Chen et al. (2006) 提出在常態分配下的多重製程能力指標CT和非常態分配下的多重製程能力指標NT，而他們的指標是在多重製程或多個品質特性皆獨立的假設下導出的。然而，大部分產品的多重製程或多個品質特性是相依的，在此情形下，本研究提出在常態分配下的多重製程能力指標CT*和非常態分配下的多重製程能力指標NT*，對新的多重製程能力指標，我們發展出在常態分配下的相依多重製程能力分析圖( Dependent multi-process capability analysis chart；DMPCAC)和非常態分配下的相依非常態多重製程能力分析圖( Dependent non-normal multi-process capability analysis chart；DNMPCAC)，使用者可藉由這些圖的分析去檢定整體製程能力是否達到預定的能力水準，若沒有達到，亦可判斷出哪些單一製程或單一品質特性需要做進一步的改善以提升整體製程能力。最後，我們舉出四個實例來示範如何使用本研究提出的檢定程序，去決定整體製程是否是有能力的。

Chen et al. (2006) proposed a flow path to evaluate the process capability of an entire product composed of multiple independent process characteristics based on a multi-process capability index CT in a normal distribution and NT in a non-normal distribution. But, the multiple process characteristics or quality characteristics of most products are dependent. In this case, we propose a multi-process capability index CT* in a normal distribution and NT* in a non-normal distribution in this paper. We also develop the dependent multi-process capability analysis chart (DMPCAC) model to evaluate process capability in a normal distribution and the dependent non-normal multi-process capability analysis chart (DNMPCAC) to evaluate process capability in a non-normal distribution based on the proposed new multi-process capability indices. Based on the analysis of these charts, users can determine if the multi-process capability reaches a pre-assigned level. Users can also identify which quality characteristic is needed to be improved to upgrade the whole process. At last, four practical examples are given to illustrate the use of this testing algorithmic procedure to determine whether the process is capable.

第一章 緒論	1
1.1 研究動機與目的	1
1.2 本文架構	4
第二章 常態分配下的多重製程指標	6
第三章 非常態分配下的多重製程指標	14
第四章 數值實例	17
範例一:LG線性滑軌模組	18
範例二:棘輪式梅花扳手	23
範例三:投資工具	28
範例四:美國共同基金	33
第五章 結論與未來研究	39
5.1 結論	39
5.2 未來研究方向	40
參考文獻	41
附錄	44

圖目錄

圖2.1 相依的多重製程能力分析圖	13
圖3.1相依的非常態多重製程能力分析圖	16
圖4.1 LG線性滑軌模組機械圖	19
圖4.2 LG線型滑軌模組的DMPCAC圖	22
圖4.3 棘輪式梅花扳手機械圖	23
圖4.4 棘輪式梅花扳手的DMPCAC圖	27
圖4.5 投資工具的DMPCAC圖	32
圖4.6 共同基金的DMPCAC圖	38
附圖一 
當品質特性總個數 時，所對應的個別品質特性能力目標值 和 	57
附圖二 
當品質特性總個數 時，所對應的個別品質特性能力目標值 和 	58
附圖三
當品質特性總個數 時，所對應的個別品質特性能力目標值 和 	59
附圖四
當品質特性總個數 時，所對應的個別品質特性能力目標值 和 	60
附圖五 
當品質特性總個數 時，所對應的個別品質特性能力目標值 和 	61
附圖六 
當品質特性總個數 時，所對應的個別品質特性能力目標值 和 	62
附圖七
當品質特性總個數 時，所對應的個別品質特性能力目標值 和 	63
附圖八 
當品質特性總個數 時，所對應的個別品質特性能力目標值 和 	64
附圖九
當品質特性個數 時，所對應的個別品質特性能力目標值	65


表目錄

表4.1 LG線性滑軌模組Shapiro-Wilk值與p-value值	20
表4.2 LG線性滑軌模組中五個品質特性的製程能力指標	20
表4.3 棘輪式梅花扳手六個品質特性的製程能力指標	25
表4.4 投資工具Shapiro-Wilk值與p-value值	29
表4.5 投資工具六個品質特性的製程能力指標	30
表4.6 共同基金Shapiro-Wilk值與p-value值	34
表4.7 共同基金八個品質特性的製程能力指標	35
附表一
當品質特性總個數加望目型品質特性個數 時，整體製程能力指標 下之整體良率 和各個單一品質特性良率下界的對應值	44
附表二
當品質特性總個數 時，在整體的製程能力目標值 給定下，其在獨立和相依的情形下，所對應的個別品質特性能力目標值 和 	45
附表三
當品質特性總個數加望目型品質特性個數 時，在整體的製程能力目標值 給定下，其在相依的情形下，所對應的個別品質特性能力目標值 	53
附表四 範例一LG線性滑軌模組資料	54
附表五 範例二1988年到2000年台灣地區投資工具資料	55
附表六 範例四 1974年到1988年美國八個共同基金的每年利潤	56

[1]  韋端、張堯庭和謝邦昌(2003)，統計金融學－運用統計方法之金 
    融財務學，台灣知識庫股份有限公司。
 
[2]  Bothe, D. R. (1992) A capability study for an entire product. ASQC
Quality Congress Transactions, 72–178.

[3]  Boyles, R. A. (1994) Process capability with asymmetric tolerances. Communications in Statistics–Simulation and Computation , 23, 615–643.

[4]  Chen, K. S., Huang, M. L. and Li, R. K. (2001) Process capability analysis for an entire product. International Journal of Production Research , 39(17), 4077–4087.

[5]  Chen, K. S., Hsu, C. H., and Ouyang, L. Y. (2007) Applied Product Capability Analysis Chart in Measure Step of Six Sigma. Quality & Quantity , 41, 387–400.
 
[6]  Chen, K. S., Hsu, C. H. and Wu, C. C. (2006) Process capability analysis for a multi-process product. The International Journal of Advanced Manufacturing Technology, 27, 1235–1241.

[7]  Chen, K. S. and Pearn, W. L. (1997) An application of non-normal process capability indices. Quality and Reliability Engineering International ,13, 355–360.
 
[8]  Chen, K. S., Pearn, W. L. and Lin, P. C. (1999) A Generalization of   for Processes with Asymmetric Tolerances. International Journal of Reliability, Quality and Safety Engineering, 6(4), 383 – 398.

[9]  Chou, Y. M., Owen, D. B., Borrego, A. and Salvador, A. (1990) Lower confidence limits on process capability indices. Journal of Quality Technology , 22(3), 223–229.

[10] Chou, Y. M., Polansky, A. M. and Mason, R. L. (1998) Transforming  non-normal data to normality in statistical process control. Journal of Quality Technology, 30(2), 133–141.

[11]  Huang, M. L., Chen, K. S. and Hung, Y. H. (2002) Integrated     process capability analysis with an application in backlight module.       
     Microelectronics Reliability , 42, 2009–2014. 

[12]  Juran, J. M. (1974) Juran’s quality control handbook, 3rd edition. McGraw-Hill, New York.

[13]  Liao, S. J., Chen, K. S. and Li, R. K. (2002) Capability evaluation for process of the larger-the-better type for non-normal populations.  Advances and Applications in Statistics , 2(2), 189–198.

[14]  Montgomery, D. C. (1985) Introduction to statistical quality control. Wiley, New York.

[15]  Pearn, W. L., Kotz, S. and Johnson, N. L. (1992) Distributional and inferential properties of process capability indices. Journal of  Quality Technology , 24, 216–231.

[16]  Pearn, W. L. and Lin, P. C. (2002) Computer program for calculating the p-value in testing process capability index  .Quality and reliability engineering international , 18, 333-342.

[17]  Pyzdek, T. (1992) Process capability analysis using personal computers. Quality Engineering , 4(3),419–440.

[18]  Schneider, H., Pruett, J., and Lagrange, C. (1995) Uses of process capability indices in the supplier certification process. Quality Engineering , 8(2), 225–235.

[19]  Zwick, D. (1995) A hybrid method for fitting distributions to data and its use in computing process capability indices. Quality Engineering , 7(3), 601–613.