2-1　抽樣原理

• 2.1.1 統計品質管制 -- 管制圖

品質管制的目的在於決定製造過程是否維持在可接受的品質範圍內，一般而言所有的製造過程都可能發生兩種基本的錯誤型態或問題：

1. 局部錯誤：

特殊原因的

可歸因的

偶發性的

2. 系統錯誤：

一般原因的

機率的

習慣性或慢性的

舉例來說，突然損毀的工具或是機器所造成的品質問題便是屬於局部錯誤，而不良的管理或工作站設計所造成的品質問題便是屬於系統錯誤 。因此，在考慮使用品質管制的同時，必須瞭解局部錯誤可藉著控制圖表和操作員的正確判斷而察覺，但是系統的錯誤則需要系統的改變以矯正問題-- 這通常是管理者的權限。因此，使用品質管制圖並無法全面的提昇品質，對今日的生產管理者而言，品質管制圖應該只是在實施全面品質管制中的一部份。

• 2.1.2 品質管制抽樣方法

品質管制抽樣方法選擇是決定品管圖成效最關鍵的部份，抽樣過程中抽樣群體(subgroup)的選擇必須依照對製程知識的瞭解，以下由共同變異與特殊變異圖(下圖1)來比較樣本間的變異與樣本內的變異：

(圖1)

1. 如果我們感興趣的是觀察製程平均值的變動，則抽樣群體內的變異應該盡可能小，如此我們便可以在數次樣本平均值的變異中發覺製程平均值的變動。

2. 如果我們感興趣的是觀察製程變異的變動，則抽樣應該避免高度相關的連續資料以使抽樣群體內變異盡可能的大。

3. 為達到對抽樣群體內變異的控制，一般而言抽樣過程可以分為下列兩者：

◆連續抽樣(consecutive sampling)：抽樣過程為連續的，譬如在每個小時內的前五分鐘連續抽5個樣本。

◆分散抽樣(distributed sample)：抽樣過程為隨機的，譬如在每個小時內隨機抽5個樣本。

4. 以下由數個抽樣方法的例子來說明連續抽樣與分散抽樣的使用時機。

◆如果製程平均值是長時間連續移動，則選擇連續抽樣的方式進行

圖示：連續抽樣與分散抽樣一 (下圖2)

(圖2)

◆如果製程平均值是隨機突然跳動並且維持時間很短，則選擇分散抽樣的方式進行，因可以透過R管制圖提供較好的製程平均值移動機會。

圖示：連續抽樣與分散抽樣二(下圖3)

(圖3)

◆如果製程平均值是平緩的移動，則選擇分散抽樣的方式進行，因可以透過R管制圖提供較好的製程平均值移動機會。

圖示：連續抽樣與分散抽樣三(下圖4)

(圖4)

1. 抽樣群體的選擇上的陷阱：

◆分類區隔：在某些製程上可能同時擁有好幾個相同的工作站，而抽樣群體內的每一個樣本元素均來自某一個特定的工作站，由於統計波動的特性，如此便會形成較大的製程變異。如果我們利用這樣的標準來建立 管制圖，則管制圖的界線會無形中增大，而使得製程看起來似乎都沒有出現問題，既使實際上製程已經有了問題。

圖示：錯誤的抽樣方式一(下圖5)

(圖5)

◆混合式： 類似分類區隔的狀況，只是產品可能集中自不同的工作站上，在抽樣後同樣可能形成較大的製程變異。

圖示：錯誤的抽樣方式二(下圖6)

(圖6)

◆為避免抽樣群體的選擇上的陷阱，任何可能包含局部錯誤的來源均應單獨對其做統計品質管制。