东莞酒店SPC统计过程控件讲义模板.doc

4月19日SPC研討會
東莞宏遠酒店

目 錄

壹、 統計制程管理（SPC）概念導入
貳、 品質管制意義
參、 制程管制
一、 制程管制意義
二、 制造階段品質保證觀念
三、 現場實施制程管制作法
四、 實施統計制程管制（SPC）步驟
五、 管制圖介紹
六、 管制圖之判讀
七、 制程能力分析
肆、 演 練
伍、 結 論
壹、統計制程管制（SPC）概念導入
一、SPC之演進
1.什麼是SPC（STATISTICAL PROCESS CONTROL）
利用統計各種方法來管制製造程序，使產品一次做好。
SPC＝SQC＋QUALITY PLANNING AND DESIGN
2.什麼是SQC（STATISTICAL QUALITY CONTROL）？
由SHEWHART在1937年提出“以統計方法協助分析品質問題，進而找出解決問題方案品管方法”。
這些方法关键有：
＊管制圖

＊直方圖
＊柏拉圖
＊查檢表
＊制程能力分析
＊實驗計劃法
＊可靠度方法
3.SQC精神
——制程能力穩定維持
——事後制程（AFTER PROCESS）之品質改善分析
——阻擋不良品進入/流出（IQC/OUTGOING CONTROL）

4.演進史（參見附圖一）
SQC開發
日本執行SQC
且極有成效
SQC極限
其它技術開發
SQC⊕品質
企劃與設計
品質障礙極低
品質障礙低
品質障礙高
品質障礙极高
1.SHEWIIART
2.ZI-1/-2/-3
1.Deming引SPC
入日本
2.Z 9021/9022/9023
1.QCC發展
2.ZD計劃
3.TQC萌芽
4.QFD萌芽
5.實驗設計
1.QFD用於設計
2.FMEA用於設計
3.田口方法用於設計
4.使用TQC
5.重彈SQC（歐美）
6.追求6σ品質
1930
1950
1970
1980
年代
SPC之演進史

二、基础統計概念
1.數據性質
(1)數據差異
因為沒有兩個產品（或制成品）是完全一樣，就算是同一條生產線上用同樣原料，同樣方法做出來，還是會有變動原因所構成差異。所以，對於製造者而言，每一零件之各品質規格特征，所能做是：a.瞭解差異一定存在；b.找出差異可能原因（原料、儀器、設備、隨機、人為，亦或是「不適當」之組織機能營運下所潛藏原因），所以，必須將隨機誤差保持在一可容忍範圍里，統計品管便由此誕生。
(2)可靠度、精密度、正確度
檢討數據時，應先考慮是否具備a.可靠度；b.精密度；c.正確度等三個要素。
(3)數據次數分配
上節我們知道測定任何東西全部必有誤差，不可能得到同一數據，這種現象謂之數據帶有差異。數據帶有差異就是表示數據帶有分配。變異形成之原因，可分為機遇原因及非機遇原因兩類：
A.機遇原因（Chance causes）
又稱為：不可避免之原因、非人為原因、共同原因、偶然原因、通常原因等等。
a.比如某人量身高，用同一量測器，由同一人量測該人之身高數，在短時間內，所得量測值有差異存在，造成此種差異之原因，即屬於機遇原因。
b.在生產工作中，雖然訂有操作標準，但在操作條件容許之範圍內必有變化。
比如：自不一样方向及不一样位置測量軸徑、車床之轉速、吃刀之深度、刀具上所受之壓力、潤滑油、冷卻液、地面之震動、工作物與量具間之溫度變化、灰塵與油層之厚薄和檢驗員之讀量具之讀數其眼睛所產生之誤差，均能使檢驗結果發生差異。
c.原材料之品質在其規格範圍內，容許隨時在變化。
比如：原材料之重量、密度、厚薄及油漆之顏色等。
d.其它如：氣候及環境變化，均可造成變異之原因。
B.非機遇原因（Assignable causes）
又稱為：可避免之原因、人為原因、特殊原因、異常原因、局部原因等等。
a.比如由於機器之不一样、材料之相異、人為之原因或操作疏忽等原因，影響品質之變異，這些原因全部是能够避免，皆屬於非機遇原因。
b.未遵照操作標準而操作，所發生之變異。
c.雖然遵照操作標準，但操作標準不完善，以致發生之變異。
d.機器設備之變動，發生之變異。
e.操作人員之更動，造成之變異。
f.原材料之不一样，發生之變異。
g.量具不準確，造成之變異。

＊每一成品全部不相同
大小
大小
大小
大小

＊假如制程很穩定，則將形成一種固定形狀，稱為分配。
大小
大小
大小

位置
大小
大小
大小
散佈
形狀
＊分配有下列不一样之情形
＊假如制程中，只有機遇原因之變異存在，則其成品將形成一個很穩定分佈，而且是能够預測。
大小
時間
預測

＊假如制程中有非機遇原因之變異存在，則其成品將為不穩定，而且無法預測。
大小
時間
預測

(4)次數分配作法（直方圖作法）
＊步驟1：定組數
＊步驟2：決定組距
＊步驟3：決定組組界
＊步驟4：求各組之中心值
＊步驟5：作表及記錄
(5)直方圖见解
次數分配或直方圖之作用，在於瞭解制程之全貌，可自圖上看出分配之中心傾向，及分配之形狀，散怖狀態與規格間之關係。
2.群體與樣本
以樣本數據為根據而期望加以處理對象，謂之群體（POPULATION），為某種目标而群體抽取一部分，謂之樣本（SAMPLE）。
有限群體
樣 本
數 據
群體比
樣 本
數 據
抽 樣
測 定
(1)抽樣檢驗推定群體品質

(2)制程管制制程解析實驗計劃
有限群體
群體批
樣 本
樣 本
無限群體
數 據
制 程
數 據
生產
抽樣
測定

至於研究群體與樣本間關係學問，謂之數理統計學或推測統計學。
(3)群體（制程）與樣本間之關係
自制程取樣檢查之目标系藉樣本來瞭解群體（制程），品質人員無法直接瞭解群體是何種狀態，除非把群體整個檢查，此為不可能之事，于是利用樣本來推定群體，則所取之樣本必須合理，否則即失去其意義。樣本與群體之間有一定之關係，分述如後：
設為樣本平均，μ為群體平均
s＝σe為樣本標準差，σ為群體標準差
在統計學上
分配之期望值　　　E（）＝μ
分配之標準差 σ＝
下面圖二為群體平均值μ之分配與樣本平均值之分配之關係，當群體平均值μ之分配為常態分配時，自群體抽取樣本平均值之分配亦成為常態分配。
群體個別值
之分配
樣本平均值
之分配
σ
σ
μ
圖二

由圖二可知樣本平均值之標準差σ比群體標準差σ小得多，其大小全依樣本數n大小而定，即σ＝。亦即樣本標準差只有群體標準差之大。
又依據圖二再作進一步之說明：樣本平均之分配，不論其原來群體之分配為何，當n很大時（n≧30）必成為常態分配。群體為常態分配N（μ,σ2）時，其樣本平均當然為常態分配N（μ,），若群體之形狀雖為長方形或三角形之分配，而n≧30時，其樣本平均之分配亦可近似成為常態分配N（μ,）。茲用圖三來作一說明：

σ
μ
三角分配之群體
σ（或　 ）
σ

n

長方形分配之群體
μ
μ

樣本平均之分配
常態分配N（μ, ）
圖三
常態分配N（μ,σ2）

圖四：管制界限與規格界限之關係
樣本平均值
之分配
群體（制程）個
別值之分配
規
格
範
圍
UCL
C L
LCL
SL
-3σ
SU
+3σ
+3
-3

注：上圖中之管制圖為「　管制圖」

3.基础統計量
(1)群體參數
表示群體特征定數，謂之群體參數（PARAMETER），現在通常所使用群體參數有：
‧群體平均——群體平均值，以符號μ表示。
‧群體變 異——群體變異，以符號σ2表示。
‧群體標準差——群體標準差，以符號σ表示。
(2)統計量
測定樣本所得測定值，我們謂之統計量，常使用統計量通常有：
‧樣本平均——樣本平均值，以符號表示。
‧樣本變異——樣本變異，以符號S2表示。
‧樣本標準差——樣本標準差，以符號S表示。
‧樣本全距——樣本全距，以符號R表示。
4.統計量計算
(1)分配位置數量表示法
A.平均值（MEAN）
n
ΣX i

=　＝
i=1
n

B.中位數（MEDIAN）
把數據依大小順序排列，而取其量最中央數據有奇數個數及偶數個數之取決方法。
(2)分配差異程度量，通常有下列各種表示法：
A.全距R（RANGE）
R＝Xmax－Xmin
B.偏差平方和S′（SUM OF SQUARE）
S′＝（X1－）2＋（X2－）2……（Xn－）2
＝（Xi－）2
C.不偏差異V（MEAN SQUARE）
即偏差平方和除以（n－1）
V＝
D.變異（VARIANCE）
一群體變異σ2
S′＝群體平方和
N＝群體單位數
σ2＝
一樣本變異s2
S′＝樣本平方和
n＝樣本單位數
s2＝

E.標準差（STANDERD DEVIATION）
變異開平方根者謂之標準差
一群體標準差σ＝＝
一樣本標準差s＝＝
5.各種分配
(1)計量值分配
A.常態分配
從一群數據里，能够整理為次數分配式或直方圖，假如把數據無限增大時，就可得到下圖之分配曲線。如有群體，其平均值為μ，標準差為σ，圖五抽取一個樣本X時，此X值會小於μ-3σ或會大於μ+3σ之機會為0.27%。X值在μ+kσ與μ-kσ之間或然率（Probability）或稱機率如圖六。
群　 體
平均值＝μ
標準差＝σ
σ
μ- kσ
μ
μ+ kσ
抽
取
一
個
X
圖 六
圖 五

＊以圖六之斜線部份表示，其公式為：
μ＋kσ

μ- kσ
1
2π‧σ

‧e
（x-μ）2
2σ2

－
d x

式中e＝2.718……………………
當一分配經證實為一常態分配時，則算出此常態分配之標準差（σ）及平均值（μ）後，其特征可用下列表一及圖七說明以下：
μ+ kσ
在內之或然率
在外之或然率
μ+ 0.67σ
50.00%
50.00%
μ+ 1σ
68.26%
31.74%
μ+ 1.96σ
95.00%
5.00%
μ+ 2σ
95.45%
4.55%
μ+ 2.58σ
99.00%
1.00%
μ+ 3σ
99.73%
0.27%
68.26%
95.45%
99.73%
-3σ
-2σ
-1σ
μ
+1σ
+2σ
+3σ
圖 七

管制圖是以3個標準差為基礎，換言之，只要群體是常態分配，從此群體抽樣時，每10,000個當中即有27個會跑出+3σ之外，亦即每1,000次中約有3次機會超出+3σ範圍，吾人認為此三次是因偶然機會（機遇原因）跑出界限而不予計較。
(2)計數值分配
A.超幾何分配（HYPERGEOMETRIC DISTRIBUTION）
從不良率P，大小N個群體里隨機抽取樣本n個，這時在樣本里含有ｘ個不良品或然率 P
P（x，n/p，N）為
P（x，n/p，N）＝
B.二項分配（BINOMIAL DISTRIBUTION）
屬於超幾何分配數據，如將其N無限增大時，從無限群體里隨機地抽取n個樣本，則在樣本里含有x個不良品或然率為
P（x，n/p）＝（）px（1-p）n-x
通常充足大（N≧10n）時就可把超幾何分配近似為二項分配。
C.卜氏分配（POISSON DISTRIBUTION）
屬於二項分配分配，如np＝m為一定，而把n無限增大時，np＝m群體其出現0個,1個,2個……不良品或然率P（x,m）為
P（x，np）＝ ＝ 式中， e ＝2.71828
這種分配謂之卜氏分配
通常N≧10n，P≦0.1時，可把二項分配，近似為卜氏分配。
貳、品質管制意識
一、產品品質與制程品質差異
1.產品品質與制程品質差異
＊產品品質是什麼？
是指產品機能、作用、壽命、形象。
——產品完成後顯示出來。
即產品功用、使使用方法、使用期限、品牌信譽。
＊制程品質是什麼？
是指產品生產準備、製造、確認、管理。
——產品製造中隱藏著。
即工程標準、作業安全性、檢驗能力、品質意識。
2.品質管制系統簡介
(1)設計管制
＊檢討、制訂產品製造中各個工程階段應達到標準。
＊鑑定樣品，印證製造程序。
＊評核製造工程變異大小。
(2)進料管制
＊鑑定材料、零件進廠是否維持适用水準—不接收不良。
＊提供生產者（供應廠商）有關生產產品品質情報，協助生產者改善管理。
(3)制程管制（含最終檢查）
＊維持正常生產力與檢查能力
——不製造不良也不流出不良。
＊機會教育實施
——制程規定稽核，檢查結果稽核。
(4)成品管制（含出貨管制）
＊產品機能測試、評比、報告與成本統計之回饋。
＊客戶使用時之服務、分析。
(5)品管稽核
＊品管作業程序、品保系統、品質標準檢討。
＊品管方針、目標管理。
3.作業中品管責任
(1)三不責任——作業意識
＊不接收不良：阻止不良延伸、擴散。
＊不製造不良：預防不良發生。
＊不流出不良：確認沒有不良現象。

參、制程管制
一、制程管制意義
從材料取得開始，直到產品送達顧客（下一工程人員）手中為止；利用工程知識（生產技術、管理技術）與積累經驗（履歷記錄、數據）將產品製造過程人員、機械、材料、加工方法给予標準化，（建立工程、作業、檢查等標準）於製造時預防不良之發生，阻止不良之擴散。使生產工作每一次全部是好，（生產成本最低）達到企業獲利目标。
二、製造階段品質保證觀念（統計制程之意識）
檢 查
預 防

1.品質是製造出來；
2.產品出來後大量檢查是無用，應以預防為原則；
3.運用統計方法加以管理制程結果；
4.遇有異常發生，快速排除，使恢復正常，而確保結果合乎顧客要求。
4M
Process
（大量）檢查
廢料、重修
OK
調 整
產品
監看、調整
Process
SPC
4M
（少许）檢查
OK
產品

三、現場實施制程管制作法
＊分三個階段：
1.第一個階段——「量試」
(1)步骤之選定。
(2)機具設備及人員之配置。
(3)各種標準（材料、時間、成本）之訂定。
(4)品管方案之編定。
2.第二個階段——「量產時之品管」
(1)巡回檢查。
(2)設定管制圖。
(3)異常原因之追查與處置。
(4)檢查站抽驗。
3.第三階段——「制程與改善」
(1)品質情報資料之分析。
(2)制程能力之分析與評價。
(3)改善對策之確定。
(4)改善結果之追蹤。
四、實施統計制程管制（SPC）步驟
1.作業步驟
(1)依QC工程表到管制站抽樣作品質確認；
(2)以解析用管制圖確認制程狀態；
(3)制程能力分析；
(4)以管制用管制圖管制制程；
(5)異常發現與處置。
2.作業分組：分三組
(1)第一組——「線上操作人員」
a.除操作以外，還需查視自己之工作，有變異時，立即采取矯正行動，當品質水準顯示有相反趨勢時，要提醒檢驗人員。
b.含有品質觀念，在工作中應將不良品分開，而不需要靠檢驗人員去發現。
c.應含有查核自己制品之能力，且含有使用必需儀器及設備之技巧。
(2)第二組——「線上品管檢驗人員」
a.第一件檢驗
b.巡迴檢驗以尋找問題之早期徵象。
c.對制程中使用之物料，應施以隨機品質抽檢。
(3)第三組——「試驗室工作人員」
a.但任治金、化學、物理及非破壞性試驗等工作。
b.負責制程中電鍍、陽極處理等溶液之分析試驗。
c.提供檢（試）驗記錄資料及有關報告。
d.試驗儀器設備之校正與保養管理工作。

五、管制圖介紹
1.管制圖意義
2.品質變異原因
計量值
(1)不合格數管制圖。
(2)不合格率管制圖。
(3)缺點數管制圖。
(4)單位缺點管制圖。
種類
性質分類
用途分類
計數值

(1)平均數與全距管制圖。

(2)中位數與全距管制圖。

(3)平均數與標準差管制圖。

(4)個別值與移動全距管制圖。
管制用管制圖
解析用管制圖
3.管制圖種類
4.管制圖原理
(1)統計原理：①常態分配、二項分配
②機率（判讀）
(2)樣本與群體之關係: ①有限群體
②無限群體
(3)生產（制程）之變異: ①機遇原因、共同原因
②非機遇原因、特殊原因
(4)檢驗之錯誤：①第I錯誤
②第II錯誤
(5) 經濟平衡點之觀念: ①+3σ，99.73%（普）
②+1.96σ，95%（嚴）
③+3.09σ，99.9%（鬆）
(6)集中趨勢與離中趨勢 →（解析與管制）
(7)管制界限之設定原理——管理平衡
第二種錯誤
第一種錯誤
兩種錯誤總和
損失
+1σ
+2σ
+3σ
+4σ
+5σ
+6σ
管制界限

＊第一種錯誤：
應該是良品（合格品），但被認為是不良品（不合格品）。
＊第二種錯誤：
是不良品（不合格品），但被認為是良品（合格品）。
※管理成本最低地方是在+3σ之處！
5.建立管制圖之步驟：
先建立解析用管制圖，等確定管制界限后，再建立管制用管制圖，其步驟以下：
(1)建立解析用管制圖
a.選定管制項目
b.搜集數據
c.按產品生產之順序或測定順序，排列數據；
d.數據分組，每組所含之樣本個數為樣本數，以n表示；樣本之組數以k表示，n＝2～6較為適當；
e.將分組之數據記入記錄表（查檢表）;
f.計算各組平均值；
g.計算各組全距R；
h.計算總平均值；
i.計算全距之平均值；
j.查系數A2、D4、D3；
k.計算管制界限（見公式）；
l.繪管制界限；
m.點圖；
n.管制界限之檢討；
o.劃直方圖；　
p.與規格比較；
(2)建立管制用管制圖
a.記入必需事項（基础事項）；
b.作管制界限；
c.點圖；
d.安全狀態之判定；
e.采取對策調查原因：
f.管制界限之重新計算。
（例）－R計量值管制之作法
實施步驟：
【步驟1】選擇管制對象：
第一產品之計量特征很多，如尺寸、色澤、亮度、光度、反光性、音量、雜音……等，不一而足，有時一種產品高達數十種之多。在這些特征中，有些品質穩定，有些並不关键，所以值得吾人取而作圖者，為數甚少，一種產品，五種特征已相當多。當然，不能一概而論。
【步驟2】選擇管制站：
決定到底在制程哪一站或哪幾站建立管制最好。
【步驟3】決定搜集資料頻率、方法及負責人。搜集資料頻率通常天天1～5次，每次5個資料，在測試時，須以下圖：連續抽測，如此能够使得組內變異小；組間變異大，使管制圖更具代表性。
……○○○○○○○○○○○○○…………
【步驟4】資料填入管制圖中。
【步驟5】計算每組之平均，全距R，及全部各組之平均及平均全距。
【步驟6】代入公式，計算試用管制界限：
(1)公式之由來
管制圖：
CL＝＝μ
UCL＝+3σ＝+3
而d2σ，σ
∴UCL＝＋‧
設＝A2，則
UCL＝+A2；LCL＝-A2
R管制圖：
CLR＝
UCLR＝＋3σR＝＋3d3σx
＝＋3 ×d3‧ ＝（1＋）‧＝D4
其中D4＝1＋
LCLR＝－3σR＝（1－）‧＝D3
其中D3＝1－
通常n≦6時，D3＝0
【步驟7】由上述公式以求出之試用管制界限（Trial Control Limit）點繪。（系數參閱附表）
【步驟8】在管制圖上畫出管制界限，若有任何點子跑出，則去除該點之數值，以剩下之數據重新計算出第二次試用之管制界限，再觀察各點是否在管制界限內，若又有點子在外，再摒棄此點，重新再算，如此重復做，一直到全部點子在內為止（注意，當數據太少時須再搜集足夠資料）。至此，即求出第一次之管制界限，使用到今後之管制。
【步驟9】實際使用及觀察：
天天點繪、觀察，以推測制程狀況，期能避免不良於未然。
六、管制圖之判讀
1.正常點子之動態：其分佈情形只隨機而是有系統之順序與排列方法，所以集中在中心線之周围，上下兩邊為對稱。
2.不正常點子動態：
(1)在中心線周围無點子——為混合型；
(2)在管制界限周围無點——已經檢過，為層別型；
(3)有點子逸出管制界限——不穩定型。
3.不穩定型之檢定方法
(1)檢定規則一
A區
B區
C區
＋3σ
＋2σ
＋1σ
UCL
CL

(2)檢定規則二
A區
B區
C區
＋3σ
＋2σ
＋1σ
X
X
CL
UCL

(3)檢定規則三
A區
B區
C區
＋3σ
＋2σ
＋1σ
X
X
X
UCL
CL

(4)檢定規則四
A區
B區
C區
＋3σ
＋2σ
＋1σ
X
CL
UCL

(5)檢定規則五
＋3σ
＋2σ
＋1σ
CL
UCL
－1σ
－2σ
－3σ
LCL
X
X
X

4.連串理論判定隨機性
原理：將管制圖以中心線為主，劃分上、下兩部份，分別計算其上方或下方之各點所播成之串數（RUN）配合其上下兩部總點數，以查表結果決定在不一样之機率下其分布是否為隨機（是否為正常）。
作法：①求上下各串數；
②以中心線為準求上、下之點數；
③查表求最低之串數；
④比較總串數與最低串數（由表得悉）以判定是否為隨機。
七、制程能力分析
1.制程準確度Ca（Capability of Accuracy）
Ca值衡量制程之實績平均值與規格中心值之一致性。
①Ca之計算
Ca＝ × 100%＝ × 100%
T＝SU－SL＝規格上限－規格下限
＊單邊規格因沒有規格中心值，故不能算Ca
②等級判定
Ca值愈小，品質愈佳。依Ca值大小分為四級
等級
Ca 值
A
｜Ca︱≦12.5%
B
12.5%＜｜Ca︱≦25.0%
C
25.0%＜｜Ca︱≦50.0%
D
50.0%＜｜Ca︱
上表之分級僅供參考，非絕對如此不可。
③Ca意義之說明：
規格中心值和上限或下限規格間是產品變異可容許空間。我們若以此空間當做100%話，則Ca表示，制程已耗去此空間有多少 %。亦可解釋為，制程之實績中心值偏離目標值程度。
所以它是愈小愈好。
以下圖X1及X2為兩種情況下制程下制程實績之中心值。
當X1之實績下，Ca＝0%
當X2之實績時，Ca＝ × 100%
換言之，它是實績中心和規格中心差距（X2－U占T/2線段有多少百分數。）
T＝Tolerance（公差）
T/2=100%
LSL（下限規格）
USL（上限規格）
X2-μ
（）
X2
T/2=100%

2.制程精密度CP（Capability of Precision）
Cp在衡量制程之變異寬度與規格公差範圍相差之情形
①Cp之計算
Cp＝＝ ……單邊規格時
Cp＝或Cp＝ ……單邊規格時

②等級判定
Cp值愈大，品質愈佳。依Cp值大小分為五級。
等級
C p 值
A+
1.67≦Cp
A
1.33≦Cp＜1.67
B
1.00≦Cp＜1.33
C
0.67≦Cp＜1.00
D
Cp＜0.67
上表之分級僅供參考，非絕對如此不可。
③Cp意義之說明：
Cp不一样于C a，它代表公差和實際標準差之比。以下圖看得出，標準之公差大小應為6σ。
T（公差）
LSL（下限規格）
USL（上限規格）
μ
＋3σ＝6σ
-6σ
-5σ
-4σ
-3σ
-2σ
-1σ
+1σ
+2σ
+3σ
+4σ
+5σ
+6σ

Cp由上圖可知，公T和6σ之比值。6σ之由來系管制圖之上下限為+3σ，且+3σ範圍內有99.732﹪之合格率。
準此，若Cp＝1話，且實績平均＝U，則合計不良率＝0.27%。
3.制程能力指數Cpk
綜合Ca與Cp兩值之指數
①Cpk之計算式
‧Cpk＝（1－｜Ca｜）Cp
Ca＝0時，Cpk＝Cp
單邊規格時，Cpk即以Cp值計，但需取絕對值。
或Zsu＝ Zsl＝
‧Cpk＝
（注：Zmin乃取Zsu及Zsl較小值者）
②等級判定
Cpk值愈大，品質愈佳。依Cpk值大小分為五級。
等 級
Cpk 值
A+
1.67≦Cpk
A
1.33≦Cpk＜1.67
B
1.0 ≦Cpk＜1.33
C
0.67≦Cpk＜1.0
D
Cpk＜0.67
③Cpk意義說明
下圖Su－部份即產品實績分配用到容差。以這一數值和
3σ來比。則其意義和T比6σ相類似。所以Cpk和Cp值一樣是越大越好。且分等之方法完全相同。
而Zmin/3意義乃是，可是容差較小一邊是制程不良較多一邊。用它來計算指標較為完全、保險部分。
T＝Tolerance（公差）
LSL（下限規格）
USL（上限規格）
3σ
Su－X

4.制程能力指標應用：
①Ca＞0%時
當Ca＞0%時，表示實績中心和目標值（規格中心值）不吻合，必須調整刀具或鐵具以求吻合。
在這際現場工作，這常很轻易辦到，如車刀之調整等。
②不一样Cpk值有不一样做法:
＊Cpk＞2.0 →制程能力太高有時能够縮小規格以爭取顧客之信賴，有時也可利用此能力尋求降低成本之方法。
＊1.67≦Cpk≦2.0 →理想狀況，保持。
＊1.33≦Cpk≦1.67 →須進行工作及品質改善，以求降低變異，提升品質。
＊1.0≦Cpk≦1.33 →切實做到工作站管理，並做必需處理及回饋改善工作。
＊ Cpk＜1.0 →須全檢，但全檢只是了解事實之一段而已，必須將全檢所得資料分析原因，找出問題來源，回饋並以再發预防方法徹底解決改善之。
肆、演練

伍、結論