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。