製品歩留り管理における SPC に関する成熟した手法が多数あります。たとえば、製品欠陥率分析の P/NP 図に基づいて、製品欠陥点の U/C 図、または製品欠陥率の分布形式が正規分布に準拠し、連続データ処理の方法に直接従うと、次のようになります。図 1 に示します。
#欠陥のU
#不良品のP
図1）
では、特定の分布に従わないデータにはどのような管理図を使用すればよいのでしょうか?今日は別の制御方法、つまりクォンタイル法を紹介します。
分位法とは何ですか?
SPC の基本原理に戻りますが、外れ値を特定できる基準が必要です。 SPCが日常的に使用する管理図は、管理限界（Control Limit）を設定することで異常を区別するものです（ルール1、その他については今回は触れません）。ご存知のとおり、標準分布の場合、管理限界外の領域の確率は 0.5% 未満であり、確率の低い事象が研究対象となります。同じ考え方を借りて、サンプル サイズは十分だがデータの分布が明確でない場合は、データの分位数のパーセンテージを分析する方法を使用して、確率の低い製品バッチを識別するためのしきい値 (管理限界) として固定値を選択します。次に、ドリルダウンしてリスクを評価します。
では、分位法を使用して管理限界を選択するにはどうすればよいでしょうか?これはあなた自身のリスク設定によって異なります。たとえば、仮説検定を行うときは、α = 0.05 および β = 0.1 を設定します。従来の SPC と同じ管理基準に基づき、ここでの暫定 0.5% とは、図 2 に示すように、過去の大きなデータに基づいて、さらなる評価と分析のために 0.5% のバッチを特定したいと考えていることを意味します。
図2)
分位数を計算するにはどうすればよいですか?
分位数の計算は実は非常に簡単で、JMPの「Tabulate」プラットフォームでは、図2に示す棒グラフに加えて、図3に示すように、製品ごと、スクラップの種類ごと、管理階層ごとの制限を一括計算することができます。独自のデータベースのデータ構造に応じて、ドラッグ アンド ドロップするだけで目的の結果がすぐに得られます。ここで注意すべき点は、製品の歩留まり率とスクラップ率は個別のニーズに応じて選択されるため、分位数の選択には注意が必要であるということです。以下の図は、スクラップ率を計算するための分位数であるため、計算では 99.5% の分位数が管理限界として使用されます。
画像3)
なぜ分位法を使用するのでしょうか?
では、なぜ分位法を使用するのでしょうか?いつ使用するのが適切ですか?この方法にも一定の制限はありますか?
- まず、クォンタイル法では、サンプル構造が特定の分布に従わない状況を分析できます。
収集されたサンプルデータが特定の分布に準拠していない場合、管理限界の計算を強制することによって得られる結果には偏りが生じます。従来の管理図を使用する場合、最初のステップはサンプル データに対して分布フィッティングを実行し、データが正規分布、二項分布、またはボアソン分布であるかを判断することです。分布の適合度が大きく異なる場合、分析を続行するにはデータを変換するかサンプルサイズを増やす必要がありますが、分位法では大規模なデータのレベルに応じて必要な標準を直接指定できるため、分位法の欠点を補うことができます。伝統的な方法。
- 管理限界の計算方法が簡単かつ多様
分位値法を使用すると、管理基準として一意の値を取得できます。これは計算が非常に簡単で、計算方法も多数あります。 JMPの「分布」（Distribution）機能や「集計」（Tabulate）機能などの専門的な統計解析ソフトで実現することもできますし、Excelを使って計算することもできます（大きなデータから小さなデータまで並べて、必要な分位数のシリアル番号を計算し、直接選択するデータの総量)。
- 独自の制御標準、実装が簡単
分位点法の計算により、管理限界はプロジェクトごとに異なります。現場のQCは、管理表に従って管理基準を簡単に照会し、製品を一時停止する必要があるかどうかを確認し、次の分析ステップのためにエンジニアに通知できます。 。 （企業が生産管理システムを導入している場合は、管理表をデジタル化し、生産管理システムと連携させることで、製品の自動管理や通知機能を実現することができます。）一定の時間が経過して管理限界が更新されると、エンジニアは新しいテーブルを発行し、古いテーブルを管理用にリサイクルできます (自動管理システムがある場合は DB を更新できます)。
従来の比例管理図では、バッチごとに制御仕様を計算する必要があり、各バッチの結果が仕様を満たしているかどうかが記録されます。このような作業プロセスには、現場生産の QC に対する高い要件が求められます。そのため、人事異動後の採用や教育など人事管理への要求が高まり、現場管理や商品管理が難しくなります。
クォンタイル法には多くの明るい点がありますが、その使用には次のような特定の制限があります。
- サンプルサイズには要件があります
クォンタイル法は大規模なデータに基づくフィッティング手法であるため、選択した基準に応じたサンプル サイズの要件があります。たとえば、分位数が 10% の場合、最小解像度を達成するには少なくとも 10 バッチが必要です。 0.5% 分位数を区別するには少なくとも 200 バッチが必要です。
- 新しいプロジェクト管理には適さない
新製品および新プロジェクトの歩留まり管理は、設計歩留り要件に従い、標準的な製造能力と公差管理に基づいて基本的な歩留まり指標を予測し、エントリポイントを分析および改善し、製品バッチの品質を調整および改善し、完成するまで待つ必要があります。プロジェクトが正式にリリースされ、データ収集を開始し、管理限界を計算します。しかし、クォンタイル法では基礎となる大量のサンプルが必要となるため、試作段階には不向きであり、試作段階ではNPI（または類似部門）が設計やパラメータを調整することが多いため、結果が大きく変わってしまいます。試作データをすべて観察すると階層化（二峰性データや多峰性データなど）が発生するため、管理図による管理には適していません。段階的な目標管理を直接設定し、新製品の量産リリース後に SPC 管理を行うことをお勧めします。
規制制限を更新する必要がありますか?
上記の説明を通じて、SPC を制御するための分位法の考え方を理解しました。では、管理限界は設定後は固定されるのでしょうか？答えは明らかにノーです。規制値は実際のレベルに基づいて定期的に更新する必要があります。例えば、生産ラインでは製品の生産経験がどんどん蓄積され、製品の歩留まりも自然と良い方向に向かうため、一定期間のサンプルで管理限界を再計算する必要があります。
既存の製品の規制値を検討および計算した後、規制値を更新する必要があるかどうかをどのように判断するか (サンプルが異なるため、新しい管理限界は元の管理限界とは多かれ少なかれ異なります。 ）？これは人によって異なりますので、自分の状況に応じてしきい値を設定できます。個人的な経験は、生産閾値の長期変動レベルに基づいています。図 4 に示すように、作成者は式を編集してしきい値を取得した後、管理限界を更新する必要があるかどうかを自動的に判断します。
図 (4) の列名の後の + は、この列に編集式があることを意味します。
JSL ——自動分析により、半分の労力で 2 倍の結果が得られます
製品の数が多く、対応する古いコードも多いため、最終分析の作業負荷は非常に大きく、JMP に関連する操作手順も多くなります。この目的のために、JMP 独自の JSL (JMP Script Language) コードを採用し、特定の作業手順を記録し、保存してインストールすることで、次回使用するときに、操作を行わずにワンクリックで分析できるようにしました。次の図に示すように、毎回最初からやり直します。
JSLを通じて、分析が必要なデータのバッチ式自動分析を実行できます。これは、QEが限られた期間内にすべての製品の管理をレビューするのに便利であり、QEの作業負荷と時間コストを大幅に節約します。問題の特定ではなく、問題の解決により多くのエネルギーを費やすことができます。
