1、2018/10/15,1,品质管理(QC)七大手法,2018/10/15,2,第一章 数据与查检表 第二章 柏拉图 第三章 特性要因图 第四章 散布图 第五章 图表与管制图 第六章 直方图 第七章 层别法,讲解之内容,2018/10/15,3,第一章 数据与图表,一.何谓数据? 就是根据测量所得到的数值和资料等事实.因此形成数据最重要的基本观念就是:数据=事实 二.运用数据应注意的重点:1.收集正确的数据2.避免主观的判断3.要把握事实真相,2018/10/15,4,三.数据的种类A.定量数据:长度.时间.重量等测量所得数据,也称计量值;以缺点数,不良品数来作为计算标准的数值称为计数值.B.定
2、性数据:以人的感觉判断出来的数据,例如:水果的甜度或衣服的美感. 四.整理数据应注意的事项1.问题发生要采取对策之前,一定要有数据作为依据.2.要清楚使用的目的.3.数据的整理,改善前与改善后所具备条件要一致.4.数据收集完成之后,一定要马上使用.,2018/10/15,5,五.何谓查检表? 以简单的数据用容易了解的方式作成图形或表 格,只要记上检查记号,并加以整理,作为进一步分 析或核对检查用. 六.查检表的种类 查检表以工作的种类或目的可分为:记录用查检 表和点检用查检表两种. 七.制作方法 1.决定所要收集的数据及希望把握的项目 2.决定查检表的格式 3.决定记录形式 4.决定收集数据的
3、方法,2018/10/15,6,八.查检表的使用,数据收集完成应马上使用,首先观察整体数据是否代表某些事实?数据是否集中在某些项目或各项目之间有否差异?是否因时间的经过而产生变化?另外也要特别注意周期性变化的特殊情况.查检表 统计完成即可利用QC七大手法中的柏拉图加工整理,以便掌握问题的重心.,2018/10/15,7,查检表,2018/10/15,8,第二章柏拉图,一.何谓柏拉图?根据收集的数据,以不良原因.不良状况.不良发生位置或客户抱怨的种类.安全事故等不同区分标准,找出比率最大的项目或原因并且以所构成的项目依照大小顺序排列,再加上积累值的图形.由构成比率很容易了解问题的重点衙影响的程度
4、,以比例估计最多的项目着手进行改善,较为容易得到改善成果,2018/10/15,9,二.柏拉图的制作方法,1.决定不良的分类项目2.决定数据收集期间,并且按照分类项目收集数据3.记入图表纸并且依数据大小排列画出柱形.4.点上累计值并用线连结5.记入柏拉图的主题及相关资料.,2018/10/15,10,三.柏拉图的使用,1.掌握问题点 2.发现原因 3.效果确认,四.制作对策前.对策后的效果确认时应注意以下三项,1.柏拉图收集数据的期间和对象必须一样2.对季节性的变化应列入考虑3.对于对策以外的要因也必须加以注意,避免在解决主要原因时影响了其他要因的突然增加。,2018/10/15,11,五.柏
5、拉图实例,1.查检表,2018/10/15,12,2018/10/15,13,柏拉图,累 计 比 率,支出费用,41%,61%,76%,84%,88%,100%,2018/10/15,14,第三章 特性要因图,一.何谓特性要因图?一个问题的特性受到一些要因的影响时,我们将这些要因加以整理,成为有相互关系而且有条理的图形,这个图形称为特性要因图.由于形状就像鱼的骨头,所以又叫做鱼骨图.,2018/10/15,15,二.特性要因图的制作方法1.决定问题或品质的特征2.决定大要因3.决定中小要因4.决定影响问题点的主要原因5.填上制作目的,日期及制作者等资料注意事项:1.严禁批评他人的构想和意见.2
6、.意见愈多愈好.3.欢迎自由奔放的构想.4.顺着他人的创意或意见发展自已的创意.,2018/10/15,16,三.特性要因图的使用 1.问题的整理 2.追查真正的原因 3.寻找对策 4.教育训练 四.绘制特性要因图应该注意的事项: 1.绘制特性要因图要把握脑力激激荡法的原则,让所有的成员表达心声 2.列出的要因应给予层别化 3.绘制特性要因图时,重点应放在为什么会有这样的原因,并且依照5W1H的方法,2018/10/15,17,所谓5W1H就是:WHY:为什么必要;WHAT:目的何在;WHERE:在何处做;WHEN:何时做;WHO:谁来做;HOW:如何做.,2018/10/15,18,特性要因
7、图,为 何 交 货 延 迟,制造,人,金额,物品,交货,没有生产计划配合,没有式样生产条件不好,订货情报掌握不确实,没有交货意识,利润低,运送成本高,库存安全量低,方法不明确,存放位置不足,单方面的决定,交货期短,数量少,没有交货计划,找原因,2018/10/15,19,第四章散布图,一.何谓散布图?就是反互相有关连的对应数据,在方格纸上以纵轴表示结查,以横轴表示原因;然后用点表示出分布形态,根据分布的形态来判断对应数据之间的相互关系.这里讲的数据是成双的,一般来说成对数据有三种不同的对应关系.1.原因与结果数据关系.2.结查与结果数据关系.3.原因与原因数据关系.,2018/10/15,20
8、,二.散布图制作的五个步骤:1.收集相对应数据,至少三十组上,并且整理写到数据表上.2.找出数据之中的最大值和最小值.3.书出纵轴与横轴刻度,计算组距.4.将各组对应数据标示在座标上.,2018/10/15,21,散布图的研判一来般来说有六种形态.1.在图中当X增加,Y也增加,也就是表示原因与结果有相对的正相关,如下图所示:,散布图的研判,X,Y,0,2018/10/15,22,2.散布图点的分布较广但是有向上的倾向,这个时候X增加,一般Y也会曾加,但非相对性,也就是说X除了受Y的因素影响外,可能还有其他因素影响着X,有必要进行其他要因再调查,这种形态叫做似有正相关称为弱正相关。,X,Y,0,
9、2018/10/15,23,3.当X增加,Y反而减少,而且形态呈现一直线发展的现象,这叫做完全负相关.如下图所示:,Y,0,X,2018/10/15,24,4.当X增加,Y减少的幅度不是很明显,这时的X除了受Y的影响外,尚有其他因素影响X,这种形态叫作非显着性负相关,如下图所示:,Y,0,X,2018/10/15,25,5.如果散布点的分布呈现杂乱,没有任何倾向时,称为无相关,也就是说X与Y之间没有任何的关系,这时应再一次先将数据层别化之后再分析,如下图所示:,Y,0,X,2018/10/15,26,6.假设X增大,Y也随之增大,但是X增大到某一值之后,Y反而开始减少,因此产生散布图点的分布有
10、曲线倾向的形态,称为曲线相关,如下图所示:,Y,0,X,2018/10/15,27,第五章管制图,从每日生产的产品线中所测得的 零乱数据中,找出经常发生和偶然发生事故的数据,以便帮助找出问题原因,这就是非依靠管制图不可.管制图分为两大类,本文每一类举一例进行讲解,2018/10/15,28,一.计数值管制图,1.何谓计数值?商品制造的品质评定标准有计量型态,例如:直径,容量;然而有些品质特性定义为良品或不良品将更合理.所谓计数值就是可以计数的数据,如不良品数,缺点数等.2.计数值管制图的类型,2018/10/15,29,P管制图实例,运用条件: 1.产品不是良品就是不良品 2.抽样放回 3.彼
11、此独立进行 样品不良率计算公式为:P=标准差公式为:S=,2018/10/15,30,上下限计算公式如下:,管制上限(ucl): +3= +3 ( 为平均不良率 n为样本数) 中心线(cl) : 管制下限(lcl) -3= -3如果下限计算结果可能为负数,因为二项分配并不对称,且其下限为零,故当管制下限出现小于零的情况,应取0表示.平均不良率应用加权平均数来计算(用不良数总数与全体的样本总数之比).,2018/10/15,31,例: 宝光厂生产的MOUSE用的包装袋,检验其底部是否有破损即包装为不良品,取30个样本,每个样本数为50个,这些样本是在机器每天三班制的连续工作每半小时取一次而得.,
12、2018/10/15,32,计算结果如下:,平均不良率P= =0.233(CL)用P当真实过程不合格的估计值,可以计算管制上限和下限,如下:UCL=P+3 =0.412LCL=P- 3 =0.054,2018/10/15,33,P管制图如下:,UCL=0.41,CL=0.23,LCL=0.05,2018/10/15,34,针对管制图进行分析,由管制图中我们可以发现来自样本12及25的两点超出管制上限,故制程是在非管制状态,必须进一步探讨是否有异常原因.分析样本12得知,在这半小时里,有一批新进的包装袋被使用,所以这异常的现象是由于新原料加入引起.而在样本25那半小时,有一个没有经验的员工在操作
13、此机器,而使样本25有这么高的不良率.现在将超出管制界限的两个点删除掉,重新计算管制界限,管制以后的制程,其管制中心线及上.下限为,2018/10/15,35,二.计量值管制图,作为管制制程的计量值管制图,一方面以平均数管制图管制平均数的变化,以全距管制其变异的情形.本节将介绍平均数与全距管制图,将就管制图在制程中的每一步详加描述. 计量值管制图的种类如下:,2018/10/15,36,实例:平均数与全距管制图,某厂制造全铜棒,为控制其品质,选定内径为管制项目,并决定以X-R管制图来管制该制程的内径量度,并于每小时随机抽取5个样本测定,共收集最近制程之数据125个,将其数据依测定顺序及生产时间
14、排列成25组,每组样本5个,每组样数5个,记录数据如下:,2018/10/15,37,2018/10/15,38,2018/10/15,39,计算如下: X=40.264 R=5.48 查系数表,当N=5时,D4=2.115,D3=0,2018/10/15,40,X管制图上下限:,CL= =40.264UCL= + =43.4249LCL= - =37.1031,UCL=uX+3X=X+A2R LCL= uX+3X=X-A2R,2018/10/15,41,R管制图上下限:,CL= =5.48UCL= =11.5867LCL= =0,2018/10/15,42,UCL=43.4,CL=40.6,
15、LCL=37.10,2018/10/15,43,R管制图,UCL=11.59,CL=5.40,LCL=0,2018/10/15,44,分析结论,在管制图中有第16个及第23个样本组的点分别超出管制上限及管制下限,表示制程平均发生变化,而R管制图并无点超出界限或在界限上,表示制程变异并未增大.,2018/10/15,45,三.管制图的判别,管制状态,意指制程安定,管制状态也称安定状态.我们无法知道制程的真正状态,只能对制程的某种特性值收集数据,将其绘在管制图上,由管制图来观察制程的状态.在判定制程是否处于管制状态,可利用以下基准: 1.管制图的点没有逸出界外. 2.点的排列方法没有习性,呈随机现
16、象. 在正常管制的状态下,管制图上的点子应是随机分步,在中心线的上下方约有同数的点,以中心线近旁为最多,离中心线愈远点愈少,且不可能显示有规则性或系统性的现象.归纳得到下面两种情形: 1.管制图上的点,大多数集中在中心线附近,少数出现在管制界限附近,且为随机分布. 2.一般管制图上的点,25点中有0点;35点中有1点以下;100点中有2点以下,超出管制界限外时,可称为安全管制状态. 以上两点仅是作为一个参考,各位同仁应在实际中灵活运用.实际分析.,2018/10/15,46,非随机管制界限内的判定利用点的排法判定是否处在管制状态,可依据以下法则:1.点在中心线的一方连续出现.2.点在中心线的一
17、方出现很多时.3.点接近管制界限出现时.4.点持续上升或下降时.5.点有周期性变动时.,2018/10/15,47,连串连续七点或八点在中心线与管制上限或中心线与管制下限之间的型误差的概率是约为 ( 1/2 )8 =0.0039,在如此小的概率竟会出现,可想像有异常原因发生,在中心线的上方或下方出现的点较多如下:1.连续 10 点以上至少有 10 点2.连续 14 点以上至少有 12 点3. 连续 17 点以上至少有14 点4. 连续 20 点以上至少有16 点,2018/10/15,48,点子出现在管制界限附近,三倍标准差与二倍标准差间. 1. 连续 3 点中有 2 点. 2. 连续 7 点
18、中有 3 点. 3. 连续10 点中有 4 点 管制图中的点的趋势倾向连续7点以上一直上升或一直下降,趋势是以向某一个方向连续移动,而趋势倾向的发生有以下可能原因: 1.由于工具磨损或制程中某些成分劣化所造成. 2.人的因素造成,如工作者疲劳. 3.季节性因素造成,如气温变化.,2018/10/15,49,管制图中的点的趋势倾向 连续7点以上一直上升或一直下降,趋势是以向某一个方向连续移动,而趋势倾向的发生有以下可能原因: 1.由于工具磨损或制程中某些成分劣化所造成. 2.人的因素造成,如工作者疲劳. 3.季节性因素造成,如气温变化. 周期性循环变化 管制图上的点,呈现一个周期性循环变化时,应
19、调查下列不良原因: 1.机器开动或关闭,造成温度或压力的增减. 2.物料的品质受季节或供应商的影响. 3.由于周期性的预防保养,造成机器性能的周期变化表现. 4.由于操作员疲劳及随后的休息造成的周期性的变化. 5.由于材料的机械及化学性质所造成的周期性.,2018/10/15,50,过于集中型 点子大都集中在中心线附近1.5倍标准差间,其型误差概率是 0.0027,如果抽样选择不当,可能会造成点子集中在中线附近,例如两个不同操作员的结是点在同一张图上.像这种母体混合的情形相当普遍.以下是一些造居这种情形的可能原因: 1.两个或两个以上的操作员点在同一张图上. 2.两台或两台以上的机器点在同一张
20、图上. 3.两家品质差异很大的供应商点在同一张图上. 4.两台或更多的量测设备间的差异. 两条以上生产线制程方法上的差异.,2018/10/15,51,管理不善者 1.人员教育,训练不足, 2.原始设计有错误或图上标示的问题等. 3.治具,夹具设计不当或使用不当. 4.不良材料混入制程. 5.未推行标准化活动. 6.测试仪器未加校正与维护. 7.未落实保养工作 上列诸项原因常出在管理制度不善的工厂,在 X R管制图呈现大的变动,如欲消除此类异常原因,一定要先确定管理制度,推行标准化工作.,2018/10/15,52,技术不足者 1. 机器设计上的问题. 2. 制程能力不足:材料,机械,作业方法
21、与人员综合结果无法 达到品质要求者. 3. 工作环境布置不当. 4. 测定仪器的测定方法不当. 5. 机械设备精度不足. 6. 缺乏技术人才.此诸原因常明显地表现于二种现象:管制界限很宽,产品品质分散幅度较规格界限为宽.此诸异常原因由于制程能力 不足而起,非设法加强制程能力不可.否则制程零件的互换性有问题,需经全数选别才能装配,产品需经全数检查,才能符合规格要求.,2018/10/15,53,其他因素者1.异质材料的突然入侵.2.日夜班精神上的困扰等.3.工作人员的疏忽.4.未按操作标准作业.5.机械的自然磨损.6.操作条件的突然变化.7.计算的错误.8.操作标准不完备.9.不随机抽样法.此诸
22、原因常在管制图上出现,如有系统可寻,则利用分层方法加以分析;如不规则出现,则易被发现,而予以消除.,2018/10/15,54,第六章 直方图,一.何谓直方图?直方图就是将所收集的数据.特性质或结果值,用一定的范围在横轴上加以区分成几个相等的区间,将各区间内的测定值所出现的次数积累起来的面积用柱形书出的图形. 二.直方图的制作步骤:1.收集数据并且记录在纸上.2.找出数据中的最大值与最小值.3.计算全距.4.决定组数与组距.5.决定各组的上组界与下组界.6.决定组的中心点.7.制作次数分配表.8.制作直方图.,2018/10/15,55,三.直方图在应用上必须注意事项,1.直方图可根据由山形图
23、案分布形状来观察制品工程是否正常.2.产品规格分布图案可与目标准.标准规格作比较,有多大的差异.3.是否必要再进一步层别化.,2018/10/15,56,四.直方图运用方法,1.求全距 2.决定组数组数过少,虽可得到相当简单的表格,但却失去次数分配的本质;组数过多,虽然表列详尽,但无法达到简化的目的.(异常值应先除去再分组).,2018/10/15,57,分组不宜过多,也不宜过少,一般用数学家史特吉斯提出的公式计算组数,其公式如下: K=1+3.32 LgN 一役对数据之分组可参考下表:,2018/10/15,58,3.组距,组距=全距/组数 组距一股取5,10或2的倍数,4.决定各组之上下组
24、界,最小一组的下组界=最小值-测定值之最小位数/2 测定值的最小位数确定方法:如数据为整数,取1;如数据为小数,取小数所精确到的最后一位(0.1;0.01;0.001) 最小一组的上组界=下组界+组距 第二组的下组界=最小一组的上组界 其余以此类推,2018/10/15,59,5.计算各组的组中点,各组的组中点=下组距+组距/2,6.作次数分配表,将所有数据依其数值大小划记号于各组之组界内，并计算出其次数。,7.以横轴表示各组的组中点,从轴表示次数,绘出直方图,2018/10/15,60,四.如何依据由形图案的分布状态判断,1.如图中显示中间高,两边低,有集中的趋势,表示规格.重量等计量值的相
25、关特性都处于安全的状态之下,制品工程状况良好.如下图所示:,2018/10/15,61,2.如图中显示缺齿形图案,图形的柱形高低不一呈现缺齿状态,这种情形一般就来大都是制作直方图的方法或数据收集方法不正确所产生.如下图所示:,2018/10/15,62,3.如图所示为高处偏向一边,另外一边拖着尾巴,这种偏态型在理论上是规格值无法取得某一数值以下所产生之故,在品质特性上并没有问题,但是应检讨尾巴拖长在技术上是否可接受;例治工具的松动或磨损也会出现拖尾巴的情形.如下图所示:,2018/10/15,63,4.双峰型,有两种分配相混合,例如两台机器或两种不同原料间有差异时,会出现此利情形,因测定值受不
26、同的原因影响,应予层别后再作直方图.,2018/10/15,64,5.离散型,测定有错误,工程调节错吴或使用不同原材所引起,一定有异常原存在,只要去除,即可制造出合规格的制品,2018/10/15,65,6.高原型,不同平均值的分配混合在一起,应层别之后再作直 方图,2018/10/15,66,五.与规格值或标准值作比较,1.符合规格 A.理想型:制品良好,能力足够.制程能力在规格界限内,且平均值与规格中心一致,平均值加减4倍标准差为规格界限,制程稍有变大或变小都不会超过规格值是一种最理想的直方图.,2018/10/15,67,B.一侧无余裕:制品偏向一边,而另一边有余裕很多,若制程再变大(或
27、变小),很可能会有不良发生,必须设法使制程中心值与规格中心值吻合才好.,2018/10/15,68,C.两侧无余裕:制品的最小值均在规格内,但都在规格上下两端也表增其中心值与规格中心值吻合,虽没有不良发生,但若制程稍有变动,说会有不良品发生之危险,要设法提高制程的精度才好.,2018/10/15,69,2.不符合规格 A.平均值偏左(或偏右)如果平均值偏向规格下限并伸展至规格下限左边,或偏向规格上限伸展到规格上限的右边,但制程呈常态分配,此即表示平均位置的偏差,应对固定的设备,机器,原因等方向去追查.,上限,下限,2018/10/15,70,B.分散度过大:实际制程的最大值与最小值均超过规格值
28、,有不良品发生(斜线规格),表示标准差太大,制程能力不足,应针对人员,方法等方向去追查,要设法使产品的变异缩小,或是规格订的太严,应放宽规格.,下限,上限,2018/10/15,71,C.表示制程之生产完全没有依照规格去考虑,或规格订得不合理,根本无法达到规格.,下限,上限,2018/10/15,72,实例1,某电缆厂有两台生产设备,最近,经常有不符合规格值(135210g)异常产品发生,今就A,B两台设备分别测定50批产品,请解析并回答下列回题:1.作全距数据的直方图.2.作A,B两台设备之层别图3.叙述由直方图所得的情报,2018/10/15,73,收集数据如下:,2018/10/15,7
29、4,解:1.全体数据之最大值为194,最小值为119根据经验值取组数为10组距=(194-119)/10=7.5 取8最小一组的下组界=最小值-测定值之最小位数/2=119-1/2=118.5最小一组的上组界=下组界+组距=118.5+8=126.5,2018/10/15,75,作次数分配表,2018/10/15,76,2.全体数据之直方图,SL=135,SU=210,2018/10/15,77,2.作A设备之层别直方图,SL=135,SU=210,2018/10/15,78,3.B设备之层别图,SU=210,SL=135,2018/10/15,79,4.结论,2018/10/15,80,直方
30、图实例,2018/10/15,81,下限SL130,上限SL180,2018/10/15,82,第七章层别法,一.何谓层别法?层别法就是针对部门别.人别.工作方法别.设备.地点等所收集的数据,按照它们共同的特徵加以分类.统计的一种分析方法.也就是为了区别各种不同原因对结果的影响,而以个别原因为主,分别统计分析的一种方法.,2018/10/15,83,二.以什么观点来加以层别,一般以特性要因图的四M外加环境这一项来作层别.所谓四M即是MAN 人MACHINE 机械MATERIAL 材料METHOD 方法增加 一项为ENVIRONMENT 环境,2018/10/15,84,三.层别的对象和项目,1
31、.有关人的层别 2.机械设备的层别 3.作业方法.条件的层别 4.时间的层别 5.原材料零件别 6.测量检查的层别 7.环境气候的层别 8.制品的层别,2018/10/15,85,四.层别法的使用,活用层别法时必须记住三个重点: 1.在收集数据之前就应使用层别法在解决日常问题时,经常会发现对于收集来的数据必须浪费相当多的精神来分类,并作再一次的统计工作.在得到不适合的数据,如此又得重新收集,费时又费力.所以在收集数据之前应该考虑数据的条件背景以后,先把它层别化,再开始收集数据.,2018/10/15,86,2.QC手法的运用应该特别注意层别法 的使用.,QC七大手法中的柏拉图.查检表.散布图.
32、直方图和管制图都必须以发现的问题或原因来作层别法.例如，制作柏拉图时,如果设置太多项目或设置项目中其他栏所估的比例过高,就不知道问题的重心,这就是层别不良的原因.另外直方图的双峰型或高原型都是层别的问题.,2018/10/15,87,3.管理工作上也应该活用层别法,这是一张营业计划与实际比较图,可以知道营业成绩来达成目标,如果在管理工作上就用层别法的概念先作分类的工作,以商品别作业绩比较表,可查出那种商品出了问题.如再以营业单位销售落后业绩产品的层别化再比较即可发现各单位对这种产品的销售状况.如对业绩不理想的单位,以营业人员别化即可发现各营业人员的状况,如此问题将更加以明确化.以上的说明中可以发现管理者为了探究问题的真正原因,分别使用了商品别,单位别.人别等层别手法,使得间题更清楚,这就是层别法的观点.,2018/10/15,88,实例:不良层别,2018/10/15,89,商品别业绩比较,2018/10/15,90,单位别业绩比较,2018/10/15,91,人员别业绩比较,
