1、統 計 製 程 控 制(Statistical Process Control)目錄1.統計製程控制(SPC)的基本概念1.1質量的基本概念1.2統計製程控制(SPC)是什麼？1.3統計製程控制(SPC)的起源與發展2.常用的統計方法2.1概率2.2統計特徵數2.3正態分佈（Normal Distribution）2.4中心趨向定律（Central Limit Theorem）2.5 正常狀態的統計規律2.6 常規控制圖及其3界限2.7 變異的基本概念2.8 數據的種類2.9 控制圖的種類3.計量值控制圖的製作及應用3.1選擇計量值控制圖3.2數據收集3.3控制界限的設定3.4.控制界限的更新
2、3.5控制界限和規格的關係4.計數值控制圖的製作及應用4.1選擇計數值控制圖4.2數據收集4.3控制界限的設定4.4控制界限的更新5. 控制圖的分析5.1正常狀態5.2異常現象5.3失控行動表6.製程能力的研究6.1製程能力研究的目的6.2製程能力指數的計算和分析7.控制圖與七工具的關係7.1七工具是什麼？7.2統計分析表 Checksheet7.3分類法 Stratification7.4巴氏圖 Pareto Analysis7.5直方圖 Histogram / Barchart7.6因果圖 Cause-and-Effect Diagram7.7散佈圖 Scattered Diagram8.
3、附錄8.1控制圖用途總表8.2控制圖的選擇8.3控制圖工作紙8.4控制圖樣本8.5實習題1.統計製程控制(SPC)的基本概念1.1質量的基本概念1.1.1品質的定義l 卓越的程度比較的意義：產品（功能、品質、安全、級數等）比較；l 品質水準定量意義：技術評估；l 適合用途（Fitness for Use）產品或服務，在滿足特定需要的能力；l 滿足顧客要求。1.1.2檢查與品質l 品質並不是靠檢查出來，而是靠生產出來的；l 檢查只是把所製成的，與規格要求的，作一個比較；l 檢查只能停止不合格品的流動,但不能停止它的產生;l 檢查本身都有品質問題,存在誤檢及漏檢,尤其是複雜和大量的檢查.l 檢查需
4、要格外的成本和時間.l 如果產品在第一次便做得對，便可消除廢料、翻工及減少顧客投訴；1.1.3品質與市場競爭能力l 商品要達到暢銷目的，通常要有三個必備的條件：-1.品質優良；2.價格合理；3.交貨期準。1.1.4影嚮品質的因素l 人員（Man）；l 機器（Machine)；l 物料（Material）；l 方法（Method）；l 環境(Environment)任何因素的變化都會導致產品或服務的變化,也即不同的品質.品質控制的理念在于對生產過程的控制,而不在于對結果的控制.一致的輸入和一致的過程導致一致的輸出(產品).1.2統計製程控制(SPC)是什麼？l 統計製程控制的英文名稱是Stati
5、stical Process Control或簡稱為SPC。l 簡單地說就是應用 “統計”（Statistical）技術，去分析 “製程”（Process）中的特性，來 “控制”（Control）製程變異。l SPC的目的就是要控制製程達到“受控制的狀態”(in Statistical Control)。l SPC主要集中在製程的控制，因為製程是問題的根源。它需要在製程中，加入定時的檢查，以達到盡早找出問題，來減少浪費；l SPC典形運用的工具就有品質控制圖，利用簡單的圖表來提供以下的資料：-質量改進-決定工序能力-產品規格的決定-生產製程的決定l SPC是一個有效的工具，去不斷地改善品質；l
6、 SPC的最終目標在於做到 “預防問題的發生”及 “減少浪費”。1.3統計製程控制(SPC)的起源與發展l 1917年一次世界大戰時,美軍需短時間預備軍衣、鞋等物資,結果尺碼比例按正態分布進行,基本吻合需要;l 1924年修華特博士(Dr. W.A. Shewhart)在貝爾試驗室發明了品質控制圖；l 1939年修華特博士與戴明博士(Dr. Deming)合作寫了一本品質觀點的統計方法(Statistical Method from the point of Quality Control)；l 第二次世界大戰前後，英、美兩國將品質控制圖的方法引進製造業，並應用於生產過程中；l 1950年日本
7、的JUSE邀請了戴明博士到日本演講，介紹了SQC的技術與觀念；l 為了紀念戴明博士的貢獻，JUSE於1951年成立了戴明獎；l 在1979年美國國家廣播公司(NBC)製作了一部日本能，為何我們不能的影片，SQC的理論與觀念，便受到注意及被應用於製造程序中；l SQC的理論是不足夠的。單是在發生問題後，才去解決問題，是一種浪費，所以進而發展出SPC；l 美國汽車製造業，在標准中對SPC的使用提出了自己的要求，推動了SPC的廣泛應用.2.常用的統計方法2.1 概率2.1.1隨機現象l 在一定條件下，一件事情可能出現這個結果，也可能出現另一個結果，沒有一定規律，呈現一種偶然性，這就是隨機現象了。2.
8、1.2概率l 一件事情 A 在 n 次試驗中出現的次數為 m ，事情 A 出現的頻率等如m/n。l 隨著試驗次數 n 的增加，事情 A 出現的頻率 m/n 就穩定在某個數值 p ；l 而 p 就被稱為事情 A 的概率（即或然率），俗稱機會率。l 當 n 是無限大時，p = m/n 。2.2 統計特徵數2.2.1統計特徵數的定義l 任何由樣本計算出來代表樣本特徵的數字，都稱為統計特徵數。2.2.2表示數據集中位置的數字 （Measure of Central Tendency）_l 平均數 x (Mean)l 中位數 (Median)l 眾數 (Mode)2.2.3表示數據離散程度的數字 （Me
9、asure of Dispersion）l 全距 R (Range)l 標準差 s (Standard Deviation)2.3 正態分佈（Normal Distribution）2.3.1正態分佈圖形m = 頻率分佈的平均值s = 頻率分佈的標準差如收集數據時樣本數目非常大，_x ms s2.3.2正態分佈的特點l 以 x = m 這條直線為軸，正態分佈是一個左右對稱的。l 靠近 m 出現概率較大；遠離 m 出現概率較細。l 分佈曲線下的面積代表該段數值的出現機會。曲線範圍範圍內面積m +/- s68.26%m +/- 2s95.45%m +/- 3s99.73%m +/- 4s全部範圍1
10、00.00%2.4 中心趨向定律（Central Limit Theorem）2.4.1樣本數目與頻率分佈l 若於總體抽取樣本，每樣本中有 n 個個體，則該樣本平均數不一定會相等於總體的平均數。l 若抽取多個樣本，各樣本的平均數將會構成另一正態分佈如下圖：2.4.2中心趨向定律（Central Limit Theorem）l 若總體分佈並非正態分佈，各樣本的平均數會否構成另一正態分佈？l 以拋擲骰子為例：拋擲骰子的數目越多，骰子的平均數愈趨向正態分佈。一粒骰子二粒骰子三粒骰子四粒骰子十粒骰子l 中心趨向定律（Central Limit Theorem）就是：不論總體分佈是否正態分佈，若抽取樣本，而個別樣
