SPC在制程中的应用课件讲义教材

SPC在制程中的应用StatisticalProcessControl2024/7/3012024/7/302明碁电通有达光电仁宝计算机震旦电子华通计算机联想计算机毅嘉电子台光电子宏合电子群鑫电子大展电路板上声电子展胜电业毓冠电子键和电子方志电子讯舟电子赛博电器同健电子川边电子绿点科技宏崇化学正峰工业立辉金属全亿金属永成五金合冠鞋业兴鹏鞋业裕元鞋业裕成制鞋厂福泰塑料宝元数控轮兴机械永益印刷长益印刷东鹏印刷商亮灯饰千丽灯饰联盈塑料顺传五金勋力婴儿车越南宝元鞋业泰祥汽车配件钟庆汽车配件太子汽车工业……..ISO9000,QS9000,TS16949,日常管理，目标管理，生产管理统计制程管制，6σ训练辅导

●主要研究领域：●主要辅导或授课厂商：健峰企业管理顾问股份有限公司顾问师健峰企业管理顾问股份有限公司6σ黑带合格讲师

●现任职：历经生产主管、品管经理、生产厂长、董事长特别助理等职务●主要企业经验：课程大纲基本统计概述直方图基本统计量数SPC背景说明制程变异分析建立SPC步骤管制图制程能力研究实例演练2024/7/3032024/7/304统计制程管制【SPC】

◎统计制程管制之目的系持续改善产品与服务的价值，达到顾客满意。

◎制程能力调查【Ca、Cp、Cpk】

◎管制图的运用作业方式/

资源混用方式人员设备材料方法环境产品或服务顾客辨识变化的需求与期望统计方法制程的声音输入制程/系统输出顾客的声音制程回馈管制系统模式

统计方法的意义群体与样本资料的分类资料的分析质量管理与统计方法2024/7/305一、基本统计概述区分没有显著差异有显著差异没有显著差异

βRiskTypeIIerror有显著差异αRiskTypeIerror

2024/7/306统计概念判断上事实上2024/7/307问题类型的分析对的问题比对的答案更重要有清楚的实验策略，比急着去做实验更重要问题类型T型A型X型造成问题的原因明确明确不明确操作条件明确不明确不明确解决工具QC七大手法管制图层别法检定相关回归D.O.ED.O.E统计方法的意义规划数据的收集，整理与解释资料，并据以导出结论或予以推广的制程，称为统计方法。阐述统计方法与理论的科学，即为统计学。上述统计方法，乃自全部资料中，抽取部分资料，此部份资料的收集、整理，并将其结果加以解释，使不了解统计分法的仁得以了解，并据以对全部资料作成结论，或推导出全部资料所蕴含的特性。2024/7/3082024/7/309统计资料属性数据属量资料合格/不合格好/不好满意/不满意计数值

─间断资料计量值

─连续资料2024/7/3010群体与样本群体〈Population〉，可为整个制程的所有制品或半成品之全部测定值，亦可为一大批货品，一小批货品，一天内的制品或半成品，一小时内的制品。群体〈Population〉

以N

表示。计数值群体不合格率计量值群体平均数μ

，群体标准偏差σ群体的构成，特别应注意层别：不同批原料、不同机器设备、不同班别、不同操作员等。2024/7/3011群体与样本样本〈Sample〉，为自群体中选取的一部分制品或半成品之测定值，或自整个检验批中抽取一部分制品或半成品之测定值。样本〈Sample〉以n

表示。计数值样本不合格率计量值样本平均数X

，样本标准偏差σ

x样本的取得，特别应注意随机性：并能够代表群体为原则。2024/7/3012资料的分类

时间分类标准：日、周、月、季、半年、年。空间分类标准：不同生产线、不同销售区、不同材料来源。2024/7/3013资料的分析查检表次数分配表柏拉图直方图圆形图推移图长条图2024/7/3014质量管理与统计方法质量管理的发展阶段：操作员品管、领班品管、统计品管〈SPC〉、全面品管〈TQC〉、全面质量管理〈TQM〉，六大阶段。自第四阶段的统计品管〈SPC〉，Dr.Shewhart博士(1924年)发表『制造产品质量的经济管制』以后，统计方法即持续运用于质量管理中。举凡(1)市场分析(2)产品设计(3)可靠度规格，寿命/耐用性预测(4)制程管制/制程能力分析(5)质量水平/抽样检验计划之决定(6)数据分析/性能评估/缺点分析等，均导入适当之统计方法。2024/7/3015质量管理与统计方法可用之特殊统计方法及应用包含〈但并不限于〉：

(1)实验计划法/因子分析

(2)变异数分析/回归分析

(3)安全性评估/风险分析

(4)显著性检定

(5)管制图

(6)抽样检验2024/7/3016

直方图的意义次数分配直方图的应用二、直方图2024/7/3017直方图的意义定义将测量所得的Data如时间、长度、硬度等计量值，划分成数个组间，计算各组间数据出现的次数，以便了解其分配的状况的图表，叫作直方图。

直方图系根据次数分配表而绘制。2024/7/3018直方图的意义绘制直方图之目的

(1)测知制程能力

(2)计算产品不良率

(3)调查是否混入二个以上不同的群体

(4)测知有无假数据

(5)测知分布型态2024/7/3019直方图的应用直方图的作法1.决定Data收集期并收集Data

最少要有50个Data，最好要有100个以上2.找出Data中之最大及最小值Ex:L=23.4S=20.23.决定组数

-------K等于n的平方根Ex:n=50k=74.决定组距h--将最大值减去最小值后，除以组数，再取最小测量单位的整数倍即可Ex:（

L-S）/K=（23.4-20.2）/7=0.46

h=0.5（取最小量测单位之整数倍）5.决定组界值

--由最小值减去最小测良单位的1/2，就是第一组的下限，再逐次加上各组距，直到可含盖最大值即完成Ex:20.2-0.1/2=20.15（第一组下界）20.15+0.5=20.65（第一组上界、第二组下界）20.65+0.5=21.15（第二组上界、第参组下界）..............................23.15+0.5=23.65（已大于最大值）数据数组数50-100100-250250l以上6-107-1210-202024/7/3020直方图的应用直方图的作法

6.求出各组的中心值

--各组上界加下界除以二Ex:（20.15+20.65）/2=20.40第一组中心值7.计算落在各组内的

次数

8.作成直方图9.记入必要的事项如产品名、规格、Data数量…...2024/7/3021直方图的应用(1)测知制程能力

23456789101112

.027.056.083.111.139.167.139.111.083.056.0272024/7/3022直方图的应用(2)计算产品不良率

规格LSLUSL规格LSLUSL规格LSLUSL2024/7/3023直方图的应用(3)调查是否混入二个以上不同群体：

二批不同材料、二个不同操作员、二个不同班别、二台不同机器、二条不同生产线‧‧‧‧

双峰型直方图2024/7/3024直方图的应用(4)测知有无假数据：

据说曾有一家轮胎厂，厂房坐落在大水沟旁，检验员检验结果，如发现不合格之制品，就将其丢入大水沟内‧

削壁型直方图依统计学来分析，此种情形不可能存在。2024/7/3025直方图的应用(5)测知分配型态

正态型、离岛型、右偏型‧‧

规格

规格0%2024/7/30260.6610.6500.6470.6460.6490.6450.6410.6500.6480.6490.6450.6470.6460.6550.6490.6580.6540.6600.6530.6590.6600.6650.6490.6510.6370.6500.6430.6490.6400.6460.6500.6440.6400.6520.6570.6480.6540.6500.6540.6550.6560.6570.6630.6620.6470.6470.6420.6430.6490.6480.6380.6380.6490.6420.6370.6550.6520.6540.6490.6570.6540.6580.6520.6610.6540.6450.6410.6440.6470.6410.6500.6520.6430.6410.6530.6470.6520.6490.6520.6530.6510.6600.6550.6580.6490.6470.6410.6440.6400.6430.6460.6340.6380.6450.6500.6480.6490.6500.6490.655(例)有一机械厂，为了解制品外径尺寸之变化，由产品抽取100个样本测定其外径，测定结果如下表，试作次数分配表。实例说明2024/7/3027实例说明(1)定组数：(2)求组距：全距＝Xmax－Xmin

＝0.665－0.634＝0.031

组距＝＝0.0031→0.0032024/7/3028实例说明(3)决定区间之境界值第一组下组界＝最小测定－1/2测定单位＝0.634－＝0.6335。以0.6335累加0.003得各区间之境界值，如次数分配表。(4)计算各组间之中心值第一组中心值＝＝0.635以0.635累加0.003得各区间中心值。2024/7/3029次数分配表组数组界中心值划记次数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合计

1002024/7/30302024/7/3031有一机械产品的产品特性为『内径』〈KPCof2.50±0.05mm〉，今于Pre-ProductionRun

抽取40个产品测定结果如下表，产品量测过程的检验人员及量测设备，其GageR&R为85%以上。实例演练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

身为QE的您，对以上之数据有何评价《请与工程规格作一比较》？PPAP是否可接受？采用『直方图』来评价。2024/7/3032平均值(Mean)：代表一群数据的总合平均数值标准偏差(StandardDeviation)：表示该群数值间差异大小的一个数值。三、基本统计量数A牌电灯泡平均寿命为：800hrsB牌电灯泡平均寿命为：700hrs您可能会购买AorB?Why?2024/7/3033中心趋向的测量平均值:一组数据的算术平均值反应所有值的影响散布的测量极差〈全距〉:数据组内数值之间的距离(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=───n

i=1nXi2024/7/3034群体平均值样本平均值群体标准偏差样本标准偏差X2024/7/3035准确度精密度高低高低PrecisionAccuracy

2024/7/3036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2024/7/303795.45%99.73%68.27%-3-2-1X+1+2+3正态分布P(u-Xu+)=0.6827

P(u-2Xu+2)=0.9545

P(u-3Xu+3)=0.9973于uk之间的机率群体：N规格中心值：T平均数：X〈集中趋势〉

标准偏差：

〈离散趋势〉被涵盖在特定范围的机率

当X=μ时NormalDistribution-List2024/7/3038mTUSLLSLP(d)Z2024/7/3039标准偏差m转折点1sTUSLp(d)规格上限(USL) 目标规格值(T)规格下限(LSL) 分布平均值(m)分布的标准偏差(s)3s在转折点和平均值的距离形成一个标准偏差.假如目标值和规格上限之间可以放置三个标准偏差我们可以说这个制程有“3sigma的能力.”LSL2024/7/3040m1sTUSLp(d)p(d)1 2 3 4 56s3sThisisa6SigmaProcess标准偏差转折点2024/7/3041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?2024/7/3042

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2024/7/3043

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?”2024/7/3044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

=母体标准偏差什么是6sigma2024/7/3045SixSigma

–

是一种新思维程序是一种系统式的降低会对顾客满意有重要影响的不良工具利用统计工具，进行重要制程能力的改善2024/7/3046降低不良改善产出改善顾客满意度更高的净营利6-Sigma

的目标2024/7/30476Sigma–

目标(DPMODistributionNoShifted)–制程中心没有偏移245,50032,70046450.660.002sPPM制程能力每百万个不良机会2024/7/3048零件数/制程数零件/制程中心没有偏移装配成品之良品率%+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───53.2699.4399.9982024/7/30496Sigma–

目标(DPMODistributionShifted±1.5s)–制程中心偏移1.5ssPPM制程能力每百万个不良机会2024/7/3050零件数/制程数零件/制程中心偏移1.5σ

装配成品之良品率%+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────9.7396.662024/7/3051时间表现在过程性能力上的革新好的坏的3Sigma(CpK=1)6Sigma(Cpk=2)2024/7/3052改变中的质量哲学最高质量的产品和服务是最低成本的产品和服务2024/7/3053sPPM2308,537366,80746,210523363.4(DistributionShifted±1.5σ)GettingtoSixSigmaHowfarcan

inspection

getus?2024/7/3054BreakthroughStrategyCharacterizationPhase1:MeasurePhase2:AnalyzeOptimization345671,000,000100,00010,0001,0001001012SigmaScaleofMeasurePPMAverageCompanyBest-in-ClassTheBreakthroughMethodologyDefinetheproblem...DMAICtotheRescue!TheBasicObjectivePhase3:ImprovePhase4:Control2024/7/3055问题的本性SixSigma的方法可以辨识制程是偏离目标和/或者是高度变异,以修订制程及降低变异偏离目标变异大正中目标修订制程降低变异XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX2024/7/3056另类观点LSLUSLUSLLSLOn-Target从统计观点来看问题USLLSLLSL=LowerspeclimitUSL=Upperspeclimit问题的本性-统计观点偏离目标变异大修订制程降低变异2024/7/3057SPC兴起的背景

SPC的迷思

SPC的焦点

SPC的思考

SPC的诊断四、SPC背景说明2024/7/3058对质量常有的错误观念大多数的质量问题是错在作业人员容许少数的不良,意外的瑕疵是无可避免的品质是品管部门的责任只重视质量检验,检验人员需负责解决瑕疵品SPC只是在现场挂管制图2024/7/3059对质量的正确观念85%的质量问题是管理人员所要担负的,管理者态度的偏差，更胜过作业人员的懒散第一次就把事情做好,并且将后工程视为顾客,才能真正做到零缺点质量品质和公司每一个人都有关品质检验是可以解决问题但却无法消除问题SPC是让质量保证的系统持续运转不断改善制程,以提升质量与生产力2024/7/3060SPC兴起的背景SPC兴起是宣告『经验挂帅时代』的结束─手工艺的产业：SPC无用武之地→经验取胜─当经验可以整理，再加上设备、制程或系统时，那SPC时机的导入，就自然成熟了。SPC兴起是宣告『质量公共认证时代』的来临─1980年以前，客户大都以自己的资源与方法，来认定某些合格的供货商，造成买卖双方的浪费。─1980年以后，『GMP』及『ISO9000』的兴起，因为重视产品生产的『制程』与『系统』，故更须有赖SPC来监控『制程』与『系统』的一致性。2024/7/3061SPC的迷思迷思一：有管制图就是在推动SPC？

─这是产品质量(Q)，还是制程参数(P)管制图？─这张管制图是否有意义？─它所管制的参数，真的对产品质量有举足轻重的影响吗？─管制界限订的有意义吗？─这张管制图，是否受到应有的重视？是否已遵照规定，实施追踪与分析？2024/7/3062SPC的迷思迷思二：有了Cpk/Ppk等计算就是在推动

SPC？

─Cpk/Ppk有定期审查吗？─是否已用Cpk/Ppk作订单分派给不同生产线，作为生产的依据？2024/7/3063SPC的迷思迷思三：有了可控制的制程参数

(ProcessParameter)，就是SPC？

─为什么挑出这些制程参数？─这些制程参数的控制条件，是如何决定的？─这些制程参数与产品质量之间，有因果关系可循吗？

2024/7/3064SPC的焦点→制程(Process)SPC与传统SQC的最大不同点，就是由

Q→P的转变

SQC：强调Quality→产品的质量，换言之，它是着重于买卖双方可共同评断、鉴定的一种『既成事实』。

SPC：则是希望将努力的方向更进一步的放在质量的源头→制程(Process)上。因为制程的起伏变化，才是造成质量变异(Variation)的主要根源。

2024/7/3065SPC的焦点→制程(Process)质量变异的大小，也才是决定产品优劣的关键

制程起伏条件品质异常产品优劣因因果果2024/7/3066SPC的思考P1P2P3P4对产品的影响度A(5)C(1)B(3)A(5)(温度)AP1AP2AP4A(压力)BP2BP3B(速度)CP1CP3CP4C(尺寸)DP2DP4D(厚度)EP1EP4E制程参数制程2024/7/3067SPC的思考步骤一：深入掌握因果模式

制程参数(因)/品质贡献率(果)分析→柏拉图分析步骤二：设定主要参数的控制范围

→以回归分析方法或实验设计来分析

2024/7/3068SPC的思考步骤三：建立制程控制方法

‧控制频率

‧样本抽取方法

‧样本量测方法步骤四：抽取成品来印证原始系统是否仍然正常运转？

2024/7/3069SPC的诊断质量是否更稳定？良品率是否提高？制程是否更流畅？成本是否更低廉？异常是否更快能被侦测到？品管员是否逐渐在减少？2024/7/3070统计制程管制的定义非机遇原因变异机遇原因变异制程控制与制程能力制程改善循环五、制程变异统计制程管制的定义经由制程中去收集资料，而加以统计分析，从分析中得以发觉制程的变异，并经由问题分析以找出异常原因，立即采取改善措施，使制程恢复正常。并藉由制程能力分析与标准化，以不断提升制程能力。2024/7/30712024/7/3072制程控制的需要检测─容忍浪费

允许将时间和材料投入到生产不一定有用的产品或服务中预防─避免浪费

『第一次就把工作做对』变异—机遇原因与非机遇原因为了使变异的表示简化，通常分成下列二种：

机遇原因的变异

制程中变异因素是在统计的管制状态下『受控』。随着时间的推移，具有稳定的且可重复的分布制程中的许多『全距』的原因。

非机遇原因的变异制程中不常发生，但造成制程变异的原因。所造成之分布与时间的关系，是不稳定且不无法预期的。2024/7/30732024/7/3074散布举例非机遇原因过程A显示受控散布过程B显示不受控散布2024/7/3075因为生产制程中每一件成品都不同，因此如果制程很稳定，则生产产品的质量特性的分布将形成一种固定形状，称为分布。一般分布有下列之不同情形：

位置分布宽度形状大小→大小→大小→…….或是以上这些的不同组合2024/7/3076如果制程中，只有机遇原因的变异存在，则其成品将形成依各很稳定的分布，而且是可以预测的如果制程中，有非机遇原因的变异存在，则其成品将为不稳定的分布，而且无法预测的范围→时间可预测范围→时间无法预测大量之微小原因所引起原料在一定范围内之微小变异机械之微小振动仪器测定时，不十分精确之做法依据作业标准执行作业的变化实际上，要除去制程上之机遇原因，是件非常不经济之处置一个或少数几个较大原因所引起使用规格外的原物料新手之操作人员不完全之机械调整未依据作业标准执行作业所制订之作业标准不合理非机遇原因之变异，不但可以找出其原因，并且除去这些原因之处置，在经济观点上来说，是正确的2024/7/3077机遇原因非机遇原因2024/7/3078非机遇原因的变异简单的统计分析可发现如管制图直接负责制程的人员去改善局部措施改善对策局部措施→改善非机遇原因

牵涉到消除产生变异的非机遇原因可由制程人员直接加以改善大约可以解决15%之制程上的问题系统措施→改善机遇原因2024/7/3079共同原因的变异制程能力分析可发现如Ca，Cp，Cpk，及管制图上点的变化管理当局参与及制程人员合作去改善系统改善对策

必须改善造成变异的机遇原因经常需要管理阶层的努力与对策大约可以解决85%之制程上的问题2024/7/3080Time1Time2Time3Time4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

价值不高的多数显示散布原因组内变异(Within)组间变异(Between)

ST+shift=LT

2024/7/3081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)制程控制与制程能力首先应通过『检查』，消除『全距』所产生之非机遇原因，使制程处于『受控』的状态接下来，就可依顾客的『要求(规格)』，来评定『制程能力』，以使顾客满意，这就是持续改善的基础。2024/7/3082在管制规格内Cpk>1.332024/7/3083范围→时间受控(消除了非机遇原因)范围→时间制程控制不受控(存在了非机遇原因)2024/7/3084受控，能力符合要求(机遇原因造成的变异已减少)制程能力←规格上限

规格下限→范围→受控，能力不符合要求(机遇原因造成的变异太大)制程控制与制程能力矩阵类别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242024/7/3085『1』类：理想的情况X→µ，σ小『2』类：受控制程，但存在『机遇原因』造成过大的变异，必须减少『全距』的变异。

X→µ，σ大2024/7/3086分布图形分布图形LSLTUSLLSLTUSL2024/7/3087『3』类：制程能力可接受，但为不受控制程，必须识别『全距』的非机遇原因，并消除它。

X→µ，σ小『4』类：不受控，且制程能力又不可接受，必须减少『全距』的非机遇原因和机遇原因。

X→µ，σ大分布图形LSLTUSL分布图形LSLTUSL制程改善循环2024/7/3088PDACPDACPDAC1.分析制程2.维护制程3.改善制程1.分析制程：

本制程应该做什么？

●会出现什么问题？─本制程会有哪些变化？─我们已经知道本制程的什么全距(全距)？─哪些参数受全距(全距)的影响最大？●本制程正在做些什么？─本制程是否在生产废品及需要返工的产品？─本制程生产的产品是否处于受控状态？

─本制程是否有能力？─本制程是否可靠？2024/7/30892024/7/30902.维护(控制)制程：●制程是动态的，并且会随时间而变化。●监控制程的能力指数●查出『非机遇原因』的变异，并采取有效的措施3.改善制程：●使制程稳定，并以维持制程的能力指数●充分理解『机遇原因』造成的变异●减少『机遇原因』造成变异的发生2024/7/3091六、建立SPC的步骤确立制造流程、制造流程解析决定管制项目实施标准化管制图的运用制程能力分析问题分析解决制程的继续管制2024/7/3092一确立制造流程二决定管制项目三实施标准化五制程能力调查

Ca、Cp、Cpk四管制图的运用六问题分析解决六问题分析解决七制程继续管制Cpk<1.33Cpk>1.33制程条件变动时2024/7/3093藉由所需的人员、程序、机器、物料等(输入)

，经由必要的作业活动来产生一特定的产品或信息(输出)1.流程定义2024/7/3094资料→物料→顾客需求→资源设备→人员→标准→教育→增加附加价值的工作→产品→输出→服务输入→流程的基本模式2024/7/3095订单产品/服务制造流程图2024/7/30962.决定管制项目管制项目的定义

为维持产品的质量，作为管制对象所列举的项目

→特殊特性：尺寸、材质、性能、外观2024/7/3097产品/服务KPCKPCKCCKCCKCCKCCKCCKCCKPCKCCKCCKCCKPC:KeyProductCharacteristicsKCC:KeyControlCharacteristics2024/7/30983.实施标准化意义：所做的每一件工作、产品，都是可以成为可靠的工作与可靠的产品目的：不会做出标准以下的工作、产品步骤：1.成立标准化体制

2.标准化的计划

3.标准化的运作

4.标准化的评价管制计划ControlPlan2024/7/30992024/7/301004.管制图的运用管制图是1924年由萧华特博士(Dr.W.A.Shewhart)，在研究产品质量特性之次数分配时所发现。正常工程所产生出来产品之质量特性，其分布大都呈正态分布的，会超出三个标准偏差(3

)的产品只有0.27%，依据此原理，将正态曲线图旋转90度，在三个标准偏差的地方加上两条界限，并将抽样的顺序点绘成为管制图。2024/7/30101使用管制图的效益提供正在进行制程控制的作业人员使用有助于制程在质量上和成本上能持续的、可预测的维持下去提供检讨制程状况之共通的语言分辨『机遇与非机遇』原因的变异，提供实行局部或系统纠正措施的依据2024/7/30102计量值管制图

X─R(平均值与全距)X─S(平均值与标准偏差)X─R(中位值与全距)X─MR(个别值与移动全距)计数值管制图

P(百分比不良率)np(不良数)C(缺点数)U(每单位缺点数)~管制图的种类管制图之管制上/下限2024/7/30103类型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/n2024/7/30104X–R管制图常数表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/d2^2024/7/30105X–S管制图常数表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/C4^2024/7/30106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.2024/7/30107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.2024/7/30108管制图使用时机决定管制特性可否取得计量值数据目标是否在于不良品数目标是否在于缺点数NONO样本数是否为定值YES使用P管制图使用np或P管制图样本数是否为定值使用U管制图使用C或U管制图YESNOYESYESNO2024/7/30109数据是同类型或无法进行组内个别抽样‧如化学槽液批亮油漆样本平均是否容易计算使用中位值管制图NONO各组样本打大小是否>9YES使用X─R管制图NOYES样本标准偏差S是否容易计算使用X─R管制图NO使用X─S管制图YES使用个别值管制图：X─MRYES2024/7/30110管制图之绘制流程搜集数据绘制解析用管制图稳定状态？绘制直方图→分布→层别研究满足规格？制程能力研究管制用管制图Yes消除非机遇原因No满足减少机遇原因4M、1E分析不满足提升制程能力Z-value2024/7/30111管制图─制程控制的工具1.收集：●收集资料并画在图上2.控制：●监控是否超出『管制上、下限』→非机遇原因●计算所收集的资料，作为分析之用●观察『全距』的变化3.分析与改善：●依所计算之结果，评估制程能力指数●监控在『受控』状态数据的变化，确定『机遇原因』『全距』

的变化，并采取措施

必要时，可修改『管制上、下限』，持续不断的改善解析用管制图管制用管制图2024/7/30112平均值与全距管制图(X─R)A收集资料

A1选择『子组大小、频率和数据』A2建立管制图及记录原始数据

A3计算每个子组的『平均值(X)和全距(R)』A4选择管制图的刻度

A5将平均值和全距，标记到管制图上

将X&R标记道管制图上2024/7/30113X=50.26R=5.12024/7/30114平均值与全距管制图(X─R)B计算管制上、下限〈解析用管制图〉B1计算平均全距(R)，制程平均值(X)B2计算管制上、下限，并标记『管制线』

●全距：UCLR=D4RLCLR=D3R

●平均值：UCLX=X+A2RLCLX=X–A2Rn2345678910D43.272.572.282.112.001.921.861.821.78D3*****0.080.140.180.22A21.881.020.730.580.480.420.370.340.312024/7/301152024/7/301162024/7/301172024/7/301182024/7/301192024/7/30120平均值与全距管制图(X─R)C制程控制说明

C1首先分析『全距图』上的资料

◎任何超出管制限的点◎连续7个点，全在中心线之上，或连续上升◎连续7个点，全在中心线之下，或连续下降

可能为：模具受损或机器固定松动，或换班、换批，或量测系统改变(新人、新量具)。

2024/7/30121平均值与全距管制图(X─R)◎其他明显非随机的图形

各点与R的距离：一般大约『2/3』的点，应落在中心线为中心的『1/3』管制区域内，若非如此，则需进行调查并改善。

可能为：◎管制上、下限或描点计算错或标示错。

◎若有『2/3』的点，落在中心线为中心的『1/3』

管制区域内，则『人、机、料、法』已达相当稳定之状况，，以此来作为『下一阶段』的监控和持续改善。2024/7/30122平均值与全距管制图(X─R)C制程控制说明

C2识别并标注非机遇原因『全距图』C3重新计算『管制上、下限』(全距图)C4分析『平均值图』上的资料

如同『C1』之分析

C5识别并标注非机遇原因『平均值图』C6重新计算『管制上、下限』(平均值图)

2024/7/301235.制程能力分析制程处于『受控』状态制程的各测量值符合『正态分布』工程及其他规范准确的代表顾客的需求设计目标值位于『规格的中心』测量变异相对较小Cpk/PpkCpk–

Thecapabilityindexforastableprocess.

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

Theperformanceindex.Theestimateofsigmaisbasedontotalvariation

(allofindividualsampledatausingthestandarddeviation【rootmeansquareequation】,“s“).2024/7/301242024/7/30125Cpk/PpkCpk–

在一稳定制程下的『能力指数』

某一天、某一班次、某一批、某一机台其组内的变异(R-bar/d2orS-bar/c4)Ppk–

性能指数量试阶段的『能力指数』、某一产品长期监控下的『能力指数』

(allofindividualsampledatausingthestandarddeviation

【rootmeansquareequation】,“s“).制程能力调查步骤确切了解要调查的品质特性与调查范围，并收集数据制作解析用管制图，确定制程处于受控状态之中计算制程能力指数(ShortTerm:Cpk)判断制程能力是否足够，如不够时或不稳定时，则加以改善以解析用管制图之『管制上、下限』，作为『管制用管制图』之监控，并于一段期间后，再计算制程能力指数(LongTerm:Ppk)2024/7/30126制程能力调查的方式图示法---

主要以次数分配图、直方图、管制图表示之数值法---

以Ca值(制程准确度)、Cp值(制程精密度)、

Cpk值(制程能力指数)表示之2024/7/30127图示法制程能力的初步判定2024/7/30128

中心值位置分散宽度分布形状大小→大小→大小→由制程中收集100个以上的数据，做成次数分配图或直方图，由图形的中心值位置、分散宽度、分布形状可简单判定制程能力数值法制程能力分析制程准确度Ca(CapabilityofAccuracy)

衡量自产品中所获得产品数据的实绩平均值(X),与规格中心值(u)其间偏差的程度,是期望制程中生产的每个产品的实际值能与规格中心值一致

(1)Ca之计算方式如下： 实绩平均值-规格中心值X-u Ca=----------------------------------*100%=--------------*100%

规格公差/2T/2 T=USL-LSL

=规格上限--规格下限2024/7/30129集中趋势2024/7/30130Ca值的等级判定

Ca值是正值---实绩平均值较规格中心值偏高

Ca值是负值---实绩平均值较规格中心值偏低

Ca值愈小,品质愈佳。依Ca值大小一般分为四级：2024/7/30131(3)Ca等级的说明规格中心值50%12.5%25%100%规格上限(下限)DCBA(4)处置原则A级：维持现状B级：改进为A级C级：立即检讨改善D级：立即采取紧急措施，全面检讨，必要时停止生产2024/7/30132制程精密度Cp(CapabilityofPrecision)

衡量自产品中所获得产品数据的6个估计实绩标准差(σ),与规格公差(T)其间相差的程度,是期望制程中生产的每个产品以规格中心值为目标，其变异宽度愈小愈好，换言之，即在衡量规格公差范围与制程变异宽度两者间相差程度

(1)Cp之计算方式如下：规格公差6个估计实绩标准偏差=T6σCp=(双边规格)(单边规格)或离散趋势规格上限-实绩平均值3个估计实绩标准偏差=USL-X3σCp=实绩平均值-规格下限3个估计实绩标准偏差=X-LSL3σCp=2024/7/30133Cp值的等级判定

Cp值愈大---规格公差(T)大于估计实绩标准偏差(

σ)愈多，即表示制程的变异宽度远小于规格公差

Cp值愈大,品质愈佳。依Cp值大小一般分为五级：等级Cp值ACp>1.67B1.67>Cp>1.33

C1.33>Cp>1.00D1.00>Cp>0.67ECp<0.672024/7/30134(3)Cp等级之说明6

σE级6

σD级6

σC级6

σB级6

σA级规格中心值规格上限规格下限Cp<0.67Cp=

0.67Cp=1.00Cp=1.33Cp=1.67T=10

σT=8

σT=6σT=4

σ制程能力指数Cpk

(稳定的制程

)2024/7/30135Cpk=(1─│Ca│)*Cp当Ca=0时，Cpk=Cp单边规格时，Cpk即以Cp值计之集中趋势离散趋势2024/7/30136(3)Cpk等级之说明(当Ca=0)6

σE级6

σD级6

σC级6

σB级6

σA级规格中心值规格上限规格下限Cpk<0.67Cpk=

0.67Cpk=1.00Cpk=1.33Cpk=1.67T=10

σT=8

σT=6σT=4