Mittaustulokset ja normaalijakauma

Esitys aiheesta: "Mittaustulokset ja normaalijakauma"— Esityksen transkriptio:

1 Mittaustulokset ja normaalijakauma
Keskiarvo Tavoitearvo Ylä- ja alaraja hyväksynnälle s tai sigma,  1, 2 ja 3  68,2% 95,4% 99,6% 4/16/2017 Tampere University of Technology

2 Specification range USL ja LSL
Määrittelyalue Määritellään millä laatutasolla prosessi toimii tai halutaan toimivan Lyhyen aikavälin kontrollirajat Edellä mainitut määrät virheellisiä sallittuja Frekvenssi LSL USL ± 1 ± 3 ± 6 Specification range 4/16/2017 Tampere University of Technology

3 Six Sigma filosofia: Käytännössä
Virheettömien määrä eri sigmatasoilla Virheettömien osuus keskitetyssä ja siirretyssä populaatiossa DPMO = Defects per Million Opportunities = Virheellisiä miljoonassa tapauksessa PPM = Parts per Million 4/16/2017 Tampere University of Technology

4 Pitkäaikainen suorituskyky
Upper ja Lower Secification Limit Keskitetty ja siirretty jakauma 1.5:n siirtymä pitkällä aikavälillä Syyt: materiaalivariaatiot, valmistus-menetelmät, kuluminen jne. 1350 ppm ja ppm virheellisiä Frekvenssi ± 3 USL LSL Specification range 4/16/2017 Tampere University of Technology

5 Six Sigma filosofia: Käytännössä
Virheettömien osuus keskitetyssä ja siirretyssä populaatiossa DPMO, virheellisiä miljoonassa mahdollisuudessa Ero lyhytaikaisen ja pitkäaikaisen suorituskyvyn välillä huomattava Esim. 4; 63 ja 6200 4/16/2017 Tampere University of Technology

6 Six Sigma filosofia: Käytännössä
Virheettömien määrä eri sigmatasoilla Virheettömien osuus keskitetyssä ja siirretyssä populaatiossa DPMO, virheellisiä miljoonassa 4/16/2017 Tampere University of Technology

7 Konkreettinen esimerkki:
Tarkastellaan jatkuvaa prosessia, joka on toiminnassa 720 tuntia kuukaudessa. Susituotantoon käytetty aika eri sigma-tasoilla on:  Cpk Aika h h h min ,5 s s 4/16/2017 Tampere University of Technology

8 Konkreettinen esimerkki:
Tarkastellaan pienen kirjaston kirjoissa esiintyvien painovirheiden määrää. 3  :n tasolla jokaisen kirjan jokaisella sivulla on keskimäärin yksi virhe. 6  :n tasolla koko kirjastosta löytyy yksi virhe. 4/16/2017 Tampere University of Technology

9 Tampere University of Technology
Onko 1 ppm paljon vai vähän ? Oletetaan, että TAYSin vastasyntyneiden osastolla hoitajat nostavat työvuoron aikana vastasyntyneitä lapsia 200 kertaa. Vuorokaudessa nostoja tulee kuukaudessa vuodessa Viidessä vuodessa nostoja tehdään yli miljoona. 1 ppm on vain yksi tilastotappio viiden vuoden välein. Slide Saku Mäkinen, Tampere University of Technology 4/16/2017 Tampere University of Technology

10 Aliprosessien määrä ja laatu
Aliprosessien määrän vaikutus tärkeää mm. Autoteollisuus Elektroniikkateollisuus Softateollisuus Tuotteet ja tuotantoprosessit ovat Monimutkaisia Monivaiheisia Paljon komponentteja Tällöin erityisen tärkeää pyrkiä minimoimaan virheellisten komponenttien tai vaiheiden määrät 4/16/2017 Tampere University of Technology

11 Aliprosessien määrä ja laatu
Aliprosessien lukumäärän vaikutus koko prosessin suorituskykyyn Komponenttien määrä tai prosessin vaiheiden määrä Pitkällä aikavälillä 4/16/2017 Tampere University of Technology

12 Aliprosessien määrä ja laatu
Myös hyvällä suorituskyvyllä selkeitä eroja monimutkaistumisen myötä Komponenttien määrä tai prosessin vaiheiden määrä Esim. 3 Sigman tasolla tuotetaan 99.73% virheettömiä hetkittäin Kymmenen vaiheinen prosessi tuottaa puolet virheettömiä (1.5 Sigman siirto, ppm eli % virheellisiä) = 0.501 5 ja 6 Sigman tasoilla ei kolmen desimaalin tarkkuudella vaikutusta 4/16/2017 Tampere University of Technology

13 Tampere University of Technology
GM Europe 1997: Opel Corsassa on noin 6000 osaa. Tuotanto tuottaa: 95 autoa tunnissa kaksi vuoroa päivässä 20 päivää kuukaudessa = 160 miljoonaa osaa kuukaudessa Jos osien vikatiheys olisi 25 ppm = ( 0,0025 % ), niin valmistuneista autoista vain 85 % täyttäisi vaatimukset. Uskaltaisitko ostaa Opel Corsan ? Slide Saku Mäkinen, Tampere University of Technology 4/16/2017 Tampere University of Technology

14 Tampere University of Technology
Six Sigma filosofia Six Sigma on tilastollinen mittasuure, jolla voidaan mitata erilaisten tuotteiden ja palveluiden laatua Six Sigma on osa liiketoimintastrategiaa; voitetaan sekä kustannuksissa että asiakastyytyväisyydessä Työskennellään viisaammin, ei välttämättä kovemmin Eri prosessien vertailu on tärkeää, koska mm. osaprosessien vertailu, tulospalk-kaus tai benchmarking Kaikki toiminnot siis laadun näkökulmasta samalle viivalle Niin laskujen käsittely kuin tuotantokin 4/16/2017 Tampere University of Technology

15 Six Sigma filosofia: Käytännössä
Prosesseja vertaillaan; 1. Mittaamalla virheiden määrää miljoonaa mahdollisuutta kohden DPMO 2. Määrittelemällä mitattomat suorituskykyindeksit Osana liiketoimintastrategiaa; Kustannushyöty voidaan siirtää hintakilpailuun Laadulla säästetty raha suoraa tuloa (suoraan viimeiselle viivalle) Työskennellään viisaammin; Ei enää omien tai muiden virheiden korjaamista, motivointi Laatu kaikille samanlaiseksi mittariksi 4/16/2017 Tampere University of Technology

16 Six Sigma filosofia: Käytännössä
Virheettömien osuus keskitetyssä ja siirretyssä populaatiossa DPMO, virheellisiä miljoonassa mahdollisuudessa Ero lyhytaikaisen ja pitkäaikaisen suorituskyvyn välillä huomattava Esim. 4; 63 ja 6200 4/16/2017 Tampere University of Technology

17 Six Sigma filosofia: Käytännössä
Potentiaalista suorituskykyä mitataan suorituskyky indeksillä Cp Todellista pitkäaikaista suorituskykyä mitataan suorituskyky indeksillä Cpk T on tavoitearvo,  jakauman keskiarvo Cp = 2.0 ja Cpk = 1.5 Kun  = T, Cp = Cpk 4/16/2017 Tampere University of Technology

18 Six Sigma projekti: Vaiheet
Identifioi tuotteen ominaisuudet, jotka ovat kriittisiä asiakastyytyväisyydessä Määrittele tuotoksen osat tai elementit, jotka ovat kriittisiä saavuttamiseksi Määrittele aliprosessit, jotka vaikuttavat tuotoksen kriittisten ominaisuuksien saavuttamiseen Määrittele jokaiselle tuotoksen ominaisuudelle tavoitearvo ja maksimi toleranssi, jotka takaavat suorituskyvyn Määrittele jokaiselle tuotoksen ominaisuudelle ja aliprosessille , jotka vaikuttavat kriittisiin ominaisuuksiin, suorituskykyindeksit Tarkista, että Cp = 2.0 ja Cpk = 1.5 4/16/2017 Tampere University of Technology

19 Six Sigma projekti Vaiheet; 1. ja 2.
Tärkeysjärjestys ja kvantitatiivisuus Asiakkaan fyysiset ja funktionaaliset vaatimukset Tuotantojärjestelmän vaatimukset; sisäinen asiakas Yrityksen tavoitteet; kiertoajat, liiketoiminnan tavoitteet, etc. Vaiheessa 2 arvioidaan tuotoksen osat, jotka vaikuttavat kriittisiin ominaisuuksiin Esim. laskujen käsittely ja sisäiset materiaalitoimitukset (DPMO ja siitä indeksit) 4/16/2017 Tampere University of Technology

20 Six Sigma projekti Vaiheet; 3. ja 4.
Aliprosessit, jotka tuottavat kriittiset ominaisuudet Tunnistetaan jo hyvin toimivat huonosti toimivista Tunnistetaan aliprosessit, jotka eniten vaikuttavat kriittisten ominaisuuksien saavuttamiseen ja keskitytään näihin 4. vaiheessa määritellään toleranssit Elintärkeille aliprosesseille optimitoleranssit Muille maksimitoleranssit tai suhteelliset virhemäärät määriteltynä Esim. edellisessä sisäinen jakelu nukkuu puolet päivästä ja hoitaa kaiken kuljetuksen, muut kunnossa 4/16/2017 Tampere University of Technology

21 Six Sigma projekti Vaiheet; 5. ja 6.
Määritetään indeksit ja vertaillaan tavoitetasoihin tuotoksessa Ellei tuotos täytä vaatimuksia, siirrytään mikrotasolle Tarkastellaan aliprosesseja, varsinkin niitä, jotka vaikuttavat tuotoksen krittisiin ominaisuuksiin ja tuottavat eniten virheitä Muutetaan joko prosessia tai toleranssirajoja tai molempia 4/16/2017 Tampere University of Technology

22 Six Sigma projekti Prosessin parantaminen
Prosessin suorituskykyä voidaan parantaa Varsinaisen prosessin parantaminen ja/tai Komponentin specifikaatioiden muuttaminen “Design for manufacturability”, kun molemmat 4/16/2017 Tampere University of Technology

23 Six Sigma projekti Prosessin parantaminen
Toleranssirajojen suunnittelu Komponentin toimimisen rajat Upper ja Lower Functional Level UFL ja LFL Lyhyen ajan kontrollirajat Upper ja Lower Specification Level USL ja LSL DM, design margin välissä, jos voi 4/16/2017 Tampere University of Technology

24 Tampere University of Technology
Ruuviesimerkki 1 N = kpl n = 100 kpl x = mm USL = mm LSL = 9.4 mm  = 0.2 mm ( ) / 0.20 = 6 Toimitaan siis alueella ±3 Viallisia on 2700 ppm 2700 ppm* kpl = 27 Cp = = = 1.0 6* 4/16/2017 Tampere University of Technology

25 Tampere University of Technology
Ruuviesimerkki 2 N = kpl n = 100 kpl x = mm USL = mm LSL = 9.4 mm  = 0.1 mm ( ) / 0.10 = 12 Toimitaan siis alueella ±6 Viallisia on ppm 0.002 ppm* kpl = 0 Cp = = = 2.0 6* 4/16/2017 Tampere University of Technology

26 Ruuviesimerkki 2 väärin tulkittuna !!
N = kpl n = 100 kpl x = mm USL = mm LSL = 8.80 mm  = 0.20 mm ( ) / 0.20 = 12 Toimitaan siis alueella ±6 Viallisia on ppm 0.002 ppm* kpl = 0 Cp = = = 2.0 6* UNOHDA VAATIMUSTEN VÄLJENTÄMINEN PAREMMAN -TASON TAI Cp-INDEKSIN SAAVUTTAMISEKSI !! 4/16/2017 Tampere University of Technology

27 Tampere University of Technology
Ruuviesimerkki 3 N = kpl n = 100 kpl x = mm USL = mm LSL = 9.4 mm  = 0.1 mm ( ) / 0.10 = 12 Toimitaan siis alueella ±6 Tapahtunut 1.5 :n siirtymä Viallisia on 3.4 ppm 3.4 ppm* kpl = 0 Cp = = = 2.0 6* Cpk = = = 2.5 3* *0.1 4/16/2017 Tampere University of Technology

28 Tampere University of Technology
Ruuviesimerkki 4 N = 500 kpl n = 500 kpl viallisia 3 3 / 500 = = 0.6 % = 6000 ppm Taulukoista tämä vastaa 2.5-tasoa Tämä voidaan olettaa jo siirtyneeksi jakaumaksi, joten lisätään tähän 1.5 4  Cp = = 1.33 3  4/16/2017 Tampere University of Technology

29 Tampere University of Technology
Ruuviesimerkki 5 Ruuveja tarvitaan koko ajan suuria määriä. Yhtään virheellistä ei sallita. x = mm USL = mm LSL = 9.6 mm Mikä saa ruuvien keskihajonta  korkeintaan olla ? Vaaditaan siis prosessin toimivan 6 :n tasolla ( ) / = 12  = 0.8/12 = mm Tai... Cp = = 2.0 6*   = 0.8 / 2*6 = mm 4/16/2017 Tampere University of Technology

30 Tampere University of Technology
Kustannukset ja laatu Vanha käsitys virhe- ja parannuskustannuksista Etsitään optimia, jossa kustannukset pienimmät mahdolliset Kokonais- kustannukset Kustannukset Parannus- kustannukset Virhe- kustannukset Laatu 4/16/2017 Tampere University of Technology

31 Tampere University of Technology
Kustannukset ja laatu Uusi käsitys virhe- ja parannuskustannuksista Parannettaessa laatua kustannukset pienenevät Esim. korjaus-, tarkastus-,materiaali- ja hävikkikustannukset Parannus- kustannukset 3 Kustannukset 4 5 Virhe- kustannukset 6 Laatu 4/16/2017 Tampere University of Technology

32 Tampere University of Technology
Slide MIKÄ ON ? - Pareto-diagrammi ? - Attribuuttitarkastus ? - OC-käyrä ? - Kuluttajan riski ? - Variaabelitarkastus ? XR-kartta ? DPMO Cpk –indeksi ? Saku Mäkinen, Tampere University of Technology 4/16/2017 Tampere University of Technology