbay works with 4 of the top 5 credit card issuers across the globe and they are host to the world’s largest concentration of VisionPLUS programmers.Insurance, encompassing health, life, property and casualty lines and functions from membership and rate charges to billing and claims processing. Kanbay works with leading insurance companies in the US and Asia Pacific.Securities & investments,including trading, brokerage, and investment banking. 4 of the 5 bulge bracket firms are Kanbay clients.Consumer & industrial products,Kanbay’s acquisition of Adjoined brought them some of the largest beverage and food companies in the world and industry-leading names in retail, toys and cosmetics.Life sciences, Adjoined’s life sciences industry vertical encompasses labs, pharmaceutical companies and distributors, biotechnology firms, medical diagnostic firms, and medical device manufacturers. Our clients include 3 of the top 5 pharmaceutical companies in the world, 2 of the top 3 pharmaceutical distributors.Telecommunications & media, This industry serves the industry leaders in wireless, cable and Internet technologies plus key players in traditional media. Clients include 2 of the 4 largest wireline carriers and 2 of the 3 largest wireless carriers in the United States. Services Kanbay's services are divided into four areas: management consulting, technology integration, application development and outsourcing and maintenance.Management consulting? Supply chain management? Customer value management? Research servicesTechnology integration? Customer relationship management? Enterprise resource planning? Business intelligenceApplication development? Enterprise architecture? Legacy modernization? Web enablement? Independent testing servicesOutsourcing & maintenance? Application maintenance? Production support? Infrastructure management? Level III application hosting Management structure Geographic regions are led by local managers and directors, some of whom sit on the company’s Global Executive Council. Kanbay's leadership team is not all based at company headquarters in Chicago—they are based across our regions to be close to Kanbay clients and associates, the company claims. Financial Performance Kanbay trades on the NASDAQ stock market under the ticker symbol KBAY. History Kanbay was founded in 1989 by Raymond J. Spencer, Dileep Nath, and John Patterson in Chicago, IL.In 1991, Kanbay established its India office to support delivery of software development services, and in 1992, it established a Hong Kong office to serve the Pacific Rim.1995 saw Kanbay establish what was to become its largest development center. From its new center in Pune (India)Kanbay refined its multi-site approach to address complex issues of project management.In August 1998, venture capital firm Safeguard Scientifics, Inc acquired an interest in Kanbay. That November, Kanbay established a Singapore office to expand its ability to serve the Pacific Rim market.In April 1999, Kanbay established an Australia office in Melbourne, and in June established its UK office in Cambridge.In October 1999, Kanbay acquired Megatec, a $15 million Melbourne, Australia-based eBusiness products and solutions firm.Partnering for success took on a new meaning when in 2000 Morgan Stanley and Household International acquired an equity interest in Kanbay.In June 2001, Kanbay announced its ISO 9001 certification and in September it established an office in Tokyo. Kanbay inaugurated its technology center in Pune, India in October 2001.Kanbay's India operation expanded to Hyderabad in 2003. In the same year, it achieved its first CMM Level 5 certification for project work. In 2004, Kanbay received one of the first global assessments for CMM Level 5.2004 also brought two Kanbay milestones. In July, Kanbay International became a publicly traded company, listing on the NASDAQ under the symbol KBAY.In early 2005, the company acquired Accurum, an IT services provider to the capital markets industry. On August 3, 2005 the company celebrated its one year anniversary as a public company by ringing the NASDAQ bell to open trading.In early 2006, Kanbay acquired Adjoined Consulting a professional services firm. In particular, Adjoined offered formal management consulting and added its ERP implementation capability to KanbayIn October 2006, Capgemini has entered into a definitive agreement with Kanbay to acquire the latter for $1.25 billion USD, or $29 / share. The all-cash deal would be closed by early 2007. Technology service lines Mainframe and midrange services Distributed Systems Testing Services (Functional, Performance, Security, Usability) Business Intelligence Management Consulting Customer Relationship Management End-to-end solutions Development centres Pune Chennai Hyderabad Chicago Indian branches Kanbay has branches in the following Indian cities: Pune, Hyderabad, Chennai.
什么是为什么一为什么分析法？ 为什么-为什么分析，也被称作5个为什么分析，它是一种诊断性技术，被用来识别和说明因果关系链，它的根源会引起恰当地定义问题。不断提问为什么前一个事件会发生，直到回答“没有好的理由”或直到一个新的故障模式被发现时才停止提问。解释根本原因以防止问题重演。文件中所有带有“为什么”的语句都会定义真正的根源(通常需要至少5个“为什么”，但5个why不是说一定就是5个，可能是1个，也可能是10都没有抓到根原)。 5个为什么问题解决方法 在一些组织里，一个普通的解决问题方法被用来分析和解决质量问题。 这个方法有4个主要部分：把握现状。原因调查。问题纠正。通过“差错防止”过程进行预防。 把握现状 在方法的第一部分里，你：识别问题澄清问题查找原因要点 (PoC) 原因调查 在方法的第二部分里，你可以引导一次5个为什么的调查来识别根本原因。针对明确的问题。针对为什么没有发现问题针对为什么系统允许问题发生 问题纠正 在方法的第三部分里，你：采取明确的措施来纠正问题。至少要求采取短期临时措施来保护顾客利益。 通过“差错防止”过程进行预防 在方法的第四部分里，你：采取明确的措施来确保问题不会再发生，典型的措施是“差错防止”过程。铭记吸取到的教训。 “5个为什么”漏斗 5个为什么分析法问题解决方法的基本步骤 第一部分：把握现状 步骤1: 识别问题 在方法的第一步中，你开始了解一个可能大、模糊或复杂的问题。你掌握一些信息，但一定没有掌握详细事实。 问：我知道什么? 步骤 2: 澄清问题 方法中接下来的步骤是澄清问题。为得到更清楚的理解，问：实际发生了什么？应该发生什么？ 步骤 3: 分解问题 在这一步，如果必要，将问题分解为小的、独立的元素。关于这个问题我还知道什么？还有其他子问题吗？ 步骤 4: 查找原因要点 (PoC) 现在，焦点集中在查找问题原因的实际要点上。你需要追溯来了解第一手的原因要点。问：我需要去哪里？我需要看什么？谁可能掌握有关问题的信息？ 步骤5: 把握问题的倾向 要把握问题的倾向，问：谁？哪个？什么时间？多少频次？多大量？ 在问为什么之前，问这些问题是很重要的。 第二部分: 原因调查 步骤 6: 识别并确认异常现象的直接原因。 如果原因是可见的，验证它。如果原因是不可见的，考虑潜在原因并核实最可能的原因。依据事实确认直接原因。问：这个问题为什么发生？我能看见问题的直接原因吗？如果不能，我怀疑什么是潜在原因呢？我怎么核实最可能的潜在原因呢？ 我怎么确认直接原因？ 步骤 7: 使用“5个为什么”调查方法来建立一个通向根本原因的原因/效果关系链。 问：处理直接原因会防止再发生吗？如果不能，我能发现下一级原因吗？如果不能，我怀疑什么是下一级原因呢？我怎么才能核实和确认下一级有原因呢？处理这一级原因会防止再发生吗？ 如果不能，继续问“为什么”直到找到根本原因。 在必须处理以防止再发生的原因处停止，问：我已经找到问题的根本原因了吗？我能通过处理这个原因来防止再发生吗？这个原因能通过以事实为依据的原因/效果关系链与问题联系起来吗？这个链通过了“因此”检验了吗？如果我再问“为什么”会进入另一个问题吗？ 确认你已经使用“５个为什么”调查方法来回答这些问题。为什么我们有了这个问题？为什么问题会到达顾客处？为什么我们的系统允许问题发生？ 图：５个为什么原因调查 步骤 8: 采取明确的措施来处理问题 使用临时措施来去处异常现象直到根本原因能够被处理掉。问：临时措施会遏止问题直到永久解决措施能被实施吗？ 实施纠正措施来处理根本原因以防止再发生。问：纠正措施会防止问题发生吗？跟踪并核实结果。问：解决方案有效吗？我如何确认？ 为什么一为什么分析法检查清单 为确认你已经按照问题解决模型操作，当你完成问题解决过程时，使用这个检查清单。 案例解析 1)案例：大野耐一运用5个“为什么”分析 丰田汽车公司前副社长大野耐一先生曾举了一个例子来找出停机的真正原因。 有一次，大野耐一在生产线上的机器总是停转，虽然修过多次但仍不见好转。于是，大野耐一与工人进行了以下的问答： 一问：“为什么机器停了?” 答：“因为超过了负荷，保险丝就断了。” 二问：“为什么超负荷呢?” 答：“因为轴承的润滑不够。” 三问：“为什么润滑不够?” 答：“因为润滑泵吸不上油来。” 四问：“为什么吸不上油来?” 答：“因为油泵轴磨损、松动了。” 五问：“为什么磨损了呢?” 再答：“因为没有安装过滤器，混进了铁屑等杂质。” 经过连续五次不停地问“为什么”,才找到问题的真正原因和解决的方法，在油泵轴上安装过滤器。如果我们没有这种追根究底的精神来发掘问题，我们很可能只是换根保险丝草草了事，真正的问题还是没有解决。 2)案例：XYZ公司运用5个“为什么”分析XYZ公司为一个特定的顾客生产零部件A1每个顾客要求XYZ公司对零部件A1作出工程上的改动，公司开始运送零部件A2顾客立即开始在装配厂检查问题XYZ公司采用Red X战略(Shainin)技术来证明根源是一个在供应商的材料和生产熔炉之间相互作用的缺陷在与拥有可疑材料的供应商咨询后，XYZ公司意识到一定要对材料的改变“妥协”，否则就会付出大量额外费用XYZ公司决定对供应商的改变作出妥协并且加速生产熔炉的PM进度公司针对问题被解决一事与顾客进行沟通 但是顾客仍然不满意…… ●顾客要求一项5个为什么分析： 但是，顾客仍然不满意…… ●顾客想要知道为什么问题永远不会发生在零部件A1:上 但是，顾客仍然不满意…… ●顾客想要知道为什么问题没有早一点被发现: 但是，顾客仍然不满意…… ●顾客想要知道为什么系统不能预防问题的发生: 现在顾客对分析满意了，但显然还有其他的工作需要完成。
X—R控制图的含义 X平均值控制图反映变量X随时间的集中趋势及分组样本之间的变动性.它是样本量为n的样本平均值,或称x.。控制图的中心线代表长期的分组样本平均值的平均值,或称 极差图或R图监测的是分组样本内部随时间的变动该图的中心线代表长期的分组样本之极差的平均值,或称R。 极差图只适用于分组样本(即 n )较小的场合(小于 5，一般不大于 9 ). X-R控制图。是最常用、最基本的控制图，它用于控制对象为长度、重量、强度、纯度、时间和生产量等计量值的场合。 X-R控制图。此图与X-R图也很相似，只是用中位数图（X-R图）代替均值图（X-R图）。由于中位数的计算比均值简单，所以多用于现场需要把测定数据直接记入控制图进行管理的场合。 它有两个突出特点：一是适用范围广，二是灵敏度高 。绘制X-R控制图 首先作R控制图，纵坐标为R，横坐标为样本序号(子组号)；分别用实线作出CL线，用虚线作出UCL线和LCL线；将各子组的极差Ri值在坐标图上描点；按时间顺序，用实线将各点连起来，形成R控制图。判断作出的只控制图表示过程处于稳定状态，下一步继续作x控制图。 在R控制图的上方作x控制图，纵坐标为x，横坐标仍为样本序号(子组号)，分别用实线作出CL线，用虚线作出UCL线和LCL线；将各样本(各组)平均值x在坐标图上描点；按时间顺序，用实线将各点连起来，形成x控制图。如果作出的x控制图表示过程不稳定，应针对异常的x值，分析原因，采取纠正措施；然后，重新抽样，重复以上步骤，直至纠正措施有效，即重新作出的x控制图表示过程处于稳定状态。如果暂时不能纠正，可以剔除可查明原因的子组，重新进行数据初步统计，重新作图，较好地反映出由偶然因素影响所造成的随机波动的背景水平。 X-R控制图的应用场合 X-R控制图多用于下列场合： （1）采用自动化检查和测量对每一个产品都进行检验的场合； （2）取样费时、昂贵的场合； （3）如化工等过程，样品均匀，多抽样也无太大意义的场合。 由于它不像前三种控制图那样能取得较多的信息，所以它判断过程变化的灵敏度也要差一些。
什么是SPC SPC即英文 “Statistical Process Control”之缩写,意为 “统计制程控制” SPC或称统计过程控制。SPC主要是指应用统计分析技术对生产过程进行实时监控，科学的区分出生产过程中产品质量的随机波动与异常波动，从而对生产过程的异常趋势提出预警，以便生产管理人员及时采取措施，消除异常，恢复过程的稳定，从而达到提高和控制质量的目的。 在生产过程中，产品的加工尺寸的波动是不可避免的。它是由人、机器、材料、方法和环境等基本因素的波动影响所致。波动分为两种：正常波动和异常波动。正常波动是偶然性原因（不可避免因素）造成的。它对产品质量影响较小，在技术上难以消除，在经济上也不值得消除。异常波动是由系统原因（异常因素）造成的。它对产品质量影响很大，但能够采取措施避免和消除。过程控制的目的就是消除、避免异常波动，使过程处于正常波动状态。 ">编辑] SPC起源与发展 SPC的基本原理和方法是上世纪30年代由Shewhart博士为了有效地对生产过程中产品质量进行监测控制而提出的，至今已有70多年的历史。自创立以来，它就在工业和服务等行业得到了推广和使用。二战时期美国将其制定为战时质量管理标准，为保证军工产品的质量和及时交付起到了重要作用。战后的日本从1950-1980年在工业界广泛推广和应用SPC，使日本跃居世界产品质量和生产率的领先地位，以至于美国著名的质量管理专家Berger教授也曾说：日本成功的基石之一就是SPC。从上世纪80年代起，SPC在许多工业发达国家复兴，世界很多大公司也纷纷在自己内部积极推广和应用SPC。虽然，SPC是从产品的质量监控开始的，但经过70多年实践和发展，尤其是与计算机技术的紧密结合，其原理和方法现已广泛应用于设计、销售、服务、管理等过程。 3σ原理简介 当过程仅仅俺有正常变异时，过程的质量特性是呈现正态分布的，其分布状态如下： 休哈特建议用界限±3σ来控制过程，就是说，在10000个产品中不超过27个不合格品出现，就认为改生产过程是正常的，若达到27个以上，就认为过程失控。 在当时，这是一个非常高的要求，一般的企业都很难达到这个水平，而在今天，企业的质量管理水平当然已经远远不止这个水平，甚至一些企业普遍要求5σ的水准，当然，这和某些行业有关系，例如汽车电子和汽车钣金的水准就不是一个数量级的。 SPC技术原理 控制（SPC）是一种借助数理统计方法的过程控制工具。它对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。当过程仅受随机因素影响时，过程处于统计控制状态（简称受控状态）；当过程中存在系统因素的影响时，过程处于统计失控状态（简称失控状态）。由于过程波动具有统计规律性，当过程受控时，过程特性一般服从稳定的随机分布；而失控时，过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制的。因而，它强调过程在受控和有能力的状态下运行，从而使产品和服务稳定地满足顾客的要求。 统计学的几个基本概念 1） 计量值与计数值 计量值：其特点是可以连续读取的这些数据； 计数值：其特点是不可以连续读取的这些数据。 2） 总体、个体、样本、抽样 总体：由具有某种共同特性的单位个体组成的较大数量的整体。三特性：同质性、大量性和差异性。 样本：由整体里的一定数量（部分或全部）个体组成的群体。 质量管理中常用的统计分析方法 介绍的以下这些工具和方法具有很强的实用性，而且较为简单，在许多国家、地区和各行各业都得到广泛应用: 控制图:用来对过程状态进行监控，并可度量、诊断和改进过程状态。直方图:是以一组无间隔的直条图表现频数分布特征的统计图，能够直观地显示出数据的分布情况。排列图:又叫帕累托图，它是将各个项目产生的影响从最主要到最次要的顺序进行排列的一种工具。可用其区分影响产品质量的主要、次要、一般问题，找出影响产品质量的主要因素，识别进行质量改进的机会。 散布图: 以点的分布反映变量之间相关情况，是用来发现和显示两组数据之间相关关系的类型和程度，或确认其预期关系的一种示图工具。 过程能力指数（Cpk）：分析工序能力满足质量标准、工艺规范的程度。频数分析：形成观测量中变量不同水平的分布情况表。 描述统计量分析：如平均值、最大值、最小值、范围、方差等，了解过程的一些总体特征。 相关分析：研究变量之间关系的密切程度，并且假设变量都是随机变动的，不分主次，处于同等地位。 回归分析：分析变量之间的相互关系。 SPC控制图类型 1、控制图种类(以数据来分) 1）计量值控制图Xbar-R（X-R）：平均值与全距（极差）控制图X-Rm：个别值与全距控制图 2） 计数值控制图P-chart:不良率控制图Pn-chart:不良数控制图C-chart:缺点数控制图U-chart:单位缺点数控制图 控制图应用 1） SPC控制图三要素：坐标、管制界限、数据点；构成完整的SPC图。 2） 计算： A． Xbar-R(平均值与全距（极差）控制图): Xbar=∑Xn/n, R =Xmax-Xmin ，R=∑Rn/nUCL=X +A2*R LCL=X -A2*R UCL=D4*R LCL==D3*R B．P-chart:不良率控制图 P=P‘（NG）/∑N *100% C．C-chart:缺点数控制图 D．U-chart:单位缺点数控制图 2、控制图种类(依用途来分) 1）控制用控制图 追查不正常原因 迅速消除此項原因 研究采取防止此項原因重复发生的措施。 2）分析用控制图 決定方針用 过程分析用 过程能力研究用 过程控制准备控制图的主要功能 应用控制罔可以实现“事前”预防为主的过程控制。具体来说控制图能够：判断过程是否受控，过程能力是否充分；在过程出现异常时及时报警.防止不合格品的发生；能够对过程情况“实时监控”，减少对常规检验的依赖性。 应用SPC控制图进行过程控制被界定为分析和监控两个阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。在企业的实际应用中。对于每个SPC控制图项目，都必须经过这两个阶段。 在分析阶段首先要按照标准要求进行生产准备。确保生产是在5MIE因索无异常的情况下进行；然后用生产过程收集的数据计算控制界限，作成分析用控制图、直方图或进行过程能力分析，检验生产过程是否处于统计稳态以及过程能力是否足够。如果任何一个不能满足。则必须寻找原因实施改进，并重新进行生产准备及上述分析.直到实现过程处于统计‘稳态和过程能力充分这两个阶段性目标，则宣告分析阶段结束，进入监控阶段。 监控阶段的主要工作是应用控制用控制图进行过程日常监控。此时控制冈的控制界限已经根据分析阶段的结果而确定，生产过程的数据及时绘制到控制网上，并密切观察控制图，控制图中点的波动情况可以显示出过程受控或欠控，如果发现失控.必须寻找原因并尽快消除其影响。实际上.监控阶段控制图的采用分析阶段确定的控制界限并不确切。从控制界限计算公式可以看出每输入一个新的数据点都需要重新计算一次控制界限。在没有信息技术的支持来完成这样繁重的运算时。短期内使用分析阶段确定的控制界限也是可以的。绘制SPC控制图应遵循的步骤与方法 分析用控制图 1)识别关键过程.选取控制图要控制的关键质量特性； 2)根据质量特性及适用的场合选取控制图类型； 3)确定合适的样本组、样本量大小和抽样间隔； 4)收集并记录20—25个样本组的数据。通常每组样本量n--4-5个，这样保证控制过程的检山率为84%一90%； 5)计算各组样本的统计量(均值、标准差、极差等)； 6)计算中心线和控制限； 7)绘制控制罔(画坐标轴、中心线和上下控制限，根据样本值打点，记人相关事项)； 8)分析样本点的排列形状，判断过程是否受控。 控制用控制图 当分析用控制图中点子均在控制限之内或排列元缺陷时，能表明生产过程稳定，无系统冈素影响生产过程.尚不能说明不合格率小于允许值。因此，在分析用控制图基础上需要绘制控制用控制图，步骤如下： 1)消除系统因素。 依据分析用控制图提供的信息判断生产过程是否稳定.即是否有系统因素在起作用。如果存在系统因素，应设法消除。 2)重新计算控制限。 剔除分析用控制图中无代表性的数据(如落在界限外点子的数据)后。重新计算中心线和控制限。 3)确认分布范围位于公差界限之内。只有当生产过程稳定且产品质量特性值分布范围位于公差界限之内时，才能保证不出现批量 不合格品。因此应利用分析控制网的数据绘制直方图，并与公差界限比较，或直接计算工序能力指数.进而采取相应措施。 4)控制用控制图的使用。在确认过程稳定并具备足够的工序能力后.便可开始批量生产.用控制用控制图控制批量生产过 程.即根据控制图类型抽取样本进行计算、绘图和分析。SPC在企业的有效实施 统计过程控制(简称SPC)已经成为许多国际性企业广泛采用的质量管理和改善的技术和方法，它通过运用控制图对生产过程进行分析评价，根据反馈信息及时发现系统性因素出现的征兆，并采取措施消除其影响，使过程维持在仅受随机性因素影响的受控状态，以达到控制质量的目的。 企业有效实施SPC的效益 通过有效实施SPC，可以从以下几个方面使企业受益：提高产品质量水平降低质量成本提高客户满意度，赢得更多客户实物质量和管理质量的持续改进帮助取得ISO9000、QS9000认证以科学理论依据和量化管理保证最终输出提高整个供应链的信心不能有效实施SPC的原因 目前我们国内许多企业也开始逐步认识和推广SPC，但并没有达到预期的效果，为什么呢?究其原因，可以分为以下几点： 企业未能形成或明确质量管理在企业总体发展中的重要位置，并且未能在领导层达成共识。 在日趋激烈的竞争中，品质优异永远是不败的一大优势，但要达到优异的品质，不仅需要操作层各成员的努力，更需要管理层共同重视与支持。 企业对SPC缺乏足够的全面了解。 SPC作为一种过程控制方法，它运用数理统计和概率论原理，可以及时发现生产中的异常情况，从而及时采取措施进行改进，把质量隐患消灭在萌芽状态，真正达到防患于未然。SPC不是简单的几个控制图或统计量，而是要以这些图形或数值为基础建立一个以过程为核心的质量管理体系。 企业对实施SPC的前期准备工作重视不够。 所谓前期工作，除了对企业质量管理现状把握，还包括对员工进行SPC基本概念和知识培训，制定一个明确的质量目标和计划。只有参与者对SPC有了一定的了解和认识，才能激发他们的热情和信心，将它们正确、有效地应用在日常工作中。 未能有效地总结和借鉴其他企业的经验。 即使企业对可能导致不能有效实施SPC的原因有所认识，仍然会在实施过程中碰到一些实际问题，这些问题也是实施不成功的因素。美国一位著名医生在罗斯福总统去世几年后的一次会议上富有启发性地说，如果罗斯福的医生还有其他病人，罗斯福可能活到现在。因为优秀的医生需要通过大量的病例不断学习和提高。所以，要善于利用外部优秀的“医生”来总结实际经验、充实提高应用技能。如何达到SPC有效实施 针对以上原因，要保证SPC实施成功，企业应重视如下几方面的工作： 管理层的认识和重视 不少企业领导者认为产品质量差是由于有关工作人员素质差或不负责任造成的。事实上，如果采用先进的质量管理技术和工具，在原有条件不变的情况下，质量就可以得到明显的改进。SPC正是这样一种行之有效的工具。同时，在实施SPC的各阶段都要得到管理层的支持，如在实施SPC的初期阶段要安排培训，这需要资金与时间，需要管理层协调安排。在实施过程中有些过程需要做较大调整，有的甚至要更改工艺、更换设备等，这些都需要管理层的支持与认可。因此，有效实施SPC，管理层的认识和重视是非常重要的。 加强培训 对相关人员先期进行SPC培训是实施SPC的重要前提工作，因为SPC是基于数理统计和概率论的理论基础上的管理方法，要能在生产过程中正确运用，必须要有一定的理论基础。培训可以采取选送相关人员到外部培训单位参加培训，如有条件则应尽量邀请培训机构到工厂来培训，到厂培训一是可以增加受训的人数，另一方面也可以使培训内容更切合工厂的实际，提升培训效果。 重视数据 实施SPC本身就是一种量化管理，数据的质量是非常重要的，数据的准确度、可信度直接影响到我们是否在适当的时候采取合适的行动。影响数据质量的因素主要有两个方面，一方面是测量系统影响的，另一方面是记录数据、计算等人为的影响。对于测量系统的影响，我们要定期进行测量系统分析，来确认我们的测量系统是否是可用的，从而来保证我们的数据质量，同时要尽量减少人为失误。 借助专业的SPC软件 在实施SPC过程中，由于要运用到大量的数据，同时要对这些数据进行计算，并用多种统计方法去分析，这中间的工作量是很大的。如未能及时计算出来结果，作出相应的统计图，就会错过最佳改进时机。在实施SPC活动中，如果能借助专业的SPC软件，这些问题就迎刃而解了。 实施PDCA循环，达到持续改进 戴明博士最早提出了PDCA循环的概念，PDCA循环是能使任何一项活动有效进行的一种逻辑的工作程序：Plan(计划)、Do(执行)、Check(检查)、Action(行动)，特别是在质量管理中得到了广泛的应用。实施SPC也要运用PDCA循环，借助SPC工具，不断地分析质量问题中各种影响因素，分析影响质量问题的主要原因，针对主要原因，采取解决的措施，并进行针对性预防在下一循环中改进，从而达到持续改进的目的。 SPC作为质量改进的重要工具，不仅适用于工业过程，也适用于服务等一切过程性的领域。无论在什么领域使用，都要做好实施SPC的前期培训工作，重视实施过程的数据质量，必要时借助专业的SPC软件，循环改进，从而使企业的质量水平得到持续改进，在激烈的市场竞争中赢得更多客户。 1、 实施SPC的两个阶段 实施SPC分为两个阶段，一是分析阶段（批量试产阶段），二是监控阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。 分析阶段的主要目的在于： 一)、使过程处于统计稳态， 二)、使过程能力足够。 分析阶段首先要进行的工作是生产准备，即把生产过程所需的原料、劳动力、设备、测量系统等按照标准要求进行准备。生产准备完成后就可以进行，注意一定要确保生产是在影响生产的各要素无异常的情况下进行；然后就可以用生产过程收集的数据计算控制界限，作成分析用控制图、直方图、或进行过程能力分析，检验生产过程是否处于统计稳态、以及过程能力是否足够。如果任何一个不能满足，则必须寻找原因，进行改进，并重新准备生产及分析。直到达到了分析阶段的两个目的，则分析阶段可以宣告结束，进入SPC监控阶段。 监控阶段的主要工作是使用控制用控制图进行监控。此时控制图的控制界限已经根据分析阶段的结果而确定，生产过程的数据及时绘制到控制上，并密切观察控制图，控制图中点的波动情况可以显示出过程受控或失控，如果发现失控，必须寻找原因并尽快消除其影响。监控可以充分体现出SPC预防控制的作用。 在工厂的实际应用中，对于每个控制项目，都必须经过以上两个阶段，并且在必要时会重复进行这样从分析到监控的过程。 2、SPC控制图（管制图）管制界限的调整 1） SPC控制图特性：追溯性、预测性、延续性（稳定性）；故SPC控制图的管制界限可以延用。 2） 4M1E分析方法，4M1E：人（MAN）、机（MACHINE）、料（MATETIAL）、法（METHOD）、环（ENVIRONMENT）；五要素只要有一个发生改变就必须重新计算。">编辑]SPC实施的困难点 依笔者辅导企业的粗浅经验﹐认为企业实施SPC的困难点或缺点有几项﹕ 不知找哪些管制特性来实施SPC 企业对SPC大多有一个心理障碍，那就是又期待、又怕受伤害，期待利用SPC做到不良预防、减少浪费、提升制程能力；但又怕管制特性太多，SPC做不完又不能落实。 制程中找不出重要管制特性 使用者之人命伤亡，且客户亦未特别指定，所以干脆认为SPC不适用本公司。 不了解管制图的用法 企业对于制程变异之共同原因与特殊原因不知如何分辨，所以在使用管制图与计算管制界限时，甚至在计算制程能力时，大多不知道将特殊原因剔除，使得管制界限虚张、制程能力虚减。 抽样不合乎连续制程之统计原理 企业实施SPC时，往往利用首末各n件来绘制管制图，殊不知如此仅是对制程开始与结束生产前之质量确认罢了，完全没有测知制程状态与能力之功能。 抽样数不恰当 企业往往仅盲目跟从，而实行XR管制图，不知选用适当之管制图，造成成本上的浪费(如破坏检测)或失去管制图意义(如溶剂比重)。 管制界限与规格界限混淆 对某管制特性，其实只有单边规格，但如偏向另一象界太多，又可能造成质量成本之增加，故索性自订另一象界之规格以防止成本之浪费，成为双边规格。因此，在使用SPC时经常偏向自设规格之象界，使得制程能力误以为不符要求。其实该自设之规格界限充其量仅能称为管制界限罢了﹗例如：某一特性规格为9Kg以上，但如制品高达13Kg以上时﹐则相对必须有较精良之设备，且设备寿命亦将缩短，甚至过高时还可能会适得其反，造成质量不良，因此就将15Kg订为规格上限。如此一来几乎所有的测试数据都临届在规格上限，造成管制图异常、计算之管制上限比规格上限还高、制程能力指数出奇的低，然后还一脸莫名的问：奇怪﹗每一件都合格，为什么制程能力指数仍然达不到1.0呢﹖ 点绘管制图的人员不了解如何判读变异 企业常发现管制图异常是几天前的事，甚至于没有人发现，直到可能的不良件已交入客户手中后，全体品保人员开始祈祷客户不要发现，而且问题也不要在我任职期间爆发﹗ 久久生产一次，如何做管制图 企业以为某一产品许久才生产一次，做管制图是无效益且不经济的，其实只要特性、规格一样，制程条件也一样，虽然是不同产品亦可以依特性别同绘于一张管制图，因为SPC是用于管制制程产出良品的能力，并非管制产品的质量趋势。实施SPC的十大误区 SPC对很多制造业来讲,已经不是什么新鲜事物了!但做得好,做出效益的却不多,特别是中小企业.这里,根据实际辅导中所看到的一些问题,跟大家做一些探讨. 误区之一不能确定正确的管制点。 不知道哪些点要用管制图进行管制,花费大量的时间与人力,在不必要的点上进行管制.熟不知,SPC只应用于重点的尺寸.那么重点尺寸\性能如何确定呢?通常应用FMEA的方法,开发重要管制点.严重度为8或以上的点,都是考虑的对象.(如果客户有指明,依客户要求即可); 误区之二没有适宜的测量工具. 计量值管制图,需要用测量工具取得管制特性的数值.管制图对测量系统有很高的要求.通常,我们要求GR&R不大于10%.而在进行测量系统分析之前,要事先确认测量仪器的分辨力,要求测量仪器具有能够分辨出过程变差的十分之一到五分之一的精度,方可用于制程的解析与管制,否则,管制图不能识别过程的谈判.而很多工厂勿略了这一点,导致做出来的管制图没办法有效的应用,甚至造成误导; 误区之三没有解析生产过程,直接进行管制. 管制图的应用分为两个步骤:解析与管制.在进行制程管制之前,一定要进行解析.解析是目的是确定制程是的稳定的,进而是可预测的,并且看过程能力是否符合要求.从而了解到过程是否存在特殊原因、普通原因的变差是否过大等致关重要的制程信息。制程只有在稳定，并且制程能力可以接受的情况下，方才进入管制状态。 误区之四：解析与管制脱节。 在完成制程解析后，如果我们认为制程是稳定且制程能力可接受的，那么，就进入管制状态。制程控制时，是先将管制线画在管制图中，然后依抽样的结果在管制图上进行描点。那么，管制时管制图的管制线是怎么来的呢?管制图中的管制线是解析得来的，也就是说，过程解析成功后，管制线要延用下去，用于管制。很多工厂没能延用解析得来的管制线，管制图不能表明过程是稳定与受控的。 误区之五：管制图没有记录重大事项。 要知道，管制图所反应的是“过程”的变化。生产的过程输入的要项为5M1E(人、机、料、法、环、量)，5M1E的任何变化都可能对生产出来的产品造成影响。换句话说，如果产品的变差过大，那是由5M1E其中的一项或多项变动所引起的。如果这些变动会引起产品平均值或产品变差较大的变化，那么，这些变化就会在XBAR图或R图上反映出来，我们也就可以从管制图上了解制程的变动。发现有变异就是改善的契机，而改善的第一步就是分析原因，那么，5M1E中的哪些方面发生了变化呢?我们可以查找管制图中记录的重大事项，就可以明了。所以，在使用控制图的时候，5M1E的任何变化，我们都要记录在管制图中相应的时段上。 误区之六、不能正确理解XBAR图与R图的含义。 当我们把XBAR-R管制图画出来之后，我们到底从图上得哪些有用的资讯呢?这要从XBAR及R图所代表的意义来进行探讨。首先，这两个图到底先看哪个图?为什么?R反应的是每个子组组内的变差，它反映了在收集数据的这个时间段，制程所发生的变差，所以他代表了组内固有的变差；XBAR图反映的是每个子组的平均值的变化趋势，所以其反映的是组间的变差。组内变差可以接受时，有明分组是合理的；组间变差没有特殊原因时，表明我们在一段时间内，对过程的管理是有效的、可接受的。所以，我们一般先看R图的趋势，再看XBAR图。 误区之七、管制线与规格线混为一谈 当产品设计出来之后，规格线就已经定下来了；当产品生产出来后，管制图的管制线也定出来了。规格线是由产品设计者决定的，而管制线是由过程的设计者决定的，管制线是由过程的变差决定的。管制图上点的变动只能用来判断过程是否稳定受控，与产品规格没有任何的联系，它只决定于生产过程的变差。当西格玛小时，管制线就变得比较窄，反之就变得比较宽，但如果没有特殊原因存在，管制图中的点跑出管制界线的机会只有千分之三。而有些公司在画管制图时，往往画蛇添足，在管制图上再加上上下规格线，并以此来判产品是否合格，这是很没有道理，也是完全没有必要的。 误区之八、不能正确理解管制图上点变动所代表的意思 我们常常以七点连线来判定制程的异常，也常用超过三分之二的点在C区等法则来判断制程是否出现异常。如果是作业员，只在了解判定准则就好了；但作为品管工程师，如果不理解其中的原委，就没有办法对这些情况作出应变处理。那么这么判定的理由是什么呢?其实，这些判定法则都是从概率原理作出推论的。比如，我们知道，如果一个产品特性值呈正态分布，那么，点落在C区的概率约为5.5%，现在有三分之二的点出现在5.5%的概率区域里，那就与正态分布的原理不一致了，不一致也就是我们所说的异常。 误区之九、没有将管制图用于改善 大部分公司的管制图都是应客户的要求而建立，所以，最多也只是用于侦测与预防过程特殊原因变异的发生，很少有用于过程改善的。其实，当管制图的点显有特殊原因出现时，正是过程改善的契机。如果这个时候我们从异常点切入，能回溯到造成异常发生的5M1E的变化，问题的症结也就找到了。用就管制图进行改善时，往往与分组法、层别法相结全使用，会取得很好的效果。 误区之十、管制图是品管的事情 SPC成功的必要条件，是全员培训。每一个人员，都要了解变差、普通原因、特殊原因的观念，与变关有差的人员，都要能看懂管制图，技术人员一定要了解过度调整的概念……等。如果缺乏必要的培训，管制图最终只会被认为是品管人员的事，而其实我们知道，过程的变差及产品的平均值并不由品管决定，变差与平均值更多的是由生产过程设计人员及调机的技术人员所决定的。如果不了解变差这些观念，大部分人员都会认为：产品只要合符规格就行了！显然，这并不是SPC的意图。所以，只有品管在关注管制图是远远不够的， SPC控制图（管制图）异常的判断及处理 有以下几种情况属管制图异常： 1. 有点超出管制上/下限。 2. 连续7点出现在管制中心线的一侧。 3. 连续7点出现持续上升或下降。 4. 连续3点中有2点靠近管制上/下限。 5. 管制图上的点（7点以上）出现规律性变化。 管制图异常的处理 1．产线工人或班组长发现SPC管制异常时首先；自我检查，是否严格按作业标准（SOP或WI）作业，相邻作业员交叉检验；情况严重，或无法查找到原因必须立即通知品质工程师和制程工程师。 2．品质工程师与制程工程师现场分析后，能否在较短的时间内（0.5~1小时）找到产生异常的原因，采用4M1E分析制程；如仍然无法找到根源，而且情况严重（如：P不良率大大超标），报告上级主管决定是否停线；品质工程师召集相关部门开会讨论，寻找根本原因（制程、设计、材料或其它）。 3．SPC产生异常的原因找到并实施纠正预防措施后，SPC管制图向管制异常相反的方向转变，说明对策有效；恢复正常生产。此过程必须严密监控。 制程能力指数（参数）CPK CPK是反映制程能力的一个重要参数；如CPK≥1.33，说明制程能力较好，需继续保持；如1.33≥CPK≥1，说明制程能力一般，须改进加强；如CPK≤1，说明制程能力较差，急需改进。 SPC的发展特点 70年在全世界范围的实践，SPC理论已经发展得非常完善，其与计算机技术的结合日益紧密，其在企业内的应用范围、程度也已经非常广泛、深入。概括来讲，SPC的发展呈现如下特点： （1）.分析功能强大，辅助决策作用明显 在众多企业的实践基础上发展出繁多的统计方法和分析工具，应用这些方法和工具可根据不同目的、从不同角度对数据进行深入的研究与分析，在这一过程中SPC的辅助决策功能越来越得到强化； （2）.体现全面质量管理思想 随着全面质量管理思想的普及，SPC在企业产品质量管理上的应用也逐渐从生产制造过程质量控制扩展到产品设计、辅助生产过程、售后服务及产品使用等各个环节的质量控制，强调全过程的预防与控制； （3）. 与计算机网络技术紧密结合现代企业质量管理要求将企业内外更多的因素纳入考察监控范围、企业内部不同部门管理职能同时呈现出分工越来越细与合作越来越紧密两个特点，这都要求可快速处理不同来源的数据并做到最大程度的资源共享。适应这种需要，SPC与计算机技术尤其是网络技术的结合越来越紧密。 （4）.系统自动化程度不断加强传统的SPC系统中，原始数据是手工抄录，然后人工计算、打点描图，或者采用人工输入计算机，然后再利用计算机进行统计分析。随着生产率的提高，在高速度、大规模、重复性生产的制造型企业里，SPC系统已更多采取利用数据采集设备自动进行数据采集，实时传输到质量控制中心进行分析的方式。 （5）.系统可扩展性和灵活性要求越来越高 企业外部和内部环境的发展变化速度呈现出加速度的趋势，成功运用的系统不仅要适合现时的需要，更要符合未来发展的要求，在系统平台的多样性、软件技术的先进性、功能适应性和灵活性以及系统开放性等方面提出越来越高的要求。 SPC对企业带来的好处 SPC强调全过程监控、全系统参与，并且强调用科学方法（主要是统计技术）来保证全过程的预防。SPC不仅适用于质量控制，更可应用于一切管理过程（如产品设计、市场分析等）。正是它的这种全员参与管理质量的思想，实施SPC可以帮助企业在质量控制上真正作到事前预防和控制，SPC可以：对过程作出可靠的评估；确定过程的统计控制界限，判断过程是否失控和过程是否有能力；为过程提供一个早期报警系统，及时监控过程的情况以防止废品的发生；减少对常规检验的依赖性，定时的观察以及系统的测量方法替代了大量的检测和验证工作； 有了以上的预防和控制，我们的企业当然是可以：降低成本降低不良率，减少返工和浪费提高劳动生产率提供核心竞争力赢得广泛客户更好地理解和实施质量体系 ">编辑]SPC的案例分析 案例：SPC在封装过程中的应用实例 1.SPC控制特性的定义 T1S6949质量管理体系在实际应用中强调以系统的方法对过程进行分析研究，以确定系统的输入因子，输出因子以及输入对输出的影响作用。产品实现的过程也可以用框图简单地描述为下图： 上图表示，产品实现的过程为由材料、生产参数、设备、人员、环境构成的输入因素通过生产转换成输出产品的过程，同时利用输出的信息来反作用于输入因素，以得到输入因素如材料、生产参数等的持续改进。 输入因素通过生产过程转化成输出的产品，其中的实现过程也就是SPC需要进行监控的工艺过程，当然针对SPC控制特性的选择并不是越多越好，由于检验本身是不带来增值效益的过程，因此在行业的应用过程中，考虑到成本的计算，SPC只会应用在部分关键特性的监控过程中，而关键特性的选择也根据企业自身的生产能力及控制能力的需要来决定的。因此在进行统计过程控制时，首先需要定义控制的对象，然后通过监控生产实现过程中的各大因素对控制对象的作用，检测到过程的特殊原因波动，从而实现提前预防不合格品产品的作用。针对关键特性之外的其他参数，可以通过记录检查表的形式将其记录并保存，以便工艺改进时提供历史依据的参考。 PSC的控制项目对产品特性及工序监控的必要性，通常通过以下几个方面进行考量； (1)从产品特性要求判断，是否为产品关键特性； 如Tirm Form工序，SPC记录共面性的抽样检验结果，以判断产品当前的生产流程是否处于稳定受控的状态下。产品的关键特性在产品设计阶段己确定。 (2)另一方面，在产品生产制造的过程中，关键工序参数的监控对产品质量良率起着重大的决定作用，利用实时的SPC方法进行工艺参数的监控，能够及时发现生产过程中存在的特殊原因，及时围堵并消除，以得到立即的改正及预防的作用。 例如，在硅片切割工序(Wafer saw)，工艺上利用对切割槽宽度的定期数据采集，绘制SPC控制图，从而起到过程监控的作用，以防止参数对切割工序带来的过程能力偏移。 (3)客户的特殊要求: 客户的特殊要求可以针对产品的固有特性要求，如封装外观尺寸要求，针对p8AGBdoysize35*35的产品，要求产品的允收范围在35+-0.sm。另外客户的特殊要求也可以针对1艺参数，如Wire Bond的Wire Pull和Ballshear。 封装企业的新产品导入初期阶段，在制定产品生产的控制计划时，SPC的控制特性就是其中必须定义的一个部分。特殊特性的定义主要来源于行业规范，客户的特殊要求以及通过生产经验的累积，总结出来的关键的过程参数计量型的控制图应用在如下的特性，见下表： 计量型控制图的应用工序及抽样计划 另一方面在生产过程中，通过对质量异常情况的分析，经验总结评估等，同样可以根据工艺的需要建立使用SPC控制方法的过程或特性控制图，例如下表。 部分其它计量型控制图的应用 2.SPC系统实施前的准备 正如前所述，SPC系统将对产品实现中的关键特性进行监控，以发现由原材料，设备、参数、人员构成的生产过程系统是否存在导致失控出现的特殊原因，以及时围堵，防止不合格品的出现。在SPC系统实施前，我们需要从以下几个方面做好准备，如图2.4。 上线实施前的准备工作同样遵守SMEI的原则。SPC实施人员需要从Man(人)，Machine(机)，恤terial(物)，Method(方法)，Measurement(测量)和Environment(环境)对SPC控制的全面实施进行准备: 1)人 正如前面所提到，作为全面质量管理的重要部分，SPC的实施要求企业从上到下的全员参与，在SPC实施的过程中除了一线的操作人员对特性进行数据收集之外，从组织的结构来看，自下往上，参与者还包括生产及工艺部门的责任工程师，各部门的领导人作为SPC小组的支持者，对小组活动起着拥护及决策作用.作为SPC实施活动中的主导因素，人员的参与能力必须得到保证，因此在SPC的全面实施之前，人员均须具备基本的SPC理论及操作知识。对于生产线的一线操作人员，如有必要，SPC的基础知识还需要作为人员资历认证的一部分。公司也需要安排定期的统计知识培训，分别针对操作人员，工程师及更高层次的需要. 2)机器及测量系统 机器是组成生产过程的重要部分，因此机器也成为SPC系统中的关键因素。机器包括生产待检测产品的机器及检测机器。机器的定期维护校准能够保证机器稳定的生产能力，降低机器的变异导致系统失控的可能性。争对测量设备，测量系统分析，对测量设备的线性，稳定性，重复性，再现性，准确性进行定期的评估，保证产品减少测量系统变异为产品生产带来的异常因素。 3)物 SPC系统中的物主要提及待测的样品，测量完的样品，SPC出现失控情况下需要处理分析的半成品等。 4)法 在进行SPC的策划时，SPC小组需对活动实施制定方法，其中包括样本的抽样方法，抽样频率及样品数;样本的控制保存方法;适用的SPC的判异准则;控制规范;出现失控的情况下，如何采取失效反应措施(OCAP);保证SPC管理系统健康运行的检查方法，监控的系统指标及操作规范，例如SPC执行状况审核周期，上下控制线评估的频率要求等等。 方法的制定是由SPC多方合作小组成员通过头脑风暴讨论，并分析以确定其可行性的，由小组的支持者做出最终决策并保证实施。 5)环境 SPC的监控数据来源于生产线并应用于正常环境下的产品生产，所以数据的采集，测量都需要完全遵守生产环境的要求。另一方面针对某些特定的待检测的样本，例如，封装前道的PCB，需要保证样本能够真实的反应生产能力，样本需要放置在NZ柜里以防止湿度对样本的特性影响。 3.SPC施行步骤 SPC活动的实施开展可以遵循下列步骤 步骤1:培训SPC基本理论及应用知识。培训内容主要有下列各项:SPC的重要性，正态分布等统计基本知识，质量管理七大工具，其中特别是要对控制图深入学习，如何制订过程控制网图，如何制订过程控制标准等等。 步骤2:确定关键工序及影响工序的关键变量(即关键质量因素)。 步骤3:对关键变量制定控制标准及控制计划。具体分为以下两点:(1)对步骤2得到的每一个关键变量进行具体分析，分析包含抽样计划、控制规范、稳定性判断准则的选择等;(2)对每个关键变量建立过程控制标准，并填写过程控制标准表。过程控制标准表是在SPC实施中指导相关过程控制人员操作的蓝本，可参见如下样本，下表所示。 部分其它计量型控制图的应用 步骤4：编制控制标准手册，在各部门落实。将具有立法性质的有关过程控制标准的文件编制成明确易懂、便于操作的手册，使各道工序使用。包括数据采集方法、失控反应计划、过程能力分析要求等。 步骤5：对过程进行统计监控。主要应用控制图对过程进行监控。若发现问题，则需对上述控制标准手册进行修订，及反馈到步骤4、步骤6：对过程进行诊断并采取措施解决问题。可注意以下几点： （1）可以运用传统的质量管理方法，如七种工具，进行分析。 （2）可以运用诊断理论，进行分析和诊断。 （3）在诊断后的纠正过程中有可能引出新的关键质量因素，即反馈到步骤2，3，4.2.4.4管理的实施。 作为TS16949体系的五大手册，SPC被要求应用在工艺监控及改进的过程中。各企业实施SPC的具体方案各有不同，但是万变不离其中的是，SPC的实施方案包含：选择控制图，数据采集方案，失控反应计划（OCAP）分析以提供持续改进。 以芯片切割工序（waferSaw）为例： 1）控制图及数据采集方案，见下表： 控制图及数据采集方案 waferSaw工序需进行SPC控制的特性为切割槽的宽度，切割槽宽度的水平是waferSaw工序主要的关注参数，宽度的大小将影响芯片的尺寸，从而影响之后工序与芯片尺寸有关的参数控制。切割槽如下图所示： 2）绘制控制图，见X Bar R控制图 上图表示利用切割槽宽度测量的原始数据取平均值作为控制图上的每一个子组点，即为Xbar图。 R图，表示将每一子组内的原始数据取极差值绘制控制图，即为R图。 统计过程控制与统计质量控制的区别 SPC与SQC的关系 统计过程控制（SPC，）指的是，应用数理统计学的方法监视和调整过程作业或工序的技术(美国生产与库存控制学会APICS，2002)，是一种有效的质量保证、缺陷预防和控制的工程技术与方法。 统计质量控制(SQC，Statistical Quality Contr01)指的是，为了控制质量而应用的统计技术。通常这一术语可以同SPC互换使用，但是SQC所包含的含义比SPC更广泛，即SQC包括了接受采样和统计过程控制(APICS，2002)。所以，虽然SQC与SPC两个术语可以互换使用，但SQC的含义更为广泛。 SPC与SQC既有联系又有区别，SQC是一个总括的术语，它包含SPC，同时也包括产品验收技术规则所使用的概率抽样方法。 SQC与SPC共同所使用的辅助技术是： ①使用排列图和检查表确定一个问题的主要因素； ②使用因果图展示出不良及缺陷的一系列的原因及其后果； ③使用直方图和散布图辨认确定生产过程变量的分布类型和数量。 SPC不仅仅是质量控制的一种技术方法，同时，它也是现场开展群众性质量管理的一种方法，国外有些企业通常是组织3-13人的统计工序控制小组，开展质量控制活动。参考文献↑ 韩东,宗福季.统计过程控制的三个基本问题.工程数学学报第27卷第3期2010年06月↑ 如何运用SPC做好不良预防工作↑ 戴丽梅.统计过程控制在半导体封装制造质量管理中的应用.复旦大学.2007
什么是SDCA循环? SDCA循环就是标准化维持，即“标准化、执行、检查、总结（调整）”模式，包括所有和改进过程相关的流程的更新（标准化），并使其平衡运行，然后检查过程，以确保其精确性，最后作出合理分析和调整使得过程能够满足愿望和要求！SDCA循环—标准化维持的目的，就是标准化和稳定现有的流程。 S是标准(Standard),即企业为提高产品质量编制出的各种质量体系文件; D是执行(Do),即执行质量体系文件; C是检查(Check),即质量体系的内容审核和各种检查; A是总结(Action),即通过对质量体系的评审,做出相应处置. 不断的SDCA循环将保证质量体系有效运行,以实现预期的质量目标 PDCA与SDCA是企业提升管理水平的两大轮子。PDCA是使企业管理水平不断提升的驱动力，而SDCA则是防止企业管理水平下滑的制动力。没有标准化，企业不可能维持在较高的管理水平。 SDCA的标准化 所谓标准化，就是将企业里有各种各样的规范，如：规程、规定、规则、标准、要领等等，这些规范形成文字化的东西统称为标准（或称标准书）。制定标准，而后依标准付诸行动并不断完善的过程则称之为标准化。 那些认为编制或改定了标准即认为已完成标准化的观点是错误的，只有经过指导、训练、实施、改善才能算是实施了标准化。 （一）、标准化的四大目的 1、技术储备——保存技巧和专业技术的最好方法，否则，企业或组织就没有技术、技巧和经验的积累，技术、技巧和经验随人转移。 2、提高效率——便利性和兼容性，减少变化，降低成本。 3、防止再发——防止问题发生及变异最小化的方法。不以人的变化而变化。 4、教育训练——是企业培训的基础和根本。 （二）、良好标准的6个制定要求 1、目标指向——标准必须是面对目标的：即遵循标准总是能保持生产出相同品质的产品。 2、显示原因和结果——比如“安全地上紧螺丝”。这是一个结果，应该描述如何上紧螺丝。 3、准确——要避免抽象：“上紧螺丝时要小心”。什么是要小心？这样模糊的词语是不宜出现的。 4、数量化-具体——每个读标准的人必须能以相同的方式解释标准。为了达到这一点，标准中应该多使用图和数字。 5、现实——标准必须是现实的，即可操作的。 6、修订——标准在需要时必须修订。在优秀的企业，工作是按标准进行的，因此标准必须是最新的，是当时正确的操作情况的反映。 SDCA的活动步骤 标准化（Standardization） 第一步：寻找与标准有差距的问题召集有关员工把要改善的问题找出来。 第二步：研究现时方法收集现时方法的数据，并做整理。 第三步：找出各种原因找出每一个可能发生问题的原因。 实行（Do） 第四步：标准化及制定解决方法依据问题， 找出解决方法，安排流程后，立即实行。 检查成效（check the result） 第五步：检查效果收集、分析、检查其解决方法是否达到预期效果。 制定方法（Action） 第六步：把有效方法制度化当方法证明有效后，标准化为工作守则，各员工必须遵守。 第七步：检讨成效并发展新目标。当以上问题解决后，总结其成效，并制定解决其它问题方案。">编辑]SDCA的生命力 和PDCA一样，基于SDCA的软件开发采用面向过程的项目计划方法，将软件项目相关人员的任务转换成为软件组织的标准过程，能够有效保证标准得以执行。通过对度量数据的分析，能够客观地决定如何对项目执行过程进行控制以及对组织标准过程进行改进。同时，通过对项目计划中任务的调整和对组织标准过程进行改进，还能够满足软件过程适应外部环境动态变化的要求。可见，基于SDCA的软件开发，将赋予整个软件开发过程极大的标准性，极大的保证了软件的质量。显然事实上，所有持有作业标准的企业，都在进行这SDCA的循环圈，这也实际也是持续改善的质量精神所在。">编辑]PDCA与SDCA的结合 任何一个新的工作流程，初期都呈不稳定状态。稳定现有流程就需要执行SDCA循环。如图3—1所示，不稳定的工作流程经过SDCA循环而趋于稳定。那么，SDCA循环应对应于维持、保持活动。 PDCA对应于改善活动，改善活动需要遵循的就是PDCA循环。如图3-2所示，通过PDCA循环，质量(管理和技术水平)得到了提高。 由于SDCA和PDCA的应用时机和领域不同，它们分别对应与开发的维持与改善两个方面，是相辅相成，缺一不可。没有SDCA循环改善成果就得不到有效巩固，没有PDCA循环就只能坚持现有水平，不能取得突破和提高。SDCA循环和PDCA循环之间的关系(如图3-3)所示，通过SDCA循环和PDCA循环，质量得到了持续的巩固和提高乜们口0l。但是可以看到，改善的不能持续不断，也就是平滑地进行，图3—3中可以看出，波浪线的存在阻碍了改善的无缝的进行。 参考文献↑ 1.0 1.1 程发军.对日外包软件质量保障技术研究与应用.北京工业大学.2008
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估