I-MR-R/S(組間/組內)管制圖

I-MR-R/S(組間/組內)管制圖是一種由三部分組成的管制圖,同時監控製程變異的三個來源:隨時間變化的子群組平均值(I 圖)、相鄰子群組平均值之間的變異(MR 圖),以及每個子群組內部的變異(R 圖或 S 圖)。

最後審閱

核心要點

I-MR-R/S(組間/組內)管制圖是一種由三部分組成的管制圖,監控製程變異的三個來源:隨時間變化的子群組平均值、子群組平均值之間的變異,以及每個子群組內部的變異。

本頁內容
  1. 什麼是 I-MR-R/S(組間/組內)管制圖?
  2. 何時使用 I-MR-R/S(組間/組內)管制圖?
  3. 正確使用 I-MR-R/S(組間/組內)管制圖的指南
  4. 替代方法:何時不宜使用 I-MR-R/S(組間/組內)管制圖
  5. I-MR-R/S(組間/組內)管制圖範例
  6. 如何產生 I-MR-R/S(組間/組內)管制圖?

什麼是 I-MR-R/S(組間/組內)管制圖?

I-MR-R/S(組間/組內)管制圖是一種由三部分組成的管制圖,同時監控製程變異的三個來源:隨時間變化的子群組平均值(I 圖)、相鄰子群組平均值之間的變異(MR 圖),以及每個子群組內部的變異(R 圖或 S 圖)。

它專為以下情形而設計:量測按子群組進行,但子群組本身 很少收集或間隔很長,例如每班一次、每天一次或每批一次。在這些情形下,必須分別追蹤並比較組間變異和組內變異。

簡要定義:一種三合一管制圖,將兩類不同的變異分開並加以監控:每個樣本內部量測值的離散程度,以及樣本平均值從一個時間段到下一個時間段的漂移程度。

何時使用 I-MR-R/S(組間/組內)管制圖?

  • 當子群組 很少收集(例如每班、每天或每批一次),且需要區分組內變異和組間變異時使用。
  • 當預期 組內變異和組間變異不同 時使用,例如同一批內的量測值相近,但各批之間存在差異。
  • 當標準 Xbar-R 管制圖 無法區分這兩種變異來源,且管制界限相對於實際製程行為顯得過緊或過寬時使用。
  • 用於 子群組大小為 2 或更大 的情形,圖中的 R/S 部分監控組內離散程度。

正確使用 I-MR-R/S(組間/組內)管制圖的指南

  • 應 先解讀 R 圖或 S 圖,確認組內變異穩定,再解讀另外兩張圖。
  • 其中 MR 圖監控組間變異,此處出現訊號表示製程平均在各時間段之間漂移。
  • 至少收集 20 至 25 個子群組,以便為三個圖表組成部分都建立可靠的管制界限。
  • 確保子群組的形成 合理且一致,子群組內的量測值應代表相同的製程條件。
  • 如果組內變異相對於組間變異非常小,應 調查製程中是否存在系統性的批間差異,將其作為根本原因。

替代方法:何時不宜使用 I-MR-R/S(組間/組內)管制圖

  • 如果子群組 收集頻繁且預期變異來源沒有差異,請使用更簡單的 Xbar-R 或 Xbar-S 管制圖
  • 如果資料由 沒有子群組的單一量測值構成,請使用 I-MR 管制圖
  • 如果無需分離變異來源,只想監控製程平均,請使用 Xbar 管制圖
  • 如果資料為 計數型,請使用合適的計數型管制圖,例如 P、NP、C 或 U 管制圖

I-MR-R/S(組間/組內)管制圖範例

某塑膠製造公司的一名品質工程師負責射出成型製程。該製程使用一臺機器,透過一個模具同時生產五個零件。為評估該製程,工程師收集了 20 個子群組的資料,每個子群組由五個零件組成。工程師既評估每個子群組內部的變異(比較同一批次生產的零件),也評估子群組之間的變異(比較不同批次)。工程師建立 I-MR-R/S 管制圖來監控射出成型製程。步驟如下:

  1. 收集所需資料。
I-MR R/S(Between/Within) chart — 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 I-MR-R/S(組間/組內)管制圖,請選擇 Statistical module> Control Chart > I-MR R/S(Between/Within) chart。
  3. 在工具中輸入資料及其他輸入項,如下所示:
I-MR R/S(Between/Within) chart — figure 2

5. 使用上述工具後,得到如下輸出:

I-MR R/S(Between/Within) chart — figure 3I-MR R/S(Between/Within) chart — figure 4I-MR R/S(Between/Within) chart — figure 5I-MR R/S(Between/Within) chart — figure 6

如何產生 I-MR-R/S(組間/組內)管制圖?

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> Control Chart > I-MR R/S(Between/Within) chart。
  3. 點選 I-MR R/S(Between/Within) chart,進入工具介面。
  4. 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);也可以使用 Load Example 選項載入範例資料。
  5. 接下來,將各欄對應到相應參數。
  6. 最後,點選頁面底部的 calculate,即可得到所需結果。

在 I-MR-R/S(組間/組內)管制圖的工具介面中,視窗分為兩部分。

I-MR R/S(Between/Within) chart — figure 7

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。資料可手動輸入,也可從 Excel 表格中完整複製(Ctrl+C)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:

  • Choose Column 選擇包含量測資料的欄。如果資料分配在多欄中,可按 Ctrl 或 Command + 點選一次選擇多欄。
  • Observations: 此設定定義資料在工作表中的實際排布方式。請選擇與您的資料結構相符的選項:
  • All observations for a chart are in one column ——所有量測值縱向堆疊在同一欄中,子群組大小欄位用於定義每個子群組包含多少列。
  • Subgroup Size Column: 僅當所有觀測值在同一欄中時才需要。該欄告訴圖表哪些列屬於哪個子群組,例如,包含 1,1,1,2,2,2 這樣的值的欄,會將資料分為大小為 3 的子群組。此欄位與 Subgroup Size Number 必須填寫其一,不能兩者都填。
  • Subgroup Size Number: 如果所有子群組大小相同,請輸入一個固定數字。例如,輸入 5 表示每連續 5 列構成一個子群組。當整個資料中子群組大小一致時,請使用此項代替 Subgroup Size Column。
  • Process mean: 是製程中一組量測值或觀測值的平均值。它表示製程資料隨時間變化的集中趨勢,是製程效能的關鍵指標。如果未提供,Zometric Statistical Software 將根據所提供的資料計算中心線。
  • Standard Deviation Between Subgroup: 可選。如果已知或有歷史確定的組間變異值,請在此輸入。提供該值後,它將取代根據資料計算的估計值,當您有來自先前研究的、特徵明確的基線時,這很有用。
  • Standard Deviation Within Subgroup: 可選。同樣,如果已知組內變異的標準差,請在此輸入。提供該值可防止圖表根據當前資料重新估計組內離散程度,確保與您既定的製程基線保持一致。
  • SD Estimation method for Between subgroup: 這為使用者提供兩種計算選擇。選擇平均移動全距或中位數移動全距作為估計方法,會改變結果。
    • Average moving range Sd estimation method: 計算資料集中相鄰值之間的差,然後取這些差的平均值。
    • Median moving range Sd estimation method: MMR 透過取相鄰資料點之間移動全距的中位數計算得出。
  • SD Estimation method for Within subgroup: 這為使用者提供兩種計算選擇。選擇 Rbar 或合併標準差方法作為估計方法,會改變結果。
      • Pooled Sd estimation method:  合併標準差是各子群組變異數的加權平均,子群組越大,對母體估計的影響越大。當製程穩定時,此方法可對標準差給出更準確的估計。
      • Rbar Sd estimation method: Rbar 表示各子群組內全距的平均值。Rbar 方法是應用廣泛的標準差估計方法,對大小為 2 至 8 的子群組尤其有效。
      • Sbar Sd estimation method: 透過對所有子群組的標準差求平均並應用統計校正因子來估計製程標準差。建議在 子群組大小大於 8時使用此方法,因為它利用了每個子群組中的所有資料點,比基於全距的方法能得到更準確、更可靠的管制界限。
  • Length Moving Range: 定義用多少個連續的子群組平均值來計算每個移動全距值。預設值為 2,即每個移動全距是兩個相鄰子群組平均值之差的絕對值。增大該值會使估計更平滑,但會降低對短期偏移的靈敏度。
  • Use unbiasing constants for pooled sd: 此選項僅在使用 Pooled Stdev 方法估計 Stdev 時適用。
  • Show Decimals: 管制圖上描點值和管制界限顯示的小數位數。預設值為 3,足以滿足大多數工業和品質應用的精度要求。請根據資料的量測精度和閱讀圖表的受眾進行調整。
  • 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,是檢測失控情形的公認工具。若要提高靈敏度、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力。
  • Check Rule 2: K points in a row on same side of center line: 檢定 2 用於檢測製程中心或變異的變化。在監控製程的小幅偏移時,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。該檢定專門尋找一長串連續的資料點持續上升或持續下降的情形,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。然而,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 用於識別可能被誤認為受控良好的變異模式。該檢定可檢測過寬的管制界限,這通常由分層資料造成。當每個子群組內存在系統性的變異來源,導致管制界限看起來比應有的更寬時,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,點傾向於遠離中心線,而落在管制界限附近。

常見問題

什麼是 I-MR-R/S(組間/組內)管制圖?

它是一種由三部分組成的管制圖,同時監控製程變異的三個來源:I 圖上隨時間變化的子群組平均值、MR 圖上相鄰子群組平均值之間的變異,以及 R 圖或 S 圖上每個子群組內部的變異。它將每個樣本內部量測值的離散程度與樣本平均值在各時間段之間的漂移程度區分開來。

什麼情況下應使用組間/組內管制圖而不是 Xbar-R 管制圖?

當子群組很少收集(例如每班、每天或每批一次),且預期組內變異和組間變異不同(例如同一批內的零件相近但各批之間有差異)時使用。當標準 Xbar-R 管制圖給出的管制界限相對於實際製程行為顯得過緊或過寬時,它同樣有幫助。

如何解讀 I-MR-R/S 組間/組內管制圖?

先解讀 R 圖或 S 圖,確認組內變異穩定,再解讀另外兩張圖。MR 圖上出現訊號表示製程平均在各時間段之間漂移。如果組內變異相對於組間變異非常小,應調查系統性的批間差異。

組間/組內管制圖需要多少個子群組?

至少收集 20 至 25 個子群組,以便為三個圖表組成部分都建立可靠的管制界限,且子群組大小為 2 或更大。子群組應合理且一致地形成,使子群組內的量測值代表相同的製程條件。範例使用了來自單模具射出機的 20 個子群組,每組五個零件。