SPC 手册-ok.docx

SPC
統計過程控制

Statistical Process Control
SPC

1997.06版本

中國汽車技術研究中心

2000.05印刷
目 錄

第一章 統計製程管制概述
1.1 預防與檢測
1.2 製程管制系統
1.3 變異之共同原因與特殊原因
1.4 局部措施與系統改善
1.5 製程管制與製程能力
1.6 製程改善循環與製程管制
1.7 製程管制的工具-管制圖
1.8 管制圖的益處
第二章 計量值管制圖
2.1 X-R Chart平均值與全距管制圖
2.2 X-R Chart平均值與標準差管制圖
2.3 X-R Chart中位數與全距管制圖
2.4 X-Rm Chart個別值與移動全距管制圖
2.5 運用計量數據瞭解製程能力及製程運轉
第三章 計值管制圖
3.1 p Chart不良率管制圖
3.2 np Chart 不良數管制圖
3.3 c Chart 缺點數管制圖
3.4 u Chart 單位缺點數管制圖
第四章 控制圖的判別準則
4.1 分析用控制圖的判別準則
4.2 控制(管理)用控制圖的判別準則
4.3 特別提醒
4.4 控制圖的兩類錯誤
4.5 控制圖法在應用中常見的問題
第五章 附錄
4.1 常數表與管制圖公式
4.2 品質管制圖上特殊原因的檢定規則
4.3 常態分配表
4.4 雙邊等量規格之Cpm與其他指數之關係

第一章 統計製程管制概述

於現今的經濟景氣下，各企業應致力於不斷的改進且需尋找有效的方法來提供產品的服務。為了達到這個目標，企業內之每位員工應瞭解-統計方法。
統計方法亦是管理者與工程技術人員工作上溝通的共同語言，尤其對客戶承諾的品質保證，如試驗過程的數據、生產過程的製程數據….等均可作為適時管理的方法。
控制圖的概念
(1).控制圖的定義
控制圖(Control chart) , 又稱管理圖、休哈特圖。是美國休哈特(W.A.Shewhart)博士於1924年發明的。
控制圖是區分過程中的異常波動和正常波動 , 並判斷過程是否處於控制狀態的一种工具。
控制圖與過程能力分析結合在一起 , 稱作統計過程控制(SPC)。
(2).控制圖原理
過程處於統計控制狀態時(也即受控狀態),產品總體的質量特性數據的分布一般服從正態分布 , 即x~N(μ , σ2 )(注: μ—過程均值 , σ—過程標準差)。質量特性值落在μ ±3σ 範圍內概率約為99.73% , 落在μ ±3σ以外的概率只有0.27% , 因此可用μ ±3σ作為上下線控制界線 , 以質量特性數據是否超越這一上、下界限以及數據的排列情況來判斷過程是否處於受控狀態 , 這就是控制原理。
若計中心線為CL(Central Line)、上控制限為UCL(Upper Control Limit),下控制線為LCL(Lower Control Limit) , 則有:
CL=μ
UCL=μ + 3σ
LCL=μ - 3σ
(3).控制圖的種類
1>.按照用途分
◆.分析用控制圖
主要用來分析過程是否處於穩態 , 過程能力是否適宜。如發現異常就應找出其原因 , 採取措施 , 使過程達到穩定 ; 過程處於穩態后 , 才可將分析用控制圖的控制線 , 延長作為控制用控制圖。
● .異常波動與正常波動
a>.異常波動
異常波動是由特殊因素(異常因素/系統因素)造成的。這些特殊因素在生產過程中並不大量存在 , 對產品質量也不經常發生影響 , 一旦存在 , 它對產品質量的影響就比較顯著。如: 機器設備帶病運轉 , 操作者違章操作等。
b>.正常波動
正常波動是由普通因素(隨機因素/偶然因素)造成的。這些普通因素在生產過程中大量存在 , 對產品質量經常發生影響 , 但它所造成的質量波動往往比較小 , 在生產過程中是允許存在的。如:機器設備的輕微振動等。
當一個過程只有普通因素(隨機因素/偶然因素)起作用 , 而不存在特殊因素(異常因素/系統因素)的作用時 , 這個過程就處於統計控制狀態 , 也即受控狀態。
如果僅存在普通原因 , 隨著時間的推移 , 過程的輸出形成一個穩定的分布並可預則 , 如果存在特殊原因 , 隨著時間推移 , 過程的輸出不穩定。
◆ .控制(管理)用控制圖
用於使過程保持穩態 , 預防不合格的產生。控制用控制圖的控制界線來自分析用控制圖 , 不必隨時計算。當影響過程質量波動的因素發生變化或質量水平已有明顯提高時 , 應及時用分析用控制圖計算出新的控制線。
實際運用中 , 許多工廠對分析用控制圖、控制(管理)用控制圖沒有分清 , 隨時都在計算控制線 , 不僅錯誤而且非常浪費。

2>.按數據的性質分
按數據的性質分 , 有計量控制圖和計數控制圖。
(4).控制圖的應用範圍
診斷:評估過程的穩定性
控制:決定某過程何時需要調整 , 何時需要保持原有狀態。
確認:確認某一過程的改進。
在此討論的統計方法，包括統計製程管制及製程能力分析：
1. 引導一些製程管制的基本討論，解釋重要之概念並介紹製程管制工具-管制圖。
2. 討論計量值管制圖的原理與使用方法。
3. 討論計數值管制圖的原理與使用方法。

1.1預防與檢測
傳統的製程式生產單位負責生產，品管單位負責檢查，而在管理方面則是不斷地稽核工作情形，以發現缺失，然而這種方法是非常浪費的，因為有許多資源已經投入於不被接受得產品上了。
如果能再生產當初就避免不良品的發生，將是更積極有效的方法，這就是所謂的不良預防。以下將針對預防的工具統計製程管制系統的各項要素分別說明。總之，檢測是容忍浪費；預防才是避免浪費。往後幾節將分別討論下列事項：
★ 何謂製程管制系統?（1.2）
★ 製程變異將如何影響成品?（1.3）
★ 如何運用統計方法來判斷一個問題是單純的變異，或是系統上的缺失?（1.4）
★ 什麼情況製程是在管制狀態下，或是已經達到製程能力之要求?（1.5）
★ 何謂管制改善循環?製程管制應用於哪些方面?（1.6）
★ 什麼是管制圖?如何使用?（1.7）
★ 運用管制圖有何效益?（1.8）

1.2 製程管制系統
製程管制系統是一個回饋系統，包含四格要素:
1.2.1 製程：指人員、設備、材料、方法及環境的總和，經由一定的程式而得到成品。
1.2.2 績效報告：從分析成品可以得到有關製程績效的資料，而用以判定製程管制對策應否實施，或改善成品。
1.2.3 改善製程：是一種預防措施，用以預防製造出不合規格的成品。
1.2.4 成品改善：對已經製造出的不合格品加以選別，進行全數檢查、修理或報廢。

製程管制系統

ƒ 製程中對策 ‚ 績效報告  成品改善

製程
人員 設備 材料

方法 環境 成品

1.3 變異之共同原因與特殊原因
天下沒有任何兩建品是完全相同的，因為製程中存在有不同的變異因素。有些變異很明顯；有些則很難察覺。有些製程中只會造成短暫的變異；而有些則需經過一段時間才會產生變異。故變異通常規定：在規格以內稱為合格；反之則稱為不合格。
為了管制變異及減少變異，應先分辨造成便亦的共同原因（機遇性原因）與特殊原因（分機遇性原因）。
1.3.1 共同原因：製程中變異因素是在統計管制狀態下，其產品之特性有固定之分配，而不外乎有分配位置、分配散佈及分配形狀三種（如下圖）。
1.3.2 特殊原因：製程中變異因素是不在統管制狀態下的非機遇性原因，其產品的分配亦沒有固定之分配（如下圖）。

1.4 局部措施與系統改善
1.4.1 局部措施：可由簡單的統計技術分析（如管制圖）而得，且應由直接負責製程的人員（即發生者）去尋找特殊原因及解決方法必要時管理階層應予以協助，一般稱為局部問題對策。這類原因約佔製程問題的15%。
1.4.2 系統改善：需游製程能力分析去發現，且應由管理階層努力去消除共同原因。這類原因約佔製程問題的85%。

1.5 製程管制與製程能力
1.5.1 製程管制的目的是採取經濟而有效的對策以改善製程。亦即避免改善不需對策的製程（過苛管制或型誤差），及不至於應改善的製程而為對策（失去管制或型Ⅱ誤差）。為避免這兩種誤差必須由分析共同原因與特殊原因來決定。
1.5.2.製程能力是當特殊原因消除後可得到的最小變異，因此它代表的是製程在管制狀態下的好壞程度。它也常被視為成品合乎規格的比例，因為在統計管制狀態下的製程，可以以其分配來預測產品車出規格的比例。
1.5.3 四種管制狀態的說明與建議（如圖）：

受控
失控
可接受
第1類
第3類
不可接受
第2類
第4類

第1類：顯示製程已在管制狀態下且產品亦能達到規格要求，僅需持續改善。
第2類：雖製程在管制狀態下，但其產品不符規格，顯示其嚴重的共同原因存在，必須極力加以消除。
~ 4 ~
第3類：雖產品能達到規格要求，但製程無法在管制狀態下，形成不穩定的製程必須查出特殊原因加以解決。
第4類：顯示製程既不在管制狀態下，且其產品亦不能符合規格要求，即存在共同原因與特殊原因，故必須雙管齊下，改善製程。

1.6 製程改善循環與製程管制
1.6.1 製程改善循環（如下圖）需不斷的運作。
1. 製程分析
＊ 是怎樣的製程?
＊ 什麼可以不管制?
＊ 目前在做什麼?
＊ 是否在管制狀態下?
＊ 製程能力如何?
2.製程管制
＊ 對製程進行監控
＊ 特殊原因予以矯正預防

計劃 執行 計劃 執行

措施 研究 措施 研究

計劃 執行

3.製程改善
＊ 共同原因解析與改善
＊ 減少共同原因的存在

PLAN：計劃
DO：執行
STUDT：研究
ACTION：措施

措施 研究

1.6.2 製程管制
瞭解製程後，需對製程加以監控，對於特殊原因變異應採取有效的矯正及預防措施。
1.6.3 製程改善
對製程中共同原因加以解析與持續改善，務期以最低的成本產出最高的品質及最大的效益。

1.7 製程管制的工具-管制圖
1.7.1 管制圖一般分為兩類，一是計量值管制圖，一是計數值管制圖。
◎ 計量值管制圖，分為四種：
＊ X-R Chart：平均值與全距管制圖
＊ X-R Chart：中位數與全距管制圖
＊ X-S Chart：平均值與標準差管制圖
＊ X-Rm Chart：個別值與移動全距管制圖
◎ 計數值管制圖，分為四種：
＊ p Chart：不良率管制圖
＊ np Chart：不良數管制圖
＊ c Chart：缺點數管制圖
＊ μChart：單位缺點數管制圖
1.7.2 使用管制圖的步驟
1. 數據收集：分析製程的管制特性，並收集其數據點繪於圖上。
2. 管制：依收集之數據計算求出管制界限並檢視製程是否在統計管制狀態下如發現有特殊原因便亦存在時，則應加以解決，在重新收集數據。
3. 製程能力分析與改善：在所有特殊原因皆以消除而製程僅存在共同原因時，始可計算製程能力，藉以分析產品符合規格的比例及持續不斷的改善。

1.8 管制圖的益處
1.8.1 經濟性/預警性/時效性
管制圖是一項很簡單非常有用的製程管制工具，以有效的抽樣計劃，不用全數檢驗，且利用作業員直接在生產上繪點，提供一個可靠的資料，藉以預估不良及控制成本，使製程因為製程與改善，而趨於穩定，更使品質、成本、交期得以預測與掌握。

1.8.2 較正確的預測
若製程在統計管制狀態下，則可以預測產品符合規格的程度，以確保產品品質的固定水準。
1.8.3 提高品質、提昇效率、降低成本
產品之品質可藉減少變異而更好，且不斷地運作製程改善循環，可令製程微小的變異也能加以改善，讓品質達到：
＊超越顧客滿意度增加顧客的信賴度。
＊減少產品修補及報廢，降低品質失敗成本。
＊增加製程產能，提昇效率。
1.8.4 分辨共同原因與特殊原因
提供管理階層參考，使第1類、第2類誤差不致於發生，而造成製程對策錯誤之損失。
1.8.5 檢討之共同語言
可以用以比較同一製程之不同班次（如早、中、晚班）或同一製程不同站別之績效評估。
1.8.6 善用機器設備
可用以估計機器能力，進而妥善安排適當機器生產適當零件。

第二章 計量值管制圖

2.1 X-R Chart 平均值與全距管制圖
2.1.1 數據收集
通常數據應至少25組且100個數據以上，才能夠判定製程是否穩定及其分配狀態，而每組大約每2~5個連續數據定期取得。所謂定期是指抽樣頻度要能發現製程潛在便亦（如生產者變更、環境變更、訓練期間、不同原料批等）為原則訂定。
2.1.2 計算管制界限
＊A2、D4、D3為常數，請查閱附錄4.1.1
2.1.3 製程管制解析
請參閱附錄4.2
2.1.4 製程能力解析
 估計標準差= R/d2 或制程運轉轉標準差.
‚ 單邊規格 Z = (規格界線-平均值)/估計標準差.
雙邊規格 Zmin = (規格上線-平均值)/估計標準差或(平均值- 規格下線)/估計標準差.
ƒ 查附錄4.3估計其不合格率
„ CPK = Zmin / 3 = (規格上線-平均值)/3個標準差或(平均值-規格下線)/3個標準差的最小值.
… PPK = Zmin/3 = (規格上線-平均值)/3個估計標準差或(平均值-規格下線)/3個估計標準差最小值.
^
＊ d2為常數，請參閱附錄4.1.1
^
＊ σ為估計標準差
＊ σS為製程運轉估計標準差
＊ SL為規格界限
＊ T為規格中心或目標值
＊ Z為估計不合格區間
＊ CPK為製程能力指數
＊ PPK為製程運轉能力指數
=
^
2.1.5 製程能力評價
=
^
當Zmin = 3--制程能力= X ±3σ--CPK或PPK = 1.00—P = 0.27%.
=
當Zmin = 4--制程能力= X ±4σ--CPK或PPK = 1.33—P = 60PPM.
~
當Zmin = 5--制程能力= X ±5σ--CPK或PPK = 1.67—P 0.
＊ p為不良率
＊ PPM為1/百萬
2.1.6 製程能力改善
應針對共同原因所造成的便亦（如設備精度、進料品質一致性、量測系統精度、製程之基本設計、工作環境、工作方法等）加以改善並由管理階層參與對其系統面分析改善，期使製程能力提昇。
※注意：若Cpk或Ppk≧1.67，亦不代表製程完美無缺，亦應以持續不斷改善的精神執行2.1.6。
__

2.2 X-S Chart 平均值與標準差管制圖
2.2.1 數據收集
2.2.2 計算管制界限
2.2.3 制程管制解析
2.2.4 制程能力解析
2.2.5 制程能力評價
__
2.2.6 制程能力改善
2.3 X-R Chart 中位術語全距管制圖
2.3.1 數據收集
※ 補充 1>.樣本大小以不超過10個數據 , 且為奇數個軿佳.
2>.在繪點時 , 可將所有數據(同組)均點繪於圖上 , 再將中位數圈出 , 將各種中位值邊接起來即可.
2.3.2 計算控制界限.
2.3.3 制程管制解析
2.3.4 制程能力解析、制程能力評價、制程能力改善同平均值與標準差管制圖.
2.4 X-Rm Chart 個別值與移動全距管制圖
2.4.1 數據收集
1>.數據通常為單獨一個數據
2>.其全距可為后量測數據減去前量測數(或前次量測數據) 而得 , 此時n(樣本數)則應視全距值是由几次量測數据比較而得(例如(a) abs(x2-x1)=R , 則n=2 , (b) abs(max-min(x3.x2.x1)=R , 則N=3(C)以此類推.
3>.抽樣頻
2.5 運用計數值數據瞭解製程能力即製程運轉。

第四章 管制圖的判別準則

控制圖一旦制定以后就成為控制生產的依據 , 故控制圖一定要處於穩態且工序能力適宜的生產過程為依據來進行設計和計算。因此 , 在開始建立控制圖時 , 應先了解該過程是否處於穩態 , 工序能力是否適宜。若過程不處於穩態或工序能力不適宜 , 就需要對過程進行調整 , 這樣反复進行直到過程滿足要求為止。在這一階段使用的控制圖稱為分析用控制圖。
它的目的主要是調查研究過程是否處於穩態 , 其次是了解工序能力是否適宜。這里要用到分析用控制圖判別準則。 當上述要求滿足后 , 控制圖就可以移交給車間使用 , 這時應用的控制圖稱為控制用控制圖。它的目的是保持生產處於穩態。當偶爾發生異常后 , 采取措施加以消除 , 過程即恢復穩態 , 故這里要用到控制用控制圖的判別準則。

4.1.分析用控制圖的判別準則
分析用控制圖上的點子同時滿足下列條件時 , 可以認為生產過程處於統計控制狀態:
點子隨機地處於下列情況
a>.連續25點在控制界限之內。
b>.連續35點中僅有1點在控制界限外。
c>.連續100點中僅有2點在控制界限外。
控制界限內的點子的排列無下述異常現象:
a.鏈異常
◆.連續鏈:連續鏈是指在中心線一側連續出現的點子。當連續7點或更多點在中心線一側時 , 則判定點子排列異常。如下圖:
UCL
CL
LCL

左圖:連續鏈

國際標準:當連續9點或更多點在中心線一側時 , 則判定點子排列異常。
◆ .間斷鏈:間斷鏈是指多數點在中心線一側。
如存在下列四種情況之一 , 則判定點子排列異常(如下圖所示):
a>.連續11點中有10點在中心線一側;
b>.連續14點中有12點在中心線一側;
c>.連續17點中有14點在中心線一側;
d>.連續20點中有16點在中心線一側。

UCL
CL
LCL

左圖:間斷鏈

b.趨勢(傾向):傾向是指點子上升或下降。連續7點或更多的點具有上升或下降趨勢時 , 則判定為異常。(如下圖所示):
國際標準: 連續6點或更多的點具有上升或下降趨時 , 則判定為異常。
UCL
CL
LCL
左圖: 傾向

c.周期:指點的排列隨時間的推移而呈周期性 , 則判定為異常。(如下圖所示):
國際標準: 連續14點中相鄰點子上下交替。

UCL
CL
LCL
左圖: 周期

d.點子在警戒區內:點子處於警戒是指點子處在2σ~3σ(σ-標準差)範圍內。如下圖D1所示:
若出現下列情況之一 , 則判定為異常(如圖D2所示):
◆ 連續3點有2點在警戒區內。
◆ 連續7點有3點在警戒區內。
◆ 連續10點有4點在警戒區內。
國際標準:◆.連續3點有2點落在中心線同一側的2σ以外。
◆.連續5點有4點落在中心線同一側的1σ以外。
UCL
σ

2σ
警戒區

左圖D1: 警戒區
CL
2σ

LCL
σ

CL
左圖D2: 警戒區

LCL

UCL

e.點子過多地集中在中心線附近: 點子過多地集中在中心線附近是指點子過多在落入μ ±σ範圍內。當連續15個以上的點子集中在中心線附近時 , 則判定為異常。
此種情況被有些人認為是質量改進的好現象 , 其實這里面可能存在著計算錯誤或描點錯誤 , 也可能存在取樣方法錯誤(如兩條平行的生產線的產品被混合抽樣)或者數據被人為處理。
4.2.控制用控制圖的判定準則
控制用控制圖上的點子出現下列情況之一時 , 生產過程被判定異常:
點子落在控制界線外或控制界線上。
控制界線內點子的排列有異常 , 見分析用控制圖判別準則.

4.3.特別提醒
(1).規格界限(如公差的上下界限、硬性規定的不合格品率等)不能當作上下控制界限UCL、LCL。
規格界限用來區分合格與不合格(或符合規定與不符合規定) , 控制界線則用來區分正常波動與異常波動 , 二者完全是兩碼事 , 不能混為一談。
(2).對於P控制圖(不合格品率控制圖)中有點子溢出下控制界限或連續7點呈下降趨勢 , 有人認為是不合格品率越來越低 , 質量越來越好 , 不能算異常。這種觀點是錯誤的。此種情況包含的異常因素可能有:
量具失靈 , 造成測量結果有誤。應更新量具 , 並檢討以前的測量結果。
合格品的判定方法可能有誤 , 應予立即改正。
有真正使不合格品率變小的因素 , 應積极尋找出這種因素 , 並將它用作業指導書固定下來 , 以便大幅度降低不合格品率。

4.4.控制圖的兩類錯誤
(1).第I類型錯誤(冒失者錯誤):把正常的誤斷為異常。
控制界限的幅度影響犯第I類錯誤的概率。當採用3σ原則設計控制圖時 , 犯第I類錯誤的概率 a = 0.27%。 a隨著控制界線的增大而減少。
(2).第II類型錯誤(迷失者錯誤): 把異常的誤判為正常。
犯第II類錯誤的概率β , 受四個方面的影響: 控制界限幅度、標準偏差變動幅度、樣本大小。β隨著控制界限的增大而增大。
a/2

m+3s

3σ
μ1
a

μ0
m

b

3σ
3σ

m-3s

a/2

上圖: 控制圖的兩類錯誤

4.5.控制圖法在應用中常見的問題
(1).控制圖的選用上缺乏針對性 , 未能從企業的生產方式考慮 , 盲目地選擇。比如 , 對大批量生產選用X-R控制圖較好 , 卻選用了X-RS控制圖 ; 相反地小批量生產的卻選用了X-R圖。
(2).對控制圖的作用認識不夠。
主要表現在把控制圖的控制界限和公差的上下界限混淆起來 , 反映在控制圖上標出上下公差界限 , 使控制圖不倫不類。
(3).機械地理解間斷鏈來判斷工序是否處於穩定狀態 , 往往是工序處於不穩定狀況而判斷不出來。
常見的錯誤作法是從第一點到11點看中間是否有1點在另一側。然后再從12點到22點來看 , 依此類推。殊不知在所有點子的任何一段 , 只要有間斷鏈的四種情況之一 , 均應判為工序處於不穩定狀況。
(4).對控制圖中出現的點子排列異常現象不作分析也不採取措施 , 使管制圖流於形式。
(5).當影響工序質量波動的因素發生孌化或質量水平已有明顯的提高時 , 未能及時調整(重新計算)控制界限。
(6).隨機抽取樣本的方法不當 , 有的畫X-R控制圖一天只抽取一組數據 , 有的則把兩個班次的數據點到同一張控制圖上。
(7).畫法不規範 , 標注不齊全。 如X圖和R圖不對應等。

第五章 術 語

高級統計方法:(Advanced Statistical Methods) 比基本的統計方法更復雜的統計過程分析及控制的技術,包括更高級的控制圖技術、回歸分析、試驗設計、先進的解決問題的技術等.
計數型數據:(Attributes Data) 可以用來記錄和分析的定性數據,例如:要求的標簽出現,所有要求的堅固件安裝,經費報告中不出現錯誤等特性量即為計數型數據的例子.其他的例子如一些本來就可測量(即可以作為計量型數據處理)只是其結果用簡單的”是/否”的形式來記錄,例如:用通過/不通過量規來檢驗一根軸的直徑的可接受性,或一張圖樣上任何設計更改的出現.計數型數據通常以下不合格品或不合格的形式收集,它們通過p、np、c和u控制圖來分析.
均值:(Average) 數值的總和被其個數(樣本容量)除,在被平均的值的符號上加一橫線表示.例如:在一個子組內的x值的平均值記為X,X(x兩橫)為子組平均值的平均值,X(x上加一波浪線)為子組中位數的平均值.R為子組極差的平均值.
認知:(Awareness) 個人對質量和生產率相互關係的理解,把注意力引導到管理義務的要求和達持續改進的統計思想上.
基本的統計方法:(Basic Statistical Methods) 通過使用基本的解決問題的技術和統計過程控制來應用變差理論,包括控制圖的繪製和解釋(適用於計量型數據和計數型數據)和能力分析.
二項分布:(Binomial Distribution) 應用於合格和不合格品的計數弄數據的離散型概率分布.是P和NP控制圖的基礎.
因果圖:(Cause-and-Effect Diagram) 一種用於解決單個或成組問題的簡單工具,它對各種過程要素採用圖形描述來分析過程可能的變差源.也被稱作魚刺圖(以其形狀命名)或石川圖(以其發明者命名).
中心線:(Central Line) 控制圖上的一條線,代表所給數據平均值.
特性:(Characteristic) 一個過程或其輸出的明顯特性,可按這個特性收集計量型或計數型數據.
普通原因:(Common Cause) 造成變差的一個原因,它影響被研究過程輸出的所有單值;在控制圖分析中,它表現為隨機過程之差的一部份.
連續的:(Consecutive) 連續生產的產品單元,是選擇子組樣本的基礎.
質量和生產率持續改進:(Continual Improvement in Quality and Productivity) 一種可操作的宗旨,它充分利用公司內的人才,用不斷提高效率的方式來為顧客生產質量不斷提高的產品,從而歸還受益者投資.這是一個動態的戰略,使公司提高現在及未來市場條件中的能力.與任何靜態的戰略不同,它認為(顯然也隱含地)一些特殊的不合格是不可避免的.
控制:(Control) 參見統計控制.
控制圖:(Control Chart) 用來表示一個過程特性的圖象,圖上標有根據那個特性收集到的一些統計數據 , 如一條中心線 , 一條或兩條控制限,它能減少1類錯誤Ⅱ類錯誤的凈經經濟損失.它有兩個基本的用途:一是用來判定一個過程是否一直受統計控制; 二是用來幫助過程保持受控狀態.
控制限:(Control Limit) 控制圖上的一條線(或幾條線),作為制定一個過程是否穩定的基礎.如有超出了控制极限變差存在,則證明過程受特殊因素的影響.控制限是通過過程數據計算出來的,不要與工程的技術規範相混淆.
累計和:(Cusum) 一種先進的統計方法,它利用當前的和最近的過程數據來檢驗過程均值中不大的變化或變異性.CUSUM代表偏離目標值的變差的”累積和”它把當前和最近的數據看得同等重要.
探測:(Detection) 一種被動(事後)型的策略,它企圖在產品生產出來后發現不能接受的輸出,并將其與好的輸出分開
分布:(Distribution) 描述具有穩定系統變差的輸出的一種方式,其中單個值是不可預測的,但一組單值就可形成一種圖形,並可用位置、分布寬度和形狀這些術語來描述.位置一般用均值來表示,或者用中位數表示.分布寬度用樣本的標準差极差表示,形狀包括許多特性,比如對稱性及峰度,但經常使用常見分布的名稱來概括,如:正態分布,二項分布,或泊鬆分布.
單值:(Individual) 一個單個的單位產品或一個特性的一次測量,通常用符號X表示.
位置:(Location) 分布中心趨勢典型值的一般概念.
平均值:(Mean) 一組測量值的均值.
中位數:(Median) 交一組測量值從小到大排列后,中間的值即為中位數.如果數據的個數為偶數,一般將中間兩個數的平均值為中位數.子組中位數構成簡單的有關過程位置的控制圖的基礎.中位數用加波浪號(~)的符號表示;如X就是一分組中的位數.
移動极差:(Moving Range) 兩個或多個連續樣本值中最大值與最小值之差.這種差是按這樣方式計算的:每當得到一個額外的數據點時,就在樣本中加上這個新的點,同時刪除基中時間上”最老的”點,然後計算與這點有關的极差,因此每個极差的計算至少與前一個极差的計算共用一個點的值.一般說來,移動极差用於單值控制圖,並且通常用兩點(連續的點)來計算移動极差.
不合格品:(Nonconforming Units) 不符合某一規範要求或其他檢驗標準的個體,有時也叫次品.分析產生不合格品系統用p和np控制圖.
不合格:(Nonconformity) 一個具體出現的不符合規範要求或其他檢驗標準的情況,有時稱為缺陷.一個不合格品中能有多處不合格.(例如:一扇門也許有幾處痕和縫,對化油器進行功能檢驗可發現一些潛在的不合格.分析產生不合格的系統,用c和u控制圖.
正態分布:(Normal Distribution) 一種用於計量型數據的、連續的、對稱的鐘形頻率分佈,它是計量型數據用控制圖的基礎.當一組測量數據從正態分布時,有大約68.26%的測量值落在平均值處正負一個標準差的區間內,大約95.44%的測量值將落在平均值處正負兩個標準差的區間內;大約99.73%的值將落在平均值處正負三個標偏差的區間內.這些百分數是控制界限或控制圖分析的基礎(因為即使整個輸出的全部數據不服從正態分布,但其子組平均值趨向於正態分布),而且是許多過程能力確定的基礎(因為許多工業過程的輸出服從正態分布.)
可操作的定義:(Operational Definition) 清楚地交流質量期望和性能信息的方式;它由以下三部份組成(1)適用於一個物體或一個組的標準,(2)對這一個體或組進行一種試驗;(3)一個決定:是或不是___這一個體或組是否符合上述要求.
排列圖:(Pareto Chart) 一種用於解決問題的簡單工具,按照對成本或總變差的影響程度對各種潛在的有問題區域或變差源進行排序,一般情況下,大多數的成本(或變差)是由於少量原因造成的,所以解決問題的精力最好是優先集中在少量關鍵的原因上,而暫時忽視多數不重要的原因.
泊鬆分布:(Poisson Distribution) 應用於不合格數的計數型數據的離散型概率分布,是c和u控制圖的基礎.
預防:(Prevention) 是一個主動(事前)型的策略,通過直接分析和改善過程本身來改進質量和生產率.預防是與持續改進的宗旨是一致的(參見檢驗).
解決問題:(Problem-Solving) 從症狀分析到產生的原因(特殊的或普通的)再到改進控制措施的過程.可用的基本技術有:排列圖,因果圖及統計過程控制技術.
過程:(Process) 能產生輸出___一種給定的產品或服務的人、設備、材料、方法和環境的組合.過程可涉及到我們業務的各個方面,管理過程的一個有力工具即為統計過程控制.
過程均值:(Process Average)一個特定過程特性的測量值分布的位置為過程平均值,通常用X來表示.
過程能力:(Process Capability) 一個穩定過程的固有變差(6σR/d2)的總範圍.
----對於計量型數據:(Variables Data Case)
(1)過程固有能力定義為6σR/d2
(2)符合規範的過程能力(即輸出符合規範的百分數%)可以通過考慮過程中及分佈寬度(如Cpk)等指數和一些假設來估算., 然而 , 也有估算這個值更精確的方法.
----對於計數型數據:(Attributes Data Case) 過程能力通常用不合格的平均值比例或比率來表示.例如,從控制圖上來說,過程能力被定義為p,c或u,這里直接指的是不符合規範的產品的平均比例或比率(或用符合規範的比例1—ｐ表示)．
過程控制：(Process Control)參見統計過程控制．
過程性能：(Process Performance)一個過程總變差的總範圍6σ2
過程分布寬度：(Process Spread)一個過程特性單值的分布變化程度．通常用過程平均值加減幾倍的標準差來表示（例如：Ｘ±3σ）
二次方程式:(Quadratic) 屬於二次冪的數學關係式,二次方程式最普通的例子即為拋物線.
隨機性:(Randomness) 單值是不可預測的狀態,盡管它可能符合某種分布規律.
隨機抽樣:(Random Sampling) 使得所考慮的幾個個體的所有組合被抽作樣本的機會是相同的抽樣過程.
极差:(Range) 一個子組、樣本或總體中最大值與最小值之差.
合理子組:(Rational Subgroup) 按下列方式組成的子組:給予最大機會使得每個子組中測量相同,並且給予最大機會使得子組之間彼此不同,.這種分組方法提出了一種確定一個過程變差是否來自一個恆定系統的偶然原因的要求.
鏈:(Run) 控制圖上一系統連續上升或下降,或在中心線之上或之下的點.它是分析是否存在造成變差的特殊原因的依據.
鏈圖:(Run Chart) 一種代表過程特性的簡單圖形,上面描有一些從過程中收集到的統計數據(通常是單值)和一條中心線)通常是測量值的中位數),可用來進行鏈分析.(參見控制圖)
樣本:(Sample) 應用於過程控制時,它是子組的同義詞,這個用法的目的完全不同於對一大群人或項目等的估計.
形狀:(Shape) 數值分析形成的總體圖形的一般概念.
σ:(Sigma σ)用於代表標準差的希臘文字.
特殊原因:(Special Cause)) 一種間斷性的,不可預計的,不穩定的變差根源.有時被稱為可查明原因,存在它的信號是:存在超過控制限的點或存在在控制限之內的其它非隨機性的圖形.
規範:(Specification) 判定一特定的特性是否可接受的工程技術要求.規範不能與控制限混淆,理想情況下規範直接與顧客(內部的或外部的)的要求或期望緊密相連,或者兼容.
分布寬度:(Spread) 一個分布中從小值到最大值之間的間距(參見過程分布寬度)
穩定性:(Stability) 不存在變差的特殊原因;處於統計控制的狀態.
穩定過程:(Stable Process) 處於統計控制狀態的過程.
標準差:(Standard Deviation) 過程輸出的分布寬度或從過程中統計抽樣值(例如:子組均值)的分布寬度的量度,用希臘字母或字母s(用於樣本標準差表示.
統計值:(Statistic) 由樣本數據計算得到的值(例如:子組均值或极差),用來推斷產生輸出的過程,而這個樣本也是來自這個輸出.
統計控制:(Statistical Control) 描述一個過程的狀態,這個過程中所有的特殊原因變差都已排除,並且僅存在普通原因.即:觀