二項分配能力分析

二項分配能力分析用於衡量每個被檢項恰好有兩種結果時製程的表現,這兩種結果通常歸類為合格或不合格、通過或未通過、不良或非不良。它評估製程產生的不良品比率,並判斷該比率是否低到足以滿足既定的品質目標或規格。

最後審閱

核心要點

二項分配能力分析用於衡量每個被檢項只有兩種結果(如合格或不合格)時製程的表現,並判斷不良率是否達到目標。

本頁內容
  1. 什麼是二項分配能力分析?
  2. 何時使用二項分配能力分析?
  3. 正確使用二項分配能力分析的指南
  4. 替代方法:何時不宜使用二項分配能力分析
  5. 二項分配能力分析範例
  6. 如何進行二項分配能力分析

什麼是二項分配能力分析?

二項分配能力分析用於衡量每個被檢項恰好有兩種結果時製程的表現,這兩種結果通常歸類為合格或不合格、通過或未通過、不良或非不良。它評估製程產生的不良品比率,並判斷該比率是否低到足以滿足既定的品質目標或規格。

此類能力分析以 二項分配為基礎,該分配用數學方式描述一系列獨立試驗中出現固定次數成功(或失敗)的機率。報告的主要效能指標為 不良品比率、百萬分之不良品數(PPM)以及等效西格瑪水準,可清晰、標準化地衡量製程與零缺陷之間的差距。

簡要定義:針對透過/未通過型資料的能力分析,衡量產出中不良品所佔的比率,並判斷該比率是否達到品質標準,以 PPM 和西格瑪水準表示。

何時使用二項分配能力分析?

  • 當每個被檢項被歸入 恰好兩個類別 時使用,例如透過/未通過、好/壞、合格/不合格或存在/不存在。
  • 當需要監控製程在一段時間內產生的 不良品比率或百分比 時使用。
  • 當每個子群組檢驗 固定數量的項,或子群組大小不一且單獨記錄時使用。
  • 當每個項的結果 與其他所有項相互獨立 時使用,即一次檢驗的結果不應影響下一次檢驗。
  • 當有 明確規定的最大允許不良品比率 作為效能對比基準時使用。

正確使用二項分配能力分析的指南

  • 確認每個項都是 獨立地 被判定為不良或非不良。來自同一批次或同一操作員的項若存在相關性,將違反二項分配的假設,並使能力估計值偏高或偏低。
  • 在解釋能力結果之前,確保製程 穩定且處於統計受控狀態,可先用 P 管制圖或 Laney P' 管制圖驗證穩定性。
  • 至少收集 25 個子群組 的資料,以便對製程不良品比率得到可靠、穩定的估計。
  • 子群組大小應 足夠大,使每個子群組都可能包含少量不良品;子群組極小且不良率極低時,估計結果將不穩定。
  • 主要輸出包括 不良品比率、PPM 不良率和製程西格瑪水準,應將其與品質目標或顧客要求比較,而不是與傳統的 Cp/Cpk 基準比較。
  • 如果檢測到過度離散(變異大於二項模型的預測),可考慮使用 Laney P' 管制圖監控穩定性,並認識到二項模型可能無法完全準確地描述該製程。

替代方法:何時不宜使用二項分配能力分析

情形

替代方法

單一項可能有多個缺陷(而不僅是通過/未通過)

卜瓦松分配能力分析

資料為連續量測值

常態、非常態或非參數能力分析

反應有兩個以上類別

名目或有序邏輯迴歸分析

子群組很小且不良率接近零

先收集更大的子群組,再進行能力分析

需要區分組內與組間變異來源

能力六合一圖(組間/組內)

二項分配能力分析範例

某呼叫中心的主管想確定接聽來電的流程是否受控。主管記錄了 21 天內的來電總數和未接來電數。步驟如下:

  1. 收集所需資料。
Binomial Capability — figure 1
  1. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2. 要找到二項分配能力分析,請選擇 Statistical module> Process Capability>Binomial Capability.
  3. 在工具中輸入資料及其他輸入項,如下所示:
Binomial Capability — figure 2
  1. 使用上述工具後,得到如下輸出:
Binomial Capability — figure 3Binomial Capability — figure 4

如何進行二項分配能力分析

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> Process Capability >Binomial Capability .
  3. 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
  4. 填寫所需選項。
  5. 最後,點選頁面底部的 calculate,即可得到所需結果。

二項分配能力分析的工具介面分為兩部分。

Binomial Capability — figure 5

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。

Load example: 將載入範例資料。

Load File: 用於直接載入 Excel 資料。

右側提供以下選項:

  • Defectives 選擇包含每個子群組或檢驗時段內發現的 不良品數 的欄,例如每個時段記錄的未接來電數、被拒收的零件數或不合格的單位數。該欄中的每個值表示被檢總數中被判為不良的項總數。這是分析用來估計製程所產生不良品比率的主要輸入。
  • Sample Size 選擇包含每個子群組或時段內 被檢項總數 的欄,例如每個時段收到的來電總數、生產的零件數或檢驗的單位數。不良品比率由各子群組的不良品數除以樣本數得出。如果每個子群組的樣本數相同,可直接輸入一個常數值,而無需選擇欄。
  • Historical p 可選。字母 p 表示製程 已知或歷史上確定的不良品比率,例如 0.05 表示通常有 5% 的項為不良品。如果已通過先前的長期研究或經驗證的製程記錄確定了可靠的基線比率,請在此輸入。提供該值後,分析將直接使用它來計算能力統計量和管制界限,而不是僅根據當前資料估計,從而得到更穩定、一致且反映真實長期製程效能的結果。留空則由分析根據當前資料集估計 p。
  • Target 製程應達到的 期望或理想的不良品比率,例如輸入 0.02 表示目標是不良品不超過 2%。提供該值後,它將在輸出中用作效能基準,並在能力圖上顯示為參考線,便於瞭解當前製程效能與期望品質目標的差距。
  • Check Rule 1: 1 point > K Stdev from center line: 檢定 1 對於識別明顯偏離其他子群組的子群組至關重要,是檢測失控情形時公認通用的工具。為提高靈敏度並檢測製程中較小的偏移,可將檢定 2 與檢定 1 結合使用,從而增強管制圖的效果。
  • Check Rule 2: K points in a row on same side of center line: 檢定 2 用於檢測製程中心位置或變異的變化。監控製程的微小偏移時,可將檢定 2 與檢定 1 結合使用,以提高管制圖的靈敏度。
  • Check Rule 3: K points in a row, all increasing or all decreasing: 檢定 3 用於識別製程中的趨勢。該檢定專門尋找連續多個資料點持續上升或持續下降的序列,這表明製程行為中可能存在潛在趨勢。
  • Check Rule 4: K points in a row, alternating up and down: 檢定 4 用於識別製程中的系統性變異。理想情況下,製程的變異模式應是隨機的。但是,如果某個點未通過檢定 4,則可能表明變異並非隨機,而是遵循某種可預測的模式。
  • Check Rule 5: K out of K + 1 points > 2 standard deviation from center line (same side): 檢定 5 用於檢測製程中的小幅偏移。
  • Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side):檢定 6 用於檢測製程中的小幅偏移。
  • Check Rule 7: K points in a row within 1 standard deviation of center line (either side):檢定 7 用於識別可能被誤解為受控良好的變異模式。該檢定可檢測過寬的管制界限,這通常由分層資料引起。當每個子群組內存在系統性變異來源,使管制界限顯得比應有的範圍更寬時,就會出現分層資料。
  • Check Rule 8: K points in a row > 1 standard deviation from center line (either side):檢定 8 用於檢測混合模式。在混合模式中,點往往遠離中心線,而落在管制界限附近。

常見問題

什麼是二項分配能力分析?

二項分配能力分析用於衡量每個被檢項恰好有兩種結果(如透過/未通過或不良/非不良)時製程的表現。它以二項分配為基礎估計不良品比率,並以不良品比率、百萬分之不良品數(PPM)和等效西格瑪水準報告,以便與品質目標比較。

什麼情況下應使用二項分配能力分析而不是卜瓦松分配能力分析?

當每個項只被分為不良或非不良時,使用二項分配能力分析。如果單一項可能有多個缺陷,則改用卜瓦松分配能力分析。對於連續量測值,使用常態、非常態或非參數能力分析;對於有兩個以上類別的反應,使用名目或有序邏輯迴歸分析。

二項分配能力分析的前提假設是什麼?

每個項的結果必須與其他項相互獨立,因此來自同一批次或同一操作員的相關項會違反該假設。製程應穩定且處於統計受控狀態,可先用 P 管制圖或 Laney P' 管制圖檢查。至少收集 25 個子群組,且子群組應足夠大,使每個子群組都可能包含少量不良品。

如何在 Zometric Statistical Software 中進行二項分配能力分析?

選擇 Statistical Tool > Process Capability > Binomial Capability,然後輸入或貼上資料。選擇 Defectives 欄和 Sample Size 欄,或輸入常數樣本數;可選擇輸入 Historical p 和不良品比率的 Target;選擇要檢查的管制圖檢定規則,然後點選 Calculate。