工业革命以后， 随着生产力的进一步发展，大规模生产的形成，如何控制大批量产品质量成为一个突出问题，单纯依靠事后检验的质量控制方法已不能适应当时经济发展的要求，必须改进质量管理方式。于是，英、美等国开始着手研究用统计方法代替事后检验的质量控制方法。
1924年，美国的休哈特博士提出将3Sigma原理运用于生产过程当中，并发表了著名的“控制图法”，对过程变量进行控制，为统计质量管理奠定了理论和方法基础。
W.A.Shewhart提出了管制图,以做为制程管制的工具.
1940年前后,英美逐渐将管制图引入工厂实际应用其效果也渐被肯定.
1950年戴明博士(W.E.Deming)到日本开讲习会,此后,管制图的应用在日本企业广为普及,并于1954年开始制定为JIS规格陆续订了JISZ9021,9022,9023.
那么什么叫管制图?
1.以产品的实际品质特性值与代表制程实力(水准)的管制界限比较,而以推移图(时间序列)形式表现者.
2.纵轴表制品的品质特性,横轴表制品制造时间成顺序(批别).
3.有中心线及上、下管制界限,且以管制界限来区别品质的变动是偶然原因的变动.
而制程必定是有变动的:
制程必定会有变动,无法做出完全同样的产品,其变动的原因可分为两类;一为偶然原因,另一为异常原因.
偶然原因
(1)大量微小原因.(2)每个微小原因个别变动小.(3)例如:同批原料内机器振动引起,熟手作业员…等微小变动.(4)不易除去.
异常原因
(1)一个或少数几个大原因.(2)任何一个皆可能发生大变动.(3)例如:原料群体不良机器磨损,生手未训练…等变动.(4)可避免且必须除去.
SPC的作用
1、确保制程持续稳定、可预测。2、提高产品质量、生产能力、降低成本。3、为制程分析提供依据。4、区分变差的特殊原因和普通原因，作为采取局部措施或对系统采取措施的指南。
下面罗列一些SPC的相关术语:
平均值 （X） 一组测量值的均值
极差（Range） 一个子组、样本或总体中最大与最小值之差
σ（Sigma） 用于代表标准差的希腊字母
标准差(Standard Deviation) 过程输出的分布宽度或从过程中统计抽样值（例如：子组均值）的分布宽度的量度，用希腊字母σ或字母s（用于样本标准差）表示。
分布宽度（Spread） 一个分布中从最小值到最大值之间的间距
中位数 ˜x 将一组测量值从小到大排列后，中间的值即为中位数。如果数据的个数为偶数，一般将中间两个数的平均值作为中位数。
单值（Individual） 一个单个的单位产品或一个特性的一次测量，通常用符号 X 表示。
中心线（Central Line） 控制图上的一条线，代表所给数据平均值。
过程均值（Process Average） 一个特定过程特性的测量值分布的位置即为过程均值，通常用 X 来表示。
链（Run） 控制图上一系列连续上升或下降，或在中心线之上或之下的点。它是分析是否存在造成变差的特殊原因的依据。
变差（Variation） 过程的单个输出之间不可避免的差别；变差的原因可分为两类：普通原因和特殊原因。
特殊原因（Special Cause） 一种间断性的，不可预计的，不稳定的变差根源。有时被称为可查明原因，它存在的信号是：存在超过控制限的点或存在在控制限之内的链或其它非随机性的图形。
普通原因（Common Cause） 造成变差的一个原因，它影响被研究过程输出的所有单值；在控制图分析中，它表现为随机过程变差的一部分。
过程能力(Process Capability) 是指按标准偏差为单位来描述的过程均值和规格界限的距离，用Z来表示。
移动极差（Moving Range） 两个或多个连续样本值中最大值和最小值之差。
管制图的种类包括以下几种:
计量型数据 X-R 均值和极差图 X-δ均值和标准差图 X -R 中位值极差图 X-MR 单值移动极差图
计数型数据 P chart 不良率管制图 nP chart 不良数管制图 C chart 缺点数管制图 U chart 单位缺点数管制图
对于品质管制手法的使用，一直是OEM客户注意的焦点。尤其是制程能力分析(Analysis for Process Capability) 的应用，大家都视为是一新开发产品导入量产阶段的指针，所以本文的主题将针对制程能力分析来进行研讨。
接下来将透过下列几个问题，来切入正题:
一、制程能力是个什么东西？
二、制程能力分析在什么时候实施是正确的？
三、执行制程能力分析前有那些步骤？
四、制程能力分析的数据要如何评价？
五、制程能力分析的数据要如何应用？
六、究竟要量测多少个样品才能计算Cpk？
七、Cpk 是否能监测连续生产之制程？
三、执行制程能力分析前有那些步骤?
1. 确定制造流程 : 确定流程(图)，订定QC工程表，列出管制之生产条件、品质特性…等。
2. 制造流程解析 : 利用5W1H手法，将制程各作业单元的变异因素加以掌握，并可得知制程所处的状态。
3. 决定管制项目 : 依制程之生产条件、品质特性、制程现况来决定管制项目。
4. 实施标准化 : 订定各项标准，并对相关人员实施各项标准之教育与训练。
5. 管制图的运用 : 应先建立解析用管制图，评估管制界限，再实施管制用管制图，持续观察制程的 稳定性与异常矫正。
6. 制程能力分析 : 收集数据，进行分析，以了解是否符合规格或客户要求，如不能符合，立即采取矫正行动。
7. 制程之持续管制: 除非有证据显示制程平均值或全距值发生变化，否则仍然使用原管制界限，不能随意修改。
四、制程能力分析的数据要如何评价?
1.制程准确度Ca (Capability of accuracy)：
评价等级/分级基准/处置原则
A
|Ca|£12.5％
作业员遵守SOP操作并达到规格之要求，所以持续维持。
B
12.5％＜ |Ca| £ 25％
如有必要时，尽可能改进为A级。
C
25％＜ |Ca | £ 50％
作业员可能看错规格不按SOP操作或检讨规格及作业标准。
D
50 ％＜|Ca|
应采取紧急措施，全面检讨有可能影响之因素，必要时得停止生产。
*对策方法是以制造单位为主、技术/品管单位为辅。
2.制程精确度Cp (Capability of precision )：
评价等级/分级基准/处置原则
A
1..33 £ Cp
甚为稳定，可考虑将规格公差缩小或此制程可胜任更精密之工作。
B
1.00 £ Cp＜ 1.33
有发生不良品的危险，必须加以注意，并设法维持不要使其变坏及迅速追查。
C
0.83 £ Cp＜ 1.00
检讨规格及作业标准，可能本制程不能胜任如此精密的工作。
D
Cp＜ 0.83
应采取紧急措施，全面检讨有可能影响之因素，必要时应停止生产。
? 对策方法是以技术单位为主、制造/品管单位为辅。
3.综合评价 (不良率 p )：
评价等级/总评 (不良率 p ％ )
A
P £ 0.44 ％
B
0.44 ％ ＜ P £ 1.22 ％
C
1.22 ％ ＜ P £ 6.68 ％
D
6.68 ％ ＜ P
注意;（1）其等级B、C、D须照Ca及Cp来处理。
（2）由于总评是根据Ca及Cp推定不良，其处置是要视下一工程或客户之要求。
（3）如不符合客户要求，一定要立即处理，避免遭遇到退货的危险。
4.制程能力指数 Cpk：
评价等级/Cpk值/处置原则
A
1.33 £ Cpk
制程能力已足够
B
1.00 £ Cpk＜ 1.33
尚可，应再努力
C
Cpk＜ 1.0
应加以改善
五、制程能力分析的数据要如何应用?
1.对设计单位提供基本资料：使其了解制程能力，从设计面解决问题。
2.分派工作到适当的机器上：决定一项机器设备能否满足要求。
3.用来验收全新或翻修调整过之设备：利用机械之能力安排适当工作，使其得到最佳之应用。
4.选用合格之作业员：剔除不合格人员或再施予教育和训练。
5.选择适当之工作方法：建立标准化SOP
6.根据规格公差设定设备之管制界限：为获得最经济、最稳定之生产。
7.当制程能力超越公差时，决定最经济之作业水准：
（1）制程能力较公差为窄时，用于建立经济管制界限。
（2）制程能力较公差为宽时，须调整一适当中心值，以获得最经济之生产。
8.找出最好的作业方式：建立最具价值之技术情报资料。
六、究竟要量测多少个样品才能计算Cpk?
之前我们已经讨论到，制程能力的评估必须要在制程稳定后，才能实施，也就是 X-R 管制图 已显示制程在稳定的统计管制状态下 (非机遇原因已经被发，并经过分析与矫正，以及防止再发)，而且继续保持在统计管制状态下。要多少个样本数才能显示出制程的稳定性？理论要求最好有 25 个以上的样组，才具代表性。请大家注意！这里所提到的25 个以上的样组数是针对管制图而言，并不是指Cpk。
所以只要能了解制程的稳定性，即使 n ＝2 ~ 5也能计算Cpk，但是唯一前提是必须先用计量值管制图，来持续观察制程稳定 (必要时采取矫正行动)。以上所探讨的角度，是从产品制程上出发，若是谈论到单一的模具、机器、设备….等等，个人建议是连续取样 100pcs来计算。如果所有生产条件相同，为何第一次与第二次的Cpk会有差异？这就是我们接下来要讨论的重点….
七、Cpk 是否能监测连续生产之制程？
假设同一量测员，采用随机抽样的手法，抽样区域可能落在群体上，不同的位置，自然会产生不同的结果，只要结果是在规格内我们都会允收。当然以少数样本的成绩代表群体的真实面貌，会有风险；如好批误判坏批，坏批误判好批。(如何避免风险？这不是现在要谈的主题，所以不再深入探讨，回归正题。) 这里所要表达的是，在制程稳定下，抽样实值有变化是属于正常现象，只是我们自己了不了解这个『变化』，究竟是属于系统(共同因变异)或是突发(特殊因变异)事件所产生的？
所以我们用某段时间的制程能力，并不足以代表整个制程是在稳定状态下。只能了解某段时间的制程能力是否符合要求(规格)，无法了解到连续生产的制程有何变化？最后大家为求速成，只计算Cpk (重视结果，这还是『某段时间』的结果)，不做管制图 (忽视过程，不良或然率蠢蠢欲动) ，稍一不慎不良品如洪水猛兽般，必须倾全厂之力去抵挡 (重工)，甚至要面临被退货的高风险！
最后我们可以做个结论：
1.任何的抽样都有误差的存在 (随机问题)
2.没有一个制程可以做到100％在统计管制状态之下(变异问题)
3.没有任何制造批为完全之常态分配 (或是其它型态分配，如果不是近似常态，Cpk就值得争议)
4.因此，所有制程能力分析的结果必须很小心考虑 (而不是只是看一看就好)，并且以很保守谨慎的态度去解析。
总结＞＞
1. 以上仅探讨产品的制程能力分析，事实上制程能力的应用非常广泛(如同第13页所述)可以单独针对机器设备、模具等来研究。
2. 本文的目的是在做观念的沟通与交流，所以在这里不做习题或范例的详细解说。
3. 希望透过这篇内容，能激起大家的共鸣，互相砥砺，让制程能力分析能真正落实到产品的制程上