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Java编程语言中常用的两个比较操作符==和equals方法的区别及其应用场景。通过具体示例分析,帮助开发者更好地理解和使用这两个概念,特别是在处理基本数据类型和引用数据类型的比较时。 ... [详细]
  • 本文详细介绍了PHP中的几种超全局变量,包括$GLOBAL、$_SERVER、$_POST、$_GET等,并探讨了AJAX的工作原理及其优缺点。通过具体示例,帮助读者更好地理解和应用这些技术。 ... [详细]
  • 本文介绍了如何使用Java编程语言实现凯撒密码的加密与解密功能。凯撒密码是一种替换式密码,通过将字母表中的每个字母向前或向后移动固定数量的位置来实现加密。 ... [详细]
  • 本文介绍如何使用 Python 计算两个时间戳之间的时间差,并将其转换为毫秒。示例代码展示了如何通过 `time` 和 `datetime` 模块实现这一功能。 ... [详细]
  • Win8系统下摄像头无法开启的常见原因及解决方案
    部分用户反馈在Windows 8操作系统中遇到摄像头无法正常开启的问题。本文将探讨可能导致此现象的原因,并提供有效的解决策略。 ... [详细]
  • 宝塔面板下启用HTTPS的详细指南
    本文提供了在宝塔面板环境中配置HTTPS的具体步骤,确保您的网站通信更加安全可靠。 ... [详细]
  • 本文对清代诗人陈维崧的《本意和倪云林原韵》进行翻译,并对其原文进行了细致的赏析。 ... [详细]
  • 矩阵秩的计算方法及其应用
    本文旨在回顾并详细解释矩阵秩的计算方法,包括行最简形转换、行列式计算及矩阵分解等多种技术。通过实例解析,帮助读者深入理解矩阵秩的含义及其在数学分析中的应用。 ... [详细]
  • 本文介绍如何通过mysqladmin ext命令监控MySQL数据库的运行状态,包括性能指标的实时查看和分析。 ... [详细]
  • 使用 ModelAttribute 实现页面数据自动填充
    本文介绍了如何利用 Spring MVC 中的 ModelAttribute 注解,在页面跳转后自动填充表单数据。主要探讨了两种实现方法及其背后的原理。 ... [详细]
  • 使用REM和媒体查询实现响应式布局
    本文介绍如何利用REM单位和媒体查询(Media Queries)来创建适应不同屏幕尺寸的网页布局。通过具体示例,展示在不同屏幕宽度下如何调整页面元素的样式。 ... [详细]
  • 互联网先驱的隐退:陈天桥的盛大帝国为何陨落?
    在今年的两会上,李彦宏和马化腾依然是媒体追逐的焦点,而曾经的互联网先锋陈天桥却几乎无人问津。作为最早参与两会的互联网代表,陈天桥在2008年便当选为全国政协委员,但如今却显得格外低调。 ... [详细]
  • SPFA算法详解与应用
    当图中包含负权边时,传统的最短路径算法如Dijkstra不再适用,而Bellman-Ford算法虽然能解决问题,但其时间复杂度过高。SPFA算法作为一种改进的Bellman-Ford算法,能够在多数情况下提供更高效的解决方案。本文将详细介绍SPFA算法的原理、实现步骤及其应用场景。 ... [详细]
  • 如何正确设置游戏电脑的分辨率
    本文详细介绍了调整游戏电脑分辨率的方法,帮助用户解决因分辨率设置不当导致的显示问题。 ... [详细]
  • 本文详细对比了HashMap和HashTable在多线程环境下的安全性、对null值的支持、性能表现以及方法同步等方面的特点,帮助开发者根据具体需求选择合适的数据结构。 ... [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