第四章 品質管制七大手法.

Presentation on theme: "第四章 品質管制七大手法."— Presentation transcript:

1 第四章 品質管制七大手法

2 4.1 概論 品質差異係生產者與消費者間對產品認知之價值不同。若消費者對產品之品質具認同感，或賦予超出產品本身價值之評價，則稱該產品符合顧客需求，甚至物超所值。 產品價值鏈係自供應商所提供之原物料，經採購及檢驗過程，送交生產部門依製程程序完成產品生產，再運交至顧客使用，如圖4.1所示。

3 產品價值鏈與品質管制

4 產品變異 產品變異是產品間之差異性，其差異性來源可分為： 產品內部差異，如亮度、色澤、密度、組件精密度。
產品外部差異，如幾何外觀、重量、產品精確度。 產品時間差異，如每一批產品生產期間受人為因素、物料品質、作業環境、機具精度等影響，所造成每批產品之間差異。

5 變異 戴明博士將各類可能造成產品變異的原因歸類於共同原因 (common causes) 及特殊原因 (special ca-uses)。
一、共同原因 凡屬自然發生之變異，其造成分配與時間關係是穩定的，具重複性且可預測的，屬共同原因，其變異可藉由製程能力分析判定。此肇因之改善，不易完全解決，但可藉由管理制度改善與技術提升，縮小變異範圍。 這類問題無法完全避免，也無法完全解決，因此只要此類問題發生對產品品質之變異尚屬穩定狀態，且在統計製程管制範圍內，則可用以預測產品未來發展之傾向。

6 變異 二、特殊原因 凡變異可鑑定其肇因者屬特殊原因，此變異於製程中不常發生，且變異與時間關係並無特定統計分配，因此特殊原因的發生屬不穩定事件且無法預估。修瓦特博士稱此類變異的肇因為「非隨機原因」或「可歸屬原因」(assignable causes)。此原因於製程中所造成之變異較大且較突出，易歸責於某特定對象。 此問題改善可藉由現場作業人員之管理技術，如：5S (整理 (seiri)、整頓 (seiton)、清掃 (seiso)、清潔 (seiketsu) 及紀律 / 修身 (shitsuke) ) ；5M1E (人 (man)、機器設備 (machine)、方法 (method)、量測 (measure)、物料 (materials) 及環境 (environment) ) 等之提升，以降低其肇因。

7 4.2 統計製程管制 一、依據產品設計訂定品質特性 二、依據品質特性規劃製程 三、依據製程程序選取具代表性之品質紀錄 四、依據品質紀錄繪製適當管制圖 五、製程能力分析 六、製程缺失之發掘、檢討與改善 七、製程作業標準化

8 SPC作業流程

9 4.3.1 特性要因圖 特性要因圖或因果圖(cause-and-effect diagram)，是由石川馨博士提出，因此又稱「石川馨圖」(Ishikawa diagram)，此圖是由結果追究其發生原因的一種表示方式，其展開形狀類似魚骨，因此也稱為「魚骨圖」。 特性要因圖是一種工具，用以思考並表示事物之結果與潛在原因之關係。 特性要因圖是一種用來說明目標及影響目標之主要因素與次要因素三者間關係的圖形，如圖4.3所示，其考慮之因素，如：5S、5M1E、資訊及管理系統等。

10 特性要因圖

11 特性要因圖與對策圖

12 檢核表 檢核表 (check list) 是一種簡單而有效率方法，用來蒐集及分析量測數據。檢核表是一種次數分配呈現，使用時僅需以簡單符號或數據，標記出工作目標所需達成之水準。 檢核表之設計必須能依據檢核表之查核項目一次就把事情做好。 一般檢核表概可分為五類： 製程檢核表 (production process distribution checks)。 缺點項目檢核表 (defective item checks)。 缺點位置檢核表 (defective location checks)。 缺點原因檢核表 (defective cause checks)。 記錄檢核表 (check-up confirmation checks)。

13 缺點項目檢核表

14 4.3.3 柏拉圖 柏拉圖係表達重要少數及有用多數，可依其重要性之順序顯示每一項缺點對整體影響程度。
由於產品品質缺失常包括諸多因素，如：人為因素、製程設計、機具精準度、原物料品質及運輸配送等，將影響品質相關的因素逐一分析，並比較其所占的百分比，即可得知各項因素對品質缺失之影響程度，並排列改善優先順序。

15 缺點項目百分比

16 柏拉圖

17 4.3.4 層別法 層別法 (stratification) 係依據產品發生不良品可能之原因分別討論其肇因，俾逐一找出解決方案。基本上層別法可分為時間與空間兩大層別。 由層別分析逐次縮小範圍，即可找出造成不良品肇因，並對症下藥，以有效解決問題。

18 層別法

19 層別法

20 折線圖

21 4.3.5 散佈圖 散佈圖 (scatter diagram) 係針對研究兩個變數之間的關係，並以水平軸 (X) 與垂直軸 (Y) 表示兩變數之相關性，又稱為X-Y plot或cross plot。 如果兩變數有因果關係，可將其原因 (自變數) 置於X軸，結果 (因變數) 置於Y軸，繪製其散佈情形。

22 散佈圖

23 散佈圖 相關係數值 (r)： 介於-1≦r≦1，r > 0表正相關， r < 0表負相關，
r = 1表示X、Y為完全正相關 (表所有的點都在同一直線上) ； r＝－1表示X、Y完全負相關 (表所有的點在同一直線上) ； r＝0表示X、Y完全沒有任何相關性，但有可能為其他曲線關係； 0.8< r <1 表示高度相關；0.5 < r < 0.8 表中度相關；r < 0.5表低度相關。

24 散佈圖

25 相關係數 相關係數除了可表示數據之相關性外，尚可將量測數據以迴歸分析方式求取迴歸線，以評估兩因素之間發展趨勢，另可計算量測數據之平均數，以訂定管制上 / 下限。若由群體中抽n個樣本，其品質特性量測值為 (X1,Y1)、(X2,Y2) … (Xn,Yn)，以最小平方法，可求得群體簡單線性迴歸曲線： 其中，

26 例題 4.1 解

27 例題 4.1

28 例題 4.1

29 4.3.6 直方圖 直方圖 (histogram) 係依據預定量測方式與蒐集樣本數量，蒐集品質特性數據，再將蒐集數據依其變化率予以分組，以利繪製直方圖表示。

30 直方圖 一、直方圖之主要參數說明 組數 (k)：依作業日程量測次數，每次量測樣本數必須大於1。組數大小之計算方式可以史特吉斯 (Sturges) 公式計算其概略值： k＝1＋3.32 log(n) 其中n為樣本數。 另參考石川馨博士建議之組數 (k)，如表4.7所示，其選取方式係依樣本數 (n) 大小而訂，意在充分展示樣本分布情形。若組數太少無法展示抽樣樣本之分布情形，反之則作業過於繁瑣，因此只要配合樣本大小，選取適當組數即可展示量測數據之分布情形。

31 直方圖

32 直方圖 樣本數 (n)：量測樣本數量。 最大數據 (Max)：量測數據中最大數據。 最小數據 (Min)：量測數據中最小數據。
全距 (R)：整個量測數據中最大值與最小值之差，R = Max－Min。 組距 (C)：每組數據間隔。 其中k > 1，組距 (C) 需配合組數 (k)、規格範圍及展示效果等做適當調整。

33 直方圖 下組界： 如量測數據為 210，220，230，250等，其最小位數為十位數，即此時最小量測單位為十位數取10；如量測數據為 210，215，213，212等，其最小量測單位為個位數，即最小量測單位 = 1；若量測數據為 210.1，215.4，213.2，212.7等，其最小量測單位為小數點下一位數，即最小量測單位 = 0.1。

34 直方圖 上組界 = 下組界＋組距。 中值 = (上組界下組界)/2 = (該組最大值該組最小值)/2。
以線軸之塑膠射出製程為例，由檢查表知，每一箱的不良率，如表4.8所示，將每箱不良率由1%至2.25%，組距為0.25%，編製成次數分配表，如表4.9所示，其中發生次數是表4.8之不良率落在表4.9不良率範圍內次數，然後繪製其直方圖，如圖4.11所示，由此可知各箱不良率分配情形。

35 直方圖

36 直方圖

37 直方圖

38 例題 4.2 解

39 例題 4.3 解

40 例題 4.4 解

41 例題 4.4

42 例題 4.4

43 二、直方圖之應用 預測製程能力，平均數愈接近規格中心值表示製程能力愈佳；另離散趨勢可藉由標準差或全距評估，愈小者表示製程能力愈佳。
可以中心值 ± 數個標準差，做為管制界限，以利品質管制。 預知生產分配型態，如：缺齒型、離島型、左 (或右) 偏型、均等型、或常態型等。 管制良率，藉由規格範圍內的良品數與全部樣本之比率，即可計算其良率，惟直方圖設計時需將規格訂在組界上。

44 例題 4.5 解

45 4.3.7　管制圖 產品製程之品質管制需考量品質特性之準度 (accurate) 及精度 (precise)，其中準度可視為品質特性對中心值 (如平均數) 之差異程度；精度可視為品質特性量測值之間的變異性 (如標準差)。

46 Precision and Accuracy

47 直方圖類型與變因

48 直方圖類型與變因

49 例題 4.7

50 例題 4.7 解

51 管制圖作業方式 依產品特性及成本考量訂定品質管制項目。 決定採用之管制圖。 訂定合理的樣本大小，及其抽樣檢驗方式。 訂定管制中心線。
訂定管制界限。 繪製管制圖。 分析管制圖。 品質提升與管制界限之修訂，重新檢討管制圖。

52 二、管制圖繪製說明 常態分布曲線之管制圖。 計量管制圖係使用於連續性製程數據之管制，如：重量、長度、厚度等。
中心線可以量測紀錄之平均數的平均數 ( ) 表之；或中心線可以群體平均數 (μ) 表之；亦或中心線可以規範要求之中心值表之； 管制上下限為中心線 ±3σ，其量測數據落在上/下限之間之機率為99.73%。 計量管制圖係使用於連續性製程數據之管制，如：重量、長度、厚度等。 計數管制圖係使用於不連續性製程數據之管制，如：不良品數量、缺點數等。

53 二、管制圖繪製說明 管制界限 (control limits) 係指產品製程品質之差異範圍。
規格界限 (specification limits) 係依據合約 / 規範之要求，所訂定之容許誤差範圍。 型I錯誤：製程穩定情況下，當樣本點沒有超出管制界限，卻判定成製程不正常。 型II錯誤：製程異常情況下，當樣本點在管制界限內而判定其製程正常。

54 例題 4.8

55 例題 4.8 解

56 例題 4.8