第十章 品質管制
學習目標 列出與簡單解釋製程管制要素。 解釋管制圖如何用來監控製程及使用概念。 使用並解釋管制圖。 使用連串檢定確認製程產出中非隨機性。 估計製程能力。
品質保證的方法
檢驗
檢驗考慮項目 要檢驗多少數量,以及何時檢驗。 檢驗應該設在哪個製程點。 集中檢驗或現場檢驗。 屬性(定性)檢驗或變量(定量)檢驗。
檢驗數量/頻率 檢驗(Inspection)與偵測系統 (Prevention) 檢驗須符合下列考量: 如何權衡檢驗成本與不良品期望成本? 檢驗成本 (see next slide) 不良項目通過之期望成本:若檢驗活動增加、則檢驗成本提升,但檢測出不良品,品質成本會降低。 如何權衡檢驗成本與不良品期望成本?
檢驗成本
檢驗頻率 檢驗頻率端賴: 製程穩定度:穩定製程需要之次數較少 檢驗批量數目:小批量比大批量需要之樣本數較多(比例上)。
在製程中何處進行檢驗? 原物料和進料:避免購入原物料不合設計規格(物理、化學、累積公差)。 完成品:修理或換貨成本通常比在工廠生產成本昂貴許多,故最後組裝測試為必要手段。 在高成本作業之前:設立檢驗站以去除瑕疵品之成本浪費。 在不可變更製程之前:生產超過某特定製程後即不能進行重工。 在覆蓋性/包裝製程之前 :如組裝、封裝、噴漆等。
檢驗點範例 企業型態 檢驗點 特性 速食業 收銀台 正確性 服務台 外觀、生產力 用餐區 清潔、無油污 建築物與地板 外觀、安全 廚房 清潔、食物衛生、食物儲藏、健康法規 停車場 安全、良好的照明
集中檢驗與就地檢驗 就地檢驗優點 快速決策 避免外在因素影響 實驗室檢驗優點 精密儀器 更適合測試的環境
統計製程管制 品質的一制性: 品管討論品質一致性 (Quality of conformance) ;製程產出是否符合設計規格。 統計製程管制: 用以評估製程產出(定期抽樣)以決定品質是否被接受。 在生產期間,對製程產出統計量的評估 品質的一制性: 製程產出(產品或服務)是否符合設計內容
統計製程管制 管制程序 定義:定義製程規格(定量或定性) 衡量:計量與計數衡量 與設計標準比較 (累積公差) 評估:區別機遇(85%)與非機遇變異(15%) 採取矯正措施:解決非機遇變異與管理措施 評估矯正措施
管制圖 管制圖 目的︰監控流程產出,區分機遇(common variance)與非機預變異 (assignable variance) 樣本統計量之時間順序圖形 (樣型-Pattern) 管制上下限決定出可接受變異範圍
管制圖
統計製程管制 統計製程管制使用統計方法,評估現行產出流程是否為隨機,確保將來產出也將會是隨機。
統計製程管制 變異與管制 機遇變異:在產出過程中之自然變異,其經由無數細微因素而產生 (舊機具零件耗損、管理問題) 非機遇變異: 一種可以找出來源變異 且可消除之。例如工具耗損、參數調整、不良物料、人為因素。
變異與管制 機遇變異或隨機變異 變異天生就存在於製程中。 非機遇變異或特殊變異 在製程的產出中可被辨認(可歸因於特定原因)並可消除的變異。
管制製程 定義 衡量 比較 評估 矯正 監控結果 See textbook
抽樣分配 抽樣分配為一種描述樣本統計值隨機性變異之理論性分配 中央極限定理提供了抽樣分配屬於常態分配或接近常態分 之理論基礎。
常態分配
管制圖 樣本統計量之時間順序圖形,用來區分隨機變異與非隨機變異。 分配會向二端趨向無限大。 管制界限 區分平均值的隨機變異與非隨機變異的分界。
管制界線
誤差 型 I 誤差 型 II 誤差 當製程在管制狀態內,卻判斷製程沒有落在管制狀態內。 (良品誤判為不良品) 又稱為生產者風險,因為生產者必須找出本來就不存在問題。 也稱為α風險,α為在二邊尾端機率總合。 型 II 誤差 當製程在管制狀態外,卻判斷製程落於管制狀態內。 (不良品誤判為良品) 又稱為消費者風險,因生產者並不知產品有問題,而把產品交至顧客手中。
型 I 誤差與型 II 誤差 管制狀態內 管制狀態外 無誤 型 I 誤差 (生產者風險) 型 II 誤差 (消費者風險)
型 I 誤差
抽樣分配觀察
變量管制圖 平均值管制圖 觀察製程集中趨勢。 x -bar管制圖。 全距管制圖 觀察製程分散趨勢。
計量(變量)管制圖 X-bar
計量管制圖 X-bar-採用R 採用樣本全距作為製程變異程度之量度。其管制界限公式: See example 2
R管制圖 全距管制圖乃用以追蹤製程之分散程度,其對於製程分散程度之變動極為靈敏。其管制界限為: See example 3
平均值與全距管制圖(1/2)
平均值與全距管制圖(2/2)
如何決定最初管制界限 抽取20/25組樣本並計算各個樣本適當統計量(平均 數或全距) 運用公式計算初步管制界限並繪製圖形 將樣本統計量繪製於管制圖上,並注意是否有樣 本點落於管制界限外 若無發現點落於管制界限外(管制中) 。反之,則 應矯正產生變異之非機遇原因,並刪除界限外樣 本點,再重新計算管制界限並檢驗製程是否處於 管制中。
屬性管制圖-計數管制圖 p管制圖:用來監控製程中不良品的機率(不良項目比率)。 c管制圖:用來監控每單位不良品個數(每單位缺點數目)。
選擇 p 管制圖或 c 管制圖
p-管制圖 p管制圖中心線為母體中平均不良率,當p已知時,抽樣分配標準差為: 若p未知,則可由樣本中估計p值, see example 4.
c-管制圖應用 當目標在於管制每單位瑕疵數時,則使用c管制圖,其依據波松分配(Poisson distribution)假設,缺點是在某連續區域中產生,且在特定點產生一個以上缺點機率極低。每個單位平均數為c,標準偏差為 常用常態分配估計值取代Poisson。 若p未知,則可由樣本中估計p值, see example 4
管制圖在管理上考量因素 理想狀態下,一個優良製程勿須使用任何管制圖。 但現實狀況下,欲達到預定品質水準須於各個製 程中設定管制圖檢驗站。 在製程中的何處使用管制圖? 樣本大小要取多少? 抽樣頻率 要使用哪一種管制圖? 計數管制圖 計量管制圖
連串檢定(run tests) 連串檢定:通常用來補充管制圖,目的是檢定隨機性。 即使管制圖中所有點可能都落在管制界限之內,資料仍然可能無法反映出隨機製程。 任何形式樣本都可能為非隨機製程。 數據中模式的呈現可指出非隨機製程所在
不隨機的範例(1/2)
不隨機的範例(2/2)
連串(run) 連串指某種特性之一系列觀測值,其後跟隨一個或 多個具有不同特性之觀測值。 Example: AA BBB A,三個連串(RUN) 上、下連串檢測:A(大於)與B(小於)於中位數,相 近連串之U(上)與D(下) 。 See textbook for details.
計算連串
計算連串
連串計算 為了決定是否製程中具有不穩定模式,管制圖中數據須轉換成A、B 或 U、D。 這些數目須與完全隨機系列之期望比較。 以中位數/U and D檢定為例,其期望連串數為觀測數目之函數。
連串計算 任意一組觀測值之實際連串數會隨期望值而變動之,隨機變異性可使用連串的標準差衡量之。 為了自模式中區別出機遇變異,則必須應用中位數連串與向上(U)/向下(D)之抽樣分配。 實務上,經由區分連串觀測數與期望值為最容易決定標準偏差z數字。Example: 95.5%(2 σ,z=±2)連串中,若觀測值落於界限中,則無非隨機模式存在。
連串計算
連串計算 就中位數連串檢定與U/D連串檢定而言,可由下列公式求出z值。 See example 6
當製程出現可能的非隨機變異會如何? 可能錯誤訊號(即型 I 誤差) 。 可能為隨機變異原因存在訊息。 必須註明機遇發生原因。 當團隊實際需要處理更多複雜問題時,可以訓練操作員去處理簡單問題。
製程能力 公差 規格:依工程設計或顧客要求所建立,其指出個別產出單位的落點數值範圍。 管制界限:其可反映樣本統計量之隨機性變動程度統計界限。 製程變異性:反映製程中自然或天生變異 管制界限乃以抽樣變異性為基礎;而抽樣變異性為製程變數之函數。 規格公差與管制界限或製程變異間並無直接關聯。製程於統計上也許在管制中,但製程產出並不一定符合規格公差 製程能力:指製程產出天生變異性,相對於規格的製程變異性
製程能力與規格
製程能力指標 Cpk = min { , } See examples 7, 8, and 9
製程能力指標限制 製程可能並不穩定 有些製程產出並非常態分配 若製程非集中化,但卻使用Cp 指標, 將得到誤導的結果
3 與 6 製程能力
3 與 6 製程能力
製程能力改進 方法 範例 簡單化 減少步驟、減少零件數、使用模組的設計 標準化 使用標準零件與標準製程 改進缺失 防呆設計、簡化控制程序 設備升級 更換壞掉的設備、使用新科技 自動化 以自動化操作取代人工作業
田口成本函數
能力指數限制 若製程並不穩定,能力指標將無意義。 若製程產出並非常態分配,求出不接受產出比率是不正確的。 若製程不集中,卻使用 Cp 指標,將產生錯誤的結果。
品質管制的概觀