质量管理工具

1. 质量管理工具 Quality Control Tools

2. 课程简介 • 加深对统计技术的了解 • 掌握QC七大手法 • 学会解决问题的方法

3. 简介 QC七大手法 • 检查表 (Check List) • 散布图 (Scatter Diagram) • 特性要因图 (Characteristic Diagram) 因果图 (Cause-Effect)、 鱼骨图 (Fish Bone Chart) • 直方图 (Histogram) • 控制图 (Control Chart) • 层别法 (Stratification) • 柏拉图 (Pareto Diagram)

4. 简介 QC新七种工具 • 关联图 • KJ法 • 系统图 • 矩阵图 • 矩阵数据分析法 • 过程决策程序图 (PDPC) • 箭头图

5. ISO9000与统计技术 • ISO9000：2000中的0.2“质量管理原则”g)：基于事实的决策方法------有效决策是建立在数据和信息分析的基础上。 • 2.10“统计技术的作用”规定： 应用统计技术可帮助组织了解变异，从而有助于组织解决问题并提高有效性和效率。这些技术也有助于更好地利用可获得的数据进行决策。 在许多活动的状态和结果中，甚至是在明显的稳定条件下，均可观察到变异。这种变异可通过产品和过程可测量的特性观察到，并且在产品的整个寿命周期(从市场调研到顾客服务和最终处置)的各个阶段，均可看到其存在。 统计技术有助于对这类变异进行测量、描述、分析、解释和建立模型，甚至在数据相对有限的情况下也可实现。这种数据的统计分析能对更好地理解变异的性质、程度和原因提供帮助。从而有助于解决，甚至防止由于变异引起的问题，并促进持续改进。

6. ISO9000与统计技术 • ISO9001:2000中的8.4“数据分析”规定： 组织应确定、收集和分析适当的数据，以证实质量管理体系的适宜性和有效性，并评价在何处可以指导质量管理体系的有效性。这应包括来自监视和测量的结果以及其他有关来源的数据。 数据分析应提供以下有关方面的信息： a) 顾客满意(见8.2.1)； b) 与产品要求的符合性(见7.2.1)； c) 过程和产品的特性及趋势，包括采取预防措施的机会； d) 供方。 • 8.5.1“持续改进”规定： 组织应利用质量方针、质量目标、审核结果、数据分析、纠正和预防措施以及管理评审，持续改进质量管理体系的有效性。

7. 思考 我们在平时的工作中对哪些数据进行了统计分析？采用了哪些统计技术？

8. 数据 • 数据：依据测量所获得的数值和资料等事实。 • 凡事讲求数据：数据=事实 • 数据的分类： • 依特性分：定性、定量 • 依来源分：市场、原料、检验等 • 依时间先后分：过去数据、日常数据、新数据

9. 数据 • 整理数据的方法：机器整理、人工整理 • 整理数据的原则 • 发生问题要采取对策前，必须要有数据作为依据； • 对于数据使用目的应清楚了解； • 当数据收集完成后，应立即使用； • 数据的整理与运用，改善前、后所具备的条件应一致； • 数据不可造假，否则问题将永远无法解决。 • 应用数据要注意的重点 • 收集正确可用的数据； • 避免个人主观的判断； • 掌握事实的真相。

10. 特性要因图 • 特性要因图：当一个问题的特性(结果)受到一些要因(原因)的影响时，将这些要因加以整理，成为有相互关系且有系统的图形。简言之就是将造成某项结果(特性)的诸多原因(要因)，以有系统的方式(图表)来表达结果与原因之间的关系。 • 特性要因图由石川馨发明故又称“石川图”，其目的是阐明因果关系，也称“因果图”，又因其形状与鱼骨相似，故又称“鱼骨图”。

11. 特性要因图分类 • 原因追求型：列出可能会影响过程(或流程)的相关因子，以便进一步由其中找出主要原因，并以此图形表示结果与原因之间的关系。

12. 特性要因图分类 • 对策追求型：将鱼骨图反转成鱼头向左的图形，目的在于追求问题点应该如何防止、目标结果应如何达成的对策。

13. 绘制特性要因图 • 确定特性：如不合格率、停机率、客户抱怨、材料费等 • 绘制骨架 • 大略记载各类原因：可由4M1E人、机、料、法、环等五大类着手 • 依据大要因，分出中要因 • 更详细地列出小要因 • 圈出最重要的原因，以作进一步讨论或采取对策 • 记载所依据的相关内容：如日期、目的、人员等

14. 特性要因图的注意事项 • 特性应注明“为什么”，“什么”才会容易激发联想； • 特性的决定不能使用看起来含混不清或抽象的主题； • 收集多数人的意见，多多益善，可运用脑力激荡原则； • 意见愈多愈好 • 禁止批评他人的构想及意见 • 欢迎自由奔放的构想 • 可顺着他人的创意及意见，发展自己的创意 • 注意分层：设备、工序等； • 无因果关系的不予归类； • 多加利用过去收集的资料； • 重点应放在解决问题上，并依结果提出对策，其方法可依5W2H(Why, What, Where, When, Who, How, How much)原则执行； • 以事实为依据； • 依据特性分层制作不同的特性要因图。

15. 特性要因图示例

16. 特性要因图示例

17. 特性要因图练习 针对过程、成品不良或客户抱怨作特性要因分析，并作图。

18. 柏拉图 • 意大利经济学家V.Pareto在1897年对社会经济结构进行分析时，赫然发现国民所得的大部分均集中在少数人身上，于是将所得的大小与拥有所得的关系加以整理，发现有一定的方程式可以表示，称为“柏拉图法则”。 • 1907年美国经济学者M.O.Lorenz使用累积分配曲线来描绘“柏拉图法则”，即经济学上的“劳伦兹曲线”。 • 美国质量管理专家J.M.Juran将劳伦兹曲线应用于质量管理，同时提出“重要的少数，次要的多数(Vital Few, Trivial Many)”的见解，并借用Parto的名字，将此现象称为“柏拉图原理”。 • 品管圈的创始人石川馨将柏拉图原理介绍到品管圈活动中使用，从而成为质量管理七大手法之一。

19. 柏拉图的制作 • 决定数据的分类项目； • 决定收集数据的期间； • 依分类项目别，做数据整理，并制成统计表； • 依数据大小排列画出柱状图(故又称排列图)； • 绘累积曲线； • 绘累积比率； • 记入必要的事项：标题、人员等。

20. 柏拉图的制作

21. 应用柏拉图应注意的事项 • 柏拉图是按所选取的项目来分析，因此只能针对所做项目加以比较，对于项目以外的分析无能为力。 • 若发现各项目的分配比例相关不多时，则不符合柏拉图法则，应从其他角度再做分析。 • 柏拉图适用于计数型数值统计，计量型数值统计用直方图。 • 一般而言，柏拉图的前三项往往累计达70~80%强，如能针对前三项做改善，便可得到70%以上的成效。 • 其他项若大于最大的前面几项，则必须再细分。 • 把柏拉图上的项目当作质量特性加以要因分析，再用柏拉图整理重新分类，可以找出改善的方案。

22. 柏拉图练习 有一位制造经理想把主要的精力放在工作指导和改善活动上，但他整天忙得不可开交，没有时间去实施他的计划。为此他下决心对一个月的时间利用作了统计，请帮他分析一下，这位经理的主要精力都用在了什么方面？

23. 柏拉图练习

24. 直方图 • 现场工作人员经常要面对许多数据，如果我们应用统计绘图的方法，将这些数据加以整理，则生产过程中的质量散布的情形、问题点所在及过程、能力等，均可呈现在我们的眼前；我们即可利用这些信息来掌握问题点并采取对策。直方图为生产现场最常用的图表之一。 • 直方图是将所收集的测定值、特性值或结果值分为几个相等的区间作为横轴，并将各区间内所测定的值依所出现的次数累积而成的面积，用柱子排起来的图形。因此直方图也称柱状图。

25. 直方图的目的 • 了解分布的形态 • 研究过程能力 • 过程分析与控制 • 观察数据的真伪 • 计算产品的不合格率 • 求分布的平均值与标准差 • 用以制定规格界限 • 与规格或标准值比较 • 调查是否混入两个以上的不同群体 • 了解设计控制是否合乎过程控制

26. 直方图示例 某厂成品尺寸规格为130~160，今按随机抽样方式抽取60个样本，其测定值如下表，试制作直方图。

27. 直方图的制作 • 收集数据并作记录 • 找出数据中的最大值与最小值 • 求极差 • 决定组数k • k=1+3.32lgn并向上圆整 (n为数据数) • 或参照下表：

28. 直方图的制作 • 求组距h • H=极差÷组数 • 为便于计算平均数及标准差，组距常取为2、5或10的倍数 • 求各组上限、下限(由小而大顺序)，精确到组距的下一位 • 第1组下限=最小值-最小测量单位/2 • 第1组上限=第1组下限+组距 • 第2组下限=第1组上限 • …… • 最小数据应在最小一组内；最大数据应在最大一组内，若有数据小于最小一组下限或大于最大一组上限时，应自动加一组。

29. 直方图的制作 • 求组中点，组中点=(该组上限+该组下限)/2 • 作次数分配表 • 制作直方图 • 将次数分配表作图，以横轴表示数值的变化，纵轴表示次数 • 横轴与纵轴各取适当的单位长度，再将各组的组界分别标在横轴上，各组界应为等距分布。 • 在图的右上角记入相关数据履历(数据总数、平均值、标准差等)，并划出规格的上、下限。 • 填入必要的事项，如产品名称、工序名称、时间、制作者等。

30. 用Mini TAB制作的直方图

31. 常见的直方图形态 • 正常形：中间高、两边低，有集中趋势。 结论：左右对称分布，呈正态分布，显示过程正常。 • 缺齿形：高低不一，有缺齿情形。 结论：测量值有误、换算方法有偏差、次数分配不当、测量员对数据有偏好现象或假数据、测量仪器不精密、组数的宽度不是倍数。 • 切边形：有一端被切断。 结论：数据经过全检。 • 离岛形：在右端或左端形成小岛。 结论：测量有错误、不同原料、一定有异常原因存在。 • 高原形：形状似高原状。 结论：不同平均值的分布混在一起，应分层后再作直方图。 • 双峰形：有两个高峰出现。 结论：有两种分布相混，如两台机器、两家供方。应先分层。 • 偏态形：高处偏向一边，另一边低，拖长尾巴。可分为右偏形和左偏形。 结论：工具磨损或松动。应检查在技术上能否接受。

32. 直方图使用的注意事项 • 异常值应去除后再分组。 • 从样本测量值推测群体形态，直方图是最简单有效的方法。 • 应取得详细的数据资料(如时间、原料、测量者、设备、环境等)。 • 进行过程管理及分析改善时，可利用层别方法，将更容易找出问题所在，对于质量改进，有事半功倍的效果。

33. 检查表 • 检查表是使用简单易了解的标准化表格或图形，人员只需填入规定的检查表记号，再加以统计汇总，即可提供量化分析或比对检查，有时也称为点检表或查核表。 • 检查表的分类 • 点检用检查表：在设计时就已定义，使用时只做是非或选择的标记，其主要功能在于确认作业的执行。 • 记录用检查表：用于收集数据资料，对不合格原因或项目进行统计，由于常用于作业缺点、质量差异等记录，也称为改善用检查表。

34. 检查表的制作 • 明确制作检查表的目的 • 决定检查的项目 • 决定检查的频率 • 决定检查的人员及方法 • 相关条件的记录方式，如作业场所、日期、工程等 • 决定检查表格式(图形或表格) • 决定检查记录的符号

35. 检查表制作要点 • 并非一开始就要求完美，可先参考他人的示例，使用时如不理想，再加以改善 • 越简单越好，容易记录、看图，以最短的时间将现场的资料记录下来 • 一目了然，检查的事项应清楚陈述，使记录者在记录问题的同时，即能明了所记录的内容 • 以Team Work的方式进行，大家集思广益，切记不可遗漏重要项目 • 设计不会让使用者记录错误的检查表，以免影响日后统计分析的真实性

36. 检查表示例 出门上班前的检查表

37. 检查表示例 应用于直方图的次数分配检查表

38. 检查表练习 • 为产品检验时的外观缺陷统计制作一检查表。 • 为了解顾客使用本公司产品的情况制作一检查表。

39. 层别法 • 在实际工作中经常可发现产品质量因人、机、料、法、环、检测等不同时，会有差异存在。 • 当不合格品产生时，很可能是其中的一种因素有问题，如数据未能适当分层，往往在调查上浪费了大量的人力、物力、时间，有时甚至最终还是无法寻找到真正的原因。 • 同样在质量较优时，也可从分层的数据中寻找规律获得改善。 • 因各种不同的特点会对结果产生影响，在收集数据时以个别特性加以分类、统计，称为层别法（或分层法）。

40. 层别的分类 • 部门层别、单位层别：生产部门、测试部门、采购部门等 • 过程区域层别：下料区、裁剪区、折弯区、加工区等 • 操作员层别：班别、线别、组别、性别、年龄别、教育程度别等 • 机械、设备层别：机台、场所、机型、工具等 • 作业条件层别：温湿度、压力等 • 时间层别：日期、日夜等 • 原材料层别：供方、材质、成分、储存时间等 • 测量层别：人员、方法、设备、环境等 • 环境、气候层别：气温、晴雨、照明等 • 地区层别：海岸内陆、国内外等 • 其他：合格与不合格、包装等

41. 层别法的实施步骤 • 先选定调查的对象 • 设计收集数据所使用的表单 • 设定资料的收集点并培训员工如何填写表单 • 记录及观察所得的数值 • 整理数据，分类绘制应有的图表 • 比较分析与最终推论

42. 层别法使用的注意事项 • 实施前，首先确定分层的目的－－－不合格率分析？提高效率？作业条件确认？… • 检查表的设计应针对所怀疑的对象 • 数据的性质分类应清晰详细记载 • 依各类可能原因加以分层，以找出真正的原因 • 分层所得的结果 应与对策相连接，并付诸实际行动

43. Mini TAB使用简介

44. Mini TAB使用简介

45. Mini TAB使用简介

46. Mini TAB使用简介

47. 层别法练习 某造纸厂的纸厚，生产线规定日班人员须每2小时抽测一次，每次取6段，并测量中心及两侧的厚度加以控制。最近业务经理反应客户因纸张的厚度不均会造成纸管卷制问题，故常有客户抱怨，总经理要求质保追查原因。 于是质保经理将近5天的现场抽测数据加以整理并制成次数分配直方图如Mini TAB所示。其均值Xbar=6.35,标准差S=0.28。该公司的纸张厚度规格要求6.5±0.5，依据直方图可看出整理后的平均值偏低，变异非常大，质保经理找不出真正原因所在，请你帮忙找找看。

48. 散布图 • 特性要因图可以了解工程上哪些原因会影响产品的质量特性，散布图也是以这种因果关系的方式来表示其关连性。 • 散布图的作用： • 能大概掌握原因与结果之间是否有关联及关联的程度如何。 • 能检查离岛现象是否存在。 • 原因与结果关联性高时，二者可互为替代函数。对于过程和产品特性的监测，可从原因或结果中选择一较经济的参数予以监测，并可通过监测这一参数知道另一参数的变化。

49. 散布图的制作方法 • 收集成对的数据(X1,Y1)、(X2,Y2)、……，整理成数据表。 • 找出X,Y的最大值与最小值。 • 以X,Y的最大值及最小值建立X-Y坐标，并决定适当的刻度便于绘点。 • 将数据依次点于X-Y坐标中，两组数据重复时用⊙表示，三组数据重复时用×表示。 • 必要时，可将相关资料记在散布图上。 • 散布图的注意事项： • 是否有异常点，有异常点时不可任意删除，除非异常原因已确实掌握。 • 数据的获得常因操作者、方法、材料、设备或时间等的不同，使数据的关联性受到扭曲，应注意数据的分层。 • 散布图若与原有技术、经验不相符时，应追查原因与结果是否受到其他因素干涉。

50. 散布图的判读 • 完全正(负)关联：点散布在一条直线上。 • 高度正(负)关联：原因X与结果Y的变化近于等比例。 • 中度正(负)关联。 • 低度正(负)关联。 • 无关联。 • 曲线关联。