假设您希望使用
产品报告执行连续积累以便确定复杂产品的整体性能度量。在此示例中,假设您具有包含下列装配件的产品:
- 装配件 1 需要 2 个单位的子装配件 1-1 和 1 个单位的子装配件 1-2。
- 装配件 2 需要 4 个单位的子装配件 2-1、2 个单位的子装配件 2-2 和 1 个单位的子装配件 2-3。
- 装配件 3 需要 1 个单位的子装配件 3-1、1 个单位的子装配件 3-2 和 6 个单位的子装配件 3-3。
最终产品需要 4 个单位的装配件 1、2 个单位的装配件 2 和 1 个单位的装配件 3。
将子装配件 1-1 和子装配件 1-2 的数据组合在一起,生成装配件 1 的报表。
C1 |
C2 |
C3 |
C4 |
C5 |
子装配件 |
缺陷数 |
单位 |
机会数/单位 |
移位 Z 值 |
1-1 |
61 |
140 |
26040 / 140 = 186 |
1.24 |
1-2 |
26 |
162 |
6156 / 162 = 38 |
1.23 |
在制作 70 个单位的装配件 1,的过程中,存在 72 个缺陷。总的来说,装配件 1 的 Z = 4.044 且 YRT = ..3558。因此,制作一个单位 0 缺陷的装配件 1 的概率大约是 36%。
使用下列数据为装配件 2 制作报表。
C1 |
C2 |
C3 |
C4 |
C5 |
子装配件 |
缺陷数 |
单位 |
机会数/单位 |
移位 Z 值 |
2-1 |
69 |
241 |
16147 / 241 = 67 |
1.42 |
2-2 |
30 |
307 |
7675 / 307 = 25 |
1.26 |
2-3 |
36 |
162 |
10692 / 162 = 66 |
1.36 |
在制作 60 个单位的装配件 2,的过程中,存在 94 个缺陷。总的来说,装配件 2 的 Z = 4.035 且 YRT = 0.2089。因此,制作一个单位 0 缺陷的装配件 2 的概率大约是 21%。
使用下列数据为装配件 3 制作报表。
C1 |
C2 |
C3 |
C4 |
C5 |
子装配件 |
缺陷数 |
单位 |
机会数/单位 |
移位 Z 值 |
3-1 |
26 |
203 |
7308 / 203 = 36 |
1.39 |
3-2 |
47 |
210 |
13440 / 210 = 64 |
1.41 |
3-3 |
45 |
160 |
7680 / 160 = 48 |
1.42 |
在制作 60 个单位的装配件 3,的过程中,存在 136 个缺陷。总的来说,装配件 3 的 Z = 3.984 且 YRT = 0.1034。因此,制作一个单位 0 缺陷的装配件 3 的概率大约是 10%。
您预期看到 17 个产品存在 162 个缺陷。整个产品的 Z = 4.023 且 YRT = 0.000073。因此,生产缺陷为 0 的整个产品的概率基本为 0。考虑大的机会计数(48620 总机会数除以 17 个产品为每个产品 2860 个机会)及 Z 为 4,这是预期值。
三个装配件的能力几乎一致,它们的 Z 值都非常接近于 4。