- 大鱼炖火锅
-
制程管制的方法:一、统计品质管制(Statistical Quality Control, SQC)是一项维持与改善产品品质的技术,而统计制程管制(Statistical Process Control, SPC)则是其中一项主要的工具,它著重於制造过程中资料的分析,以判定产品发生变异的原因。统计品质管制与统计制程管制常常让人感到迷惑,分不太清楚两者的差别,简单地来说,统计品质管制包含两个主要部分,统计制程管制与抽样允收标准。而统计制程管制则包括QC七大手法和机率与统计学的基本理论及其应用。SPC是利用制程操作变数对生产变数或产品的品质变数进行预测性监控,而从制程操作变数发生变化到安全/品质出现问题的过程中,有一定的时间落後存在,故如何能在最短的时间内预测出品质变数的问题,是评估SPC相关方法优劣时需考虑的重要因素之一。在确定异常侦测的制程为SPC技术所可以掌握的状况下,往後的工作就是合适地应用SPC技术。
二、统计制程管制相关工具及其目的
SPC最早是以管制图(Control Chart)之型式,由贝尔电话实验室的Shewhart博士於1924年开始发展,利用统计与非统计的工具来有系统地分析所量测的制程变数,找出使系统发生变异(Variation)的原因,进而加以消除以增进制程产物的品质与产量。许多参考书籍在讨论SPC时,皆著重於管制图的介绍,而忽略其他方法的使用,让人有将SPC与管制图画上等号的疑虑。管制图虽然是目前SPC工具中最常使用的,但也只是众多手法之一,还是需要相互的配合才能达到真正的效果。
传统QC七大手法的制作原理与应用是SPC的重心,也是产品与服务品质改进最有效的工具之一。从过去的品质是依靠检查出来的到今日的全面品质控制(Total Quality Control, TQC)、全面品质管理(Total Quality Management, TQM),QC七大手法都不至於落伍或不适用。QC七大手法包括:
(1) 检查表(Check Sheets)
(2) 要因分析图(Cause-effect Diagram)
(3) 柏拉图(Pareto Analysis)
(4) 直方图(Histogram)
(5) 管制图(Control Charts)
(6) 层别法/流程图(Stratification Analysis/Flowchart)
(7) 散布图(Scatter Diagram)
这七种手法个别来看虽然简单,但是只要运用得当,根据日本品管大师石川馨博士(Kaoru Ishikawa)的经验显示,一个公司内部95%以上的品质问题是可以利用七大手法加以解决的。换句话说,SPC所有的技巧,不但能够管制制程,使制程处於稳定状态下,而且也有改进制程及产品品质的能力。
到目前为止,QC七大手法还是被公认为改进品质之非常有用的工具,品质实务方面几乎离不开这七种手法。当品管制度如线上或线外品管判定之後,除了要能够反映制程的现况与未来的发展趋势,让工作人员能够采取相对应的矫正行动与预防措施之外,应该进一步评估所使用的品管制度之绩效与得失,并且考量经济成本再精简之品管制度,使品质由检验而得提升到品质决定於现场的制造管制,把品质做进产品中。表一汇整上述七种手法的目的,以供读者参考。
表一 QC手法与目的一览表
手法 目的
1 检查表 资料之分类、蒐集
2 要因分析图 品质问题之因果关系与系统整理
3 柏拉图 重点之掌握
4 直方图 变异之掌握
5 管制图 品质特性之监控
6 层别法/流程图 资料分析/工作程序之瞭解与掌握
7 散布图 两种资料间之相关性分析
三、制程能力分析
制程能力(Process Capability)是用来分析与评估制程是否符合工程规格与制程变异的程度,正如同我们可以透过管制图的显示来判定制程是否处於统计中的管制状态(in Statistical Control),制程能力也可以依照两项指标-Cp及Cpk,来清楚的判定制程是否异常,即是否偏离目标值或制程之变异太大。
制程能力分析要在使用管制图之前,分析的周期会依照制程的关键与重要程度而有所不同。以英国国际电话电报(I.T.T.)公司为例,对於关键制程平均每周至少执行一次以上的制程能力分析研究,藉以判断制程的品质是否符合工程或顾客的要求,并决定後续的SPC管制计画,决定制程之关键品质特性(Key Characteristics),如何量测、何时取样、样本数、取样频率及采取何种管制图等等。
若同时使用Cp与Cpk指标,则可以更清楚的判断制程是否偏离目标值及制程之变异是否太大。一般可分为三种状况:
(1) 当Cp > 1 且Cpk > 1时,表示制程符合工程规格。
(2) 当Cp > 1 且Cpk < 1时,表示制程变异尚可,但制程平均值已偏离目标值。
(3) 当Cp < 1 且Cpk < 1时,表示制程能力不足,有急需改善的必要。可检讨规格及作业标准,包含公差、材料、设备、人员技术等项目。
虽然当Cp > 1且Cpk > 1时,已经符合工程规格,但现今业界大都将标准设定为1.33甚至更高,以更加证明该制程能力。
制程能力分析可分为短期制程能力分析与长期制程能力分析。通常短期之制程能力分析一般使用於进料检验或产品的最终检验与测试等,它可迅速反映出供应厂商之原料或产品当时之品质。而长期之制程能力分析系指一个制程在稳定或管制状态下进行研究,包含决定关键品质特性、蒐集其量测之资料及计算制程能力指标等。制程能力分析拥有数项优点,能持续监控制程之品质使得产品符合规格,提供产品设计者瞭解并改善产品与制程设计所需之资讯,并可做为进一步降低失败成本之依据。
四、统计制程管制之整合性应用
整合SPC中的QC七大手法可以系统性地总览整厂及制程,对问题的分析也较有组织性。图一即展示以要因分析图为中心,将七大手法一一结合,如此搭配使用,便能达到事半功倍的效果。相同地,分层建立因果分析图,若发生不符合管制状态时,可配合柏拉图找出原因,再深入此原因直到找出问题所在。
统计制程管制除了能判断问题发生之原因外,也可以在订定解决方案中提供支援。SPC首先判断变数和制程是否在统计管制内,若不是,则操作员需有适当之回应。操作员在操作回圈中利用各类统计工具如管制图、直方图等等来分析可能发生的原因,并设法解决。
众所周知,制程异常最直接之影响即为产品之品质;因此,统计制程管制之利用,可谓起於侦测制程异常,确实掌握制程状态,避免异常发生,最终目的为确保产品之品质符合规格(即品质保证,Quality Assurance)。换言之,统计制程管制在用於制程异常侦测之时,其本质仍与品质改善息息相关。由於SQC与SPC在推动的过程中需要组织上下的配合和参与,而前述的诸项工具,每项皆有其特定的使用时机与步骤,正确地使用方能事半功倍。
图一 SPC各项技术整合应用展示图
就如同品质管制的概念「检测并不能提升产品品质」,异常的侦测同样也不能消除或减少异常的发生,而是需要靠系统性的分析与管理来解决,也就是PDCA(Plan、Do、Check、Act)的观念。如同图二所示之系统发展图,从资料蒐集、分析、监控到管理,整个精神与品质管制的理念如出一辙,但目前业界在应用SPC时大都只是比较局限於个别技术层面,故较显示不出其效益。正确的观念应是立於各项技术完备的基础上,朝向此一整合性系统来发展。
图二 SPC整合应用之PDCA系统发展图
五、结论
SPC只是异常侦测方法中的其中一种,为了能更快速、更有效地侦测异常的发生,诸如类神经网路(Artificial Neural Network, ANN)、多变量分析(MultiVariate Data Analysis, MVDA)、模糊理论(Fuzzy Theory)等技术也相继发展应用。其中多变量分析技术若如同SPC般,扩展到对多变数的同时侦测,即是所谓的MSPC(Multivariate SPC),而类神经网路和模糊理论则是透过「自我学习」的方法来归纳并找出异常之发生。更进一步来说,虽然应用SPC技术可及早侦测到制程异常,但是如何能找出引起制程异常的可能失误源,以期早期消弭失误源,则是制程安全监控系统的另一研究课题。