谢宁doe知识分享.ppt

谢宁doe知识分享.ppt

《谢宁doe知识分享.ppt》由会员分享，可在线阅读，更多相关《谢宁doe知识分享.ppt（173页珍藏版）》请在冰点文库上搜索。

1,实验设计DOE（夏宁法）,2,夏宁何人?

DorianShainin（1914-2001）,中文译作道林夏宁，又译作谢宁，是闻名世界的质量管理大师和可靠性工程专家。

夏宁致力于改进工业问题解决的专门技术长达六十余年.他最闻名于世的是其夏宁方法（ShaininTechniques）或简称夏宁法。

他开发出夏宁法，用来帮助产品制造商解决问题，其中的许多问题往往被人认为是不可能解决的问题。

美国康涅狄格州的（HartfordCourant）是这样形容夏宁的:

他是将其质量与可靠性的足印遍布众多产品的工程师,这些产品是从阿波罗登月车到汽车,又到电灯泡。

3,何谓夏宁法?

夏宁法（Shaininapproach）是由著名可靠性工程专家和质量工程专家道林夏宁（DorianShainin）历经四十余年研究开发的一套用于解决产品制造及设计开发过程中的质量和可靠性问题的一套系统方法和工具。

夏宁法主要用来解决频发性的由下面两种原因引起的疑难或慢性的质量问题：

交互作用（Interactions）和未知因素（Unrecognizedfactors）。

夏宁法的思路与我们通常的或传统的方法不同，它采用逆向式的搜索方法。

一般人通常的做法是从因至果去思考（先罗列许多可能的原因,然后一一去试验，从而决定哪个才是真正的原因）,而夏宁法采用从果到因的思维方式（以输出结果为起点，反向开展搜寻）。

从夏宁法的角度看，质量改善意味着寻找引起波动的最重要的原因（即所谓RedX,PinkX和PalePinkX）。

4,夏宁法的工具,5,目录,应用初级DOE工具1.1多变量分析1.2集中图1.3成对数据比较1.4部件调查1.5过程参数调查,高级工具2.1变量调查2.2全因子在采取措施前确定原因的工具3.1测试原因确认用变量调查作过程验证和确认,6,第一章1初级DOE工具多变量分析,目的与原理,多变量研究的目标是为了把大量未知的（或仅仅是怀疑的）和不可处理的变量的原因减少为少得多的一族相关变量，其中包括红X，即主要原因。

7,第二章1初级DOE工具多变量分析,用扑克牌戏法说明多变量分析法寻找红X,

（1）请一观众来帮助你从一套扑克中选出任意27张

（2）请他从选出的牌里任选一张，在你不知道的情况下，将其向观众展示。

你要通过3个同样的问题来猜出红X牌。

让我们假定他是梅花A。

（3）请他将这27张牌进行洗牌，然后交还给你（4）你将27张牌面朝上，排成3列，每列9张。

（5）你请那位选牌人告知哪一列含有那张牌，假设他指向第2列。

8,第二章1初级DOE工具多变量分析,用扑克牌戏法说明多变量分析法寻找红X,（6）然后逐列收牌，注意指定列总是第二收。

（7）第2次布牌，将牌按行排开。

（8）第2次问牌在哪一列，假设这次选牌人将指第1列。

再次按列收牌，注意指定列第二收。

（9）第3次布牌，还是按行排开。

（10）最后，第3次问牌在哪一列，假设这次他指向第2列。

（11）你会很神气地从第2列第5行中抽出那张牌（总是中间那行）。

9,第二章1初级DOE工具多变量分析,扑克牌戏法背后的多变量原理,在给定的问题中，27张牌就是27个变量，任何一个都可能是红X。

在第1次布牌中，当观众指出第2列含有所选牌时，你马上就得到一个信号，即这张牌不在1，3列，即取消了18个变量，把红X缩小到了仅有9张牌的第2列。

在第2次布牌中，原来第2列的9张处在了3个中间行上，当观众指出第1列时，则处在2，3列的那6张牌被排除了。

范围再次缩小到了3张。

在第3次布牌中，刚才第1列的3张牌现在处在了中间或者说是第5行上，当你说是第2列时，便马上就可知道红X是梅花A了！

10,第一章1初级DOE工具多变量分析,确定问题的主要变量类型三种变差类型是：

零件间变量单位内变量时间变量,不同变量类型的例子,零件间变量从过程中连续收集的零件之间的变量（一个零件和另一个零件之间的变量）批次与批次之间的变量,这些变量可能源于过程特性的变化，这些变化发生在制造过程中,11,第一章1初级DOE工具多变量分析,不同变量类型的例子（续）,单位内变量在同一个零件里的变差在同一机器或冲模里的多个流的变差多腔多轴多排,时间变量在一段时间后发生的变差小时和小时之间班次和班次之间,12,多变量分析的步骤,确定可能的变差族（流）数量确定变差所属的类型画出族谱估计从过程中获得不同样本的时间差异从过程中选取35个连续样本，以确定零件和零件之间的变差针对占问题比例最大的零件，收集数据尽量避免在收集数据时调整过程或影响过程特性每当过程发生一个重大变化（例如批次变更、材料变更、工具变更和班次变更）时，应该划分成一个时间段,13,多变量分析的步骤,从过程中连续选取35个样本并根据已定义的量化单位进行测量从先前定义的所有族中收集样本（多腔、多轴等等）从先前定义的每个不同时间段收集一批样本如果80的历史变差可以从数据中获取，则停止收集样本利用多变差图分析数据根据以下类别计算变差：

时间变差单位内变差零件间变差找出比例最大的参数从图标中寻找趋势,14,案例研究：

设计多变量,印刷电路板钻孔,问题：

印刷电路板在钻孔时产生得过量毛刺就是绿Y。

现在我们想对各种变量族进行甄别。

决定仅用1天时间进行试验，期望一天之内能充分找到至少80的重复变量每天3班倒有13台同样的钻床每台机器4个钻削夹头每班8个工人操作机器每台机器有3个装在印刷电路板上的控制面板每台机器有10种钻孔尺寸,15,案例研究：

设计多变量,印刷电路板钻孔,解答：

对于上述问题有3个主要变量族系和7个子族系。

绿Y：

毛刺度量尺度,时间对时间,部件对部件,部件内,班次对班次（3）,小时对小时（3）,面板对面板（3）,机器对机器（3）,钻孔尺寸对钻孔尺寸（4）,操作者对操作者（3）,钻孔夹头对钻孔夹头

（2）,16,确定取样频率和所需部件的数量,有经验法则表明：

应该持续在一个过程中进行周期采样，直至采集到80重要的变量或技术规格要求公差,总体而言，多变量研究可以持续不到1小时至4周或更长，以便采集到80以上的重要的变量。

但比较典型的多变量研究不会持续超过13天。

部件对部件族系中，样本量可以为35个连续部件在部件族系里，每个子族系的采集可以100，也可以从每个子族系中采集合理数量的样本；目标是将采集所要求的部件总数有足够机会采集到红X,17,课堂练习,半导体硅晶片多变量计划,在一个多变量研究中，要在一个半导体硅晶片上（包括几百个芯片）进行厚度测量，以确定哪些变量族对厚度的差别影响最大。

厚度变量就是绿Y。

假定测量仪器的精度是硅晶片规范厚度公差的6倍多。

设计一个多变量计划，以表述下列计划方针所罗列的问题。

18,课堂练习,

（1）为以下8个计划方针中的每一个鉴别重要变量族（即时间对时间，部件对部件、部件内）。

在每个硅晶片上，要对5个部分进行测量（北、南、东、西和中间）。

从镀膜后的每个批次里采集3个样本。

从该批次镀膜过程中，从真空室的左、中、右3个方向采样。

使用2个真空镀膜室。

每批次需要2小时。

从1班和2班中2个连续的批次里取样。

采样是在周一、周二、周三完成的。

采样是在连续的3周内进行的。

19,课堂练习,

（2）画出族谱（3）在整个多变量运行中，应包括多少硅晶片？

（4）如果过去的经验表明，周对周、天对天、班对班中很少产生有影响的变量时，所要求的总硅晶片采样数量会减少多少？

20,练习答案,

（1）为以下8个计划方针中的每一个鉴别重要变量族（即时间对时间，部件对部件、部件内）。

在每个硅晶片上，北、南、东、西和中间5部分：

部件内每个批次里采集3个样本：

部件对部件每个批次的左、中、右3个方向：

部件内2个真空镀膜室：

部件内每批次需要2小时，即每班4批次：

部件对部件从1班和2班中2个连续的批次：

时间对时间在周一、周二、周三取样：

时间对时间在连续的3周内取样：

时间对时间,21,练习答案,

（2）多变量族谱,绿Y：

基片厚度变量,时间对时间,部件对部件,部件内,周（3）,每周天数（3）,镀膜室数

（2）,每批次方位数（3）,每班批次（4）,每批次基片数（3）,每天班次

（2）,每个基片的位置（5）,22,练习答案,（3）硅晶片数量在多变量运行中，要包括的硅晶片数量：

3周3天数/每周2班数/每天4批次数3硅晶片数/批2镀膜室数3方位数/批1296读数12965（部分数/硅晶片）6480（4）如果时间变量（周、天、班）是最小值，硅晶片总数量是：

1296/（332）72，而读数将是：

725360,23,数据练习,有家公司是生产晶圆的，目前公司的膜厚一直不是很稳定，相了解其主要的原因是：

日期（时间）批次（每天生产二个批次）（时间）WFAER（每批是二十五片WAFER）（部件间）每个WAFER中有五个位置（部件内）公司想要了解主要的变动原因来自那里。

24,MINITAB的操作,可以直接利用MINITABSTATISTICS質量工具多變異圖。

25,數據案例,26,分析結果,27,可以更精確的分析平衡ANOVA,28,结果,方差分析:

thickness与Day,Lot,Wafer,position因子类型水平数值Day固定51,2,3,4,5Lot固定21,2Wafer固定21,2position固定4a,b,c,d对于thickness的方差分析来源自由度SSMSFPDay41065.58266.396.630.000Lot10.580.580.010.905Wafer180.8080.802.010.160position313.194.400.110.954误差702810.6240.15合计793970.76S=6.33653R-Sq=29.22%R-Sq（调整）=20.12%,但是本模型的解释状况不好，一般要能达到R-SQ在80%左右，这样的答案才能比较有效。

此时的情形可能是尚有其它的主要因子没有考虑到。

29,第一章2初级DOE工具集中图,目的,如果多变量研究表明重要变量族是在部件内的，那下一步就应当是绘制部件内问题的精确位置，集中图就很好的做到这一点。

集中图表明：

（1）重现的故障问题没有一个具体的位置（即它是一个随机分布）。

（2）它的确显示出在某个特定位置有缺陷集中的现象。

30,第一章2初级DOE工具集中图,确定在零件的缺陷中是否存在任何模式（pattern）或密度（concentration）只有在多变差分析表明单位内变差很大，而且怀疑是变差很大的原因时适用,画一幅单位图在图上用网格画成多个区域当对单位进行检验时，在单位图上标记发现缺陷的准确位置如果你在分析多种缺陷，确定缺陷编号（这绝不是我们在问题定义阶段第一步要做的事）用比例（15）乘以缺陷，表示每个缺陷的严重度，填写在适当的网格里把这个图和多变差分析结合起来。

连续标记，直到获得80的历史拒收研究网格，看是否有什么缺陷很集中，密度很大看看能否用工程判断来确定缺陷的原因。

如果不行，我们必须应用产品/过程或变量调查来继续试验。

31,集中图,下面是一个集中图，表示由于灰尘引起的喷漆失效,当单位内变差较多时当缺陷可能发生在一个单位的多个部位上时,32,案例研究,冰箱门上泡沫保温材料的漏气,某家电制造厂的冰箱生产线在用泡沫保温材料填充冰箱的门和衬里时，出现漏气现象。

该问题存在了几个月，当时的缺陷率为8，返修成本是每年120000美元。

操作员曾因此备受指责。

我们先对3个班次的工作进行了多变量研究，并将其分为时间对时间族、门对门族和门内族3个变量族系。

在时间对时间以及门对门族系变量里没有发现显著的变化。

在操作者对操作者族系里也没有显著的变化。

泡沫塑料漏气最经常出现在门内变量里。

在门的右上角、右下角和左下角这些填充泡沫的地方几乎没有漏气现象，集中图定位于左上角的位置。

经确认：

操作者总是由门的左上角开始填充泡沫塑料，然后沿顺时针填充其他各部位。

这使研究的重点转向填充泡沫的启动过程，结果发现在左上角发泡的初期阶段，编程上有2秒