QC七大手法学习总结教学文案Word文件下载.docx

QC七大手法学习总结教学文案Word文件下载.docx

《QC七大手法学习总结教学文案Word文件下载.docx》由会员分享，可在线阅读，更多相关《QC七大手法学习总结教学文案Word文件下载.docx（20页珍藏版）》请在冰豆网上搜索。

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。

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）。

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。

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

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。

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。

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。

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）

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。

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）

有一端被切断。

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

在右端或左端形成小岛。

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

有两个高峰出现。

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.