
1.1.1自然界數據分佈,指數據來源過程,未經扭曲或篩選而來,例如下列舉例數據型式:
1.人的身高和壽命 2.班級的考試成績數據。
3.動物和植物成長後的大小 4.某地區氣候穩定的年雨量統計。
5.產品特性的量測值變化 6.機器設備於穩定設定後的變化差異。
綜合以上結論有三項特質: A.集中趨勢,以平均値為中心 B.兩端漸減少特質 C.左右近似對稱 。 因此自然界數據分佈是「可推論和可預知」的。
1.1.2人類行為數據分佈,指數據來源,經人為轉換或處理後而來,例如下列舉例:
1.上班缺席率或出席率 2.作業流程所需時間。
3.全體員工薪資分佈 4.開發票之錯誤率。
5.同料號不同生產條件混合的數據 6.選別後之產品特性分佈。
以上綜合結論有三項特質: A.集中趨勢不明顯。 B.沒有特定形狀之分佈。 C.沒有對稱性的關係 。 因此經人為轉換、處理後的數據是「不可推論」的。
1.2.1計量值及計數值數據,此為數據型態有兩大類於下:
1.計量値數據,指數據為連續性,即兩數值間可插入無限個可能的數値。
2.計數値數據,指數據為間斷性,即兩數值間只能插入有限個可能的數値。
1.2.2數據集中趨勢 (Xbar ),離散趨勢(σ)。
1.直方圖製作,本堂介紹如何製作直方圖。
2.舉例說明,若有數據如簡報所示,共20個數據即 n=20。
歸類常見10種直方圖型態,見課程內容解讀。
1.直方圖4-1解讀,隱藏製程能力不足,且數據稍偏大,待進階改善。
2.直方圖4-2解讀,推論量測數據,受人為或量具等因素干擾所致。
3.直方圖4-3解讀,合理推論為外形相似的兩個料號混料,此兩料號亦不是原期望料號。
4.直方圖4-4解讀,推論用嚴謹方法選別,剔除低於下限部份。
5.直方圖4-5解讀,最佳的直方圖分佈,暫時維持此製程生產條件。
6.直方圖4-6解讀,顯然該批生產條件設定,已大幅偏離規格中心。
7.直方圖4-7解讀,標準差太大 / 製程能力不足,導致兩端極値(最高和最低値)超出規格上下限。
8.直方圖4-8解讀,類似兩個常態分佈的組合,且某些特定値消失,應是選別後的結果。
9.直方圖4-9解讀,生產條件設定,已大幅偏離規格中心。
10.直方圖4-10解讀,合理推論應是拿錯料,並混料一起檢測所致,是為管理的問題。
█ 常態分配圖5-1-解讀,常態分佈有兩個基本變數,一為「平均値」(Xbar或μ),足以改變數軸的位置,另為「標準差」(σ),足以改變分佈的形狀,即「散開和集中」的形狀。
█ 常態分配圖5-2-解讀,圖5-2的上圖代表典型常態分配,其永遠顯示鐘的形狀,從平均值分開左右兩側,呈對稱的特質。
1. 常態形成 圖6-1解讀A。 2. 常態形成 圖6-2解讀B。 3. 常態偏移 圖6-3解讀。
4. 累積常態比較 圖6-4解讀A。 5. 累積常態比較 圖6-5解讀B。
1. 非產品面之製程参數,指製程參數最終會影響產品品質,舉例有 :
A. 射出成形機之射出壓力、溫度、時間等。 B. SMT製程之錫膏印刷的鋼板厚度、刮刀速度等。
C. 印刷線路板蝕刻製程之化學濃度、電流、時間等。 D. 機械加工製程之刀具架設角度和深度等。
E. 傳統PCBA波焊錫爐之溫度、焊接時間、仰角等。
2. 產品面之特性参數,舉例有 :
A. 成品輸出電壓。 B. 產品啟動輸入電壓。 C. 線圈繞線圈數。
D. 訊號接收靈敏度。 E. 電阻之阻抗和溫度。
2.1.3 產品特性系統觀 - 建立「產品特性經絡圖」,找設計參數、製程參數、製程子參數、部品(零組件)參數等,從技術角度,自然可以逐項展開,如提供講義的「產品特性經絡圖」。
2.1.4 現況能力水準調查 - 知悉穴位 到 無痛找隱藏病處。
2.1.5從使用端抱怨的成品參數 到 逐階找穴位所在。
前2.1.3小節意在「了解系統」,2.1.4小節意在「知悉穴位」,2.1.5小節意在「找穴求解」。
█ 製程能力評估-名詞定義解讀
1.規格允差(Spec Tolerance) 2.製程能力 Cp–稱擴散度。
3.製程準確度 K (或 Ca) 4.綜合製程能力Cpk –稱偏離度。
2.2.1 Cp(擴散度)、K(準確度)、Cpk(偏離度)量化解讀
1.Cp 値解讀,製程能力 Cp量化値,同時,代表管理上的某種意義,大致可分五等第。
2.K 値解讀,製程準確度 K値,亦代表管理的某種意義,大致可分四等第。
3.Cpk 値解讀,綜合製程能力 Cpk値,代表管理上的某種意義,大致可分三等第。
█ Cp 量化値圖示,計四個圖示說明。
This class is specifically designed for R&D designers, due to designers usually solve problem by physical、technology approach,but do not understand how easy to produce,this class can make up for their innate negligence and blind spots. However,when faced with technical bottlenecks, there is almost no focus,such as: how to evaluate mass production、Probability problems、 problems arising between extreme values、matching problems between subsystems、 calculation of compound tolerances、part characteristic distribution recognized by parts、 mechanism reliability problems etc., All these areas require statistical knowledge to be able to interact with technology,So that can solve the problems。 The class related to「Process Capability」in the knowledge market are based on production / Quality perspectives and examples, usually are not for R&D designers, Therefore, this is a special redesigned「Design for Manufacturing (DFM) Evaluation and Application」for R&D designers, To make up for the designer blind spots in the knowledge of the technology, this is a very good and professional class !
本課程專門針對研發設計者而規劃,因研發設計者通常非統計背景專長,對問題的分析皆用技術角度思考,但當面臨技術瓶頸時,幾乎沒有著力點,例如:如何評估量產性、機率性問題、極值間產生的問題、子系統之間匹配問題、複合公差計算、零件承認的零件特性分佈、機構可靠度問題等,這些領域皆需要備統計知識,方能和技術相互為用解決問題。 知識市場之「製程能力」相關課程,皆以生產/品質角度思維和舉例,通常極少傳達到研發設計者,因此特別為研發設計者重新設計「量產性設計(DFM)之評估與應用」,用以補足設計者對統技知識之盲點,這是很好且專業性的課程!