CPK.docx
《CPK.docx》由会员分享，可在线阅读，更多相关《CPK.docx（11页珍藏版）》请在冰豆网上搜索。
CPK
No.
Cp（或Cpk）值
分布與規格關係
判斷製程能力的有無
處理
1.
Cp≧1.67
SLSU
s
製程能力太充足
製品的分布即使大一點，也不須擔心。
可考慮簡化管理與降低成本的方法。
2.
1.67＞Cp≧1.33
SLSU
s
製程能力充足
屬於理想之狀態，繼續保持。
3.
1.33＞Cp≧1.00
SLSU
s
製程能力雖不充足，卻屬中等。
製程管理進行十分紮實，保持其管理狀態。
不過因為Cp值一旦接近於1時，恐會發生不良品，應依需要，採取適當措施。
4.
1.00＞Cp≧0.67
SLSU
s
製程能力不足
發生不良品，必須進行全數檢驗，並改善製程管理。
5.
0.67＞Cp
SLSU
s
製程能力非常不足
無法滿足品質之狀態。
必須追查原因，進行品質改善和緊急對策。
此外，須再度檢討規格的訂定。
圖9-10
（4）綜合評價不良率P
由（3）知，要使製程能力可達到規格要求，必須Ca值與Cp值兩者均好方可，而製程綜合能力Cpk的好壞又直接與不良率有關，當Cpk值大亦是製程綜合能力好時則不良率低，當Cpk值小亦是製程綜合能力差時則不良率高，而綜合評價不良率P即是如同Cpk值一樣將Ca值與Cp值兩者綜合起來的評價，當然，不良率的計價也可直接由不良數除以檢查總數而求得。
其計算方法是先求出“Z”，而“Z”值的求法是：
ZSU＝
再由“Z”值查常態分配表（如表9-5）得到單邊的不良率PSU％與不良率PSL％（如圖9-11），再將PSU％與PSL％兩者相加即得出綜合不良率P％，亦就是推定其超出規格上限與規格下限的不良率。
至於單邊規格，則查表9-5可直接得知超出規格界限的不良率。
其查表方式，假設“Z”值為2.54，而欲查出其對應的P值時，是先查表9-5之左邊“Z”值2.5處，然後與上邊“Z”值X.X4處矩陣相交的數字0.0055即是其P值，換成百分率是0.55％。
OR
PZPZ
σσ
zz
規規
格格
下上
限限
SLSU
圖9-11
PZ代表製程平均值相距Z個標準差時，產品超出規格界限的比率，但先決條件是製程穩定且為常態分配。
常態分配有不同的中心、分散及峰度，如圖9-11所示。
接著於此對Z值做一個說明；Z值即是標準常態分配的一個變數，而標準常態分配即是μ＝0，σ＝1的常態分配，如圖9-12所示。
σ1σ2σ3
μ2μ2μ3
圖9-11常態分配圖
σ＝1
μ＝0
圖9-12標準常態分配
將常態分配轉換為標準常態分配，在實務上應用可更為廣泛，並且可以推估其不同區域的機率。
計算舉例：
已知某製程為常態分配，其製程平均值μ＝20，製程估計標準差為
為2，求高於24以上的機率為多少？
Z＝
查表9-5，Z＝2.00，其機率為2.275×10-2＝2.275％
表9-5
計算舉例：
在內胎押出工程其長度規格為750±10m/m，而十一月份押出工程長度之實績平均（
）為747m/m，實績估計標準差（
）為4m/m，求綜合不良率P為何？
Cpk值為何？
ZSU值＝
ZSL值＝
查標準常態分配（表9-5）得知不良率為：
Ｐzsu＝0.00058＝0.058％
PZSL＝0.0401＝4.01％
P＝0.00058＋0.0401＝0.04068＝4.068％
Cpk＝
現假設此製程經加以調整，使其對準規格中心，則超出規格界限的不良率會大幅降低，製程能力Cpk也會提高（即是不改變
值），例如製程重新調整後，其實績平均值（
）為749.5m/m，則
ZSU值＝
ZSL值＝
查標準常態分配（表9-5）得知不良率為：
ＰZSU＝0.0043
PZSL＝0.0087
P＝Pzsu＋PZSL＝0.0043＋0.0087＝0.013＝1.3％
Cpk＝
計算舉例：
在橡膠混合工程其硬度規格為50度以上，十一月份其橡膠混合工程硬度之實績平均值
為54.5度，實績估計標準差（
）為1.3度，求其綜合不良率P為何？
Cpk值為何？
ZSL值＝
PZSL＝0.00027＝0.027％＝P
Cpk＝
隨著環境變遷，消費者對品質的要求愈來愈高，而製造業亦以減少產品的變異為依歸，故有所謂的PPM（PartsPerMillion）管理（如圖9-13），即是以百萬為單位所表示的不良率，是中心廠對協力廠製造零件所要求的品質水準，在日本一般對協力廠要求的品質水準為10PMM以下，也就是交貨100萬個零件只允許有10個不良品，而豐田汽車（TOYOTA）對其協力廠要求的品質水準為4PPM以下，但其最終目的是要求協力廠所交之零件不准有不良品，如此中心廠即可以節省鉅額的進貨檢驗成本；有鑑於此，美國一些著名的廠家則喊出6σ的管理，如摩托羅拉要求其協力廠在1992年底將產品品質提升至6σ的水準，而IBM則要求其協力廠在1994年底將產品品質提升至6σ的水準，而6σ的不良率Ca＝0時為2PPB（PartsPerBillion）（如表9-6），其目的即是要求協力廠所交之零件不要有不良品，但因製程剛好對準中心的機率非常少，正常都會有一個漂移，而在漂移1.5σ時，其不良率為3.4PPM，如圖9-14。
世界整個大環境的趨勢是朝向高科技與高品質發展，6σ的品質水準必將取代所謂3σ的品質水準，且是九○年代追求品質的一個指標，大家也許覺得品質要達到6σ的境界不太可能，但勿須置疑，因為事實證明少數公司已達到6σ的品質水準甚至超越它了。
規格公差（T）
製程準確度
Cp值
可容納之標準差
對準規格中心值
與規格中心漂移1.5σ
0.33
2σ（±1σ）
31.73％
69.77％
0.67
4σ（±2σ）
4.55％
30.87％
1.00
6σ（±3σ）
0.27％
6.68％
1.33
8σ（±4σ）
63PPM
6210PPM
1.67
10σ（±5σ）
0.57PPM
233PPM
2.00
12σ（±6σ）
2PPB
3.4PPM
表9-6
剛好對準中心值
規格上限
規格下限
-6s
-5s
-4s
-3s
-2s
-1s
μ=
1s
2s
3s
4s
5s
6s
規格上限
規格下限
-6s
-5s
-4s
-3s
-2s
-1s
μ
-1s
2s
3s
4s
5s
6s
圖9-14
為了要達到製造產品品質瑕疵最少甚至達到零缺點的秘訣，就是公司內的所有員工及協力廠與中心廠之間得有共同的語言，也就是品質的語言，在此所講的品質語言有二：
語言一是“預防不良品的發生”。
常有一個錯誤的觀念，只重視產品品質的檢驗，往往認為只要把檢驗做好就可以控制品質了，但是檢驗也許可以解決問題卻無法消除問題，唯有關心製程的控制，有良好的製程才會有良好的產品，因此如能夠使用統計方法充分管制製程，自可期盼能製造良好的品質。
在此強調FORD汽車有一個重要的觀念就是“不良查檢、容忍浪費；預先防止，才可避免浪費”，只有良好的製程管制才能產出穩定的產品品質。
語言二是“6σ”。
由前面所述知道所謂6σ其代表的意義就是零缺點。
換言之，6σ的觀念就是改變公司內員工與協力廠做事態度的方法，使其不致犯錯，也就是每個人在工作上都是在追求心目中的6σ。
在面對日本產品品質、成本與生產力的強勁競爭，摩托羅拉（Motorola）於1987年喊出6個標準差（6σ）的遠景，運用到其產品品質上，不但促使其盈餘蒸蒸日上，也獲得了美國國家品質獎，而奇異（GE）公司則把6σ發揚光大，利用6σ達成高品質計劃，並且也獲得重大的成就，因而造就6σ在今日美國、日本及台灣的流行，首先來看Motorola邁向6σ之路
1979－管理階層的承諾與了解
1981－品質喚醒，並訂出5年內10倍改善的目標
1986－企業標竿及品質訪查
1987－6σ遠景
1989－10倍之品質改善
1991－100倍之品質改善
1992－6σ
1993－超越6σ
1994－每2年10倍之品質改善
2000－獲利率乘2倍
而Motorola達到6Sigma的步驟：
（1）列出要製造之產品或提供之服務
（2）列出產品的顧客或服務的對象，及其的要求
（3）訂定自己所需要的條件，以提供顧客滿意的產品或服務
（4）繪劃（Define）現在的製程（程序）
（5）改善製程（程序），避免浪費資源
（6）測量、分析、控制已改善的製程（程序）不斷改良，精益求精。
奇異（GE）公司於1995年在其高階層主導下全面推動6σ計劃，並且得到極大的成效。
奇異6σ的計劃是以改善小組活動為主去展開，每個小組都是以MAIC的步驟來進行。
（1）衡量（Measurement）：
透過衡量以找出問題的所在。
（2）分析（Analysis）：
透過分析以掌握造成問題的關鍵因素。
（3）改善（Improvement）：
透過改善以排除問題的關鍵因素，以提升流程的績效。
4.控制（Control）：
透過統計製程管制（SPC）來發現流程的異常，以維持流程的績效。
而其6σ計劃活動的小組成員通常包括4個層級
（1）盟主級（Champion）：
負責的管理階層，不全面參與小組活動，但須負責成敗。
（2）黑帶大師級（MasterBlackBelt）：
是全職的指導人員，具備技術、教學和領導的能力。
（3）黑帶級（BlackBelt）：
負責小組團隊的領導，是專職的從事關鍵流程的改善活動，其須向盟主呈報成果。
（4）綠帶級（GreenBelt）：
本身的職務工作為主，部份時間參與改善活動。
而在國內金寶電子為滿足顧客的要求，自1994年起推動6σ的品質策略，在全面品質管理（TotalQualityManagement）的架構下，依中期的品質策略與目標，並施以方針管理的手法，展開到各部門，並由董事長領導高階主管，定期親至現場做診斷，並運用各種品質手法，以達各階段所設定的品質目標，如圖9-15、9-16。
升级会员 