QC七大手法学习总结.docx

QC七大手法学习总结.docx

《QC七大手法学习总结.docx》由会员分享，可在线阅读，更多相关《QC七大手法学习总结.docx（19页珍藏版）》请在冰点文库上搜索。

QC七大手法学习总结

一、检查表

在现场收集数据，使用简单明了的标准化表格并填入规定的图形记号，再加以统计汇总，以提供进一步分析或对比检查的表格或图表，是其它六大手法的起点。

通常分为点检用检查表（防止不小心的失误、起备忘录作用；此类表在记录时只做「有、没有」、「好、不好」的记录。

）或记录用检查表（通过收集到的数据反映不良的状况；此类检查表用来收集计量和计数数据。

）。

注意事项：

1）应能迅速、正确、简易地收集到数据，记录时只要在必要项目上加注记号；

2）记录时要考虑到层別，按人员、机台、原料、时间等分类；

3）数据来源要清楚：

由谁检查、检查时间、检查方法、检查班次、检查机台，均应写清楚，其他测定或检查条件也要正确地记录下來；

4）尽可能以记号、图形标记，避免使用文字；

5）检查项目不宜太多，以4-6项为宜（针对重要的几项就可），其他可能发生的项目采用“其他”栏。

6）可配合帕累托图、直方图使用；

7）检查项目可考虑由鱼刺图推断出得特性要因；

8）5W1H（Why,What,Who,Where,When,How）的分析方法；

9）数据收集完成后，应立即进行分析，保证时效性。

制作程序：

二、层别法

将得到的数据资料按需要而分成数个类别，便于以后的分析。

分层方法：

1）人机料法环；

例如：

作业员：

不同拉、班、组别

机器：

不同机器别；

原料、零件：

不同供给厂家别；

作业条件：

不同的温度、压力、湿度、作业场所；；

产品：

不同的产品别；

其他：

如使用不同的工艺方法生产的同种产品别。

2）时间；不同批别、不同时间生产的产品；

3）作业区域；不同班组、不同车间、过程区域层别；

4）不良项目等。

注意事项：

1）实施前，首先要确定分层的目的（不合格率分析？

效率提高？

作业条件影响？

）；

2）检查表的设计应针对怀疑的对象设计；

3）数据性质分类应清晰、详细记载；

4）依各类可能原因加以分层，找出真正原因；

5）分层所得的结果应与对策相联接，并实施行动。

制作流程：

层别法的应用方法：

5.特性要因图

三、柏拉图（排列图）——二八原则

当我们要解决问题时，总会发现产生问题的要因很多，不知从何着手，因此最好找出其影响度最大的几个要因，再按优先顺序，一一谋求改善对策，才能以有限的人力和时间，有效地解决问题。

柏拉图就是这样一种供你寻找重要要因的一种统计工具。

¡作为降低不合格的依据：

想降低不合格率，先绘柏拉图看看。

¡决定改善目标，找出问题点。

¡确定主要因素、有影响因素和次要因素。

¡抓主要因素解决质量问题。

¡确认改善效果（改善前、后的比较）。

注意事项：

1）横轴是按项目別，依大小順序由高而低排列下來，[其他]项排在最未。

2）次数少的项目太多时，可考虑将后几项归纳成[其他]项。

有時，改变层别和分类的方法，也可使项目減少。

3）纵轴的左侧尽量以金额表示，如此就降低成本、追求利润的企业而言，更具意义。

通常用于表示发生不良的次数、缺点数、发生次数不良率、单位缺点数等。

4）柏拉图的柱形图横轴距离相同。

5）改善前后进行比较：

（1）改善前后横轴项目別依然按大小順序由高到低排列。

（2）前后比较基准一致，刻度应相同。

（3）各项目以色別来区分更易比较。

6）柏拉图中、连接横轴与纵轴对应点的线应为折线而非曲线。

制作流程：

四、因果图（特性要因图/鱼骨图）

先列出品质变异的项目，然后对造成变异的4M1E因素进行分析。

1）原因追求型

2）对策追求型

注意事项：

1）不要指责他人的任何想法；

2）全方位多角度各层次，数量越多越好

3）自由奔放，毫无拘束；甚至于异想天开

4）分析时思考方向：

①替代——人员顶替/材料替换/方法替代；

②过程优化BPI与重组BPR；③消减/简化/合并/调序等等。

制作流程：

五、直方图

直方图是将所收集的数据分为几个相等的区间作为横轴，并将各区间内的测定值所出现次数累积而成的面积，用柱子排列起来的图形。

直方图可显示数据的三种特性：

集中的趋势、数据的范围、分布的形状。

注意事项：

1）抽取的样本数量过小，将会产生较大误差，可信度低，也就失去了统计的意义。

因此，样本数不应少于50个。

2）组数k选用不当，k偏大或偏小，都会造成对分布状态的判断有误。

3）直方图一般适用于计量值数据，但在某些情况下也适用于计数值数据，这要看绘制直方图的目的而定。

4）图形不完整，标注不齐全，直方图上应标注：

公差范围线、平均值的位置（点画线表示）不能与公差中心M相混淆；图的右上角标出：

N、S、Cp或CPK。

5）收集数据时，对于抽样分布必须特別注意，不可取部分样品，应全部均匀地加以随机抽样

直方图的功用：

•评估和检查工序能力，研究过程能力或计算过程能力；侧知工序的过程能力，是过程能力的最好最直观的写照；

•了解质量特性分布的形状；

•指出采取措施的必要；

•检查执行纠正措施是否有效；

•比较设备、物料、人员及供应商；

•计算产品的不良率，根据不良数量可以直接计算出来；

•调查是否混入两种以上不同的数据；

•测知数据是否有假；

•以此制定产品的规格标准；

•设计合理的控制界限。

制作流程：

常见图形举例：

¡

¡正常型

¡说明：

中间高，两旁低，有集中趋势

¡结论：

左右对称分配（正态分配），显示过程运转正常。

缺齿型（凸凹不平型）

¡说明：

高低不一，有缺齿情形。

不正常的分配，由于测定值或换算方法有偏差，次数分配不妥当所形成。

¡结论：

检验员对测定值有偏好现象，如对5，10之数字偏好；或是假造数据。

测量仪器不精密或组数的宽度不是倍数时，也有此情況；可能是分组过细或数据不真实。

切边型（断裂型）

¡说明：

有一端被切断。

¡结论：

原因为数据经过全检，或过程本身经过全检，会出现的形状。

若剔除某规格以上时，则切边在靠近右边形成。

离岛型

¡说明：

在右端或左端形成小岛。

¡结论：

测量有错误，工序调节错误或使用不同原料所引起。

一定有异常原因存在，只要去除，就可满足过程要求，生产出符合规格的产品。

高原型

¡说明:

形状似高原状。

¡结论:

不同平均值的分配混在一起，应分层后再做直方图比较。

双峰型

¡说明：

有两个高峰出现。

¡结论：

有两种分配相混合，例如两台机器或两家不同供应商，有差异时，会出现这种形状，因测量值不同的原因影响，应先分层后再作直方图。

偏态型（偏态分配）

¡说明：

高外偏向一边，另一边低，拖长尾巴。

可分偏右型、偏左型。

¡偏右型：

例如，微量成分的含有率等，不能取到某值以下的值时，所出现的形状。

¡偏左型：

例如，成分含有高纯度的含有率等，不能取到某值以上的值时，就会出现的形状。

¡结论：

尾巴拖长时，应检查是否在技术上能够接受，多由工具磨损、松动及加工习惯引起。

过程性能力指数或称初始过程能力：

1.过程性能力指数或称初始过程能力的求法：

（a）双侧规格

六、散布图

为研究两个变量之间的相关性，而搜集成对两组数据，在坐标上用点来表示出两个特性值之间相关情形的图形，称之为散布图。

其主要作用：

知道两组数据（原因与结果）之间是否相关及其相关程度。

1.强正相关。

x增大，y也随之线性增大。

x与y之间可用直线y=a+bx（b为正数）表示。

此时，只要控制住x，y也随之被控制住了，图（a）就属这种情况。

2.弱正相关。

图（b）所示，点分布在一条直线附近，且x增大，y基本上随之线性增大，此时除了因素x外可能还有其它因素影响y。

3.无关。

图（c）所示，x和y两变量之间没有任何一种明确的趋势关系。

说明两因素互不相关。

此时宜再考虑其他可能影响的要因。

4.弱负相关。

图（d）所示，x增大，y基本上随之线性减小。

此时除x之外，可能还有其它因素影响y。

5.强负相关。

图（e）所示，x与y之间可用直线y=a+bx（b为负数）表示。

y随x的增大而减小。

此时，可以通过控制x而控制y的变化。

6.非线性相关。

图（f）所示，x、y之间可用曲线方程进行拟合，根据两变量之间的曲线关系，可以利用x的控制调整实现对y的控制。

散布图与相关系数r变量之间关系的密切程度，需要用一个数量指标来表示，称为相关系数，通常用r表示。

¡不同的散布图有不同的相关系数，

¡r满足：

-1≤r≤1。

因此，可根据相关系数r值来判断散布图中两个变量之间的关系。

散布图制作流程：

七、控制图

作控制图的目的是为了使生产过程或工作过程处于“控制状态”.控制状态即稳定状态,指生产过程或工作过程仅受偶然因素的影响,产品质量特性的分布基本上不随时间而变化的状态.反之,则为非控制状态或异常状态.

控制状态的标准可归纳为二条:

第一条,控制图上点不超过控制界限;

第二条,控制图上点的排列分布没有缺陷.