2.3製程能力指標
1.USL－規格上限 LSL－規格下限 CL－規格中心值
2.Ca－製程準確度（CapabilityofAccuracy）
3.Cp－製程精密度（CapabilityofPrecision）
4.Cpk－製程能力指數（總合Ca&Cp之指標）
或
下面以圖示說明：
在標準常態分配之狀況下，Cpk=1時，其OutSpec.之機率為0.0027，亦即不良率為2700DPPM，而在Cpk=1.33時，其OutSpec.之機率為0.000064，亦即不良率為64DPPM。
第3章
查檢表
3.1何謂查檢表（Checksheet）？
「勾記型的圖形或表格，使用它時只須登入檢查記號和點數整理，可藉以稽核和分析」。
因此，「查檢表」=「事實記誌」
3.2查檢表的種類
1）紀錄用：
如【圖3-1】，它又稱「改善用查檢表」。
2）點檢用：
如【圖3-2】，它用於「作業實施」和「機械整備」的確認。
作業者
機械
日期
不良種類
月日
月日
月日
月日
尺寸
A
1
缺點
材料
其他
尺寸
缺點
B
2
材料
其他
【圖3-1】車床加工查檢表
10000KM時定期保養
顧客寶號：
日期：
車牌號碼：
保養費用：
車種款式：
行駛公里：
作業者：
□電瓶液量□空氣濾清器
□水箱□機油
□胎壓□分電盤蓋
□火星塞□化油器
□風扇皮帶
註：
檢查調整更換
【圖3-2】汽車定期保養查檢表
3.3查檢表製作
查檢表的內容是依據下述考量而決定：
1）把握項目：
待蒐集項目和數據樣式；
2）表格樣式：
如【圖3-3】所示，查檢表格式應符合蒐集目的；
3）記錄型式：
點檢的記錄形式，如項目、日期、數目、合計等；
4）蒐集方式：
何人、何時、何地、何物、、、等等。
3.4表格使用
使用查檢表進行蒐集數據，待完成後宜檢討下述問題：
1）反映事實：
印證所獲數據是否能反映某些事實？
2）獨特項目：
查看是否有些項目主宰事實，或個別項目間明顯差異？
3）時間推移：
是否有經時變化的趨勢？
4）週期循環：
是否有週期變化的型樣？
。
數據期間：
87年第三季
檢查項目
期間
案件數目
10月
11月
12月
合計
畫面
沒有畫面
//
2
/////
5
///////////////////////////////////35
42
沒有彩色
///
3
////
4
//
2
9
電波
沒有天線
/////
5
/////
4
////////////////////
20
29
沒有方向
//////////////////////////////
30
////////////////////////
24
/////////////////////////////
29
83
聲音
沒有
////
4
//////
6
/////
5
15
其他抱怨
/////
5
//
2
///////////////
15
22
案件合計
49
45
106
200
【圖3-3】「電視機故障投訴」狀況查檢表
第4章柏拉圖
4.1何謂柏拉圖？
它是「根據類型所蒐集的數據，按發生數量大小之類型為序，所編製的頻次圖形。
」一般，柏拉圖多加上累計比例的折線。
因此，如按「不良原因」、「不良狀況」、「不良位置」、「安全事故」或「客戶抱怨」等的類型區分，則
「柏拉圖」=「重點問題」
【圖4-1】「電視機顧客投訴」柏拉圖
4.2柏拉圖製作
1）決定數據期間；
2）決定水平橫軸：
除其他外，按發生數據由大至小，由左至右排定類型順序；
3）決定左右縱軸：
依據最大頻次和比例決定左、右縱軸的刻度；
4）長條圖繪製：
在橫軸個類上，將數據大小按左軸刻度畫出長條圖；
5）折線圖繪製：
在橫軸個類上，將個類數據佔總數的累計比例，按右軸刻度畫出圖點，並用直線由左至右連結；
6）附記事項：
記入主題及相關資料。
4.3柏拉圖使用
使用柏拉圖，有下述三時機：
1）掌握重點：
百分之八十的不良是由百分之二十的原因所造成。
2）發現真因：
當製程產品突然冒出罕見缺陷，且某機臺的劣品數竟佔9907與該劣品總數的94%，此際從該機臺下手應可追查到缺陷的真因。
3）效果確認：
採行對策一段期間後，改善效果可望在柏拉圖上呈現。
如果效果明顯，不良總數會下降，而重要項目也會有一番大調整。
如【圖4-2】所示，改善後案件從上季200件降至本季78件；而且改善後「電視機顧客投訴」的前三項是「沒有天線」、「沒有聲音」、和「沒有彩色」，已非改善前的「沒有方向」、「沒有畫面」、和「沒有天線」。
改善前後的比較，可如【圖4-2】使用柏拉圖顯示。
【注意】效果確認時應考量：
-不同比較期間的項目和對象是否一致？
-季節性的變化是否對數據有影響？
-對策外的要因是否對數據有影響？
【圖4-2】改善前後「電視機顧客投訴」柏拉圖
第5章
魚骨圖
5.1何謂魚骨圖？
它是「就特性數值，整理主導影響的潛在要因之間的條理，及要因和特性的因果關係，成為骨狀的圖形。
」如圖【圖3-1】所示的「特性要因圖」，亦常繪成「魚骨圖」，「魚頭」和「魚刺」各表示「問題特性」和「潛在要因」。
因此，
「魚骨圖」=「推敲因果」
【圖5-1】特性要因圖
5.2魚骨圖製作
魚骨圖是按下述程序而製作：
1）問題特性：
釐定問題或品質的特性，如「延遲交貨頻頻」；
2）定大要因：
推定能支配問題或品質的主要因素；
3）中小要因：
推定大要因內之中度、輕度因素；
4）主要原因：
推定大要因間之主要因素；
5）附記事項：
填上製作目的，日期及製作者資料。
5.3魚骨圖使用
使用魚骨圖，有下述三時機：
1）整理問題：
將紊亂問題整理出頭緒；
2）追查真因：
從問題成因中追究出主因；
3）尋找對策：
從問題主因中研討出對策；
4）教育訓練：
員工解決問題能力的訓練。
【注意】編製魚骨圖時應注意：
把握腦力激盪原則、將要因層別化；5W1H之原則不因好惡決定。
【圖5-2】對策魚骨圖
第6章
散佈圖
6.1何謂散佈圖？
它是「按數據分布型態，來判斷配對變數之間對應關係的圖形。
」因此，
「配對數據」=「敲定因果」
【圖6-1】溫度X和硬度Y的散佈圖
6.2散佈圖作成
1）配對變數：
找出關切的兩變數。
若係因果關係時視因和果各為X、Y變數
2）蒐集數據：
至少三十組以上變數數對
3）計算組距：
各找出兩變數的最大值、最小值、和全距
4）標軸刻度：
各按兩變數的最大、最小、和全距設定座標軸
5）標繪圖點：
按各數對的橫軸、縱軸座標，在圖上以單點標記
6）標繪心軸：
各繪製
和
的直線，則構成以
為中心的I、II、III、和IV四象限。
7）附記事項：
何人、何時、何地、何物、、、等等。
例如，如【圖6-1】所示完成的散佈圖。
6.3關係性質
使用散佈圖時，常需判斷X變項與Y變項的相關性質。
可利用
為中心的四象限，檢視各圖點落處於I、II、III、和IV象限的狀況，來判定X與Y的關係。
以下是各式各樣相關性質的判定方式：
1）正負相關：
當X增加時，Y亦隨之增加，它表示因變數X與果變項Y是呈「正相關」；反之，則X與Y呈「負相關」。
2）強弱相關：
圖點分布較密集時是「強相關」，而分布較疏廣時是「弱相關」。
如【圖6-2】所示。
3）無甚相關：
圖點分布散亂時，X與Y之間是「無甚相關」。
如【圖6-3】所示，各圖點分散落處於I、II、III、和IV各象限。
4）曲線相關：
圖點分佈呈曲線傾向時是「曲線相關」。
如【圖6-4】所示，各圖點似乎「貼近」某條曲線。
【圖6-2】強弱相關
（a）強相關（b）弱相關
【圖6-3】無甚相關
【圖6-4】曲線相關
6.4相關係數
自行求算的公式如下：
6.5使用散佈圖時應注意事項：
1）不當數據：
數據的獲得是否品質良好？
譬如「不當量測」、「不當期間」、「人為疏失」或「人為篡改」等等。
2）假性相關：
變數之間本質上是否並無相關性？
譬如「中山高交通事故」和「養殖池成魚驟死」的相關係數可能甚大，可是結論卻是荒誕不經：
「中山高交通事故和養殖池成魚驟死之間，關係甚大。
」
3）層層疊疊：
數據的背景條件是否不夠特定？
譬如「不同機臺」、「多人操作」或「不同批號」等等。
第7章
管制圖
7.1何謂管制圖？
管制圖是將「製程樣組」和「品質特性」各置於橫軸和縱軸的一種折線圖，但它事先已繪製「CL」、「UCL」、「LCL」等三條水平界線。
如【圖7-1】所示，使用管制圖時、按時逐次抽樣，然後將頻次或數值數據，標繪成乙個圖點。
若生產穩定，則圖點理應散落在UCL和LCL兩條界線的範圍之內，並且圖點大多會貼近CL界線。
因此，
「管制圖」=「異常警告」
【圖7-1】管制圖
7.2管制圖的研判
1）界外點－管制圖中已有點落於管制界限外
2）點串型－製程業已偏移或呈現走勢
3）非隨機－管制圖中某組點有非隨機的現象
a.三點中有二點在A區或以外（機率=0.005928）
b.五點中有四點在B區或以外（機率=0.034604）
c.連續六點持續上升或下降（機率=0.015625）
d.
八點在心線兩側C區內（機率=0.047183）
e.連續九點在單邊C區或以外（機率=0.001953）
f.15點在心線兩側C區內（機率=0.003261）
g.有一點在A區以外（機率=0.002700）
h.連續14點交互升降（機率=0.000122）
備註：
A區－兩倍至三倍標準差間
B區－一倍至兩倍標準差間
C區－一倍標準差間
第8章
直方圖
8.1何謂直方圖？
它是「就『品質特性』數值的數個相等區間為序，按數據『落入各區間的頻次』製作成條圖。
」
「直方圖」=「品質概要」
【圖8-1】汽缸頭徑長直方圖
8.2直方圖製作
1）數據範圍：
找出「最大值」和「最小值」。
2）計算全距：
由「最大值」減「最小值」而得全距值。
3）組數組距：
先參考數據總量決定組數，再求算組距＝全距÷組數。
4）上下組界：
求算各組之上、下組界。
5）組中心點：
求算各組之組中心點。
組中心=（上組界＋下組界）÷2
6）次數分配：
點數落入各組之筆數。
7）製作圖形：
就品質特性為橫軸，按各組次數製作成條圖。
8）附記事項：
記入主題及相關資料而作成直方圖。
8.3分佈判斷
1）常態型：
如【圖8-2】所示，製程正處於安定狀態。
2）鋸齒型：
如【圖8-3】所示，數據蒐集或作圖方法不恰當。
3）截尾型：
如【圖8-4】所示，無法量測某界限以下的數值。
4）峭壁型：
如【圖8-5】所示，產品業已經過篩選。
5）雙峰型：
如【圖8-6】所示，樣本數據來自不同的機臺或材料。
6）丘陵型：
如【圖8-7】所示，樣本數據來自迥異的製程。
7）
圖8-3
圖8-2
離島型：
如【圖8-8】所示，製程業已遭到特殊原因的淆擾。
圖8-8
圖8-7
圖8-5
圖8-6
圖8-4
第9章
層別法
9.1何謂層別法？
「因為數據具有多種屬性，若就特定類別整理之，以便能指認出是否存在時或空的反覆現象。
」這就是層別法。
因此，
「層別法」=「大海覓針」
9.2層別法的作法
1）確定層別的目的
2）選定影響品質特性的原因
3）製作記錄卡
4）整理數據
5）比較與檢定
升级会员 