SPC统计过程控制

统计制程控制(Statistical ProcessControl)目录1. 统计制程控制 (SPC)的基本概念1.1质量的基本概念1.2统计制程控制 (SPC)是什么？1.3统计制程控制 (SPC)的起源与发展2. 常用的统计方法2.1概率2.2统计特征数2.3正态分布（ Normal Distribution）2.4中心趋向定律（ Central Limit Theorem）2.5正常状态的统计规律2.6常规控制图及其 界限32.7变异的基本概念2.8数据的种类2.9控制图的种类3. 计量值控制图的制作及应用3.1选择计量值控制图3.2数据收集3.3控制界限的设定3.4.控制界限的更新3.5控制界限和规格的关系4. 计数值控制图的制作及应用4.1选择计数值控制图4.2数据收集4.3控制界限的设定4.4控制界限的更新5. 控制图的分析5.1正常状态5.2异常现象5.3失控行动表6. 制程能力的研究6.1制程能力研究的目的6.2制程能力指数的计算和分析7. 控制图与七工具的关系7.1七工具是什么？7.2统计分析表 Checksheet7.3分类法 Stratification7.4巴氏图 ParetoAnalysis7.5直方图 Histogram / Barchart7.6因果图 Cause-and-EffectDiagram7.7散布图 ScatteredDiagram8. 附录8.1控制图用途总表8.2控制图的选择8.3控制图工作纸8.4控制图样本8.5实习题1. 统计制程控制 (SPC)的基本概念1.1质量的基本概念品质的定义卓越的程度比较的意义：产品（功能、品质、安全、 级数等）比较；品质水准定量意义：技术评估；适合用途（ Fitnessfor Use）产品或服务，在满足特定需要的能力；满足顾客要求。检查与品质品质并不是靠检查出来，而是靠生产出来的；检查只是把所制成的，与规格要求的，作一个比较；检查只能停止不合格品的流动,但不能停止它的产生 ;检查本身都有品质问题 ,存在误检及漏检 ,尤其是复杂和大量的检查 .检查需要格外的成本和时间.如果产品在第一次便做得对，便可消除废料、翻工及减少顾客投诉；品质与市场竞争能力商品要达到畅销目的，通常要有三个必备的条件：-1. 品质优良；2. 价格合理；3. 交货期准。影向品质的因素人员（ Man）；机器（ Machine)；物料（ Material）；方法（ Method）；环境 (Environment)任何因素的变化都会导致产品或服务的变化,也即不同的品质 .品质控制的理念在于对生产过程的控制,而不在于对结果的控制 .一致的输入和一致的过程导致一致的输出(产品 ).1.2统计制程控制(SPC)是什么？统计制程控制的英文名称是 Statistical Process Control 或简称为 SPC。简单地说就是应用“统计 ”（Statistical）技术，去分析“制程 ”（Process）中的特性，来“控制 ”（Control）制程变异。SPC的目的就是要控制制程达到“受控制的状态” (in Statistical Control)。SPC主要集中在制程的控制，因为制程是问题的根源。它需要在制程中，加入定时的检查，以达到尽早找出问题，来减少浪费；SPC典形运用的工具就有品质控制图，利用简单的图表来提供以下的数据：- 质量改进- 决定工序能力- 产品规格的决定- 生产制程的决定SPC是一个有效的工具，去不断地改善品质；SPC的最终目标在于做到“预防问题的发生”及“减少浪费”。1.3统计制程控制(SPC)的起源与发展1917 年一次世界大战时 ,美军需短时间预备军衣、鞋等物资,结果尺码比例按正态分布进行 ,基本吻合需要 ;1924 年修华特博士 (Dr. W.A.Shewhart)在贝尔试验室发明了品质控制图；1939 年修华特博士与戴明博士 (Dr.Deming)合作写了一本品质观点的统计方法 (Statistical Method from the point of Quality Control)；第二次世界大战前后，英、美两国将品质控制图的方法引进制造业，并应用于生产过程中；1950 年日本的 JUSE 邀请了戴明博士到日本演讲，介绍了 S QC 的技术与观念；为了纪念戴明博士的贡献，JUSE 于 1951 年成立了戴明奖；在 1979 年美国国家广播公司 (NBC) 制作了一部日本能，为何我们不能的影片， SQC 的理论与观念，便受到注意及被应用于制造程序中；SQC 的理论是不足够的。单是在发生问题后，才去解决问题，是一种浪费，所以进而发展出 SPC；美国汽车制造业，在标准中对 SPC 的使用提出了自己的要求，推动了 SPC 的广泛应用 .2. 常用的统计方法2.1概率随机现象在一定条件下，一件事情可能出现这个结果，也可能出现另一个结果，没有一定规律，呈现一种偶然性，这就是随机现象了。概率一件事情 A 在 n 次试验中出现的次数为 m ，事情 A 出现的频率等如 m/n。随着试验次数 n 的增加，事情 A 出现的频率 m/n 就稳定在某个数值 p ；而 p 就被称为事情 A的概率（即或然率），俗称机会率。当 n 是无限大时， p = m/n 。2.2统计特征数统计特征数的定义任何由样本计算出来代表样本特征的数字，都称为统计特征数。表示数据集中位置的数字（Measureof Central Tendency）_平均数 x (Mean)中位数 (Median)众数 (Mode)表示数据离散程度的数字（Measureof Dispersion）全距 R (Range)标准差 s (StandardDeviation)2.3正态分布（NormalDistribution）正态分布图形= 频率分布的平均值= 频率分布的标准差如收集数据时样本数目非常大，_xs正态分布的特点以 x = 这条直线为轴，正态分布是一个左右对称的。靠近 出现概率较大；远离 出现概率较细。分布曲线下的面积代表该段数值的出现机会。曲线范围范围内面积68.26%295.45%399.73%4全部范围100.00%2.4中心趋向定律（ CentralLimit Theorem）样本数目与频率分布若于总体抽取样本，每样本中有n个个体，则该样本平均数不一定会相等于总体的平均数。若抽取多个样本，各样本的平均数将会构成另一正态分布如下图：中心趋向定律（ Central Limit Theorem）若总体分布并非正态分布，各样本的平均数会否构成另一正态分布？以抛掷骰子为例：抛掷骰子的数目越多，骰子的平均数愈趋向正态分布。一粒骰子二粒骰子三粒骰子四粒骰子十粒骰子中心趋向定律（ Central Limit Theorem）就是：不论总体分布是否正态分布，若抽取样本，而个别样本的数目愈多，样本的平均数愈趋向正态分布。2.5 正常状态的统计规律产品质量按加工时间顺序是上下波动的 ,没有两件产品是完全相同的 .产品或制程的数据趋向于一个中心值且对称分散于两边 .生产条件标准化后 ,产品特征值的分布大都遵循正态分布即使总体特征值的分布不遵循正态分布 ,它的许多重要的样本特征 ,如样本平均数和样本方差都是渐进正态分布的 .2.6常规控制图及其 3 界限第一类错误把正确的误判断为错误的 .浪费人力物力第二类错误把错误的误判断为正确的 .错过改正的机会 界限完全避免两种错误是不可能的 ,只有将这两种错误产生的损失和减低到最小若产品质量特性值服从正态分布 ,在正常的生产过程中 ,产品特征值落在控制界限 3 之外的机会为 0.27%.也就是说 1000 次中约有 3 次会将正常的状态判别为异常.这样的错误是可以保证质量并且成本可接受的.2.7变异的基本概念随机变异原因 (ChanceCause)一定存在各制程中；形成一个较稳定的状态；对质量波动的影响不大不易识别难以避免例如 :刀具的磨损 ,温度的变化特殊变异原因 (SpecialCause/AssignableCause)偶然性发生 ,具有特别的条件引起质量的较大变化易于识别易于消除例如 :材料规格变更 ,模具变更 ,新的工艺2.8数据的种类计量值数据如长度、重量等；其特点是可以连续地读取这些数据。计数值数据如不合格个数、缺点数等；其特点是不可以连续地读取这些数据，只可读取整数。2.9控制图的种类常用计量值控制图平均值 - 全距控制图平均值 - 标准差控制图个别值 - 移动全距控制图中心值 全距控制图常用计数值控制图不良数控制图不良率控制图缺点数控制图单位缺点数控制图_x-R 控制图_x-s 控制图x-R 控制图x-R 控制图np 控制图p 控制图c 控制图u 控制图3. 计量值控制图的制作及应用3.1选择计量值控制图计量值控制图是监察在制程中质量特性自然变化的倾向，而所提供的数据都是以可量度的数值为单位，图表是用作测试制程中是否存在特殊变异原因的影向。常用的计量值控制图种类及用途有：控制图种类用途平均值 -全距平均值的及图表是用于观察样本平均值的转变；平均值 -标准差全距和标准差是用于观察误差的变化情况个别值 -移动全距个别值的图表是用于观察每一个数值的变化；移动全距用作观察误差的变化情况。代表性每一样本的平均数每一数据的平均数选用计量值控制图，通常会按检查抽样数目多寡来决定。抽样数目管制图种类2-6平均值 -全距 管制图6平均值 -标准差 管制图=1个别值 -移动全距 管制图附录 I 和 II 提供各种管制图的方法和选择准则以供参考。接下来，我们将先集中在平均值全距控制图；然后才解说平均值 标准差控制图和个别值全距控制图。_平均值 全距控制图 ( x-R 控制图)包括了两个控制图，它们是平均值控制图和全距控制图。平均值控制图是用作观察样本平均值的变化；而另一种控制图，全距控制图是用作观察数据收集的散布情况。这里要指出的是全距控制图通常是适用于少于七的抽样数。而超过或于七的抽样数， 标准差控制图较为适合。3.2数据收集选择有代表性的质量特性收集数据的目的是：a. 制程管理：掌握制程生产的波动范围，决定制程生产是否稳定，有无特殊变异。b. 情况分析：掌握和分析制程或产品出现特殊变异的原因，及制订出纠正和预防再发生的措施。c. 产品检查：检查收发的物品是否合格。收集的数据一定是要选择具有代表制程质量控制的特性；而数据是可量度的。当选择有代表性的质量特性时，可以参考以下的指引。a. 优先选取经常出现次品的质量特性；可以利用柏拉图分析法去决定优先次序。b. 识别工序的变异因素和对成品质量的影向，继而决定应用控制图的生产工序。例如：模温、塑料的温度、压力、塑注件重量等都是一些会影向塑注件尺吋的工序变异因素。选取样本当我们袛选取一个数据抽样数，我们应该取最末的数据或差不多最末的，因为我们希望能获得最新及最迟的资料；当我们选取较大的抽样数，例如 5 个，我们也要包括最末的数据，或差不多最末的。但我们选取其它 4 个数据时，有两个选取的办法。a. 即是抽样方法当成品在某一个时间开始生产，实时任意地抽取样本。b. 期间抽样方法在某一期间内选取样本，实时抽样方法可以提供时间上的参考作为找出变异的因素和更快地显示工序平均值的转变。期间抽样方法可以提供较全面的结果。设定抽样数目抽取一部机器或工序的变数通常都以“ 数量少和经常性”为原则。在某一情况下，抽样数的决定有以下的决定因素。a.抽样频率b.经济因素c.统计学上的准确度正常来说，平均值和全距控制图的抽样数大约在4 和 7之间。因为 5是一个较为方便处理的抽样数，所以，我们通常以5 作为一个标准。当然，如果有另外一个抽样数更适合，我们可以使用。设定抽样的次数决定抽样的次数基本上是一个经济上的问题。 抽样次数越多，查验的成本当然越大； 抽样次数越少，不合标准的产品生产也越大。因此，抽样次数的目的是希望上述两种成本的总和达到最少。通常的惯例是两次开机之间，抽样次数是20-25 次。另一种方法是在生产的初期，抽样数较频密；当确定工序受到控制，续渐减少抽样次数。理论上，抽样的频率和抽样数可以用数学的方式计算。而实际上，它是根据下列的因素决定。a. 产品/工序的质量表现历史b. 查验机械 / 人手的资源c. 估计的查验成本和损坏成本作为一个指引，下列附表是可以用来估计初部抽样需要的数目。批 量样本数1-65566-11010111-18015181-30025301-50030501-80035801-1300401301 -3200503201 -8000608001 - 2200085例如：某制程每一班生产3000件产品。由上例的附表，我们应该每一班制抽取 50 件。如果我们使用每一组别是 5 的抽样数，那么 10 个抽样组(50/5)会在每一班制内抽取。在一个 8小时的班制内共有480 分钟。那么，我们需要每48 分钟(480/10) 抽取一组样本。所以，在这例子中，我们便要每48 分钟抽取 5 件样本。收集样本的次数在设立控制图的时侯，我们需要收集最少20 组抽样数。当然，有某些数据是会在计算控制界限时被弃置的，那么 25 个抽样组会比较更适合。3.3控制界限的设定设定全距控制图的控制界限_RiR=k_UCL R=D4 R_LCL R=D3 R注： Ri= 第 i 个控制分组的全距数据_R= 所有样本的平均全距k= 样本个数（组数）UCL R=全距的上控制界限LCL R=全距的下控制界限样本数目D3D4203.267302.574402.282502.114602.00470.0761.92480.1361.86490.1841.816100.2231.777测试全距是否在统计控制之内有三种可能的形式a. 所有的样本全距数据都所括在控制界限之内b. 一个或二个样本全距数据超越控制界限c. 三个或以上样本全距数据超越控制界限以下是一个用来修正以上可能性的决策图。设定平均值控制图的控制界限当发现样本全距在统计的控制范围后，我们便可以继续用下面的方程式去计算平均值图的控制界限。_=xix=k=_UCL x=x + A2R=_LCL x=x - A2R=注：x= 所有抽样组平均值的平均值_xi= 第 i 个抽样组的平均值k = 样本个数（组数）UCL x=平均值的上控制界限LCL x=平均值的下控制界限样本数目A221.88031.02340.72950.57760.48370.41980.37390.337100.308测试平均值是否在统计控制之内如全距测试一样，平均值也有三种可能的形式：a. 所有的样本平均值都所括在控制界限之内b. 一个或二个样本平均值超越控制界限c. 三个或以上样本平均值超越控制界限以下是一个用来修正以上可能性的决策图。设定平均值和标准差控制图的控制界限因计算上的便利，平均值和全距控制图，以成为最常用的计数值控制图。但也有一些较喜欢使用标准差 S 作为观察抽样组中数据的分布。在标准差控制图的计算，是计算抽样组中所有的数据，而不是像全距控制图祗选取最高和最低的数据。当抽样组中的抽样数目增大， 标准差控制图是较全距控制图准确的。在这里，我们提议在可能的情况下或当抽样数大于 6 的时侯使用标准差控制图。平均值和标准差控制图的制作部骤是近似平均值和全距控制图。两者不同的是计算平均值和标准差控制界限的方程式。计算初试控制界限的方程式如下：_=xix=k_sis=k=_UCL x=x + A3s=_LCL x= x - A3 s_UCL s=B4 s_LCL s=B3 s=注：x=所有抽样组平均值的平均值xi=第 i 个抽样组的平均值_s= 所有样本的平均标准差si=第 i 个抽样组的标准差k=样本个数（组数）UCL x=平均值的上控制界限LCL x=平均值的下控制界限UCL s=标准差的上控制界限LCL s=标准差的下控制界限样本数目A3B3B422.65903.26731.95402.56841.62802.28251.42702.08961.2870.0301.97071.1820.1181.88281.0990.1851.81591.0320.2391.761100.9750.2841.716设定个别值和全距控制图的控制界限个别值和全距控制图是用于特别的情况。例如：加工时间较长或当我们监察工序的状态，如电镀液的 pH 值，此控制图是根据个别的量度数据而不是小量抽样的。个别值和全距控制图是适用于尽快发现并消除异常原因，零件批量较少，加工时间较长，测量费用较高的场合，工序产品内部质量均匀，不需测取多个数值的情况。要设立一个个别值和全距控制图 ，我们需要大约 20 个数据。而设立的步骤和控制界限大致和平均值和全距控制图相同。中心线和控制界限的方程式如下 :_xx=k_RR=k-1Ri= |xi-1 -xi|_UCL x=x +2.66 R_LCL x=x - 2.66 R_UCL R=3.268 RLCLR= 0_注：x= 所有样本的平均个别值xi=第 i 个抽样组的个别值_R= 所有样本的平均移动全距Ri= 第 i 个抽样组的移动全距k = 样本个数（组数）UCL x=个别值的上控制界限LCL x=个别值的下控制界限UCL R=全距的上控制界限LCL R=全距的下控制界限3.4控制界限的更新控制界限设立后，便可以作为正常工序生产的监察和控制。初期用作计算的工序质量特性，会随着环境而转变。因此，理想的做法是控制界限会定期检讨。定期检讨和是否重新计算的需要会视符工序和操作情况的转变而定。我们提议重新计算会在下列的情况实行。a. 使用新的工序b. 使用新的机器c. 现时的工序情况有改变d. 机器操作的情况有改变3.5控制界限和规格界限的关系我们一定要避免把规格界限放置在控制图，理由有两个：首先，控制图的控制界限是根据制程中的可变性而设定，但规格界限是从设计阶段决定。它们没有（或不定有）直接的关系。第二点理由是规格界限以控制个别的数值而不是平均的数值或其它统计的数值。很多统计制程控制的初学者时常把控制界限和规格界限的真正意义混淆。下面把控制界限和规格界限作一直接比较。控制界限规格界限用作决定工序是否在统计控制的范围内用作决定组件是否乎合规格好的工序控制，控制界限一定在规格界限之内为了达到最低的生产成本，规格界限一定要在控制界限之外如果有点子在控制界限之外，即表示工序不在管制范围和有非机遇性的因素存在如果点子在控制范围之内，而不在规格界限之内，即表示工序已在统计控制范围内，但仍没有能力生产乎合规格产品4. 计数值控制图的制作及应用4.1选择计数值控制图计数值在质量控制的范围中是用作为量度那些不可以用量度数值代表的质量特性。更简单的是那些质量特性可以判定允收或拒收。典形的计数值有 :汽车档风玻璃的气泡涂漆表面的抓痕测试不合规格的单位外壳的缺点计数值控制图的作用，包括：a. 决定质量的平均水平；b. 当平均质量水平转变，给管理阶层一个信息；c. 提高产品的质量；d. 在付运给顾客前决定产品的允收特征。计数值控制图有两种不同的组别。a. 不良品控制图：一般是建基于二项分布（ Binomial distribution）。不良率控制图（ p chart）是用来显示在生产进中的不良品的比率；而不良数控制图（ np chart）是监生产中的不良品的数目。b. 缺点控制图 :它是建基于泊松分布（ Poissondistribution）。缺点数控制图（ cchart）是显示在查验之工件上发现的缺点数目；另一个相似的控制图是单位缺点数控制图（ u chart）是显示平均每一查验之工件的单位缺点数目。计数值控制图的样本数目：控制图不良数（ np）不良率（ p）缺点数（ c）单位缺点数（ u）每次样本数目不变可变不变可变下列的流程图可以作为一个指引去选择合适的计数值控制图：接下来，我们将先集中在不良率控制图 ；然后才解说不良数控制图、缺点数控制图和单位缺点数控制图。不良率控制图（ pchart）是显示在某一样本组内发生事件之数目对全部事件的比值。在统计制程控制中， 不良率控制图（ p chart）是用作报告产品内的不良品比率。不良率的设计是可以应付在不同样本数目中的不良品，但我们提议在可能的情形下祗使用一个样本数目。一个不良率控制图的设立是用作控制单一质量特性或一组质量性中的不良率。同时也可以设立作为操作员，工作间或某一班制的表现控制。4.2数据收集决定样本以下各是作为决定样本数的参考：a. 样本数最少大于 50 个单位b. 常用的惯例，样本数目的多少一定可以足够找出 4 个或以上的不良品。在实际的运作中，选取样本数是需要一些初部的观察来找出不良率和平均不良数的粗略数据，以便足够的数据来制作图表。c. 避免在一段长时间内选取一个大的样本数。收集样和记录数据最少收取 20 个样本4.3控制界限的设定设定不良率控制图的控制界限dipi=ni_dip=ni_UCL p=p + 3 p ( 1-p ) / ni _LCL p=p - 3 p ( 1-p ) / ni 注：i=第 i 个控制分组的不良品数目dni=第 i 个控制分组的样本数目pi=第 i 个控制分组的不良率_p= 所有样本的平均不良率UCL p=不良率的上控制界限LCL p=不良率的下控制界限如果算出的下控制界限是负数，设下控制界限等于零。测试不良率是否在统计控制之内有三种可能的形式a. 所有的样本不良率都所括在控制界限之内b. 一个或二个样本不良率超越控制界限c. 三个或以上样本不良率超越控制界限以下是一个用来修正以上可能性的决策图。设定不良数控制图的控制界限使用不良数控制图的法则是样本数目一定是常数。 不良数控制图的设立步骤与不良率控制图非常相似，唯一的分别是不良数控制图的记录是不良品的数目，而不良率控制图是不良的比率。上控制界限和下控制界限的计算公式如下：_dinp=k_UCL np ( 1- np / n )np_LCL np= n p - 3 np ( 1- np / n )注：di=第 i 个控制分组的不良品数目n= 样本数目k = 样本个数（组数）_n p=所有样本的平均不良数UCL np=不良数的上控制界限LCL np=不良数的下控制界限如果算出的下控制界限是负数，设下控制界限等于零。当不良数控制图的设立完成，便可以依照不良数控制图的决策图步骤和视符超越界限的不良数数目来采取行动。设定缺点数控制图的控制界限缺点数控制图是把查验单位的缺点数目显示在图表中。它是计算在每一个查验单位，如桌子，一匹布，一块挡风玻璃，某一平面涂漆的缺点数目。一个查验单位也可以包括一组的组件（例如：一块线路板上的三极管） ，它可以协助我们监察工序和追查缺点的种类和数目。缺点数控制图的设立和不良率控制图很相似，唯一的分别是使用的公式。_cic=k_UCL c=c + 3( c )_LCL c=c - 3( c )注：ci= 第 i 个控制分组的缺点数数目k = 样本个数（组数）_c= 所有样本的平均缺点数UCL c=缺点数的上控制界限LCL c=缺点数的下控制界限如果算出的下控制界限是负数，设下控制界限等于零。当缺点数控制图的设立完成，便可以依照不良数控制图的决策图步骤和视符超越界限的缺点数数目来采取行动。设定单位缺点数控制图的控制界限缺点数控制图是适用于样本数的数目是单一单位，如果样本数是可变的，单位缺点数控制图会较为适合。 单位缺点数控制图的设立大致上与缺点数控制图相似，使用的公式如下：ciui=ni_ciu=niUCL uLCL u注： ci= 第 ini=第 iui=第 i_= u + 3( u / ni )_= u - 3 ( u / ni 个控制分组的缺点数数目个控制分组的样本数目个控制分组的单位缺点数u= 所有样本的平均单位缺点数UCL u=单位缺点数的上控制界限LCL u=单位缺点数的下控制界限如果算出的下控制界限是负数，设下控制界限等于零。当单位缺点数控制图的设立完成，便可以依照不良数控制图的决策图步骤和视符超越界限的缺点数数目来采取行动。4.4控制界限的更新与计量值的控制图一样，计数值的控制图的控制界限是应该随着工序情况的转变而定期检讨的。5. 控制图的分析5.1正常状态控制图的点子反映了生产制程的稳定程度。当控制图满足下列条件，我们就认为生产制程基本处于正常状态：a. 点子没有跳出控制界限；b. 点子在控制界限内排列没有异常。5.2异常现象小概率事件在有限次试验中被认为不可能出现 ,如出现则认为存在异常现象 .连点在中心线的任何一方，有连续的点子就称为连点。如果连点的数目等于七或以上，我们便可总结在制程中，有不正常的因素存在。趋势如果有连续的点子上升或下降，我们便称之为趋势。我们考虑如果有连续七个点子的升或降的趋势时，在制程中会有不正常的因素存在。周期性如果点子显示相同的转变型 (即升或降 )出现在相同的时间差别时，即点子的轨迹有规律地变化，我们便称之为周期性的型态。靠紧当点子紧靠控制界限时，我们便称之为界限紧靠。水平的转变因点子的型态急趋于上升或下降时，而产生一个新的水平。5.3修正和预防行动的指引修正和预防行动的指引的目的我们要订立一种策略去应付特别事故的发生。如果对统计控制图的讯号没有正确的响应。统计制程控制的计划便失去意义。当有特殊的因素存在是需要采取行动去找寻原因。最初的步骤是运用操作员的技术和经验。如果不足够，便需要设立一个问题解小组。操作员，主管和技术员是这个小组的核心，但实际的性质要视乎个别的问题。最重要的是，统计制程控制计划是一定需要对控制表和分析的员工的工作和责任有一套策略和清楚的指引，处理特别事故的守则是需要设立。进行统计制程控制的成功和失败的分别在于对产生失去控制后，采取行动而把工序重回范围内的所需时间。要减低此部份的延误，建议采用修正和预防行动的指引 。修正和预防行动的指引是一份问题解决指引，里面清楚地列明跟催的步骤；所有的解决办法到预先制订，因此，当有事故产生，不需要浪费时间去决定解决的办法。一方面，它可协助操作员独自解决问题及认明特殊的行动来促使工序回复正常。另一方面，此指引也提供一份数据作为培训新的操作员和工程师。设立修正和预防行动的指引的步骤设立修正和预防行动的指引的步骤如下：a. 认明所有在查验时会可能发生的潜在性缺陷和情况。如果可能性的缺点太多，选取最重要的和经常性的。b. 对每一种缺点和情况都设定可能的因素。此步骤的目的是深入理解问题和协助认明预防的行动。如果有多于一种的可能性因素，便跟据可能性的先后排列出来。c. 了解缺点的种类后，便可在各部门设立修正及防止性的行动。四种常见的修正和预防行动的指引四种常见的缺点和修正及预防行动的指引如下:缺点种类描述手艺缺点是因有意识或无意地不跟随预定的方法或工序负责部门修正行动预防行动1.生报废1.提高操作产部2.重做或修员的警觉理性3.重验2.实行工序抽查3.执行公司工艺质量的政策产品设计缺点因产品计部工 .设11.设计或规格代替提出工程/2的错误程部.重做修改3.报废4工序组件缺点因错用不正确的方法，工具或机器因内部的原因或外来的.重验造工程 .制11.重做2调较机器.修改或工序变.3报废数.42.重验维修工具或机器3.转换工序质1外量部.重做在供货商提供有缺点的组.修改件.报废.退回供应商21.进行严格3的来料查4验2.反映事实给供货商内在1.提高查验的效率6. 制程能力的研究6.1制程能力研究的目的当生产部经理审查一个制造工序时，时常都会问以下的两个问题：a. 工序是否在统计制程控制范围下?b. 工序的能力是否达到要求?我们在上面所谈的几课已谈及第一个问题。此部份我们会谈一谈第二个问题，工序能力是考虑工序的表现和能力是否达到规格的要求。工序能力的分析可分为以下两种：a. 机器和工序操作的能力研究机器能力的研究是在一个控制状态下，调查工序的实际加工能力，普遍来说，此机器袛是整个工序的一部份和研究时间会比较短。在研究时间内，操作员不可调较机器，物料和质量都需要在控制范围内，而用作量度的仪器也需精确的调较。此项研究可以协助我们决定此机器是否有足够的能力去生产合乎规格的零件。b. 整体工序能力研究它分析在整体的工序中，所有可变的质量特性的变化。此项研究需较长的时间，通常 30 日或以上。如果工序的分布超出宽容界限，拒收的产品会陆续出现。当发生时，可以采取以下的三程行动。a. 把产品归纳为允和拒收两大类b. 改进机器，物料，制造方法，操作员的培训和其它工序困素已减低工序的可变性。c. 放松规格的宽容范围。6.2制程能力指数的计算和分析当一个工序在统计制程的控制范围中（即机遇性的可变因素存在），便可以计算工序能力指数。工序能力指数是用作指出工序的可变性和规格宽限比较。我们在这里会谈一谈几种不同的工序能力指数，即 Cp,Cpu, Cpl, and Cpk.Cp 数值，理论Cp 是量度 “工序潜能 ”。它是量度实际工序的分布范围（或称之为工序的 “自然宽限 ”，普通是六个标准差）与实际工序可容许的分布范围（即上规格界限和下规格界限的距离）。Cp= (USL - LSL) / 6注：= 制程的标准差_(如： 平均值及全距控制图=R / d2_平均值及标准差控制图= s / c4USL=上规格界限LSL=下规格界限样本数目d2C421.1280.797931.6930.886242.0590.921352.3260.940062.5340.951572.7040.959482.8470.965092.9700.9693103.0780.9727要透过统计方法去控制制程工序，是需要控制工序的中心值和分布情况。工序潜能指数（ Cp）只测试工序的分布（6 ）而忽略中心值。因此有可能一个高上指示工序的能力可接受，而实际因制程中心值移近规格界限而产生不量的拒收产品。Cpu 是量度中心值和上规格界限之间区域的工序分布=Cpu= (USL - x) / 3Cpl 是量度中心值和下规格界限之间区域的工序分布=Cpu= (x - LSL) / 3=注：x=制程的平均数正常来说， Cpu 和Cpl 的数值越大，工序的分布便越好。如果数值最是+1，即假设 0.1%或以下的不良品产生。如果数值是 1.33 则有更多的空间适应工序的转变。数值 Cpk 是量度 “工序表现 ”。它考虑的范围包括分布情况和区域。 Cpk 是与工序表现和规格界限相连。根据定义，它可以定义如下：Cpk= (Cpu, Cpl) / 最小值当 Cpk 的数值大于 1时，指示中心值的任何一方与规格界限之间都可以存在大于 3个工序标准差的；有一些公司要达到更严格的要求， Cpk 的数值一定要等于 2 。如 Cpk 的数值少于 1时，表示工序的能力不能达到规格的要求。Cp / Ck 值指示 3.0超卓的能力a. 一个有充足能力的工序