品质异常统计与分析管理.docVIP

品质统计与制程分析 一、前言统计质量管理(Statistical Quality Control, SQC)是一项维持与改善产品质量的技术，而统计制程管制(Statistical Process Control, SPC)则是其中一项主要的工具，它着重于制造过程中数据的分析，以判定产品发生变异的原因。统计质量管理与统计制程管制常常让人感到迷惑，分不太清楚两者的差别，简单地来说，统计质量管理包含两个主要部分，统计制程管制与抽样允收标准。而统计制程管制则包括QC七大手法和机率与统计学的基本理论及其应用。SPC是利用制程操作变量对生产变量或产品的质量变量进行预测性监控，而从制程操作变量发生变化到安全/质量出现问题的过程中，有一定的时间落后存在，故如何能在最短的时间内预测出质量变量的问题，是评估SPC相关方法优劣时需考虑的重要因素之一。在确定异常侦测的制程为SPC技术所可以掌握的状况下，往后的工作就是合适地应用SPC技术。二、统计制程管制相关工具及其目的SPC最早是以管制图(Control Chart)之型式，由贝尔电话实验室的Shewhart博士于1924年开始发展，利用统计与非统计的工具来有系统地分析所量测的制程变量，找出使系统发生变异(Variation)的原因，进而加以消除以增进制程产物的质量与产量。许多参考书籍在讨论SPC时，皆着重于管制图的介绍，而忽略其它方法的使用，让人有将SPC与管制图画上等号的疑虑。管制图虽然是目前SPC工具中最常使用的，但也只是众多手法之一，还是需要相互的配合才能达到真正的效果。传统QC七大手法的制作原理与应用是SPC的重心，也是产品与服务质量改进最有效的工具之一。从过去的质量是依靠检查出来的到今日的全面质量控制(Total Quality Control, TQC)、全面质量管理(Total Quality Management, TQM)，QC七大手法都不至于落伍或不适用。QC七大手法包括：(1) 检查表(Check Sheets)(2) 要因分析图(Cause-effect Diagram)(3) 柏拉图(Pareto Analysis)(4) 直方图(Histogram)(5) 管制图(Control Charts)(6) 层别法/流程图(Stratification Analysis/Flowchart)(7) 散布图(Scatter Diagram)这七种手法个别来看虽然简单，但是只要运用得当，根据日本品管大师石川馨博士(Kaoru Ishikawa)的经验显示，一个公司内部95％以上的质量问题是可以利用七大手法加以解决的。换句话说，SPC所有的技巧，不但能够管制制程，使制程处于稳定状态下，而且也有改进制程及产品质量的能力。到目前为止，QC七大手法还是被公认为改进质量之非常有用的工具，质量实务方面几乎离不开这七种手法。当品管制度如在线或线外品管判定之后，除了要能够反映制程的现况与未来的发展趋势，让工作人员能够采取相对应的矫正行动与预防措施之外，应该进一步评估所使用的品管制度之绩效与得失，并且考虑经济成本再精简之品管制度，使质量由检验而得提升到质量决定于现场的制造管制，把质量做进产品中。表一汇整上述七种手法的目的，以供读者参考。表一 QC手法与目的一览表手法 目的1 检查表 资料之分类、搜集2 要因分析图 质量问题之因果关系与系统整理3 柏拉图 重点之掌握4 直方图 变异之掌握5 管制图 质量特性之监控6 层别法/流程图 数据分析/工作程序之了解与掌握7 散布图 两种资料间之相关性分析三、制程能力分析制程能力(Process Capability)是用来分析与评估制程是否符合工程规格与制程变异的程度，正如同我们可以透过管制图的显示来判定制程是否处于统计中的管制状态(in Statistical Control)，制程能力也可以依照两项指标－Cp及Cpk，来清楚的判定制程是否异常，即是否偏离目标值或制程之变异太大。制程能力分析要在使用管制图之前，分析的周期会依照制程的关键与重要程度而有所不同。以英国国际电话电报(I.T.T.)公司为例，对于关键制程平均每周至少执行一次以上的制程能力分析研究，藉以判断制程的质量是否符合工程或顾客的要求，并决定后续的SPC管制计划，决定制程之关键质量特性(Key Characteristics)，如何量测、何时取样、样本数、取样频率及采取何种管制图等等。若同时使用Cp与Cpk指标，则可以更清楚的判断制程是否偏离目标值及制程之变异是否太大。一般可分为三种状况：(1) 当Cp 1 且Cpk 1时，表示制程符合工程规格。(2) 当