チャールズ・チェン、マスター ブラック ベルト、継続的改善エキスパート、アプライド マテリアルズ
Mason Chen、黒帯学生、スタンフォード大学 OHS
Patrick Giuliano 氏、JMP テクニカル サポート エンジニア、JMP
マシンのウォームアップ期間中、特定の原因により製造プロセスが不安定になることがあります。 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。
不安定なプロセス期間と安定したプロセス期間を区別するために、連続法線フィットと離散ポアソン フィットの両方が利用され、比較されました。合理的なサブグループを検索して、一般的なバリエーションと特殊なバリエーションを分離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、繰り返される欠陥カウント サイクルを検出します。
- 均質な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タレーション プロット。
- T 二乗主成分 SPC と変化点検出を使用して、有理サブグループを定義します。
3 つの手法はすべて、特殊なマシンのウォームアップ 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を見つけました。欠陥数データに対して 7 種類の管理図を作成しました。シューハート Xbar-R およびポアソン U 管理図 (1 時間の有理サブグループに基づく) 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。ポアソン統計と正規近似を使用して、工程能力 Cp をさらに推定しました。工程能力要約レポート、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全体の工程能力を視覚化しました。このウォーミングアップの原因を取り除いた後、欠陥数の仕様上限が 20% 削減されました。
