제품 수율 제어에서 SPC에 대한 많은 성숙한 방법이 있습니다. 예를 들어, 제품 불량률 분석의 P/NP 다이어그램, 제품 결함 포인트의 U/C 다이어그램 또는 제품 불량률의 분포 형태가 정규 분포를 따르는 경우 다음과 같이 연속 데이터 처리 방법을 그대로 따릅니다. 그림 1에 나와 있습니다.
U of #defects
P/불량품
그림 1)
그렇다면 특정 분포를 따르지 않는 일부 데이터에 대해 어떤 종류의 관리도를 사용해야 할까요? 오늘 우리는 또 다른 제어 방법인 Quantile 방법을 소개할 것입니다.
분위수 방법이란 무엇입니까?
SPC의 기본 원칙으로 돌아가서 이상값을 식별할 수 있는 표준이 필요합니다. SPC에서 일상적으로 사용하는 관리도는 관리한도(Control Limit)를 설정하여 이상을 구별하기 위한 것입니다(규칙 1, 기타는 당분간 논의하지 않음). 우리 모두가 알고 있듯이 표준분포의 경우 통제한계를 벗어난 영역의 확률은 0.5% 미만이며 확률이 낮은 사건이 우리가 연구해야 할 대상이다. 동일한 아이디어를 차용하여 샘플 크기는 충분하지만 데이터 분포가 명확하지 않은 경우 데이터의 백분율 분위수를 분석하여 고정 값을 임계값(제어 한계)으로 선택하여 확률이 작은 제품 배치를 식별하는 방법을 사용합니다. 그런 다음 드릴다운하고 위험을 평가합니다.
그렇다면 제어 한계를 선택하기 위해 Quantile 방법을 사용하는 방법은 무엇입니까? 이는 자신의 위험 설정에 따라 다릅니다. 예를 들어 가설 검정을 할 때 α = 0.05 및 β = 0.1로 설정하는 것을 좋아합니다. 기존 SPC와 동일한 관리 표준을 기반으로 여기에서 임시 0.5%는 과거 대규모 데이터를 기반으로 그림 2와 같이 추가 평가 및 분석을 위해 0.5% 배치를 식별하기를 희망합니다.
그림 2)
Quantile을 계산하는 방법?
Quantile의 계산은 실제로 매우 간단합니다. 그림 2에 표시된 막대 그래프 외에도 JMP의 "Tabulate" 플랫폼은 그림 3과 같이 각 제품, 각 스크랩 유형 및 각 관리 제한 계층을 일괄 계산할 수 있습니다. 자체 데이터베이스의 데이터 구조에 따라 드래그 앤 드롭만 하면 원하는 결과를 빠르게 얻을 수 있습니다. 여기서 한 가지 주의할 점은 제품 수율과 불량률은 개인의 필요에 따라 선택하기 때문에 분위수 선택에 주의가 필요하다는 점이다. 아래 그림은 폐기율을 계산하기 위한 분위수이므로 99.5%의 분위수를 계산에서 제어 한계로 사용합니다.
이미지 3)
Quantile 방법을 사용하는 이유는 무엇입니까?
그렇다면 Quantile 방법을 사용하는 이유는 무엇입니까? 언제 사용하는 것이 적절합니까? 이 방법에도 특정 제한 사항이 있습니까?
- 우선 Quantile 방법은 표본 구조가 특정 분포를 따르지 않는 상황을 분석할 수 있습니다.
수집된 표본 데이터가 특정 분포를 따르지 않는 경우 제어 한계 계산을 시행하여 얻은 결과는 편향됩니다. 전통적인 관리도를 사용할 때 첫 번째 단계는 샘플 데이터에 대해 분포 피팅을 수행하고 데이터가 정규 분포인지 이항 분포인지 Boisson 분포인지 판단하는 것입니다. 분포 적합도가 많이 다른 경우 데이터를 변환하거나 표본 크기를 늘려야 분석을 계속할 수 있고 Quantile 방법은 대용량 데이터의 수준에 따라 필요한 기준을 직접 지정할 수 있어 기존의 단점을 보완할 수 있다. 전통적인 방법.
- 제어한계 산정방법이 간단하고 다양함
Quantile 방법을 사용하면 고유한 값을 제어 기준으로 얻을 수 있으며 이는 계산이 매우 간단하고 계산 방법이 많습니다. JMP의 "Distribution"(Distribution) 및 "Tabulate"(Tabulate) 기능과 같은 전문 통계 분석 소프트웨어로 실현하거나 Excel을 사용하여 계산할 수 있습니다(데이터 세트를 큰 것에서 작은 것으로 정렬하고 사용). 데이터의 총량 원하는 분위의 일련 번호를 계산하고 직접 선택).
- 구현하기 쉬운 독특한 제어 표준
Quantile 방법 계산으로 인해 제어 한계는 각 프로젝트에 대해 고유합니다. 현장 QC는 제어 테이블에 따라 제어 표준을 쉽게 쿼리한 다음 제품을 일시 중지해야 하는지 확인하고 다음 분석 단계를 위해 엔지니어에게 알릴 수 있습니다. . (회사에 생산 관리 시스템이 있는 경우 제어 테이블을 디지털화하고 생산 관리 시스템과 연결하여 자동 제품 제어 및 알림 기능을 실현할 수 있습니다.) 일정 시간이 지난 후 제어 한계가 업데이트되면 엔지니어는 새 테이블을 발행하고 기존 테이블을 재활용하여 관리할 수 있습니다(자동 관리 시스템이 있는 경우 DB를 새로 고칠 수 있음).
전통적인 비례 제어 차트의 경우 각 배치에 대한 제어 사양을 계산하고 각 배치의 결과가 사양을 충족하는지 여부를 기록해야 합니다. 이러한 운영 프로세스는 현장 생산의 QC에 대한 요구 사항이 높습니다. 따라서 인력 이직 후 직면하는 채용 및 교육 작업과 같은 인력 관리에 대한 요구 사항이 높아 현장 관리 및 제품 관리에 도움이 되지 않습니다.
분위수 방법에는 많은 장점이 있지만 다음과 같은 사용에는 특정 제한 사항이 있습니다.
- 샘플 크기에 대한 요구 사항이 있습니다.
분위수 방법은 대용량 데이터를 기반으로 한 피팅 방법이므로 선택한 표준에 따라 샘플 크기에 대한 요구 사항이 있습니다. 예를 들어 분위수가 10%이면 최소 분해능을 달성하기 위해 배치가 10개 이상 필요합니다. 0.5% 분위수를 구분하려면 배치가 200개 이상 필요합니다.
- 새로운 프로젝트 관리에 적합하지 않음
신제품 및 신규 프로젝트의 수율 제어는 설계 수율 요구 사항을 따르고 표준 제조 기능 및 공차 관리를 기반으로 기본 수율 지표를 예측한 다음 진입점을 분석 및 개선하고 제품 배치의 품질을 조정 및 개선하고 기다려야 합니다. 프로젝트가 공식적으로 출시되고 데이터 수집을 시작하고 제어 한계를 계산합니다. 그러나 분위수법은 큰 표본을 기준으로 해야 하기 때문에 시생산 단계에는 적합하지 않고, 시생산 단계에서는 NPI(혹은 유사 부서)에서 설계나 매개변수를 조정하는 경우가 많아 결과가 크게 달라지게 된다. 모든 시작 생산 데이터를 관찰할 때 계층화(바이모달 또는 멀티모달 데이터 등)가 발견되며, 이는 어떤 종류의 관리도로도 관리하기에 적합하지 않습니다. 단계적 목표관리를 직접 설정하고, 신제품 양산 후 SPC 관리를 하는 것이 좋습니다.
규제 제한을 업데이트해야 합니까?
위의 설명을 통해 우리는 SPC를 제어하는 Quantile 방법의 아이디어를 이해합니다. 그렇다면 제어한계는 설정한 후에 고정되는 것인가? 대답은 분명히 '아니오'입니다. 규제 한도는 실제 수준에 따라 정기적으로 업데이트되어야 합니다. 예를 들어, 생산 라인은 제품에 대한 생산 경험이 점점 더 축적되고 제품 수율은 자연스럽게 좋은 방향으로 발전하므로 일정 기간의 샘플로 제어 한계를 다시 계산해야 합니다.
기존 제품의 규제 한도를 검토하고 계산한 후 규제 한도를 업데이트해야 하는지 여부를 판단하는 방법( 샘플이 다르기 때문에 새 관리 한계는 원래 관리 한계와 다소 다를 것입니다. )? 이것은 사람마다 다르며 자신의 상황에 따라 임계값을 설정할 수 있습니다. 개인적인 경험은 장기적으로 변동하는 생산 임계값 수준을 기반으로 합니다. 그림 4에서와 같이 작성자는 공식을 편집하여 임계값을 얻은 후 제어 한계를 업데이트해야 하는지 여부를 자동으로 판단합니다.
그림 (4)에서 열 이름 뒤의 +는 이 열에 편집 공식이 있음을 의미합니다.
JSL ——자동 분석, 절반의 노력으로 두 배의 결과
많은 수의 제품과 그에 상응하는 구식 코드로 인해 최종 분석 워크로드가 상당히 크며 JMP와 관련된 많은 작업 단계가 있습니다. 이를 위해 JMP 고유의 JSL(JMP Script Language) 코드를 채택하여 특정 작업 단계를 기록한 후 저장 및 설치하여 다음 번에 사용할 때 별도의 클릭 없이 한 번의 클릭으로 분석할 수 있습니다. 아래 그림과 같이 매번 처음부터 다시 시작하십시오.
JSL을 통해 분석해야 할 데이터에 대한 배치식 자동 분석을 수행할 수 있으므로 QE가 제한된 기간 내에 모든 제품의 제어를 검토하는 데 편리하여 QE의 작업량과 시간 비용을 크게 절약할 수 있습니다. 식별보다는 문제 해결에 더 많은 에너지를 바칠 수 있습니다.
