制程能力知识分析讲解

1999年对公司来说，可定义为OEM品质年，此话怎讲？因为从去年HP的PIGLET开始生产后，陆陆续续接到OEM客户的订单，诸如NEC、PANASONIC、广宇、以及最近的通用、INTEL等等;我们可以从过去的经验与事实，去观察与分析OEM客户非常重视产品的品质管制，认为供货商是产品生产系统的源头或重要的一部份，足以影响产品是否能及时推上市，获得好评的重要关键之一。因此对于品质管制手法的使用，一直是OEM客户注意的焦点。尤其是制程能力分析(AnalysisforProcessCapability)的应用，大家都视为是一新开发产品导入量产阶段的指针，所以本文的主题将针对制程能力分析来进行研讨。接下来将透过下列几个问题，来切入正题：一、制程能力是个什么东西？二、制程能力分析在什么时候实施是正确的?三、执行制程能力分析前有那些步骤？四、制程能力分析的数据要如何评价？五、制程能力分析的数据要如何应用？六、究竟要量测多少个样品才能计算Cpk？七、Cpk是否能监测连续生产之制程？一、制程能力是个什么东西?所谓『制程能力』就是一个制程在固定的生产因素（条件）及稳定管制下所展现的品质能力。那些是「固定的生产因素（条件）」；如设计的品质、模治具、机器设备、作业方法与作业者的训练、作业照明与环境、检验设备、检验方法与检验者的训练….等等皆属之。什么是「稳定管制」；就是以上因素加以标准化设定后，并彻底实施后，且该制程之测定值，都是在稳定的管制状态之下，此时的品质能力才可说是该制程的制程能力。制程能力如何表示:制程准确度Ca(Capabilityofaccuracy)制程精确度Cp(Capabilityofprecision)综合评价(不良率p)制程能力指数Cpk以上最常用的是Cpk、Cp、Ca，而p比较少有人使用。制程准确度Ca(Capabilityofaccuracy)凡从制程中所获得之数据(实绩)，其平均值一(x)与规格中心值3)之间偏差的程度，称为制程准确度CaCa=CX-g)/(T/2)T=Su-Sl=规格上线-规格下※如系单边公差时，则不适用由上述可知：平均值(X)愈接近规格中心值似)愈好(尽量趋近或相等)2.所以CaM愈小愈好(尽量趋近于0)惟群体呈左右对称之常态分布时，才能使用Ca做制程能力分析。(单边公差时，Ca为0)4.正值(+)时表示偏高；负值(一)时表示偏低。制程精确度Cp(Capabilityofprecision)从制程中全数检验或随机抽样(一般样本n须在50个以上)所计算出来之样本标准差(°x),再乘以5n/(n—1))，以推定实绩群体标准差(°)。用3°与规格容许公差做比较。Cp=规格容许差/3°=规格公差/6°=（T/2）/3°由上述可知：计算群体的Q气xV（n/（n—1））若T>6°时，Cp<愈大。（离散趋势都在规格内）Cp值愈大愈好（尽量大于1以上）若TV6°时，Cp值愈小。（表示目前的生产条件，不适合此精密度之产品）Cp与。&成反比。（Cp愈大愈好，Ca则反之）3.综合评价（不良率p）当有些制程的生产实绩为了达成规格之要求，必须Ca值与Cp值两者都要很好的情况下，而对整个制程

品质之综Z1=3Cp(1+Ca)・・・・由气查常态分配表得ttP1%Z2=3Cp(1+Ca)・・・・由Z2查常态分配表得22P2%P%=P1%+P2%由上述可知：4.制程能力指数CpkCpk是^合Ca和Cp两者之指数，其计算公式：Ca=(-X一口)/(T/2)Cp=规格容许差/3°=规格公差/6°=(T/2)/3°Cpk=(1—|Ca|)XCp由上述可知：1.当Ca=0,Cpk=Cp单边规格时，Cpk=Cp二、制程能力分析在什么时候实施是正确的？由上述可知：1.当Ca=0,Cpk=Cp正如前面所提到，制程能力的评估必须要在制程稳定后，才能实施，也就是X-R管制图已显示制程在稳定的统计管制状态下（非机遇原因已经被发现，并

经过分析与矫正，以及防止再发），而且继续保持在统计管制状态下。因此回忆过去我们所做的，可以发现到一些问题:1.未先执行管制图以确认制程的稳定性，就径行将所算得Cpk当做『真正』的制程能力。2.不探讨非机遇原因，只是一味要求算Cpk，而制程并不会随着时间长而稳定。为达成客户要求，只好修改数据，『表面』的Cpk非常『良好』，却冒着被退货的高风险。制程不良率『变异』起伏太大时，只好用人海战术来克服，不断重工，现场人仰马翻。没有因为Cpk不好，而针对『共同因』或『特殊因』，采取矫正措施。殊因』，采取矫正措施。6.只要算得（尺寸）多，就愈接近事实（群体），就愈能符合客户的要求??客户有要求算Cpk,才去做？三、执行制程能力分析前有那些步骤？1.确定制造流程:确定流程（图），订定QC工程表，列出管制之生产条件、品质特性…等。2.制造流程解析：利用5W1H手法，将制程各作业单元的变异因素加以掌握，并可得知制程所处的状态。决定管制项目：依制程之生产条件、品质特性、制程现况来决定管制项目。实施标准化：订定各项标准，并对相关人员实施各项标准之教育与训练。管制图的运用:应先建立解析用管制图，评估管制界限，再实施管制用管制图，持续观察制程的稳定性与异常矫正。制程能力分析：收集数据，进行分析，以了解是否符合规格或客户要求，如不能符合，立即采取矫正行动。制程之持续管制：除非有证据显示制程平均值或全距值发生变化，否则仍然使用原管制界限，不能随意修改。制程能力分析的数据要如何评价?制程准确度Ca(Capabilityofaccuracy)评价分级基准处置原则等级

A|Ca|12.5%作业员遵守SOP操作并达到规格之要求，所以持续维持。B12.5%v|Ca|25%如有必要时，尽可能改进为A级。C25%v|Ca|50%作业员可能看错规格不按SOP操作或检讨规格及作业标准。D50%v|Ca|应采取紧急措施，全面检讨有可能影响之因素，必要时得停止生产。*对策方法是以制造单位为主、技术/品管单位为辅。2.制程精确度Cp(Capabilityofprecision)评价处置原则分级基准等级

处置原则A1..33Cp甚为稳定，可考虑将规格公差缩小或此制程可胜任更精密之工作。B1.00CpV1.33有发生不良品的危险，必须加以注意，并设法维持不要使其变坏及迅速追查。C0.83CpV1.00检讨规格及作业标准，可能本制程不能胜任如此精密的工作。DCpV0.83应米取紧急措施，全面检讨有可能影响之因素，必要时应停止生产。*对策方法是以技术单位为主、制造/品管单位为辅。3.综合评价（不良率p）评价等级a总评（不良率p%）AP0.44%B0.44%VP1.22%C1.22%VP6.68%D6.68%VP注意；其等级氏C、D须照Ca及Cp来^理。由于总评是根据Ca及Cp推定不良，其处置是要视下一工程或客户之要求。⑶如不符合客户要求，一定要立即处理，避免遭遇到退货的危险。4.制程能力指数Cpk评价处置原则Cpk值处置原则等级

-A1.33Cpk制程能力已足够B1.00CpkV1.33尚可，应再努力CCpkV1.0应加以改善五、制程能力分析的数据要如何应用?1.对设计单位提供基本资料：使其了解制程能力，从设计面解决问题。2.分派工作到适当的机器上：决定一项机器设备能否满足要求。3.用来验收全新或翻修调整过之设备:■3.用来验收全新或翻修调整过之设备:■■.JJ排适当工作，使其得到最佳之应用。4.选用合格之作业员：剔除不合格人员或再施予教育和训练。选择适当之工作方法：建立标准化SOP根据规格公差设定设备之管制界限：为获得最经济、最稳定之生产。当制程能力超越公差时，决定最经济之作业水准：（1）制程能力较公差为窄时，用于建立经济管制界限。（2）制程能力较公差为宽时，须调整一适当中心值，以获得最经济之生产。找出最好的作业方式:建立最具价值之技术情报资料。六、究竟要量测多少个样品才能计算Cpk?之前我们已经讨论到，制程能力的评估必须要在制程稳定后，才能实施，也就是X-R管制图已显示制程在稳定的统计管制状态下（非机遇原因已经被发，并经过分析与矫正，以及防止再发），而且继续保持在统计管制状态下。要多少个样本数才能显示出制程的稳定性？理论要求最好有25个以上的样组，才具代表性。请大家注意！这里所提到的25个以上的样组数是针对管制图而言，并不是指Cpko所以只要能了解制程的稳定性，即使n=2〜5也能计算Cpk，但是唯一前提是必须先用计量值管制图,来持续观察制程稳定（必要时采取矫正行动）。以上所探讨的角度，是从产品制程上出发，若是谈论到单一的模具、机器、设备….等等，个人建议是连续取样100pcs来#算。如果所有生产条件相同，为何第一次与第二次的Cpk会有差异？这就是我们接下来要讨论的重点….七、Cpk是否能监测连续生产之制程？请看下列的示意图，复习一下抽样的概，念・假设同一量测员，采用随机抽样的手法,抽样区域可能落在群体上，不同的位置，自然会产生不同的结果，只要结果是在规格内我们都会允收。当然以少数样本的成绩代表群体的真实面貌，会有风险；如好批误判坏批，坏批误判好批。（如何避免风险？这不是现在要谈的主题，所以不再深入探讨，回归正题。）这里所要表达的是，在制程稳定下，抽样实值有变化是属于正常现象，只是我们自己了不了解这个『变化』，究竟是属于系统（共同因变异）或是突发（特殊因变异）事件所产生的？所以我们用某段时间的制程能力，并不足以代表整个制程是在稳定状态下。只能了解某段时间的制程能力是否符合要求（规格），

无法了解到连续生产的制程有何变化?最后大家为求速成，只计算Cpk（重视结果，这还是『某段时间』的结果），不做管制图（忽视过程，不良或然率蠢蠢欲动），稍一不慎不良品如洪水猛兽般，必须倾全厂之力去抵挡（重工），甚至要面临被退货的高风险！最后我们可以做个结论：任何的抽样都有误差的存在（随机问题）没有一个制程可以做到100%在统计管制状态之下（变异问题）没有任何制造批为完全之常态分配（或是其它型态分配，如果不是近似常态，Cpk就值得争议）4.因此，所有制程能力分