CNS 14786-2003 Guidelines for process capability analysis《制程能力分析指导纲要》.pdf

《CNS 14786-2003 Guidelines for process capability analysis《制程能力分析指导纲要》.pdf》由会员分享，可在线阅读，更多相关《CNS 14786-2003 Guidelines for process capability analysis《制程能力分析指导纲要》.pdf（24页珍藏版）》请在麦多课文档分享上搜索。

1、 1 印行年月 94 年 10 月 本標準非經本局同意不得翻印 中華民國國家標準 CNS 總號 類號 ICS 03.120.30 Z406014786經濟部標準檢驗局印行 公布日期 修訂公布日期 92 年 11 月 27 日 年月日 (共 24 頁 )製程能力分析指導綱要 Guidelines for process capability analysis 目 錄 頁數 1. 適用範圍 - 3 2. 用語釋義 - 3 3. 主要內容 - 4 3.1 Ca 指標 - 4 3.1.1 概述 - 4 3.1.2 原理與背景 - 4 3.1.3 方法與公式 - 5 3.1.4 Ca 值和不合格率 p

2、之計算步驟 - 6 3.1.5 限制條件與注意事項 - 6 3.1.6 應用實例 - 6 3.2 Cp 指標 - 9 3.2.1 概述 - 9 3.2.2 原理與背景 - 9 3.2.3 方法與公式 - 9 3.2.4 Cp 值和不合格率 p 之計算步驟 -11 3.2.5 限制條件與注意事項 -12 3.2.6 應用實例 -12 3.3 Cpk 指標 -12 3.3.1 概述 -12 3.3.2 原理與背景 -13 3.3.3 方法與公式 -13 3.3.4 Cpk 值和不合格率 p 之計算步驟 -16 3.3.5 限制條件與注意事項 -16 3.3.6 應用實例 -16 3.4 Cpm 指

3、標 -17 3.4.1 概述 -17 3.4.2 原理與背景 -17 3.4.3 公式 -17 3.4.4 Cpm 值和不合格率 p 之計算步驟 -18 2 CNS 14786, Z 4060 3.4.5 限制條件與注意事項 - 18 3.4.6 應用實例 - 18 3.5 計數值資料的製程能力分析 - 19 3.5.1 概述 - 19 3.5.2 原理與背景 - 19 3.5.3 方法與公式 - 19 3.5.4 步驟 - 20 3.5.5 限制條件與注意事項 - 20 3.5.6 應用實例 - 20 4. 引用資料 - 21 附錄 1. d2、 c4及 Z 值表 - 22 附錄 2. Ca

4、、 cp 及 Cpk 的計算公式及評價方法 - 24 3 CNS 14786, Z 4060 1. 適用範圍 本標準適用於製造業，用來衡量生產製程能否滿足產品規格之能力。當生產線上所有造成製程不穩定的非機遇原因被排除後，製程處於統計的管制狀態下，才進行製程能力分析，以便瞭解製程上產品符合規格的程度。 2. 用語釋義 為本標準之目的， CNS 2579品質管制詞彙與 CNS 1395品質管制常用符號中所列舉之定義與符號，以及下列定義與符號均能適用於本標準。 (1) 製程能力 (process capability)：在所有造成製程不穩定的非 機遇原因被排除後，製程處於統計的管制狀態下，能符合製程

5、規格的能力。 (2) 製程能力分析 (process capability analysis)：估計製程能力的工程研究。 (3) 製程能力指標 (process capability index)：表示製程符合製程規格的能力。 (4) 計數值：一種可用點算而得之品質特性數值，例如不合格數、缺點數等。 (5) 計量值：一種經度量衡測量而得之品質特性數值，例如重量、長度等。 (6) 計數值管制圖：用以管制計數值品質特性之管制圖，如 p、 np、 c、 u 管制圖。 (7) 計量值管制圖：用以管制計量值品質特性之管制圖，如 RXSX 、 管制圖。 (8) LSL ：規格下限。 (9) USL ：規格

6、上限。 (10) LCL ：管制下限。 (11) UCL ：管制上限。 (12) m ：規格中心值，2LSLUSLm+= (13) T：目標值。 (14) ：製程平均數。 (15) x i：樣本平均數，nxxnii=1。 (16) ：製程標準差。 (17) si：樣本標準差，1)(21 =nxxsnjiiji， n：組內樣本數。 (18) x ：樣本平均數之平均數，kxxkii=1， k =組數。 (19) 2d ：代表 E(R)=2d 中之係數，其值可由附錄 1 查得。 (20) s ：所有樣本標準差之平均數。 (21) 4c ：代表 E(S)=4c 中之係數，其值可由附錄 2 查得。 (2

7、2) ppm(parts per million)：每百萬產出之不合格數。 (23) 直方圖：用於表示數據次數分配的圖形。 (24) 點圖：用於表示數據散布的圖形。 (25) 常態機率圖：用於檢視數據分配是否呈常態分配的專用圖形。 4 CNS 14786, Z 4060 (26) 2 檢定：用於檢定數據分配是否服從某種分配的檢定方法。 (27) K-S 檢定：用於檢定數據分配是否服從某種分配的檢定方法。 3. 主要內容 當製程穩定時，瞭解製程符合規格之能力，可做為製程改善之依據。說明一個製程符合規格之能力的指標常見的有 Ca、 Cp、 Cpk、 Cpm 及計數值管制圖之中心線值。製程能力分析依

8、據數據的型態，可分成計量值資料與計數值資料，可參照圖 1 之說明。 (a) 計量值資料 當數據為計量值資料時，可依照製程之重要參數：製程平均數 ( )、目標值 (T)及規格中心值 (m)之異同，再細分成 Ca、 Cp、 Cpk及 Cpm四個不同指標。 (b) 計數值資料 當數據為計數值資料時，可依照管制圖之中心線值作為製程能力之衡量指標。 3.1 Ca 指標 3.1.1 概述 Ca 係用以衡量一個製程之準確性與符合規格之能力的指標。 Ca 的定義、計算公式、 Ca 值對應的不合格率或 ppm 為何均將予以介紹。 3.1.2 原理與背景 當製程穩定時，品質特性數據 為計量值且其分佈呈常態分配或近

9、似常態分配時， Ca 用以說明製程平均值 偏離 m 之程度。在已知 USL、 LSL、 及 m下，當 )( m ，則可計算 Ca 值。 |Ca| 值愈低表 示製程能力愈好或製程平均值 愈接近 m ，此時製程穩定下的產出不合格率愈低。 |Ca|值愈高表示製程能力愈差或製程平均值 愈偏離m ，製程穩定下的產出不合格率愈高。 5 CNS 14786, Z 4060 3.1.3 方法與公式 (1) Ca 指標公式 當 已知時， 2/)( LSLUSLmCa= (3.1.1) 當 未知，且製程能力分析是以 X-R (或 SX )管制圖之資料進行分析時，則以 X管制圖之中心線值 x 估計 ，此時 Ca的估

10、計值為： 2/)(LSLUSLmxCa=(3.1.2) (2) 產品不合格率 p 與 ppm 之計算方法 不同的 Ca值對應不同的不合格率，其計算方法如下： 當製程穩定時，品質特性值或製程變數 (X)之分配為 X N( ),2 。在已知 LSL、 USL、 (或 x )和 (或2dR，或4cS)下，可計算出不合格率為 p = 1 P(LSL X USL | XN( ),2 ) 圖 1 製程能力分析內容架構 製程能力分析 計量值資料 計數值資料 製程平均數規格中心值 )( m= 製程平均數目標值 製程平均數 目標值 製程平均數規格中心值 )( m = 製程平均數規格中心值 )( m Ca 1.方

11、法與公式 2.Ca 對應之不合格率與 ppm 3.Ca 查詢表 Cp 1.方法與公式 2.Cp 對應之不合格率與 ppm 3.Cp 查詢表 Cpk 1.方法與公式 2.Cpk 對應之不合格率與 ppm Cpm 1.方法與公式 2.Cpm 對應之不合格率與 ppm 計數值管制圖之中心線值 1.不合格率管制圖 2.不合格數管制圖 3.缺點數管制圖 4.平均缺點數管制圖製程平均數規格中心值 )( m 6 CNS 14786, Z 4060 = 1 P(Z USL) + P(Z LSL), (3.1.3) 其中 Z N(0,1)。 若將不合格率轉化為每百萬產出之不合格數則將 p值乘以610 即可。 3

12、.1.4 Ca 值和不合格率 p 之計算步驟 以 X -R 管制圖的資料進行製程能力分析為例。若以其他管制圖的資料進行製程能力分析亦可參照本方法。 Ca 值和 p 值的計算步驟如下： (1) 以製程產出之數據建立 X -R 管制圖。 (2) -R 管制圖上的描點分佈呈現製程是穩定的。 (3) 以 x 估計製程平均數 。 (4) 確定 LSL、 USL 及 m。 (5) 以公式 (3.1.2)計算Ca 值，2/)(LSLUSLmxCa= 。 (6) 以2dR估計製程標準差 ，依公式 (3.1.3)，計算不合格率 p 或 ppm。 (7) Ca 值評價，其方法參照附錄 2。 3.1.5 限制條件與

13、注意事項 使用 Ca 之限制條件與注意事項如下： (1) 須用於製程穩 定且製程產出的品質特性數據分佈呈常態分配或近似常態分配的情形。 (2) Ca 只適用於計量的資料上。在使用製程能力指標前，必需先檢查計量型數據之分佈是否符合常態分配之假設。驗證資料是否為常態分配之方法有直方圖、點圖、常態機率圖或一些統計方法如適合度檢定 (2 檢定、無母數方法的 K-S 檢定 )。 (3) 倘若資料非常態分配，則可採用變數變換法使原始資料轉換為近似常態分配後，再進行 Ca 之計算與判斷。 3.1.6 應用實例 (1) Ca 值的計算 品質工程師欲以 X -R管制圖追蹤製程中的某物件內徑是否在管制狀態，經就某

14、年之 5月 12至 16日，分別由製程中抽樣。所得 28組樣本資料如表 1所示，每組樣本有 5個觀測數值，其測定單位為 mm。該物件內徑的USL=17， LSL=7，且 m =12， T=11。依據這些樣本建立的 X -R管制圖如圖 2。 7 CNS 14786, Z 4060 表 1 28組某物件內徑的樣本資料 單位： mm 測定值 日期 組號 x1x2x3x4x5平均數 (xi) 全距 (R)5/12 1 13 12 10 12 14 12.2 4 2 11 12 10 13 11 11.4 3 3 13 8 11 13 14 11.8 6 4 15 11 12 10 9 11.4 6 5

15、 14 10 12 10 9 11.0 5 6 13 13 14 11 14 13.0 3 5/13 7 11 12 12 13 11 11.8 2 8 14 15 16 12 14 14.2 4 9 10 14 11 11 13 11.8 4 10 10 12 10 13 12 11.4 3 11 16 10 15 12 13 13.2 6 12 10 14 10 9 11 10.8 5 5/14 13 14 13 12 12 14 13.0 2 14 11 13 11 9 10 10.8 4 15 12 10 9 9 10 10.0 3 16 9 13 12 12 14 12.0 5 17

16、 13 8 7 14 11 10.6 7 18 10 14 11 14 13 12.4 4 5/15 19 13 11 12 10 12 11.6 3 20 11 14 11 13 13 12.4 3 21 13 12 14 15 11 13.0 4 22 11 12 12 11 11 11.4 1 23 12 8 10 9 14 10.6 6 24 9 12 11 14 13 11.8 5 5/16 25 10 14 12 11 10 11.4 4 26 13 11 16 14 15 13.8 5 27 12 9 13 14 12 12.0 5 28 13 11 12 11 12 11.8

17、2 x =11.88 R =4.07 8 CNS 14786, Z 4060 X 管制圖 CL= x =11.88 UCL= x RA2= 11.88 0.5774.07 = 14.23 LCL= x RA2= 11.88 0.5774.07 = 9.53 R管制圖 CL= R = 4.07 UCL=4D R = 2.1154.07 = 8.61 LCL=3D R = 0 備考：由附錄一可查得當樣本大小為 5時，2A 值為 0.577，3D = 0，4D =2.115。 圖 2. X -R管制圖 圖 3 直方圖 1615141312111098 7 3 0 2 0 1 0 0 X次數LSL U

18、SL30201001514131211109SubgroupX=11.88UCL=14.23LCL=9.531050R=4.07UCL=8.61LCL=0.00 9 CNS 14786, Z 4060 由圖 2得知製程處於統計的管制狀態下，且由圖 3得知數據之分佈呈現近似常態分配。以 x 11.88作為製程平均數的估計值。已知 LSL=7，USL=17,且 m =12下，可計算得 aC = 2/)LSLUSL(mx= 2717128811/)(.= 0.024 = 2.4% Ca 值頗小，表示製程平均值偏離規格中心值程度小。 (2) 產品不合格率 p 與 ppm 之計算 Ca = 2.4%所對

19、應的不合格率可利用公式 (3.1.3)及配合標準常態表計算得。以2dR=1.75作 的估計值 (由附錄一可查得當樣本大小為 5時，2d =2.326)，則不合格率 p = 1 P(Z2/dRxUSL ) + P(Z2/dRxLSL ) = 1 P(Z751881117.) + P(Z75188117.) =1 P(Z 2.926)+P(Z 2.789) =1 0.99831+0.00264 = 0.00433 或 4330ppm 。 3.2 Cp 指標 3.2.1 概述 當品質特性數據為計量值時， Cp 係用以衡量製程之變異性與符合規格之能力的指標。 Cp 的定義、計算公式、 Cp 值對應的不

20、合格率，均將予以介紹。 3.2.2 原理與背景 當製程穩定時，品質特性數據 為計量值且其分佈呈常態分配或近似常態分配時， Cp 被用以說明一個製程符合規格之能力。在已知 USL、 LSL 及 情況下，即可計算 Cp 值。 Cp 值愈高表示製程能力愈好，製程穩定下的產出不合格率愈低。 Cp 值愈低表示製程能力愈差，製程穩 定下的產出不合格率愈高。一般情形，可接受的 Cp 值通常須大於 1.33。 3.2.3 方法與公式 (1) Cp 指標公式 當 已知時， LSLUSLCp6= (3.2.1) 當 未知，而製程能力分析是以 X-R管制圖之資料進行分析時，則以2dR估計 ，此時 Cp的估計值為 1

21、0 CNS 14786, Z 4060 2dRLSLUSLCp6=(3.2.2) 若製程能力分析是以 X -S管制圖之資料進行分析，則以4cs估計 ，此時Cp的估計值為 4cSLSLUSLCp6=(3.2.3) (2) 產品不合格率 p 和 ppm 之計算方法 不同的 Cp值事實上對應不同的不合格率。當 Cp=k 時，其對應的不合格率計算如下： 假設製程穩定時，品質特性值或製程變數 (X)之分配為 X N( ),2 。在已知 LSL、 USL、 (或 x )， (或2dR，或4cs)，且 =m下，可計算不合格率。 當=6LSLUSLCp = k，則 USL LSL = k 6 。因此，不合格率

22、為 p = 1 P(LSL X USL|XN( ),2m ) = 1 P(mLSLmXmUSL) = 1 P(+2LSLUSLLSL Z +2LSLUSLUSL) = 1 P( 3k Z 3k) (3.2.4) 其中 Z N(0,1)。 若將不合格率轉化為每百萬產出之不合格數則將 p值乘以610 即可。 由上述之計算可以知道，當 Cp = k = 1，這表示 USL LSL = 6，則在製程穩定下，數據呈常態分佈時產品的不合格率為 0.0027或 2700ppm；當 Cp 1，這表示 USL LSL 6 ，則產品之不合格率小於 0.0027或小於 2700ppm；當 Cp 1，這表示 USL

23、LSL 6 ，則產品之不合格率大於 0.0027或大於 2700ppm。 (3) Cp 值和不合格率 p 與 ppm 之對應查詢表 倘若有一個 Cp值查詢表能陳列出不同的 Cp值下，所對應的不合格率 p和ppm，則將非常方便使用者的應用。 Cp值查詢表的建立方法如下： 令 k分別為 0.1， 0.2， 0.3， 1.9， 2.0，則 Cp=k下所對應的不合格率 p與 ppm，利用統計軟體計算後可整理成 Cp值查詢表，如表 2所示。 11 CNS 14786, Z 4060 表 2 各種 Cp值下對應的不合格率 p及 ppm Cp = k 不合格率 ppm 0.1 0.764177 764177

24、 0.2 0.548506 548506 0.3 0.368120 368120 0.4 0.230139 230139 0.5 0.133614 133614 0.6 0.071861 71861 0.7 0.035729 35729 0.8 0.016395 16395 0.9 0.006934 6934 1.0 0.002700 2700 1.1 0.000967 967 1.2 0.000318 318 1.3 0.000096 96 1.4 0.000027 27 1.5 0.000007 7 1.6 0.000002 2 1.7 0.00000034 0.34 1.8 0.0000

25、00068 0.068 1.9 0.0000000120 0.012 2.0 0.0000000020 0.002 2.1 0.0000000003 0.0003 2.2 0.00000000004 0.00004 2.3 0.000000000005 0.000005 3.2.4 Cp 值和不合格率 p 之計算步驟 以 X -R 管制圖的資料進行製程能力分析為例。若以其他管制圖的資料進行製程能力分析亦可參照本方法。 Cp 值和 p 值的計算步驟如下： (1) 以製程產出之數據建立 X -R 管制圖。 (2) -R 管制圖上的描點分佈呈現製程是穩定的。 (3) 以2dR估計製程標準差 ，而且以

26、 x 估計製程平均數。 (4) 確定 LSL、 USL 及 m。 (5) 以公式 (3.2.2)計算Cp 值，Cp =26dRLSLUSL = k。 12 CNS 14786, Z 4060 (6) 檢查是否 = m，若 = m 則將 k 值代入公式 (3.2.4)，計算不合格率 p及 ppm。 (7) Cp 值評價，其方法參考附錄 2。 備考：若使用 X -S 管制圖資料進行製程能力分析時，僅需以4cs取代2dR即可。 3.2.5 限制條件與注意事項 使用 Cp 之限制條件與注意事項如下： (1) 須用於製程穩 定且製程產出的品質特性數據分佈呈常態分配或近似常態分配的情形。 (2) 當 m

27、， Cp 值僅能用以表示製程之潛在能力，即衡量當 調整到 m 時的製程符合規格之能力。因此，當 m ，以 Cp 值衡量實際製程能力是不正確的，因為此時 Cp 值會高估實際製程能力，故 Cp 查詢表就不能參用。 (3) 在使用製程能力指標前，必需先檢查計量型數據之分佈是否符合常態分配之假設。驗證資料是否為常態分配之方法有直方圖、點圖、常態機率圖或一些統計方法如適合度檢定 (2 檢定、無母數方法的 K-S 檢定 )。 3.2.6 應用實例 (1) Cp 值的計算 利用表 1的資料及建立的 X 和 R管制圖 (參照圖 2)。 x =11.88為 之估計值，且以2dR=1.75為 之估計值。已知 LS

28、L=7, USL=17且 m=12，則可計算得 Cp =2dRLSLUSL6= 7516717.= 0.95 (2) 產品不合格率 p 與 ppm 之計算 Cp =0.95所對應的某物件內徑不合格率可利用公式 (3.2.4)及配合標準常態表計算得 p = 1 P( 2.85 Z 2.85)= 0.00438（查 Z值表，見附錄 1），或4380ppm。 備考：此結果較第 3.1.6(2)節結果為高，其理由可參照第 3.2.5(2)節之說明。 3.3 Cpk 指標 3.3.1 概述 當品質特性數據為計量值時， Cpk 是另一種衡量製程能力的指標。 Cpk 的定義及計算公式、 Cpk 值對應的不合

29、格率 p 及 ppm，均將予以介紹。 13 CNS 14786, Z 4060 3.3.2 原理與背景 當製程穩定，品質特性數據為計量值且其分佈呈常態 分配或近似常態分配，製程平均值並不位於規格中心時，就不能以 Cp 衡量實際的製程能力，當然表 2 就不能參考應用。這時應該用 Cpk 指標才能正確衡量製程能力。 以 Cpk 衡量製程能力時，製程平均值並不一定要位於規格中心，即 Cpk 比Cp 多說明了製程平均值偏離規格中心之情形，因此 Cpk 對製程能力的描述更準確。 Cpk 值愈高表示製程能力愈好，製程穩定下的產出不合格率愈低。 3.3.3 方法與公式 (1) Cpk 指標公式 當 與 已知

30、時， Cpk = minLSL3,USL3 (3.3.1) 當 與 未知，而製程能力分析是以 X -R管制圖之資料進行分析時，則以2dR估計 ，以 X管制圖之中心線值 x 估計 ，此時 Cpk的估計值為 Cpk = mindRLSLx23,dRxUSL23 (3.3.2) (2) 產品不合格率 p 和 ppm 之計算方法 不同的 Cpk值也對應不同的不合格率，其計算方法如下： 在已知 、 、 LSL和 USL下，不合格率為 p = P(X USL, X LSL) = P(Z ,USLZ LSL) =1 P(Z USL ) P( Z LSL ) (3.3.3) 其中 X為製程產出之數據， X N

31、(2 ,)； Z為標準常態分配，即 Z N(0,1)。 若將不合格率轉化為每百萬產出之不合格數則將 p值乘以610 即可。 (3) Cpk 值和不合格率 p 與 ppm 之對應查詢表 倘若有一個 Cpk值查詢表能陳列出不同的 Cpk值下，所對應的不合格率 p和 ppm，則將非常方便使用者的應用。 Cpk值查詢表的建立方法如下： 在已知 、 、 LSL和 USL下，令|m|1= ，=2LSLUSL ，且 125 )n(ccB,)n(ccB,)n(cB,)n(cB,n)n(c,ncA,nA12312312311233414334464454443443+=+= 23 CNS 14786, Z 40

32、60 (2) Z值表 z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09 z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09-3.5 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359-3.4 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .1 .5398 .5438

33、 .5478 .5517 .5557 .5596 .5636 .5675 .5714 .5753-3.3 .0005 .0005 .0004 .0004 .0004 .0004 .0004 .0004 .0004 .0004 .2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141-3.2 .0007 .0007 .0006 .0006 .0006 .0006 .0006 .0005 .0005 .0005 .3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .65

34、17-3.1 .0010 .0009 .0009 .0009 .0008 .0008 .0008 .0008 .0007 .0007 .4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879-3.0 .0013 .0013 .0013 .0012 .0012 .0011 .0011 .0011 .0011 .0010 .5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224-2.9 .0019 .0018 .0018 .0017 .0016 .0016 .00

35、15 .0015 .0014 .0014 .6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549-2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019 .7 .7580 .7611 .7642 .7673 .7703 .7734 .7764 .7794 .7823 .7852-2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026 .8 .7881 .7910 .7939 .796

36、7 .7995 .8023 .8051 .8078 .8106 .8133-2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036 .9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389-2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048 1.0 .8413 .8438 .8461 .8485 .8508 .8531 .8554 .8577 .8599 .8621-2.4 .00

37、82 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064 1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830-2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084 1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015-2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116

38、 .0113 .0110 1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177-2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143 1.4 .9192 .9207 .9222 .9236 .9251 .9265 .9279 .9292 .9306 .9319-2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183 1.5 .9332 .9345 .9357 .9370 .93

39、82 .9394 .9406 .9418 .9429 .9441-1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233 1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545-1.8 .0359 .0351 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294 1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633-1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367 1.8 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .969