Charles Chen, Master Black Belt, 지속적 개선 전문가, Applied Materials
Mason Chen, 블랙 벨트 학생, Stanford University OHS
Patrick Giuliano, JMP 기술 지원 엔지니어, JMP
기계 워밍업 기간 동안, 제조 공정은 할당 가능한 원인으로 인해 불안정할 수 있습니다. 이 프레젠테이션에서는 JMP 16에 있는 여러 플랫폼과 Poisson 통계를 사용하여 더 높은 결함 수를 감지하는 방법에 대해 설명합니다.
연속적 정규 적합과 이산 푸아송 적합을 모두 활용하여 불안정하고 안정적인 공정 기간을 구분하기 위해 비교했습니다.공통 및 특수 변형을 분리하기 위해 합리적인 하위 그룹을 검색하는 것이 중요합니다.JMP 16의 세 가지 플랫폼을 사용하여 합리적인 하위 그룹을 검색했습니다.
- 시계열 분석 및 지연/자기상관 플롯을 통해 반복되는 결함 수 주기를 감지합니다.
- 동종 기간을 그룹화하기 위한 계층적 클러스터링 분석 및 성좌도.
- T-Square 주성분 SPC 및 합리적 하위 그룹화를 정의하는 변경점 감지.
세 가지 기술 모두 특별한 기계 워밍업 패턴을 감지하기 위해 매시간 가장 합리적인 하위 그룹을 찾았습니다.결함 수 데이터에 대해 7가지 다른 관리도 유형을 수행했습니다.Shewhart Xbar-R 및 Poisson U 관리도(1시간 합리적인 부분군 기반)만이 할당 가능한 첫 시간의 원인을 정확하게 탐지할 수 있습니다. 이 1시간의 합리적인 하위 그룹화는 단기 Cp와 장기 Pp를 구별하는 공정 능력에 활용되었습니다. 공정 능력 Cp를 추가로 추정하기 위해 포아송 통계 및 정규 근사가 사용되었습니다.공정 능력 요약 보고서, 목표 도표 및 성과 도표는 다양한 합리적인 하위 그룹에 걸쳐 공정 능력을 시각화하는 데 활용되었습니다.이 워밍업 원인을 제거한 후 결함 수 사양 상한이 20% 감소했습니다.
