公共工程品質管理訓練班 第二章 統計分析方法與應用 授課老師：明新科大 劉馨隆 中華民國 一 O 二 年 四 月.

Presentation on theme: "公共工程品質管理訓練班 第二章 統計分析方法與應用 授課老師：明新科大 劉馨隆 中華民國 一 O 二 年 四 月."— Presentation transcript:

1 公共工程品質管理訓練班 第二章 統計分析方法與應用 授課老師：明新科大 劉馨隆 中華民國 一 O 二 年 四 月

2 課程內容 一、緒論 二、隨機抽樣 三、以統計表與統計圖分析工程品質 1.1 統計分析概述 1.2 統計品管
1.3 統計分析在公共工程品管上之應用 二、隨機抽樣 2.1 抽樣檢驗 2.2 隨機數 2.3 隨機抽樣技術 三、以統計表與統計圖分析工程品質 3.1 數據一覽表 3.2 次數分配表 3.3 直方圖 3.4 累積次數分配圖 3.5 電腦繪製統計圖

3 四、以統計量分析工程品質 五、常態分配在工程品管之應用 六、工程品質管制圖 七、結語 4.1 工程品質之集中性與離散性 4.2 平均數
4.3 標準差 4.4 變異係數 4.5 全距 4.6計算機之統計功能及EXCEL之統計函數 五、常態分配在工程品管之應用 5.1 工程品質之常態分配 5.2 以常態分配估計機率 5.3 平均數之分配 六、工程品質管制圖 6.1 管制圖原理 6.2 平均值－全距管制圖 6.3 ACI混凝土抗壓強度管制圖 七、結語

4 一、緒論 1.1 統計分析概述 1.2 統計品管 1.3 統計分析在公共工程品管上之應用

5 品管作業中，我們會蒐集到很多品質數據，每種數據都會有若干程度之差異，這些原始數據若未經整理，可能會顯得雜亂無章，很難理解它代表了什麼。
透過統計分析，我們可以獲得其中間值、高低變化程度、合格率、或變化趨勢等等訊息，這些都可以作為品質管理上之重要資訊。 品質數據經過適當的統計分析變成品質資訊，品質資訊可作為品質管理的依據 統計分析讓數據說話 知識 活 用 智慧 DATA 數據 INFORMATION 資訊 統計分析

6 一般施工品管實務所用到的統計分析，大多是一些簡易方法，
至於較複雜的部分，通常已由統計學家製成簡單圖表或公式，只要遵循使用規則，很快就能應用，可謂「知難行易」。 現在有具統計功能的計算機及方便的計算軟體(excel、SPSS)，可以簡單的執行繁雜的計算過程，應用統計技術比以前方便甚多。 工程師必須知道要統計分析什麼項目，也必須懂得研判統計分析結果，才能適當的執行品質管理。就像醫師要能夠決定病人應該作何種檢驗，也必須懂得研判檢驗結果，然後才能給病人適當醫療

7 我們日常生活面臨的許多現象中，大多是不確定的。 若經過仔細觀察，卻又可以發現這些現象有某種程度的規律，
若能找到這規律，也能相當有效的掌控所期望的成果 用經驗方法處理不確定性問題，一般分成以下4個步驟： （1）收集經驗資料： 過去的經驗資料 若無過去的經驗資料可先作一些實驗獲取資料。 （2）整理經驗資料找出其變化規律，如平均值及高低變化範圍等。 （3）選擇冒險率(風險決策)：我們對不確定性問題作任何決定都會有若干冒險性 若失敗後果嚴重，冒險率訂低些以求安全，也就是安全係數訂高些； 若失敗後果輕微，冒險率訂高些以求經濟，也就是安全係數訂低些。 （4）作決定：在考慮冒險率大小之前提下，我們會作適當之決定。

8 例如： 某君每天上班，路程約30分鐘， 但不是正好30分鐘， 經過一段期間，他獲得了經驗，
有時交通特別順暢，約20分就到了， 有時卻因交通壅塞，也會慢到40分鐘以上。 經過一段期間，他獲得了經驗， 估計平均10次中有1次超過40分鐘（路程超過40分鐘的機率約為10%）。 如果他期望8點鐘能到達辦公室，且遲到的機率不超過10%，則他應提前40分，即7點20分就該出發。 若他養成7點20分出發的習慣，大部份的日子都可以在8點前到達辦公室（他有90％掌控所期望的成果）。

9 機率(probability)????相對次數
先天機率 後天機率 主觀機率(Possibility) 大數法則

10 思考一下~~~ 一支球棒和一顆球合計要價一．一○美元。球棒比球貴一美元，請問這顆球要多少錢？

11 心理學大師卡尼曼： 重大(複雜問題)決策，不要相信直覺 做決策，慢一點比較好 EX. 「二加二是多少？」
「十七乘以二十四是多少？」回答就沒那麼快速了

12 統計分析基本概念(重要!!) 抽樣 Sampling 分析 描述 推論 母體 Population 樣本 Sample 普查 母數 統計量
母體特徵量數 樣本特徵量數 不確定性

13 不確定性 測度的不確定性 減少不確定性 機率理論與方法 事前設計控制 事後選用 最佳統計方法 實驗設計 抽樣設計 (本頁參考即可)

14 1.2 統計品管 工程品質受到人員（man）、材料（material）、機具（machine）、方法（method）及量測（measurement）（5M因素）等許多因素影響，不可能絕對均勻，這種不均勻性是隨時存在的，可以說是一種無法避免的自然現象。 工程品管必須面對一些不確定性問題，可利用統計方法作有效的處理，以統計方法為基礎的品管技術稱為「統計品管」（statistical quality control，簡稱SQC），SQC為現代工程品管的基礎。

15 統計品管之涵蓋範圍相當廣泛，常用的以下統計方法：
1. 客觀選定檢驗樣本－隨機抽樣（見第二節） 2. 以圖表簡單的分析品質狀況－統計表與統計圖（見第三節） 3. 以數值精確的分析品質狀況－統計量（見第四節） 4. 合格率估算、許可差設定及品質製程目標值設定－常態分配（見第五節） 5. 品質之變化趨勢與管控方法－品質管制圖（見第六節）

16 1.3 統計分析在公共工程品管上之應用 公共工程通常包括設計(構想規劃)、進料(採購發包)、施工、驗收及使用5大階段(工程生命週期)，每一階段之品質管制均可使用適當的統計方法，分別簡述如下： （1）設計管制：訂定品質目標、設定材料與施工公差（規格界限）、工程可靠度分析等。 （2）進料管制：抽樣檢驗、檢驗結果分析、管制圖製作等。 （3）施工管制：訂定製程目標、抽樣檢驗、結果分析、管制圖製作等。 （4）驗收管制：設計抽驗計畫、抽樣檢驗等。 （5）維護管制：預測維護時機、迴歸分析、工程可靠度分析等。

17 施工品管採用統計方法有以下好處： （1）可客觀公平的選定檢驗樣品，減少爭議。
（2）可清楚的用圖、表或量化表示品質狀況，可和契約規定標準、其他工程水準或定期自行客觀比較。 （3）可有效的追蹤品質趨勢，即時採取改正措施，以管制品質變化。 本教材盡量以實用案例說明，主要以一般熟知的混凝土抗壓強度為例進行各項分析，請學員應用於各自專長之工程領域。

18 二、隨機抽樣 2.1 抽樣檢驗 2.2 隨機數 2.3 隨機抽樣技術

19 2.1 抽樣檢驗 工程實務上，因為檢驗具破壞性或大量檢驗所耗時間及成本過高等因素，很少能作100%檢驗(簡稱：全檢普查)，而普遍採用抽樣檢驗(簡稱：抽檢抽查)。 抽樣檢驗為「由每一檢驗批中抽取規定件數之樣本進行規定品質特性之檢驗，由檢驗結果計算品質指標，若品質指標達規定值，則判定該檢驗批合格，否則，判定該檢驗批不合格」。 樣本 1.大小區分： 大樣本(n>=30) 小樣本(n<30) 2.取得方式區分： 隨機樣本 非隨機樣本 母體 : 調查者欲研究所收集的全部資料 1.有限母體 2.無限母體 樣本 : 母體中部分資料 1.樣本需具代表性

20 抽取樣本方式 （1）立意抽樣(非隨機抽樣)：由抽樣者在檢驗批（一次檢驗所代表之範圍，在統計學上稱母體、群體或母群體）中主觀選定代表性樣本，抽樣快速，但難免會因抽樣者之主觀或抽樣習慣而來之偏差，在統計品管上通常不用立意抽樣。 （2）隨機抽樣：以隨機方式由檢驗批中客觀選定樣本，一般所用之「抽籤決定」即為一種隨機抽樣，統計學所指之抽樣係指隨機抽樣，現代工程施工規範大多規定採用隨機抽樣，工程規範中規定每批抽驗件數及合格基準，係以隨機抽樣為前提下以統計方法設定。然而，某些特殊情況可能不用隨機抽樣，例如混凝土構造物之鑽心試驗，通常由有經驗之工程師選定具代表性且安全之位置鑽取試樣。

21 隨機抽樣具以下特性： （1）檢驗批中的每一個樣本單位被抽中機率相同。
（2）可由樣本大小(sample size)控制抽樣誤差，抽愈多誤差愈小。 （3）樣本統計量可以不偏估計母體參數。 註：不偏估計(unbiased estimate)指估計值比真值偏高與偏低之機會相等。 （4）抽驗過程客觀公平，檢驗結果較具說服力。

22 工程實務上有些特殊情況不適用隨機抽樣，必須採用立意抽樣。Ex.
混凝土構造物之鑽心試驗，通常由有經驗之工程師用立意抽樣法選定具代表性且安全之位置鑽取試樣，務必須避開主鋼筋、埋設管線、修補困難等部位，以降低對構造物之破壞。 發現材料或工程結構有變形、龜裂、變色、異物滲出、表面隆起等異常現象，為瞭解狀況，工程師需用立意抽樣法針對此特殊位置取樣檢驗，而非隨機抽樣。 工程品管之抽樣檢驗目的主要用於驗證品質水準，工程規範所規定之抽樣頻率甚低，工程師若僅依靠抽驗結果作判定工程品質，其風險性甚高，工程師應該要以工程專業先作目視檢查，若發現有不良情形，即應逐一改善，在目視無問題後才作抽樣檢驗。例如碎石級配底層滾壓完成，應先目視檢查，若有成波浪狀、海綿狀、凹陷積水等，均應立即改善，然後才抽樣檢驗壓實度。不可以僅憑抽樣檢驗，若抽到缺失點才作改善。

23 2.2 隨機數 工程品管實務上大都採用隨機數來進行隨機抽樣，隨機數(random number)又稱「亂數」，為一組非常亂，亂到不按任何規則排序的數，且其中每一個數出現的機率相等。 例如：連續投擲一顆均勻的六面骰子，將出現1到6點的隨機數，因為每次投擲所出現的點數排列無任何規則，而1到6之出現機率相同，各為六分之一。 工程品管之抽樣量一般不大，常用由0.001、0.002、…至1.000共計一千個數所組成之三位隨機數。 隨機數2.2.1自製隨機數、2.2.2查隨機數表、2.2.3以計算機產生隨機數、2.2.4以EXCEL產生隨機數

24 2.2.1 自製隨機數 準備10個相同的圓球、硬幣或卡片等，各分別標上0到9十個數字，將該數字球放入一容器，充分拌勻，隨機抽出一個登錄其上數字，再置回容器，重複前述步驟直至獲得所需數量，將所獲得之數字按順序及所需位數組合。 註：本節用於介紹隨機數之產生原理，實務上請盡量採用以下二節所介紹之隨機數表或計算機產生隨機數。 [例1]試以數字卡片自製5個3位隨機數。解： 步驟1.以0到9共10個數字之自製數字卡片，重複隨機抽得15個數值，按抽得順序排列如下： 步驟2.依序每3數組成一隨機數，並各除以1000用小數表示： 註：萬一產生重號，捨棄後者再行抽取一組補足。

25 2.2.2 查隨機數表 統計手冊及工程規範常附有隨機數表，可供採用。表1係ASTM D3665 [營建工程材料隨機抽樣法]所附的隨機數表。
先以適當隨機方法選定一起點，然後依序取出所需個數之隨機數，通常由左往右，一列取完接下一列，一頁取完接下一頁，全數取完接第一列。 [例2]試以表1之ASTM D3665隨機數表查取5個隨機數。 解： （1）準備1～10之10張數字卡片，以置回法隨機抽出3個卡片數作為起點指標，以前2號代表列號，第3號代表行號，假設抽得「141」，表示取用隨機數起點之座標為第14列第1行。 註：若3個卡片數為000，代表第100列第0行。 （2）由第14列第1行起，連續查取5個隨機數如下：

26

27 2.2.3以計算機產生隨機數 工程用計算機大多具隨機數產生功能，一般可顯示由0.001到1.000間之隨機數，工程品管上十分實用。
 【例3】試以工程用計算機產生5個隨機數。解： 不同廠牌與機型之計算機常有不同操作方法，請詳閱計算機說明書。以下為幾種機型之範例： 一、CASIO fx-991及CASIO fx-3600P等： 每按INV鍵及小數點‧（RAN#）鍵一次可產生一個隨機數，重複5次得以下5個隨機數： 註：1、有些計算機，如CASIO fx-350MS 或CASIO fx-82SX等，以SHIFT鍵取代INV鍵，其餘步驟相同。 2、每次操作計算機會得到不同之隨機數。

28 2.2.4以EXCEL產生隨機數 EXCEL之隨機數產生函數如下：RAND()
此函數傳回一個大於0至1的隨機數。每當工作表重算或按F9鍵時，便會傳回一個新的隨機數 RAND（）函數最多可產生15位隨機數。實務上不需這麼多位數，可用EXCEL功能調整到所需位數。

29 2.3 隨機抽樣技術 隨機抽樣之基本步驟如下： 1. 依照施工規範確定檢驗批（或抽樣範圍）及樣本大小。
2. 將檢驗批之每一樣本單位依序編號，如果抽驗對象為散裝材料或平面等，應先將檢驗批按執行方便分割成適當樣本單位（sample unit）再予以編號。 3. 依照施工規範或實際狀況，選定適當之隨機抽樣方法（見以下數節）。 4. 取得所需個數之隨機數。 5. 按選定之隨機抽樣方法，抽出檢驗樣品或檢驗位置等。

30 2.3 隨機抽樣技術 進行抽樣前，應先將檢驗批分割成適當樣本單位（sample unit）， 再以隨機方法抽出所要之樣本單位。實際作業應視工程實務狀況，靈活運用， 例如 某工程某天預定澆置320m3混凝土，將由預拌廠分成80輛攪拌車送抵工地，則此320m3混凝土為檢驗批，將每一輛攪拌車視作為一個樣本單位，以隨機方法決定應抽驗之車次。 亦可用時間或空間座標等直接計算取樣時間或位置， 將於一塊填土區上抽驗壓實度，可將該工區在平面圖分割成等面積之適當小區塊，再以隨機方法決定檢驗之小區塊。 若該工區成正方形或長方形，亦可分別以隨機方法決定抽驗位置之縱、橫座標，由每一對座標決定取樣位置。

31 隨機抽樣的方法 2.3.1 簡單隨機抽樣 2.3.2 分層隨機抽樣 2.3.3 系統隨機抽樣

32 2.3.1 簡單隨機抽樣 簡單隨機抽樣(simple random sampling)亦稱「單純隨機抽樣」，係將母體中之每一樣本單位分別編號（只要能按一定順序找到任一號數所代表的樣本單位即可），利用第2.2節所述方法產生所需個數的隨機數，換算出每一隨機數所對應的樣本單位編號，據以取樣。 [例4]某混凝土工程，某日預定澆置相同規格混凝土共320m3，按規定需抽驗4次抗壓強度，混凝土將由預拌廠分成80輛攪拌車送抵工地，請以簡單隨機抽樣法決定抽驗之車次。 （1）由表1查得4個隨機數（引用[例2]結果）： （2）將批量80乘以各隨機數，即得各抽驗車次（表2）。 註：計算至小數第1位，採無條件進位至整數。

33 簡單隨機抽樣為最基本方法，但有時抽樣位置會局部集中，在品質均勻性較差時，容易引起爭議，宜盡量避免單獨採用，可用分層隨機抽樣法改進。
No. 批量(車) 隨機數 乘積 抽驗車次 (1) (2) (3)=(1)×(2) (4) 1 80 0.348 27.8 28 2 0.311 24.8 25 3 0.232 18.5 19 4 0.797 63.7 64 無條件進位 簡單隨機抽樣為最基本方法，但有時抽樣位置會局部集中，在品質均勻性較差時，容易引起爭議，宜盡量避免單獨採用，可用分層隨機抽樣法改進。

34 2.3.2 分層隨機抽樣 分層隨機抽樣（stratified random sampling）係將檢驗批按預定樣本大小等分為若干層（抽樣檢驗上稱作小批，sublot，層間差異大），每一層中以簡單隨機抽樣法各抽出一件樣本。 [例5]某混凝土工程，某日預定澆置相同規格混凝土共320m3，按規定需抽驗4次抗壓強度，混凝土將由預拌廠分成80輛攪拌車送抵工地，請以分層隨機抽樣法決定抽驗之車次。 （1）將檢驗批均分為4小批，計算小批量： 80/4＝20 （2）由表1查得4個隨機數(引用[例2]結果)： （3）以小批量乘各隨機數，加上前一小批終點，計算得抽驗車次（表3）。註：計算至小數第1位，採無條件進位至整數。

35 No. 小批量(車) 隨機數 乘積 前小批尾數 合計 抽驗車次 (1) (2) (3) (4) (5)=(3)+(4) (6) 1 20
0.348 6.9 7 2 0.311 6.2 26.2 27 3 0.232 4.6 40 44.6 45 4 0.797 15.9 60 75.9 76 分層隨機抽樣法計算較麻煩，但可確保樣本分散到母體的各層，容易被接受，在抽樣量不多時最宜採用。 分層隨機抽樣層間差異大，每層中以簡單隨機抽樣法 欉式隨機抽樣層(欉)間差異小，層(欉)間以簡單隨機抽樣法。

36 2.3.3 系統隨機抽樣 系統隨機抽樣(systematic random sampling)亦稱「等距抽樣」，係將檢驗批按樣本大小均分(分層)，然後從第一等分中，以簡單隨機抽樣法抽出一件樣本，然後每隔與等分同長處抽取一件。 [例6] 某混凝土工程，某日預定澆置相同規格混凝土共320m3，按規定需抽驗4次抗壓強度，混凝土將由預拌廠分成80輛攪拌車送抵工地，請以系統隨機抽樣法決定抽驗之車次。 （1）計算第一等分長：80/4＝20 （2）由表1查得一個隨機數：0.348 （3）計算第一點位置：20×0.136＝6.9≒7 （4）以後每隔20車為各抽驗車次（表4）。

37 No. 計 算 抽驗車次 1 20×0.348＝ 7 2 7＋20＝ 27 3 27＋20＝ 47 4 47＋20＝ 67 系統隨機抽樣法最適於抽樣量很大之情況， 若母體成週期性變化，且變化週期恰為抽樣間距的倍數時，會發生嚴重偏差，不可採用。 製程管制上亦應避免採用，以免作業手預知取樣時機而預作準備，影響樣本之代表性。

38 圖1 3種隨機抽樣結果車次比較

39 三、統計表與統計圖分析工程品質 3.1 數據一覽表 3.2 次數分配表 3.3 直方圖 3.4 累積次數分配圖 3.5 電腦繪製統計圖
品管人員可簡單的利用適當統計表或統計圖，從事各種品質數據之整理分析，甚至展現品管成果，這在自我研析、品管圈活動及品管成果報告上都非常有用。

40 3.1 數據一覽表 數據整理第一步為將品質數據按業務需要適當分類
如：按工程別、料源別、檢驗項目別、檢驗期間別等分類，製成「數據一覽表」 數據一覽表係將原始試驗報告中之相同部份集中在一起，可方便閱讀，並便於作進一步分析。 EX. 表5　混凝土抗壓強度數據一覽表 某混凝土工程之28天齡期之圓柱試體抗壓強度檢驗數據（規定強度fc’＝210 kgf/cm2）。該混凝土工程每次取樣模鑄2只圓柱試體，按規定養治至28天齡期，並檢測其抗壓強度，並依CNS 3090[預拌混凝土]規定，計算該2只試體強度之平均數作為該次之試驗結果（test result）。

41

42 3.2 次數分配表 原始數據量龐大時，可按數值大小適當加以分組製作「次數分配表」，以便初步瞭解其分配狀況，並可供進一步繪製「直方圖」等統計圖之用。 同一工程項目定期製作次數分配表時，建議每次採用相同之組距及組界編制次數分配表及繪製直方圖，方便互相比較。 程序 一、計算數據之全距 二、估計組數 三、計算組距 四、計算第一組之組下限 五、計算第一組之組上限 七、計算其餘各組之組下限、組上限及組中值 八、登錄劃記及計算次數 九、計算各組之累積次數、相對次數及累積相對次數 十、微調各組組下限、組上限及組中值

43 資料的整理次數分配 資料量大 分類原則 一般可用次數分配表或次數分配圖表示. 1.統計表：邏輯性分類以表格方式陳示 分類 時間數列表
空間數列表 屬性數列表 屬量數列表：連續數列、不連續數列 構成要素 標題 標目（項目）： 橫標,縱標 大標目,小標目 格線 數字 註記 資料量大 功能 簡化和系統化 表現資料特性與規律性 便於審查 便於統計計算與分析 周延：不遺漏 分類原則 互斥:不重複

44 （1）計算數據之全距 （2）估計組數 全距＝最大值－最小值＝312－173＝139
依經驗估計組數，若無足夠經驗，可用以下二方法之一概估組數。 方法一：史特吉斯（Sturges）經驗公式 k＝1＋3.322×log(n) （1） 式中，k＝分組組數，n＝數據個數 方法二：經驗公式 （2） or n 組數 > 方法三：經驗公式

45 本例採用方法一： n＝30，則k＝1+3.322×log(30)＝5.9，可試分6組。
註：以上二公式僅提供一試用初值，實際採用組數尚需考慮使用之方便性及所呈現之分配狀況等，並以下節所繪直方圖辨別分組是否恰當。 分組適當時，通常可看出資料之分佈型態， 若數據過於集中少數組，表示 k 太小(組數太少)，可酌增加； 反之，數據過於分散，每組僅出現少數數據，表示 k 太大(組數太多)，可酌減小。

46 （3）計算組距 （4）計算第一組之組下限(組限組界) （5）計算第一組之組上限 組距＝全距/組數＝139/6＝23.2
註：考量計算及製圖方便性，組距常取用 2、5 或 10 之整數倍數。為讓各組不重疊，組距常取用最小計量位之奇數（奇數除以2會比原數據往下多一位有效數，該數不可能出現）。 本例經以上考慮，組距選定25。 （4）計算第一組之組下限(組限組界) 第一組之組下限＝最小值－數據最小計量單位的1/2 ＝173－1/2＝172.5 註：本例抗壓強度數據記錄到個位數，故數據最小計量位＝1。 （5）計算第一組之組上限 組上限＝組下限＋組距 本例：172.5＋25＝197.5

47 （7）計算其餘各組之組下限、組上限及組中值
（6）計算第一組之組中值 組中值＝（組下限＋組上限）/2 本例：（172.5＋197.5）/2＝185 （7）計算其餘各組之組下限、組上限及組中值 組下限＝前一組下限＋25 組上限＝前一組上限＋25 組中值＝前一組中值＋25 依序完成表6之第1～3欄。 （8）登錄劃記及計算次數 國人習慣寫成「正」字 西方 （9）計算各組數相對次數及累積相對次數

48 九、計算各組之累積次數、相對次數及累積相對次數
組下限 組上限 組中值 劃記 次數 累積次數 相對次數% 累積相對次數% (1) (2) (3)=[(1)+(2)]/2 (4) (5) (6) (7)=(5)/總次數 (8) =(6)/總次數 172.5 197.5 185 丁 2 6.7 222.5 210 正 5 7 16.7 23.3 247.5 235 12 40.0 272.5 260 正正 10 22 33.3 73.3 297.5 285 27 90.0 322.5 310 下 3 30 10.0 100.0 合計 100.1

49 十、微調各組組下限、組上限及組中值 必要時可微調各組組下限、組上限及組中值，使分配型態較為勻稱及減少偏差（bias）
次數分配表通常配合下節內容製作直方圖，用於快速簡易分析，是否要做此微調需視要求準確程度而定。 依本例，衡量第1組之組下限172.5與最小值173僅差0.5（＝ ），而第6組之組上限322.5與最大值312卻差10.5（＝ ），為減少偏差，故可調整兩者差距使之相等或接近相等 組下限 組上限 組中值 劃記 次數 累積次數 相對次數% 累積相對次數% (1) (2) (3)=[(1)+(2)]/2 (4) (5) (6) (7)=(5)/總次數 (8) =(6)/總次數 167.5 192.5 180 一 1 3.3 217.5 205 止 4 5 13.3 16.7 242.5 230 正一 6 11 20.0 36.7 267.5 255 正止 9 20 30.0 66.7 292.5 280 正丁 7 27 23.3 90.0 317.5 305 下 3 30 10.0 100.0 合計

50 由次數分配表（表7）可以獲得一些很有用的品質資訊，例如本次數分配表可以大致判斷出：
1. 估計數據分佈範圍：大部份數據落於180至305之間，所有數據位於167.5～317.5之間。 2. 估計數據之平均數：累積相對次數為50％之數據係位於組中值＝255這組中，且位於約前44％處[前一組之累積相對次數＝36.7％，該組之相對次數＝30.0％，（ ）/30.0＝0.44]，估計這批數據之平均數約為253.5（＝242.5＋25×0.44）。 3. 估計某超限範圍所佔比例：由規定強度210相對應之累積相對次數，亦即估計數據小於210之累積相對次數約為13％[＝3.3＋13.3×（ ）/25]，也就是說，約有13％之試驗結果小於210 kgf/cm2。

51 3.3 直方圖 表7之第3欄「組中值」為橫座標，第5欄「次數」為縱座標 約250 約12.5％

52 由圖3可初步辨識如下： 1. 數據分佈型態：該直方圖為左右約略對稱的山形，近似常態分配之鐘形（詳見第6節），可判定此批混凝土之抗壓強度分佈大致正常。 2. 數據分佈範圍：由最小組中值與最大組中值得知，此批混凝土之抗壓強度大部份落於180~305 kgf/cm2之間。 3. 數據之平均數：以目視判斷面積之左右對稱中心之橫座標約為250，可概估此批混凝土之平均抗壓強度約為250 kgf/cm2。 4. 估計某超限範圍所佔比例：如由目視概估小於210之面積（斜線部分）約佔總面積的八分之一，估計抗壓強度小於210 kgf/cm2之比率約為12.5 %。

53 3.4 累積次數分配圖 似進度管制的S- curve

54 3.5 電腦繪製統計圖

55 四、以統計量分析工程品質 4.1 工程品質之集中性與離散性 4.2 平均數(與移動平均數)集中性 4.3 標準差離散性
4.4 變異係數離散性 4.5 全距離散性

56 4.1 工程品質之集中性與離散性 在相同條件下所生產或施工之工程品質特性，大都會出現在某一中心值附近，離開中心值越遠，出現機率越少，如圖3之直方圖成單峰山形，這種現象稱「集中趨勢」 工程品管上常用平均數（亦稱平均值）表示該中心值。 工程品質必有若干程度之不均勻性，以平均數為中心，上下分布，其散佈之寬窄稱「離散程度」，品質越不均勻，離散程度越明顯。工程品管上常以標準差、變異係數及全距等來表示離散程度

57 全距

58 平均數( ，唸x bar)係由樣本數據求得，稱為「樣本平均數」，一般簡稱「平均數」。而母體中所有數的平均數稱之「母體平均數」以μ(唸mu)表示，母體平均數以（4）式計算
工程實務上，甚少作100%檢驗，故通常母體平均數（μ）為未知值，必須採用抽樣檢驗，計算樣本平均數，再利用樣本平均數估計母體平均數。

59 [例8]請計算表5前5次混凝土抗壓強度試驗結果之平均數。 255,253,264,298,285 kgf/cm2
我們經常以平均數表示一群數據之中間值，例如平均身高、平均氣溫、平均強度等。工程規範中常以平均數表示工程品質水準，規定每批抽驗若干件，其平均數不得小於某一定值。例如，可規定平均數要求如下： 　　　　　　　　（5） 式中， ＝樣本平均數（抽驗n件之檢驗結果之平均數）。 SL＝規格下限值。 k=常數 s＝標準差（抽驗n件之檢驗結果之標準差）。 註：常數k由允收品質水準（AQL）、抽樣冒險率等以統計方法設定，其設定過程較複雜，本教材未說明，需要時可參見CNS 9445[計量值檢驗抽樣程序及抽樣表]

60 移動平均數 工程品管上也常取連續若干數之移動平均數（ ），以顯示品質之變動趨勢。所謂「移動平均數」係由第一個數開始，連續取幾個數之平均數，然後逐次往下推進一數，每前進一數同時放棄最後一數。 例如，計算255，253，264，298，285等5數之3數移動平均數如下： 說明： （ ）/3＝257.3 （ ）/3＝271.6 （ ）/3＝282.3 ＝ 255 253 264 298 285 257.3 271.6 282.3

61 表8 三廠連續強度抽驗結果 A廠 B廠 C廠 個別值 1 101 96 104 2 99 98 100 3 4 5 103 6 7 102
97 10 平均

62 表8 三廠連續強度抽驗結果及移動平均數 A廠 B廠 C廠 個別值 移動平均數 1 101 96 104 2 99 98 100 3
100.0 98.0 101.3 4 99.3 99.0 100.3 5 103 100.7 6 99.7 7 102 8 9 97 10 101.7 98.7 平均

63

64 4.3 標準差 標準差(standard deviation)用於表示資料之離散程度，若由母體中抽取n個樣本，其值分別為 ，其樣本標準差計算如下： (6) 樣本 (7) 母體 工程實務上，甚少作100%檢驗，母體標準差(σ)無法得知，而必須採用抽樣檢驗，計算樣本標準差（s），再利用樣本標準差估計母體標準差(σ，唸sigma) 標準差用以表示一群數據之離散程度，標準差愈大表示各數據互相差異愈大，即表示品質愈不均勻。

65 [例9]試計算表5之前5次混凝土抗壓強度試驗結果之標準差。
註：CNS 12891[混凝土配比設計準則]規定計算混凝土抗壓強度之標準差需有30個以上數據，或以15～29個數據計算標準差，再乘以修正係數放大之。 本例僅以5個數據說明標準差計算方法，未考量CNS12891規定。 255,253,264,298,285 kgf/cm2

66 方法二：表格計算法（數量多時採用此法較方便）
255 -16 256 253 -18 324 264 -7 49 298 27 729 285 14 196 合計 1554 1554/(5-1)＝ 388.5 標準差 19.7 kgf/cm2

67 4.4 變異係數 變異係數（coefficient of variation）為標準差對平均數之比值，計算公式如下：
體重標準差五公斤，與身高標準差五公分，哪個資料變異大 [例10]試計算表5之前5次混凝土抗壓強度試驗結果之變異係數。解： 由前二例計算得：s＝19.7， 平均數＝271

68 工程品管上常以標準差或變異係數表示工程品質之不均勻性，其值愈大均表示愈不均勻。
至於採用標準差或變異係數表示，需視所應用之情況下何者較能反應品質水準而定。 單位不同，或單位同但平均數差距大的數據間差異比較變異係數 標準差可視為離散程度之絕對值，而變異係數則為離散程度對平均數之相對值，若變異係數保持一定，平均數大者其相對應之標準差亦大。

69 EX. 表10為美國混凝土學會（American Concrete Institute，簡稱ACI）技術文件ACI 214R-02適用於規定強度fc’>350 kgf/cm2之高強度混凝土評估混凝土均勻性之準則， 分全面變異及組內變異兩部分， 各分工地檢驗（適用於評估工程施工水準）及試驗室試拌（適用於評估試驗室作業水準）兩種標準，每種分5等級， 其全面變異及組內變異說明如下： （1）全面變異（overall variation）：為各次試驗結果之差異，以標準差表示，用於評估混凝土品質之均勻性。標準差愈大，表示混凝土品質愈不均勻，管制水準愈差，其值太大，應檢討改進混凝土製程。全面變異之標準差以各次之試驗結果，以（6）式計算得之。

70 （2）組內變異（within-test variation）：為同一次試驗中各試體強度間之差異，以變異係數表示，用於評估試驗之精密度（precision）。
其變異係由於各試體之製作、養治及試驗等差異而引起，組內變異與試驗操作及試驗儀器穩定性有關， 組內變異係數大表示從取樣至試壓之過程不穩定，其值太大應檢討改進取樣至試驗之各階段作業。 組內變異係數僅為同組試體強度間互相比較，為同一樣品之重複試驗間差異，與混凝土品質無關。 計算組內變異係數，需先計算組內標準差，因一組試體之個數不多（CNS 3090規定至少2個，一般常用2～5個），不宜用（6）式計算標準差，需以（11）式估計之（詳[例12]）。

71 （1）全面變異（overall variation）：

72 （2）組內變異

73 表9 ACI 214R-02混凝土管制水準評估準則 （適用於fc’≦350 kgf/cm2普通強度混凝土） 全面變異 標準差，kgf/cm2
作業 最佳 很好 可以 尚可 不良 等級 Excellent Very Good Good Fair Poor 施工試驗 <28 28-35 35-42 42-49 >49 試驗室試拌 <14 14-18 18-21 21-25 >25 組內變異 變異係數，% <3.0 >6.0 <2.0 >5.0

74 表10 ACI 214R-02混凝土管制水準評估準則 （適用於fc’>350kgf/cm2高強度混凝土） 總變異（變異係數，%） 作業
最佳 很好 可以 尚可 不良 水準 Excellent Very Good Good Fair Poor 工地試驗 <7.0 7.0~9.0 9.0~11.0 11.0~14.0 >14.0 試驗室試拌 <3.5 3.5~4.5 4.5~5.5 5.5~7.0 >7.0 組內變異（變異係數，%） <3.0 3.0~4.0 4.0~5.0 5.0~6.0 >6.0 <2.0 2.0~3.0 >5.0

75 茲以（6）式計算表5之30次試驗結果之標準差為34.2 kgf/cm2，如果該混凝土之規定強度為210 kgf/cm2，屬於普通強度混凝土，故對照表9，可判定該工程之混凝土品質均勻性屬「很好等級」，應繼續保持或更努力精進。 如果另有一工程混凝土之規定強度為420 kgf/cm2，屬於高強度混凝土，計算得試驗結果之平均數為500 kgf/cm2，標準差為50 kgf/cm2，故變異係數為10%，對照表10，可判定該工程之混凝土品質均勻性屬「可以等級」，還需要加強管制。

76 4.5 全距 全距(range)為一組數據中最大值與最小值之相差，計算公式如下：

77 標準差和平均全距（ ，由數組資料分別計算全距，再取其平均數）有相當良好的統計關係，在一組樣本數較少之情況下（n≦10），常以數組樣本之平均全距（ ）估計標準差，公式如下：

78 對照表9得知該組內變異（V1＝5. 3%）屬「尚可水準」（5. 0～6

79 4.6計算機之統計功能及EXCEL之統計函數 如果數據量龐大或經常分析時，可用EXCEL計算，說明如下：
1. 開啟EXCEL，在A1～A5數值格，鍵入數據。 2. 在A6格鍵入平均數統計函數「＝AVERAGE(A1:A5)」，格中出現271，即為平均數。 3. 在A7格鍵入樣本標準差統計函數「＝STDEV(A1:A5)」，格中出現19.71，即為樣本標準差。EXCEL顯示結果如下： 註：本例以2003版EXCEL製作，2010版樣本標準差之統計函數改為＝STDEV.S（數據）。EXCEL函數之詳細應用，請參考EXCEL專書。 A 統計函數說明 1 255 2 253 3 264 4 298 5 285 6 271 ＝AVERAGE(A1:A5) 7 19.71 ＝STDEV(A1:A5)

80 五、常態分配在工程品管之應用 5.1 工程品質之常態分配 5.2 以常態分配估計機率 5.3平均數之分配

81 5.1 工程品質之常態分配 繪製直方圖（圖3）時，如果數據個數逐漸增加，則分組數亦可相對增加，則組距會逐漸變小，直方圖將逐漸趨近於平滑曲線，當數據個數趨近於無限多時，很多品質特性之分配曲線常呈左右對稱之鐘形曲線（如圖8所示），稱為常態分配曲線（normal distribution curve）。

82 實務上常將工程品質假設為常態分配，以此項假設為基礎，我們可以設定公差大小、預定製程目標、製作管制圖、建立抽樣檢驗計畫、評估製程能力等，用途廣泛。
常態分配曲線有以下特質： 常態分配曲線為單峰型，峰頂所對應之水平座標值為母體平均數(μ)。 常態分配曲線為左右對稱於x＝μ之垂直軸，兩側各有一個反曲點，各反曲點與平均數之水平距離為一個母體標準差(σ)（如圖9所示）。 兩側以水平軸為漸近線，所涵蓋範圍為-∞至+∞。 常態分配有兩個參數，分別為平均數(μ)和標準差(σ)，曲線形狀由此兩參數決定： 平均數(μ)決定常態分配曲線中心線之水平位置： 平均數變大時，中心線往右平移；反之，平均數變小時，中心線往左平移（圖10）。

83

84 反曲點

85 標準差(σ)決定曲線分散寬窄： 標準差大時，曲線平緩，分布寬闊；反之，標準差小時，曲線尖銳，分布狹窄（圖11）。

86

87 5.2 以常態分配估計機率

88

89

90

91

92

93

94

95

96

97 5.3 平均數之分配

98

99

100 圖19為[例15]與[例16]之個別值與4支平均值之公差寬度比較，在相同機率之條件下，平均數公差界限比個別值公差界限狹窄，規範涉及採用平均數作判斷時，應特別注意第（20）式之關係，兩者數值雖然不同，因均採用正負3個標準差作為公差界限，將維持相同之合格率。

101

102 解： 一、設定允許發生不符合上述兩條件之機率均為1%。 註：我國鋼筋混凝土規範大多參考美國混凝土學會ACI-318鋼筋混凝土設計規範，設定允許發生不符合機率為 1%。 二、由標準常態分配表（表14），以累積機率0.99反查得相對之z＝2.33，亦即其平均數應比下限值提高2.33σ（參閱圖20）。 註：1-0.01＝0.99，F(2.33)=0.9901，甚為接近0.99，故採用z＝2.33，若需要更準確值可用內差法求之，可得z＝2.326。本例依CNS 12891[混凝土配比設計準則]規定採用z＝2.33。 三、由常態分配得知要符合條件一，要求平均強度為（參見圖20）： fcr’＝fc’ σ　　　　　　　　　　　　　　　　（23）

103

104 由(23)與(25)兩式可看出，設定品質目標須考慮3項因素，分列如下：
1. 規格界限：如（23）式之fc’-35與（25）式之fc’，此值通常由工程規範設定。 2. 製程能力：如（23）式之σ與（25）式之 ，此值通常依廠商之工程能力決定，CNS 12891規定以過去承辦相似工程之連續30次以上之試驗結果估算標準差。 3. 可忍受之失敗率：如（23）與（25）兩式均採1%，即須提高2.33個標準差。此值通常由工程規範依工程之重要性決定，重要性越高可忍受之失敗率越低。

105 六、工程品質管制圖 6.1 管制圖原理 6.2 平均值－全距管制圖 6.3 ACI混凝土抗壓強度管制圖

106 品質管制圖由Dr. Shewhart於1924年首創，故又稱修瓦特管制圖（Shewhart control chart）。
品質管制圖，基本上將同一品質特性之各次檢驗結果計算成適當之統計量，如個別值、平均數、全距或標準差等，依產生順序標示在一時間座標上，可以連成一高低起伏之折線，明白顯示品質變化狀況， 另用統計原理適當訂出中心線及管制上下限，按一定規則判斷品質之變化是否異常。

107 6.1 管制圖原理 將同一品質特性之每次檢驗結果依產生順序標示在一時間座標上，可以連成一高低起伏之折線，明白顯示品質變化狀況。
管制圖可分成多種型式，工程品管可分以下二式： （1）製程管制圖（process control chart）：由生產者或承包商所製作，其目標為控制製程之穩定，並符合規範要求，一般品管書籍所介紹者為此型式（如第6.2節所介紹之平均數－全距管制圖），圖中通常標示以統計方法所設訂之中心線（CL）、管制上限（UCL）及管制下限（LCL）。 （2）驗收管制圖（acceptance control chart）：由消費者或監造單位所製作，其目的為觀查所驗收材料或成品是否符合規範要求（如第6.3節所介紹之ACI混凝土抗壓強度管制圖），圖中通常依規範要求標示品質規格線。

108 製程管制圖又可區分為以下二種型式： (1)標準未知管制圖（standard unknowen control chart）：標準未知管制圖用於開工初期或材料新配比啟用初期，因尚無品質管制項目之統計資料，需蒐集一段穩定生產期間之數據，計算其平均數及標準差（或全距）等，再根據以設定管制界限，管制後續之產品品質。在製造業通常要求蒐集25組以上數據，據以建立管制界限。惟在公共工程上，檢驗頻率低，要集滿25組以上數據為時太久，常縮短數據組數至10組以下，以盡早建立管制界限，因數據組數少，所建立之管制界限準確性較差，可待蒐集較多數據後重新核算及調整管制界限。至於剛開始生產時，最好比照製造業先試生產一定量，待製程穩定才正式量產。如果先試生產執行上有困難時，可參考以往經驗或規範值等先設定一較嚴謹之管制界限，用較嚴格之方式生產，待製程穩定後才逐漸放寬管制界限為正常管制狀態。第6.2節介紹之平均數-全距管制圖為一種標準未知之製程管制圖。 (2)標準已知管制圖（standard given control chart）：標準已知管制圖用於已經過長時間穩定生產，由長期檢測資料分析得產品品質特性之平均數及標準差，以其設定管制界限，管制後續之生產品質。本教材因上課時間限制，未列入標準已知管制圖，請參閱品質管制書籍。

109 工程品管所用管制圖以檢測方式立場可分以下二式：
（1）計量值管制圖（control chart for variable）：當品質檢測為實際量測所指定之品質特性，如長度、強度、含量等，所獲得之量測數據為連續值，以此種數據所製之管制圖稱計量值管制圖，常用者有平均數－全距管制圖、平均數－標準差管制圖、個別值－移動全距管制圖等，第6.2及6.3節所介紹者為計量值管制圖。採用計量值檢測時，每組所需檢測樣本數較少（可低到5以下），但每件檢測成本較高。 （2）計數值管制圖（control chart for attribute）：當品質檢測無實際量測所指定之品質特性，而僅將所抽驗樣品，依規格要求，判定為「合格品」或「不合格品」以計數共有幾件不合格品，或計數樣品上共有多少缺點，所獲得之計數數據為間斷值，以此種數據所製之管制圖稱計數值管制圖，常用者有不合格數管制圖、不合格率管制圖、缺點數管制圖等，第7.2節所介紹者為計數值管制圖。採用計數值檢測時，每組所需檢測樣本數甚高（可能高到100以上），但每件檢測成本甚低。

110 品質變化之因素 影響品質變化之因素甚多，以發生機率及影響程度可分兩大類：
隨機原因（亦稱機遇原因，random causes）：如材料在公差範圍內的少許變化、環境略有差異、取樣及試驗的隨機誤差等。其來源很多，對品質影響輕微，要完全徹底消除很不經濟，一般不予追究。工程規範通常會考慮隨機原因所引起之品質變化，而允許若干公差。 異常原因（亦稱可究原因，assignable causes）：如用錯材料、配方錯誤、機械失控、操作錯誤、取樣或試驗方法不對等。其發生機會不多，萬一發生時對品質影響嚴重，必須立即追究原因並作改正。 品質管制圖之用途在於偵測是否有「異常原因」存在，提供品管判斷之依據。

111 通常以中心線（CL）之上下各3個標準差（CL±3σ）為管制界限(涵蓋機率約99%)，惟必要時亦可設置管制界限為CL±2σ，以提高反應靈敏度，但也會增加緊張度（因為各點更容易超出管制界限，可能將隨機原因之變化誤判為異常原因之變化，誤發警訊引起工作人員緊張）。 管制圖之判讀係採用統計檢定原理，以機率推算當製程為正常時，某現象之出現機會很低（通常設定為小於1%），如果出現該現象，我們就判定製程異常。

112 最基本，當有下列3種現象之一時，可判定有異常原因存在，應追究改正（參見圖22）。
有任何一點落在管制界限以外。 連續七點出現在中心線之上邊或下邊。 連續七點出現持續上升或持續下降。 註：此處所列舉者為最簡易之研判規則，足供一般工程使用，更詳細研判規則請參閱品管專業書籍。使用管制圖初期，採用簡易規則即可產生效果（甚至只採用上述第一規則），待有相當經驗，再進一步採用更複雜研判規則。

113

114

115 6.2 平均值-全距管制圖 平均值－全距管制圖（ Chart），係由平均值管制圖（ Chart）與全距管制圖（R Chart）兩圖組成，通常適用於n＝2～10情況。 平均值管制圖用於管制品質之集中趨勢(水準)，全距管制圖用於管制品質之離散程度(穩定度)。 製程管制宜先使製程穩定（用全距管制圖），再求平均值維持理想目標（用平均值管制圖）， 有如打靶，首先要求掌握瞄準及射擊要領，使彈著點集中，然後才調整照門使彈著點命中靶心。茲以[例18]說明平均值－全距管制圖之製作過程。

116 [例18]以某瀝青路面工程之瀝青含量試驗結果為例﹐製作平均值-全距管制圖。
解： （1）蒐集以往正常製程資料：至少有10組數據。本例採前10日資料為依據，以連續2個結果為一組，如表16所示。 註：在製造業上製作管制圖，通常要求有 25 組以上數據，公共工程獲得數據成本高，常以較少組數據先訂管制界限，其誤判率較高，宜在累積較多數據後重新檢討管制界限。 （2）計算各組平均數和全距：如表16。

117

118 經驗公式請記住!!!

119

120

121 正常生產以後，仍定期按計畫抽驗，每增加一組資料即予繪入管制，並隨時檢討及作必要之修正，表18及圖24分別為後續抽驗數據及管制圖，圖中圈出部分為異常狀況，應立即追查原因並作必要之改正。
表18　 管制圖數據後續數據 No. 瀝青含量,% R x1 x2 11 5.8 5.7 0.1 12 5.6 5.4 5.5 0.2 13 5.3 14 5.1 0.4 15 5.9 0.6 16 6.4 6.0 6.2 17 18 19 20 0.3

122

123 6.3 ACI混凝土抗壓強度管制圖 為執行工程品管之需要，使用者尚可發展各種適用之特殊管制圖。
如ACI 214委員會即配合ACI混凝土設計及施工規範，發展出一種特殊管制圖，由個別值管制圖、移動平均值管制圖及移動平均全距管制圖等3個圖組合而成， 屬一種驗收管制圖。本節以[例19]說明ACI混凝土抗壓強度管制圖之製作，其方法除依ACI 214之範例外，並修正以符合CNS 3090及混凝土施工規範（土木402-94）之規格要求。各圖先說明如下：

124

125

126 [例19]茲以表5之混凝土抗壓強度資料說明製作ACI 混凝土抗壓強度管制圖之過程。 已知施工要求條件如下： (1)規定抗壓強度：fc’＝210 kgf/cm2 (2)需求平均抗壓強度：fcr’＝250 kgf/cm2（參見[例17]） 解：（1）準備空白計算表，格式如表18。 （2）準備空白ACI混凝土抗壓強度管制圖，格式如圖24，各圖參考線如下： a.個別值管制圖： 規定抗壓強度：fc’＝210 kgf/cm2 需求平均抗壓強度：fcr’＝250 kgf/cm2 個別值規格下限：SL＝fc’－35 kgf/cm2＝175kgf/cm2 b.移動平均值管制圖： 需要平均抗壓強度fcr’＝250 kgf/cm2 移動平均值規格下限：SL＝fc’＝210 kgf/cm2 245

127 c.移動平均全距管制圖： ，依照表10訂出個管制水準之分界線： 因fcr’＝250，以各水準界線之V1代入上式，結果如下：

128 （3）每次獲得試驗報告後，立即將試體強度填入表18之(1)(2)兩欄。
（4）計算各次之試驗結果（平均同組各試體強度），填入(3)欄及圖24。 如：( )/2＝255（採用4捨5入） （5）計算各次2只試體強度之全距，填入(5)欄。 如： ＝11 （6）累積達3試驗開始，逐次計算前3次試驗結果之移動平均強度，填入(4)欄及圖24。 如：( )/3＝257.3 （7）累積達10次試驗開始，逐次計算前10次試驗之移動平均全距填入(6)欄及圖24。 如：( )/10＝14.7 註：實務上宜採電腦運算及繪圖，以提高效率，本章全部管制圖均採用EXCEL計算及繪圖。管制圖之運用需強調即時性，應採取資料隨到隨算及繪圖方式，若有異常應即改正。不可以事後定期集中繪製僅檢討歷史資料，喪失時效性。

129

130

131

132 （8）判讀：管制圖每獲得1點資料，應立即判讀，若有不合格或異常應立即改正，規範有規定者應依其規定辦理。本管制圖可判讀如下：
(1)個別值管制圖：有1點低於fc’-35kgf/cm2，按混凝土施工規範（土木402-94）要求，需檢討原因及提高後續強度，並需辦理結構上混凝土鑽心試驗以確認其可用性。 (2)移動平均數管制圖：有4點低於fc’，按混凝土施工規範（土木402-94）之要求，需檢討原因及提高後續強度。 (3)移動平均全距管制圖：第17點以前之組內變異為「尚可」至「不良」水準，顯然試驗精密度不佳。經改進後，第18至27點漸趨於穩定，屬「尚可」至「可以」水準，其後又有偏高趨勢，需要加強注意。

133 七、結語 統計方法係蒐集、分析及顯示大量數值資料之最有效方法 在推廣採用統計方法時，有以下事項值得注意：
統計方法通常用於量化之資料，在品管上要透過有計畫之檢驗以獲得品質數據。 採用統計分析必須先有正確可靠之數據，亦即檢驗樣品應經正確取樣手續、按標準方法製成試體及檢驗，所得之數據經統計分析才具實際意義。 統計方法雖然係客觀方法，但統計分析結果之解讀仍需工程專業背景，品管人員需兼具所任工作之統計分析能力及工程專業基礎，才能正確判讀統計分析結果。 透過統計分析僅可顯示工程品質狀況及協助作正確判斷，但必須正確設計與確實施工才能確保工程品質。 統計方法在工程品管之應用甚廣，本課程介紹一般公共工程常用部份，品管人員不必好高騖遠，可以從簡易部分先行採用，再逐漸推進到更精確技術。

134 課程結束 敬請指教!! Fax :