发布时间 : 星期二 文章统计制程管制 - 图文更新完毕开始阅读27d32fce581b6bd97e19ea04
製程的變因一般可以大致可以分成兩類：一種變因是暫時性的，只有在特定的某一段時間或某些情況下才會影響製程；另外一種變因則是持續影響製程，直到變因被控制為止。為了解決這兩種變因對製程所造成的影響，業界發展出了許多的方法及工具來輔助我們找出其變因，大致上有：
? ? ? ? ? ? ? ? ?
柏拉圖 (Pareto Chart)
特性要因分析圖／魚骨圖 (Cause & Effect Diagram) 直方圖 (Histogram) 管制圖 (Control Chart) 抽樣檢驗 (Sampling Plan)
檢定與推定 (Test Presumption) 相關與迴歸分析 抽樣方法 實驗計畫
其中柏拉圖、特性要因分析圖、直方圖、管制圖…等都蠻常被使用的，後面有時間我們再來一一解說這些工具的應用。
製程能力改善步驟流程圖
個人覺得這份製程能力改善步驟的流程圖整理得還不錯，所以就把它整理了一下放上來與大家分享。請計注意執行統計製程以前必須先要把製程條件數字化，也就是要想辦法把製程內會影響到品質的因素變成可以計數或計量的條件。計數就是只能一個一個分開來計算的單位，如缺點數、球數…等；計量則是連續可以量測的單位，如重量、速度…等。
另外，執行統計製程管制時一定要等到製程穩定了，也就是Cpk達到一定程度，執行起來才有意義，對哪些一天到晚都還在滅火的製程，執行起來只是徒增工程師的負擔而已，對品質的改善或是維持一點幫助都沒有。
為何要執行Cpk的統計製程管制？
進行製造工廠稽合的時候，工作熊總喜歡問這些工廠的品管人員一個問題：「工廠內有沒有執行統計品管或Cpk？」，有些工廠會語帶抱歉口吻的回答說：「沒有」，因為他們不知道如何執行或因為產品太過於簡單而沒有計劃執行，有些工廠則會理直氣壯的質疑執行Cpk有何用處？少數
有執行Cpk的工廠請他們拿出資料檢核，發現他們的資料或許整理的很漂亮，可是所選定管控的項目卻沒有多大的用處，甚至於白作工，為什麼？
比如說某電路板組裝代工廠，幫客戶組裝一手機電路板，客戶要求製作Cpk的製程管控，而代工廠也照做了，不過送給客戶的量測資料卻是電路板的長度、寬度、與厚度而已，可是客戶明明就有在圖紙上面標明屏蔽框打件的位置是重點尺寸(critical dimension)，因為這個屏蔽框需要與後段的機殼組裝互相配合，如果打件偏差太多將會造成組裝干涉。詢問代工廠為何不以屏蔽框的打件位置來作為Cpk管控的尺寸，代工廠的工程師竟然回答，他們其他客戶也有做Cpk，可是都只量測板子的長、寬與厚度而已，而且從以前到現在，客戶也都沒有反應問題，Cpk也都在1.33以上啊？為什麼要再管控屏蔽框的打件位置？無言！
其實，執行統計品管或Cpk製程管控明明有很多的好處，對製造工廠的製程改善也有顯著的幫助，不過似乎大部分的朋友都只知道如何計算Cpk，也知道如何判斷Cpk的好壞，有些人甚至還可以將Cpk講得頭頭是道，可是卻不太了解如何選取一個正確的管控對像?
個人覺得Cpk管控對像的選取至少應該要具備下列幾個的條件，這些只是個人的淺見，僅供參考：
1. Cpk管控項目必須是影響製程的重要因子
如果花了一大堆的心血，只是為了做Cpk而做Cpk，卻不能反饋到生產產品的品改善，只能說在做虛功而已。
切記不要因為Cpk的要求來自客戶或是老闆的要求，就隨便找個因子來做Cpk，如果客戶或老闆沒有要求管控的對象，就得自己找個足以影響製程的因子，而不是看別人做什麼就跟著做什麼，就如同上面所舉的例子，電路板的長度、寬度與厚度並不是製程中的重要因子，客戶也許所能容許的誤差值非常的寬，根本不需要控管，而且電路板的厚度也不是組裝廠所能管控的項目，Cpk變低了還得花一堆功夫去改
善，如果花了一堆功夫把把這些項目管控的很好，可是實際上卻可能一點用處也沒有，這不是白作工是什麼。
所以人家說打蛇打七吋，這Cpk的管控項目不用多，建議三個以下，一個也可以，但要真的是影響製程的重要因子，花點時間瞭解一下產品，好好選個管控的項目吧。
2. Cpk管控因子必須是可以數字化的項目
前面說Cpk管控的項目必須是影響製程的重要因子，但不論這個因子再重要，如果不能將其評量轉化為「數字」，就不能拿來作為Cpk的管控項目。
因為所有的統計製程及Cpk所採用的控管方法都是透過數字來執行的，所以任何想要管控的項目都要轉換成數字刻度，或是找到其它可以數字化的相關因子來管控。 建議可以參考六個標準差(six sigma)運用於日常生活一文。
3. 應該要找到真正需要控管的要因，而不是問題的表象或是產品的價值
就如同前面篇幅提及的，如果我們想管控的只是問題的表象或是產品的價值，比如說我們想改善產品的良率或是降低產品生產的成本，可是這些表面的數字是無法用Cpk來衡量其是否得到管控與否，好像還沒有聽過某某良率的Cpk在1.33以上的吧！
所以，比較好的方法是往下展開其下面的關鍵因子，這樣才能針對這些因子採取對策並改善Cpk，進而提昇產品的良率或降低其成本。
假設我們是一家橡膠按鍵的供應商，我們想要管控按鍵產品的良率，可是良率是由很多的缺點所累積出來的，這時候我們就必須要先用層別法及柏拉圖方法來層別出那些缺點的不良率佔了大部分的貢獻。
假設是按鍵的作動力，我們就可以針對它來管控其Cpk，只是當我們發現作動力的Cpk低於1.33或1.0以下時，我們是否可以做什麼措施來改善它呢？又是什麼影響