SPC------統計制程管制------Statistical Process Control 估或是制程能力分析才會準確。又，所有在R管制圖上的點，必須就重新計算的中心線及管制界限，依照上面步驟再次確認是否有任何非機遇原因存在並且加以分析改善。
如果在R管制圖上的異常點，因爲問題已經查明，而將該異常點去除，則必須也得將其在 X 管制圖上所對應的點作同樣的處置，即將該點也刪去，當然，X管制圖上的管制界限也得重新求取。
注意：剔除管制圖上原因已查明的異常點，並不意味著將不好的數據丟棄，
而是可以使我們對於制程因爲共同原因的背景水準瞭解而能有較佳的預估，並且以後可以經由管制圖而發現這類特殊原因的出現與否。
C.4 X 管制圖的解析
當全距（R）在統計管制狀態下，則制程散佈（樣組之內的變異）可被認爲穩定，然後才能分析制程平均（X）以決定制程是否隨時間而變異。因爲制
??
程平均（X）之管制界限系依全距的變異量而定，如果制程平均（X）也在統
?
?
計管制狀態下，則此制程系統中僅存在共同原因而已。 (1) 點落在管制界限之外
有一個以上的點超出管制界限時，代表著在該點有不尋常之變動，是採取對策的警告信號，將這些點標注出來。通常導致點超出管制界限的原因有：
◇管制界限或是繪點錯誤
◇制程已經變動，可能是自該點開始（也許是偶發事件），或是爲一不正常趨勢的一部分，或是
◇量測方法不相同（例如：不同的檢查員或是量具）
不正常的點趨勢或型態是代表其間制程能力有所改變或是制程失去管制的說明。將全距及平均值兩個管制圖加以比較分析，將有助益問題的解決。 (2) 串（runs）——下列所述爲制程變更的信號： ◇連續七個以上的點在平均值中心線單側出現 ◇有七個以上的點連續依次上升或依次下降
將這類不正常的點圈起來，作爲改善的著眼點，最好能夠以補助線標示清楚，並且特別注意到變異何時開始，以使分析正確。以上情形有可能是由
26／75
SPC------統計制程管制------Statistical Process Control 下面原因所造成：
? 制程平均已經改變，而且可能繼續在變 ? 量測之方式已經改變 (3) 很顯著的非機遇點型態：
除了以上的情形外，其他不尋常的點出現也可能代表制程中有特殊原因出現，當然我們必須注意切勿矯枉過正造成錯誤的分析。這些不尋常型態的點包括連續上升或下降的點、隨時間循環變動的點，以及在管制界限間異常分佈的點，下面介紹這類不尋常型態點的判斷方法，以點與中心線之距離來判斷：
通常大約有2/3的點應該落在管制界限中央1/3區域內，而大約1/3的點應該落在週邊2/3區域，而可能有1/20的點會落在管制界限接鄰的區域內。同樣的，即使在管制狀態下的穩定系統中，仍有1/150的點會落在管制界限外，因爲只有99.73%的點會在管制界限中。
如果很明顯的有遠超過於2/3的點落在接近於制程平均（例如25個點中，有90%的點落在管制界限中央1/3區域內），則必須分析是否有下列情形出現：
◇管制界限計算錯誤、繪點錯誤、修正之管制界限計算錯誤。
◇制程或是抽樣方法經過層別挑選過，也就是說不良品已經被挑選出來，或是樣組內所包含的數據是從兩個以上不同制程平均的製品中所取得 ◇數據經過修正或是改變。
如果遠少於2/3的點落在接近於制程平均（例如25個點中，少於40%的點落在中央3區域內），則必須分析是否由下列原因造成： ◇管制界限計算錯誤，或是繪點不正確
◇制程改善或是抽樣方式不正確而造成所得到樣組內之數據，是從兩個以上的不同的制程中取得的（這可能是因爲分析不穩定的制程數據不恰當，而造成制程改善方法錯誤所致）。
C.5特殊原因之分析與對策（X管制圖）
在 X管制圖發現有任何制程失去管制的數據出現時，應立即分析制程之每一工程以判斷是否有特殊原因存在，立即將其加以改善，並防範其再發
?
?
27／75
SPC------統計制程管制------Statistical Process Control 生，並以管制圖上的數據作爲問題開始發生及持續多久的依據。時間對問題的分析及解決是非常重要的因素，必須迅速而且有效，才能夠使不良品的發生減少至最低的程度；並非所有的特殊原因均爲負面的。同時柏拉圖分析與及特性要因分析（魚骨圖）也能夠幫助問題的分析 C.6修正管制界限（X管制圖）
在做制程條件分析與及制程能力分析時，所有已經查明清楚特殊原因之失去管制的點，必須加以去除，然後重新計算制程平均及管制界限，並注意是否有任何點對於新的中心線及管制界限而言，有不正常的分佈，必要時，得再重復分析/改善/再修正管制界限及中心線。
上面所介紹的是管制圖的原理而已，還有其他的考慮條件對分析者而言，也是非常重要的。其中必須一提的是，即使制程在管制狀態下，當我們分析更多數據的同時，也增加了我們對制程錯誤判斷爲特殊原因的可能性。
當然最好是盡可能去調查所有特殊原因的存在信號，但是我們必須知道有很多的問題，很可能是系統上的問題而沒有局部的制程變動，如果沒有正確的分析，即貿然採取對策，往往只會徒然增加制程的變異，卻不能夠減少問題的本身
C.7延長管制界限作爲制程之繼續管制
當完成過去的數據一直很穩定地在管制界限內，則可以沿用此管制界限作爲將來制程管制之用。此時制程中心值如偏離目標，則可調整制程至目標。這些管制界限將使現場操作人員，或是幹部，能夠據以判定制程是否有異常出現，而立即加以改善。
但是如果樣組之樣本大小發生變化，則將影響到平均值及全距（X－R）管制圖上的全距及平均值。這種情形可能會發生，例如我們決定減少抽取樣本大小，增加抽樣次數，以使在不增加抽樣數的條件下，能夠更迅速的發現制程上的變動。以下介紹改變樣組樣大小後，中心線及管制界限的計算方法：
?
?
(1) 以現有之樣本大小，求出其估計制程標準差（σ ）， σ ＝
?
R／d2
此處R是樣組全距之平均值，d2則爲常數，依不同之樣本大小而異，可在
28／75
SPC------統計制程管制------Statistical Process Control 附錄4.3表中查到。
(2) 以新的樣本大小，查表求新的d2、D3、D4及A2，並計算新的平均全距及管
制界限 Rnew
?
Rnew ＝ ?＝?
σ ／d UCLR ＝D4 Rnew UCLx＝ X＋A2 Rnew
?
R
2
?
LCLR＝D3 Rnew LCLx＝ X－A2 Rnew
(3) 將此一新的管制界限繪在管制圖上，作爲以後制程管制之依據。只要平均
值與全距均維持在管制狀態下，則可再沿用量産之管制界限，但有證據制程的平均值或全距已經變更，則應確認其原因，當確定變更後則應依現行績效重新計算管制界限。
C.8 “管制”的最終概念－－進一步的考究
完全的管制狀態絕無法在生産制程中取得。制程管制圖的目的，並非完美無缺，應是合理而經濟的管制狀態。因此，在管制下的制程，並非在管制圖中永遠不超出管制的制程。如果管制圖永遠不超管制，則應質疑，此制程是否須繪製管制圖，所以，對製造現場而言，一個管制的制程，應是只有少許百分比的點落在管制界限外，並對這些點採取適當對策。
因此，有不同程度的統計管制(狀態)，我們可用落在界限外、點串、趨勢及分層至全區域分析來定義管制(狀態)。當以全區域分析來定義管制時，將更有助於發現是否已失去管制（例如：一個沒有點落在管制界限外的制程，可能因其管制界限中的點的分佈而顯示缺乏管制）。所以，“管制”的定義應是與查檢此點是否在管制下的“能力”一致的，而且應在一定時間內及相同制程中維持相同定義。有些企業可能因作業者訓練不足或知識不足而無法同時應用“管制”的相同定義於生產線上，而應用管制圖的優點就在於及時的察覺是否已失去管制。對數據的過度說明將不利於維持相同經濟程度的管制。
?＝?
D.制程能力解析：
制程能力解析將在下列的假設下於此討論： ◇制程在統計穩定狀態下
◇制程的個別量測值符合常態分配
29／75
SPC------統計制程管制------Statistical Process Control ◇工程及其他規格確實符合顧客要求 ◇設計目標在規格中心 ◇量測變異相對的小
即使我們已經知道制程是在統計管制狀態下，仍然有一個問題尚未澄清，就是制程能力是否足夠，也就是其製品是否符合顧客的要求？爲瞭解制程以及改善制程，我們必須具備一項觀念：制程能力所代表的是制程系統中共同原因的變異程度，而制程共同原因的改善通常需要管理階層對於制程系統中有關問題的解決。
制程能力的評估必須要在制程穩定後才能實施，亦即 X－R管制圖顯示制程已在統計管制狀態下（特殊原因已經確定與消除，而且防止其再發生），並且繼續保持在統計管制狀態下（最好有25個以上的樣組才能代表其已在統計管制狀態之下）。
有很多種方法，可以用來評估一個在統計管制狀態下的制程能力。有些方法是假設製品之分配是呈鍾形的常態分配（normal distribution）。如果不能確定製品是否爲常態分配，則可以用統計檢定方法加以檢定。又如果懷疑爲非常態分配，或者確定爲非常態分配，則必須採用較高深的方法來檢定，譬如以電腦計算出適合度曲線或是圖形解析。當製成品之分佈已被檢定出，確認爲常態分配時，我們就可以按照以下所介紹的方法來解析制程能力，只要利用 －R管制
X 圖的數據，簡單加以計算即可，制程平均 X爲其分配的位置，而其散佈之寬度
＝
?
?
則可以經由 R所求出的標準差來判定。
附注：任何制程能力評估的方法，不管如何準確，都只能給我們一個粗略的估
計值而已。因爲：(1)有抽樣誤差存在，(2)沒有一個制程可以作到100%在統計管制狀態下，(3)沒有任何製品批爲完全之常態分配（或是其他型態之分配）。因此，所有制程能力分析的結果必須很小心考慮，而且以很保守謹慎的態度去解析。 D.1計算制程的標準差
因爲樣組之內數據的變化影響到樣組之全距（R），所以制程標準差(standard deviation)的估計值——估計標準差（ σ σ ＝ R／d2 ＝σ
?
?
R／2
?
）可以平均全距（R）表示：
d
?R
估計標準差（σ
／d2）可用以求出制程能力，然而全距及平均值必需在統
30／75