JMP在流程性产品质量改进中的应用
加入技术交流群
1.定义质量标准，找到目前产品和期望值之间的差距
对抽样数据进行简单分析，发现产品不合格率很高，16%批次的产品没有达到溶出度放行要求。Cpk为0.27，仅相当于"2.3 sigma"，这肯定不是一个好的流程，更是远远没有达到六西格玛的流程。
2.确定生产流程的可能影响因素
该药片的生产过程大致如下图所示。每个过程的初始变量，过程变量都一一做了标注。这些变量是根据工作人员进行大规模头脑风暴，结合生产管理人员的质量管理经验进行初步挑选的。
3. 用统计方法进行分析，找到影响溶解度的关键因素，和影响方程y=f(x)
这是非常关键的分析步骤。使用正确的统计工具和方法，可以快速得到准确的结论，并且简化分析流程，降低质量改善人员的学习时间，提高结果的可读性。该药厂在全球范围内采用了高端六西格玛软件JMP。JMP在统计方法上集成了SAS在统计学方面的多种优势，并且在图形展示和易用性方面非常有特色。下图是JMP对这批样本数据进行分布图分析的结果：
和普通质量统计软件不同，在JMP的“交互式图形分析”的帮助下，质量人员点击鼠标，选定图形左面第一个图形中溶出度不合格的部分，即低于70%的部分，这部分不合格产品其他参数的分布马上被自动加亮显示出来（而且，在后台的数据部分也被自动选中）。显而易见，第四列图形，即“screen size”参数的分布图中，screen size＝5的那部分数据贡献了大多数的不合格产品，而“screen size＝3”几乎没有影响，“screen size＝4”的影响则很小。这样的功能，可以让分析人员一眼就能看到X变量对于Y变量的影响，既直观，又不需要太强的统计知识背景，使得统计方法在质量管理中的应用变得傻瓜化，简单化，高效化。
4.获得初步改善方案——数据挖掘
为了获得初步的改善方向，该药厂质量人员利用JMP的决策树（数据挖掘方法之一）工具，只需要点击几下鼠标，就获得了改善药片溶出度的初步方案（如下图）：为了获得合格率最高的产品质量，初步的改善方案可以是：控制Screen Size=4或3，Spray Rate小于404。
评论