チャールズ・チェン、マスターブラックベルト、継続的改善の専門家、アプライドマテリアルズ
スタンフォード大学OHS、黒帯学生、メイソン・チェン
Patrick Giuliano、JMPテクニカルサポートエンジニア、JMP
機械のウォーミングアップ期間中は、原因が原因で製造プロセスが不安定になる可能性があります。 このプレゼンテーションでは、JMP 16で見つかったいくつかのプラットフォームとポアソン統計を使用して、より高い欠陥数を検出する方法について説明します。
連続正規フィットと離散ポアソンフィットの両方を利用して比較し、不安定なプロセス期間と安定したプロセス期間を区別しました。一般的なバリエーションと特別なバリエーションを分離するために、合理的なサブグループを検索することが重要です。JMP 16の3つのプラットフォームを使用して、合理的なサブグループを検索しました。
- 時系列分析とラグ/自己相関プロットにより、繰り返し発生する欠陥カウントサイクルを検出します。
- 同種の期間をグループ化するための階層的クラスタリング分析とコンステレーションプロット。
- T-Square主成分SPCと、有理サブグループ化を定義するための変化点検出。
3つの手法すべてで、特別なマシンのウォーミングアップパターンを検出するために、1時間ごとに最適な合理的なサブグループが見つかりました。欠陥カウントデータに対して、7つの異なる管理図タイプが実施されました。ShewhartXbar-RおよびPoissonU管理図（1時間の合理的なサブグループ化に基づく）のみが、最初の1時間の割り当て可能な原因を正確に検出できました。 この1時間の合理的なサブグループ化は、短期Cpと長期Ppを区別するプロセス機能で利用されました。工程能力Cpをさらに推定するために、ポアソン統計と正規近似が使用されました。プロセス能力の要約レポート、目標プロット、およびパフォーマンスプロットを利用して、さまざまな合理的なサブグループにわたるプロセス能力を視覚化するのに役立てました。このウォーミングアップの原因を取り除いた後、欠陥数の仕様の上限が20％減少しました。
