【文章內(nèi)容簡介】 品的某個特性發(fā)生次數(shù)，例如錯誤次數(shù)﹑意外次數(shù)﹑銷售領(lǐng)先次數(shù)等 3. 連續(xù)資料－某個品質(zhì)特徵的量測值，例如尺寸﹑成本﹑時間等 前兩種資料為計數(shù)值資料，第三種為計量值資料。收集資料時，如果可能應(yīng)該盡量收集定量資料，因為定量管制圖所需的比較性計算較少，而且能提供較多的資訊?！』居嬎愎苤茍D可用一通式來表示，假設(shè)y為量測品質(zhì)特性之樣本統(tǒng)計量，y之平均數(shù)為μy，標(biāo)準(zhǔn)差為δy，則UCL＝μy＋kδy中心線＝μyLCL=μy－kδy其中kδy為管制界限至中心線之距離。此管制圖之理論首先由美國之Waiter A. Shewhart博士提出，任何依據(jù)此原理發(fā)展出之管制圖都稱為Shewhart (蘇華特)管制圖。應(yīng)用範(fàn)圍管制圖之應(yīng)用有許多方式，在大多數(shù)之應(yīng)用上，管制圖是用來做製程之線上(online)監(jiān)視。亦即收集製程樣本數(shù)據(jù)用來設(shè)立管制圖，若樣本值落在管制界限內(nèi)且沒有任何系統(tǒng)性之變化，則稱製程在管制內(nèi)。管制圖也可以用來決定過去之製程數(shù)據(jù)是否在管制內(nèi)，及末來之製程是否將在管制內(nèi)。管制圖也可用來做為估計之工具，當(dāng)製程是在管制內(nèi)時，則可預(yù)測一些製程參數(shù)，例如平均數(shù)、標(biāo)準(zhǔn)差、不合格率等。此種製程能力分析對於管理者之決策分析有相當(dāng)大之影響，例如自製或外購之決策，工廠及製程之改善以降低變異，及與供應(yīng)商或顧客間之合約。管制圖實施步驟1. 選擇品質(zhì)特性2. 決定管制圖之種類3. 決定樣本大小在設(shè)計管制圖時，我們必須決定樣本之大小(sample size)及抽樣之頻率。一般而言，大樣本可以很容易地偵測出製程內(nèi)小量之變動。當(dāng)選定樣本大小時，必須先決定所要偵測之製程變動的大小。當(dāng)製程變動量相當(dāng)大時，則適合使用小樣本，反之，若製程變動小時則使用大樣本。除了決定樣本大小外，我們同時須決定抽樣之頻率。最理想之狀況是次數(shù)頻繁地抽取大樣本。但從經(jīng)濟觀點而言，此並非最佳之抽樣方法。較可行之方法是在長時間間隔下取大樣本或短時間間隔下取小樣本。在大量生產(chǎn)下或有多種可歸屬原因出現(xiàn)下，較適合樣本小而次數(shù)多之抽樣。由於檢測器和自動量測技術(shù)之發(fā)展，目前之趨勢傾向100%檢驗。4. 抽樣頻率和抽樣方式管制圖是利用合理樣本組之概念來收集樣本數(shù)據(jù)。合理樣本組之抽樣方式可讓可歸屬原因出現(xiàn)時，樣本組間發(fā)生差異之可能性最大，而樣本組內(nèi)發(fā)生差異之可能性為最小。當(dāng)管制圖應(yīng)用到生產(chǎn)時，生產(chǎn)時間次序為一合乎邏輯之合理樣本組取樣方法。一般合理樣本組之抽樣有兩種方式進行。在第一種方式下，組內(nèi)樣本儘可能在時間差距很短之情況下收集，如右圖之(a)。這種抽樣方法將可使樣本組間之差異為最大而樣本組內(nèi)之差異為最小。這種抽樣方式也是估計製程標(biāo)準(zhǔn)差之最好方法，一般稱之為瞬時法(instant time method)。第二種方式下，樣本組內(nèi)之?dāng)?shù)據(jù)為來自於上次抽樣後具代表性之產(chǎn)品。在此種抽樣方式下，每一樣本可視為在抽樣間隔內(nèi)之隨機樣本，如右圖之(b)。此種抽樣方式稱為分散式抽樣(distributed sampling)或稱為定時法(period of time method)。這種抽樣方法通常是用在決定自上次抽樣後之產(chǎn)品是否可接受時。5. 收集數(shù)據(jù)6. 計算管制圖之參數(shù)，一般包含中心線和上下管制界限7. 收集數(shù)據(jù)，利用管制圖監(jiān)視製程　使用管制圖之原因1. 管制圖是一改善生產(chǎn)力之有效工具 管制圖之有效運用可降低報廢和重工。報廢和重工之降低代表生產(chǎn)力增加、成本降低和產(chǎn)能之增加。2. 管制圖是預(yù)防不合格品之有效工具 管制圖為一預(yù)防性之管理工具，強調(diào)第一次就做對，它比事後之檢驗更能提昇產(chǎn)品之品質(zhì)。3. 管制圖可預(yù)防不需要之製程調(diào)整 由管制圖可獲知調(diào)整製程參數(shù)之最佳時機，以避免因過度調(diào)整，使製程變異增加，造成製程成效惡化。4. 管制圖可提供診斷之資訊 管制圖上之非隨機性變化模型(nonrandom patterns)可以提供診斷製程異常之情報。一個非隨機性模型通常是由一組異常原因所造成。由管制圖上非隨機性模型可了解製程何時為異常，並可縮小尋找問題原因之範(fàn)圍，降低診斷時間。5. 管制圖可提供有關(guān)製程能力之資訊管制圖可提供製程參數(shù)、製程之穩(wěn)定程度和製程能力等情報，這些資訊對於產(chǎn)品和製程之設(shè)計者非常有幫助。檢核表意義與功能 檢核表是一種用來收集及分析數(shù)據(jù)簡單而有效率的圖形方法。檢核表可說是另一種次數(shù)分配的表現(xiàn)，使用時只要運用簡單的符號標(biāo)記出工作目標(biāo)是否達成或?qū)μ囟ㄊ录l(fā)生給予累積紀(jì)錄。使用簡單符號如「214。 」、「D 」、「O 」、「180。 」或「正」。檢核表的設(shè)計要簡單明瞭而且要能涵蓋所要研究的項目，避免工作延遲或遺漏。實施步驟 1. 招集所有相關(guān)人員，運用腦力激盪法製作特性要因圖以列出要因項目。 2. 將所列出的要因項目層別後，並填入檢核表中。 3. 操作人員運用簡單的記號將檢核結(jié)果紀(jì)錄於表中。 4. 利用所得之資料，整理分析，以便了解管制情況或採取必要措施。 　實例 1. 記數(shù)表：下表是一個紀(jì)錄印刷電路板上的缺點項目。 印刷電路板 日期 最後測試 位置 測試方法 檢驗員 樣本大小 批號 型式不合格點數(shù)總和功能測試　　焊接　　電鍍　　其它　　總和　　　 2. 檢查用檢核表 下表是元智公司用以檢查不良原因之檢核表，一但發(fā)生不良品，現(xiàn)場主管可以依此表進行檢查，可以迅速發(fā)現(xiàn)原因，避免進一步的損失。元 智 公 司不 良 原 因 檢 核 表編號　主管　檢核人　日期　符號Ο：良好 △：普通 ：較差說明：分類檢 核 項 目○△品管單位教育訓(xùn)練？　　　？　　??？　　　檢驗設(shè)備？　　　？　　　、儀器是否標(biāo)示校驗情況？　　　？　　　生產(chǎn)單位現(xiàn)場作業(yè)？　　??？　　?。俊　　≡O(shè)備維護？　　?。俊　　?？　　　環(huán)境與安全?　　　？　　　？　　?。俊　　褓弳挝粧褓徆芾?？　　　？　　??？　　??？　　　　3. 位置圖 位置圖是將缺點或問題發(fā)生之位置標(biāo)示於圖上，用以分析問題發(fā)生的根源。下圖是一個電路板應(yīng)用位置圖來標(biāo)示出缺點發(fā)生的位置，從這個例子可以看出，電路板的左右上角是缺點發(fā)生最多的位置，進一步仔細(xì)觀察作業(yè)員的操作過程，得知此兩個位置是作業(yè)員搬運電路板時所持的位置?？赡苁鞘稚系幕覊m造成。在改以專門的搬運工具後，缺點數(shù)顯著減少。直方圖（histograms） 意義與功能直方圖是一種將數(shù)據(jù)以簡單方式呈現(xiàn)的工具。它用在顯示從製造程序中收集的資料，可以讓分析者很快速地了解某特定時間內(nèi)製程的狀況。橫軸代表某個品質(zhì)特性或變數(shù)之量測值的分類，縱軸表示每一類出現(xiàn)之次數(shù)。下圖示一個典型的直方圖：　鐘型分配：在上下界限中央有一高峰，且圖形以中心點對稱，顯示此數(shù)據(jù)來自一個自然、的常態(tài)製程。雙峰分配：在數(shù)據(jù)分布範(fàn)圍之中央有一低谷，而兩旁個有一高峰。此種圖形是混合兩個鐘型分配，可能的情形是這些數(shù)據(jù)來自兩部不同之機器、兩個不同之操作員或兩條不同底生產(chǎn)線。高原型分配：直方圖沒有顯著底高峰和尾端，此種直方圖的數(shù)據(jù)可能來自數(shù)個鐘型分配。一種可能的原因是無標(biāo)準(zhǔn)作業(yè)程序，操作員自行其事，造成極大之變異。梳狀分配：直方圖上，高低值交互出現(xiàn)?？赡苁铝疾哒`差或分組不當(dāng)。偏斜型分配：高峰出現(xiàn)在接近某端分布範(fàn)圍邊，另一邊是長長的尾巴。若尾巴向右延伸稱為右偏，反之稱為左偏。截斷型分配：在直方圖上高峰發(fā)生在(或靠近)數(shù)據(jù)分布之邊緣。截斷型直方圖之發(fā)生是將某些數(shù)據(jù)自鐘型分配數(shù)據(jù)中移去，例如:實施100%全檢，將不合格品數(shù)據(jù)剔除。離島型分配：在直方圖上出現(xiàn)兩個大小相差甚多之高峰。較低之高峰附近之?dāng)?shù)據(jù)可能來自於某一特別之機器、製造程序或作業(yè)員，亦可能量測誤差或抄寫數(shù)據(jù)時產(chǎn)生之錯誤。邊緣突出型分配：在平滑分配的邊緣出現(xiàn)一突出之高峰。此情形通常為資料記錄錯誤所造成。實行步驟 1. 收集研究對象之資料，通常以最能代表製程之品質(zhì)特徵值。 2. 將資料以適當(dāng)之分組整理之。 3. 繪製直方圖。 4. 檢查直方圖是否合乎常態(tài)，若有異常情形發(fā)生，找出異常之原因。 5. 針對異常原因提出改善方案。 6. 執(zhí)行改善方案後，再進行確認(rèn)。 實例某鋼鐵廠為維持每批鋼鐵之硬度，每批鋼鐵均抽樣檢查。下表是該廠三月份之測試資料：413405405413415415413400404421413400410407