品质管理QC七大手法.docx
《品质管理QC七大手法.docx》由会员分享,可在线阅读,更多相关《品质管理QC七大手法.docx(25页珍藏版)》请在冰点文库上搜索。
品质管理QC七大手法
QC七大手法
品管七手法,也叫品管七工具,是目前全世界都应用比较广的品质管理工具,它具有简单、实用的特性。
它们分别是:
查检表、层别法、鱼骨图、柏拉图、散布图、管制图、直方图。
QC七大手法,是一种管理用的工具,学习它就需要掌握它们的主要精神和思考模式。
它们之间的应用关系如下:
查检表:
用来在现场收集数据,尽量让现场作业简单而有效,它是其它六手法的起点。
层别法:
用来对收集来的数据进行分类,以利于统计分析,找出细部问题,通常需要查检
表设定相并没有栏位,也是其它手法的一个基础。
鱼骨图:
用来对一个现象或结果进行原因深入细致的分析,通常用来找原因及因素,最好
同层别法结合起来使用。
柏拉图:
用来对多种问题或原因进行分析,找出最大问题或原因,以利用工具积极地提升,
实现花较少成本做好更多的事情。
散布图:
用来对收集来两个或两个以上的问题或特性的数据,找出之间可能的相关性.
管制图:
用来了解品质在过程中的变化状态和预测品质下一步可能之状况,有助于提前发
现问题,是实现第一次就把事情做好的基本步骤之一.
如图所示:
c:
\iknow\docshare\data\cur_work\https:
\wkretype。
bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5
第一种手法-—查检表(CheckSheet)
一、定义
查检表就是一种为了便于收集数据,使用简单记号填记并予统计整理,并作进一步分析或作为核对、检查之用的一种表格或图表.
二、查检表的种类
1、记录用(或改善用)查检表
主要功用在于根据收集的数据以调查不良项目、不良主因、工程分布、缺点位置等状况,并作为原始记录的凭证。
2、点检用查检表
主要功用是为要确认作业实施、机械整备的实施状况,或为预防发生不良或事故、确保安全时使用。
三、查检表作法
1、查检表设计的步骤
file:
//c:
\iknow\docshare\data\cur_work\https:
\wkretype。
\retype\zoom\0eb95914866fb84ae45c8dd5?
pn=2&x=0&y=0&raww=208&rawh=76&o=png_6_0_0_288_63_234_90_892。
979_1262.879&type=pic&aimh=76&md5sum=215d2839c81eaf7178ddcb6a148530e0&sign=4fccf65357&zoom=&png=8884—15235&jpg=18399-45175
A、明确目的—-将来要能提出改善对策及数据,因之必需把握现状解析,与使用目的相配合。
B、决定查检项目——从特性要因图圈选的4~6项决定。
C、决定检查的方式——全检或抽检。
D、决定查检细则-—查检基准、查检数量、查检时间与期间、查检对象之决定,并决定收集者、记录符号.
E、设计表格实施查检。
2、设计记录用(或改善用)查检表
A、决定所要收集的数据及所希望把握的项目
数据的关系,有如特性要因图的关系。
数据有计量值、计数值,项目则包括不良原因、缺点状况等,也就是特性要因图中所圈选的要因,所要收集的数据,就是能表现特性要因图之问题点的好坏程度者;
B、决定所要设计的表格形式
依据所作层别分析的条件,而去设计一种最适合于自己使用的格式,但最简单的查检表也离不开分类的项目与收集数据的日期这两个项目。
通常将工程中按机械、作业员、材料、时间等分别列明,予以区别;
C、决定记录的形式
尽量用一些易记的符号如,如“□、▲、△、○、☆、※、正”等符号,字段分开并标识出每一字段之功能,尽量让任何人看到都能填写;
D、决定收集的方法
由谁收集、收集的周期、查检方法、查检数„„决定;
E、记入记号并整理成次数分配表。
3、设计点检用查检表
A、将须点检的项目逐一列举出来,并查出检验时需要记录记号的空栏;
B、所需点检的项目是“非做不可的工作”、“非检查不可的事项”等;
C、点检有顺序要求时需注明编号,依顺序记录数据,并且无遗漏;
D、必须之项目,尽可能以机台、制程工序、人员等条件层别。
4、作成方法
A、确定检查对象、检查者、检查时间等;
B、将检查项目记入表中,必要时可利用图示说明;
C、将相关的检查数据记入表中。
例:
c:
\iknow\docshare\data\cur_work\https:
\wkretype。
\retype\zoom\0eb95914866fb84ae45c8dd5
四、该方法实战时注意事项:
A、该表多用于产品品质相对稳定时的维持管理上。
B、表的格式千差万别,无需追求统一,只要实用就可以。
C、向其它部门反馈情报时,如果每个数据附有实物的话,则更具说服力.
第二种手法——层别法(Stratification)
一、定义
在一个群体中,为了深入分析内部状况,而设立一个将母体分割开来的方法或条件,称为层
别法。
在品质管理中,主要是对各种条件下所产生的问题及原因做分析.
二、层别法之功用
层别法的主要功用:
在于透过各种分层,依各层收集数据做分析,并寻找不良位置或最佳条件,作为改善品质的有效方法。
它的主要精神就是看问题要从多方面、多角度分析。
当分析一件事情时,可能需要看里面各环节状况或几个环节状况,并且最好有比较的功能。
三、层别法的对象与目的
1、时间的层别,如小时、天、周、月、季,或某个时间段等等;
2、作业员的层别,如张三、李四等等;
3、机械、设备的层别,如A机台、B机台等等;
4、作业条件的层别,如A方法、B方法等等;
5、原材料的层别,如A材料、B材料等等;
6、测定的层别,如测定器别、测定者别、测定方法别等等;
7、检查的层别,如检查员别、检查场所别、检查方法别等等;
8、环境、天候的层别,如气候热、气候冷,15度与20度等等;
9、地区的层别,如在南方与在北方;
10、制品的层别,如新旧品别、标准品或特殊品别、制造别等等;
11、使用方法别,如良品与不良品别、包装别、搬运方法别等;
12、其它各种各样的条件可以根据实际状况而定.
三、作成方法
1、确定分层线索,即按什么条件进行分层;
2、确定该层条件所支应的范围;
3、统计符合各分层条件的数据;
4、记入图名、作成者、作成日期、长等事项。
四、该方法实战时注意事项:
A、如果是以某一生产要素为线索进行分层处理的话,则所得到的数据更有助于判断;
B、与其他QC后法结合使用,效果更佳.
例:
某录音机近期之修理情况如下:
第三种手法——特性要因图(CharacteristicDiagram)
一、定义
对于结果与原因间所期望的效果与对策之间的关系,以箭头连结,详细分析原因或对策的一
种图形称为特性要因图.
特性要因图为日本品管权威学者石川馨博士于1952年所发明,故又称“石川图”,又因其形状似鱼,亦称鱼骨图,因此图形阐明原因与结果之关系,也称“因果图"。
二、作用
将影响品质的诸多原因一一找出,形成因果对应关系,使人一目了然,对于确定正确的对策
方案有帮助。
四、作成方法
1、在未绘制之前,应先决定问题或品质)的特性,如不良率、停机率、送修率、抱怨的发生、外观不良、尺寸不良等;
2、绘制特性要因图的骨架,将特性写在右端,自左划上一条较粗的干线(母线),并在干线的右端画一指向右方的箭头;
3、把原因分为几大类,每大类划于中骨上,加上箭头的大分枝,稍斜(约60度)插到母线,较母线略细。
原因一般分为人员、机械、材料、方法、环境或只画出相应的支干;
4、探讨大分枝的细节,并依次展开。
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;
5、如此反复,直至所有支干和最终一层原因写出为止;6、记入图名、作成者、长、作成时间等项目。
c:
\iknow\docshare\data\cur_work\https:
\wkretype.bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5
测试带旧轮松动
从图中可以看出,每一支干都是由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.
五、该方法实战时注意事项:
1、尽可能多听取现场当事人的意见,从中筛选出相关的原因;
2、要记入事实原因,不可以想当然地捏造出因果关系来;
3、当因果支干太多时,则要选取重要的给予优先对策;
4、每一个问题都要尽量刨根问底,直到找出真正的原因;
5、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;
6、因果图只告诉问题的原因在哪里,不会告诉哪一个更重要,哪一个需要优先处理,因此要结合其
他QC手法,才能发挥更大作用。
第四种手法-—柏拉图(ParetoDiagram)
一、定义
根据所收集之数据,按不良原因、状况、发生位置等不同区分标准,然后把所得的数据进行由大到小排列后,以寻求占最大比率之原因、状况或位置的一种累计柱状图。
意大利经济学家巴雷特(VifredoPareto)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”,因它将数据从大到小排列,故也称之为“排列图”,后来由美国人裘兰(JosephJuran)加以推广使用.
它的主要精神之一就是80/20法则,即通常大多数问题是由少部分原因造成的,而多数分原因却导致少部分问题,这在世界上已经成为公理。
如公司营业部门,大部分业务订单是由少部分人员产生的,世界上少数人员掌握着大多数财富等等案例很多。
主要精神之二,就是对数据或同类事物最好排好序来,更有助于比较分析及掌握工作重点,从而提高工作效率.
二、作用
在现场众多的不良问题中,找出关键的前几名,以便决定今后管理工作的重点。
具体如下:
1、作为降低不良之依据‘
2、决定改善品质的工作目标;
3、确认改善效果(改善之前后对比);
4、应用发掘现场的重要问题点;
5、用于整理报告记录;
6、可作不同条件的评价;
7、确认或调整特性要因图;
8、柏拉图具有检定假说之意义;
9、配合特性要因图(柏拉图上的项目当作品质特性加以要因分析,可以讨论出改善的方案。
)
三、作成方法
1、列出所有不良项目,并收集相应时期的数据;
2、将数据进行分类;
3、把分类好的数据进行汇总,由多到少进行排序,并计算出所占的百分比;4、计算出各类之总和;
5、设定坐标系,填上坐标值,坐标值要反映最大、最小数据。
左纵坐标为不良数据,以总数十分之一为一单位格,右纵坐标为不良率累计百分比,以100%的比例来做右边的纵轴,之间幅度为10%为一单元格,横坐标为不良项目;
6、在横轴上,按从多到少的顺序对每一项目进行绘制,将各项目所占的比例累计后记入坐标;7、将各比例点连接起来,一直到100%;
8、记入图名、作成者、长、作成时间等相关内容。
例:
某车间成品机2002年12月份,工序内不良的发生情况如下:
c:
\iknow\docshare\data\cur_work\https:
\wkretype。
bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5?
pn=6&x=0&y=0&raww=376&rawh=349&o=jpg_6_0_______&type=pic&aimh=349&md5sum=215d2839c81eaf7178ddcb6a148530e0&sign=4fccf65357&zoom=&png=34976—43293&jpg=91857—130165
c:
\iknow\docshare\data\cur_work\https:
\wkretype。
\retype\zoom\0eb95914866fb84ae45c8dd5?
pn=6&x=0&y=349&raww=433&rawh=176&o=jpg_6_0_______&type=pic&aimh=176&md5sum=215d2839c81eaf7178ddcb6a148530e0&sign=4fccf65357&zoom=&png=34976-43293&jpg=91857—130165
四、注意事项:
1、当缺点项目或类别超过15项时(手工做则9项),在经过第2步的排序时,必须将后面所有部分标识或记录成“其他”类别,且一定要放在最后,所以在缺点类别和缺点项目中最好不要使用“其他”,以示区别。
2、在柏拉图的折线点上不需要标识具体数据,因为我们需要的是一个大概数据,而如标识数据,不仅无谓复杂,且无实际意义。
3、在做柏拉图时,“其他"项的数据一般不能超过20%,如有,则表示类别划分不够明确.4、重点管理占80%的的前几项不良,其他剩余的项目并非全然不予理会,当前几项不良消失后,后几位又升上来,成为必须重点改善的不良。
5、在现场管理中,此图通常在不良品的等级、种类、数量、损失金额、原因的分析上用得较多。
第五种手法—-散布图
一、定义
为了研究两个或三个变量(一般使用两个特性)之间的相关性,而搜集成对几组数据,在纵轴与横轴上以点来表示二个或三个特性值之间相关情形的力形,称之为“散布图"。
二、功用
1、知道两组数据(或原因结果)之间是否有相关性及其相关程度;
2、把材料、机械设备、作业者、作业方法„„等可能影响的原因层别,绘制散布图,可检讨何者影
响结果;
3、检视是否有离岛现象;
4、抽样检验中,若某品质特性之测试成本高或困难,则可采用与此特性有关系存在的另一个或两个
测试成本较低或测试容易之特性,以降低检验成本;
5、以利在以后的品质管制中,若同一制品之二特性间有密切关系时,则可舍去其中一个管制图,以
降低预防成本。
6、两组数据间若呈直线变化,可依散布图求出直线方程式,以为订定标准之用。
三、作成方法
1、收集相对数据,整理到数据表上。
(数据不能太少,一般不少于50对,否则易产生误判。
)
2、找出数据X、Y之最大值及最小值.
3、画出纵轴与横轴(若判断要因与结果之关系,遇横轴代表要因,纵轴代表结果),并取X、Y之最
大值与最小值矩为等长画刻度。
4、将各组数据点在坐标上.
5、记入必要事项(数据数、采集时间、目的、制品名、工程名、绘图者、日期)。
四、判读
1、显著性正相关:
X增大时,Y也随之增大,称为正相关。
(见图1)
2、非显著性正相关:
X增大时,Y也随之增大,但增大的幅度不显著,此时宜考虑其它因素。
(见图2)
特性2特性1
特性1
显著性正相关(图1)非显著性正相关(图2)
3、显著负相关:
X增大时,Y反而减小,称为负相关。
(见图3)
4、非显著性负相关:
X增大时,Y反而减小,但减小的幅度不显著,此时宜考虑其它因素.(见图4)
特性1特性1
特性2特性2
显著性负相关(图3)非显著性负相关(图4)
5
c:
\iknow\docshare\data\cur_work\https:
\wkretype.bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5?
pn=8&x=0&y=148&raww=208&rawh=135&o=jpg_6_0_______&type=pic&aimh=135&md5sum=215d2839c81eaf7178ddcb6a148530e0&sign=4fccf65357&zoom=&png=53872-63197&jpg=130166—154661
、无相关:
X与Y之间看不出有何关系;X6)
特性1
特性2
无相关(图6)无相关(图5)
6、曲线相关:
X开始增大时,Y也随之增大,但达到
某一特性值时,则当X增大时,Y却减少。
第六种手法——直方图
一、定义
对同一类型的数据进行分组、统计,并根据每一组所分面的数据量画出柱状的图形。
直方图是一处利用常态分布(也叫正态分布)的原理,把50个以上的数据用来分组,用柱形来说明各组数据的个数而形成的一种图形。
很多我会认为柱状图就是直方图,这其实是错误的,因为它们之间有很大的区别:
柱状图是利用推移的原理,只反应过去每期或每类别项止的状况比较;而直方图是利用正态分布原理,反应这整个时期的分布状况,并从中间找出可能的问题。
二、作用
1、测试制程能力,作为制程改善的依据;
2、计算产品不良率;
3、调查是否混有两个以上不同群体;
4、测知分配形态;
5、籍以拟定规格界限;
6、与规格或标准值比较;
7、研究所设计的管制界限可否用于管制制程;
8、判定数据的真假,借以了解品质的真实状况.
三、作成方法
1、找出最大值与最小值
file:
//c:
\iknow\docshare\data\cur_work\https:
\wkretype.bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5?
pn=9&x=0&y=0&raww=208&rawh=76&o=png_6_0_0_288_63_234_90_892。
979_1262。
879&type=pic&aimh=76&md5sum=215d2839c81eaf7178ddcb6a148530e0&sign=4fccf65357&zoom=&png=63198-69723&jpg=154662—188267
c:
\iknow\docshare\data\cur_work\https:
\wkretype.bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5
2、计算全距:
R=Max—Min=10。
12—9。
92=0。
2
3、决定组数
计算直方图所需采用的组数,用数学家史特吉斯(Sturges)提出之公式,根据测定次数n来计算组数k,其公式为:
k=1+3.32LogN=1+3。
32×Log100=1+3。
32×2=7。
64
注:
当为小数时,组数必须取整,原则上可取舍小数字数,也可以在舍去小数字数之后加1,当数据个数小于300时,采用后一种。
本案例中为了计算方便就取8组.
4、计算组距:
计算各组组距公式为:
组距=全距/组数=0.2/8=0。
025
5、决定起始点值和终点值
根据全体数据,定义起始点数值和终点数值:
起始点数值=最小值—测定值最小位数/2=9.92—0.01/2=9。
915
终点数值=最大值—测定值最小位数/2=10。
12-0。
01/2=10.115
6、计算各组上下点和中点
根据起始点数值、终点数值、组数、组距等数值,可以计算出各组的组界。
第一组下界=起始点值=9.915
第一组上界=第二组下界=起始点值+组距=9。
915+0.025=9.94
第二组上界=第三组下界=第一组上界+组距=9。
94+0.025=9.965
„„„„
第八组上界=终点数值=10。
115
根据各组之上下界,可以计算出各组之中心点:
各组中心点=(各组上界+各组上界)/2
M1=(第一组下界+第一组上界)/2=(9。
915+9.94)/2=9.9275
M2=(第二组下界+第二组上界)/2=(9。
94+9.965)/2=9.9525
„„„„
M8=(第八组下界+第八组上界)/2=(10。
090+10。
115)/2=10.125
以下为各组组界数值坐标图:
c:
\iknow\docshare\data\cur_work\https:
\wkretype.bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5
9。
9159.949.9659。
9910。
01510.0410.06510.0910.11
7
c:
\iknow\docshare\data\cur_work\https:
\wkretype。
bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5?
pn=10&x=0&y=0&raww=382&rawh=202&o=jpg_6_0_______&type=pic&aimh=202&md5sum=215d2839c81eaf7178ddcb6a148530e0&sign=4fccf65357&zoom=&png=69724-77141&jpg=188268—212085
file:
//c:
\iknow\docshare\data\cur_work\https:
\wkretype.bdimg。
com\retype\zoom\0eb95914866fb84ae45c8dd5?
pn=10&x=0&y=202&raww=690&rawh=61&o=jpg_6_0_______&type=pic&aimh=42。
43478260869565&md5sum=215d2839c81eaf7178ddcb6a148530e0&sign=4fccf65357&zoom=&png=69724-77141&jpg=188268—212085
8
c:
\iknow\docshare\data\cur_work\https:
\\retype\zoom\0eb95914866fb84ae45c8dd5
A、将次数分配表图表化,以横轴表示数值的尺度,以纵轴表示次数;
B、横轴及纵轴各取适当的单位长度,再将各组之办分别标在横轴上,各组界应为等距离;
C、以各组内之次数为高,各组之组距为底,在每一组上画一矩形;
D、在图的右上角记入数据数n及数据履历,并划出规格的上限及下限;
E、完成直方图制作。
四、图形判读:
1、正常型(也称为理想型):
(如图1所示)
说明:
中间高、两边低,有集中趋势。
结论:
左右对称分配(常态分布),显示制程在正常运转下.
1)(图
2、偏态型:
说明:
高处偏向一边,另一边低,拖长尾巴,可分为偏左型、偏右型,统称为偏态分布。
偏左型:
例如成分含有高纯度的含有率时,不能取到某值以上的值时,所出现的形状。
(如图2)偏右型:
例如微量成分的含有率等,不能取到某值以上的值时,所出现的形状;(如图3)总结:
此种状况是问题出现最多的,一般较好判断。
通常有如下几种原因:
A、在产品的各项参数中,有含有成分相对较高或较低的数据参入。
针对此原因应立即找到,便于修正。
B、制程中已有一些小变异,并采取了一些有效的改善措施或小变异刚开始。
图2图3
3、绝壁型(也称切边型或断裂型):
(如图4、5、6、7所示)
说明:
有一端被切断。
结论:
此状况对于品质要求较严时产生机率很高,一般会有如下几种原因导致此状况:
A、产品经过全检过,或制程本身经过全检后会出现的形状;
B、在注塑和冲压制程中,当量测精度足够时,制程中模具有较大松动或磨损时也会出现此状况。
C、当分析时间过长,而量测频率很小时,在分析总体状况有可能出现,如每2~3天量测3~4个数据,而分析1个或2个月时的数据会出此种状况。
图7
4、双峰型(也称二山型):
(如图8所示)
说明:
有两个高峰出现。
结论:
此种状况的产生,在制造业中,最主要的原因一般为混合不同特性的数据,一般有以下原因:
A、有两种分配相混合,例如两台机台工两种不同原料间有差异时,会出现此种形状,因测定值受不同原因的影响,应予层别后再作直方图;
B、如除上面的原因外,且整个分布正好在规定要求之内,检验人员又是对正态分布有一部分认知,也有可能是做出的假数据,此处状况极少;
C
file:
//c:
\iknow\docshare\data\