， 表 中 數據 從 上 而 下 記錄下來 ， 把 次 一 個 測定值 記 在 上 一 個 測定值 的 下面 ， 這樣 計算 每 一 樣本 的 總和 時 ， 就 方便 得多 ， 另 一 種 方法 是 把 數據 一個個 地 橫 著 記錄 ， 這 個 方法 可 使 值 相加 時 較為 容易 。 不過 ， 如果 用 掌上型 計算器 時 ， 這 兩 種 方法 就 沒有 什麼 差別 。 假定 品質 特性 和 選取 合理 樣本 的 計畫 都 已 決定 ， 檢驗員 應 每 日 遵照 指示 蒐集 數據 。 檢驗員 的 工作 應該 通知 現場 第一線 主管 和 作業員 ， 不過 這 時候 還 沒有 管制圖 或 數據 懸掛 在 工作 中心 。 例如 ， 合理 樣本 定為 4 ， 檢驗員 每 天 用 瞬時法 取得 5 個 樣本 ， 一共 5 天 。 把 各 個 樣本 量測 後 再 計算 樣本 平均值 和 全距值 ， 再 把 結果 記錄 在 表格 中 ， 其他 有關 製程 的 資料 ， 包括 日期 、 時間 和 備註 等 欄 也 要 一併 記入 。 通常 至少 要 蒐集 25 組 樣本 的 數據 。 樣本 若 少於 25 組 ， 就 沒有 足夠 數量 的 數據 來 準確 計算 管制 界限 ， 而 太多 的 樣本組 則 會 延緩 管制圖 的 建立 。 步驟 4 ： 決定 試用 管制 界限 （ Trial Control Limits __UNDEF__ 首先 ， 應 計算出 和 圖 的 中心值 ， 公式 為 ： 和 【 註 】 ： 樣本 平均值 的 平均值 讀作 ” X — double bar ” ： 第 個 樣本 的 平均值 ： 樣本 的 個數 ： 樣本 全 距 的 平均值 ： 第 個 樣本 的 全 距 管制 圖 上 的 試用 管制 界限 是 建立 在 離 中心值 ± 3 個 標準差 處 ， 如 公式 所 示 ： 管制 上限 管制 下限 管制 上限 管制 下限 【 註 】 ： 樣本 平均值 的 標準差 ： 全 距 的 標準差 另外 ， 為 簡化 計算 起見 ， 通常 在 圖 上 會 以 全距 和 因數 的 乘積 來 代替 公式 中 的 三 個 標準差 ， 即 導出 下列 公式 ： （ 上 式 中 、 和 都 是 隨 樣本量 而 變 的 因數 ， 可以 在 〈 表 53 〉 中 查出 在 圖 上 ， 上下 管制 界限 是 和 中心值 對稱 的 ， 理論 上 ， 圖 上 的 管制 界限 也 應該 和 中心值 對稱 。 但是 當 樣本量 小於 6 時 ， 管制 下限 將 為 負值 ， 可是 負 的 全 距 是 不可能 的 ， 管制 下限 只好 放 在 0 處 ， 並 指定 樣本 小於 6 時 的 值 為 0 。 當 樣本量 為 7 以上 時 ， 管制 下限 大於 0 ， 並 逐漸 和 中心值 形成 對稱 。 可是 當 樣本量 小於 6 ， 把 圖 張貼 在 工作 中心 時 ， 仍 應 把 下限 放 在 0 處 ， 這 可 鼓勵 作業員 把 散佈 中 的 變異 減至 最 低 ， 並且 可 避免 對 作業員 解釋 為什麼 圖 上 低於 管制 下限 的 點子 是 特別 良好 的 績效 ， 而 非 不良 績效 的 困擾 。 可是 向 高級 人員 報告 時 ， 應該 把 管制 下限 放 在 原來 的 位置 ， 任何 低於 下限 的 點子 應該 加以 調查 ， 並 找出 績效 特別 良好 的 原因 。 由於 通常 樣本量 很少 大於 7 ， 這 種 情況 也 就 不 常見 。 步驟 5 ： 建立 修訂 的 管制 界限 首先 把 初步 數據 、 管制 界限 以及 中心值 畫 在 圖 上 。 蓋文 A . Gavin __UNDEF__ 指出 ， 日本 平均 裝配線 的 缺點率 比 美國 低 70 倍 ， 日本 的 服務 要求率 service-call rate 僅 佔 銷售額 的 0.6％ ， 而 美國 則 是 高達 2.2％ ， 這 就 是 品質 優良 可 降低 成本 的 明證 。 管制 的 意義 所謂 「 管制 是 指 擬定 預定 計畫 ， 依據 作業 標準 來 查核 實施 結果 對 目標 達成 的 程度 的 過程 。 如果 按 計畫 而 未 能 達成 目標 ， 則 應 追求 其 根本 原因 ， 然後 採取 可 達成 目標 的 修正 處置 。 這 個 過程 須 不斷 重複 「 計畫 Plan __UNDEF__ 、 實施 Do 、 查核 Check __UNDEF__ 以及 處置 Action __UNDEF__ 的 循環 ， 也 就 是 PDCA 管理 循環 。 這 個 程序 適用 於 任何 事務 的 管制 ， 因此 ， 裘蘭 曾 說 ： 「 如果 你 懂得 如何 管制 ， 你 就 可 管制 任何 事務 。 在 執行 管制 過程 時 ， 應 由 查核 check __UNDEF__ 開始 ， 而 非 由 計畫 plan __UNDEF__ 。 舉 個 例子 來 說 ， 有 一 位 先生 結婚 多 年 後 ， 心 寬 體 胖 ， 在 太太 的 抱怨 和 醫生 的 警告 之下 ， 終於 下定決心 要 節食 減肥 。 首先 他 要 做 的 工作 就 是 「 查核 ， 以 了解 目前 的 體重 與 標準 體重 差距 為 多少 ， 而後 才 決定 應 如何 「 處置 ， 譬如 處置 的 行動 是 採 「 飲食 控制 及 運動 的 方法 。 接著 才 是 按 「 計畫 擬定 目標 ， 例如 每 天 三 餐 吃 些 什麼 與 多少 量 ？ 以及 每 天 何時 運動 ？ 運動 時間 為 多久 ？ 再下來 就 是 依據 計畫 身體力行 ， 持之以恆 。 經過 若干 時日 再行 查核 ， 以 了解 這些 日子 以來 的 努力 成就 ， 是否 已 達 當初 所 訂定 的 目標 。 如果 效果 不 顯著 ， 則 應 改採 新 對策 或 進行 若干 修訂 ； 如果 效果 良好 ， 則 應 將 計畫 階段 所 訂 的 方法 「 標準化 ， 每 天 遵照 實施 ， 以 求 更 好 的 結果 ， 參閱 下圖 。 在 〈 圖 14 〉 中 的 計畫 階段 ， 我們 應 利用 5W1 H 的 重點 管理 方法 來 掌握 問題 。 “ What ” 為 界定 問題 與 問題 的 要因 分析 ， “ Why ” 是 辨認 原因 ， “ When ”“ Who ”“ Where ” 和 “ How ” 是 何時 由 何 人 在 何 地 研擬 改善 對策 及 其 實施 計畫 ； 在 實施 階段 則 應 按 計畫 執行 ； 而 第三 步 查核 階段 ， 就 應 查證 對策 的 效果 是否 良好 ， 如果 答案 是 肯定 的 ， 則 將 對策 施行 法 標準化 ， 否則 就 應 再次 檢討 改進 。 另外 ， PDCA 循環 的 每 一 步驟 都 仍 應 再 進行 PDCA 循環 如 （ 〈 圖 15 〉 、 〈 圖 16 〉 所 示 ， 如此 方 能 不斷 促進 品質 水準 。 最後 ， 在 處置 階段 除了 標準化 工作 之外 ， 還 有 一 件 值得 一 提 的 事項 ， 就 是 如何 記取 過去 的 教訓 或 累積 智慧 ， 防止 問題 的 再次 發生 。 在 這 方面 本 書 建議 採用 可靠度 分析 中 的 重要 工具 FMECA Failure Mode Effect and Criticality Analysis __UNDEF__ 。 FMECA 表 原本 用於 登錄 產品 在 可靠度 分析 上 的 一些 特別 值得 注意 的 事項 ， 以便 在 產品 設計 階段 就 注意 、 預防 ， 避免 發生 不良 ， 進而 達成 增進 產品 可靠度 的 目的 。 本 表 的 優點 在於 其 所 具備 的 「 提醒 功能 ， 我們 也 可 將 這 個 功能 用於 PDCA 循環 中 的 處置 階段 ， 將 工作 人員 最 常 犯 的 若干 項 錯誤 ， 利用 FMECA 表 記錄下來 ， 提醒 新進 員工 不要 重蹈覆轍 。 另一方面 ， 若 某 位 員工 對 某 項 作業 有 獨特 心得 或 訣竅 ， 也 可 透過 類似 這 種 登錄 的 方式 來 傳承 經驗 ， 使 之 成為 公司 的 「 資產 ， 對於 提升 公司 的 技術水準 有 其 積極 的 意義 。 如何 做好 SPC 2 不良品 的 來源 變異 不良品 的 產生 乃是 源自 製程 中 各 種 變異 的 發生 。 變異 的 本質 可 分為 機遇 原因 和 非 機遇 原因 二 大 類型 ， 前者 只有 管理 者 有 能力 解決 ； 後者 則 可 利用 SPC 的 概念 與 方法 修正 。 在 生產 過程 中 ， 一 個 接 一 個 的 產品 不斷 地 到達 裝配線 。 在 裝配線 的 末端 ， 有 一 個 包裝機 不斷 的 包裝 著 產品 ， 並 將 它們 送 至 倉庫 。 仔細 的 察看 ， 可以 看見 一 位 工人 正 站 在 裝配線 與 包裝機 之間 ， 他 持續 地 注意 著 陸續 到來 的 產品 ， 有時 撿起 產品 將 它 擲入 身後 的 一 個 大 盒子 內 這些 產品 都 是 不良品 。 這 種 情形 經常 可 在 許多 工廠 中 看到 ， 最初 ， 這些 被 撿出來 的 產品 被 視為 一 種 浪費 ， 但是 久而久之 ， 人們 很 快 地 就 習慣 了 ， 便 將 這 種 動作 看成 例行 工作 。 然而 習慣 不良品 並 未 能 解決 問題 ， 反而 是 進一步 的 遠離 解決之道 。 很多 人 認為 不良品 是 因 產品 必須 滿足 很 嚴格 的 品管 標準 才 產生 的 ， 而且 其 存有 多 種 引起 缺點 的 因素 ， 所以 不良品 是 無可 避免 的 。 到底 不良品 是 如何 造成 的 呢 ？ 應 如何 處置 才 能 徹底 解決 而 一勞永逸 呢 ？ 任何 不良品 的 產生 ， 必然 存在 某些 原因 ， 如果 能夠 發現 並 消除 這些 原因 ， 就 不會 再 產出 不良品 了 。 的確 ， 無論 是 何