热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

优思学院|质量工程师不可不知的DPU、PPM、DPMO、DPO、RTY

质量工程师经常都会接触到一些术语,其中最常见而又最易令他们混淆的,应该就是DPU、PPM(DPPM)、DPMO、DPO和RT



质量工程师经常都会接触到一些术语,其中最常见而又最易令他们混淆的,应该就是DPU、PPM(DPPM)、DPMO、DPO和RTY了。

其实在进行质量改善或者六西格玛项目时,准确地测量过程性能指标的方法对于了解过程的当前状态和所做改变的价值至关重要。

五种最常见的测量方法是每单位缺陷(DPU)每百万次机会中的缺陷(DPMO)每个机会中的缺陷数(DPO)每百万个中的不良个数(DPPM),以及RTY(直通率)



为什么质量人也会容易混淆这些指标?

为什么质量人也会容易混淆这些指标?其实第一个关键在于搞不清两个概念的区别,第一个是 "缺陷",第二个是 "不良"。

缺陷(Defects)这指的是在一个操作中或在一件产品上的缺陷或差异的数量,其中可以发现不止一个缺陷(瑕疵)。例如,一辆汽车是一个过程中的一个成品单元。一辆汽车还包含许多不同的区域,这些区域被组装成一辆成品车。这些区域中的任何一个部分座椅、仪表板、发动机、排气系统等等,都可能有缺陷。因此,10辆成品车可能有10个以上的缺陷。

不良(Defectives)这指的是一件(整件)产品是不可接受的,通常是基于多个缺陷的累积,也可能是关键功能失效。同样,使用汽车的情景,这意味着10辆汽车最多可以有10个缺陷单位,因为每辆车代表一个单位。

所以,当你的产品质量特性是以测量缺陷(Defects)为主的,还是以测量不良(Defectives)为主的,就会影响你使用哪一个指标了,具体可以参照下图。


DPU(每单位缺陷)

DPU(Defects Per Unit)是衡量每一个产品单位的平均缺陷数量。它是通过将发现的缺陷总数除以单位数而得出的。

例如,如果生产了30个产品,总共发现了60个缺陷,DPU等于2。


DPMO(每百万次机会中的缺陷数)

这表示一百万次机会中的缺陷数量的比率。换句话说,在每一个有缺陷或错误的机会中,你有多少次出现缺陷或错误(瑕疵)。

DPMO的计算公式如下:

很多人喜欢将DPMO转化为六西格玛水平,因为他们追求六西格玛水平的目标,即是达到每100万个机会中有3.4个缺陷。


DPO(每个机会中的缺陷数)

DPO是比较少用的,因为它和DPMO的唯一区别在于没有"百万次"的概念,只描述每个机会的缺陷数,如果一个六西格玛水平的绩效是 3.4 DPMO,那么DPO就是0.0000034,用起来也非常不方便。


DPPM(每百万个中的不良数量)

DPPM代表每100万个单位中的缺陷数量。这里的"D"指的是Defectives而不是指Defects,第一个"P"指的是Parts。这就是DPPM和DPMO的关键区别了!


DPPM的计算方法是:简单地将相同规模的不良单位的数量,除以总样本量,再乘以100万。

例如,对50张卡片进行抽样,发现有三张是有缺陷的。那么PPM的缺陷就是。


RTY(直通率)

RTY(也称为直通率)是衡量一个制造或服务过程产生一个无不良产品的概率(或时间百分比)。这个概率可以通过把每个步骤的通过率相乘得出,就如下图的例子一样。

例如,一个四步法的工艺,第一步的通过率为0.98,第二步为0.95,第三步为0.90,第四步为0.80。

RTY = (0.98)(0.95)(0.90)(0.80) = 0.67032

意味着在这个过程中,只有67.032%的产品能够直接通过所有四个步骤,而不需要任何返工或修理。


总结

了解这过程积效的度量指标,可以让质量工程师们快速地掌握制程的能力和绩效,这样才会有改善的基础。





推荐阅读
  • 本文探讨了如何通过最小生成树(MST)来计算严格次小生成树。在处理过程中,需特别注意所有边权重相等的情况,以避免错误。我们首先构建最小生成树,然后枚举每条非树边,检查其是否能形成更优的次小生成树。 ... [详细]
  • OPPO黄页服务即将停止
    OPPO黄页服务因业务调整即将停止,用户需了解具体卸载路径及受影响的机型。 ... [详细]
  • 本文详细介绍了暂估入库的会计分录处理方法,包括账务处理的具体步骤和注意事项。 ... [详细]
  • PHP 编程疑难解析与知识点汇总
    本文详细解答了 PHP 编程中的常见问题,并提供了丰富的代码示例和解决方案,帮助开发者更好地理解和应用 PHP 知识。 ... [详细]
  • 深入理解OAuth认证机制
    本文介绍了OAuth认证协议的核心概念及其工作原理。OAuth是一种开放标准,旨在为第三方应用提供安全的用户资源访问授权,同时确保用户的账户信息(如用户名和密码)不会暴露给第三方。 ... [详细]
  • 极大似然估计(MLE)及其3D可视化解析
    本文详细介绍了极大似然估计(Maximum Likelihood Estimation, MLE)的推导过程,并通过3D可视化展示其在概率密度函数中的应用。我们将探讨如何利用MLE来估计参数,以及它在实际问题中的重要性。 ... [详细]
  • 2023 ARM嵌入式系统全国技术巡讲旨在分享ARM公司在半导体知识产权(IP)领域的最新进展。作为全球领先的IP提供商,ARM在嵌入式处理器市场占据主导地位,其产品广泛应用于90%以上的嵌入式设备中。此次巡讲将邀请来自ARM、飞思卡尔以及华清远见教育集团的行业专家,共同探讨当前嵌入式系统的前沿技术和应用。 ... [详细]
  • 本文介绍如何解决在 IIS 环境下 PHP 页面无法找到的问题。主要步骤包括配置 Internet 信息服务管理器中的 ISAPI 扩展和 Active Server Pages 设置,确保 PHP 脚本能够正常运行。 ... [详细]
  • Python 异步编程:深入理解 asyncio 库(上)
    本文介绍了 Python 3.4 版本引入的标准库 asyncio,该库为异步 IO 提供了强大的支持。我们将探讨为什么需要 asyncio,以及它如何简化并发编程的复杂性,并详细介绍其核心概念和使用方法。 ... [详细]
  • 探讨一个老旧 PHP MySQL 系统中,时间戳字段不定期出现异常值的问题及其可能原因。 ... [详细]
  • 国内BI工具迎战国际巨头Tableau,稳步崛起
    尽管商业智能(BI)工具在中国的普及程度尚不及国际市场,但近年来,随着本土企业的持续创新和市场推广,国内主流BI工具正逐渐崭露头角。面对国际品牌如Tableau的强大竞争,国内BI工具通过不断优化产品和技术,赢得了越来越多用户的认可。 ... [详细]
  • 优化ListView性能
    本文深入探讨了如何通过多种技术手段优化ListView的性能,包括视图复用、ViewHolder模式、分批加载数据、图片优化及内存管理等。这些方法能够显著提升应用的响应速度和用户体验。 ... [详细]
  • 郑州大学在211高校中的地位与排名解析
    本文将详细解读郑州大学作为一所位于河南省的211和双一流B类高校,在全国211高校中的地位与排名,帮助高三学生更好地了解这所知名学府的实力与发展前景。 ... [详细]
  • 深入理解 Oracle 存储函数:计算员工年收入
    本文介绍如何使用 Oracle 存储函数查询特定员工的年收入。我们将详细解释存储函数的创建过程,并提供完整的代码示例。 ... [详细]
  • 优化ASM字节码操作:简化类转换与移除冗余指令
    本文探讨如何利用ASM框架进行字节码操作,以优化现有类的转换过程,简化复杂的转换逻辑,并移除不必要的加0操作。通过这些技术手段,可以显著提升代码性能和可维护性。 ... [详细]
author-avatar
追求的幸福2012_102
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有