QA七大工具使用详解分解课件.ppt

1、QC七大手法简介 排列图 因果图 散布图 直方图 控制图 检查表 分层法第一种手法：排列图 概念： 排列图是指：将问题的原因或是状况进行分类，然后把所得的数据由大到小排列后， 所绘出的累计柱状图。 起源： 它是由意大利经济学家巴雷特（Vifredo Pareto）在分析社会财富分配状况时发现， 大部分财富集中在少数人手里，为此他设计出能够反映这种规律的图，所以也有人称之为“巴雷特图”或“柏拉图”。 后来由美国人裘兰博士（Joseph Juran）加以推广使用 裘兰8020 原则： 8020 原则的品质问题有80%是出至于管理人员，20%是指：产品出至于作业人员 作用： 由于管理力量也是有限的，

2、不可能一次性解决所有的品质不良，在现场众多的品质不 良中，找出关键的前几名，这就是今后管理工作的重点 操作方法：列出在某一段时期内的所发生的不良项目，及其相对应的数据。按数据大小，排列不良项目。见下例：设定坐标系，填上坐标值，坐标值要能反映最大、最小数据。左纵坐标为不良台数， 右纵坐标为不良率累计百分比，横坐标为不良项目。按数据多少，绘出柱状图，并在其X 轴下方记入项目。见下例：计算各项目所占比例，累计后将其值记入坐标系中。将各比例点连接起来，一直到100%。 DH录像机3月份不良排列图记入图名、作成者、长、作成时间等相关内容后，就算完成了。见下例： 通过排列图，可以很直观地看出，头4 位不良

3、，占了总不良的80%以上，根据“抓大放小、针对关键”的原理，2001 年4 月起的主要管理重点，应为头4 项，而其它3 项则暂不予理会。 实战时盲点注意：实战时盲点注意： 排列图不仅是一份事后总结表，而且还提醒你今后的重点是什么。 在现场管理活动中，排列图通常在不良品的等级、种类、数量、损失金额、原因的分类、分析上用的较多。 重点管理占80%的前几项不良，其它剩余的项目并非全然不予理会，只是暂不理会。当前几项大不良铲除后，后几位又升上来，成为必须重点对策的不良。 其他一栏的数据一般不能超过20%，否则便要再往下细分。 用EXCEL 软件，借助提示，可以很轻松地完成。此表至少要求拉长、班、组长以

4、上管理人员要熟练掌握。第二种手法：因果图 概念： 因果图是指：用树状结构画出事物因果关系的图。 起源： 日本人石川馨教授1952 年在指导川崎制铁的葺合工场品质对策时首先提出的，所以有 人称之为“石川图”，又由于它的形状像鱼的骨头，也有人称之为“鱼骨图”、“鱼刺图”。 作用： 将影响品质的诸多原因一一找出，形成因果对应关系，多层次地绘制在同一张图内，使人一目了然，对于正确决定对策方案具有很大的帮助。操作方法：列出品质发生不良或变异的项目。画出4M1E （人员、设备、材料、作业方法、作业环境）5 条支干或者只画出相关的 支干。 4M1E法指Man（人）Machine(机器)，Material(物

5、)Mothod(方法)Environments (环境 )如下例： 例如某厂DH 视盘机2001 年3 月份，工序内最大不良为抖晃。在支干上画出相关次支干，并写出原因，次支干与支干互为因果关系。如此反复，直至所有支干和最终一层原因写出为止。记入图名、作成者、长、作成时间等项目。如下例： 例如，经过调查某厂DH 视盘机占不良首位的抖晃，主要是由以下几个方面的原因造成：P 卷轴压入不良、C 齿轮崩缺、测试标准带精度不足。 从图中可以看出，每一支干的结果都是由于次支干的原因造成的，要解决抖晃这个最终问题，就得先从最小的次支干处入手。实战时盲点注意：实战时盲点注意：尽可能多听取第一线管理人员、技术人员

6、、作业人员的意见，从中筛选出相关的原因。要记入事实因果关系，不可以想当然地捏造出因果关系来。当因果支干关系太多时，则要选取重要的给予优先对策。每一个问题都要尽量刨根问底，直到找出真正原因。要解决主干，就得先解决支干，要解决支干，又得先解决再下一个次支干。因果图只告诉你问题的原因在哪，不会告诉你哪一个更重要，哪一个需要优先处理，哪一个可以缓一缓，因此要结合其他QC 手法，才能发挥最大作用。不仅是工厂的品质管理，因果图在其他行业也有很广阔的用途。 除了因果图之外，石川馨教授的9010 概理也在管理界得到许多认同，9010 概理是指：QC 小组虽然风行各种企业的管理活动之中，但是充其量只能解决10%

7、的品质问题，剩下的90%需要通过管理人员来解决。第三种手法：散布图 概念：概念： 散布图是指：以点的形式在坐标系上，画出两个对应变量之间的内在关系的图，也有人称之为“散点图”、“相关图”。两二对应变量之间的关系主要有正相关、负相关、不相关等三种。 正相关是指：随着某一变量的增大，另一变量也随之而增大。 负相关是指：随着某一变量的增大，另一变量却随之而减小。 不相关是指：不论其一变量怎么变化，另一变量不呈现对应关系。 作用： 用于确认两个变量之间，是否存在某种内在的必然关系，有助于判明因果关系的真假。 在进行品质不良原因分析时，此图是排除法中必用的。 操作方法： 确定要调查的两个变量，收集相关的

8、最新数据。 设定坐标系，将两个变量分别写入X 轴Y 轴。 例如，为了确认某厂DH 视盘机在连续30 小时运转后，其光盘转动速度是否会发生改变，那么二个变量分别为时间和速度。 将相对应的两个变量，以点的形式标上坐标系。 必要时将前后二个点连接起来，便于观察。 记入图名、作成者、长、作成时间等项目。 从图中可以看出，随着连续运转时间的加大，光盘转动速度呈现明显的下降态势，即二者的内在关系为负相关。 实战时盲点注意： 两组变量的对应数据至少要收集30 组以上，最好有50 个。 当坐标上两点重叠时，以 作记号，三点重叠时以作记号。通过图形，可以看出二个变量之间的三种内在关系。 当50 个数据全部都标注

9、出来时，不会是一条单一明了的曲线，而是一大堆密密麻麻的 黑点，此时要看清总体趋势如何。第四种手法：直方图 概念：概念： 直方图是指：对同一类型的数据进行分组、统计，并根据每一组所分布的数据量画出柱 子状的图，也称“柱状图”，“品质分布图”。 作用： 弄清众多数据的分布状态，了解总体数据的中心和变异，并以此推测事物今后的发展趋势。直方图不仅可用于品质分布状况的分析，还可以用来计算工序能力是否足够，工序不合格品率有多少等方面。 操作步骤： 确定需要品质分析的项目，随机收集50 个以上同一类型数据。 例如，为了了解某厂DH 视盘机光盘转带的分布情况，经过测定，获得以下数据： 设定组数，并计算全距、组

10、距、组界、中心值。A组数（K）：K=N B全距：代号为R，即随机收集数据中最大值 与最小值的差，也称之为极差。最大值 的代号为La，最小值为Sm，那么： R = LaSm。 从上表中可得知，R=3044-2957=87 HzC组距(H)：等分各组的宽度，其公式如下所示： H=(LaSm)/K=R/K 组距H = 87/8=10.8711 HZD组界：分组后，各组数据之间的界限值。 为了避免数据与组界重叠而造成分组困难， 组界单位通常取测定单位的1/2，即比测定单位的精度高1 倍。其计算方法如下：第二组的下组界以此类推，算出各组界之数值。E中心值（Xi）：每一组数据中间的数值（前后二个组界之间的

11、中心值），也称中值、代表值，其计算公式如下： 综上所述，全距、组数、组界、中心值等的相互关系如下图所示： 统计符合各组值的数据次数，每一个数据为一次。 第一组的下界下限值测定单位/229571/2=2956.5 Hz，其它各组界如下：按横坐标为数据特性值，纵坐标为数据的次数值，建立坐标系。按每一组数据次数的多少在坐标系里画出直柱图。记入图名、作成者、长、作成时间等项目。根据述数据可画得以下直方图： 从上图中可以看出整体平均值略微右偏，但整体分布仍为常态分布，工序正常。有了直方图，还可以进一步计算工序能力是否足够， 实战时盲点注意:除了正态分布之外，其他都可视为异常，需要引起管理人员的高度重视。

12、 A测定数据有无错误？有无混入其它不相关的数据？ B组数、组距、组界的设定是否恰当？ C必要时，将数据重新细分后，再确认一次分布情况。尽可能多收集一些数据，至少50 个以上。收集数据时，应该是随机的。分布异常时，必须采取对策，使数据恢复正态分布。如果因为某种不可抗拒的原因， 生产一开始数据就处于异常分布的话，那么要密切留意有无恶化。第五种手法：检查表 概念： 检查表是指：以表格的形式，对数据进行简单整理和分析的一种方法，也有人称之为“调查表”、“统计分析表”、“查核表”。 作用： 简便、直观地反映数据的分布情况。多于数据无需二次分析的场合，如品质部门的每日检查报告。 操作步骤： 确定检查对象、

13、检查者、检查时间等。 将检查项目记入表中，必要时可利用图示说明。 将相关的检查数据记入表中。 记入作成者、长、作成时间等项目 例如，某厂DH 视盘机2001/4/1 的生产经QC 例行检查后，发现一些不良品，经过整理，得到以下检查表。从表中可以清楚地知道DH 视盘机当天的品质状况如何。 实战时盲点注意： 该表多用于产品品质相对稳定时的维持管 理上，当产品品质尚不稳定，不良多发 时，仅用此表是不够的。 表的格式因行业的不同而千差万别，无需 追求统一，只要实用就可以。 向其它部门反馈数据情报时，如果附有实 物的话，则更具有说服力。第六种手法：分层法 概念： 分层法是指：按某一线索，对数据进行分门别

14、类、统计的方法，也有人称之为“层别法”。 作用： 寻找出数据的某项特性或共同点，对现场中的即时判定有帮助。 操作步骤： 确定分层线索，即按什么条件进行分层。 A按作业人员分：熟练与非熟练、性别、工作班次。 B按材料分：不同供应商、不同生产批次、不同模 号、不同规格。 C按作业方法分：对策前和对策后、标准作业和非标 准作业。 D 按设备分：校正前和校正后、不同设备。 E 按环境分：不同车间、不同季节、不同时间段。 确定该分层条件所对应的范围。 统计符合各分层条件的数据。例如某厂DH 视盘机按材料不良进行分类，所得数据统计如下：从表中可以看到2001/1/4 至15/4 每天不良的发生情况。记入图

15、名、作成者、上长、作成日期等事项。 实战时盲点注意： 分层法只提供简单的数据分布状态，不容 易记忆，也不会告诉你二次原因、三次原 因到底在哪。 通常在品质不良跟踪时用到该手法。 与其它QC 手法结合使用，效果更佳。第七种手法：控制图 概念： 控制图是指：用统计方法分析品质数据的特性，并设置合理的控制界线，对引起品质变化的原因进行判定和管理，使生产处于稳定状态的一种时间序列图，有人称为“管制图”“管理图”，由于它是由美国人休哈特（Shewart）于1924 年创立的，所以也有人称之为“休哈特图”。 稳定状态是指：生产过程中导致不良发生的因素中没有异常因素而只有偶然因素，不良 率极低，生产活动处于

16、稳定的状态，也有人称之为“受控状态”。 控制图的基本作法是将采样所得的品质数值经过换算后，以点的形式画在预先准备好的图表上。排除偶发因素，如果点的分布在控制界线内的话，则表明工序得到有效控制，反之，则表明工序异常或失去控制。1常用的控制图有以下几种： 计量值是指：品质特性值可以测取所定范围内的任何一个可能的数值，即数值的梯度变化可以被连续测取的数值，如压力、温度、几何尺寸等数值。 计数值是指：品质特性值只能取一组特定的数值，而不能取这些数值之间的数值，即数值的梯度变化不能以连续方式测量，而只能以个数或百分率来表示的数值。计数值可进一步 分为计件值和计点值。计件值是指产品进行按件检查时所产生的属

17、性，如一批产品中的合格数、不良品数等；计点值是指每件产品中品质缺陷的个数，如外观暇疵点数，功能失效项目数。2各种代号含义。 n ：采样数量大小，也可指数据量。 k ：采样的组数。 x ：采样的单位或单位特性值。（每一个数值分别用X1、X2Xn 来表示） ：采样的平均值。读X bar（巴）。 ：总体的平均值。读“谬”，计算方法同上。 ：采样 的平均值，有时了称总平均值。读X bar bar（巴巴）。 R ：极差。一组采样数据中最大值与最小值的差。 （R=X 最大值X 最小值） ：R 的平均值，也称极差平均值。读R bar（巴），计算方法同。 ：中位值。位于最中间的数据值。数据量为奇数时取最中间的

18、数据，偶数时最中间两个的平均 值。读X Median(眯地摁)。 p ：不良率。 pn ：不良个数。采样中所有的不良总数。 c ：不良项目数。采样中所有不良项目数。 u : 单位不良项目数。采样单位中的不良项目数。 s :采样的标准偏差。标准偏差有时也称标准离差、标准差或称均方差。读Small(送吾)。 ：总体的标准偏差。读Sigma(西格玛)，计算方法同上。 理论来说可以求得总体的标准偏差，但在实际生产管理活动中，却因为种种原因难以实施，因此 人们用采样的标准偏差来替代。统计学要求采样大小不低于30 个，如果是品质管理一般都要求100 个以上，特殊情况下不低于50 个。 UCL：上控制界限(

19、Upper Control Limit),也称上限值。 LCL：下控制界限(Lower Control Limit)，也称下限值。 CL :中心线（Control Limit)，如采样 的平均值、极差平均值。 控制图的作用: 能及时发现工序品质的突然变异或缓慢变 异，为即将发生或已经发生的品质不良指 明对策方向。 通过对各工序品质稳定性判定，为最终产品 的检查和判定提供可靠依据。 为制定工序目标和规格界限，尤其是为材料的 最佳配对方案提供可靠依据。 实战时盲点注意：以下以最为常用的R 控制图为例进行说明1 选定要控制的对象。 在设计作业流程时，哪些对象需要用控制图进行 管理，必须在标准作业书里

20、反映出来。如产品的关键品质性能、中间特性、对后工序影响巨大的项目。一般是品质管理部门的QA、QC 或初级管理人员进行测定和控制。2准备数据。寻找设定上控制界限、下控制界限、中心线时所用的数据要生产稳定时期的最新数据。 A 生产才“开张”的数据不宜。 B 不良多发，尚未彻底、有效对策之时的数据不宜。 C 测定人员尚不熟悉测定手法之时的数据不宜。以此数据作成的控制图，在日后使用过程中如不能真实反映品质状况，还需重新寻找新数据。 A品质控制界限并非永远一成不变。综合考虑成本、交货期等相关因素的影响，有时得加严；有时得放松，因此品质控制界限也要相应调整。 B因4M1E 的改善，有时得增中某个新的品质控

21、制项目，或删除某个旧的控制项目。数据量越多越好，尽量在100 个以上，组数在20 至25 以上。5每日记入测定数据，观察点的分布状态。例如，某厂DH 视盘机之P 卷轴部件自2001/3 起生产工序一直处于稳定状态。因该部件的压入高度直接影响到机械行走方面的稳定性如何，是必须加以管理的项目，试作成该工序的R 控制图。 第一步：测定数据。 6判定稳定、判定异常的原则。 随着生产活动的进行，将每一天的测取的数据记入表中，通过连接点线的走势，就能很好地判定品质特性是否处于稳定或异常状态。 有的管理人员为了隐瞒自己的失误，或是害怕别人追究责任，人为改动测取的数，以造出“走势一片大好”的分布，这是很不应该

22、的，品质管理如同儿戏。 当点线走势满足以下条件时，判定为生产处于稳定状态：A 连续25 个点都在控制界限内。（在作成控制界限之时，此法又可以反验证作成时机是否妥当）B 连续35 个点中，只有1 个点在控制界限外。C 连续100 个点中，只有2 个点在控制界限外。 大多数企业的生产活动又都是以月度、季度、年度为单位进行管理的，但是连续点数的界定并不能以此为单位，照搬照用，也不得任意中途截取一段连续点数进行判定，而是从最新打点处往回数。 当点线走势满足以下条件时，判定为工序处于异常状态：A点落在控制界限外，或刚好在控制界限上时，先考虑判稳条件。B点的走势不呈随机状态，具有明显的某一趋势时，如以下一

23、些情况：e. 连续14 点中有12 点落在中心线的某一侧。f. 连续17 点中有14 点落在中心线的某一侧。g. 连续20 点中有16 点落在中心线的某一侧。h. 当连续7 点上升或下降时，即非随机排列。j. 当点线呈现有规律的周期性波动时。 采取有效对策。 判明品质特性异常之后，最为重要的是要查明原因，消除造成不良的因素，使品质恢复到稳定状态 其他：当品质特性呈正态分布时，所设定的控制界 限不同，任意测定所得的值，其分布在控制界限内的概率不同，换言之，即使是正态分布，亦有极少数产品不符合品质规格的要求，要小心区分判异和判稳的原则。如果点子落在控制界限以外时，不论是正常还是异常分布，均要在点子

24、处作上记号， 注明发生原因和处理方法。采用QC 7 手法后产生的直接效果 产品品质（狭义）得以稳定，并能提高。 不良品下降，内外投诉事件减少。 生产成本下降，为增加产量打下基础。 人机怠工减少，返工减少。 检查频度和数量得以减少，各种试验费用随之减少。 各种装置、设备、夹具的修理、改善或增设，都得到合理的、有重点的进行。采用QC 7 手法后产生的间接效果不是凭直觉或者经验，而是可以科学地、有效地分析现场，把握现场问题。只要明确判断标准，适当培训，谁都可以同样作出正确的判断。平日被忽略的问题点突出地表现出来，避免管理遗漏。可以从杂乱的变化中发现问题总的规律性。不会被个别的问题分散了注意力，可以看到整体。因为具有客观性，容易统一众人的意见。在状况说明时，因为有统计分析过的数据，说明可以简单地进行。看一眼图表就能大致明白现状，可以提高全员对品质的责任心和关心。