管制上限計算器

管制上限計算器

領先 AI Skill PRO

輸入計算

數學公式

UCL=平均數+k·σLCL=平均數−k·σ\begin{gathered} \text{UCL} = \text{平均數} + \text{k} \cdot {\sigma} \\[1em] \text{LCL} = \text{平均數} - \text{k} \cdot {\sigma} \end{gathered}
使用統計

廣告

結果

管制上限 (UCL)
65
中心線 ± k·σ 的管制圖界限
中心線(平均數) 50
管制上限 65
管制下限 35

回報本頁錯誤

什麼是管制上限?

管制上限(Upper Control Limit,UCL)是指在統計製程管制(SPC)管制圖中,製程量測值仍被視為「製程穩定」的最大值。它與管制下限(LCL)以及中心線(製程平均數)共同界定出一條穩定、可預測製程應運作的範圍。當資料點落在這些界限之外時,就代表出現了異常原因變異(special-cause variation),需要進一步追查。

包含中心線、上下管制界限和繪製資料點的管制圖
顯示中心線(平均值)以及上下管制界限的管制圖。

如何使用本計算器

請輸入三個數值:製程平均數(x̄,樣本的平均值)、標準差(\(\sigma\),資料的離散程度),以及 Sigma 倍數(\(k\))。經典的休哈特(Shewhart)管制圖採用 \(k = 3\),可涵蓋常態分布資料中約 99.7% 的範圍。計算器會立即回傳 UCL、LCL 與中心線。

公式說明

管制界限的計算方式如下:

$$\begin{gathered} \text{UCL} = \text{Mean} + k \cdot \sigma \\[1em] \text{LCL} = \text{Mean} - k \cdot \sigma \end{gathered}$$

當 \(k = 3\) 時,界限位於距離平均數三個標準差之處。較小的 \(k\)(例如 2)會收緊界限、觸發更多警示;較大的 \(k\) 則會放寬界限。部分實務工作者會以「子群平均值的標準差」而非個別值的標準差作為 \(\sigma\),因此請務必確認你的 \(\sigma\) 與所使用的管制圖類型相符。

廣告
數線顯示平均值置中,在正負 k 西格瑪處的帶狀區域標示 UCL 與 LCL
UCL 與 LCL 位於製程平均值上下各 k 個標準差處。

實例演練

假設某條充填生產線的平均充填量為 50 mL、標準差為 5 mL,且 \(k = 3\)。則 $$\text{UCL} = 50 + 3 \times 5 = 65 \text{ mL}$$ $$\text{LCL} = 50 - 3 \times 5 = 35 \text{ mL}$$ 任何量測值高於 65 mL 或低於 35 mL 的瓶子皆屬於失控狀態,應加以標記檢查。

不同 k 值如何改變管制界限

乘數 k 決定界限與中心線之間的距離。表格採用一個範例:製程平均值 = 50,標準差 \(\sigma\) = 5,因此 UCL = 50 + k·5,LCL = 50 − k·5。例如,當 k = 3 時,上限為 50 + 3 × 5 = 65。

k UCL LCL 在管制內常態資料落於界限內的比例 每個點的約略誤報率
1 55 45 68.27% 約 1/3
2 60 40 95.45% 約 1/22
2.5 62.5 37.5 98.76% 約 1/81
3 65 35 99.73% 約 1/370
4 70 30 99.994% 約 1/15,787

百分比假設製程穩定且資料呈常態分佈。較窄的界限(較小的 k)能較快偵測到偏移,但會提高誤報率。較寬的界限(較大的 k)誤報較少,但對真正偏移的反應較慢。k = 3 是傳統的 Shewhart 選擇。

解讀您的管制界限

普通原因變異是穩定製程中固有的自然隨機變異。它來自許多微小來源,在界限內可以預測。特殊原因變異則來自特定、可辨識的事件,例如工具故障、新的材料批次或操作員更換。它會使製程的行為偏離其一般模式。

點位高於 UCL 或低於 LCL,是可能出現特殊原因變異的訊號,應加以調查。落在界限內的點與普通原因變異一致,不過界限內的某些模式也可能顯示出問題。常用的運行規則(Western Electric / Nelson)包括:

  • 連續 8 點位於中心線同一側(某些版本的規則使用 9 點)。
  • 連續 6 點穩定上升或下降。
  • 連續 3 點中有 2 點超出同一側的 2 sigma。

每增加一條規則都會提高靈敏度,但也會提高整體誤報率,因此應審慎採用。

管制界限不等於規格界限。管制界限來自製程本身的數據,描述製程實際的表現。規格界限來自客戶或設計要求,描述製程應該達到的表現。製程可能完全處於管制狀態,卻仍產出超出規格的產品,例如製程穩定但中心偏離目標,或自然分散度過大。製程也可能符合規格,同時處於失控狀態。

廣告

管制圖常數(A2、D3、D4、d2)

這些標準 SPC 常數取決於子組大小 n,並與 X-bar 圖和 R 圖搭配使用。

n d2 A2 D3 D4
2 1.128 1.880 0 3.267
3 1.693 1.023 0 2.574
4 2.059 0.729 0 2.282
5 2.326 0.577 0 2.114
6 2.534 0.483 0 2.004
7 2.704 0.419 0.076 1.924
8 2.847 0.373 0.136 1.864
9 2.970 0.337 0.184 1.816
10 3.078 0.308 0.223 1.777

使用方式:

  • 由平均子組全距估計製程標準差:\(\hat{\sigma} \approx \bar{R} / d_2\)。您可將此值輸入計算機的 sigma 欄位(適用於個別值;若為子組平均值,標準誤差為 \(\hat{\sigma}/\sqrt{n}\))。
  • X-bar 圖界限:\(\bar{\bar{X}} \pm A_2 \cdot \bar{R}\),其中 \(\bar{\bar{X}}\) 為子組平均值的總平均。
  • R 圖界限:\(\text{管制下限} = D_3 \cdot \bar{R}\) 與 \(\text{管制上限} = D_4 \cdot \bar{R}\)。當 D3 為 0 時,下限即為零。

這些常數假設採用 3 sigma 界限,且資料呈常態分佈。

常見問題

為什麼 k 通常設為 3?三倍標準差界限能在靈敏度與誤報之間取得平衡——約有 99.73% 的受控資料點會落在界限內,因此除非製程真的發生變化,否則出界的點相當罕見。

LCL 可以是負值嗎?在數學上是可以的。但對於不可能為負的計數或量測值(例如不良品數量),LCL 通常會截斷為 0。

本計算適用於哪種管制圖?同樣的「平均數 ± k·σ」邏輯適用於 X̄ 圖、單值移動全距圖(I-MR)以及許多其他休哈特管制圖;不同之處僅在於 \(\sigma\) 的估算方式。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器