飞思卡尔半导体公司
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
154
153
152
151
150
149
148
147
UCL = 152.8
X = 150.4
LCL = 148.0
7
6
5
4
3
2
1
0
UCL = 7.3
R = 3.2
飞思卡尔半导体公司...
LCL = 0
过程控制图图4.示例显示烤箱温度数据
其中， D4 ， D3和A2是由不同的样本常数
大小，在所示值的样本大小为2至10
下面的部分表：
n
D4
D3
A2
2
3.27
*
1.88
3
2.57
*
1.02
4
2.28
*
0.73
5
2.11
*
0.58
6
2.00
*
0.48
7
1.92
0.08
0.42
8
1.86
0.14
0.37
9
1.82
0.18
0.34
10
1.78
0.22
0.31
因为：
+
s
合计
+
s
合计
s
合计
s
A2
)
s
B2
)
s
C2
)
s
D2
)
s
E2
2
5 2
)
3 2
)
2 2
)
1 2
)
(0.4)
+
6.3
52
现在，如果只有D的识别和消除即可;
+
+
+
)
32
)
22
)
(0.4)2
+
6.2
)
(0.4)2
+
5.02
)
32
)
22
)
12
)
(0.4)2
+
4.3
*对于低于7的样本量，在LCLR将在技术上是
负数;在这些情况下，不存在下控制
限制;这意味着，对于一个子集大小如图6所示， 6 “相同的”
测量结果不会是不合理的。
控制图用于监控关键的变化
工艺参数。在R图显示的基本问题
一块拼凑的变化过程有关。在X图
通常可以识别人，机器，方法的变化，
等的可变性的来源可以是难以发现和
可能需要的实验设计技术来识别
归属的原因。
一些通用的规则已经确立，以帮助找出
煤矿当一个进程
OUT -OF -CONTROL 。
图5示出了
细分为区域A ，B控制图和C corre-
分别应的3西格玛，西格玛2和1西格玛限制。
在图6至图9 4 ，可用于测试的
找出过多的可变性和可分配的存在
显示的原因。由于熟悉某一过程
的增加，更细微的测试可以成功地使用。
一旦变性被识别时，可变性的原因
必须确定。通常情况下，只有几个因素具有显
关于该过程的总变异着性影响。在祁门功夫，功夫
的正确识别这些因素距离受到强调的
下面的例子。假设一个变化的过程依赖于
五因素A， B，C ， D和E.方差每个人都有应用的领域
， ANCE 5 3 ， 2 ， 1和分别为0.4 。
这导致了小于2 ％的总变异性的改善。
如果B，C和D被淘汰的话;
s
合计
52
这给出了一个相当好的改进的23％。如果
只有A被确定并从5降低到2 ，然后;
s
合计
22
识别和改进的可变性，从5到2给出
美国近40 ％的总变异的改进。
大多数技术可以用来识别主
可分配的原因（ S） 。外的控制条件可能
相关的记录过程中的变化。该产品
用最好的与最坏的部分细节进行分析
比较或产品分析实验室设备。多VARI-
ANCE分析可以用来确定杂物 - 家族
化（位置，关键或时间） 。最后，实验可能
运行测试的理论或因子分析。任何
方法的情况下，可分配的原因，必须识别和
以最迅速的方式可能消失。
后归属的原因已经消除，新的
控制界限的计算，以提供一个更有挑战性
变异性准则的过程。由于产量和可变性
提高，有可能变得更难以检测improve-
ments ，因为它们变得更小。当所有
可分配的原因已经消除，分
保持在25组控制极限，则处理所述
要在控制的状态。
摩托罗拉传感器设备数据
www.motorola.com/semiconductors
欲了解更多有关该产品，
转到： www.freescale.com
1–15
