SPC统计制程管制Word文件下载.docx

1、传统的制程管制是生产单位负责生产，品管单位负责检查，而在管理方面则是不断地稽核工作情形，以发现缺失，然而这种方法是非常浪费的，因为有许多资源已经投入于不被接受的产品上了。如果能在生产当初就避免不良品的发生，将是更为积极有效的方法，这就是所谓的不良预防。以下将针对预防的工具-统计制程管制系统的各项要素分别说明。总之，检测是容忍浪费、预防才能避免浪费。往后几节将分别讨论下列事项： 何谓制程管制系统？（1.2） 制程变异将如何影响成品?（1.3） 如何运用统计方法来判断一个问题是单纯的变异，或是系统上的缺失?（1.4） 什么情况下的制程是在管制状态，或是已经达到制程能力之要求?（1.5） 何谓制程改

2、善循环?制程管制应用于哪些方面?（1.6） 什么是管制图?如何使用?（1.7） 运用管制图有何效益?（1.8）1.2制程管制系统制程管制系统是一个回馈系统，包含四个要素：1.2.1制程:指人员设备材料方法、量测及环境的总和，经由一定的程序而得到成品。1.2.2绩效报告:从分析成品可以得到有关制程绩效的资料，而用以判定制程管制对策应否实施，或改善成品。1.2.3改善制程:是一种预防措施，用以预防制造出不合格的成品。1.2.4成品改善:对已经制造出的不合格品加以选别，进行全数检查修理或报废。1.3变异之共同原因与特殊原因天下没有任何两件成品是完全相同的，因为制程中存在有不同的变异因素。有些变异很明

3、显，有些则很难察觉；有些制程中只会造成短暂的变异，而有些则需经过一段时间才会产生变异。故变异通常规定：在规格以内称为合格；反之则称为不合格。为了管制变异及减少变异，应先分辨造成变异的共同原因（机遇性原因）与特殊原因（非机遇性原因）。1.3.1共同原因:制程中变异因素是在统计管制状态下，其产品之特性有固定之分配，而不外乎有分配位置分配散布及分配形状三种（如下图）。 1.3.2特殊原因:制程中变异因素是不在统计管制状态下的非机遇性原因，其产品的分配亦没有固定之分配（如下图）。.制程中有特殊原因的变异 制程中只有共同原因的变异1.4特殊变异与系统缺失改善1.4.1特殊变异:可由简单的统计技术分析（如

4、管制图）而得，且应由直接负责制程的人员（即发生者）去寻找特殊原因及解决方法，必要时管理阶层应予以协助，一般称为局部问题对策。这类原因约占制程问题的15%。1.4.2系统缺失:需由制程能力分析去发现，且应由管理阶层努力去消除共同原因。这类原因约占制程问题的85%。1.5制程管制与制程能力1.5.1制程管制的目的是采取经济而有效的对策以改善制程。亦即避免改善不需对策的制程（过苛管制或型I误差），及不致于应改善的制程而未对策（失去管制或型II误差）。为避免这两种误差，必须由分析共同原因与特殊原因来决定。1.5.2制程能力是当特殊原因消除后可得到的最小变异，因此它代表的是制程在管制状态下的好坏程度。它

5、也常被视为成品合乎规格的比例，因为在统计管制状态下的制程，可以以其分配来预测产品超出规格的比例。1.5.3四种管制状态的说明与建议（如图）:受控失控可接受不可接受状态I：显示制程已在管制状态下且产品亦能达到规格要求，仅要持续改善。状态II：虽制程在管制状态下，但其产品不符规格，显示其严重的共同原因存在，必须极力加以消除。状态III：虽产品能达到规格要求，但制程无法在管制状态下，形成不稳定的制程，必须查出特殊原因加以解决。状态IV ：显示制程既不在管制状态下，且其产品亦不能符合规格要求，即存在共同原因与特殊原因，故必须双管齐下，改善制程。 制程管制在管制状态下（特殊原因消除） 失去管制（有特殊原

6、因存在）制程能力在管制状态下而且制程能力足够（共同原因的变异减少）在管制状态下，但是制程能力不够（共同原因的变异太大）1.6制程改善循环与制程管制1.6.1制程改善循环（如下图）需不断的运作。1.制程分析 2.制程管制 是怎样的制程? 对制程进行监控。 什么可以不管制? 特殊原因予以矫正预防。 目前在做什么? 是否在管制状态下? 制程能力如何?3.制程改善共同原因解析与改善。减少共同原因的存在。1.6.2制程管制了解制程后，须对制程加以监控，对于特殊原因变异应采取有效的矫正及预防措施。1.6.3制程改善对制程中共同原因加以解析与持续与改善，例如制程能力的提高或PPM的降低，务期以最低的成本产出

7、最高的品质及最大的效益。1.7制程管制的工具管制图1.7.1管制图一般分为两类，一是计量值管制图，又分为四种X-R Chart：平均值与全距管制图 X-R Chart：中位数与全距管制图X-s Chart：平均值与标准差管制图 X-Rm Chart：个别值与移动全距管制图二是计数值管制图，又分为四种： p Chart：不良率管制图 np Chart：不良数管制图 u Chart：单位缺点数管制图 c Chart：缺点数管制图1.7.2使用管制图的步骤步骤1.数据收集:决定制程的管制特性，并收集其数据点绘于图上。步骤2.计算管制界限:依附录4.1之计算公式求出管制界限，并检视制程是否在统计管制状

8、态下，如有附录4.2所提示的特殊原因变异存在时，则应加以解决，再重新收集数据。步骤3.制程能力分析与改善:在所有特殊原因皆以消除，而制程仅存在共同原因时，始可计算制程能力，借以分析产品符合规格的比例及持续不断改善。1.8一般企业应用SPC的困难1.8.1多种少量的生产型态一般都被连续制程管制的名词误导，以为许久才生产一次的产品难以适用SPC其实只要图面生产条件及制程因素未改变，仍可依产品别管制。又如为同类产品虽然规格大小不一，但制程相同，亦可以产品特性选用计量值管制图。1.8.2管制计划不实际虽然许多企业对其管制特性规格管制方法样本大小抽样频度等管制项目会建立制程管制计划或称QC工程表，但实际

9、生产时可能会因各种制程因素，如人员设备材料方法环境等而无法依计划执行。在人员稳定交期宽松价格合理的情况下，依管制计划执行是不成问题的。但若遇到生产压力太大时，可能就不易依计划行事了。故管制计划制订时除了应考虑合理性之外，亦必须考虑其可行性。1.8.3使用SPC前未作充分准备若生产方式未予标准化，使用SPC就难以收到效果，一般在使用SPC前，应准备事项如下： 确定制程 依客户需求及工程问题点确定管制特性 决定量测方法及数据收集之程序 设法使管制特性之变异降至最低1.8.4统计知识欠缺一般人以为管制特性之群体分配为常态分配，而抽样数据可以代表群体，其实他可能忘了这只是为了统计方便而作的一个“假设”

10、而已，因为： 抽样存在抽样误差 没有一个制程可以做到100%在统计管制状态下 没有一个产品特性的分配是完全常态分配所以SPC仅能提供产品特性的信息而已，对于产品及制程技术之专业应更加重视，才能达到改善制程的目的。1.8.5量测数据不正确量测设备之读值必须为产品特性最小精度至少1/10（例如产品特性公差为0.05，其量测设备必须能读取0.001以下，参考测量系统分析MSA），量测系统本身误差太大，将会影响分析的结果。另外，一般对于平均值应取原数据位数多一位（例如XiXXX,则Xi应XXXX），标准差则应取有效位数至小数点三位。1.8.6管理阶层不支持有些管理阶层认为SPC是多余的工作，浪费时间，

11、常因客户要求而临时拼凑，应付了事，殊不知SPC有其莫大的好处，参考第1.9节。1.8.7统计计算繁琐SPC统计计算虽然有点费时，但若能将运用公式或常数表置于便于查阅处，将可以减少此类问题。而现今市面上亦有可用之SPC计算机软件，在现今的社会，采用计算机软件来协助运算绘图分析等，可说是计算机辅助管理。1.9管制图的益处1.9.1经济性/预警性/时效性管制图是一项很简单有用的制程管制工具，以有效的抽样计划，不用全数检验，且利用作业员直接在生产线上绘点，提供一个可靠的资料，藉以预估不良及控制成本，使制程因为管制与改善，而趋于稳定，更使品质成本交期得以预测与掌握。1.9.2较正确的预测若制程在统计管制

12、状态下，则可以预测产品符合规格的程度，以确保产品品质的固定水准。1.9.3提高品质提升效率降低成本产品之品质可藉减少变异而更好，且不断地运作制程改善循环，可令制程微小的变异也能加以改善，让品质达到：超越顾客满意度，增加顾客的信赖度。减少产品修补及报废，降低品质失败成本。增加制程产能，提升效率。1.9.4分辨共同原因与特殊原因提供管理阶层参考，使型I型II误差不致于发生，而造成制程对策错误之损失。1.9.5检讨之共同语言可以用以评估比较同一制程之不同班次（如早中晚班），或同一制程不同站别之绩效。1.9.6善用机器设备可用以估计机器设备能力，进而妥善安排适当机器生产适当零件。1.10如何选用适当之

13、管制图 No No Yes Yes Yes2.1X-R Chart平均值与全距管制图2.1.1数据收集通常数据应至少25组且100个数据以上，才能够判定制程是否稳定及其分配型态，而每组大约每25个连续数据定期取得。所谓定期是指抽样频度要能发现制程潜在变异（如生产者变更环境变更训练期间不同原料批等）为原则订定。2.1.2计算管制界限UCLXXA2R UCLRD4R CLXX CLRRLCLXX-A2R LCLRD3R A2D4D3为常数，请查阅附录4.1.12.1.3制程管制解析请参考附录4.22.1.4制程能力解析（1）R/d2R/d2 s （X1-X）/（n-1）（2）单边规格（SL-X）/

14、双边规格Zmin（USL-X）/或（X -LSL）/（3）查附录4.3估计其不合格率（4）CpkZmin/3（USL-X）/3R/d2或（X-LSL）/3R/d2较小者（5）PpkZmin/3（USL-X）/3s或（X -LSL）/3 s较小者d2为常数，请查阅附录4.1.1R/d2为估计标准差s为制程运转估计标准差SL为规格界限T为规格中心或目标值Z为制程中心距离规格界限的标准差数Cpk为制程能力指数Ppk为制程运转能力指数2.1.5制程能力评价当Zmin3制程能力X 3Cpk或Ppk1.00p0.27%Zmin4制程能力X 4Cpk或Ppk1.33p60PPMZmin5制程能力X5Cpk或

15、Ppk1.67p0.3 PPMp为不良率 PPM为1/百万2.1.6制程能力改善应针对共同原因所造成的变异（如设备精度进料品质一致性量测系统精度制程之基本设计工作环境工作方法等）加以改善，并由管理阶层参与进行系统面分析改善，期使制程能力提升。注意：若Cpk或Ppk1.67，亦不代表制程完美无缺，亦应以持续不断改善的精神执行2.1.6。2.2X-s Chart平均值与标准差管制图2.2.1数据收集（同2.1.1）2.2.2计算管制界限s （Xi-X2）/（n-1） Xi-nX2）/（n-1） （X1X2XnnX）/（n-1）UCLXXA3s UCLsB4s CLXX CLSsLCLXXA3s L

16、CLSB3s A3B4B3为常数，请查阅附录4.1.12.2.3制程管制解析靖参考附录4.22.2.4制程能力解析（1） s/C4s/C4（2）其余参考2.1.4 C4为常数，请查阅附录4.1.12.2.5制程能力评价（同2.1.5）2.2.6制程能力改善（同2.1.6）注意:本法可能需用计算机运算较为恰当。2.3 X-R Chart中位数与全距管制图2.3.1数据收集（同2.1.1）补充:（1）样本大小以不超过10个数据，且为奇数个较佳。 （2）在绘点时，可将所有数据（同组）均点绘于图上，再将中位数圈出，并将各种中位值连接起来即可。2.3.2计算管制界限 A2D4D3为常数，请查阅附录4.1

17、.22.3.3制程管制解析2.3.4制程能力解析（同2.1.4）2.3.5制程能力评价（同2.1.5）2.3.5制程能力改善（同2.1.6）2.4 X-Rm Chart个别值与移动全距管制图2.4.1数据收集（1）数据通常为单独一个数据（2）其全距可为量测数据减去前量测数据（或前几次量测数据）而得，此时n（样本数）则应视全距值是由几次量测数据比较而得（例如（a）X2-X1R，则n2，（b）MAX-MIN（X3.X2.X1）R，则n3，（c）以此类推）。（3）抽样频度应要能发现制程潜在变异（如生产者变更环境变更训练期间不同原料批等）为原则订定。2.4.2计算管制界限UCLXXE2R UCLRmD

18、4R CLXX CLRmRLCLXXE2R LCLRmD3R E2D4D3为常数，请查阅附录4.1.22.4.3制程管制解析2.4.4制程能力解析（同2.1.4）2.4.5制程能力评价（同2.1.5）2.4.6制程能力改善（同2.1.6）2.5运用计量值数据了解制程能力及制程运转2.5.1定义（1）制程能力衡量制程之共同原因变异是否存在6以内，其中R/d2，记为R/d2。（2）制程运转衡量制程之总变异是否在6以内，其中 （X1-X）/（n-1） ，记为s2.5.2指数（1）Cp制程稳定能力指数（USLLSL）/6R/d2（2）Pp制程稳定运转指数（USLLSL）/6s（3）CPU规格上限区制程

19、能力指数（USLX）/3R/d2（4）CPL规格上限区制程能力指数（XLSL）/3R/d2（5）Cpk制程能力指数Min.（CPU&CPL）（6）Ppk制程运转指数Min.（USLX）/3s或（XLSL）/3s2.5.3比率 1（1）CR-制程稳定能力比率6 R/d2/（USLLSL） Cp（2）PR-制程稳定运转比率6/（USLLSL） Pp2.5.4 S与s的差异虽s与S之计算公式相同（即 （X1-X）/（n-1），但其样本数n不同。s之n为组内样本数;而S之n为所有样本数总合（例如一张管制图分为25组，且每组抽取5个样本，则s之5;S之n25*5125）。故s是某一组之估计标准差；S是一

20、个整体制程之估计标准差；因此Cpk仅能辅助判断制程能力是否满足客户要求而已，并不能做为整体制程运转的判断依据，在现今计算机运用已普及化的时代，应采用Ppk，甚至Cpm来表示制程（Cpm请参阅附录4.4）。3.1 p Chart不良率管制图3.1.1数据收集通常需要较大的样本数以发现任何渐进的制程变化，而每组样本数若能维持在25%以内，对计算将有很大的助益。3.1.2计算管制界限UCLpP3 P（1-P） / n CLPPLCLPP-3 P（1-P） / n3.1.3制程管制解析3.1.4制程能力解析虽然一般计数值不须计算制程能力指数或制程运转指数，但亦可由附录4.3求得。3.1.5制程能力评价

21、（同2.1.5）3.1.6制程能力改善（同2.1.6）3.2 np Chart不良数管制图3.2.1数据收集除每组样本数必须相同外，其余同3.1.13.2.2计算管制界限UCLnpnP3 np（1np）/n CLnpnpLCLnpnP-3 np（1np）/n3.2.3制程管制解析3.2.4制程能力解析（同3.1.4）3.2.5制程能力评价（同2.1.5）3.2.6制程能力改善（同2.1.6）3.3 c Chart缺点数管制图3.3.1数据收集（同3.2.1）3.3.2计算管制界限UCLcC3 C CLCCLCLCC3 C3.3.3制程管制解析3.3.4制程能力解析（同3.1.4）3.3.5制程

22、能力评价（同2.1.5）3.3.6制程能力改善（同2.1.6）3.4 u Chart单位缺点数管制图3.4.1数据收集（同3.1.1）3.4.2计算管制界限UCLuu3 u / n CLuuLCLuu3 u / n3.4.3制程管制解析3.4.4制程能力解析（同3.1.4）3.4.5制程能力评价（同2.1.5）3.4.6制程能力改善（同2.1.6）第4章 附 录4.1常数表与管制图公式4.1.1 XR及Xs管制图X and R Charts*X and s Charts*Chart for Averages（X）Chart for Ranges （R）Chart for standard De

23、viations （s）SubgroupsizeFactors for control LimitsDivisors for Estimate of standard DeviationDivisors for Estimate of standardDeviationFactors forcontrolLimitsnA2d2D3D4A3C4B3B421.8801.128-3.2672.6590.797931.0231.6932.5741.9540.88622.56840.7292.0592.2821.6280.92132.26650.5772.3262.1141.4270.94002.089

24、60.4832.5342.0041.2870.95150.0301.97070.4192.7040.0761.9241.1820.95940.1181.88280.3732.8470.1361.8641.0990.96500.1851.81590.3372.9700.1841.8161.0320.96930.2391.761100.3083.0780.2231.7770.9750.97270.2841.716110.2853.1730.2561.7440.9270.97540.3211.679120.2663.2580.2831.7170.8860.97760.3541.646130.2493.3360.3070.8500.97940.3821.618140.2353.4070.3281.6720.8170.98100.4061.594153.4720.3471.6530.789