【品質工程】統計製程管制Statistical Process Control SPC的 ... | 食品添加物合法業者資訊網

2019年4月13日—InordertostudyhowtoidentifyAssignable/SpecialcausessomemoreconceptslikeBetweenandWithingroupvariationandstatisticaltools ...

原文請參考Jeff的google blog[1]

統計製程管制原文為Statistical Process Control 源自於蕭華特博士的發明，這項發明的意義重大，為現在的工業界建立了品質管控的基礎，徹底提升業界管控變異的能力。這項發明同時也受益於戴明博士的繼承與推廣，協助日本在戰後成為高品質的代名詞，於是目前我們所熟知的SPC成為了工業界及管理界的利器。SPC後來甚至在車用領域的品質系統IATF16949中被定義成核心五項工具之一，可見得SPC在品質工程領域佔了一席之地。但即便在戴明博士的年代，他也已經注意到SPC被視為僅能用於工業界製造業的工具，他提醒這樣的觀點與觀念是不對的，SPC同樣也能大量用於管理學上。

SPC特別強調共同原因Common Cause及特殊原因Special Cause，也就是說共同原因使得SPC產生一般性的隨機波動，而這種波動是極難去除的，當SPC維持這種狀態，我們就說它處於穩定狀態；相反的，假如有特殊原因產生 SPC就會產生不隨機的波動，因而超出管制界限或者呈現某種趨勢。所以如果我們若想要找出某項參數是否在過程中出現變化，就能夠使用SPC作為監測的工具。一般常見的SPC有X-bar R chart、X-bar S chart、p- chart、np-chart等等，近年來由於不同的生產特性，傳統的SPC不符合使用需求，因此陸續發展出其他SPC，不過彼此的原理大致相同。因此在本文中只會介紹到X-bar R chart、P- chart、np-chart 並不會提及更多其他管制圖。而SPC主要由管制中心、管制上限和管制下限所組成 其計算方式依循統計原理，我們將在下方一一介紹。

「品質」有許多面向的定義，品質工程教科書提到許多專家提及品質的面向，包括顧客滿意度、可靠度、外觀精緻度、尺寸公差等等，或者將品質定義為「符合規格」、「符合顧客需求」，但這些定義都沒有「品質是變異的反比」這句話來得精準、確切。在此定義之下，品質從一個抽象名詞成為一項具有可操作定義的具體產物，其中「變異」兩字 是任何學習統計或品質管理的人都應該具備的觀念，而現代品質工程用來描述變異的工具就是機率與統計。透過機率與統計這...