卜瓦松分配能力分析

當資料服從卜瓦松分配時,卜瓦松分配能力分析衡量製程滿足缺陷率或稀有事件發生率規格的程度。它適用於每個檢驗單位可能有多個缺陷或事件的情形——例如每塊面板上的劃痕數、文件中的錯誤數、一段電線中的瑕疵數,或每小時呼入服務檯的電話數——目的是確定缺陷率是否在可接受的目標水準之內。

最後審閱

核心要點

當資料服從卜瓦松分配時,卜瓦松分配能力分析衡量製程滿足缺陷率或稀有事件發生率規格的程度。

本頁內容
  1. 什麼是卜瓦松分配能力分析?
  2. 何時使用卜瓦松分配能力分析?
  3. 正確使用卜瓦松分配能力分析的指南
  4. 替代方法:何時不宜使用卜瓦松分配能力分析
  5. 卜瓦松分配能力分析範例
  6. 如何進行卜瓦松分配能力分析

什麼是卜瓦松分配能力分析?

當資料服從卜瓦松分配時,卜瓦松分配能力分析衡量製程滿足缺陷率或稀有事件發生率規格的程度。它適用於每個檢驗單位可能有多個缺陷或事件的情形——例如每塊面板上的劃痕數、文件中的錯誤數、一段電線中的瑕疵數,或每小時呼入服務檯的電話數——目的是確定缺陷率是否在可接受的目標水準之內。

連續型能力分析將量測值與規格上限和下限比較,與之不同,卜瓦松分配能力分析以 最大允許缺陷率 作為基準。它以 每百萬機會缺陷數(DPMO)和等效的西格瑪水準來表示製程效能,便於與 Six Sigma 績效目標進行比較。

簡單定義:一種針對計數資料的能力分析,專門用於衡量每個單位上缺陷或事件發生的頻率,以及該比率是否低到足以滿足品質目標

何時使用卜瓦松分配能力分析?

  • 當資料表示 每個單位或每個時間段的缺陷、事件或發生次數的計數 時使用——例如每輛汽車的油漆缺陷數、每頁的打字錯誤數或每月的機器故障次數。
  • 當 單一項目可能有多個缺陷 時使用——這與二項分配能力分析不同,後者只是將每個項目分為合格或不合格。
  • 當 缺陷率較低且事件彼此獨立 發生時使用——這是定義卜瓦松製程的基本條件。
  • 當您有 明確的目標或最大允許缺陷率 以便對照比較效能時使用。

正確使用卜瓦松分配能力分析的指南

  • 確認資料確實 服從卜瓦松分配 ——計數資料的平均值和變異數應近似相等;二者之間差異很大表示存在過度離散,可能需要使用其他模型。
  • 每個缺陷或事件必須 與其他缺陷或事件相互獨立 ——一次發生不應影響下一次發生的機率。
  • 所有觀測值的檢驗 機會數大小必須一致 ——或者,如果它有變化,則分析必須考慮每個單位不同的機會數大小。
  • 收集 足夠多的子群組或時間段,以獲得製程缺陷率的穩定估計——建議在得出結論之前至少有 25 個子群組。
  • 確保製程 穩定後再解讀能力 ——使用 U 管制圖或 C 管制圖檢查缺陷率沒有漂移,也沒有出現失控訊號。
  • 關鍵輸出指標是 DPU(每單位缺陷數)、DPMO(每百萬機會缺陷數)和西格瑪水準 ——應相對於您的品質目標來解讀這些指標,而不是相對於傳統的 Cp/Cpk 閾值。

替代方法:何時不宜使用卜瓦松分配能力分析

情形

應改用

每個項目只是合格或不合格(不是缺陷計數)

二項分配能力分析

資料為連續量測值

常態、非常態或非參數能力分析

計數資料存在過度離散(變異數遠大於平均值)

負二項分配或帶過度離散模型的卜瓦松分配

缺陷率較高(不是稀有事件製程)

在能力分析之前先檢查製程穩定性

各單位之間的機會數大小差異顯著

對可變的機會數大小,使用基於 U 管制圖的分析

卜瓦松分配能力分析範例

某製程工程師正在評估電線絕緣層的耐久性。工程師隨機選取若干段電線,對其進行電壓測試,以找出絕緣層中可能導致使用中失效的薄弱點。對每段電線,工程師記錄檢出的薄弱點數(缺陷)和電線長度(米)。目標是進行卜瓦松分配能力分析,以評估絕緣製程滿足耐久性標準的表現,確定它在不同電線長度下是否始終保持所要求的品質水準。步驟如下:

  1. 已收集所需資料。
Poisson Capability — figure 1
  1. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2. 要找到卜瓦松分配能力分析,請選擇 Statistical module> Process Capability>Poisson Capability.
  3. 在工具中,按如下方式輸入資料及其他輸入項:
Poisson Capability — figure 2
  1. 使用上述工具後,得到如下輸出:
Poisson Capability — figure 3Poisson Capability — figure 4

如何進行卜瓦松分配能力分析

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 >Poisson 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。

在卜瓦松分配能力分析的工具介面中,視窗分為兩部分。

Poisson 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。可手動輸入資料,也可從 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:

  • Defects 選擇包含每個檢驗時段或子群組中記錄的 缺陷或事件計數 的欄,例如每塊面板的表面劃痕數、每份文件的錯誤數,或每單位長度電纜的故障數。此欄中的每個值表示在一個檢驗單位或時間段內觀察到的缺陷總數。這是分析用來估計製程缺陷率的主要輸入。
  • Sample Size 選擇包含與每個缺陷計數相對應的 單位數或檢驗面積大小 的欄。這是必需的,因為缺陷率由缺陷數除以樣本數得到,例如檢驗 300 個單位共有 12 個缺陷,則缺陷率為每單位 0.04 個缺陷。如果每一列的樣本數相同,可以輸入一個常數值來代替欄。
  • Historical Mu (μ) 可選。Mu (μ) 表示製程的 已知的或歷史上已確立的平均缺陷率。如果您有來自以往研究或長期製程記錄的可靠基線缺陷率,請在此輸入。提供後,分析會直接使用此值來計算能力統計量並設定效能基準,而不是僅根據當前資料集估計缺陷率。這會產生更穩定、更一致的結果,尤其是在當前樣本較小時。留空則由分析根據資料估計 mu。
  • Target 製程應達到的 期望的或理想的缺陷率。輸入目標值後,分析可將當前製程效能與確定的目標直接比較,例如目標為每單位 0.01 個缺陷,表示每 100 個單位中最多可接受 1 個缺陷。該值在輸出中用作基準,並在能力圖上顯示為參考線,便於看出當前製程距期望的效能水準有多遠。
  • 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,是公認的檢測失控情形的通用工具。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,以增強管制圖的效果。
  • Check Rule 2: K points in a row on same side of center line: 檢定 2 檢測製程中心或變異的變化。在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。該檢定專門查詢連續的一長串資料點,其數值持續上升或持續下降,這表示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,製程中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 檢測製程中的微小偏移。
  • Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side):檢定 6 檢測製程中的微小偏移。
  • Check Rule 7: K points in a row within 1 standard deviation of center line (either side):檢定 7 識別可能被錯誤地解讀為受控良好的證據的變異模式。該檢定檢測過寬的管制界限,這通常是分層資料造成的。當每個子群組內存在系統性變異來源,使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 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

什麼是卜瓦松分配能力分析?

當資料服從卜瓦松分配時,卜瓦松分配能力分析衡量製程滿足缺陷率或稀有事件發生率規格的程度。它不使用規格上限和下限,而是以最大允許缺陷率作為基準,並以每單位缺陷數、每百萬機會缺陷數(DPMO)和等效的西格瑪水準報告效能。

何時應使用卜瓦松分配能力而不是二項分配能力?

當資料是每個單位或每個時間段的缺陷或事件計數,且單一項目可能有多個缺陷(如每輛汽車的油漆缺陷數)時,使用卜瓦松分配能力。當每個項目只是分為合格或不合格時,使用二項分配能力。對於連續量測值,請改用常態、非常態或非參數能力分析。

卜瓦松分配能力分析有哪些假設?

計數應服從卜瓦松分配,平均值和變異數近似相等;二者差異很大表示存在過度離散。缺陷必須獨立發生,並且機會數大小必須一致,或在其變化時予以考慮。建議至少有 25 個子群組,並且在解讀能力之前,製程應穩定,可用 U 管制圖或 C 管制圖檢查。

如何解讀卜瓦松分配能力分析的結果?

關鍵輸出是 DPU(每單位缺陷數)、DPMO(每百萬機會缺陷數)和西格瑪水準。應相對於您的品質目標來解讀它們,而不是相對於傳統的 Cp 或 Cpk 閾值。如果輸入了目標缺陷率,它會在能力圖上顯示為參考線,表明當前製程距期望效能有多遠。