3-1 統計製程管制概論
統計製程管制(statistical process control,簡稱 SPC)是利用抽樣樣本資料,
來監視製程之狀態,在必要時採取調整製程參數之行動,以降低產品品質特性之 變異性。統計製程管制為預防性之品質管制手段。所以說,製程管制比事後之檢 驗,更能提昇產品品質。
3-2 管制圖之簡介
典型管制圖由三條線組成,其中包含中心線(center line,CL)、上管制界限
(upper control limit,UCL)及下管制界限(lower control limit,LCL)。
所謂管制圖即將統計檢定之過程加以圖形化,如此不但可簡化統計檢定工 作,且將連續檢定之結果繪於同一圖形內時,易於比較與分析。
例:
我們運用 SPC 對某產品抽樣,得樣本平均數Xn,已知我們要求產品規格 需滿足常態分配 N(
µ
, ),其中假設 為我們已知,而我們要的目標 值σ2 σ2
µ
=µ0,所以我們要檢定 H0 :µ =µ0 vs. H1:µ ≠µ0 sol:(1)以臨界值檢定法,在型 I 誤差 α 下,臨界值為
n Z c1 =µ0 + α/2 σ
n Z
c2 =µ0 − α/2 σ ,若Xn > 或c1 Xn< ,則拒絕c2 H0
(2)以 X 管制圖(請參考附錄文獻)中,在型 I 誤差 α 下,CL 為µ0,
UCL 為c1,LCL 為 ,若管制圖中點(即c2 X )超出上下管制界限時,
則拒絕H0 ⊿
換言之,管制圖上每個點好比臨界值檢定法。一般管制圖以型 I 誤差
α=0.00135,則 X 管制圖:UCL=µ+3 n
σ 、CL=µ、LCL=µ −3 n σ 。
在統計製程管制中,我們不單只對期望值做檢定工作,亦會對變異數做檢 定,故有R 管制圖及 S 管制圖(請參考附錄文獻),用以監控變異數變動。
3-3 非傳統
X管制圖
一般傳統X 管制圖上的點,代表由同一時間下抽取數個樣本相加後取平均的
值。其優點是能隨時監控每個時間點產品是否在製程管制內。
定義 3.1 非傳統X 管制圖
Var(X =i"
將此 2M+1 個資料依附錄 B 方法排序,可得 。同理依此方法我們
可以有效地求得 ,並能迅速地算出每個
"
x2
"
"
2
"
1,x , ,xn
x L X 。但我們興i"
趣的是 )
, 5 (
~
2
" Normal µ σ1
Xi ,而 未知,所以我們必須先抽樣估
得 ,在建立
2
σ1
2
ˆ1
σ X" 管制圖。
如果µ跟σ2未知,我們就依照品質管制方法事先行收集資料估出 µˆ跟σˆ2,在依照上述方法求得X" 管制圖。
第四章、總結
當x1,x2,x3, x .~. F(x),經過上述方法排序(參考附錄 B),並找出 ,
d i i
L n "2 "
"
1,x , ,xn
x L
當進入 steady state 時,則xi"與xi"+1具有負相關。
本論文利用xi"與xi"+1具有負相關,排序後的X 固然會比較集中,也就是說經過排 序後的 X 之變異數會變小,而其期望值會不變。本論文運用此法在品質管制上,
控制型Ⅰ誤差風險α 值不變。而因為變異數的變小,則型Ⅱ誤差風險 β 風險變小。
偵測到平均值改變之機率為 1-β 會變大。如此能讓品質管制人員更能準確地掌握 製程狀態,儘快偵測出可歸屬原因之發生或製程之跳動,以便在更多不合格品製 造出之前能發現製程之變異並進行改善工作。
由於證明上需要相當的機率基礎,本論文中並尚未加以證明之。如能將模擬結果 以數學方式證明出。並將其運用在各領域上,如醫學或生物科技上必有一番作為。
附錄 A:
我們探討 t=3(已討論過),4,5,6,….k 時的P
(
D| D0)
t=3 F
( ) ( )
3[
F1 +F( )
2]
F( )
1 +F( ) ( ) ( ) ( )
2 F 3F 2 F1 +F( ) ( ) ( ) ( ) ( )
2 F 1F 3F 2 F1t=4 F
( ) ( )
4[
F 2 +F( )
3] [
F( )
1 +F( )
2]
F( )
1 +F( ) ( ) ( )
3 F 4[
F1 +F( )
3]
F( ) ( )
2 F1+F
( ) ( ) ( ) ( ) ( ) ( )
3F 2 F 4 F 3 F 2 F 1 +F( ) ( ) ( ) ( ) ( ) ( ) ( )
3F 2 F1F 4 F 3F 2 F1t=5 F
( ) ( )
5[
F 3 +F( )
4] [
F( )
2 +F( )
3] [
F( )
1 +F( )
2]
F( )
1+F
( ) ( ) ( )
4 F 5[
F 2 +F( )
4] [
F( )
1 +F( )
3]
F( ) ( )
2 F1+F
( ) ( ) ( ) ( )
4 F 3 F 5[
F1 +F( )
4]
F( ) ( ) ( )
3 F 2 F 1 +F( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
4 F 3 F 2 F 5 F 4 F 3F 2 F1 +F( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
4 F 3 F 2 F 1F 5 F 4 F 3F 2 F1t=6 F
( ) ( )
6[
F 4 +F( )
5] [
F( )
3 +F( )
4] [
F( )
2 +F( )
3] [
F( )
1 +F( )
2]
F( )
1+F
( ) ( ) ( )
5 F 6[
F 3 +F( )
5] [
F( )
2 +F( )
4] [
F( )
1 +F( )
3]
F( ) ( )
2 F1+F
( ) ( ) ( ) ( )
5 F 4 F 6[
F 2 +F( )
5] [
F( )
1 +F( )
4]
F( ) ( ) ( )
3F 2 F1 +F( ) ( ) ( ) ( ) ( )
5F 4 F 3F 6[
F 1 +F( )
5]
F( ) ( ) ( ) ( )
4 F 3 F 2 F 1 +F( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
5 F 4 F 3F 2 F 6 F 5 F 4 F 3F 2 F1 +F( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
5 F 4 F 3F 2 F1F 6 F 5 F 4 F 3F 2 F1 由上面我們可觀測出 t=k 時,P(
D| D0)
=( ) (
k[
F k 2)
F(
k 1) ] [
F(
k 3)
F(
k 2) ]
...[
F( )
1 F( )
2]
F( )
1F − + − − + − +
+F
(
k−1) ( ) (
F k[
F k−3)
+F(
k−1) ] [
F(
k−4)
+F(
k−2) ]
...[
F( )
1 +F( )
3]
F( ) ( )
2 F1 +(
k 1) (
F k 2) ( ) (
F k[
F k 4)
F(
k 1) ] [
F(
k 5)
F(
k 2) ]
...[
F( )
1 F( )
4]
F( ) ( ) ( )
3F 2 F 1F − − − + − − + − +
+F
(
k−1) (
F k−2) (
F k−3) ( ) (
F k[
F k−5)
+F(
k−1) ]
...[
F( )
1 +F( )
5]
F( ) ( ) ( ) ( )
4 F 3 F 2 F 1+ …………..+
(
k 1) (
F k 2)
...F( ) ( ) ( )
3F k[
F 1 F(
k 1) ]
F(
k 2) (
F k 3)
...F( )
1F − − + − − −
+F
(
k−1) (
F k−2)
...F( ) ( ) (
2 F k F k−1) (
F k−2)
...F( )
1 +F(
k−1) (
F k−2)
...F( ) ( ) (
1F k F k−1) (
F k−2)
...F( )
1我們想要證明P
(
D|D0)
≤ P( )
D = F( )
k 也會成立,因此我們要證明( ) ( )
[
F k−2 +F k−1] [
F(
k−3)
+F(
k−2) ]
...[
F( )
1 +F( )
2]
F( )
1+F
(
k−1) ( [
F k−3)
+F(
k−1) ] [
F(
k−4)
+F(
k−2) ]
...[
F( )
1 +F( )
3]
F( ) ( )
2 F1+F
(
k−1) (
F k−2) ( [
F k−4)
+F(
k−1) ] [
F(
k−5)
+F(
k−2) ]
...[
F( )
1 +F( )
4]
F( ) ( ) ( )
3F 2F1 +F(
k−1) (
F k−2) (
F k−3) ( [
F k−5)
+F(
k−1) ]
...[
F( )
1 +F( )
5]
F( ) ( ) ( ) ( )
4 F 3 F 2 F 1 +……+(
k 1) (
F k 2)
...F( ) ( )
3[
F 1 F(
k 1) ]
F(
k 2) (
F k 3)
...F( )
1F − − + − − −
+F
(
k−1) (
F k−2)
...F( ) (
2 F k−1) (
F k−2)
...F( )
1 +F(
k−1) (
F k−2)
...F( ) (
1F k−1) (
F k−2)
...F( )
1 1≤同理我們令 F
( )
i = for i=1,….,k-1 並且 滿足xi xi 0≤ x1 ≤ x2 ≤x3 ≤...≤xk−1 ≤1 因此我們要證明 f(
x1,x2,x3,...,xk−1)
=( )
[
xk−2 + 1−xk−1] [
xk−3 +(
1−xk−2) ]
...[
x1 +(
1−x2) ] (
1−x1)
+xk−1
[
xk−3 +(
1−xk−1) ] [
xk−4 +(
1−xk−2) ]
...[
x1 +(
1−x3) ] (
1−x2)(
1−x1)
+ xk−1xk−2
[
xk−4 +(
1−xk−1) ] [
xk−5 +(
1−xk−2) ]
...[
x1+(
1−x4) ] (
1−x3)(
1−x2)(
1−x1)
+( )
[
5 1] [
6(
2) ] [
1(
5) ] (
4)(
3)(
2)(
1)
3 2
1x x x 1 x x 1 x ...x 1 x 1 x 1 x 1 x 1 x xk− k− k− k− + − k− k− + − k− + − − − − − +………..+ xk−1xk−2...x3
[
x1 +(
1−xk−1) ] (
1−xk−2)(
1−xk−3) (
...1−x1)
+xk−1xk−2...x3x2
(
1−xk−1)(
1−xk−2) (
...1−x1)
+xk−1xk−2...x3x2x1
(
1−xk−1)(
1−xk−2) (
...1−x1)
≤ where 1 0≤ x1 ≤ x2 ≤..≤xk−1 ≤1附錄 B:
排序方法:
令yi = xi +i ,where i = 1,2,…,n。我們將 由小至大排列: yi
⇒ y( )1 ≤ y( )2 ≤ y( )3 ≤L≤ y( )n,並找出每個對應的xj,即y( )i =xj + j
並令xi" = xj,則我們可以得到
⇒ x1" →x2" → x3" →L→x"n
附錄 C:
Second derivatives test
Suppose the second partial derivatives of f are continuous on a disk with center (a,b), and suppose that fx(a,b)=0 and fy(a,b)=0. Let
D = D(a,b)= fxx(a,b)fyy(a,b)−
[
fxy(a,b)]
2(a) If D>0 and fxx(a,b)>0, then f(a,b) is a local minimum.
(b) If D>0 and fxx(a,b)<0, then f(a,b) is a local maximum.
(c) If D<0 , then f(a,b) is not a local maximum or minimum.
附錄 D:
A COURSE IN PROBABILITY THEORY , SECOND EDITION ,
Kai Lai Chung
Theorem 7.3.1 Suppose that { } is a sequence of m-dependent, uniformly bounded r.v.’s such that
Xn
( )
→+∞3 /
n1
Sn σ
as n→∞. then [Sn −E(Sn)]/σ
( )
Sn converges in dist. to Φ.附錄 E:
模擬 10000 個xi",並做 K-S 常態分配檢定,與劃出 Q-Q plot.
i = 11
One sample Kolmogorov-Smirnov Test of Composite Normality data: V1 in DS41
ks = 0.0063, p-value = 0.5 alternative hypothesis:
True cdf is not the normal distn. with estimated parameters sample estimates:
mean of x standard deviation of x 0.0106692 0.9952749
-4 -2 0 2 4
Normal Distribution -3
-1 1 3 5
V1
i = 12
ks = 0.006, p-value = 0.5
-4 -2 0 2 4
Normal Distribution -3
-1 1 3
V1
i = 13
ks = 0.005, p-value = 0.5
-4 -2 0 2 4
Normal Distribution -5
-3 -1 1 3 5 7
V1
i =20
3 表示取Z3=
d Zi 的 i
16
14
12
參考文獻:
1、鄭春生(民國八十五年),品質管理,台北,三民書局
2 、 Alwan,L.C.,and D. Radson,”Time-series investigation of subsample mean chart,”IIE Transactions,24,66-80(1992)
3 、 Kai Lai Chung, “A COURSE IN PROBABILITY THEORY , SECOND EDITION”,second edition.