关于SPC在制程中的应用概述课件

StatisticalProcessControlSPC在制程中的應用12/11/20221StatisticalProcessControlS明碁電通有達光電仁寶電腦震旦電子華通電腦聯想電腦毅嘉電子台光電子宏合電子群鑫電子大展電路板上聲電子展勝電業毓冠電子鍵和電子方志電子訊舟電子賽博電器同健電子川邊電子綠點科技宏崇化學正峰工業立輝金屬全億金屬永成五金合冠鞋業興鵬鞋業裕元鞋業裕成製鞋廠福泰塑膠寶元數控輪興機械永益印刷長益印刷東鵬印刷商亮燈飾千麗燈飾聯盈塑膠順傳五金勛力嬰兒車越南寶元鞋業泰祥汽車配件鍾慶汽車配件太子汽車工業……..ISO9000,QS9000,TS16949,日常管理，目標管理，生產管理統計製程管制，6σ訓練輔導

●主要研究領域：●主要輔導或授課廠商：健峰企業管理顧問股份有限公司顧問師健峰企業管理顧問股份有限公司6σ黑帶合格講師

●現任職：歷經生產主管、品管經理、生產廠長、董事長特別助理等職務●主要企業經驗：12/11/20222明碁電通有達光電仁寶電腦震課程大綱基本統計概述直方圖基本統計量數SPC背景說明制程變異分析建立SPC步驟管制圖制程能力研究實例演練12/11/20223課程大綱基本統計概述12/9/20223統計制程管制【SPC】

◎統計製程管制之目的係持續改善產品與服務的價值，達到顧客滿意。◎製程能力調查【Ca、Cp、Cpk】◎管制圖的運用作業方式/資源混用方式人員設備材料方法環境產品或服務顧客辨識變化的需求與期望統計方法製程的聲音輸入製程/系統輸出顧客的聲音製程回饋管制系統模式12/11/20224統計制程管制【SPC】統計方法的意義群體與樣本資料的分類資料的分析品質管制與統計方法一、基本統計概述12/11/20225統計方法的意義一、基本統計概述12/9/20225統計概念區分沒有顯著差異有顯著差異沒有顯著差異βRiskTypeIIerror有顯著差異αRiskTypeIerror判斷上事實上12/11/20226統計概念區分沒有顯著有顯著沒有顯著βRisk有顯著αR問題類型的分析對的問題比對的答案更重要有清楚的實驗策略，比急著去做實驗更重要問題類型T型A型X型造成問題的原因明確明確不明確操作條件明確不明確不明確解決工具QC七大手法管制圖層別法檢定相關迴歸D.O.ED.O.E12/11/20227問題類型的分析對的問題比對的答案更重要問題類型T型A型X統計方法的意義規劃資料的收集，整理與解釋資料，並據以導出結論或予以推廣的制程，稱為統計方法。闡述統計方法與理論的科學，即為統計學。上述統計方法，乃自全部資料中，抽取部分資料，此部份資料的收集、整理，並將其結果加以解釋，使不了解統計分法的仁得以了解，並據以對全部資料作成結論，或推導出全部資料所蘊含的特性。12/11/20228統計方法的意義規劃資料的收集，整理與解釋資料，並據以導出結論統計資料屬性資料屬量資料合格/不合格好/不好滿意/不滿意計數值

─間斷資料計量值

─連續資料12/11/20229統計資料屬性資料屬量資料合格/不合格計數值12/9/20群體與樣本群體〈Population〉，可為整個制程的所有製品或半成品之全部測定值，亦可為一大批貨品，一小批貨品，一天內的製品或半成品，一小時內的製品。群體〈Population〉以N表示。計數值群體不合格率計量值群體平均數μ

，群體標準差σ群體的構成，特別應注意層別：不同批原料、不同機器設備、不同班別、不同操作員等。12/11/202210群體與樣本群體〈Population〉，可為整個制程的所有製群體與樣本樣本〈Sample〉，為自群體中選取的一部分製品或半成品之測定值，或自整個檢驗批中抽取一部分製品或半成品之測定值。樣本〈Sample〉以n表示。計數值樣本不合格率計量值樣本平均數X

，樣本標準差σ

x樣本的取得，特別應注意隨機性：並能夠代表群體為原則。12/11/202211群體與樣本樣本〈Sample〉，為自群體中選取的一部分製品或資料的分類

時間分類標準：日、周、月、季、半年、年。空間分類標準：不同生產線、不同銷售區、不同材料來源。12/11/202212資料的分類時間分類標準：12/9/202212資料的分析查檢表次數分配表柏拉圖直方圖圓形圖推移圖長條圖12/11/202213資料的分析查檢表12/9/202213品質管制與統計方法品質管制的發展階段：操作員品管、領班品管、統計品管〈SPC〉、全面品管〈TQC〉、全面品質管理〈TQM〉，六大階段。自第四階段的統計品管〈SPC〉，Dr.Shewhart博士(1924年)發表『製造產品品質的經濟管制』以後，統計方法即持續運用於品質管制中。舉凡(1)市場分析(2)產品設計(3)可靠度規格，壽命/耐用性預測(4)製程管制/製程能力分析(5)品質水準/抽樣檢驗計畫之決定(6)數據分析/性能評估/缺點分析等，均導入適當之統計方法。12/11/202214品質管制與統計方法品質管制的發展階段：操作員品管、領班品管、品質管制與統計方法可用之特殊統計方法及應用包含〈但並不限於〉：

(1)實驗計畫法/因子分析(2)變異數分析/迴歸分析(3)安全性評估/風險分析(4)顯著性檢定(5)管制圖(6)抽樣檢驗12/11/202215品質管制與統計方法可用之特殊統計方法及應用包含〈但並不限於〉直方圖的意義次數分配直方圖的應用二、直方圖12/11/202216直方圖的意義二、直方圖12/9/202216直方圖的意義定義將測量所得的Data如時間、長度、硬度等計量值，劃分成數個組間，計算各組間數據出現的次數，以便瞭解其分配的狀況的圖表，叫作直方圖。

直方圖係根據次數分配表而繪製。12/11/202217直方圖的意義定義12/9/202217直方圖的意義繪制直方圖之目的(1)測知製程能力(2)計算產品不良率(3)調查是否混入二個以上不同的群體(4)測知有無假數據(5)測知分布型態12/11/202218直方圖的意義繪制直方圖之目的12/9/202218直方圖的應用直方圖的作法1.決定Data收集期並收集Data

最少要有50個Data，最好要有100個以上2.找出Data中之最大及最小值Ex:L=23.4S=20.23.決定組數-------K等於n的平方根Ex:n=50k=74.決定組距h--將最大值減去最小值後，除以組數，再取最小測量單位的整數倍即可Ex:（L-S）/K=（23.4-20.2）/7=0.46h=0.5（取最小量測單位之整數倍）5.決定組界值--由最小值減去最小測良單位的1/2，就是第一組的下限，再逐次加上各組距，直到可含蓋最大值即完成Ex:20.2-0.1/2=20.15（第一組下界）20.15+0.5=20.65（第一組上界、第二組下界）20.65+0.5=21.15（第二組上界、第參組下界）..............................23.15+0.5=23.65（已大於最大值）數據數組數50-100100-250250l以上6-107-1210-2012/11/202219直方圖的應用直方圖的作法數據數組數50-1006-1012/直方圖的應用直方圖的作法

6.求出各組的中心值--各組上界加下界除以二Ex:（20.15+20.65）/2=20.40第一組中心值7.計算落在各組內的

次數

8.作成直方圖9.記入必要的事項如產品名、規格、Data數量…...12/11/202220直方圖的應用直方圖的作法12/9/202220直方圖的應用(1)測知製程能力

23456789101112.027.056.083.111.139.167.139.111.083.056.02712/11/202221直方圖的應用(1)測知製程能力23456789101112直方圖的應用(2)計算產品不良率

規格LSLUSL規格LSLUSL規格LSLUSL12/11/202222直方圖的應用(2)計算產品不良率規格LSLUSL直方圖的應用(3)調查是否混入二個以上不同群體：

二批不同材料、二個不同操作員、二個不同班別、二台不同機器、二條不同生產線‧‧‧‧

雙峰型直方圖12/11/202223直方圖的應用(3)調查是否混入二個以上不同群體：雙峰型直直方圖的應用(4)測知有無假數據：

據說曾有一家輪胎廠，廠房坐落在大水溝旁，檢驗員檢驗結果，如發現不合格之製品，就將其丟入大水溝內‧

削壁型直方圖依統計學來分析，此種情形不可能存在。12/11/202224直方圖的應用(4)測知有無假數據：削壁型直方圖依統計學直方圖的應用(5)測知分配型態

正態型、離島型、右偏型‧‧

規格

規格0%12/11/202225直方圖的應用(5)測知分配型態規格規格0%12/9/20.6610.6500.6470.6460.6490.6450.6410.6500.6480.6490.6450.6470.6460.6550.6490.6580.6540.6600.6530.6590.6600.6650.6490.6510.6370.6500.6430.6490.6400.6460.6500.6440.6400.6520.6570.6480.6540.6500.6540.6550.6560.6570.6630.6620.6470.6470.6420.6430.6490.6480.6380.6380.6490.6420.6370.6550.6520.6540.6490.6570.6540.6580.6520.6610.6540.6450.6410.6440.6470.6410.6500.6520.6430.6410.6530.6470.6520.6490.6520.6530.6510.6600.6550.6580.6490.6470.6410.6440.6400.6430.6460.6340.6380.6450.6500.6480.6490.6500.6490.655(例)有一機械廠，為瞭解製品外徑尺寸之變化，由產品抽取100個樣本測定其外徑，測定結果如下表，試作次數分配表。實例說明12/11/2022260.6610.6500.6470.6460.6490.645實例說明(1)定組數：(2)求組距：全距＝Xmax－Xmin＝0.665－0.634＝0.031

組距＝＝0.0031→0.00312/11/202227實例說明(1)定組數：12/9/202227實例說明(3)決定區間之境界值第一組下組界＝最小測定－1/2測定單位＝0.634－＝0.6335。以0.6335累加0.003得各區間之境界值，如次數分配表。(4)計算各組間之中心值第一組中心值＝＝0.635以0.635累加0.003得各區間中心值。12/11/202228實例說明(3)決定區間之境界值12/9/202228次數分配表組數組界中心值劃記次數10.6335–0.63650.635120.6365-0.63950.638

530.6395-0.64250.641

1040.6425-0.64550.644

1150.6455-0.64850.647

1560.6485-0.65150.650

2270.6515-0.65450.653

1580.6545-0.65750.656

990.6575-0.66050.659

7100.6605-0.66350.602

4110.6635-0.66650.665

1合計

10012/11/202229次數分配表組數組界中心值劃記次數10.6335–0.612/11/20223012/9/202230有一機械產品的產品特性為『內徑』〈KPCof2.50±0.05mm〉，今於Pre-ProductionRun抽取40個產品測定結果如下表，產品量測過程的檢驗人員及量測設備，其GageR&R為85%以上。實例演練2.552.542.552.532.522.542.512.462.452.472.462.492.532.552.492.462.452.482.512.532.552.552.522.532.482.462.532.542.472.472.542.532.492.472.472.542.552.492.542.45身為QE的您，對以上之數據有何評價《請與工程規格作一比較》？PPAP是否可接受？採用『直方圖』來評價。12/11/202231有一機械產品的產品特性為『內徑』〈KPCof2.50平均值(Mean)：代表一群數據的總合平均數值標準偏差(StandardDeviation)：表示該群數值間差異大小的一個數值。三、基本統計量數A牌電燈泡平均壽命為：800hrsB牌電燈泡平均壽命為：700hrs您可能會購買AorB?Why?12/11/202232平均值(Mean)：代表一群數據的總合平均數值三、基本統計中心趨向的測量平均值:一组数据的算术平均值反应所有值的影响散佈的測量极差〈全距〉:数据组內數值之间的距离(Max–Min)方差（）:每一个数据点到平均值的偏离的平方的均值

标准偏差（）:方差的平方根X=───ni=1nXi12/11/202233中心趨向的測量平均值:一组数据的算术平均值散佈的測量极差群體平均值样本平均值群體标准偏差样本标准偏差X12/11/202234群體平均值样本平均值群體标准偏差样本标准偏差X12/9/20準確度精密度高低高低PrecisionAccuracy12/11/202235準確度精密度高低高低PrecisionAccuracy正态分布“正态”分布是一种数据具有某些一致的特性的分布

这些特性对于我们理解后面采集数据的过程是非常有用的

多数自然现象和人类行为的过程是呈正态分布的,或者

可以看成正态分布12/11/202236正态分布“正态”分布是一种数据具有某些一致的特性的分布95.45%99.73%68.27%-3-2-1X+1+2+3正態分佈P(u-Xu+)=0.6827

P(u-2Xu+2)=0.9545

P(u-3Xu+3)=0.9973於uk之間的機率群體：N規格中心值：T平均數：X〈集中趨勢〉

標準偏差：〈離散趨勢〉被涵蓋在特定範圍的機率

當X=μ時12/11/20223795.45%99.73%68.27%-3NormalDistribution-ListmTUSLLSLP(d)Z12/11/202238NormalDistribution-ListmTUS標準偏差m轉折點1sTUSLp(d)規格上限(USL) 目標規格值(T)規格下限(LSL) 分佈平均值(m)分佈的標準偏差(s)3s在轉折點和平均值的距離形成一個標準差.假如目標值和規格上限之間可以放置三個標準偏差我們可以說這個製程有“3sigma的能力.”LSL12/11/202239標準偏差m轉折點1sTUSLp(d)規格上限(USL) 目m1sTUSLp(d)p(d)1 2 3 4 56s3sThisisa6SigmaProcess標準偏差轉折點12/11/202240m1sTUSLp(d)p(d)1 2 3 4 性质1:正态分布只用下列2个我们已知的参数就可以完全描述

平均值,和标准偏差正态分布分布1分布2分布3这三个正态分布有什么区别?12/11/202241性质1:正态分布只用下列2个我们已知的参数就可以完全描述

正态曲线和概率区域与标准偏差的关系43210-1-2-3-440%30%20%10%0%95.45%样本数概率

从平均值的标准偏差数性质2:曲线下的面积可以用来评估确定“事件”发生的累计概率99.73%68.27%获得的两个值之间的累积概率值12/11/202242正态曲线和概率区域与标准偏差的关系43210-1-2-3-

1Sigma2Sigma3Sigma1Sigma2Sigma3Sigma68.26%95.45%99.73%%数据点的百分比UCLLCL时间我们测量的项目标准偏差规则

“数据处于哪个位置?”12/11/2022431Sigma2Sigma3Sigma1Sigma母体参数对样本统计量S=样本标准偏差x=样本平均值统计量评估参数

=母体平均值=母体标准偏差12/11/202244母体参数对样本统计量S=样本标准偏差x=样本平均值什麼是6sigmaSixSigma–是一種新思維程序是一種系統式的降低會對顧客滿意有重要影響的不良工具利用統計工具，進行重要制程能力的改善12/11/202245什麼是6sigmaSixSigma–是一種新思維12降低不良改善產出改善顧客滿意度更高的淨營利6-Sigma

的目標12/11/202246降低不良6-Sigma的目標12/9/2022466Sigma–目標(DPMODistributionNoShifted)–制程中心沒有偏移245,50032,70046450.660.002sPPM製程能力每百萬個不良機會12/11/2022476Sigma–目標(DPMODistributio零件數/製程數零件/製程中心沒有偏移裝配成品之良品率%+1σ+2σ+3σ+4σ+5σ+6σ168.2795.4599.7399.993799.99994399.9999998102.2062.7897.3399.9499.999499.99999850─9.7587.3699.6999.99799.99998100─0.9576.3199.3799.99499.9999500──25.8896.9099.9799.99981000──6.7093.8999.9499.99985000───72.9899.7299.99910000───53.2699.4399.99812/11/202248零件數/製程數零件/製程中心沒有偏移裝配成品之良品6Sigma–目標(DPMODistributionShifted±1.5s)–制程中心偏移1.5ssPPM製程能力每百萬個不良機會12/11/2022496Sigma–目標(DPMODistributio零件數/製程數零件/製程中心偏移1.5σ裝配成品之良品率%+1σ+2σ+3σ+4σ+5σ+6σ130.2369.1393.3299.379099.9767099.99966010─2.4950.0993.9699.7699.996650──3.1573.2498.8499.983100───53.6497.7099.966500───4.4489.0099.831000───0.2079.2199.665000────31.1998.3110000────9.7396.6612/11/202250零件數/製程數零件/製程中心偏移1.5σ裝配时间表现在过程性能力上的革新好的坏的3Sigma(CpK=1)6Sigma(Cpk=2)12/11/202251时间表现在过程性能力上的革新好的坏的3Sigma(CpK改變中的品質哲學最高品質的產品和服務是最低成本的產品和服務12/11/202252改變中的品質哲學最高品質的產品和服務是12/9/202252sPPM2308,537366,80746,210523363.4(DistributionShifted±1.5σ)GettingtoSixSigmaHowfarcan

inspection

getus?12/11/202253sPPM2308,537366,80746,21052336BreakthroughStrategyCharacterizationPhase1:MeasurePhase2:AnalyzeOptimization345671,000,000100,00010,0001,0001001012SigmaScaleofMeasurePPMAverageCompanyBest-in-ClassTheBreakthroughMethodologyDefinetheproblem...DMAICtotheRescue!TheBasicObjectivePhase3:ImprovePhase4:Control12/11/202254BreakthroughStrategyCharacteri問題的本性SixSigma的方法可以辨識製程是偏離目標和/或者是高度變異,以修訂製程及降低變異偏離目標變異大正中目標修訂製程降低變異XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX12/11/202255問題的本性SixSigma的方法可以辨識製程是偏離目標偏另類觀點LSLUSLUSLLSLOn-Target從統計觀點來看問題USLLSLLSL=LowerspeclimitUSL=Upperspeclimit問題的本性-統計觀點偏離目標變異大修訂製程降低變異12/11/202256另類觀點LSLUSLUSLLSLOn-Target從統計觀點SPC興起的背景SPC的迷思SPC的焦點SPC的思考SPC的診斷四、SPC背景說明12/11/202257SPC興起的背景四、SPC背景說明12/9/20225對品質常有的錯誤觀念大多數的品質問題是錯在作業人員容許少數的不良,意外的瑕疵是無可避免的品質是品管部門的責任只重視品質檢驗,檢驗人員需負責解決瑕疵品SPC只是在現場掛管制圖12/11/202258對品質常有的錯誤觀念大多數的品質問題是錯在作業人員12/9/對品質的正確觀念85%的品質問題是管理人員所要擔負的,管理者態度的偏差，更勝過作業人員的懶散第一次就把事情做好,並且將後工程視為顧客,才能真正做到零缺點品質品質和公司每一個人都有關品質檢驗是可以解決問題但卻無法消除問題SPC是讓品質保證的系統持續運轉不斷改善製程,以提昇品質與生產力12/11/202259對品質的正確觀念85%的品質問題是管理人員所要擔負的,管理者SPC興起的背景SPC興起是宣告『經驗掛帥時代』的結束─手工藝的產業：SPC無用武之地→經驗取勝─當經驗可以整理，再加上設備、制程或系統時，那SPC時機的導入，就自然成熟了。SPC興起是宣告『品質公共認證時代』的來臨─1980年以前，客戶大都以自己的資源與方法，來認定某些合格的供應商，造成買賣雙方的浪費。─1980年以後，『GMP』及『ISO9000』的興起，因為重視產品生產的『制程』與『系統』，故更須有賴SPC來監控『制程』與『系統』的一致性。12/11/202260SPC興起的背景SPC興起是宣告『經驗掛帥時代』的結束SPC的迷思迷思一：有管制圖就是在推動SPC？

─這是產品品質(Q)，還是制程參數(P)管制圖？─這張管制圖是否有意義？─它所管制的參數，真的對產品品質有舉足輕重的影響嗎？─管制界限訂的有意義嗎？─這張管制圖，是否受到應有的重視？是否已遵照規定，實施追蹤與研判？12/11/202261SPC的迷思迷思一：有管制圖就是在推動SPC？12/SPC的迷思迷思二：有了Cpk/Ppk等計算就是在推動SPC？

─Cpk/Ppk有定期審查嗎？─是否已用Cpk/Ppk作訂單分派給不同生產線，作為生產的依據？12/11/202262SPC的迷思迷思二：有了Cpk/Ppk等計算就是在推SPC的迷思迷思三：有了可控制的制程參數(ProcessParameter)，就是SPC？

─為什麼挑出這些制程參數？─這些制程參數的控制條件，是如何決定的？─這些制程參數與產品品質之間，有因果關係可循嗎？

12/11/202263SPC的迷思迷思三：有了可控制的制程參數12/9/2022SPC的焦點→制程(Process)SPC與傳統SQC的最大不同點，就是由

Q→P的轉變

SQC：強調Quality→產品的品質，換言之，它是著重於買賣雙方可共同評斷、鑑定的一種『既成事實』。SPC：則是希望將努力的方向更進一步的放在品質的源頭→制程(Process)上。因為制程的起伏變化，才是造成品質變異(Variation)的主要根源。

12/11/202264SPC的焦點→制程(Process)SPC與SPC的焦點→制程(Process)品質變異的大小，也才是決定產品優劣的關鍵

制程起伏條件品質異常產品優劣因因果果12/11/202265SPC的焦點→制程(Process)品質變異的大SPC的思考P1P2P3P4對產品的影響度A(5)C(1)B(3)A(5)(溫度)AP1AP2AP4A(壓力)BP2BP3B(速度)CP1CP3CP4C(尺寸)DP2DP4D(厚度)EP1EP4E制程參數制程12/11/202266SPC的思考P1P2P3P4對產品的A(5)C(1)B(3SPC的思考步驟一：深入掌握因果模式

制程參數(因)/品質貢獻率(果)分析→柏拉圖分析步驟二：設定主要參數的控制範圍

→以迴歸分析方法或實驗設計來分析

12/11/202267SPC的思考步驟一：深入掌握因果模式12/9/202267SPC的思考步驟三：建立制程控制方法

‧控制頻率‧樣本抽取方法‧樣本量測方法步驟四：抽取成品來印證原始系統是否仍然正常運轉？

12/11/202268SPC的思考步驟三：建立制程控制方法12/9/202268SPC的診斷品質是否更穩定？良品率是否提高？制程是否更流暢？成本是否更低廉？異常是否更快能被偵測到？品管員是否逐漸在減少？12/11/202269SPC的診斷品質是否更穩定？12/9/202269統計制程管制的定義非機遇原因變異機遇原因變異制程控制與制程能力制程改善循環五、制程變異12/11/202270統計制程管制的定義五、制程變異12/9/202270統計制程管制的定義經由制程中去收集資料，而加以統計分析，從分析中得以發覺制程的變異，並經由問題分析以找出異常原因，立即採取改善措施，使制程恢復正常。並藉由制程能力分析與標準化，以不斷提昇制程能力。12/11/202271統計制程管制的定義經由制程中去收集資料，而加以統計分析，從分制程控制的需要檢測─容忍浪費

允許將時間和材料投入到生產不一定有用的產品或服務中預防─避免浪費

『第一次就把工作做對』12/11/202272制程控制的需要檢測─容忍浪費變異—機遇原因與非機遇原因為了使變異的表示簡化，通常分成下列二種： 機遇原因的變異

制程中變異因素是在統計的管制狀態下『受控』。隨著時間的推移，具有穩定的且可重複的分佈制程中的許多『全距』的原因。

非機遇原因的變異制程中不常發生，但造成制程變異的原因。所造成之分佈與時間的關係，是不穩定且不無法預期的。12/11/202273變異—機遇原因與非機遇原因為了使變異的表示簡化，通常分成下列散布举例非機遇原因过程A显示受控散布过程B显示不受控散布12/11/202274散布举例非機遇原因过程A显示受控散布12/9/20227因為生產制程中每一件成品都不同，因此如果製程很穩定，則生產產品的品質特性的分布將形成一種固定形狀，稱為分佈。一般分佈有下列之不同情形：位置分佈寬度形狀大小→大小→大小→…….或是以上這些的不同組合12/11/202275因為生產制程中每一件成品都不同，因此如果製程很穩定，則生產產如果制程中，只有機遇原因的變異存在，則其成品將形成依各很穩定的分佈，而且是可以預測的如果制程中，有非機遇原因的變異存在，則其成品將為不穩定的分佈，而且無法預測的範圍→時間可預測範圍→時間無法預測12/11/202276如果制程中，如果制程中，範圍→時間可預測範圍→時間無法預大量之微小原因所引起原料在一定範圍內之微小變異機械之微小振動儀器測定時，不十分精確之做法依據作業標準執行作業的變化實際上，要除去制程上之機遇原因，是件非常不經濟之處置一個或少數幾個較大原因所引起使用規格外的原物料新手之操作人員不完全之機械調整未依據作業標準執行作業所制訂之作業標準不合理非機遇原因之變異，不但可以找出其原因，並且除去這些原因之處置，在經濟觀點上來說，是正確的機遇原因非機遇原因12/11/202277大量之微小原因所引起一個或少數幾個較大原因所引起機遇原因非機非機遇原因的變異簡單的統計分析可發現如管制圖直接負責制程的人員去改善局部措施改善對策局部措施→改善非機遇原因牽涉到消除產生變異的非機遇原因可由製程人員直接加以改善大約可以解決15%之制程上的問題12/11/202278非機遇原因的變異簡單的統計分析可發現如管制圖直接負責制程的人系統措施→改善機遇原因共同原因的變異製程能力分析可發現如Ca，Cp，Cpk，及管制圖上點的變化管理當局參與及製程人員合作去改善系統改善對策必須改善造成變異的機遇原因經常需要管理階層的努力與對策大約可以解決85%之制程上的問題12/11/202279系統措施→改善機遇原因共同原因的變異製程能力分析可發現如Time1Time2Time3Time4称为漂移(平均值漂移了多远的真正sigma测量)显示过程控制重要的少数称为

短期(st)我们的潜在能力-能做得最好的情况所有6sigma公司用报告

价值不高的多数顯示散佈原因組內變異(Within)組間變異(Between)

ST+shift=LT12/11/202280Time1Time2Time3Time4称为漂能力对实绩过程实绩:全部散布包括

Shifts和ShortTerm(Pp&Ppk)能力:只有随机的或

短期的散布(Cp&Cpk)12/11/202281能力对实绩过程实绩:全部散布包括Shifts和Sh制程控制與制程能力首先應通過『檢查』，消除『全距』所產生之非機遇原因，使制程處於『受控』的狀態接下來，就可依顧客的『要求(規格)』，來評定『制程能力』，以使顧客滿意，這就是持續改善的基礎。在管制規格內Cpk>1.3312/11/202282制程控制與制程能力首先應通過『檢查』，消除『全距』所產生之非範圍→時間受控(消除了非機遇原因)範圍→時間制程控制不受控(存在了非機遇原因)12/11/202283範圍→時間受控範圍→時間制程控制不受控12/9/2022受控，能力符合要求(機遇原因造成的變異已減少)制程能力←規格上限規格下限→範圍→受控，能力不符合要求(機遇原因造成的變異太大)12/11/202284受控，能力符合要求制程能力←規格上限規格下限→範圍→制程控制與制程能力矩陣類別制程控制受控制程控制不受控制程能力可接受13制程能力不可接受2412/11/202285制程控制與制程能力矩陣類別制程控制制程控制制程能力13制程能『1』類：理想的情況X→µ，σ小『2』類：受控制程，但存在『機遇原因』造成過大的變異，必須減少『全距』的變異。

X→µ，σ大分布圖形分布圖形LSLTUSLLSLTUSL12/11/202286『1』類：理想的情況X→µ，σ小分布『3』類：制程能力可接受，但為不受控制程，必須識別『全距』的非機遇原因，並消除它。

X→µ，σ小『4』類：不受控，且制程能力又不可接受，必須減少『全距』的非機遇原因和機遇原因。X→µ，σ大分布圖形LSLTUSL分布圖形LSLTUSL12/11/202287『3』類：制程能力可接受，但為不受控制程，必須識別『全距』制程改善循環PDACPDACPDAC1.分析制程2.維護制程3.改善制程12/11/202288制程改善循環PDACPDACPDAC1.分析制程2.維護制程1.分析制程：

本制程應該做什麼？

●會出現什麼問題？─本制程會有哪些變化？─我們已經知道本制程的什麼全距(全距)？─哪些參數受全距(全距)的影響最大？●本制程正在做些什麼？─本制程是否在生產廢品及需要返工的產品？─本制程生產的產品是否處於受控狀態？─本制程是否有能力？─本制程是否可靠？12/11/2022891.分析制程：12/9/2022892.維護(控制)制程：●制程是動態的，並且會隨時間而變化。●監控制程的能力指數●查出『非機遇原因』的變異，並採取有效的措施3.改善制程：●使制程穩定，並以維持制程的能力指數●充分理解『機遇原因』造成的變異●減少『機遇原因』造成變異的發生12/11/2022902.維護(控制)制程：12/9/202290六、建立SPC的步驟確立製造流程、製造流程解析決定管制項目實施標準化管制圖的運用制程能力分析問題分析解決製程的繼續管制12/11/202291六、建立SPC的步驟確立製造流程、製造流程解析12/9/一確立製造流程二決定管制項目三實施標準化五制程能力調查Ca、Cp、Cpk四管制圖的運用六問題分析解決六問題分析解決七製程繼續管制Cpk<1.33Cpk>1.33製程條件變動時12/11/202292一確立製造流程二決定管制項目三實施標準化五制程能力調藉由所需的人員、程序、機器、物料等(輸入)，經由必要的作業活動來產生一特定的產品或資訊(輸出)1.流程定義12/11/202293藉由所需的人員、程序、機器、物料等(輸入)1.流程定義12資料→物料→顧客需求→資源設備→人員→標准→教育→增加附加價值的工作→產品→輸出→服務輸入→流程的基本模式12/11/202294資料→→產品→輸出→服務輸入→流程的基本模式訂單產品/服務製造流程圖12/11/202295訂單產品/製造流程圖12/9/2022952.決定管制項目管制項目的定義

為維持產品的品質，作為管制對象所列舉的項目

→特殊特性：尺寸、材質、性能、外觀12/11/2022962.決定管制項目管制項目的定義12/9/202296產品/服務KPCKPCKCCKCCKCCKCCKCCKCCKPCKCCKCCKCCKPC:KeyProductCharacteristicsKCC:KeyControlCharacteristics12/11/202297產品/服務KPCKPCKCCKCCKCCKCCKCCKC3.實施標準化意義：所做的每一件工作、產品，都是可以成為可靠的工作與可靠的產品目的：不會做出標準以下的工作、產品步驟：1.成立標準化體制2.標準化的計劃3.標準化的運作4.標準化的評價管制計畫ControlPlan12/11/2022983.實施標準化意義：所做的每一件工作、產品，都是管制計畫112/11/20229912/9/2022994.管制圖的運用管制圖是1924年由蕭華特博士(Dr.W.A.Shewhart)，在研究產品品質特性之次數分配時所發現。正常工程所產生出來產品之品質特性，其分佈大都呈正態分佈的，會超出三個標準差(3)的產品只有0.27%，依據此原理，將正態曲線圖旋轉90度，在三個標準差的地方加上兩條界限，並將抽樣的順序點繪成為管制圖。12/11/20221004.管制圖的運用管制圖是1924年由蕭華特博士(Dr.W.使用管制圖的效益提供正在進行制程控制的作業人員使用有助於制程在品質上和成本上能持續的、可預測的維持下去提供檢討制程狀況之共通的語言分辨『機遇與非機遇』原因的變異，提供採行局部或系統糾正措施的依據12/11/2022101使用管制圖的效益提供正在進行制程控制的作業人員使用12/9/計量值管制圖X─R(平均值與全距)X─S(平均值與標準差)X─R(中位值與全距)X─MR(個別值與移動全距)計數值管制圖P(百分比不良率)np(不良數)C(缺點數)U(每單位缺點數)~管制圖的種類12/11/2022102計量值管制圖計數值管制圖~管制圖的種類12/9/202210管制圖之管制上/下限類型CLUCLLCLX-RXX+A2RX–A2RRD4RD3RX-SXX+A3SX–A3SSB4SB3Sppp+3p(1–p)/np-3p(1–p)/nnpnpnp+3np(1–p)np-3np(1–p)CCC+3CC-3CUUU+3U/nU-3U/n12/11/2022103管制圖之管制上/下限類型CLUCLLCLX-RXXX–R管制圖常數表nA2d2D3D421.8801.128-3.26731.0231.693-2.57440.7292.059-2.28250.5772.326-2.11460.4832.534-2.00470.4192.7040.0761.92480.3732.8470.1361.86490.3372.9700.1841.816100.3083.0780.2231.777110.2853.1730.2561.744120.2663.2580.2831.71713.2493.3360.3071.693nA2d2D3D4140.2353.4070.3281.672150.2233.4720.3471.653160.2123.5320.3631.637170.2033.5880.3781.622180.1943.6400.3911.608190.1873.6890.4031.597200.1803.7350.4151.585210.1733.7780.4251.575220.1673.8190.4341.566230.1623.8580.4431.557240.1573.8950.4511.548250.1533.9310.4591.541=R/d2^12/11/2022104X–R管制圖常數表nA2d2D3D421.8801.1X–S管制圖常數表nA3C4B3B422.6590.7979-3.26731.9540.8862-2.56841.6280.9213-2.26651.4270.9400-2.08961.2870.95150.0301.97071.1820.95940.1181.88281.0990.96500.1851.81591.0320.96930.2391.761100.9750.97270.2841.716110.9270.97540.3211.679120.8860.97760.3541.646130.8500.97940.3821.618nA3C4B3B4140.8170.98100.4061.594150.7890.98230.4281.572160.7630.98350.4481.552170.7390.98450.4661.534180.7180.98540.4821.518190.6980.98620.4971.503200.6800.98690.5101.490210.6630.98760.5231.477220.6470.98820.5341.466230.6330.98870.5451.455240.6190.98920.5551.445250.6060.98960.5651.434=S/C4^12/11/2022105X–S管制圖常數表nA3C4B3B422.6590.7计量值管制图之优缺点优点:

＊

用于制程之管制,甚灵敏,很容易调查事故发生的原因,因此可以预测将发生之不良状况;

＊

能及时并正确地找出不良原因,可使品质稳定,为最优良之管制工具.缺点:

＊

在制造过程中,需要经常抽样并予以测定以及计算,后需点上管制图,较为麻烦而费时间.12/11/2022106计量值管制图之优缺点优点:缺点:12/9/2022106计数值管制图之优缺点优点:

＊

只在生产完成后,才抽取样本,将区分为良品与不良品,所需数据能以简单方法获得之.

＊

对于工厂整个品质情况了解非常方便.缺点:

＊

只靠此种管制图,有时无法寻求不良之真正原因,而不能及时采取处理措施,而延误时机.12/11/2022107计数值管制图之优缺点优点:缺点:12/9/2022107管制圖使用時機決定管制特性可否取得計量值數據目標是否在於不良品數目標是否在於缺點數NONO樣本數是否為定值YES使用P管制圖使用np或P管制圖樣本數是否為定值使用U管制圖使用C或U管制圖YESNOYESYESNO12/11/2022108管制圖使用時機決定管制特性可否取得計量值數據目標數據是同類型或無法進行組內個別抽樣‧如化學槽液批亮油漆樣本平均是否容易計算使用中位值管制圖NONO各組樣本打大小是否>9YES使用X─R管制圖NOYES樣本標準差S是否容易計算使用X─R管制圖NO使用X─S管制圖YES使用個別值管制圖：X─MRYES12/11/2022109數據是同類型或無法進行組內個別抽樣‧如化學槽液批亮油漆樣本平管制圖之繪制流程搜集數據繪制解析用管制圖穩定狀態？繪制直方圖→分布→層別研究滿足規格？制程能力研究管制用管制圖Yes消除非機遇原因No滿足減少機遇原因4M、1E分析不滿足提升製程能力Z-value12/11/2022110管制圖之繪制流程搜集數據繪制解析用管制圖穩定狀態？繪制直方圖管制圖─制程控制的工具1.收集：●收集資料並畫在圖上2.控制：●監控是否超出『管制上、下限』→非機遇原因●計算所收集的資料，作為分析之用●觀察『全距』的變化3.分析與改善：●依所計算之結果，評估制程能力指數●監控在『受控』狀態資料的變化，確定『機遇原因』『全距』的變化，並採取措施

必要時，可修改『管制上、下限』，持續不斷的改善解析用管制圖管制用管制圖12/11/2022111管制圖─制程控制的工具1.收集：解析用管制圖管制用管制圖平均值與全距管制圖(X─R)A收集資料

A1選擇『子組大小、頻率和資料』A2建立管制圖及記錄原始資料A3計算每個子組的『平均值(X)和全距(R)』A4選擇管制圖的刻度A5將平均值和全距，標記到管制圖上

將X&R標記道管制圖上12/11/2022112平均值與全距管制圖(X─R)A收集資料將X&X=50.26R=5.112/11/2022113X=50.2612/9/2022113平均值與全距管制圖(X─R)B計算管制上、下限〈解析用管制圖〉B1計算平均全距(R)，制程平均值(X)B2計算管制上、下限，並標記『管制線』

●全距：UCLR=D4RLCLR=D3R

●平均值：UCLX=X+A2RLCLX=X–A2Rn2345678910D43.272.572.282.112.001.921.861.821.78D3*****0.080.140.180.22A21.881.020.730.580.480.420.370.340.3112/11/2022114平均值與全距管制圖(X─R)B計算管制上、下限〈12/11/202211512/9/202211512/11/202211612/9/202211612/11/202211712/9/202211712/11/202211812/9/202211812/11/202211912/9/2022119平均值與全距管制圖(X─R)C制程控制說明C1首先分析『全距圖』上的資料

◎任何超出管制限的點◎連續7個點，全在中心線之上，或連續上升◎連續7個點，全在中心線之下，或連續下降

可能為：模具受損或機器固定鬆動，或換班、換批，或量測系統改變(新人、新量具)。

12/11/2022120平均值與全距管制圖(X─R)C制程控制說明12/平均值與全距管制圖(X─R)◎其他明顯非隨機的圖形

各點與R的距離：一般大約『2/3』的點，應落在中心線為中心的『1/3』管制區域內，若非如此，則需進行調查並改善。

可能為：◎管制上、下限或描點計算錯或標示錯。

◎若有『2/3』的點，落在中心線為中心的『1/3』管制區域內，則『人、機、料、法』已達相當穩定之狀況，，以此來作為『下一階段』的監控和持續改善。12/11/2022121平均值與全距管制圖(X─R)12/9/202212平均值與全距管制圖(X─R)C制程控制說明

C2識別並標注非機遇原因『全距圖』C3重新計算『管制上、下限』(全距圖)C4分析『平均值圖』上的資料

如同『C1』之分析C5識別並標注非機遇原因『平均值圖』C6重新計算『管制上、下限』(平均值圖)

12/11/2022122平均值與全距管制圖(X─R)C制程控制說明12/5.制程能力分析制程處於『受控』狀態制程的各測量值符合『正態分佈』工程及其他規範準確的代表顧客的需求設計目標值位於『規格的中心』測量變異相對較小12/11/20221235.制程能力分析制程處於『受控』狀態12/9/202212Cpk/PpkCpk–

Thecapabilityindexforastableprocess.

Theestimateofsigmaisbasedonwithinsubgroupvariation(R-bar/d2orS-bar/c4)Ppk–

Theperformanceindex.Theestimateofsigmaisbasedontotalvariation

(allofindividualsampledatausingthestandarddeviation【rootmeansquareequation】,“s“).12/11/2022124Cpk/PpkCpk–ThecapabilityCpk/PpkCpk–

在一穩定制程下的『能力指數』

某一天、某一班次、某一批、某一機台其組內的變異(R-bar/d2orS-bar/c4)Ppk–

性能指數量試階段的『能力指數』、某一產品長期監控下的『能力指數』

(allofindividualsampledatausingthestandarddeviation

【rootmeansquareequation】,“s“).12/11/2022125Cpk/PpkCpk–在一穩定制程下的『能力指數』P制程能力調查步驟確切了解要調查的品質特性與調查範圍，並收集數據製作解析用管制圖，確定製程處於受控狀態之中計算制程能力指數(ShortTerm:Cpk)判斷制程能力是否足夠，如不夠時或不穩定時，則加以改善以解析用管制圖之『管制上、下限』，作為『管制用管制圖』之監控，並於一段期間後，再計算制程能力指數(LongTerm:Ppk)12/11/2022126制程能力調查步驟確切了解要調查的品質特性與調查範圍，並收集數制程能力調查的方式圖示法---

主要以次數分配圖、直方圖、管制圖表示之數值法---

以Ca值(製程準確度)、Cp值(製程精密度)、Cpk值(製程能力指數)表示之12/11/2022127制程能力調查的方式圖示法---12/9/2022127圖示法制程能力的初步判定中心值位置分散寬度分佈形狀大小→大小→大小→由製程中收集100個以上的數據，做成次數分配圖或直方圖，由圖形的中心值位置、分散寬度、分佈形狀可簡單判定製程能力12/11/2022128圖示法制程能力的初步判定中心值位置數值法制程能力分析製程準確度Ca(CapabilityofAccuracy)

衡量自產品中所獲得產品資料的實績平均值(X),與規格中心值(u)其間偏差的程度,是期望製程中生產的每個產品的實際值能與規格中心值一致

(1)Ca之計算方式如下： 實績平均值-規格中心值X-u Ca=----------------------------------*100%=--------------*100%

規格公差/2T/2 T=USL-LSL

=規格上限--規格下限集中趨勢12/11/2022129數值法制程能力分析製程準確度Ca(CapabilityofCa值的等級判定Ca值是正值---實績平均值較規格中心值偏高Ca值是負值---實績平均值較規格中心值偏低Ca值愈小,品質愈佳。依Ca值大小一般分為四級：12/11/2022130Ca值的等級判定12/9/2022130(3)Ca等級的說明規格中心值50%12.5%25%100%規格上限(下限)DCBA(4)處置原則A級：維持現狀B級：改進為A級C級：立即檢討改善D級：立即採取緊急措施，全面檢討，必要時停止生產12/11/2022131(3)Ca等級的說明規格中心值50%12.5%25%100%製程精密度Cp(CapabilityofPrecision)

衡量自產品中所獲得產品資料的6個估計實績標準差(σ),與規格公差(T)其間相差的程度,是期望製程中生產的每個產品以規格中心值為目標，其變異寬度愈小愈好，換言之，即在衡量規格公差範圍與製程變異寬度兩者間相差程度 (1)Cp之計算方式如下：規格公差6個估計實績標準差=T6σCp=(雙邊規格)(單邊規格)或離散趨勢規格上限-實績平均值3個估計實績標準差=USL-X3σCp=實績平均值-規格下限3個估計實績標準差=X-LSL3σCp=12/11/2022132製程精密度Cp(CapabilityofPrecisioCp值的等級判定Cp值愈大---規格公差(T)大於估計實績標準差(

σ)愈多，即表示製程的變異寬度遠小於規格公差Cp值愈大,品質愈佳。依Cp值大小一般分為五級：等級Cp值ACp>1.67B1.67>Cp>1.33

C1.33>Cp>1.0