78 1 78 品管方法歷程 SPC 興起的背景 什麼是 SPC SPC 基本觀念 SPC 的特點 SPC 認識誤區的剖析 SPC 發展歷程 四 . SPC 的基本觀念 世上沒有任何兩件事.人員.產品是完全一樣 製造過程中所產生之變異是可以衡量的 事情.產品的變異通常根據一定的模式而產生 宇宙萬物及工業產品大都呈常態分配 例如 : 身高.體重.智力.考試成績.所得分配 變異的原因可分為偶因及異因 偶因屬管理系統的範圍 異因卻是作業人員本身就能解決的 應用 SPC 可以確保作業人員的自尊 應用 SPC 可以指出製程最需要改善的地方 SPC 是全系統的，全過程的，要求全員參加，人人有  責。這點與全面質量管理的精神完全一致。 SPC 強調用科學方法(主要是統計技術，尤其是控  制圖理論)來保證全過程的預防。  SPC 不僅用於生産過程，而且可用於服務過程和一  切管理過程。 定義 主要統計學名詞 舉例說明 統計與 SPC  定義  為了解被 調 查群體的某些隱含的特性，運用合理的抽樣方法從被調查群體中取得適當的樣本，通過研究樣本來發現群體的特性 !  主要統計學名詞 群體　於制造業而言，通常指在同一生產條件下符合特定要求的所有個體的集合 !  也可稱為批量 記為 N 樣本  於群體中抽樣而得的部份個體的集合 !  記為 n μ 　群體平均值　 　 X bar 樣本平均值  群體標准差  x  樣本標准差 R 全距　 概率(六合彩 )  正態分布 在中心線或平均值兩側呈現對稱之分佈 常態曲線左右兩尾與橫軸漸漸靠近但不相交 曲線下的面積總和為 1 不同的常態分配 不同的常態分配  不同的常態分配 舉例說明 初三學生體育測試 : 跳遠 : ( 男生組 ) 2.50m 95% 達標率 ( 女生組 ) 2.30m 95% 達標率 東西方身體素質差異 身高 :  東方成年男性 168cm  西方成年男性 175cm 體重 :  東方成年男性 65kg  西方成年男性 75kg  什麼是控制圖  控制圖是對過程質量加以測定、記錄從而進行控制管理的一種用科學方法設計的圖。圖上有中心線 (CL) 、上控制界限 (UCL) 和下控制界限 (LCL) ，並有按時間順序抽取的樣本統計量數值的描點序列，參見控制圖示例圖。 控制圖原理的兩種解釋  控制圖原理的第一種解釋 ： 　  在控制圖上描點，實質上就是進行統計假設檢驗，而控制圖的上、下控制界即爲接受域與拒絕域的分界限，點子落在上、下界限之間，表明可接受，點子落在上、下界限之外，表明應拒絕。 兩類錯誤 　　　虛發警報的錯誤,也稱第I類錯誤。在生産正常的情況下,純粹出於偶然而點子出界的概率雖然很小,但總還不是絕對不可能發生的。因此,在生産正常、點子出界的場合,根據點子出界而判斷生産異常就犯了虛發警報的錯誤或第I類錯誤,發生這種錯誤的概率通常記以 α  　　　漏發警報的錯誤,也稱第Ⅱ類錯誤。在生産異常的情況下,産品質量的分佈偏離了典型分佈,但總還有一部分産品的質量特性值是在上下控制界之內的。如果抽到這樣的産品進行檢測並在控制圖中描點,這時由於點子未出界而判斷生産正常就犯了漏發警報的錯誤或第Ⅱ類錯誤,發生這種錯誤的概率通常記以 β  　　　由於控制圖是通過抽查來監控産品質量的,故兩類錯誤是不可避免的。在控制圖上,中心線一般是對稱軸,所能變動的只是上下控制限的間距。若將間距增大,則α減小而β增大,反之,則α增大而β減小。因此 , 只能根據這兩類錯誤造成的總損失最小來確定上下控制界限。 根據經驗 ， μ±3σ 作為管制限可以使總損失最小  控制圖原理的第二種解釋 　　　根據來源的不同，質量因素可以分成 4M1E 五個方面。 但從對質量的影響大小來看，質量因素可分成偶然因素(簡稱偶因)與異常因素(簡稱異因)兩類。偶因是始終存在的，對質量的影響微小，但難以除去，例如機床開動時的輕微振動等。異因則有時存在，對質量影響大，但不難除去，例如車刀磨損、固定機床的螺母鬆動等。 偶然因素（偶波）和異常因素（異波） 局部性的對策及系統中的對策 局部問題的對策 * 通常用來消除特殊原因造成的變異 * 可以被製程附近的人員來執行 * 一般可以改善製程的 15% 系統改善的對策 * 通常用來減低普通原因造成的變異 * 幾乎總是需要管理者的行動來加以矯正 * 一般可以改善製程的 85% 　　　偶波與異波都是産品質量的波動，如何能發現異波的到來呢？經驗與理論分析表明，當生産過程中只存在偶波時，産品質量將形成某種典型分佈。如果除去偶波外還有異波，則産品質量的分佈必將偏離原來的典型分佈。因此，根據典型分佈是否偏離就能判斷異波，即異因是否發生，而典型分佈的偏離可由控制圖檢出。例如在車制螺絲的時，由於發生了車刀磨損的異因，螺絲直徑的分佈偏離了原來的正態分佈而向上移動，於是點子超出上控制界的概率大爲增加，從而點子頻頻出界，表明存在異波。控制圖上的控制界限就是區分偶波與異波的科學界限。 　 (1) 對全廠每道工序都要進行分析(可用因果圖)， 找出對 最終産品影響最大的變數，即關鍵變數(可用排列圖)。如美國 LTV 鋼鐵公司共確定了大約 20000 個關鍵變數。 　 (2) 找出關鍵變數後，列出程序控制網圖。所謂程序控制網圖即在圖中按工藝流程順序將每道工序的關鍵變數列出。 　 (3) 對步驟2得到的每一個關鍵變數進行具體分析。 　 (4) 對每個關鍵變數建立程序控制標準，並填寫程序控制標準表。 實施標準化 編制控制標準手冊，在各部門落實。將具有立法性質的有關程序控制標準的文件編制成明確易懂、便於操作的手冊，使各道工序使用。如美國 LTV 公司共編了 600 本上述手冊。 例題說明 X1 = 1  X2 = 2 X3 = 3  何謂 PPM 、 DPM ？ PPM ： Part Per Million 	 是指製程中所產生之百萬分之不良數。 DPM ： Defect Per Million 	 是指製程中所產生之百萬分之缺點數。 PPM 之計算-理論值(假設 ) 以動態理論，中心會左右移動 1.5σ ，實際水準為 6 σ ， 6σ-1.5σ=4.5σ ，查表得知 4.5σ=0.000003398 ，換算後等於 3.398PPM 。 以靜態理論， 6σ-0σ=6σ ，查表得知 6σ=0.000000001= 轉換後等於 0.001PPM ，但需乘2，所以 PPM=0.002 。 如何計算出合理工程技術規格 (1) 由 Cpk 公式中：  Cpk = ( 規格上限 – Xbar ) / 3σa 或 ( Xbar - 規格下限 ) / 3σa  兩者取小值  我們得知，當我們的 Cpk 值訂為 1.5 時，其規格上限、規格下限如何計算出來？  1.5 = ( 規格上限 – 304.554 ) / ( 3 × 0.066) 規格上限 = 304.554 + 1.5× ( 3 × 0.066 ) 規格上限 = 304.851 1.5 = (304.554 – 規格下限 ) / ( 3 × 0.066 ) 規格下限 = 304.554 – 1.5× ( 3 × 0.066 ) 規格下限 = 304.257 6 σ 的詮釋 3 σ 与 6σ 的比較 “品質特性”中組合零件之數目  3σ 品質水準的產品品質可靠度  6σ 品質水準的產品品質可靠度 1 99.7300029% 99.999999800%  9 97.5961049% 99.999998200%  10 97.3325980% 99.999998000%  50 87.3557666% 99.999990000%  75 81.6464617% 99.999985000%  100 76.3102995% 99.999980000%  250 50.8695500% 99.999950000%  500 25.8771111% 99.999900000% 750 13.1635700% 99.999850000%  1000  6.6962488% 99.999800000%  2000  0.4483975% 99.999600001% 6 σ 的詮釋 不同個數σ的相對嚴重程度之示意  σ 以書刊錯字校對為例 6σ 一間小型圖書館全部藏書中有一個錯字 5σ 一部百科全書中有一個錯字 4σ 一冊書每 30 頁中有一個錯字 3σ 每頁書中有 1.5 個錯字 2σ 每頁書中有 25 個錯字 1σ 每頁書中有 170 個錯字 不同個數σ与 PPM 品質水準的對比 Cp PPM  Cpk  PPM  6σ 2.00 2  1.50  3.4  5σ 1.67 58  1.17 233  4σ 1.33 64  0.83 6200  3σ 1.00 2700  0.50  66800  2σ 0.67 45500 0.17  308700  1σ 0.33 317300 -0.17 697300 規格界  靜態 動態 限寬度 UPPER CASE 規格 304.42±0.2 258.215±0.2 33.473±0.1 39.186±0.1 157.173±0.15 84±0.1 19.45±0.05 19.15±0.05 位置 1 2 3 4 5 6 7 8 1 304.53 258.21 33.37 39.26 157.27 84.02 19.52 19.15 2 304.58 258.21 33.39 39.22 157.32 84.03 19.51 19.15 3 304.58 258.20 33.35 39.25 157.28 84.05 19.54 19.16 4 304.55 258.20 33.46 39.18 157.25 84.02 19.51 19.13 5 304.46 258.20 33.42 39.21 157.19 84.06 19.53 19.15 6 304.50 258.26 33.45 39.22 157.32 84.05 19.52 19.14 7 304.50 258.28 33.45 39.22 157.29 84.05 19.51 19.16 8 304.65 258.29 33.42 39.26 157.28 84.06 19.52 19.15 9 304.60 258.29 33.37 39.24 157.25 84.03 19.50 19.18 10 304.59 258.28 33.35 39.28 157.25 84.02 19.49 19.15 11 304.64 258.21 33.46 39.28 157.33 84.02 19.51 19.15 12 304.62 258.22 33.41 39.22 157.28 84.03 19.53 19.21 13 304.66 258.25 33.40 39.25 157.28 84.05 19.54 19.15 14 304.60 258.26 33.45 39.25 157.29 84.05 19.54 19.12 15 304.52 258.29 33.41 39.24 157.26 84.03 19.52 19.15 16 304.51 258.29 33.39 39.26 157.27 84.02 19.52 19.21 17 304.53 258.28 33.38 39.26 157.32 84.03 19.52 19.14 18 304.50 258.27 33.39 39.22 157.28 84.05 19.51 19.21 19 304.50 258.22 33.35 39.25 157.25 84.02 19.53 19.14 20 304.50 258.27 33.36 39.18 157.19 84.06 19.52 19.21 21 304.47 258.29 33.37 39.21 157.32 84.05 19.49 19.21 22 304.59 258.26 33.42 39.22 157.29 84.05 19.49 19.20 23 304.63 258.26 33.42 39.22 157.28 84.06 19.53 19.20 24 304.63 258.29 33.40 39.26 157.25 84.03 19.51 19.14 25 304.58 258.28 33.40 39.24 157.25 84.02 19.50 19.15 26 304.61 258.26 33.41 39.28 157.33 84.02 19.50 19.14 27 304.52 258.22 33.45 39.28 157.28 84.03 19.51 19.14 28 304.53 258.20 33.45 39.22 157.28 84.05 19.48 19.15 29 304.29 258.22 33.47 39.25 157.29 84.05 19.50 19.16 30 304.55 258.25 33.37 39.25 157.26 84.03 19.51 19.16 31 304.50 258.26 33.36 39.24 157.27 84.02 19.48 19.20 32 304.50 258.29 33.38 39.26 157.32 84.03 19.52 19.15 33 304.58 258.29 33.39 39.22 157.28 84.06 19.48 19.16 34 304.63 258.28 33.38 39.25 157.25 84.06 19.48 19.20 35 304.65 258.28 33.41 39.18 157.19 84.05 19.52 19.15 規格數據實例深度研究 漏發警報的錯誤 β 偶然因素之變異 異常因素之變異 １．大量之微小原因所引起,不可避免 ２．不管發生何種之偶然原因，其個別　　　之變異極為微小 ３．幾個較代表性之偶然原因如下： 　　（１）原料之微小變異 　　（２）機械之微小掁動 　　（３）儀器測定時不十分精確之作 　　　　　法 ４．實際上要除去製程上之偶然原因，　　是件非常不經濟之處置 １．一個或少數幾個較大原因所引起,可以避免 ２．任何一個異常原因，都可能發生　　大之變異 ３．幾個較代表性之異常原因如下： 　　（１）原料群體之不良 　　（２）不完全之機械調整 　　（３）新手之作業員 ４．異常原因之變不但可以找出其原　　因，並且除去這些原因之處置，在　　經濟觀點上講常是正確者 確立製造流程 繪製製造流程圖 訂定品質工程表　 決定管制項目 顧客之需求為何 ? 實施標準化 標準之建立、修正與營運 製程能力解析 是否符合規格或客戶的要求 ? 決定管制項目 程序控制標準表 所有車間 控制點  控制因子  文件號  制定日期  控制內容  過程標準  控制理由  測量規定  資料報告  途徑控制圖  糾正性措施 有無建 立控制圖  控制 圖類型  制定者 制定日期  批準者 批準日期  操作程序  審核程序  制定者  審核者  審核 日期  品質的一致性 乙選手 甲選手 誰的成績好呢 ? 您的工廠/服務品質/供應商若有問 題,您希望是甲狀況還是乙狀況呢 ? 誰較有潛力呢 ? 你會選誰當選手呢 ? 製程能力解析 符合規格就真的 OK 了嗎 ? 製程能力靶心圖 判斷制程穩定或異常的準則 判穩準則 : 　　　　在點子隨機排列的情況下,符合下列各點之一就認爲過程處於穩態 :  　　 (1) 連續 25 個點子都在控制界限內 ;  　　 (2) 連續 35 個點子至多1個點子落在控制界限外 ;  　　 (3) 連續 100 個點子至多2個點子落在控制界限外。 判穩準則 (2) ： 　　若過程正常爲正態分佈,令d爲界外點數,則連續 100 點 ,d≥2 的概率爲　　 P( 連續 100 點 ,d ≥ 2)=0.0026  　　這是與 α0=0.0027 爲同一個數量級的小概率。因此,若過程處於穩態,則連續 100 點,在控制界外的點子超過2個點 (d>2) 的事件爲小概率事件,它實際上不發生,若發生則判斷過程失控 α3=0.0026 就是準則 (3) 的顯著性水平。 判斷異常的準則 :  符合下列各點之一就認爲過程存在異常因素 :  (1) 點子在控制界限外或恰在控制界限上 ;  (2) 控制界限內的點子排列不隨機。  界內點排列不隨機的模式很多,常見的有:點子屢屢接近控制界限、鏈、間斷鏈、傾向、點子集中在中心線附近、點子呈周期性變化等等,在控制圖的判斷中要注意對這些模式的識別。 模式 1:  點子接近控制界限  (1)  連續3個點中,至少有2點接近控制界限 ;  0.0053  　　  (2)  連續7個點中,至少有3點接近控制界限 ;  0.0024  　　  (3)  連續 15 個點中至少有4點接近控制界限 0.0030  模式 2: 中心線一側出現長爲9的鏈  0.0038 模式 3:  連續6點的傾向 ，即上升或下降  0.00273  模式 4: 點子集中在中心線附近。即點子距離中心線在 1σ 以內  連續 15 點集中在中心線附近 0.0033  十五項品質指標 理論解析、實例演練 USL ：規格上限 SL ：規格中心值 LSL  ：規格下限 XUCL ： Xbar 管制圖的管制上限  Xbar ：  Xbar 管制圖的中心值 XLCL ： Xbar 管制圖的管制下限 RUCL ：R管制圖的管制上限 R Bar ： R 管制圖的中心值 RLCL ：R管制圖的管制下限 Ca  ：製程准确度 Cp 製程精密度(製程潛力 ) Cpk  製程能力 PPM Parts Per Million SGMs  規格標準差 SGMa  製程標準差 Sigma Spec Chart 規格管制技術圖 Sigma Actual Chart 製程管制技術圖 品質規格要求 品質管制圖分析 品質六大特質分析 品質技術分析 何謂標準差 (σ) ? 希臘文字里的 sigma 小寫符號 – σ-- 是統計學符號。代表母體的“標準偏差 ”. （ Standard Deviation ） 統計學中，標準偏差意指任何一組事項或流程所產出的變異或不一致的度量值。	例﹕熱漢堡、三件襯衫，超市感覺。  從技術上來說，標準差是在某流程中，變異（ Variation） 程度的度量值 。 Ts=21+/-2 0C 的溫度控制器 Ta=13-29 0C --- 不合格 ， 變異>=8 也就是說標準差就象是一把尺 ， 用來評估流程結果的好壞 。  六標準差之例 σs — 規格標準差 讀做 Sigma Spec σa— 製程標準差 讀做 Sigma Actual 注：樣本數 n < 25 平均值與標準差 (σs= σa= 零 PPM 品質 ) 客戶期望值 : 8 天交期， X s=8 ， X a=2~17 2 4 8 12 16 17 15 天 SPAN 交貨期	改進後 	 20	  17 15 2 30 5  10  12 5 4 16 8 平均 平均值與標準差 (σs= σa= 零 PPM 品質 ) 客戶期望值 : 8 天交期， X=8 ， σs=0, X a1=2~17 ， Xa2=7~9 2 4 8 12 16 17 15 天 SPAN 交貨期	改進後 	 6σ 20	 17  7 15 2  9 30 5  9 10  12  8  5 4  7  16 8  8	 平均 7 9 2天 SPAN 5 8 縮短範圍是重點 . σ 9-10 6-7 1 Ca— 準確度 Capacity of Accuracy Ca = L1 /L2 L1 = X ─ SL L2 = (USL — LSL)/2 Ca 等級之解說 等級評定後之處置原則 (Ca 等級之處置 ) A 級:作業員遵守作業標準操作並達到規格之要求須繼續維持。 B 級:有必要可能將其改進為A級。 C 級:作業員可能看錯規格不按作業標準操作或檢討規格及作業標準。 D 級:應採取緊急措施，全面檢討所有可能影響之因，必要時得停止生產。 以上僅是些基本原則，在一般應用上 Ca 如果不良時，其對策方法是製造單位為主，技術單位副，品管單位為輔。 Cp— 精密度 Capacity of precision Cp 等級之解說 等級評定後之處置原則 (Cp 等級之處置 )  A 級:此一製程甚為穩定，可以將規何許容差縮小或勝任更精密之工作。 B 級:有發生不品之危險，必須加以注意，並設法維持不要使其變壞及迅速追查。 C 級:檢討規格及作業標準，可能本製程不能勝任如此精密之工作。 D 級:應採取緊急措施，全面檢討所有可能影響之因素，必要時應停止生產。 以上也是與 Ca 一樣，僅是一些基本原則，在一般上 Cp 如果不良時，其對策方法是技術單位為主，製造單位為副，品管單位為輔。 Cpk – 製程能力製程能力指數(綜合指數 ) Cpk 是總合 Ca(k) 和 Cp 二值之指數，其計算式為 : 當 Ca =0 時， Cpk =Cp 單邊規格時， Cpk 即以 Cp 值計，但需 取 絕對值。 Cpk = ( 規格上限 – Xbar ) / 3σa 或 ( Xbar - 規格下限 ) / 3σa 兩者取小值  Cpk – 精確度製程能力指數(綜合指數 ) 實例演練 計量值管制圖的繪制 (1) 收集數據 選擇管制特性 能測定的產品或製程特性 与客戶使用及生產關系重大的特性 對下工序影響較大的特性 經常出問題的特性 關鍵製程的特性 決定樣本大小n及抽樣間隔 n 約在 2~5 個之間，不宜太大 同一組的數據最好在同一生產條件及同一短時間內取樣 初期解析的製程最好在較小的的間隔連續取樣，管制狀態下之製程可加長其間隔 每組樣本可識別日期、時間等 不影響生產及可接受的成本下 決定樣本組數 足夠的樣本組數以保証製程的主要變异有机會出現 25 組以上的樣本以檢定製程的穩定及估計製程特性的平均數及標準差 (2) 計算每組的平均、每組的全距、總平均、全距平均 (3) 計算管制界限 Xbar=(X1 ＋ X2 ＋…＋ Xn)/n UCLXbar= (Xbar)bar + A2Rbar CLXbar= (Xbar)bar LCLXbar= (Xbar)bar - A2Rbar R=X 最大值－X最小值 UCLR= D4Rbar CLR=Rbar UCLR= D3Rbar (4) 繪制管制界限及描點 (5) 解析製程 (6) 製程能力研究 (7) 延長管制界限開始管制 計量值管制圖的繪制 “查找异因、采取措施、保証消除、納入標準 ” * SPC 統 計 製 程 控 制  理論培訓教材  甲上電腦 ( 深圳 ) 有限公司 研討、交流、提高 本次訓練班的內容 正確認識 SPC SPC 興起的背景 SPC 的基本概念 SPC 認識誤區的剖析 統計學概述  控制圖原理 SPC 推行具體步驟  判斷制程穩定或異常的準則 十五項品質指標 理論解析、實例演練 一 . 品管方法歷程  Average Company 一般公司 Best in class 世界標竿公司 1σ 2σ 3σ 4σ 5σ 6σ  3.4  233 6,210 690,000 300,800 66,807 產品檢查 產品管制 製程管制 品管7手法 (5S 、 QCC 、 ISO9001:2000) 管理改善 (PDCA) 一般公司 THREE SIGMA 改善 技術改善 (DMAIC) 世界標竿公司 SIX SIGMA 改善  方法  管制 試驗計劃與制程結合 試驗計劃與設計結合 產品管制最佳化 設計管制最佳化 二 . SPC 興起的背景 「經驗掛帥時代」的結束  ISO9000 品保体系的要求  「 ISO-9000 」。要求為客戶提供合格的產品，只有穩定而一貫（ Consistent ）的「過程」與「系統」，才能保證長期做出合格的產品。然而，如何檢核此一貫「過程」與「系統」仍然穩定的存在呢？這必須仰賴 SPC 來發揮功能。 如果工作經驗對產品品質有舉足輕重的影響（例如：手工裁縫），那麼， SPC 就沒有太多揮灑的空間。相反地，如果某一公司開始將經驗加以整理，而納入設備、製程或系統時；也就是說，該公司開始宣告「經驗掛帥時代」將要結束，那麼 SPC 的導入時機也就自然成熟了。 美國 W. A. Shewhart 博士於 1924 年發明管制圖，開啟了統計品管的新時代 SPC 是英文 Statistical Process Control 的字首簡稱,即  統計過程控制。 SPC 就是應用統計技術對過程中的各個階段收集的數據進行分析，並調整制程，從而達到改進與保證質量的目的。  SPC 強調預防，防患於未然是 SPC 的宗旨。 三 .  什麼是 SPC SIX SIGMA 、 ISO9000 、 TQM 、 QCC 、 SPC 1990-2000 ISO9000 、 TQM 、 QCC 、 SPC 1980-1990 TQM 、 QCC 、 SPC 1970-1980 QCC 、 SPC 1960-1970 SPC 1950-1960 約每 10 年就出現一種關鍵品質管理方法 推動品質活動 Statistical Process Control  規格　 制程 USL 　　 UCL SL 　　　 CL LSL 　　 LCL s a Ca  Cp  Cpk 　 群體　 樣本 μ 　　 　 X bar x N n R 　 計量值： 均值極差圖 s規格標准差圖 直方圖 計數值： P 不良率圖 C 缺點數圖 柏拉圖 五 .SPC 的特點 六 . SPC 認識誤區的剖析(一 ) 有管制圖就是在推動 SPC 這張管制圖是否有意義？ 這張管制圖是否受到應有的重視？是否已照規定執行追蹤與研判？  這些問題經過推敲之後才能幫助我們對 SPC 作更深入的瞭解。 它所管制的參數真的對產品品質有舉足輕的影響嗎？ 管制界限訂的有意義嗎？ 六 . SPC 認識誤區的剖析(二 ) 有了 Ca/Cp/Cpk 等計算就是在推動 SPC ？ Ca/Cp/Cpk 是在 SPC 中計算製程能力最主要的指標，因此會作製程能力分析的公司，當然是一個對 SPC 認識較深入的公司，但是值得再深入探討的是 ─ Ca/Cp/Cpk 有定期 Review 嗎？ 是否已用 Ca/Cp/Cpk 作訂單分派給不同生產線生產的依據？ Ca/Cp/Cpk 被活用了嗎？ 六 . SPC 認識誤區的剖析(三 ) 有了可控制的製程參數就是 SPC ？ 製程參數的確是 SPC 的焦點，但是我們應深入探究 ──  為什麼挑出這些製程參數？ 這些製程參數的控制條件是如何決定的？ 這些製程參數與成品品質間有因果關係可循嗎？ 製程（ Process ） ── 品質的源頭、 SPC 的焦點 製程的起伏變化是造成品質變異（ Variation ）的主要根源，而品質變異的大小也才是決定產品優劣的關鍵。這種因果關係，可進一步表示如下： 製程條件起伏 品質變异 產品优劣 因 果 因 果 結論：製程是 SPC 的焦點 統計學是科學的以偏概全的方法 一葉知秋 春霧雨  夏霧熱  秋霧太陽  冬霧雪 送禮物 正態分布基本知識 100 個機螺絲直徑直方圖。 圖中的直方高度與該組的頻數成正比 舉例說明： 　　機螺絲直徑直方圖 　　　　　　　　　　　　直方圖趨近光 　　將各組的頻數用資料總和 N=100 除，就得到各組的頻率，它表示機螺絲直徑屬於各組的可能性大小。 　　顯然，各組頻率之和爲1。若以直方面積來表示該組的頻率，則所有直方面積總和也爲1。 　　如果資料越多，分組越密，則機螺絲直徑直方圖的直方圖也越趨近一條光滑曲線，如直方圖趨近光滑曲線圖所示。在極限情況下得到的光滑曲線即爲分佈曲線，它反映了産品質量的統計規律，如分佈曲線圖所示 正態分布中，任一點出現在 μ σ 內的概率為 P(μ-σ