瞭解制程能力什麼是.docVIP

了解制程能力，什么是Cpk？ SPC应用于测量及管制重要的变异值（全文编译） 原作者：JOHN BROWNE 出处：Tape/Disc Buiness, June 1996, p21~30,p120 施行统计制程管制(即SPC是也)的好处是利用经验及分析所收集的历史数据去解决质量的问题，如今有许多的CD盘片制造商都在推行有关SPC的管制方法及吸收有关SPC的经验。过去传统的检验方法是在制程结束后才进行检验或是在制程末端才利用监测器测量成品质量，但是最佳的原则却是” DO IT RIGHT THE FIRST TIME”，在第一次就做好，你不会去强制限制制程内不良品的产生，但也不必随时去注意制程的追踪，这就是SPC的基础功能之一。 我们想要点出在执行SPC的程序时，不必要去请教一些统计专家或收集一堆博士论文，这里，这篇文章就有许多有关SPC的书、研讨会及软件，而且不用去担心有复杂的计算公式或着是统计观念，可以协助需要的公司去推行去建立。 变异及形成原因 每个制程都会有变异产生，相同的生产线也不会生产出完全相同的两件产品(请了解这句话的真谛)，当你从制程末端测量各种参数，寻找变异发生的原因时，很幸运的，很多的变异都存在于制程的每一个程序中，包含了人员、材料、工具、环境及方法等等。可以被预测及控制且进一步了解的因素称为“共同变异因素”。共同变异的因素可以提供我们近似于常态分布的随机变异，这是一种形状像“钟”的曲线分布，叫做常态分配或是高斯分配，在这两种分配中，最重要的参数是平均值或称中间值(Mean，μ)以及标准偏差(Sigma，σ)，请见下图Figure 1。 非常态、特殊或可被归属的变异原因，通常都会一起存在于制程中。其中，有些变异可以很明确的被定义及消除，这些通常是由于不当的调整机器、不良的材料及未经过训练的员工等等所造成，这种变异通常可以利用－R图去进行确认及控制，在以下图Figure 2之例子中，我们可以看见这个制程受到控制，请注意这些数据点(空心圆圈的点)是随机的波动并且没有规则可循，也没有超出管制界限，点在中心在线下波动，且移动并没有明显朝向其他管制界限的趋势，大多数的点相当接近中心线。 特殊或是可归属的变异原因的发生是由于错误的产生，但这不是我们要讨论的主题。我们的焦点是放在了解如何在CD制程中去测量及持续的减少自然变异的因素，我们希望能依照规格书去确认每个生产制程的制程能力。制作CD的基本制程步骤有刻版、电镀、射出及质量保证。当然，还有其他的步骤，例如电气特性的量测，所以我们要如何知道这些制程变异是否符合常态分配？以及我们如何去判断每个制程能力？以下就是这些主题的探讨。 制程步骤会影响电气讯号 每一个制程步骤都会有些主要的控制参数，我们必须注意这些参数以确保制程产出的质量能达成一致性。一但我们了解后将这些参数定义出来，这些参数就能够用来衡量并运用在SPC手法里。这里提供了一些技巧来将制程平均值μ与制程变异σ制成图表；有一些制程，例如：刻板、电铸...等，必需以检测手法将这些制程的产出对象量测出其特性，以收集足够的资料供判断；另一方面，针对复制品，也需要以相同的检测基准来检测。(见Figure 3.) 一般来说，当量测数据收集到之后，就需要将这笔数据的制程平均值μ以及制程变异数σ两个值画在图表上。当图表画好后，就可以将这些数值与规格界限作比较。我们知道，大约有68％的量测数据会落在平均值上下一个σ之内，大约95％的数据会落在平均值上下二个σ之内，大约99.7％的制程数据则会落在平均值上下3个σ之内(见Figure 4.)，制程能力的观念就是将自然变异(6σ)与规格公差(USL-LSL)作比较。制程能力是由以下三个主要因素构成： 设计的公差(The Design Specification) 制程中心(Mean，μ) 变异的大小(Sigma，σ) 制程能力指数，Cp，就是将上下规格界限的差异(USL-LSL)与制程变异(6σ)作比较。记得吗，99.7%的数据会落在± 3个标准偏差之内。我们以Push Pull为例(见Figure 5)，其制程能力指数，Cp，的记算方式如下： Cp=(USL-LSL)/6σ 从图上可看出上规格界限(USL)为0.07，下规格界限(LSL)为0.04，母体标准偏差为0.005。由以上数据我们便可以算出制程能力指数，Cp=(USL-LSL)/6σ=(0.07-0.04)/6*0.005=1，这表示我们制程变异的范围刚好等于规格公差。 从Figure 6可以看出，虽制程能力指数等于1，但制程并没有在制程中心而且我们生产出了一些超出规格的产品。 制程能力指数，Cp，并没有考虑制程是否有在制程中心，这个指标只有考虑到制