SPC

SPC （ Statistical Process Control ）統計製程管制，除了常用於製造業生產製程和產品品質的管控之外，同時 SPC 也是廠務監控系統（ FMCS ； Facility Monitor and Control System ）的一有力工具。 本文將簡介 SPC 應用在廠務監控系統時，須注意哪些事項，以供廠務部門的參考。 廠務監控系統在應用 SPC 時，須考慮以下議題。 自動收集廠務數據 1.    廠務部門先決定出那些廠務參數列入監控的目標。 2.      數據收集系統透過感測器自動收集這些廠務參數的數據。 3.      數據收集系統將廠務參數的數據自動傳給 SPC 系統。 4.      SPC 系統自動對這些廠務參數數據做分類、儲存，便於即時監控及日後的分析應用。 廠務數據異常警示 當 SPC 系統接收到數據收集系統傳過來的廠務數據時，根據 SPC 的異常判定規則，如果發現管制圖異常，能自動發 Email 、 SKYPE 、簡訊、 Web Service 等給相關人員或系統，便於即時改善處置。 須注意的是： 1.    廠務參數個數多時，如果手動建立 SPC 管制圖將很花時間，因此，比較好的方式是，能由 SPC 系統自動批量建立管制圖，以節省大量人力時間。 2.      廠務參數的 SPC 管制圖管制界限須根據實際需要而更新，並能保留歷史管制界限。而當廠務參數個數多時，比較好的方式是，由 SPC 系統自動批量計算、建立新的管制界限。 3.      廠務數據往往不是常態分布，如果直接運用一般 SPC 管制圖的管制界限公式，將造成大量的誤發警報（ false alarm ）發生。因此，需要採取另一種作法，即根據廠務數據的統計分布特性，而設計其合適的管制圖管制界限公式。 註： 易得太數據管理的官方網站   www.easydata.biz

前言 近年來， 6 Sigma （ Six Sigma,  六標準差）手法常為製造業做為品質提昇及改善之用，其中  SPC （ Statistical Process Control ；統計製程管制）更是導入  6 Sigma  過程當中，所必須具備、最重要的品質技術之一。當然，不管是  6 Sigma 、 QS-9000 、 ISO 、 … 或任何的品質運動、標準、要求、 … 等， SPC  對製造業而言，就好比「人人都會呼吸，但卻很少人真正懂得氣功來養身」，是最基本而必須的、但又常常抓不到重點而錯失改善良機。綜觀兩岸台灣和中國大陸的製造業涵蓋範圍，系統組裝業及其供應商佔了相當的比例，故本文謹就其如何成功導入  SPC  略作闡述。 首先，我們先介紹  SPC  常用的方法，如下圖：            圖 1A 圖 1B 圖 2   圖 3 圖 1A ：為計量值管制圖（ Control Charts for Variables ）中的  Xbar/R （平均 / 全距）管制圖，主要用來發現製程中的計量值（例如：尺寸、硬度、濃度、 … 等）在何時發生不良原因。 圖 1B ：為計數值管制圖（ Control Charts for Attributes ）中的  u （單位缺點數）管制圖，主要用來發現製程中的計數值（例如：外觀檢驗的單位缺點數等）在何時發生不良原因。 圖 2 ：為製程能力分析（ Process Capability Analysis ），主要用來評估製程能力的優劣。 圖 3 ：為柏拉圖（ Pareto Chart ），主要用來找出關鍵不良發生在何處。 若能充分活用上述  SPC  方法，許多製程上的品質問題，將能撥雲見日、迎刃而解。 系統組裝業及其供應商為何需要導入  SPC ？ 眾所週知，抽樣計劃的「允收 / 退回」，事實上與品質控制及改善無關，也就是說，對製程品質沒有幫助。另外，各站檢驗與規格做比較，不合規格者送至維修站，如果僅僅這樣，這種做法對製程品質同樣沒有助益。那麼究竟應如何做呢？正確的導入 SPC ，應該是較好的做法，而且導入成功後可以： 確保系統組裝過程是在穩定狀態下進行，且以較科學、有效的方法，即時發現組裝過程的不良原因並加以矯正及改善，同時