缺點數管制圖是最常應用在監控固定產品單位的缺點數或事件發生的次數的統計工具，但在偵測製程微小偏移的能力不足。雙次抽樣管制圖以兩階段的抽樣方式進行製程監控，除了提昇偵測微小偏移的能力之外，也可以達到減少抽樣數的經濟效益。因此，本研究目的在建構雙次抽樣缺點數管制圖的統計模式，同時考量製程在穩定狀態與發生偏移的期望樣本數，應用基因演算法求解最小化偵測製程偏移所需的平均觀測總數（Average Number of Observations to Signal, ANOS），以決定最佳參數設計組合。根據本研究結果顯示，與其他管制圖相比，雙次抽樣缺點數管制圖確實能以較少的樣本數達到快速偵測製程微小偏移的效果。除了某些小偏移的情況下，Poisson CUSUM的平均連串長度（Average Run Length, ARL）的績效優於雙次缺點數管制圖；其他的偏移情況下，雙次抽樣缺點數管制圖的ARL和ANOS優於其他的管制圖。