戴尔服务器型号PPT,戴尔PPAP.ppt

戴尔PPAP

* * * * * * * * * * * * Process Capability Dell Production Part Approval Process (PPAP) Course Outline 80% Alert Example Example: Nominal dimension: 400.00 Tolerance: +/-.5 Acceptable range: 399.5 – 400.5 Sum (400.3+400.4+400.5) = 401.2/3 = 400.4 上面的数字告诉了我们什么? 所有的产品都在规格内. 平均公差是0.4. FAI 表格中显示的是 Alert (80%). 制程不在名义上的中限 基于这些测量的标准偏差 在统计学上是否是有效的? NO Why not? 3个数字没有统计意义 Based on the data we have: 生产的产品是否为超过公差范围? 这种制程有很高的可能性制造出超过规格的产品，但是还是没有充足的证据说明这一定会发生。 3 piece FAI sample: 400.3 400.4 3. 400.5 80% Alert Example 一般来说，一个标准尺寸，公差为+/-5的制程，若其属于正常的制程， 我们可以设想其分布状态如下所示: 80% Alert Example 如上图所示，该制程所生产的产品是否在规格范围内? 生产制程能否达到产量水平? 是的.有可能在规格内但可能达不到产量水平 如何才能寻找出其真正的分布状态? 只有一种方法 – 做制程能力分析 80% Alert Example 我们从制程能力分析中能得到什么? 从制程能力分析可以得出低的 Cp/Cpk OR 80% Alert Example 制程也许是可以接受的，但是标准偏差很小。 80% Alert Example 什么样的情况下会有如下分布状态? Distance between two holes punched in the same station of a fixed die Hole diameters (can change over time with tool wear) Emboss diameters (can change over time with tool wear) 模具是否需要修模? 为什么? 无论时间变化，模具或制程生产的产品都是于一个集中区间 80% Alert Example 在制程能力分析之后, 如果实际的分布状况如下图所示, 用于做FAI的样品是否可以证明模具不需要被修正? NO! Why not? 所有用于 FAI的样品都是在规格之内的. 如下图分布状态的制程会随时间的变化而变化，从大量的产品中选取的样品可能就不在规格之内。 超规的产品是否会造成组装的问题? Yes 100% Alert Example Example: Nominal dimension: 400.00 Tolerance: +/-.5 Acceptable range: 399.5 – 400.5 3 piece FAI sample: 400.5 400.5 400.5 Sum (400.5+400.5+400.5) = 401.5/3 = 400.5 以上数据告诉我们什么信息? 所有样品都在规格内. 平均公差为0.5. FAI 表格会显示 Alert (100%). 制程不集中在中限 只有三个尺寸完全一样并且都在上限或下限才会出现100%Alert。 上面的数据有什么没有告诉我们的? 制程的 sigma不清晰 Based on the data we have: 该模具生产的产品是否会超过公差带? 这种制程有很高的可能性制造出超过规格的产品，但是还是没有充足的证据说明这一定会发生。 100% Alert Example 基于现有的数据, 我们的制程是什么样的情况? 所有的制程都会变化. 我们如何解释3个产品完全一致? 样本数太少 测量的治具分辨率不够 作业人员在测量或填写报告中出现错误 我们的制程是否还有可能在可接受的水平下制造出符合规格的产品? NO! Disposition of Alert Dimensions 为什么必须要关注Alert? 按照定义上, 产品没有达到定义的标准公差则不能满足装配之后的标准。 对Dell PPAP制程Alerts 要如何处理? 供应商要对每一个 alert 尺寸提交一份Cp and Cpk 数据