1、.QC 七大手法培训资料前言：优良的品质是靠科学的方法管理出来的，QC 七大手法正是现场品质管理最常用的科学的工具之一。第一种手法：排列图排列图是指：将问题的原因或是状况进行分类，然后把所有的数据由大到小排列后，所绘出的累计柱状图。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的，大部分的财富集中在少部分手中，为此他设计出能够反映这种规律的图，所以也有人称为“巴雷特图”或“柏拉图” ，后来有美国人裘兰（Joseph Juran）博士加以推广使用。1作用：在现场众多的不良品问题中，找出关键的前几名，以便决定今后管理工作的重点。2作成方法： 列出所有不良项目
2、，并收集相应时期的数据。 按数据大小，排列不良项目。 设定坐标系，填上坐标值，坐标值要能反映蛭大、最小数据左纵坐标为不良数据，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，绘出术状图，并在其 X 轴下方记入项目。 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%。 记和图名、作成者、长、作成时间等相关内容。.例如，某厂 T550 录音机 1998 年 3 月份，工序内不良的发生情况如下：NO 不良项目 数量 累计1 抖晃 87 41.00%2 音量小 42 60.80%3 R键不锁定 31 75.50%4 K盖伤痕 21 85.40%5 共振
3、13 91.50%6 播音失真 10 96.20%7 其他 8 100.00%根据以上数据，可以画得如下排列图：通过排列图，可以很直观地看出，头 4 位不良，占了总不良的 80 以上，根据抓大放小、针对关键的原则，1998 年 4 月起的主要管理重点，应为头 4 项，而其他 3 项则暂不予理会。3该方法实战时注意事项： 重点管理占 80%的前几项不良，其他剩余的项目并非全然不0102030405060708090100抖 晃1音 量小 2R键 不锁 定3K盖 伤痕 4 共 振 5播 音失 真6其 他7T550 录音机 3 月份不良排列图0%20%40%60%80%100%120%8742312
4、113 10 841%61%76%85% 92% 96%100%长 担当 何 陈.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。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、原因的分析上用的较多。二、第二种手法因果图因果图是指：用树状结构画出因果关系的图。它是由日本人石川馨首先提出的，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” 。1、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。2 作成方法：列出
5、品质发生变异的项目。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。在支干上面画出相关次支干，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。例如，在 T550 的不良中，经过调查，发现占不良首位的抖晃，.主要是由以下几个方面的原因造成：P 卷轴不良、C 轮松动、测试带过期从图中可以看出,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.3.该方法实战时注意事项:尽可能多听取现场当事人的意见,从中筛选出相关的原因.要记入事实原因,不可以想当然地捏造
6、出因果关系来.当因果支干太多时,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,因此要结合其他 QC 手法,才能发挥更大作用.三、第三种手法散布图散面图是指：以点的形式在坐标系上，画出两个对应变量之T550 录音机抖晃因果图C 轮齿崩 P 卷轴不良 夹具未调整托盘不良 有飞刺 压入不良 1998/4/1C 轴直径小测试带旧 未定期更换 C 轮松动抖 晃长 担当张 陈.间的内在关系的图，也有人称之为“散点图” 、 “相关图” 。1.
7、作用：用于确认两个变量之间，是否存在某种内在关系，有助于判明原因真假。2.作成方法:确定要调查的两个变量,收集相关的最新数据.设定坐标系,将两个变量分别写入 X 轴 Y 轴.将相对应的两个变量,以点的形式标上坐标系.必要时可将前后两个点连接起来,便于观察.记入图名、作成者、长、作成时间等项目。例如，为了确认 T550 录音机连续运转之后，速度是否会发生改变，经试验获得以下数据：T550录音机连续运转与速度一览表时间速度 时间 速度 时间 速度 时间 速度 时间 速度1 3030 7 3028 13 3006 19 2994 25 29832 3028 8 3016 14 3015 20 299
8、5 26 29903 3026 9 3014 15 3002 21 2990 27 29804 3024 10 3012 16 3000 22 2988 28 29565 3022 11 3010 17 2998 23 2986 29 29746 3020 12 3008 18 2997 24 2984 30 2990* 时间单位为： H(小时), 速度单位为：HZT550 录音机连续运转与速度散布图30403030302030103000299029800 10 20 30长 担当张 陈1998/4/1.从图中可以看出,随着连续运转时间的延长,速度呈现明显的下降态势,即二者的内在关系为负相关
9、。4该方法实战时注意事项：两组变量的对应数据至少要收集 30 个以上，最好有 50 个。当两点重复时，以做记号，三点重复时以做记号。通过图形，可以看出两个变量之间的三种内在关系：正相关，相关性强！正相关，但相关性弱！负相关，相关性强！负相关，但相关性弱！.四、第四种手法直方图直方图是指：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” 。1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，并能以此推测事物总体的发展趋势。2作成方法：收集同一类型数据。设定组数，并计算全距、组距、组界、中心值。最小值 全 距 最大值组距 组界 中心值1 组 2 组 3
10、 组 4 组 5 组 6 组统计符合各组值的数据次数，每一个数据为一次。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。不相关！A组数：人们为了便于观察分布情况，人为设定的数值区，通常如下：数据量 50100 100250 250 以上组数 610 712 1020B全距：代号为 R，即数据中最大值与最小值的差。C组距：等分各组的宽度，代号为 H，即=全距/组数=R/组数，通常要调整到测定单位的整除数。D组界：各组数据之间的界限值。E中心值：各组界之间的中心值，也称中值、代表值.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。例如，为了了解 T550
11、录音机磁带速度的分布情况，经过测定，获得以下数据：录音机速度一览表T550 1998/4/1NO 实测 NO 实测 NO 实测 NO 实测 NO 实测1 2986 11 2995 21 2979 31 2995 41 29892 3007 12 3011 22 3006 32 3008 42 30113 2968 13 2967 23 2998 33 3028 43 30074 3044 14 3038 24 2995 34 2992 44 30215 2979 15 2981 25 3013 35 3015 45 29906 2991 16 3030 26 3003 36 3017 46 3
12、0047 2979 17 2969 27 2995 37 3012 47 30108 3011 18 3019 28 3015 38 3030 48 30119 3011 19 3032 29 2994 39 2986 49 300110 3002 20 3028 30 2975 40 2986 50 2957*规格为：300090,测定单位为:HZ从表中可得知,全距 R=3044-2957=87HZ设组数为 8 组,那么,组距 H=87/8=10.8711HZ那么,第一组的下界=最小值-测定单位/2( 一般除 2)=2957-1/2=2956.5HZ,其他各组数据相应如下:组次 组距 数据次
13、数 中心值1 2956.5-2967.5 2 29622 2967.5-2978.5 4 29733 2978.5-2989.5 7 29844 2989.5-3000.5 9 29955 3000.5-3011.5 14 30066 3011.5-3022.5 6 30177 3022.5-3033.5 5 30288 3033.5-3044.5 2 303902468101214162956.5-2967.5 12967.5-2978.5 22978.5-2989.5 32989.5-3000.5 43000.5-3011.5 53011.5-3022.5 63022.5-3033.5 7
14、3033.5-3044.5 8T550 录音机磁带速度直方图2479146 52x1998/4/1长 担当李 张* MIN=2957 x=3001.46 MAX=3044 S=19.8.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满足要求，请参阅算算工序能力够不够一章。3该方法实战时注意事项：直方图一般有以下几种分布情况：离岛分布 锯齿分布正态分布 右偏或左偏分布.当数据出现异常分布时,首先要做好以下确认工作:A.测定数据有无错误?有无混入其他不相关的数据?B 组距设定是否恰当？应为测定单位的整除数。C 必要时，将数据重新细分后
15、，再确认分布情况。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。异常分布时，应该采取对策，使数据处于正态分布。五、第五种手法检查表检查表是指：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” 。1作用：简便、直观地反映数据的分布情况。2作成方法：确定检查对象、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。例如，T550 录音机 98/4/1 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“成绩表” 。双峰分布 平顶分布.长 担 当张 陈品 名 T550 9
16、8/04/1 数 量 1200不 良 数 15 98.80% 批 次 41等 级 数 量B3B 1B 1B 3B 3B 1C 2C 1上 框 印 刷 不 良 印 字 重 叠G臂 弹 簧 安 装 不 良 作 业 失 误失 真 麦 克 风 不 良FF时 按 S键 手 感 不 良滑 座 未 上 油声 音 不 清 机 械 抖 晃录 音 音 量 小 麦 克 风 不 良备 注共 振 扬 声 器 不 良音 量 小 扬 声 器 不 良T550QC检 查 成 绩 表检 查 日合 格 率不 良 项 目从表中可以清楚地知道 T550 录音机当天的品质状况如何。3该方法实战时注意事项：该表多用于产品品质相对稳定时的维
17、持管理上。表的格式千差万别，无需追求统一，只要实用就可以。向其他部门反馈情报时，如果每个数据附有实物的话，则更具说服力。六、第六种手法分层法分层法是指：按某一线索，对数据进行分门别类、统计的方法，也有人称之为“层别法” 。1、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。2作成方法：确定分层线索，即按什么条件进行分层。.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。记入图名、作成者、作成日期、长等事项。3.该方法实战时注意事项：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。与其他 QC 手法结合使用，效果更佳。例如某录音机近期之修理情况如下：分
18、 布 形 态 控 制 图 备 注平 均 值 极 差 控 制 图 X R 控 制 图平 均 值 标 准 差 控 制 图 X s 控 制 图中 位 值 极 差 控 制 图 X R 控 制 图单 值 移 动 极 差 控 制 图 X Rs 控 制 图不 合 格 品 率 控 制 图 P 控 制 图不 合 品 格 率 控 制 图 Pn 控 制 图缺 陷 数 控 制 图 C 控 制 图单 位 缺 陷 数 控 制 图 U 控 制 图泊 松 分 布正 态 分 布二 项 分 布一般情况下,使用 xR 控制图，当数本数10 以上时，用 s 图代替 R 图，此时用 xs 控制图较方便。需要把数据直接记入控制图时，可以
19、用 xR 控制图更方便。每一个数据都进行管理，或者是样品数据均匀，多抽样也无太大意义时，可用 XRs 控制图。2控制图的使用场合。当需要通过事物的计量值，如长度、重量、强度、纯度、收缩率等来管理品质时，用到 xR 控制图。当需要通过不良率、合格率、报废率、交货延迟率等来管理品.质时，用到 P 控制图。当需要通过不良个数来管理品质时，用到 Pn 控制图。从预先确定的单位中统计所有的不良数，并以此来管理品质时，用到 C 控制图。从非固定的试料中统计所发生的不良数，并以此来管理品质时，用到 U 控制图。代号 含义 计算方法 备注x 试料的平均值 x1+ x2+ x3+ xnX= N 读: X BAR
20、x 中位值 位于最中间的数据值（奇数时取最中间的数据，偶数时最中间两个的平均值） 。 读：XMEDIANS 标准差 (x1x)2+(x2x)2+(xnx)2S= N读： SMALLR 极差 最大值减去最小值 读：RRs 移动极差 Rs=Ri-Ri+1 I=1,2,3N-1 读：RsPn 不良率 试料不良数P= 试料总数 读：PP 不良个数 试料中的不良总数 读：PnC 不良个数 任何一定单位中的不良个数 读：CU 不良个数 平均每个单位的不良个数 读：U3.控制图的作用：能够判断品质是处于稳定状态还是处于异常状态。可以确认不良对策是否有效。可用作日常品质维护管理的主要工具。.4.该方法实战时注
21、意事项：（仅以 x-R控制图为例）选定要控制的对象，一般在标准作业书里都有详细规定。准备数据A 要生产稳定时期的最新数据。B 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，还需重新研讨收集数据的时期。C 数据量越多越好，尽量在 100 个以上，组数在 2025 以上。计算以下各值：中心值（CL） 、上限值（UCL） 、下限值（LCL） 、平均值（x） 、总平均值(x)、极差平均值(R) 。*其中 A2、D4、D3 可以从系数表 中查得。*上下限计算到小数后面二位。R 控制图UCL=D4 RCL=RLCL=D3RX 控制图UCL=x+A2RCL=xLCL=xA2R.N A2 B3
22、 B4 C4 D3 D4 M3A22 1.88 3.267 0.797 3.267 1.883 1.023 2.568 0.886 2.575 1.1874 0.729 2.266 0.921 2.282 0.7965 0.577 2.089 0.94 2.115 0.6916 0.483 0.03 1.97 0.951 2.004 0.5497 0.419 0.118 1.882 0.959 0.076 1.924 0.5098 0.373 0.185 1.815 0.965 0.136 1.864 0.4329 0.377 0.239 1.761 0.969 0.184 1.816 0.4
23、1210 0.308 0.284 1.716 0.972 0.223 1.777 0.36311 0.285 0.321 1.679 0.975 0.256 1.744 12 0.266 0.354 1.646 0.977 0.283 1.717 13 0.249 0.382 1.618 0.979 0.307 1.693 xR管 理 图 系 数 表*当 N=26 时，不考虑 R 控制图中的下限。在空白通用 xR 控制图上，记入品名、品质特性、规格、测定单位、测定仪器、测定者、测定日期等内容。在空白通用 xR 控制图的相应位置上画上UCL、CL、LCL 线，其中 UCL、LCL 线为红色虚线，
24、CL 为红色实线。A 例如，T550 录音机 P 卷轴自 1998/3 起生产工序一直处于稳定状态，试作成 xR 管理图。.T550P 卷轴压入高度数据一览表规格 11 60.1 测定者 张 测定日期 1998/4/14/30单位 0.01mm 测定仪器 百分仪 测定场所 部组实 测 值组号X1 X2 X3 X4 X5 x R4 月 1 日 11.58 11.57 11.61 11.6 11.59 11.59 0.044 月 2 日 11.55 11.62 11.6 11.54 11.61 11.58 0.084 月 3 日 11.56 11.59 11.58 11.59 11.6 11.58
25、 0.044 月 4 日 11.6 11.61 11.57 11.61 11.6 11.6 0.044 月 7 日 11.56 11.58 11.58 11.58 11.57 11.57 0.024 月 8 日 11.56 11.58 11.6 11.61 11.57 11.58 0.054 月 9 日 11.59 11.57 11.62 11.58 11.64 11.6 0.074 月 10 日 11.56 11.59 11.64 11.61 11.61 11.6 0.084 月 11 日 11.59 11.58 11.61 11.59 11.6 11.6 0.044 月 14 日 11.6
26、2 11.59 11.59 11.6 11.62 11.6 0.034 月 15 日 11.58 11.57 11.61 11.63 11.59 11.59 0.044 月 16 日 11.55 11.62 11.6 11.59 11.61 11.58 0.084 月 17 日 11.56 11.59 11.58 11.6 11.6 11.58 0.044 月 18 日 11.59 11.58 11.61 11.54 11.6 11.6 0.044 月 21 日 11.62 11.59 11.59 11.59 11.62 11.6 0.034 月 22 日 11.6 11.61 11.27 1
27、1.61 11.6 11.6 0.044 月 23 日 11.56 11.58 11.58 11.58 11.57 11.57 0.24 月 24 日 11.56 11.58 11.6 11.61 11.57 11.58 0.054 月 25 日 11.59 11.57 11.62 11.59 11.64 11.6 0.074 月 27 日 11.56 11.59 11.64 11.6 11.61 11.6 0.08*每天测取 5 个数据,x=11.59 R=0.04x 控制图UCL=x+A2R=11.59+0.5770.04=11.61CL=x=11.59LCL=x-A2R=11.59-0.
28、5770.04=11.56B 试以该数据作成的控制图对 5 月份的压入高度进行管理。又设 5 月份的头几天共获得以下数据： 5 月份 P 卷轴压入高度实测数据日期 X1 X2 X3 X4 X5 x R5 月 2 日 1155 1157 1157 1154 1157 1156 0035 月 5 日 1156 1158 1158 1158 1159 1158 003R 控制图UCL=D4R=201150.04=0.0846CL=RLCL=D3R=不存在.5 月 6 日 1158 1159 1158 1159 116 11588 0045 月 7 日 1158 1161 116 116 116 11
29、6 0035 月 8 日 116 1162 1161 1161 1161 1161 0025 月 9 日 1157 1159 1158 1159 1159 1158 002R 控制图C 将以上数据填入到控制图中。随着生产的进行，将每一天的数据记入表中，通过连接点线的走势，就能很好地判定品质是否处于稳定或异常状态。当点线走势满足以下条件时，判定品质处于稳定状态：A 连续 25 个点都在控制线内。B 连续 35 个点中，只有 1 个点在控制线外。C 连续 100 个点中，只有 2 个点在控制线外。当点线走趋满足以下条件时，判定为品质处于异常状态：A 点落在控制线外，或刚好在控制线上（要先考虑判稳条
30、件） 。B 点的排列不呈随机状态，有明显某一趋势，如以下一些情况：a.连续 3 点中有 2 点接近控制线。UCLCLLCL11.5311.5411.5511.5611.5711.5811.5911.611.6111.62X 控 制 图0.090.070.050.030.01-0.01UCLCL.判异条件 ab. 连续 7 点中有 3 点以上接近控制线。判异 b 条件c.连续 10 点中有 4 点接近控制线。d.连续 11 点中有 10 点落在中心线的某一侧。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
31、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。差异 h 条件j.当点线呈现有规律的周期性波动时。判异 j 条件.判明品质异常之后，最为重要的是要查明原因，消除造成不良的因素，使品质恢复稳定状态。5.其他：当品质特性呈正态分布时，所设定的控制线不同，任意测定所得的值，其分布在控制线内的概率不同，换言之，即使是正态分布，亦有极少数产品不符合品质规格要求，要小心区分差异和判稳的原则。控制线范围 分布概率 备注 68.26%2 95.45%3 99.73% 绝大多数企业采用4 99.99% 与 3 无多大区别如果点子落在控制线以外时,不论是正常还是异常分布,均要在点子处做上记号,注明
32、发生原因和处理方法。P 卷轴压入治具松，已调整！P 1998/5/15.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。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，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
33、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采 用 QC7 手 法 的 间 接 效 果 ：采用 QC7 手法的间接效果：QC7 手法的使用心得：.任心和关心。QC7 手法是达成目的的有效手段之一。千万别忘记，手法始终只是作为现场管理、作业改善的一种工具，它不能解决所有的问题，如人际关系。 利用 QC7 手法可以解决很多问题。凭借直观和经验、意愿或者胆量并不能处理好事情，但只要牢牢地掌握住 QC7 手法并加以正确使用的话,则可以解决很多问题。 亲自操作比单纯懂得其理论更重要。知道了 QC7 手法后，要多加使用，并养成习惯。QC7 手法的价值取
34、决于是否巧妙地运用。如果机械地使用 QC 的某一种手法，或只是简单地进行内容统计的话，都不能充分发挥手法的作用。要使 QC 手法富有成效，必须全体动员。比如对于因果图来说，只叫某一个人来作成，是绝不会成功的，这要大家齐心协力，共同出计出策才可以做成，因此，齐心合力，共献计策，使手法生效是非常重要的， “集思广益”说的就是这个道理。不仅仅判断是最终结果，还要重视搜集数据的过程，把握住事实。重要的是要抓住目标，并追溯数据得出的过程，同时有必要确认其结果是否可信。.不进行分门别类就无法很好地进行解析和管理。从工序上获取的数据，有时会存在很多的不均衡性，碰到这种场合，就分开不同机器或不同作业人员或不同材料的数据。像这种按生产要素的不同而分类的数据，对调查不良或故障产生的原因都会有很大的帮助。解析能力（手法的有效利用）的高低在于是否擅长分门别类。真正大问题、大原因只占2/3。现场有很多造成不良的原因，如果所有的不良原因都要追究的话，需要很大精力，因此高明的手法就是在重要的原因上浓缩焦点，有的放矢。所有的数据，都具有分布不均的特点。无论你想做出多么同样的东西，但差异的因素总是存在着的，因此生产出来的产品在一定程度上存在差异，也是不得已的事。
