製程能力(常態分配)
常態製程能力將製程的變異和居中情況與其 LSL 和 USL 進行比較。適用於來自穩定製程的連續型、服從常態分配的資料,最好在合理子群組中至少有 100 個點。Cp 和 Cpk 使用組內標準差;Pp 和 Ppk 使用整體、長期標準差。Cpk 或 Ppk 至少為 1.33,是公認的有能力製程的最低值。
最後審閱
核心要點
常態資料的製程能力分析使用 Cp 和 Cpk(組內)以及 Pp 和 Ppk(整體、長期)指數,衡量穩定製程在其規格界限內持續產出的能力。
什麼是製程能力(常態分配)?
製程能力是衡量制造製程生產符合預定規格或公差的零件的能力的統計指標。它量化製程特性(如尺寸或重量)的固有變異,以確定製程在規定限內持續產出的穩定程度。從本質上講,製程能力評估製程中的自然變異,以評價其是否穩定,以及能否持續生產出符合設計標準的產品。Cpk 或 Ppk 至少為 1.33,是公認的有能力製程的最低值。該指標對於確保產品品質和識別製程改善機會至關重要。
- 潛在能力(Cp):該指標將製程變異的寬度與規格界限的寬度進行比較,假定製程在這些限內居中。它給出製程能力的最佳情形。
- 實際能力(Cpk):該指標考慮製程的實際表現,包括與目標規格的任何偏離。它同時考慮製程的離散程度和平均值偏移,對生產期間製程滿足規格的程度給出符合實際的度量。
- 西格瑪(σ):西格瑪常用於計數型資料,是以缺陷率表示的能力估計值。它表示製程平均與最近規格界限之間相隔多少個標準差。西格瑪值越高,缺陷率越低,製程能力越高。
- 製程效能指數(Pp 和 Ppk):與 Cp 和 Cpk 類似,但使用整體(長期)標準差計算,因此衡量製程在所研究的整個期間內的實際表現。Pp 評估整體離散程度相對於規格寬度的情況,而 Ppk 還考慮評估期間的平均值偏移。
何時使用製程能力?
以下是製程能力分析常用的一些場景:
- 品質管制:製程能力分析在製造業中被廣泛用於評估生產製程滿足客戶要求的能力。它有助於確定製程是否能夠生產出符合規定公差的產品。
- 製程改善:製程能力分析可用於找出製程中需要改善的方面。透過了解製程的當前能力,組織可以有針對性地進行改善,以減少變異並提高製程滿足客戶需求的能力。
- 新產品開發:在引入新產品或新製程時,製程能力分析可以提供有關製程表現的洞察,並幫助確定其是否滿足所需規格。它使組織能夠及早發現潛在問題,並在全面生產之前做出必要的調整。
- 供應商評估:製程能力分析可用於評估供應商滿足規定要求的能力。透過評估其製程的能力,組織在選擇或評估供應商時可以做出明智的決策。
- Six Sigma 專案:製程能力分析是 Six Sigma 方法論的組成部分。它有助於衡量初始製程能力、建立基線表現,並評估製程改善工作的成效。
正確使用製程能力(常態分配)的指南
- 使用連續型資料:連續型資料可以在一個範圍內取任意數值,包括分數或小數。
- 對計數型資料使用適當的分析:對於缺陷計數,請使用二項分配能力分析或卜瓦松分配能力分析。
- 收集足夠的資料:力求收集至少 100 個資料點,例如 25 個大小為 4 的子群組,或 35 個大小為 3 的子群組。
- 以合理子群組收集資料:確保子群組是在短時間內、在一致的條件下生產的相似產品的小樣本。
- 確保製程穩定:製程必須穩定且受控;請使用 Xbar-S 管制圖或能力六合一圖(常態)評估穩定性。
- 確保資料常態:資料應服從常態分配;否則,請使用 Box-Cox 或 Johnson 轉換,或考慮非常態製程能力。
替代方法:何時不宜使用製程能力(常態分配)
- 如果不知道製程資料是否受控,或是否可用常態分配評估,請在使用本分析之前,先用能力六合一圖(常態)評估這些假設。
- 如果資料為非常態,並且希望透過配適非常態分配(而不是轉換資料)來評估製程能力,請使用非常態製程能力。
- 如果資料是計數型資料,例如不合格品數或缺陷數,請使用二項分配能力分析或卜瓦松分配能力分析。
製程能力(常態分配)範例
某汽車零部件工廠的一名品質工程師監控凸輪軸的長度。工程師從其中一臺機器上每 30 分鐘以子群組大小 5 收集資料。凸輪軸長度的規格界限設定為規格下限(LSL)595 mm、目標值 600 mm、規格上限(USL)605 mm。工程師使用常態能力分析來評估凸輪軸長度與規定限的比較情況。步驟如下:
- 收集所需資料。

- 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
- 要找到製程能力,請選擇 Statistical module> Graphical analysis>Process Capability.
- 在工具中,輸入資料及其他輸入項,如下所示:

5. 使用上述工具後,得到的輸出如下:

如何進行製程能力分析
操作步驟如下:
- 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
- 在首頁選擇 Statistical Tool> Graphical analysis >Process Capability。
- 點選 Process Capability,進入工具介面。
- 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。
- 接下來,填寫所需的詳細資訊,如 lsl、usl、target、K 等。
- 最後,點選頁面底部的 calculate,即可得到所需結果。
在製程能力的工具介面中,視窗分為兩個部分。

左側為資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。資料可以手動輸入,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:
- Lsl: 製程能力中的 LSL 指規格下限。它是為某個特定製程參數或特性設定的下邊界或門檻值。在製程能力分析中,LSL 用於確定製程是否能夠生產出在期望範圍或規格之內的輸出。
- Usl: 製程能力中的 USL 指規格上限。它表示為某個特定製程參數或特性設定的上邊界或門檻值。在製程能力分析中,USL 用於評估製程是否能夠生產出在期望範圍或規格之內的輸出。
- Target: 在製程能力中,目標值指某個特定製程參數或特性的期望值或理想值。它表示製程擬達到或圍繞其居中的值。目標值通常基於設計規格或客戶要求。
- Historical Mean: 製程能力中的歷史平均值指基於過去或歷史資料的某個製程參數或特性的平均值或集中趨勢。它表示製程在一段時間內表現出的典型或預期值。
- Historical Standard Deviation: 製程能力中的歷史標準差指基於過去或歷史資料的某個製程參數或特性的離散程度或變異度量。它量化資料點偏離歷史平均值或集中趨勢的程度。
- K: 能力統計量的公差倍數:製程離散程度取為 K × 西格瑪。預設值為 6,即標準的 6 西格瑪約定。
- Within Stdev estimation method:
- Pooled: 合併標準差是各子群組變異數的加權平均,子群組越大,對總體估計的影響越大。當製程穩定時,該方法能給出更準確的標準差估計。
- Rbar: 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,對於大小為 2 至 8 的子群組尤為有效。
- Sbar:它計算各子群組的平均標準差(Sbar),以監控製程變異。Sbar 對於設定 S 圖的管制界限至關重要,可指示資料離散程度隨時間的變化。該方法確保在品質管制實踐中對製程變異進行一致而準確的評估。
- Within stdev estimation method for subgroup size = 1:
- Average Moving Range: 平均移動全距是兩個或多個連續點全距的平均值,通常在子群組大小為 1 時使用。
- Median Moving Range: 移動全距中位數是兩個或多個連續點全距的中間值,當資料存在可能使移動全距產生偏差的極端全距時推薦使用。
- Square root of MSSD: MSSD(均方逐次差)的平方根,是相鄰點之差的平方的平均值的平方根,在相鄰點不是在相似條件下收集時有用。
- Moving range of length: 指定用於計算移動全距的觀測值個數,長度須 ≤ 100。預設長度為 2,因為相鄰的值最有可能相似。
- Use Unbiasing Constants: 在估計組內標準差時應用無偏化常數,適用於 Sbar、合併標準差和 MSSD 平方根方法。
- Use Unbiasing Constants to Calculate Overall Standard Deviation: 在估計整體標準差時應用無偏化常數。
- Download as Excel: 以 Excel 格式顯示結果,可方便地編輯,並通過 load file 選項重新載入用於計算。
常見問題
什麼是製程能力分析?
製程能力是衡量製程生產符合預定規格或公差的零件的能力的統計指標。它量化特性(如尺寸或重量)的變異,以確定製程在規格界限內持續產出的穩定程度。Cpk 或 Ppk 至少為 1.33,是公認的有能力製程的最低值。
Cp、Cpk、Pp 和 Ppk 有什麼區別?
Cp 將製程變異的寬度與規格界限的寬度進行比較,假定製程居中,給出潛在能力的最佳情形。Cpk 還考慮平均值的任何偏移。Pp 和 Ppk 與之類似,但使用整體、長期標準差,因此衡量製程在所研究的整個期間內的實際表現;Ppk 還考慮平均值偏移。
製程能力研究需要多少資料?
力求至少 100 個資料點,例如 25 個大小為 4 的子群組或 35 個大小為 3 的子群組。以合理子群組收集資料,即在短時間內、在一致的條件下生產的相似產品的小樣本。資料應為連續型,且製程必須穩定且受控,可用 Xbar-S 管制圖或能力六合一圖(常態)檢查。
如果資料不是常態或是計數型資料怎麼辦?
如果資料不是常態,請使用 Box-Cox 或 Johnson 轉換,或使用非常態製程能力來配適非常態分配。對於不合格品數或缺陷數等計數型資料,請使用二項分配能力分析或卜瓦松分配能力分析。如果穩定性或常態性未知,請先用能力六合一圖(常態)檢查這兩者。
