统计制程管理-SPC於SPI应用
合集下载
SPC统计制程管制与制程能力分析
SPCSPC是Statistical Process Control的简称统计过程控制利用统计的方法来监控制程的状态，确定生产过程在管制的状态下，以降低产品品质的变异SPC(质量管理与控制)统计工序控制即SPC（Statistical Process Control）。
它是利用统计方法对过程中的各个阶段进行控制，从而达到改进与保证质量的目的。
SPC强调以全过程的预防为主。
SPC能解决之问题1.经济性：有效的抽样管制，不用全数检验，不良率，得以控制成本。
使制程稳定，能掌握品质、成本与交期。
2.预警性：制程的异常趋势可即时对策，预防整批不良，以减少浪费。
3.分辨特殊原因：作为局部问题对策或管理阶层系统改进之参考。
4.善用机器设备：估计机器能力，可妥善安排适当机器生产适当零件。
5.改善的评估：制程能力可作为改善前後比较之指标。
利用管制图管制制程之程序1.绘制「制造流程图」，并用特性要因图找出每一工作道次的制造因素（条件）及品质特性质。
2.制订操作标准。
3.实施标准的教育与训练。
4.进行制程能力解析，确定管制界限。
5.制订「品质管制方案」，包括抽样间隔、样本大小及管制界限。
6.制订管制图的研判、界限的确定与修订等程序。
7.绘制制程管制用管制图。
8.判定制程是否在管制状态（正常）。
9.如有异常现象则找出不正常原因并加以消除。
10.必要时修改操作标准（甚至於规格或公差）。
分析用管制图主要用以分析下列二点：(1)所分析的制(过)程是否处於统计稳定。
(2)该制程的制程能力指数(Process Capability Index)是否满足要求。
－控制图的作用：1.在质量诊断方面，可以用来度量过程的稳定性，即过程是否处于统计控制状态；2.在质量控制方面，可以用来确定什么时候需要对过程加以调整，而什么时候则需使过程保持相应的稳定状态；3.在质量改进方面，可以用来确认某过程是否得到了改进。
应用步骤如下：1.选择控制图拟控制的质量特性，如重量、不合格品数等；2.选用合适的控制图种类；3.确定样本容量和抽样间隔；4.收集并记录至少20～25个样本的数据，或使用以前所记录的数据；5.计算各个样本的统计量，如样本平均值、样本极差、样本标准差等；6.计算各统计量的控制界限；7.画控制图并标出各样本的统计量；8.研究在控制线以外的点子和在控制线内排列有缺陷的点子以及标明异常（特殊）原因的状态；9.决定下一步的行动。
SPC统计制程管制
2021/8/15
如何建立一個SPC管制圖
1.預備事項(PREPARATION FOR USE OF CONTROL CHARTS) * 建立一個環境,適合做改進之動作.
* 鑑別適當之制程. * 鑑別和決定管制參數.
注意: 有關 •客戶需求 •現有問題點 •參數之間相關性 * 定義出量測方法與系統. * 減少不必要之變異.
2021/8/15
Detection
* 傳統 * Quality through
screening * 允許 waste產生 * Less Sensitive * Meet Spec * 個人認知
2021/8/15
Prevention
* 非傳統 * Built-in Quality * 防止 waste產生 * More Sensitive * Meet target * 客觀判斷
數據的性質
數據的性質可分為兩類:
1.計量性的 (Variable data) 例如: 溫度, 溫度, 厚度等.
2.計數性的 (Attribute data) 例如: 一個人, 一張床, 一條魚等.
2021/8/15
變異:
Common and Special Causes
2021/8/15
為何要制程管制?
使用SPC容易犯的十項錯誤
1.選擇不適當之控制參數. 2.非即時結果及判定. 3.不適當之樣品數. 4.不良率為 LOW PPM LEVEL時. 5.用錯 SPC CHART. 6.SPEC LIMIT及SPC LIMIT混淆. 7.錯誤之改正行動時機. 8.變更沒有記錄與評估. 9.不適當之分析. 10.重算 CONTROL LIMITS時,沒有剔除特殊變因.
Detection------Tolerates Waste Prevention----Avoids Waste
如何建立一個SPC管制圖
1.預備事項(PREPARATION FOR USE OF CONTROL CHARTS) * 建立一個環境,適合做改進之動作.
* 鑑別適當之制程. * 鑑別和決定管制參數.
注意: 有關 •客戶需求 •現有問題點 •參數之間相關性 * 定義出量測方法與系統. * 減少不必要之變異.
2021/8/15
Detection
* 傳統 * Quality through
screening * 允許 waste產生 * Less Sensitive * Meet Spec * 個人認知
2021/8/15
Prevention
* 非傳統 * Built-in Quality * 防止 waste產生 * More Sensitive * Meet target * 客觀判斷
數據的性質
數據的性質可分為兩類:
1.計量性的 (Variable data) 例如: 溫度, 溫度, 厚度等.
2.計數性的 (Attribute data) 例如: 一個人, 一張床, 一條魚等.
2021/8/15
變異:
Common and Special Causes
2021/8/15
為何要制程管制?
使用SPC容易犯的十項錯誤
1.選擇不適當之控制參數. 2.非即時結果及判定. 3.不適當之樣品數. 4.不良率為 LOW PPM LEVEL時. 5.用錯 SPC CHART. 6.SPEC LIMIT及SPC LIMIT混淆. 7.錯誤之改正行動時機. 8.變更沒有記錄與評估. 9.不適當之分析. 10.重算 CONTROL LIMITS時,沒有剔除特殊變因.
Detection------Tolerates Waste Prevention----Avoids Waste
统计制程管制SPC
統計製程管制SPC统计过程控制（SPC）是一种统计方法，用于分析和控制生产过程中的变异性。
它使用统计工具来监测过程的性能，并采取相应的措施以确保产品质量的稳定性和一致性。
首先，SPC依赖于收集、分析和解释数据。
通过收集样本并测量关键过程变量，可以获取统计数据。
这些数据可以用来计算过程中的平均值、标准偏差和其他统计指标。
在SPC中，常见的统计图表包括控制图、直方图和散点图。
这些图表用于表示过程的发展趋势，以及过程的变化情况。
其次，控制图是SPC的核心工具之一。
它通过将过程数据绘制在图表上来显示过程的性能。
常用的控制图包括X-bar图、极差图和标准差图。
这些图表将过程数据与控制线进行比较，以确定过程是否处于控制状态。
如果过程数据落在控制限之内，说明过程处于稳定状态。
如果过程数据超出控制限，说明过程存在问题，需要进行调整。
在SPC中，控制限是用来确定过程是否处于控制状态的依据。
通常使用平均值加减三倍标准差来设置控制限。
如果过程数据超出控制限，就表明过程中存在特殊因素。
这些特殊因素可能包括材料的变化、机器的故障或操作者的误差。
通过监测过程中的变异性，可以及时发现并纠正问题，以确保产品质量的稳定性。
此外，SPC还可以用于改进过程的性能。
通过不断分析和解释数据，可以找到导致过程变异的根本原因。
然后，采取相应的改进措施来消除这些根本原因。
这些改进措施可能包括调整设备、改变工艺参数或培训操作者。
通过持续地改进过程，可以提高产品的质量和一致性。
综上所述，统计过程控制是一种有效的工具，可以帮助企业监测和改进生产过程中的变异性。
通过收集和分析数据，可以及时发现和纠正过程中的问题，以提高产品的质量和一致性。
因此，SPC在现代制造业中被广泛应用，并对企业的竞争力和盈利能力产生积极影响。
此外，统计过程控制还有许多其他的应用和好处。
下面将介绍几个重要的方面。
首先，SPC可以帮助企业提高产品质量。
通过不断监测和控制过程中的变异性，可以减少产品的缺陷率。
SPC统计制程控制(综合简介)
标准差(Standard deviation) 方差的平方根,表示一组数据的分散程度 .
例:量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、
3.46 、 3.45、 3.42请问其标准差为何？
(sigma=0.013)
全距(Range) 样本的最大值减去最小值的差R.
SPC概念--普通原因与特殊原因
SPC概念
SPC能解决的问题
经济性：有1 效的抽样管制，不用全数检验.使制程稳定，
能掌握品质、成本与交期. 预警性：制程的异常趋势可实时对策，预防整批不良，
以减少浪费. 分辨特殊原因：作为局部问题对策或管理阶层系统改
进之参考. 善用机器设备：估计机器能力，可妥善安排适当机器
SPC特点強調預防，防患於未然是SPC的宗旨
SPC概念--普通原因与特殊原因
异常原因
普通原因
系统中之因素 种类多随时存在
影响力较小 不易消除
机器老化 机器震动 环境不良(Particle) 设计不良
特殊原因 系统外之因素 种类少偶尔发生 影响力较大 可经济地消除
机器故障 来料异常 人员疲劳 错误操作方法
A: 1.33≦ Cp
B: 1.00≦ Cp＜ 1.33
C: 0.83≦ Cp＜ 1.00
D:
Cp＜ 0.83
=>Cp值越大越好,表示制程佳
A:此制程甚为稳定,可将规格公差缩小或胜任更精密之工作 B:有发生不良率偏高之危险,须加以注意并努力维持不再变坏 C:检讨所订规格及作业标准,可能本制程无法胜任如此精密之工作 D:应采取紧急措施,全面检讨可能影响之因素,必要时需停线
例:
量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、3.46 、 3.45、 3.42、 3.44、 3.43、 3.41，请问其平均值为何？
例:量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、
3.46 、 3.45、 3.42请问其标准差为何？
(sigma=0.013)
全距(Range) 样本的最大值减去最小值的差R.
SPC概念--普通原因与特殊原因
SPC概念
SPC能解决的问题
经济性：有1 效的抽样管制，不用全数检验.使制程稳定，
能掌握品质、成本与交期. 预警性：制程的异常趋势可实时对策，预防整批不良，
以减少浪费. 分辨特殊原因：作为局部问题对策或管理阶层系统改
进之参考. 善用机器设备：估计机器能力，可妥善安排适当机器
SPC特点強調預防，防患於未然是SPC的宗旨
SPC概念--普通原因与特殊原因
异常原因
普通原因
系统中之因素 种类多随时存在
影响力较小 不易消除
机器老化 机器震动 环境不良(Particle) 设计不良
特殊原因 系统外之因素 种类少偶尔发生 影响力较大 可经济地消除
机器故障 来料异常 人员疲劳 错误操作方法
A: 1.33≦ Cp
B: 1.00≦ Cp＜ 1.33
C: 0.83≦ Cp＜ 1.00
D:
Cp＜ 0.83
=>Cp值越大越好,表示制程佳
A:此制程甚为稳定,可将规格公差缩小或胜任更精密之工作 B:有发生不良率偏高之危险,须加以注意并努力维持不再变坏 C:检讨所订规格及作业标准,可能本制程无法胜任如此精密之工作 D:应采取紧急措施,全面检讨可能影响之因素,必要时需停线
例:
量19”面板Cell Gap值分别为3.43 、 3.44、 3.45、 3.45、3.46 、 3.45、 3.42、 3.44、 3.43、 3.41，请问其平均值为何？
SPC 统计制程管制简介
標 准 差 平 均 值 公 差 規格中心 Cp = 6 x 0.8 = = = = 0.8 7.9 9.5 - 6.5 = 3 8 =0.625……(D級)
9.5 – 6.5
制程能力指數CpK
綜合Ca與Cp兩值的指數公式；同時考慮統計數值的准 確性與變異寬度
CpK = ( 1–K ) X Cp ； K = |Ca| = (T/2) = (1–|Ca|) X Cp ；單邊規格時CpK = Cp 當CpK值愈大，代表綜合制程能力愈好。 等級判定：依CpK值大小可分為五級 等 級 CpK值 A+ 1.67CpK A 1.33CpK<1.67 B 1.00CpK<1.33 C 0.67CpK<1.00 D CpK<0.67 |(X –μ)|
(USL –LSL) (規格上限-規格下限) Cp= ； ……雙邊規格 6σ(6個標準差) (USL – u ) (規格上限-規格下限) Cpu= ； ……單邊規格 3σ(3個標準差) ( u –LSL) (規格上限-規格下限) Cpl = ； ……單邊規格 3σ(3個標準差) 當Cp值愈大時，代表工廠製造能力愈強，所製造產品的常態分配越集中。 等級判定：依Cp值大小可分為五級
變異原因分類：
1、機遇原因：又名共同原因，原就存在制程中的原因 （如：機器的磨損/老化）。在產品品質的變異原因中 不用追究變異原因，其比例約為85%，應由管理人員來 處理。在追求變異來源時由機器、材料、方法等著手 改善。
2、非機遇原因：又名特殊原因，原不存在制程中的原 因中（如：操作員的疲勞操作）。約有15%的問題屬於 此類，可由基層作業員去努力改善。
二＞ SPC所運用的理論
SPC是一種用來統計分析資料的科學方法，實際上 SPC所运用的统计理论只有一个就是常态分配。 1.SPC以制程現狀的特徵值與原制程能力的特徵值進行 比較，以判別制程是否出現異常； 2.SPC是預防為主的行動，其目的是為了有效的使用資 源採取改進行動； 3.SPC是一套「預防性」技術，它不只是進行檢驗，還 要對收集的資料進行分析和維護，以提供制程能力評估 及制程發展預測的依據。
9.5 – 6.5
制程能力指數CpK
綜合Ca與Cp兩值的指數公式；同時考慮統計數值的准 確性與變異寬度
CpK = ( 1–K ) X Cp ； K = |Ca| = (T/2) = (1–|Ca|) X Cp ；單邊規格時CpK = Cp 當CpK值愈大，代表綜合制程能力愈好。 等級判定：依CpK值大小可分為五級 等 級 CpK值 A+ 1.67CpK A 1.33CpK<1.67 B 1.00CpK<1.33 C 0.67CpK<1.00 D CpK<0.67 |(X –μ)|
(USL –LSL) (規格上限-規格下限) Cp= ； ……雙邊規格 6σ(6個標準差) (USL – u ) (規格上限-規格下限) Cpu= ； ……單邊規格 3σ(3個標準差) ( u –LSL) (規格上限-規格下限) Cpl = ； ……單邊規格 3σ(3個標準差) 當Cp值愈大時，代表工廠製造能力愈強，所製造產品的常態分配越集中。 等級判定：依Cp值大小可分為五級
變異原因分類：
1、機遇原因：又名共同原因，原就存在制程中的原因 （如：機器的磨損/老化）。在產品品質的變異原因中 不用追究變異原因，其比例約為85%，應由管理人員來 處理。在追求變異來源時由機器、材料、方法等著手 改善。
2、非機遇原因：又名特殊原因，原不存在制程中的原 因中（如：操作員的疲勞操作）。約有15%的問題屬於 此類，可由基層作業員去努力改善。
二＞ SPC所運用的理論
SPC是一種用來統計分析資料的科學方法，實際上 SPC所运用的统计理论只有一个就是常态分配。 1.SPC以制程現狀的特徵值與原制程能力的特徵值進行 比較，以判別制程是否出現異常； 2.SPC是預防為主的行動，其目的是為了有效的使用資 源採取改進行動； 3.SPC是一套「預防性」技術，它不只是進行檢驗，還 要對收集的資料進行分析和維護，以提供制程能力評估 及制程發展預測的依據。
SPC统计制程管制
À u I î¬ ¨ ÆÆ F Gµ ¬ o¥ Í Í¤ ¥ §¤ £ ¿½ ¥ T§ ä ॠ¯ H ² ~½ « è± ¡
Ê ¯ I ± Ó § ¤ } ¨ X ¥ æ ³ p ª ì ¬ ª £ ¤ è ¤ A Á ¦ ] p ª }ì ¨ ¦ ] kÀ ª òo ± Ѥ ¸ è« K ݸ » g± `© ⼠˸ û¬ °³ · ж O® É µk L ª´ MD ¨¤ £¨ }¤ § ì¦ ]¦ Ó¤ £¯ ठή É Ä¨ ± úB ³² z¹ ±¬ I
組成:
(1)
組別 1 2 3 4 5 6 7 8 9 10 11 12 13 樣本1 0.0629 0.0630 0.0628 0.0634 0.0619 0.0613 0.0630 0.0628 0.0623 0.0631 0.0635 0.0623 0.0635 樣本2 0.0636 0.0631 0.0631 0.0630 0.0628 0.0629 0.0639 0.0627 0.0626 0.0631 0.0630 0.0630 0.0631
規格界限:規格上限(USL),規格下限(LSL),規格中心(SL)。 管制界限:管制上限(UCL),管制下限(LCL),管制中心(CL)。
c.管制圖的種類
1. 依數據的性質來分類 :
@計量值管制圖 : ( valuable control chart) 用來測量長度、重量、面積、溫度、時間等。 @計數值管制圖 : ( attribute control chart) 用來計算不良數、缺點數等。 一般使用的有 P 管制圖 、C 管制圖、U 管制圖。
品 質 成 本
(1).預防成本 (2).評估及鑑定成本 (3).內部失敗成本 (4).外部失敗成本
SPC-统计制程管制
等級評定:
等級評定後處置原則(Cpk 等級之處置)
等級
Cpk 值
A 1.33≦Cpk
B
1.0≦Cpk＜1.33
A 級:製程能力足夠。 B 級:製程能力尚可，應再努力。
C
Cpk＜1.0
C 級:製程應加以改善。
Cpk –制程能力指数(综合指数)
LSL
m
X USL
σ—标准差
何谓标准差(σ) ?
希腊文字里的 sigma小写符号– σ--是统计学符号。代表 母体的“标准偏差”. （Standard Deviation）
百万分之缺点数
± 1σ
68.26
317400
± 2σ
95.45
45500
± 3σ
99.73
2700
± 4σ
99.9937
63
± 5σ
99.999943
0.057
± 6σ
99.9999998
0.002
6σ概念
规格中心往左往右偏移1.5σ
± kσ ± 1σ ± 2σ ± 3σ ± 4σ ± 5σ ± 6σ
規 格 下 限
LSL
管 制 下 限
LCL
左右移動 1 .5σ
σ
-6 -5 -4 -3 -2 -1 0 1
管 制 上 限
UCL
規 格 上 限
USL
23 4 5 6
百分比（%）
百万ቤተ መጻሕፍቲ ባይዱ之缺点数
30.23
697700
69.13
308700
93.32
66810
99.3790
6210
99.97670
233
99.999660
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
銓智科技有限公司
管制特性(手法) 管制特性(手法)分類
管制圖分為計量值與計數值兩大類，其中 每一類又各有四種方法可運用 如今以預防的眼光來看，並不建議使用計 數值管制圖 計量值管制圖卻不同，它們不但可以幫助 我們在發現管制圖異常時及時實施製程管 制，也可以在製程能力不足時採取製程改 善行動，以防止不良品的產出
p Chart
不良率管制 ○檢查數不同時採用 圖 ○可直接檢視不良率趨勢 不良數管制 ○檢查數相同時採用 圖 ○可直接檢視不良數趨勢 ○檢查數不同時採用 單位缺點數 ○可直接檢視單位缺點發 管制圖 生之趨勢 ○檢查數相同時採用 缺點數管制 ○可直接檢視缺點發生之 圖 趨勢
np Chart
u Chart
最佳的標準差應該是多少?? 最佳的標準差應該是多少??
除品質外, 除品質外, 成本也是企業生存的考量重點
Sigma 水準 + - kσ 1σ 2σ 3σ 4σ 5σ 6σ Cp Cpk 0.33 0.67 1.00 1.33 1.67 2.00 良率 % 68.27% 95.45% 99.73% 99.9937% 99.999943% 99.9999998% 不良率 ppm 317,400 45,600 2,700 63 0.57 0.002
銓智科技有限公司
簡易標準差計算
標準差定義為方差的平方根 例如，兩組數的集合 {0, 5, 9, 14} 和 {5, 6, 8, 9} 其平均值都是 7 ，但第二個集合具 有較小的標準差(5.1478/1.5811) 有較小的標準差(5.1478/1.5811) 公式如下: 公式如下:
銓智科技有限公司
○ 計算簡單 ○ 最能推定製程 ○ 計算簡單 ○ 適用於破壞性、溶 劑比重檢驗或量測 不易等之製品
X-s Chart
X-Rm Chart
個別值/ 個別值/移動全距管 制圖
抽樣數少，最不 能推定製程
銓智科技有限公司
常用計“ 常用計“數”值管制圖
種類 名稱 優點 缺點 管制界限計算繁瑣，且每點皆 須計算。 如刻意規定相同之檢查數，可 能造成不良漏檢。 管制界限計算繁瑣，且每點皆 須計算。
銓智科技有限公司
規格 VS 管制上下限 管制上下限
規格上限規格上限- Upper Spec Level,產生的程序 Level,產生的程序 是經由各樣品的平均值, 是經由各樣品的平均值,依統計方法加以整 理,定出能否出貨的規格上限. (規格下限同 定出能否出貨的規格上限. (規格下限同 理之) 理之) 管制上限管制上限-Upper Control Limit,產生的程 Limit,產生的程 序乃是經由取樣檢查產品的平均值, 序乃是經由取樣檢查產品的平均值,加上分 佈離散程度的標準差. 佈離散程度的標準差. SPI標準是3 SPI標準是3個SIGMA.
Cpk ≦ 0.67
銓智科技有限公司
當Cpk值愈大，代表製程綜合能力愈好,等級判 Cpk值愈大，代表製程綜合能力愈好, 定：依Cpk值大小可分為五級 定：依Cpk值大小可分為五級
等級 A+ A B C D 1.67 1.33 1 0.67 ≦ ≦ ≦ ≦ Cpk值 Cpk值 Cpk Cpk Cpk Cpk ≦ ≦ ≦ 1 1.67 1.33 處理原則 無缺點考慮降低成本 維持現狀 有缺點發生 立即檢討改善 採取緊急措施，進行品質 改善，並研討規 格
銓智科技有限公司
常用計“ 常用計“量”值管制圖
種類 名稱 優點
○ 計算不困難 ○ 較能推定製程
缺點
製程推定比 X-s Chart差 Chart差 製程推定比 X-R Chart差 Chart差 計算繁瑣
X-R Chart
平均數/ 平均數/全距管制圖
X-R Chart
中位數/ 中位數/全距管制圖 平均數/ 平均數/標差管制圖
c Chart
如刻意規定相同之檢查數，可 能造成不良件漏檢。
銓智科技有限公司
SPI常用的SPC管制手法? SPI常用的SPC管制手法?
平均數管制圖(X 平均數管制圖(X Bar Chart) . 全距管制圖(R 全距管制圖(R Chart) 標準差管制圖(S 標準差管制圖(S Chart). 製程能力指數,Cp 製程能力指數,Cp 製程精確度,Ca 製程精確度,Ca (or K) 製程綜合能力指數,Cpk 製程綜合能力指數,Cpk
銓智科技有限公司
何謂標準差? 何謂標準差?
標準差，在機率統計中最常使用做為統計分 標準差，在機率統計中最常使用做為統計分 析程度（statistical dispersion）上的測 析程度（statistical dispersion）上的測 量 簡單來說，標準差是一組數值自平均值分散 開來的程度的一種測量觀念。一個較大的標 準差，代表大部分的數值和其平均值之間差 異較大；一個較小的標準差，代表這些數值 較接近平均值。
銓智科技有限公司
何謂製程能力指數(Cp)? 何謂製程能力指數(Cp)?
表示製程特性的一致性程度，值越大越集中 ，越小越分散。 顧名為製程能力指數,其公式定義如下: 顧名為製程能力指數,其公式定義如下:
Cp = USL-LSL 6 Sigma
銓智科技有限公司
何謂製程精確度(Ca)? 何謂製程精確度(Ca)?
銓智科技有限公司
SPC之主體為何? SPC之主體為何?
傳統上,品管使用正負3 SIGMA﹝標準差 傳統上,品管使用正負3 SIGMA﹝標準差 ﹞，它是假設量產產品的品質特性值遵 守常態分配，而中心值加減 3 SIGMA的 SIGMA的 界線，一般稱之為管制上限和管制下限 ，產品品質特性值出現在管制上下限內 的機率值為99.73%，這個部分構成品質 的機率值為99.73%，這個部分構成品質 管制中所謂統計製程管制─SPC的主體 管制中所謂統計製程管制─SPC的主體
銓智科技有限公司
為何我們需要SPC? 為何我們需要SPC?
經濟學家”梭羅”曾經說過： 經濟學家”梭羅”曾經說過： 『要弄清楚一件事情，是要花時間和 金錢的。』 金錢的。』 無法找到對的、有效的、 無法找到對的、有效的、並落實持 續改善的精神. 續改善的精神.
銓智科技有限公司
SPC對你們的改變? SPC對你們的改變?
表示製程特性中心位置的偏移程度，值等於 零，即不偏移。值越大偏移越大，越小偏移 越小 顧名為製程精確度,其公式定義如下: 顧名為製程精確度,其公式定義如下:
| (USL+LSL)/2 – µ | (USL-LSL)/2
|Ca| = k =
銓智科技有限公司
製程綜合能力指數(Cpk) 製程綜合能力指數(Cpk)
統計製程管理統計製程管理SPC於SPI應用 SPC於SPI應用
銓智科技有限公司
何謂SPC? 何謂SPC?
SPC為 SPC為Static Process Control之縮 ontrol之縮 寫,即所謂之統計製程管理
深藍區域是距平均值小於一個 標準差之內的數值範圍。在常 態分佈中，此範圍所佔比率為 全部數值之 68% 。 根據常態 分佈，兩個標準差之內（深藍 ，藍）的比率合起來為 95% 。
表示製程精確度與能力特性的一致性程度， 值越大管理越佳，越小越差(沒有負值) 值越大管理越佳，越小越差(沒有負值) 顧名為製程精確度綜合能力指數, 顧名為製程精確度綜合能力指數,其公式定 義如下: 義如下:
Cpk =(1-K) X Cp Or MIN { CPU, CPL }
銓智科技有限公司
Cpk如何判定優劣? Cpk如何判定優劣?
宣告 …… “經驗”掛帥時代的結束 代表「品質公共認證時代」的來臨 最重要的還是養成“持續不斷改善 的觀念、態度、SQC之差別? SPC與SQC之差別?
SPC與傳統SQC的最大不同點，就在於由 SPC與傳統SQC的最大不同點，就在於由 Q至P的這兩個字轉換 SQC是著重買賣雙方可共同評斷與鑑定的 SQC是著重買賣雙方可共同評斷與鑑定的 一種「既成事實」── 品質（Quality） 一種「既成事實」── 品質（Quality） SPC是希望將努力的方向更進一步的放在 SPC是希望將努力的方向更進一步的放在 品質的源頭──製程（Process） 品質的源頭──製程（Process）
銓智科技有限公司
重要名詞解釋
規格上限/規格下限(USL/LSL) 規格上限/規格下限(USL/LSL) 管制上限/管制下限(UCL/LCL) 管制上限/管制下限(UCL/LCL) 標準差(Sigma) 標準差(Sigma) 製程能力指數製程能力指數-Cp 製程精確度製程精確度-Ca 製程綜合能力指數製程綜合能力指數-Cpk