【品質工程】使用SPC分析台灣客運傷亡人數(100~105年)

紅珠實驗

戴明博士在著作「轉危為安」及「新經濟學」裡面多次提到紅珠實驗，並且使用np-chart進行紅珠實驗的分析及闡述其管理意涵，這給我們至少兩個啟發：

1. 管制圖可以做為管理的有效工具

2. 其分析結果可以協助管理者分辨問題是否為系統性問題

應用管制圖於客運傷亡人數分析

Jeff對於台灣客運每年的傷亡人數深感興趣，於是套用這套工具進行分析，在「中華民國交通部公路總局」裡面可以找到我們想要的資料，其類別進一步分類為「遊覽車客運類」及「公路汽車客運類」。

我們在此僅選擇「公路汽車客運類」 並且將資料繪製成管制圖

以下是該管制圖的說明：

1. 該管制圖為np-chart 並假設n=每年該客運車次 = 每天100班*365天 = 36500班/年

2. 第一項的假設係源於每家客運公司的每年總車次資料不易取得因此有低估之虞

3. 第一項假設每家客運公司每年的車次相同 這會造成管制界限的估計錯誤

4. 更好的方式是取得每家客運每年的總班次及傷亡人數 並用p-chart重新分析

5. 這幾家客運均有跑新竹---台北路線 是這次的分析重點

無論如何，我們從管制圖中可以發現某些客運在傷亡人數上名列前茅，這六年來(2011至2016) 傷亡總人數累計排名依序為：

1. 國光客運 *136人

2. 統聯客運 *52人

3. 三重客運 *41人

4. 阿羅哈客運 *36人

5. 豪泰客運 *30人

這些數字不僅驚人，而且在管制圖上形成了頗為穩定的分布狀況，讓這幾年來的平均傷亡人數來到了9.833人 無條件進位則是10人。在30筆數據當中有5筆數據超出了管制界限，分別是：

1. 國光客運 *49人

2. 三重客運 *29人

3. 國光客運 *25人

4. 豪泰客運 *21人

5. 統聯客運 *20人

一般來說，如果數據超出管制界線，我們會認為這是由於特殊原因所造成的異常現象，然而如同我先前提到的管制圖假設，我們之所以在這張管制圖看到5個點超出管制界線是因為np chart須符合每組樣本均相同，但這與實際狀況並不相同，每家客運的每條路線的班次會有大幅度的差異，Jeff推測若使用精準的數據搭配p-chart分析應可得到準確的管制圖 ，並能指出是共同原因影響著客運傷亡人數的分布。

結論

我們時常在新聞上看到客運相關的傷亡事故發生，若不細察，則很容易會將傷亡事故當作是特殊原因所造成的事件。

例如我們常見的事故分析：

「疑因精神不濟，由一般道路駛入國道時撞擊分隔鼻端，並波及停放於平面道路路邊之拖吊車。」然而我們應該進一步懷疑事故的原因並非如此單一，而是有更深層的系統原因，果不其然，我們可以在相同的網頁中查到各客運的稽查結果「中華民國交通部公路總局」，你會發現他們幾乎都有違反汽車運輸業管理規則第19條之2規定的狀況。該條文規定客運公司不得讓駕駛調派勤務超過10小時，然而以傷亡人數最多的國光客運來說，在107年就被查出5次違反法規的紀錄。

如果要我給一個簡單的結論我會說：

「沒事不要搭客運 尤其是國光客運」

「搭高鐵比較貴 但同年度的傷亡人數是零」