跳到主要內容

SPC 在廠務監控系統的應用

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


標籤：

留言

張貼留言

這個網誌中的熱門文章

系統組裝業及其供應商如何成功導入 SPC（統計製程管制）

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
張貼留言
閱讀完整內容

高雄市不動產買賣統計分析

從高雄市政府資料開放平台 http://data.kcg.gov.tw/dataset?q=%E4%B8%8D%E5%8B%95%E7%94%A2%E8%B2%B7%E8%B3%A3%E7%B5%B1%E8%A8%88 可以獲得 2015 年 6 月到 2017 年 6 月高雄市不動產買賣統計，每個月一筆，共 25 筆數據。每一筆數據都包含：件數、土地筆數、土地面積 (M2) 、建物棟 ( 戶 ) 數、建物面積 (M2) 等 5 個變數。如下圖： ​ 這些數據，我們能夠獲得甚麼訊息呢？ 首先，對這 5 個變數分別畫出趨勢圖，如下： ​ 發現 這 5 個變數的趨勢圖看起來幾乎一模一樣。他們的數據內容不同，但為什麼趨勢圖卻幾乎一樣呢？由 易得太 SPC Analyst 對這 5 個變數做相關性分析，結果如下： ​ 顯示 這 5 個變數之間的相關係數極高，在 0.89 ~ 0.99 之間。這正可以解釋為什麼這 5 個變數的趨勢圖看起來幾乎一模一樣的原因了。 如果從了解每個變數趨勢的角度來看，高雄市政府資料開放平台提供的件數、土地筆數、土地面積 (M2) 、建物棟 ( 戶 ) 數、建物面積 (M2) 等 5 個變數，其訊息能力事實上只有 1 個變數的效果。也就是，雖然提供了 5 個變數的數據，但是對了解變數趨勢來說，和僅提供任一個變數的數據，是沒有太大差別的。 所以，我們只看件數的趨勢圖，如下： ​ 發現： 104  年  12  月的數據相較其他月份顯得特別大，而且這個現象在 件數、土地筆數、土地面積 (M2) 、建物棟 ( 戶 ) 數、建物面積 (M2) 等 5 個變數的趨勢圖，都得到相同的結果 。 註：易得太數據管理的官方網站   www.easydata.biz 關鍵字：高雄市不動產買賣統計、變數趨勢、訊息能力
張貼留言
閱讀完整內容