R 管制圖

R 管制圖繪製每個子群組的全距,以檢查製程變異是否保持穩定,應先於 Xbar 管制圖解讀。適用於子群組大小固定為 2 至 8 的連續資料;超過 8 時請使用 S 管制圖。至少收集 25 個子群組。標準差可用 Rbar/d2 估計(建議用於子群組大小為 8 或更小時),也可用合併標準差估計。

最後審閱

核心要點

R 管制圖(全距圖)透過繪製每個子群組的全距(最大值減最小值)來監控子群組內變異隨時間的變化,子群組大小為 2 至 8 時與 Xbar 管制圖配合使用。

本頁內容
  1. 什麼是 R 管制圖?
  2. 何時使用 R 管制圖?
  3. 正確使用 R 管制圖的指南
  4. 替代方法:何時不宜使用 R 管制圖
  5. R 管制圖範例
  6. 如何建立 R 管制圖

什麼是 R 管制圖?

R 管制圖(全距圖)透過繪製每個子群組的全距(最大值與最小值之差)來監控子群組內離散程度或變異隨時間的變化。它總是與 Xbar 管制圖配合使用,是檢查製程變異是否保持穩定一致的主要工具。

Xbar 管制圖告訴您製程平均位於何處,而 R 管制圖告訴您每個樣本內部的量測值離散程度有多大。二者結合可全面反映製程行為。

何時使用 R 管制圖?

  • 當子群組大小 介於 2 和 8 之間 時使用——對於小子群組,全距是可靠而簡單的變異度量。
  • 務必 與 Xbar 管制圖配合 使用——R 管制圖監控變異,而 Xbar 管制圖監控製程平均。
  • 當資料為 連續資料,且子群組按規則、明確的時間間隔收集時使用。
  • 當希望用 快速、易於計算 的方式度量組內變異而無需複雜計算時使用。

正確使用 R 管制圖的指南

  • 務必 先解讀 R 管制圖,再解讀 Xbar 管制圖 ——如果變異不穩定,Xbar 管制界限就不可信。
  • 保持子群組大小 固定且一致 ——改變子群組大小會使管制界限失效。
  • 在建立管制界限並得出結論之前,至少收集 25 個子群組。
  • R 管制圖的值為零是可以接受的,僅表示 子群組內所有數值都相同 ——這不是錯誤。
  • 子群組內的資料應 相互獨立且近似服從常態分配,管制界限才在統計上有效。

替代方法:何時不宜使用 R 管制圖

  • 如果子群組大小 大於 8,請改用 S 管制圖 ——它對較大的子群組在統計上更準確。
  • 如果資料是 沒有子群組的單一量測值,請使用 I-MR 管制圖
  • 如果需要監控 組內變異和組間變異兩者,請使用 I-MR-R/S(組間/組內)管制圖
  • 如果反應為 計數型資料(缺陷數或比率),請使用 P、NP、C 或 U 管制圖
  • 如果進行的是 短生產批次或混合零件類型,請使用 Z-MR 管制圖

R 管制圖範例

某汽車零部件工廠的一名品質工程師監控凸輪軸的長度。工程師每 30 分鐘收集一次資料,子群組大小為 5。他希望在管制圖中尋找特殊原因(如有)。1. 將 process mean 和 process stddev 留空,因為目前尚不知道。2. 啟用全部 8 條 Nelson 規則

為此,工程師應用 R 管制圖並執行以下步驟:

  1. 收集所需資料。
R- 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 R 管制圖,請選擇 Statistical module> Control Charts>R Chart。
  3.  在工具中輸入資料及其他輸入項,如下所示:
R- Chart — figure 2

5. 使用上述工具後,得到如下輸出:

R- Chart — figure 3

如何建立 R 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 Charts >R Chart。
  3. 點選 R 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)到此處。
  5. 接下來,填寫所需選項。
  6. 最後,點選頁面底部的 calculate,即可得到所需結果。

在 R 管制圖的工具介面中,視窗分為兩部分。

R- Chart — figure 4

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:

  • Subgroup Columns 可根據資料的結構選擇 單欄或多欄。如果每個子群組分配在多欄中(每個量測位置一欄),請選擇所有這些欄。如果所有量測值堆疊在一欄中,請選擇該單欄,並另行定義子群組大小。此處的選擇直接決定圖表如何對資料分組以計算子群組平均值。
  • 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:
  • Observations for a subgroup are in one row of columns ——每一列包含單一子群組的所有量測值,分配在多欄中。例如,第 1 列的五個量測值在五欄中,代表子群組 1。
  • 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。

此處選錯排布方式會導致圖表對資料的分組不正確,併產生無效的管制界限。

  • Subgroup Size 僅在 所有觀測值儲存在同一欄中時才需要。它告訴圖表多少個連續的列構成一個子群組。例如,如果子群組大小為 5,圖表會將第 1–5 列視為子群組 1,第 6–10 列視為子群組 2,依此類推。如果資料已經排列在多欄中(每個量測值一欄),則不需要此欄位,因為子群組大小由所選的欄數決定。
  • Process sd: 是製程資料圍繞平均值的變異性或離散程度的度量。它表明製程中各個資料點與製程平均的差異有多大。如果留空,Zometric Statistical Software 將根據所提供的資料計算。
  • Sd estimation method: 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。
  • Rbar Sd estimation method: 根據各子群組全距的平均值除以無偏化常數 d2 來估計製程標準差(Rbar/d2)。建議在子群組大小為 8 或更小時使用此方法;對於更大的子群組,合併標準差使用每個資料點,可給出更精確的估計。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。
  • 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、管制界限和中心線顯示的小數位數。增加小數位數可使讀圖更精確;減少小數位數則使圖表簡潔,更便於展示。請選擇兼顧準確性與受眾可讀性的位數。
  • 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。
  • Additional CLs at Multiples of SD 1 在距中心線 ±1 個標準差 處新增一條額外的管制界限線。這會在圖上形成一個內側邊界區,便於應用 Western Electric 或 Nelson 規則來尋找管制界限內的異常模式,例如一連串點持續位於中心線的同一側。
  • Additional CLs at Multiples of SD 2 在距中心線 ±2 個標準差 處新增一條額外的管制界限線。這會在中心線與標準的 ±3 西格瑪管制界限之間形成一個中間預警區。落在 2 西格瑪線與 3 西格瑪線之間的點,可在某個點真正失控之前對製程偏移發出早期預警。
  • Define Stages (Historical Groups) with This Variable 允許使用分組變數將圖表拆分為不同的階段。每個階段各自獨立計算一組管制界限。當發生已知的製程變化(例如新機器、製程改善或原物料變更),並希望在同一張圖上比較該變化前後的製程效能時,這很有用。
  • X Scale 管制圖表橫軸的顯示方式。可調整刻度以顯示基於時間的標籤、子群組編號或自訂值。當子群組對應特定的日期、班次或批次,並希望圖表座標軸反映該背景而不僅僅是連續編號時,這很有用,可使圖表更易於閱讀和展示。

常見問題

什麼是 R 管制圖?

R 管制圖(全距圖)透過繪製每個子群組的全距(其最大值與最小值之差)來監控子群組內離散程度隨時間的變化。它總是與 Xbar 管制圖配合使用:Xbar 管制圖顯示製程平均位於何處,R 管制圖顯示每個樣本內部的量測值離散程度有多大。

什麼情況下應使用 R 管制圖而不是 S 管制圖?

子群組大小介於 2 和 8 之間時使用 R 管制圖,此時全距是可靠而簡單的變異度量。如果子群組大小大於 8,請改用 S 管制圖,因為它對較大的子群組在統計上更準確。對於沒有子群組的單一量測值,請使用 I-MR 管制圖。

為什麼應先解讀 R 管制圖,再解讀 Xbar 管制圖?

Xbar 管制圖的管制界限取決於對組內變異的估計。如果 R 管制圖顯示變異不穩定,Xbar 管制界限就不可信,因此務必先解讀 R 管制圖。保持子群組大小固定,因為改變子群組大小會使管制界限失效。

R 管制圖需要多少個子群組?

在建立管制界限並得出結論之前,至少收集 25 個子群組。資料應為連續資料,按規則的間隔收集,且在子群組內相互獨立並近似服從常態分配,管制界限才有效。全距為零是可以接受的,僅表示該子群組內所有數值都相同。