Six Sigma 綠帶課程教材

【Control 控制】

講師：朱光懷
 改善階段執行步驟

改善階段 控制階段

提出改善方案與實驗設計 建立管制計劃

先導測試 完成專案文件

驗証改善 完成專案移交

建立改善後之新流程

更新FMEA

成本/效益分析

2
 課程大綱

C1 控制計劃介紹
C2 防錯(防呆)方法
C3 SPC 統計製程管制概述
C4 計量型管制圖
C5 計數型管制圖
C6 專案終結

3
C1 控制計劃介紹

4
 6 Sigma 最後階段

定義 量測 分析 改善
VOC > CTQ > Y 量測系統分析 分析與確定根本原因 改善Y=f(x)
確認流程能力 最佳化流程

接下來就是控制及維持成效
Monitor
Y=f (x) Control

5
 預防與偵測

為了針對已偵測到的流程錯誤進行管制，專案團隊可運用以下的方法建立策略

 預防策略
消除缺點發生的機會

 偵測策略
對無法預防的缺點在其未離開流程前予以辨識

管制好Xs，問題(Y)就不會發生

6
 控制階段的問題

 為確保缺陷率保持在低水準，我們可以做些什麼？

 團隊可以採取哪些行動，確保改進是永久性的？

 可以建立什麼系統幫助專案維持改善效益？

 我得到重要人物的認可了嗎？

 我和誰會離開專案？在專案中的角色何時結束？

 誰是承接流程的負責人？

7
 控制的關鍵

資料獲取點 負責人 控制計劃

流程步驟 預防性維護 量測指標

流程特徵 樣本大小 流程文件

和頻率

控制計劃是包括所有的要素且結合起來

8
 發展控制計劃
輸入/ 樣本 決策規則/
製程步驟 控制項目 規格要求 測量方法 控制方法 頻率 負責人 資料來源 作業文件
輸出 大小 糾正措施

 控制計劃的輸入(Inputs)
• FMEA • 培訓教材
• 流程文件 • 故障檢修指南
• 客戶要求 • 校準計劃
• 量具能力分析 • SOP
• 製程能力研究 • 失控行動計劃

9
 控制計劃的範例與說明
輸入/ 樣本 決策規則/
製程步驟 控制項目 規格要求 測量方法 控制方法 頻率 負責人 資料來源 作業文件
輸出 大小 糾正措施

人員技能 輸入

作業工法 輸入
ISOS2
人工導通
不良率 輸出

作業工時 輸出

 流程步驟
• 來自流程圖，應確保所用的名稱與流程圖、FMEA、C&E等一致
• 只包括高度危險的關鍵步驟
 控制項目
• 要控制的輸入或輸出的項目是什麼，但主要目標仍是對輸入的控制，而不是
對輸出的監控

10
 控制計劃的範例與說明
輸入/ 樣本 決策規則/
製程步驟 控制項目 規格要求 測量方法 控制方法 頻率 負責人 資料來源 作業文件
輸出 大小 糾正措施

人員技能 輸入 合格證照 證照件數 證照考核

作業工法 輸入 依SOP作業 目視 現場稽核

ISOS2
人工導通
不良率
不良率 輸出 3% MES記錄
檢討

生產力
作業工時 輸出 5 sec/pcs MES記錄
檢討

 規格要求
• 列出控制項目的規格要求
 量測方法
• 哪個流程、方法或設備來進行量測
 控制方法
• 用什麼方法來控制？SPC？自動的？預控的？防呆？

11
 控制計劃的範例與說明
輸入/ 樣本 決策規則/
製程步驟 控制項目 規格要求 測量方法 控制方法 頻率 負責人 資料來源 作業文件
輸出 大小 糾正措施

生產支援課-
人員技能 輸入 合格證照 證照件數 證照考核 100% 周
XXX

作業工法 輸入 依SOP作業 目視 現場稽核 3站/次 周 製造部-XXX

ISOS2
人工導通
不良率 工程二課-
不良率 輸出 3% MES記錄 100% 日
檢討 XXX

生產力
作業工時 輸出 5 sec/pcs MES記錄 100% 周 製造部-XXX
檢討

 樣本大小
• 選擇分析流程能力所需的樣本數量
 頻率
• 選擇分析流程能力所取的樣本頻率
 負責人
• 由哪個單位或負責人收集資料

12
 控制計劃的範例與說明
輸入/ 樣本 決策規則/
製程步驟 控制項目 規格要求 測量方法 控制方法 頻率 負責人 資料來源 作業文件
輸出 大小 糾正措施

生產支援課- Excel 安排人員補考及 PI-001/

人員技能 輸入 合格證照 證照件數 證照考核 100% 周
XXX 證照總表 作業品質抽檢 PI-029

Excel稽核 修正SOP或重新
作業工法 輸入 依SOP作業 目視 現場稽核 3站/次 周 製造部-XXX AP-006
缺失總表 執行訓練宣導
ISOS2
人工導通
不良率 工程二課- 依據異常真因擬
不良率 輸出 3% MES記錄 100% 日 MES AP-006
檢討 XXX 定對策

生產力 依據異常真因擬
作業工時 輸出 5 sec/pcs MES記錄 100% 周 製造部-XXX MES AP-006
檢討 定對策

 資料來源
• 資料在哪裡取得的？資料庫？圖表？
 決策規則/糾正措施
• 流程失控時的行動或對策是什麼？
 作業文件
• 哪個文件規定此控制過程？所有方面都有文件規範或標準化嗎？隱形工廠的
主要位置
13
C2 防錯(防呆)方法

14
 三種檢查類型

 判斷性檢查 (Judgment Inspection)

- 處理之後試圖將好的工件與壞的工件分開或分類

 資訊檢查 (Informative Inspection)

- 調查缺陷的原因
- 回饋資訊因此可以採取措施而減少缺陷

 源頭性檢查 (Source Inspection)

- 在缺陷源頭100%檢查
- 有錯誤成為缺陷之前得以糾正

最有力的檢查應是用於預防，而不是探測

15
 檢查的局限性

 判斷性檢查 (Judgment Inspection)

- 防止缺陷到達客戶手中，但是絲毫未減少缺陷或不良率

 資訊檢查 (Informative Inspection)

- 只是提供缺陷產生後的資訊
- 幫助把缺陷率控制在一個可接受但非零的水準

 源頭性檢查 (Source Inspection)

- 100%檢查是耗時且昂貴的

最好解決方法：防錯(防呆)系統

16
 什麼是防錯(防呆)

 防呆法(Poka-Yoke/Fool Proofing)即是防止呆笨的人做錯事。亦即，連愚
笨的人也不會做錯事的設計方法，故又稱為愚巧法。
 日本的品質管理專家、著名的豐田生產系統創建人新鄉重夫（Shingeo
Shingo）先生根據其長期從事現場品質改進的豐富經驗，首創了Poka-
Yoke的概念，並將其發展成為用以獲得零缺陷，最終免除品質檢驗工具 。
狹義：如何設計一個東西，使錯誤絕不會發生。
廣義：如何設計一個東西，而使錯誤發生的機會減至最低的程度。
 因此，更具體的說「防呆法」是：
1. 具有即使有人為疏忽也不會發生錯誤的構造──不需要注意力。
2. 具有外行人來做也不會錯的構造──不需要經驗與直覺。
3 具有不管是誰或在何時工作都不會出差錯的構造──不需要專門知識與
高度的技能。

17
 為何要防錯(防呆)？
 1-10-100原則
• 製造商的1%不良率(客訴率)，對接收產品的客戶來說，是
10%退貨率，但對終端使用戶來說，卻是100%的不滿意度。
• 如果問題發生時，當下修正要花費1小時，在下游可能花費10
小時，但是到用戶端可能要花費100小時才能改正。
一位用戶端

一個客戶端 1件產品
100%產品不滿意度
製造商 10件產品
10%退貨率

10個客戶，各出10件產品
1%客訴率
18
 防錯(防呆)的基本原則

 防呆法的功用
• 積極：使任何的錯誤，絕不會發生。
• 消極：使錯誤發生的機會減至最低程度。
 防呆法的應用範圍
任何工作無論是在機械操作，產品使用上，以及文書處理上皆可應用到。
 防呆法的基本原則
• 使難於觀察、難拿、難動等作業變得經鬆，不易產生疲勞而發生失誤。例如：區分顏色
使得容易看，或放大標示，或加上把手使得容易拿，或使用搬運器具使動作輕鬆。
• 使作業不要技能與直覺。需要高度技能與直覺的作業，容易發生失誤．例如：考慮治具
及工具，進行自動化，使新進或支援人員也能做不出錯的作業。
• 使作業不會有危險，因不安全而會給人或產品帶來危險時，加以改善使之不會有危險。
• 使作業不依賴感官。依賴像眼睛、耳朵、感觸等感官進行作業時，容易發生誤。製作治
具或使之機械化，減少用人的感官來判斷的作業。

19
 人為錯誤與缺陷的類型

10種人為錯誤的類型 10種缺陷的類型
1. 健忘 1. 遺漏處理過程
2. 因誤解造成的錯誤 2. 處理過程不正確
3. 識別錯誤 3. 不正確地裝配工件
4. 水準不夠造成的錯誤 4. 缺少工件
5. 隨意的錯誤 5. 錯誤工件
6. 疏忽的錯誤 6. 加工錯誤的工件
7. 因遲緩造成的錯誤 7. 錯誤操作
8. 因缺乏標準/管理造成的錯誤 8. 不適當的調整
9. 意外錯誤 9. 設備設置不當
10. 故意的錯誤 10. 工具和夾具準備不當

20
 人為錯誤與缺陷之間的關係
人為錯誤類型
識別 水準 缺乏
健忘 誤解 隨意 疏忽 遲緩 意外 故意
缺陷類型 錯誤 不夠 管理

遺漏處理過程 Ο Δ Δ Δ Ο Δ Δ Ο

處理過程不正確 Δ Ο Δ Ο Ο Ο Ο Ο Ο

不正確地裝配工件 Ο Δ Δ Ο Δ Δ Δ

缺少工件 Δ Δ Δ Ο Δ Ο

錯誤工件 Ο Ο Ο Ο Ο Ο Ο Ο

加工錯誤的工件 Ο Ο Δ Δ Ο Ο Δ Δ

錯誤操作 Δ Δ Δ Ο

不適當的調整 Δ Δ Ο Δ Ο Δ Δ Δ Δ Δ

設備設置不當 Δ Ο Ο

工具和夾具準備不當 Δ Ο Δ

Δ 有關係 Ο 有密切關係

21
 人為錯誤的保障措施

預先警示

定期檢查 工作指導

標準化

工作紀律 基礎教育

技巧培訓

22
 可預見錯誤的高危險區域

 使用易耗損的工具或每次必須更換工具

 常有許多工件或條件混合的作業

 要求大批量和各種少量的混合製程或流程

 不經常進行的生產或作業

 缺乏有效的標準，含糊不清或不存在的SOP、作業規範或工作指令

 要求快速且連續重覆的操作流程

 要求在極大的時間壓力下重覆操作的流程

 要求在按鍵區或鍵盤上正確輸入資料的流程

23
 常見的防錯裝置

 導向性/參照性的掛鉤或銷釘  探測輸送渠道
 模板(Template)  感測器
 限位開關  消除出錯條件
 計數器  對稱性/不對稱性設計
 順序設限  自動化鎖閉
 關鍵狀態指示燈或峰鳴器  下拉清單及鎖閉資料登錄區
 自動化  標準化

24
 常見的防錯裝置
導向性： 自動化鎖閉：
USB接頭，防止人員插反 汽車發動時，要先踩剎車

下拉清單及鎖閉資料登錄區： 模板：
BPM系統下拉選單 Protocol & Report Template

25
 常見的防錯裝置

導向性： 感測器： 探測輸送渠道： 自動化/順序設限：

插頭和插座形狀一致 感測端子置入位置 不同顏色的按扣分流 自動檢測避免人員誤判

26
 防錯策略

 牽制措施 (Containment) 好
- 在缺陷移至下一工序前被識別出來

 探測 (Detection)
更好
- 在操作過程中探測缺陷

 預防 (Prevention)
最好
- 使錯誤不可能發生

27
C3 SPC統計製程管控

28
 SPC 歷史概述

 貝爾實驗室的休瓦特(Walter Shewart)博士在1924年開
發了一套統計製程控制理論(Statistical Process Control)，
在二次大戰期間的生產被廣泛的應用
 流程特性的變化，可以透過對其特性取樣，以及對其分佈
參數評估來量化
 分佈的變化可以通過繪製參數與時間的關係圖來揭示

29
 SPC 的目的
 進行監控流程並且確保其輸出不會變差，以及不斷改進我們的流程

 TS 16949五大工具
- APQP：先期產品品質規劃（Advanced Product Quality Planning ）
- FEMA：失效模式影響分析（Failure Mode Effects Analysis）
- MSA：測量系統分析（Measurement System Analysis）
- SPC：統計製程管制（Statistical process control）
- PPAP：生產件批准程式 （Production Parts Approval Process）

 ISO 13485 7.6：

- 組織應決定需實施和量測以及所需的監視和量測設備，為產品提供符合所
決定的要求提供證據
- 應建立文件化的程序，以確保監視和量測和活動可行……

30
 收集資料的注意事項

Why • 收集資料的目的是什麼？
• 收集資料後要採取什麼措施

Who • 誰去收集資料？誰將分析資料？
• 根據該資料採取措施

What • 要收集什麼樣的資料？
• 該資料反映什麼樣的流程？

When • 什麼時候要收集資料？要收集多久？
• 什麼時候與流程關係人分享結果？

Where • 在流程或製程的什麼地方收集資料？
• 資料儲存的位置？

How • 怎樣獲取資料？
• 量測流程會產生多大的變異？
• 怎樣分析資料？用什麼樣的工具？
31
 關於管制界限

 管制上下界限是以平均值±3σ為基礎，與規格上下限並無直接關聯

 管制界限的用途除展現流程的變異之外，也可依此確定是否必要當
場採取措施

 糾正造成失控的原因後，須重新計算管制界限

 超出管制界限的機率約為0.27%，亦即正常情形下，1,000個點約有
3個超出管制

32
 變異原因的類型

特殊原因 (又稱非機遇原因) 共同原因 (又稱機遇原因)

• 凡變異可鑑定其肇因者屬特殊原因，此變 • 凡屬自然發生之變異，其造成分配與時間
異於製程中不常發生，且變異與時間關係 關係是穩定的，具重複性且可預測的，屬
並無特定統計分配，因此特殊原因的發生 共同原因。此肇因之改善，不易完全解決
屬不穩定事件且無法預估。修瓦特博士稱 與避免，但可藉由管理制度改善與技術提
此類變異的肇因為「非機遇原因」 升，縮小變異範圍。

• 製程出現異常的結果，是由特殊原因造成 • 無論產品在設計或製造階段如何的嚴謹與
時，應立即加以矯正，當特殊原因矯正後， 優良，生產完成後產品間的變異都仍然會
變異就會降低。 存在。

• 如果製程變異包含非機遇變異，即製程變 • 如果製程變異只包含機遇變異，即製程變
異受到特殊原因的影響，我們稱此製程為 異只受到機遇原因的影響，我們稱此製程
「不穩定」或「在管制外」。 為「穩定」或「在統計管制內」。

33
 管制圖的PDSA改善循環

• 確定抽樣計劃
• 採取措施，同時減
• 收集資料，並計算
少變異
管制界限

Action Plan
行動 計劃

Study Do
研究 實施
• 識別變異的各種特
• 實行SPC管制圖
殊或共同原因

34
 資料的型態與管制圖分類

計量型管制圖 計數型管制圖
(連續/定量的資料) (離散/定性的資料)
• X-bar & R Chart • p Chart
• X-bar & S Chart • np Chart
• u Chart
• c Chart

35
 SPC Road Map
計量型 計數型
資料型態

No %百分比
I / MR圖 合理分組
或缺點數
%百分比 缺點數
Yes

No 分組樣本 樣本大小 樣本大小

>8 固定 固定
Yes Yes
Yes
No
No
標準差
容易計算
p圖 u圖
Yes
No

X-bar & R圖 X-bar & S圖 np 圖 or p 圖 c 圖 or u 圖

36
 計量型 V.S. 計數型管制圖

計量型 計數型
X-bar R Chart (平均值與全距) p Chart (不合格率)
X-bar S Chart (平均值與標準差) np Chart (不合格數)
管制圖
M-bar R Chart (中位值與全距) c Chart (缺點數)
X-Rm Chart (個別值與移動全距) u Chart (單位缺點數)

1. 具靈敏性，容易調查出真因 1. 來源資料可用簡單方法得到
優點
2. 可及時反應不合格品，使品質穩定 2. 用來整理品質狀況，方便暸解

1. 抽樣次數頻繁，耗費時間 1. 無法找出不合格的真因
缺點
2. 資料需再測定、計算，人員需要訓練 2. 及時性不夠，容易延誤矯正時間

用途 診斷用 管制用

37
 畫管制圖之前必須完成的步驟

 用6 Sigma幫助建立適合措施實施的環境

 定義該流程：6 Sigma流程圖、因果關係圖、FMEA

 透過6 Sigma量測階段，定義量測系統，確認量測系統之能力(MSA)

 透過6 Sigma分析階段，找出已確定的關鍵輸入及流程特性

 透過6 Sigma改善階段，將不必要的變異減至最小

38
 管制圖的好處

 對持續進行的流程予以監控，促使流程如預期進行

 管制圖是探測特殊原因變異的有力工具

 提供討論流程效能的共同語言

 區別特殊原因和共同原因變異之間的差別

 使流程取得更高的品質及有效能力，同時也能降低單位成本

39
C4 計量型管制圖

40
 計量型資料的管制圖

 大多數流程均有可量測的特性

 計量型的資料，比計數型的資料具有更多的資訊及鑑別力

 因為在作可靠的決定之前，需要檢查較少的工件，以確定其生產和改
善措施之間的時間差距可以縮短

 由於計量型的資料，即使產品在規格界限之內，仍然可以分析和改進
流程的表現

計量型管制圖的實用性比計數型管制圖高

41
 X-bar & R 圖範例

取樣次序 Sample 1 Sample 2 Sample 3 Sample 4 Sample 5

1 50.0 48.2 56.4 46.8 56.6 X-bar Chart：
2 42.7 47.3 52.7 42.6 53.9
3 48.7 49.7 48.6 47.6 58.7
X1+X2+…+Xk
中心值CLX = X =
4 48.8 52.0 50.5 58.9 52.0
5 42.7 42.4 46.1 54.1 56.3
6 46.5 50.2 45.9 44.5 44.9 k
7 45.4 51.0 46.6 57.9 52.6
8 51.0 47.7 43.2 44.3 48.0 管制上限UCLX = X + A2R
9 52.6 54.0 53.4 57.1 56.0
10 53.4 51.6 54.6 47.8 53.6
11 53.4 53.2 58.1 51.1 56.0 管制下限LCLX = X - A2R
12 40.9 47.8 47.2 51.1 56.1
13 49.1 46.9 58.0 42.5 49.4
14 50.4 45.7 45.7 45.9 50.2
15 53.6 42.1 61.3 52.0 55.0
16 49.3 48.7 52.8 50.5 52.2 R Chart：
17 46.6 55.5 55.7 52.3 52.2
18 41.5 46.3 45.0 53.4 48.2 R1+R2+…+Rk
19 44.3 56.8 46.3 41.8 51.6 中心值CLR = R =
20 49.5 47.0 51.1 48.6 52.7 k
21 47.2 47.3 50.8 50.1 48.1
22
23
50.8
49.9
51.9
44.6
44.5
50.8
44.5
50.9
46.9
47.4
管制上限UCLR = D4R
24 59.0 54.9 55.6 55.4 56.0
25 44.5 59.5 58.9 42.0 57.2
管制上限LCLR = D3R

42
X-bar & R 圖範例

43
 標準差與因子係數的關係

A2的由來

D3 D4的由來

因為σ未知，所以用係數值取代3σ(透過平均全距值來估算σ)
44
 X-bar & S 圖範例

取樣次序 Sample 1 Sample 2 Sample 3 Sample 4 Sample 5

1 50.0 48.2 56.4 46.8 56.6 X-bar Chart：
2 42.7 47.3 52.7 42.6 53.9
3 48.7 49.7 48.6 47.6 58.7
X1+X2+…+Xk
中心值CLX = X =
4 48.8 52.0 50.5 58.9 52.0
5 42.7 42.4 46.1 54.1 56.3
6 46.5 50.2 45.9 44.5 44.9 k
7 45.4 51.0 46.6 57.9 52.6
8 51.0 47.7 43.2 44.3 48.0 管制上限UCLX = X + A3S
9 52.6 54.0 53.4 57.1 56.0
10 53.4 51.6 54.6 47.8 53.6
11 53.4 53.2 58.1 51.1 56.0 管制下限LCLX = X – A3S
12 40.9 47.8 47.2 51.1 56.1
13 49.1 46.9 58.0 42.5 49.4
14 50.4 45.7 45.7 45.9 50.2
15 53.6 42.1 61.3 52.0 55.0
16 49.3 48.7 52.8 50.5 52.2 S Chart：
17 46.6 55.5 55.7 52.3 52.2
18 41.5 46.3 45.0 53.4 48.2 R1+R2+…+Rk
19 44.3 56.8 46.3 41.8 51.6 中心值CLR = R =
20 49.5 47.0 51.1 48.6 52.7 k
21 47.2 47.3 50.8 50.1 48.1
22
23
50.8
49.9
51.9
44.6
44.5
50.8
44.5
50.9
46.9
47.4
管制上限UCLR = B4S
24 59.0 54.9 55.6 55.4 56.0
25 44.5 59.5 58.9 42.0 57.2
管制上限LCLR = B3S

45
X-bar & S 圖範例

46
 R & S 圖的判讀

 應先判讀及確認R或S圖，先找出變異並將其降低或改善，再改善平均值

 在R或S圖中，單個失控點常由計算錯誤、作圖錯誤或量測錯誤所引起

 在進入控制階段的第一份管制圖時，應先驗証R或S圖的準確性

 在R或S圖中的趨勢，可能因為流程的變異或量測系統變化受到影響

 確認造成失控的原因，除去失控點並重新計算管制界限(同時間也要去除
X-bar圖中的點)

47
 X-bar管制圖判讀原則
 管制圖的點子在正常狀況下，其分佈應該是隨機而不呈有系統之順序或排
列特性存在
 以±3σ訂定管制界限，但不正常的點子不一定都是在管制界限之外，有時
容易被忽略
 將管制界限以±1σ分為三個區塊，進行不正常點子的檢定，鑑別因特殊原
因所引起的異常

48
 X-bar管制圖判讀原則

 檢定原則之一：有單一個  檢定原則之二：單邊連續三點
點子超出管制界限之外 中有二點在A區或A區之外

• 由流程中的一個大的改變引起， • 可能是新物料的投入、新機械
須馬上採取行動 工具設定等而造成製程偏移

49
 X-bar管制圖判讀原則

 檢定原則之三：單邊連續五點  檢定原則之四：連續六點持續
中有四點在B區或B區之外 上升或下降

• 可能是新物料的投入、新機械 • 可能是工人疲勞、工具或設備
工具設定等而造成製程偏移 逐漸磨損或損壞、溫度或濕度
逐漸變化等而造成。

50
 X-bar管制圖判讀原則

 檢定原則之五：有八點在中心  檢定原則之六：連續九點在中
線兩側，但C區並無落點 心線之單側

• 可能是物料品質之大型差異、 • 可能是製程穩定度已出現重大
有兩台或更多的機器之數據繪 偏移，造成管制上下限失效
製於一起、測試方法或設備出
現大型差異等
51
 X-bar管制圖判讀原則

 檢定原則之七：連續十四點交  檢定原則之八：連續十五點在
互一升一降 中心線上下兩側的C區內

• 可能是受過度的調節、班次間 • 可能是抽樣母體(來源)經過篩選
或機器的變異影響 已剔除較差的落點，或是陳舊
及算錯的管制界限

52
 用Minitab建立管制圖

Stat>Control Charts>Variables Charts for Subgroup>Xbar-R

下拉選單選擇

將樣本組資料代入

53
用Minitab建立管制圖

選擇所有的判讀原則

54
 用Minitab建立管制圖

其它的選項說明：

Parameters： Estimate： Box-Cox：

可輸入過往或期望的平均值與標準差 預設是以平均全距值估算標準差，也可 以非常態方式執行管制圖
選擇傳統的方式來計算

55
 用Minitab建立管制圖

Minitab會自動判讀並顯示違反檢定原則的樣
本組平均值點

56
 用Minitab建立管制圖
顯示管制圖中心線上下的1σ、2σ 、3σ的管制界限

*R圖的管制下限若為負值，以0代入
57
 用Minitab建立管制圖

Stat>Control Charts>Variables Charts for Subgroup>Xbar-S

• Xbar-S圖操作與Xbar-R圖相同
• 教材中雖用同一樣本數據，但X-bar S適用於各組樣本數較大(>10 or 8)
58
X-bar & R 圖和X-bar & S 圖差異

59
 重新計算管制界限

 在確定了失控點的原因後，就可以消除這些點，以便重新計算管制界限

輸入欲消除的點位

60
重新計算管制界限

• 注意管制界限的微小改變

重新計算

61
 總結：X-bar & R 和X-bar & S

 X-bar R或X-bar S圖多用於機器控制的流程

 當資料可以合理編組時使用

 因為資料來源是計量(連續)型的資料，故區分特殊原因和共同原因引起的
變異時，是有力的工具

 易於顯示趨勢、流程偏移和其它非隨機變異，有助於迅速估計製程能力

 對特殊原因採取改善措施是第一優先的事

 減少共同原因所引起的流程變異，是多數6 Sigma專案的目的

62
C5 計數型管制圖

63
 計數型資料的管制圖

 現有資料是屬於計數(離散)型資料時，例如不合格數、缺點數及單位
缺單數，我們可以使用計數型的管制圖來監控流程。

 在不易測量流程特性及繪製計量型管制圖的情況下，用不合格缺點來
表示其特性

 計數型管制圖所需的樣本數量較計量型管制圖多，但其對不正常原因
之檢出力亦較計量型管制圖差

計量型管制圖的實用性比計數型管制圖高

64
 p 管制圖

 資料來源須符合二項式分配，例如：不合格率、首次良率、審查過關率…

 二項分配（Binomial distribution）是n個獨立的「是/非」試驗中成功的
次數的離散機率分佈，其中每次試驗的成功機率為p。這樣的單次成功/
失敗試驗又稱為伯努利試驗

 分組(k)的樣本(n)數量通常要很大(≧50)

 取樣的頻率或時間間隔較短時，雖可得到較快一些的回饋，但產量可能
達不到分組樣本數量的要求

65
 p Chart 管制界限

總不合格數
中心值CLp = p =
總樣本數

• 每一個分組k都會有各自獨立的管制界限
• 若可以，儘可能讓各組樣本(n)數量固定

66
 p 管制圖範例

Stat>Control Charts>Attributes Charts>P

不合格 樣本數
20 98
18 104 不格合數
14 97
選取第一
16 99
個檢定
13 97 n
29 102
21 104
14 101
6 55
6 48 各組樣本數量若相同，才可選所有點子檢定
7 50
7 53
9 56
5 49
8 56
9 53 由於計數型資料包含較少資訊，其管制
9 52 圖對特殊原因的失控檢定項目會較少
10 51
9 52
10 47

67
 p 管制圖範例
# 不合格 樣本數 CL UCL LCL
1 20 98 16.85% 0.282 0.055
2 18 104 16.85% 0.279 0.058
3 14 97 16.85% 0.283 0.055
4 16 99 16.85% 0.281 0.056
5 13 97 16.85% 0.283 0.055
6 29 102 16.85% 0.280 0.057
7 21 104 16.85% 0.279 0.058
8 14 101 16.85% 0.280 0.057
9 6 55 16.85% 0.320 0.017
10 6 48 16.85% 0.331 0.006
11 7 50 16.85% 0.327 0.010
12 7 53 16.85% 0.323 0.014
13 9 56 16.85% 0.319 0.018
14 5 49 16.85% 0.329 0.008
15 8 56 16.85% 0.319 0.018
16 9 53 16.85% 0.323 0.014
17 9 52 16.85% 0.324 0.013
18 10 51 16.85% 0.326 0.011
19 9 52 16.85% 0.324 0.013
20 10 47 16.85% 0.332 0.005
合計 240 1424

管制界限的範圍為何越來越大？

68
 np 管制圖

 與p圖的標準一樣，現有的資料屬計數型，資料來源須符合二項式分配

 各組的樣本數量須相同，樣本(n)數量通常要很大(≧50)

 是用不合格品數，而非是不合格率

總不合格數
中心值CLnp = d =
總組數

總不合格數
p=
總樣本數
69
 np 管制圖範例

Stat>Control Charts>Attributes Charts>NP

不合格 樣本數
20 98
18 104
不格合數
14 97
16 99
13 97 樣本n數填入100
29 102
21 104
14 101
6 55
6 48
7 50
7 53
9 56
5 49
8 56
9 53 由於計數型資料包含較少資訊，其管制
9 52 圖對特殊原因的失控檢定項目會較少
10 51
9 52
10 47

70
 np 管制圖範例

管制的是不合格數(樣本數n要固定)，非不良率

試著依公式來手動計算管制界限
71
 u & c 管制圖

 有些流程或產品雖有少數缺點，但不致因此造成缺陷，而判定不良，只
是缺點的多少影響其品質之高低。因而用缺點之數目，表示其品質狀況，
並依此進行管控

缺點管制圖 u Chart c Chart

樣本數量 不固定 固定

管制界限 i

= 總計缺點數c/總計樣本數n = 總計缺點數c/總計樣組數k

72
 u 管制圖範例
 依射出成型面積的大小，檢查外觀的污點數目

Stat>Control Charts>Attributes Charts>U

缺點數

樣本數

73
 u 管制圖範例

= 總計缺點數c/總計樣本數n

試著依公式來手動計算管制界限
74
 c 管制圖範例
 固定取樣射出成型面積，檢查外觀的污點數目

Stat>Control Charts>Attributes Charts>C

缺點數

75
 c 管制圖範例

= 總計缺點數c/總計樣組數k

試著依公式來手動計算管制界限
76
 u & c 管制圖的差別
 假設固定取樣射出成型面積20cm²，污點的統計數量不變的情形下，繪製u & c Chart

u Chart： c Chart：
是管制一個n中的平均缺點數(109/800)，亦即 是管制一組k中的平均缺點數(109/40)，亦即
每1cm²的平均缺點數 每1組的平均缺點數

77
C6 專案終結

78
 專案移交-職責演變

 在專案結束後，專案小組必須逐漸離開，責任將移交至流程擁有者
 這個移交過程必須要有所計劃，且儘早開始

6 Sigma專案小組

責 流程擁有者
任

時間

79
 專案移交-成功的關鍵

及早使大家接受，不至 • 專案小組必須包括所有重要的角色
於有突兀的感覺 • 定期向流程管理層報告

建立定期量測系統 • 流程管制和產品監控系統

• 改善後的流程圖
更新操作程序與文件
• 用文件記載任何殘餘的隱形工廠

• 不只是培訓其中的一些人
花時間做真正的教育
• 新的操作程序和量測都要經過教育

• 對關鍵的專案指標進行經常性的量測
監控結果
• 對專案的成效及財務效益進行追蹤

完成專案移交計劃 • 完成後的移交和未完成的執行與追蹤

80
 專案移交行動計劃

專案移交計劃 (Project Transition Action Plan)：

專案名稱：
移交負責人：
計劃日期：
完成專案所要採取的行動 行動負責單位 行動負責人 簽名 預計完成時間 實際完成時間
1
2
3
4 • 已完成要監控的，未完成要繼續執行的
5 • 誰該負責執行？什麼時候完成？
6
7 • 移交負責人是誰？流程負責人是誰？
8
9
10

簽名
移交負責人
在每一個人同意之前，該計劃並沒有完成！ 流程負責人
盟主

81
專案移交行動計劃範例

82
 Q&A
Thank you for attention