SPC案例
spc实施方案案例
spc实施方案案例SPC实施方案案例一、背景随着市场竞争的日益激烈，企业在产品质量管理方面越来越重视统计过程控制（SPC）的实施。
SPC是一种以统计方法为基础的质量管理工具，旨在通过对生产过程的监控和分析，实现产品质量的稳定和持续改进。
本文将介绍一个实际的SPC实施案例，以期为其他企业在SPC实施过程中提供借鉴和参考。
二、案例描述某电子产品制造企业在生产过程中发现产品的合格率逐渐下降，客户投诉率逐渐上升，这给企业的产品质量和声誉带来了严重的影响。
为了解决这一问题，企业决定引入SPC方法进行质量管理。
首先，企业对生产过程进行了全面的数据采集和分析，发现了一些生产过程中的潜在问题和变异因素。
然后，企业制定了SPC实施方案，包括确定关键质量特性、建立控制图、设定控制限、培训员工等环节。
三、实施过程在SPC实施的过程中，企业首先对生产过程进行了全面的测量和数据采集，确定了关键质量特性，并建立了相应的控制图。
然后，企业对生产人员进行了SPC培训，使其掌握SPC的基本原理和操作方法。
在培训的同时，企业还建立了SPC小组，负责监控和改进生产过程。
此外，企业还对设备进行了全面的维护和保养，以确保生产过程的稳定性和可靠性。
四、实施效果经过一段时间的SPC实施，企业取得了显著的效果。
首先，产品的合格率得到了明显的提升，客户投诉率也大幅下降。
其次，生产过程的稳定性和可靠性得到了显著改善，产品质量得到了有效的控制和提升。
最后，企业的生产成本也得到了一定程度的降低，生产效率得到了显著提升。
可以说，SPC的实施为企业带来了明显的经济效益和社会效益。
五、总结与展望通过以上案例的介绍，我们可以看到SPC在企业质量管理中的重要作用。
SPC不仅可以帮助企业实现产品质量的稳定和持续改进，还可以帮助企业降低生产成本，提高生产效率，增强市场竞争力。
因此，我们相信SPC在未来会得到更广泛的应用和推广，为更多的企业带来更多的经济效益和社会效益。
spc案例
spc案例SPC（Statistical Process Control，也叫统计过程控制）是一种通过统计方法对产品和过程进行监控和改进的质量管理方法。
下面是一个SPC案例，用以说明其在实际生产中的应用。
某制造公司生产一种产品，经过市场调查发现，该产品存在一定的质量问题，如尺寸偏差、露粉等。
为了解决这些问题，公司决定采用SPC方法来监控和改进生产过程。
首先，公司确定一组关键工艺参数，如温度、压力、转速等，以及相关的质量指标，如尺寸、外观等。
随后，公司对每个工艺参数进行测量和记录，并将其输入到SPC软件中。
同时，公司还设置了对应的上下限值，即规定了每个工艺参数的合理变化范围。
在生产过程中，SPC软件会自动进行统计分析，并生成控制图。
控制图上有一条中心线，表示期望值，以及上下限线，表示允许的变化范围。
同时，还有一些参考线，如标准偏差线，用于判断过程稳定性。
公司的技术人员定期对控制图进行检查，观察各参数是否在规定范围内波动，是否出现异常情况。
如果发现异常，技术人员会及时采取措施，如调整机器参数、更换工具等，以及及时通知相关操作人员。
通过SPC的实施，公司逐渐发现了一些问题。
例如，当温度过高时，产品尺寸会偏大；当压力过低时，产品内部会出现空隙。
公司根据这些发现，对生产过程进行了优化，并引入了更先进的控制系統，进一步提高了产品质量。
此外，SPC还帮助公司进行了质量变化的监控和评估。
公司可以利用SPC软件生成的统计报表，进行不同时间段内产品质量的对比。
同时，公司还可以进行根因分析，找出导致质量问题的根本原因，并提出相应的改进措施。
总的来说，通过SPC的应用，该制造公司有效地改善了产品质量，减少了不合格品的数量，并提高了自身的竞争力。
SPC 方法在实际生产中具有广泛的应用前景，可以帮助企业提升质量管理水平，降低成本，提高效率。
统计过程控制(SPC)案例分析(2004-03-24).
【案例1】 R X -控制图示例某手表厂为了提高手表的质量，应用排列图分析造成手表不合格品的各种原因，发现“停摆”占第一位。
为了解决停摆问题，再次应用排列图分析造成停摆事实的原因，结果发现主要是由于螺栓松动引发的螺栓脱落成的。
为此厂方决定应用控制图对装配作业中的螺栓扭矩进行过程控制。
分解：螺栓扭矩是一计量特性值，故可选用基于正态分布的计量控制图。
又由于本例是大量生产，不难取得数据，故决定选用灵敏度高的R X -图。
解：我们按照下列步骤建立R X -图步骤1：取预备数据，然后将数据合理分成25个子组，参见表1。
步骤2：计算各组样本的平均数i X 。
例如，第一组样本的平均值为：0.16451621661641741541=++++=X其余参见表1中第（7）栏。
步骤3：计算各组样本的极差i R 。
例如，第一组样本的极差为：{}{}20154174min max 111=-=-=j j X X R其余参见表1中第（8）栏。
表1： 【案例1】的数据与R X -图计算表i故：272.163=X ，280.14=R 。
步骤5：计算R 图的参数。
先计算R 图的参数。
从D 3、D 4系数表可知，当子组大小n =5，D 4=2.114，D 3=0，代入R 图的公式，得到： 188.30280.14114.24=⨯==R D UCL R280.14==R CL R ==R D LCL R 3—极差控制图：均值控制图：图1 【案例1】 的第一次R X -图参见图1。
可见现在R 图判稳。
故接着再建立X 图。
由于n =5，从系数A 2表知A 2=0.577，再将272.163=X ，280.14=R 代入X 图的公式，得到X 图：512.171280.14577.0272.1632≈⨯+=+=R A X UCL X 272.163==X CL X032.155280.14577.0272.1632≈⨯-=-=R A X LCL X因为第13组X 值为155.00小于X LCL ，故过程的均值失控。
质量管理中的SPC统计过程控制
质量管理中的SPC统计过程控制质量管理是企业生产和经营过程中至关重要的一环。
为了保证产品的质量稳定和一致性，SPC（Statistical Process Control，统计过程控制）被广泛应用于质量管理中。
本文将探讨SPC统计过程控制在质量管理中的作用、原理和应用案例。
一、SPC统计过程控制的作用SPC统计过程控制是一种通过收集和分析数据来监测和控制质量的方法。
它的作用主要有以下几个方面：1. 提前发现问题：SPC通过持续监测和分析过程数据，能够及时发现潜在的质量问题。
通过及时采取措施，可以避免质量问题进一步扩大，降低不良品的产生并节约成本。
2. 降低过程变异性：过程中的变异性是质量问题的主要根源之一。
通过SPC可以分析过程中的变异性，并采取相应的控制措施，使过程变得更加稳定，产品质量更加一致。
3. 改进过程能力：SPC统计过程控制可通过数据分析，评估和改进过程能力。
通过数据分析，可以找出过程中的瓶颈和不足之处，并加以改善，提高生产效率和产品质量。
二、SPC统计过程控制的原理SPC统计过程控制依据统计学原理，通过采集样本数据，并运用统计方法进行分析和判断。
其主要原理包括以下几个方面：1. 随机变异和特殊因素：SPC将过程中的变异分为随机变异和特殊因素两种。
随机变异是不可避免的，而特殊因素则是可以识别和排除的。
通过分析数据，可以判断变异性是否超出了正常范围，进而判断产品是否合格。
2. 控制图的应用：SPC通过绘制控制图，可以直观地反映出过程的变异性状况。
控制图一般包括平均线（表示过程的中心），上下控制限（表示变异程度），以及数据点（表示样本数据）。
通过分析控制图上的变化趋势和超出控制限的数据点，可以判断过程是否受到特殊因素的影响。
3. 结果分析和过程改进：通过SPC统计过程控制，可以得到一系列的统计数据和变异规律。
根据这些数据，可以进行结果分析，并提出相应的改进措施。
通过持续改进，不断降低过程变异性，提高产品的一致性和稳定性。
SPC在服务业现场管理中的应用与案例分享
SPC在服务业现场管理中的应用与案例分享在服务业中，现场管理是至关重要的，它直接影响着服务质量和客户满意度。
而统计过程控制（SPC）作为一种质量管理工具，在服务业现场管理中的应用越来越受到重视。
本文将探讨SPC在服务业现场管理中的应用，并通过案例分享展示其重要性和效果。
什么是SPC？SPC是一种通过统计分析过程中的变异性来实现过程控制和持续改进的方法。
它包括了收集数据、分析数据、作出决策的过程，旨在确保过程稳定，减少变异性，提高质量。
SPC在服务业现场管理中的应用1. 收集数据在服务业现场管理中，收集数据是至关重要的。
通过记录服务过程中的各种指标，可以了解到服务的质量表现和变化趋势，为后续分析提供数据支持。
2. 分析数据SPC通过分析数据，帮助管理者了解服务过程中的变异性，找出问题根源，并制定改进措施。
例如，通过控制图可以及时发现异常情况，快速作出反应。
3. 作出决策基于数据分析的结果，管理者可以作出相应的决策，例如调整服务流程、提高员工培训水平、改进服务质量标准等，以持续改进服务质量。
案例分享案例一：餐饮服务一家餐饮连锁店引入SPC对服务流程进行管理。
他们通过收集顾客点餐到上菜的时间数据，绘制控制图分析发现，有一些菜品的等待时间超出了正常范围。
经过调查发现是厨房工作流程不畅，他们通过调整厨房工作流程和增加厨师数量，成功减少了菜品等待时间，提升了顾客满意度。
案例二：酒店服务一家高端酒店引入SPC对客房清洁服务进行管理。
他们通过记录每位清洁员的客房清洁时间，分析数据发现有些清洁员的清洁时间明显较长。
经过培训和改进工作流程，他们成功降低了清洁时间，提高了客房清洁效率，客人投诉率显著下降。
总结SPC在服务业现场管理中具有重要的应用意义，通过SPC的方法，管理者可以实时掌控服务过程中的变异性，及时发现问题并作出改进，提高服务质量和客户满意度。
因此，服务行业企业应当积极引入SPC，将其融入到现场管理中，实现持续改进和优质服务的目标。
SPC案例分析
SPC案例分析在当今竞争激烈的制造业环境中，质量控制成为了企业生存和发展的关键。
统计过程控制（Statistical Process Control，简称 SPC）作为一种有效的质量控制工具，已经在众多企业中得到了广泛的应用。
本文将通过一个具体的案例，深入探讨 SPC 在实际生产中的应用和效果。
一、案例背景我们选取的案例是一家汽车零部件制造企业，该企业主要生产发动机缸体。
在过去的一段时间里，客户对产品的质量投诉不断增加，主要问题集中在缸体的尺寸精度不符合要求，导致发动机装配过程中出现故障。
为了解决这一问题，企业决定引入 SPC 方法进行质量控制。
二、SPC 方法的实施过程1、确定关键质量特性首先，企业的质量控制团队与生产部门合作，通过对产品设计要求和客户反馈的分析，确定了发动机缸体的关键质量特性，即缸体的内径尺寸和圆柱度。
2、数据采集在生产过程中，质量控制人员每隔一定时间从生产线上抽取一定数量的缸体样本，使用高精度测量仪器对关键质量特性进行测量，并记录测量数据。
3、控制图的绘制将采集到的数据输入到统计软件中，绘制均值极差控制图（XR 控制图）和均值标准差控制图（XS 控制图）。
控制图的横坐标表示样本序号，纵坐标表示测量值。
4、控制限的确定根据样本数据的分布特征和统计规律，计算出控制图的控制限。
控制限分为上控制限（UCL）、下控制限（LCL）和中心线（CL）。
中心线通常为样本数据的均值，上控制限和下控制限则根据一定的计算公式得出。
5、过程监控与分析定期对控制图进行观察和分析，判断生产过程是否处于受控状态。
如果数据点落在控制限内，且没有明显的趋势或异常模式，则认为过程处于受控状态；反之，如果数据点超出控制限，或者出现连续上升或下降的趋势，或者存在周期性的波动等异常模式，则认为过程失控，需要采取相应的措施进行改进。
三、案例结果与分析在实施 SPC 方法后的一段时间里，企业对生产过程进行了持续的监控和分析。
SPC-统计方法分析
SPC-统计方法分析引言SPC（Statistical Process Control）是一种通过使用统计方法来监控和控制过程稳定性的质量管理技术。
它可以帮助企业分析和改进生产过程，降低不合格品率，提高生产效率和质量水平。
本文将介绍SPC的基本概念、统计方法分析的步骤和应用案例。
SPC的概念SPC是一种基于统计的质量控制方法，通过统计数据的收集、处理和分析，来评估生产过程的变异性，从而实现过程的稳定性和可控性。
它主要包括以下几个要素：1.过程监控：SPC通过采集实时数据进行监控，及时发现过程中的异常变化，以便及时采取控制措施。
2.统计分析：SPC使用统计方法对数据进行分析，以了解过程的性能和变异情况，从而判断过程是否稳定。
3.控制图：控制图是SPC的核心工具，通过绘制过程数据和控制限线，可以直观地观察过程的稳定性，并判断过程是否受到特殊因素的影响。
统计方法分析步骤统计方法分析是SPC中的核心环节，它包括以下几个基本步骤：1.数据收集：首先需要收集与待分析过程相关的数据，可以是产品质量数据、生产参数数据等。
数据可以通过手工记录或自动化采集系统获取。
2.数据整理：对收集到的数据进行整理和清洗，去除异常值和重复数据，并进行数据格式转换，以便后续的统计分析。
3.描述性统计分析：通过计算数据的基本统计量，如均值、标准差、中位数等，来描述数据的集中趋势和分散程度。
4.绘制控制图：根据数据的特点选择适用的控制图类型，并根据统计分析结果绘制控制图。
常用的控制图类型包括X-bar图、R图、p图、np图等。
5.控制图分析：根据控制图的规则和判断标准，分析控制图中的数据点是否落在控制限内，判断过程是否稳定。
特殊因素的存在可能导致控制图出现异常情况，需要进行进一步的原因分析和改进措施的制定。
6.过程改进：根据统计分析和控制图的结果，对过程进行改进，找出并消除导致异常情况的根本原因。
应用案例以下是一个使用SPC进行统计方法分析的应用案例：某工厂生产的产品在尺寸方面存在一定的偏差，为了提高产品的质量稳定性，工厂决定使用SPC进行分析和改进。
SPC生活应用案例
工具讲解 | 老婆竟用SPC监控我|SPC统计过程控制应用经典案例分析俗话说宴无好宴。
朋友邀我去他家做客吃晚饭，进了门迎面遇上他焦急无辜的表情，才知道主题是咨询。
起因是朋友最近回家的时间越来越晚，罪证就在他家门口玄关的那张纸上：朋友的太太是一家美商独资企业的QC主管，在家里挂了一张单值-移动极差控制图，对朋友的抵家时间这一重要参数予以严格监控：设定的上限是晚七点，下限是晚六点，每天实际抵家时间被记录、描点、连线——最近连续七天(扣除双休日)的趋势表明，朋友抵家的时间曲线一路上扬，甚至最近两天都是在七点之后才到家的，证据确凿——按照休哈特控制图的原则和美国三大汽车公司联合编制的SPC(Statistical Quality Control，统计过程控制)手册的解释，连续7点上升已绝对表明过程发生了异常，必须分析导致异常的原因并做出必要的措施(比如准备搓衣板)，使过程恢复正常。
显然，我可能给出的合理解释成了朋友期待的救命稻草，而这顿晚饭就是他在我面前挂着的胡萝卜。
显然，朋友的太太比我们绝大多数的企业家更专业(当然，作为同类，我想这也许就是导致我们只能成为管理工具的原因)，她清楚地认识到：预防措施，永远比事后的挽救更重要。
顺便说一句，朋友太太厨艺很优秀，属于那种下得厨房上得厅堂的模范太太—当然，对朋友的在意程度更是显而易见的，否则不会选择抵家时间作为重要的过程特性予以控制—这个过程参数，在她眼里，无疑昭示着忠诚度。
饭后上了红酒，席间的谈话就从过程异常的判定开始。
“我们先来陈述一下控制图的判异准则：第一，出现任何超出控制限的点；第二，出现连续7点上升或者下降或者在中心线的一边；第三，出现任何明显非随机的图形。
显然，目前该过程已经符合其中第一和第二项，确实出现了异常。
作为过程控制的责任者，你打算怎么分析呢？”“还是我们传统的分析方法：因果图。
”“那么，我们寻找的还是这五个方面的原因了：人、机、料、法、环？”“是的。
统计过程控制(SPC)在制造业中的应用案例分析
统计过程控制（SPC）在制造业中的应用案例分析统计过程控制（SPC）是一种常用于制造业中的质量管理方法，通过对过程中的关键参数进行监测与控制，确保产品质量稳定可靠。
本文将以一家汽车零部件制造企业的案例为例，分析SPC在制造业中的应用。
该企业是一家专业生产汽车引擎活塞的制造商，其产品质量直接关系到汽车发动机的性能和寿命。
为了保证引擎活塞的质量，在生产过程中，该企业采用了SPC方法来监控关键参数，及时调整生产过程，提高产品质量。
首先，在SPC的实施过程中，该企业明确定义了关键参数，并建立了相应的控制图。
在引擎活塞的生产过程中，关键参数包括活塞直径、活塞高度、活塞内孔直径等。
通过在生产线上设置检测装置和传感器，实时监测这些参数，并将数据输入到SPC软件中进行分析和控制。
接下来，该企业使用SPC软件对收集到的数据进行统计分析。
通过统计分析，可以了解到每个关键参数的平均值、标准差、极差等信息，以及其变化趋势。
通过对这些数据进行分析，可以判断生产过程的稳定性和一致性。
当关键参数超出了控制界限，即超出了产品质量的上下限时，SPC软件会自动发出警报，提醒相关人员进行相应的调整和控制。
此外，SPC软件还可以生成各种控制图，如X-bar控制图、R控制图和P控制图等。
这些控制图可以直观地显示出生产过程的稳定性和变异性。
通过观察和分析控制图的规律，可以判断生产过程是否受到特殊因素的影响，如材料变化、设备故障或人为误操作等。
当发现特殊因素时，及时采取纠正措施，以确保产品质量稳定。
此外，SPC软件还可以进行过程能力分析，通过分析过程能力指标（Cp、Cpk）等参数，评估生产过程的稳定性和能力。
通过这些分析，可以确定生产过程是否满足质量要求，并及时调整和优化生产过程，以提高产品质量和生产效率。
在该企业的实践中，SPC方法的应用取得了显著的效果。
通过SPC的实时监控和调整，引擎活塞的关键参数稳定在设计要求的范围内，产品质量得到了有效控制。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
束線固定輸出線材製程1.製程簡介2.P/Q因果關係圖3.基本統計量1.製程：束線固定輸出線材位置2.品質特性：線材出CASE長度3.基本統計量＊束線槍刻度固定為2＊綁附線材時線材位置無固定( 1) 313(11) 314 (21) 311( 2) 315(12) 312(22) 313( 3) 312(13) 310(23) 319( 4) 316(14) 313(24) 310( 5) 314(15) 312(25) 313( 6) 314(16) 314(26) 311( 7) 312(17) 313(27) 309( 8) 314(18) 309(28) 311( 9) 312(19) 311(29) 319(10) 315(20) 310(30) 3154.重要統計量：平均值：312.87標準差：2.475.本品質特性之規格：311.15±6.354.直方圖分析1.製程：束線固定輸出線材2.品質特性：線材出CASE長度3.直方圖：4.分析：□屬於常態分配型不屬常態分配型離島型□雙峰型□偏態型□其他5.研判：經判斷,此離島現象乃因線材之黑色線,插附位置不同所導致,因為相同金道的不同孔位,線材皆可任意插附,而影響線材出CASE之長度,如將線材插附位置做一明確的規定,即可改善此一現象,將此離島現象排除後才可進行製程能力診斷。
5.基本統計量1.製程：束線固定輸出線材位置2.品質特性：線材出CASE長度3.基本統計量( 1) 313(11) 314(21) 312( 2) 310(12) 308(22) 311( 3) 309(13) 312(23) 314( 4) 312(14) 315(24) 313( 5) 311(15) 315(25) 315( 6) 314(16) 309(26) 311( 7) 310(17) 311(27) 312( 8) 317(18) 316(28) 316( 9) 316(19) 314(29) 313(10) 313(20) 310(30) 3124.重要統計量：平均值：312.6標準差：2.3435.本品質特性之規格：311.15±6.356.直方圖分析1.製程：束線固定輸出線材2.品質特性：線材出CASE長度3.直方圖：4.分析：屬於常態分配型□不屬常態分配型□離島型□雙峰型□偏態型□其他5.研判：__________________________________________________________________7.品質（Q）製程能力診斷表製程：束線固定輸出線材8.程改善對策彙總表1.品質特性之綜合研判2.安全區對策2.1有關製程參數之對策2.2有關品質特性之對策3.管理改善區對策4.技術改善區對策4.1需要進行相關迴歸分析之品質特性線材出CASE長度4.2需要進行實驗計劃之品質特性9.相關迴歸分析1.製程：束線固定輸出線材2.相關分析：結論：影響品質成敗最主要的製程參數是:綁附線材時線材位置3.迴歸分析迴歸方程式y=20.9556 + 0.933333X製程參數(綁附線材時線材位置)的最佳操作範圍為：311±5.5Regression Analysis-Linear model:Y=a+bx------------------------------------------------------------------------------------------------------------------------------Dependent variable:Cabel4.length Independent variable: CABLE4.location------------------------------------------------------------------------------------------------------------------------------Parameter Estimate StandardErrorTValueProb.LevelIntercept20.9556 6.42468 3.261730.00217 Slope0.9333330.020722845.0390.00000Analysis of Variance------------------------------------------------------------------------------------------------------------------------------Source Sum of Squares Df Mean Square F-Ratio Prob.Level Model731.73331731.73332028.5160.00000 Residual15.511111430.360724Lack-of-fit 6.177778130.475214 1.527470.16464 Pure error9.333333300.311111Total(Corr.)747.2444444Correlation Coefficient=0.989567R-squared=97.92percentStnd. Error of Est.=0.6006034.迴歸分析迴歸方程式y=316.988 + 1.40345X製程參數(束線槍刻度)的最佳操作範圍為：2.5±1.5＊因綁附此處線材之束線只能承受束線槍刻度到4的強度,若束線槍刻度超過4,則束線並非是由束線槍所剪斷,而是自行斷裂。
所以束線槍刻度的最佳操作範圍只能設在1~4。
Regression Analysis-Linear model:Y=a+bx------------------------------------------------------------------------------------------------------------------------------Dependent variable:Cabel3.length Independent variable: CABLE3.location------------------------------------------------------------------------------------------------------------------------------Parameter Estimate StandardErrorTValueProb.LevelIntercept316.9880.515117615.370.00000Slope-1.403450.202827-6.919420.00000Analysis of Variance------------------------------------------------------------------------------------------------------------------------------Source Sum of Squares Df Mean Square F-Ratio Prob.LevelModel57.120345157.12034547.878440.00000 Residual27.43965523 1.193028Lack-of-fit14.6396553 4.8798857.624820.00137Pure error12.800000200.640000Total(Corr.)84.56000024Correlation Coefficient=-0.821889R-squared=67.55percentStnd. Error of Est.=-1.0922610.基本統計量1.製程：束線固定輸出線材位置2.品質特性：線材出CASE長度（改善後）3.基本統計量對策１：束線槍刻度固定為３對策２：綁附線材時線材位置固定於312mm處。
( 1) 313(11) 312(21) 312( 2) 312(12) 312(22) 313( 3) 313(13) 314(23) 312( 4) 312(14) 310(24) 311( 5) 313(15) 313(25) 312( 6) 311(16) 314(26) 311( 7) 312(17) 312(27) 311( 8) 312(18) 310(28) 312( 9) 311(19) 314(29) 313(10) 313(20) 313(30) 3124.重要統計量：平均值：312.167標準差：1.053185.本品質特性之規格：311.15±6.3511.直方圖分析1.製程：束線固定輸出線材2.品質特性：線材出CASE長度3.直方圖：4.分析：□不屬常態分配型□離島型□雙峰型□偏態型□其他5.研判：__________________________________________________________________12.品質（Q）製程能力診斷表製程：束線固定輸出線材位置（改善後）13.改善前後成對數據比較14.管制圖分析1.製程：束線固定輸出線材2.品質特性：線材出CASE長度2. 3.集中趨勢管制圖：正常□異常4.離中趨勢管制圖：正常□異常5.異常現象說明：_______________________________________________6.異常原因研判：________________________________________________15.管制圖研判1.製程：束線固定輸出線材位置2.品質特性：線材出CASE長度3.非機遇原因造成之異常形態3.1超出管制上下限3.2連續七點以上在中心線的同一邊3.3五點中有四點在1以外3.4三點中有二點在2以外3.5連續七點上（或下降）3.6連續十五點在1以內4.研判：4.1集中趨勢管制圖正常□異常，異常形態為_____________4.2離中趨勢管制圖正常□異常，異常形態為_____________5.異常原因分析：____________________________________________________________________________________________________________________________________。