Chapter 3:

How SPC Works

255321: Industrial Engineering Quality Control
Wapee Manopiniwes, PhD
 3.1 SPC Tools: The Magnificent Seven

3.2 An Application of SPC

3.3 Chance and Assignable Causes of Variation

Outline 3.4 Shewhart Control Chart Model

3.5 Rational Subgroups

3.6 Pattern on Control Charts

3.7 Type I & Type II Errors

 3.1 SPC Tools:
The Magnificent Seven

Histogram or stem- Check sheet Pareto chart Cause-and-effect Defect concentration Scatter diagram Control chart
and-leaf plot diagram diagram
1. Histogram - • กราฟแท่งแบบเฉพาะ โดยแกนตั้งจะเป็น
ตัวเลขแสดง “ ความถี่ ” และมีแกนนอนเป็น
ฮิสโตแกรม ข้อมูลของคุณสมบัติของสิ่งที่เราสนใจ โดย
เรียงลาดับจากน้อย ที่ใช้ดูความแปรปรวน
ของกระบวนการ โดยการสังเกตรูปร่างของ
ฮิสโตแกรมที่สร้างขึ้นจากข้อมูลที่ได้มาโดย
การสุ่มตัวอย่าง
เมื่อไรจึงจะใช้แผนภาพฮิสโตแกรม
• เมื่อต้องการตรวจสอบความผิดปกติ โดยดู
การกระจายของกระบวนการทางาน
• เมื่อต้องการเปรียบเทียบข้อมูลกับเกณฑ์ที่
กาหนด หรือค่าสูงสุด-ต่าสุด
• เมื่อต้องการตรวจสอบสมรรถนะของ
กระบวนการทางาน (Process Capability)
• เมื่อต้องการวิเคราะห์หาสาเหตุรากเหง้า
ของปัญหา (Root Cause)
• เมื่อต้องการติดตามการเปลี่ยนแปลงของ
กระบวนการในระยะยาว
• เมื่อข้อมูลมีจานวนมากๆ
ลักษณะต่างๆของฮิสโตแกรม
• แบบปกติ (Normal Distribution) การ
กระจายของการผลิตเป็นไปตามปกติ ค่าเฉลี่ยส่วน
ใหญ่จะอยู่ตรงกลาง
• แบบแยกเป็นเกาะ (Detached Island Type)
พบเมื่อกระบวนการผลิตขาดการปรับปรุงหรือการ
ผลิตไม่ได้ผล
• แบบระฆังคู่ (Double Hump Type) พบเมื่อ
นาผลิตภัณฑ์ของเครื่องจักร 2 เครื่อง / 2 แบบมา
รวมกัน
• แบบฟันปลา (Serrated Type) พบเมื่อ
เครื่องมือวัดมีคุณภาพต่า หรือการอ่านค่ามีความ
แตกต่างกันไป
• แบบหน้าผา (Cliff Type) พบเมื่อมีการ
ตรวจสอบแบบ Total Inspection เพื่อคัดของ
เสียออกไป
 ใช้บันทึกข้อมูล ใช้ตรวจสอบ

2. Check Sheet • ใบรายงานผลการปฏิบัติงานประจาวัน

(daily report)
โดยเราจะทาตารางเป็นช่องๆ ตามที่
เรากาหนด สาหรับ check sheet
- แผ่นตรวจสอบ • ใบบันทึกรายงานของเครื่องจักร เช่น
(machine report) • ใบรายงานผลการตรวจสอบสินค้า
ตรวจสอบว่าสินค้าไม่มีตาหนิ เราก็
ขีดว่า “ผ่าน”
*ข้อมูลส่วนใหญ่ที่บันทึกจะเป็นสิ่งที่พบ • หรือ สินค้าครบตามจานวนที่จัดส่ง
ณ ขณะที่ตรวจสอบ เช่น และเราขนขึ้นรถส่งของเรียบร้อย
- ระดับน้ามันในเครื่องจักร อยู่ในระดับ แล้วไม่พบปัญหา เราก็ขีดว่า
M (medium) “ผ่าน” เป็นต้น
- ความเร็วของสายพาน 50 rpm.
(round per minutes)
- อุณหภูมิเตาอบ 90 องศาเซลเซียส
3. Pareto เป็นแผนภูมิที่ใช้แสดงให้เห็นถึงความสัมพันธ์
ระหว่างสาเหตุของความบกพร่องกับปริมาณ
Diagram - ความสูญเสียที่เกิดขึ้น
แผนผังพาเรโต เมื่อไรจึงจะใช้แผนผังพาเรโต
• เมื่อต้องการกาหนด สาเหตุที่สาคัญ
(Critical Factor) ของปัญหาเพื่อแยกออกมา
จากสาเหตุอื่นๆ
• เมื่อต้องการยืนยันผลลัพธ์ที่เกิดขึ้นจากการ
แก้ปัญหา โดยเปรียบเทียบ “ก่อนทา” กับ
“หลังทา”
• เมื่อต้องการค้นหาปัญหาและหาคาตอบใน
การดาเนินกิจกรรมแก้ปัญหา
ประโยชน์ของแผนผังพาเรโต
• สามารถบ่งชี้ให้เห็นว่าหัวข้อใดเป็นปัญหา
มากที่สุด
• สามารถเข้าใจว่าแต่ละหัวข้อมีอัตราส่วน
เป็นเท่าใดในส่วนทั้งหมด
• ใช้กราฟแท่งบ่งชี้ขนาดของปัญหา ทาให้
โน้มน้าวจิตใจได้ดี
• ไม่ต้องใช้การคานวณที่ยุ่งยาก ก็สามารถ
จัดทาได้และใช้ในการเปรียบเทียบผลได้
• ใช้สาหรับการตั้งเป้าหมาย ทั้งตัวเลขและ
ปัญหา
Example of
Pareto Chart
4. Cause & แผนผังสาเหตุและผลเป็นแผนผังที่แสดงถึง
ความสัมพันธ์ระหว่างปัญหา (Problem)
Effect Diagram กับสาเหตุทั้งหมดที่เป็นไปได้ที่อาจก่อให้เกิด
ปัญหานั้น (Possible Cause) เราอาจ
- แผนผังแสดง คุ้นเคยกับแผนผังสาเหตุและผล ในชื่อของ
“ผังก้างปลา (Fish Bone Diagram)
เหตุและผล
เมื่อไรจึงจะใช้แผนผังแสดงเหตุและผล
• เมื่อต้องการค้นหาสาเหตุแห่งปัญหา
• เมื่อต้องการทาการศึกษา ทาความ
เข้าใจ หรือทาความรู้จักกับ
กระบวนการอื่น ๆ เพราะว่าโดยส่วน
ใหญ่พนักงานจะรู้ปัญหาเฉพาะใน
พื้นที่ของตนเท่านั้น แต่เมื่อมีการทา
ผังก้างปลาแล้ว จะทาให้เราสามารถรู้
กระบวนการของแผนกอื่นได้ง่ายขึ้น
• เมื่อต้องการให้เป็นแนวทางในการ
ระดมสมองซึ่งจะช่วยให้ทุกๆ คนให้
ความสนใจในปัญหาของกลุ่มซึ่งแสดง
ไว้ที่หัวปลา
Example of
Cause-and-
Effect
Diagram
5. Defect แผนภาพแสดงข้อบกพร่องบนชิ้นงาน หรือ
แผนภาพแสดงปัญหาบนชิ้นงาน เป็น
เมื่อไรจึงจะใช้แผนภาพแสดงข้อบกพร่อง
บนชิ้นงาน
Concentration แผนภาพที่ใช้บันทึกตาแหน่งที่เกิด
ข้อบกพร่องทั้งหมดบนชิ้นงาน โดยทั่วไป • ใช้ในขั้นตอนการเก็บข้อมูลเพื่อการระบุ
Diagram – ข้อบกพร่องหรือปัญหาจะถูกแสดงบนผ่าน
รูปจาลองของชิ้นงานหรือผลิตภัณฑ์ที่กาลัง
ปัญหา

แผนภาพแสดง พิจารณา • ใช้ในการวิเคราะห์ความน่าจะเป็นของ

การเกิดข้อบกพร่องในชิ้นงานหรือ
ข้อบกพร่องบน ผลิตภัณฑ์ที่กาลังพิจารณา
ชิ้นงาน
Examples of
Defect
Concentration
Diagram
6. Scatter เป็นเครื่องมือหนึ่งที่นิยมใช้ในการแก้ไขปัญหา
คุณภาพ โดยการวิเคราะห์ความสัมพันธ์จาก
การสร้างแผนภาพการกระจาย
1. เลือก 2 รายการที่จะวิเคราะห์ ที่อาจ
Diagram - คุณสมบัติ 2 ประการ เช่น อุณภูมิของเตา เป็นสาเหตุกับผล หรือผลกับผลก็ได้
หลอมกับความแข็งของชิ้นงาน หรือ อุณภูมิ เช่น กาลังสนใจว่าความยาวกับ
แผนผังกระจาย กับอัตราการเติบโต ปริมาณวัตถุดิบที่ใส่เข้าไป ความเร็วของชิ้นงานว่ามีความสัมพันธ์
เพิ่มกับความเหนียวที่เกิดขึ้น เป็นต้น กันหรือไม่
2. เก็บข้อมูลปริมาณข้อมูลควรได้สัก 50-
100 กลุ่ม จากประชากรเดียวกัน
3. เขียนแกนของกราฟโดยแต่ละแกน
แทนค่าแต่ละค่า

ตัวแปร X คือ ตัวแปรอิสระหรือค่าที่ปรับเปลี่ยนไป

ตัวแปร Y คือ ตัวแปรตามหรือผลที่เกิดขึ้นในการเปลี่ยนไปของ X
Patterns of
Scatter
Diagram
7. Control • แผนภูมิควบคุมเป็นเครื่องมือพื้นๆที่มี
ประโยชน์อย่างมากเพราะช่วยทาให้รู้ได้ว่า
Chart - แผนภูมิ กระบวนการผลิตนั้นอยู่ภายใต้การควบคุม
(in control) หรือไม่ (ภายใต้การควบคุม
ควบคุม หมายถึง ความผันแปรที่เกิดขึ้นเป็นไปแบบ
ปกติอย่างสุ่ม) หรือ อยู่นอกการควบคุม
(out of control มีความหมายว่า ความผัน
แปรมีความผิดปกติ และอาจจะมาจาก
สาเหตุที่ไม่ปกติ (special cause))
3.2 An Application of SPC

• Improving quality in a copper plating

operation at a printed circuit board
fabrication plant
• During the define step, the team
decided to focus on reducing flow time
through the process
• During the measures step, controller
downtown was recognized as a major
factor in excessive flow time
Cause-and-
effect
Diagram for
Controller
Downtime
Check
Sheet for
Logbook
Pareto
Analysis of
Controller
Failures
Pareto
Analysis of
Concentration
Variation
𝑥ҧ Chart for the
average daily
copper
concentration

𝑥ҧ − 𝑅 Chart
𝑅 Chart for daily
copper
concentration
3.3 Chance and Assignable Causes
of Variation

A process is operating A process that is

with only chance operating in the
causes of variation presence of assignable
present is said to be in causes is said to be
statistical control. out of control.
3.3 Chance and Assignable Causes
of Variation

Source: Montgomery (2013)

 • A control chart contains
Statistical • A center line
Basis of • An upper control limit
the Control • A lower control limit
• A point that plots within the control limits
Chart indicates the process is in control
• No action is necessary
• A point that plots outside the control limits is
evidence that the process is out of control
• Investigation and corrective action are
required to find and eliminate assignable
cause(s)
• There is a close connection between control
A typical Control Chart
charts and hypothesis testing
Source: Montgomery (2013)
Statistical
• Important quality characteristic in hard bake
Basis of is resist flow width
the Control • Process is monitored by average flow width
Chart • Sample of 5 wafers
• Process mean is 1.5 microns
• Process standard deviation is 0.15 microns
• Note that all plotted points fall inside the
control limits
• Process is considered to be in statistical
control

x̄ Control Chart for flow width

Source: Montgomery (2013)
Statistical Basis of the Control Chart
3.4 Shewhart Control Chart Model
How the Shewhart Control Chart Works

Source: Montgomery (2013)

Process Improvement Using Control Chart

Source: Montgomery (2013)

Out-Of-Control-Action Plans

Source: Montgomery (2013)

More Basic Principles
• Control charts may be used to estimate
process parameters, which are used to
determine capability
• Two general types of control charts
• Variables (Chapter 4)
• Continuous scale of measurement
• Quality characteristic described by
central tendency and a measure of
variability
• Attributes (Chapter 5)
• Conforming/nonconforming
• Counts
• Control chart design encompasses
selection of sample size, control limits, and
sampling frequency
 (a) Stationary and uncorrelated − data vary around a fixed
mean in a stable or predictable manner
Types of Process (b) Stationary and autocorrelated − successive observations
are dependent with tendency to move in long runs on
Variability either side of mean
(c) Nonstationary − process drifts without any sense of a
stable or fixed mean
 Control charts are a proven technique for improving
productivity.

Control charts are effective in defect prevention.

Reasons for
Popularity of Control charts prevent unnecessary process
adjustment.

Control Charts
Control charts provide diagnostic information.

Control charts provide information about process

capability.
Choice of Control
Limits

• 3-Sigma Control Limits

• Probability of type I error is 0.0027
• Probability Limits
• Type I error probability is chosen
directly
• For example, 0.001 gives 3.09-
sigma control limits
• Warning Limits
• Typically selected as 2-sigma limits
 3.5 Rational Subgroup

• The instant-time method: Select • The period-of-time method: Select from

subgroup samples from product or product or service produced over a
service produced at one instant of time period of time that is representative of
or as close to that instant as possible all the products or services

sampling
sampling

1 hr 2 hr 3 hr 1 hr 2 hr 3 hr
 • The first scheme will have a minimum
Rational variation within a subgroup.

Subgroup • The second scheme will have a minimum

variation among subgroups.
• The first scheme is the most commonly
used since it provides a particular time
reference for determining assignable
causes.
• The second scheme provides better
overall results and will provide a more
accurate picture of the quality.
3.6 Patterns on
Control Charts

• Pattern is very nonrandom in

appearance
• 19 of 25 points plot below the center
line, while only 6 plot above
• Following 4th point, 5 points in a row
increase in magnitude, a run up
• There is also an unusually long run
down beginning with 18th point
 The
Western
Electric or
zone rules
2σ

1σ

1σ

2σ
2σ

1σ

1σ

2σ
2σ

1σ

1σ

2σ
d a

e b

c
3.7 Type 1 and Type 2 Errors

In statistical hypothesis testing, a type I error is the rejection of a

true null hypothesis (also known as a "false positive" finding or
conclusion), while a type II error is the non-rejection of a false null
hypothesis (also known as a "false negative" finding or conclusion).
Producer’s Risk and Consumer’s Risk

UCL

CL

LCL

UCL

CL

LCL
 Montgomery, D. C.
(2019). Introduction to
Reference statistical quality
control. John Wiley &
Sons.