【品質工程】SPC for Short Production Runs 少量生產SPC用法

一般而言SPC的使用方式需要至少20組數據，每組數據有5筆資料，學者一般建議至少要100筆資料才能建構出Phase 1的監控模式。這樣做已經是根據統計學的小樣本進行的抽樣方法了，但100筆樣本的數量對於某些生產模式來說仍然太多，顯得超過負荷了。

有別於流水線的大量生產模式，有一種常見的生產模式叫做Job Shop(中文翻譯叫工場，由於筆者不喜歡此翻譯，下文都稱呼原文Job Shop)。Job Sjop就像醫院的看診流程一樣，不同的病患會有不同的看病流程。感冒的病人經由「掛號」、「看診」、「收費」、「領藥」四個站點完成看病流程；而重症病患則經由「掛號」、「看診」、「住院」、「開刀」、「住院」等流程進行恢復。Job Shop適用於少量多樣的生產模式，不同產品因應不同客戶需求會進行不同的生產工序，對於每個生產工序會使用到的機台而言，一台機台在一次生產週期之內經手的產品數量可能都不會太多，舉例來說可能不會超過50台。這就讓傳統SPC幾乎無用武之地，因為這個數量即便使用全數檢驗也無法達到小樣本的標準：100個樣本。

學者針對此類少量多樣提出了另外一種管制圖，實際上就是X-bar R Chart的延伸版本。傳統的管制圖針對生產零件的變異進行監控，目的是監控表現在產品上的製程變異；而少量生產的SPC因為沒有足夠的生產零件可觀察，因此便透過量測值與規格中心的差異來直接觀察製程的變異。

項次	料號	量測值1	量測值2	量測值3	規格中心	偏差值1	偏差值2	偏差值3	X-bar	R
1	A	31	32	29	30	1	2	-1	0.67	3
2	A	30	33	28	30	0	3	-2	0.33	5
3	A	32	28	29	30	2	-2	-1	-0.33	4
4	A	31	31	30	30	1	1	0	0.67	1
5	A	29	28	31	30	-1	-2	1	-0.67	3
6	B	14	13	14	15	-1	-2	-1	-1.33	1
7	B	15	14	15	15	0	-1	0	-0.33	1
8	B	16	14	15	15	1	-1	0	0.00	2
9	B	13	15	15	15	-2	0	0	-0.67	2
10	B	14	14	16	15	-1	-1	1	-0.33	2

表1. SPC for Short Production Runs

表1便是實際的運用範例，該範例僅為示範計算方式，非實際量測數值，因此在管制圖上可能會出現奇怪的趨勢。傳統SPC計算量測值的平均值與全距，而Job Shop的SPC則去計算量測值與規格中心的差異再計算其平均值與全距。

這項方法有3個重點值得留意：

1. 製程標準偏差值與零件的偏差值大致相同
2. 每個料件的數量都一致時效果最好
3. 當規格中心=期望中心時效果最好

參考資料：

Introduction to Statistical Quality Control 6th Edition, Douglas C. Montgomery.