JMP在流程性產品質量改進中的應用
加入技術交流群
1.定義質量標準，找到目前產品和期望值之間的差距
對抽樣數據進行簡單分析，發現產品不合格率很高，16%批次的產品沒有達到溶出度放行要求。Cpk為0.27，僅相當于"2.3 sigma"，這肯定不是一個好的流程，更是遠遠沒有達到六西格瑪的流程。
2.確定生產流程的可能影響因素
該藥片的生產過程大致如下圖所示。每個過程的初始變量，過程變量都一一做了標注。這些變量是根據工作人員進行大規模頭腦風暴，結合生產管理人員的質量管理經驗進行初步挑選的。
3. 用統計方法進行分析，找到影響溶解度的關鍵因素，和影響方程y=f(x)
這是非常關鍵的分析步驟。使用正確的統計工具和方法，可以快速得到準確的結論，并且簡化分析流程，降低質量改善人員的學習時間，提高結果的可讀性。該藥廠在全球范圍內采用了高端六西格瑪軟件JMP。JMP在統計方法上集成了SAS在統計學方面的多種優勢，并且在圖形展示和易用性方面非常有特色。下圖是JMP對這批樣本數據進行分布圖分析的結果：
和普通質量統計軟件不同，在JMP的“交互式圖形分析”的幫助下，質量人員點擊鼠標，選定圖形左面第一個圖形中溶出度不合格的部分，即低于70%的部分，這部分不合格產品其他參數的分布馬上被自動加亮顯示出來（而且，在后臺的數據部分也被自動選中）。顯而易見，第四列圖形，即“screen size”參數的分布圖中，screen size＝5的那部分數據貢獻了大多數的不合格產品，而“screen size＝3”幾乎沒有影響，“screen size＝4”的影響則很小。這樣的功能，可以讓分析人員一眼就能看到X變量對于Y變量的影響，既直觀，又不需要太強的統計知識背景，使得統計方法在質量管理中的應用變得傻瓜化，簡單化，高效化。
4.獲得初步改善方案——數據挖掘
為了獲得初步的改善方向，該藥廠質量人員利用JMP的決策樹（數據挖掘方法之一）工具，只需要點擊幾下鼠標，就獲得了改善藥片溶出度的初步方案（如下圖）：為了獲得合格率最高的產品質量，初步的改善方案可以是：控制Screen Size=4或3，Spray Rate小于404。
評論