品管七大图示手法课件

《品管七大图示手法课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

Quality&Satisfy深圳德信诚经济咨询有限公司公司地址：东莞市长安镇图书馆左侧电梯四楼邮政编码:523850HTTP：//www.bz01.comE-MAIL：bz01@bz01.comTEL:0769-85092880FAX:0769-890260701 东莞德信诚相关培训课程：Q05TS16949五大工具实战训练(五大工具培训)Q06APQP&CP先期质量策划及控制计划培训Q07DFMEA设计潜在失效模式分析培训(DFMEA培训)Q08PFMEA过程潜在失效模式及效应分析训练营Q09MSA测量系统分析与仪器校验实务Q10SPC统计过程控制培训课程(SPC训练)Q11CPK制程能力分析与SPC统计制程管制应用训练Q12QC七大手法与SPC实战训练班(QC7&SPC培训)Q03品质工程师(QE质量工程师)实务培训班Q02品质主管训练营(品质经理人训练)Q01杰出品质检验员QC培训班Q13品管常用工具QC七大手法培训(旧QC7培训)Q14新QC七大手法实战培训(新QC7培训)Q04QCC品管圈活动训练课程(QCC培训)2 品管七大图示手法培训 一、QC统计手法概述二、数据与图表的搜集、运用三、检查表分类与介绍四、统计七手法的详解五、考试课程安排4 第一章QC统计手法概述前言公司应具备质量意识、问题意识、危机意识、改善意识，寻求自身工作的改善方法，在管理上应用统计技术的方法和概念，在全员努力之下来满足顾客要求和社会要求。在QC活动中所采用的统计方法，都极为简单，即我们常讲的“QC七大手法”。5 第一章QC统计手法概述管理循环目前产业界，必須将管理、改善、统计方法三者统一起來，三者相互连贯运用，才能在整体上发挥效果。QC七大手法浅说QC七大手法的使用情形，可归纳如下：根据事实、数据发言——图表(Graph)、检查表(CheckList)、散布图(ScatterDiagram)。6 第一章QC统计手法概述分析原因与结果的关系，以探讨潜在性的问题——特性要因图(CharacteristicDiagram)。凡事物不能完全单独用平均数来考虑，应了解事物都有变差存在，須从平均数与变异性来考虑——直方图(Histogram)、控制图(ControlChart)。所有数据不可仅考虑平均，須根据数据的来龙去脉，考虑适当分层——层別法(Stratification)。7 第一章QC统计手法概述并非对所有原因采取措施，而是先从影响较大的2~3項采取措施，即所谓管理重点——柏拉图(ParetoDragram)。从ISO谈统计技术8 第二章数据与图表一、数据前言数据=事实数据的分类依特性可分为：定性数据定量数据计量数据计数数据9 第二章数据与图表依来源可分为原物料及产品市场数过程数据检验数据依时间先后可分为过去数据日常数据新数据10 第二章数据与图表应用数据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真实的真相整理数据的方法机器整理法人工整理法11 第二章数据与图表整理数据的原則采取改善对策前，必須有数据作为依据。数据使用目的应清楚了解。立即使用它。数据的整理与运用，具备的条件应一致。数据不可造假12 第二章数据与图表二、图表前言何谓图表现场的数据或情报，用点、线、面、体来表示大概情势及巨细变动在纸上的图形，称为图表。图表的种类依使用目的分分析用图表管理用图表13 第二章数据与图表计划用图表统计用图表计算用图表说明用图表依数据性质分静态图表动态图表依表现內容分系统图表预定图表记录图表14 第二章数据与图表计算图表统计图表依表示方法(形狀)分棒形图、面积图、扇形图、折线图、带状图、进度图、工程能力图、Z形图图表的作用与具备条件图表的作用图表必备条件图表制作的原则制作前考虑事项制作应遵守的原则15 第二章数据与图表图表制作注意事項图表制作要領图名(Title)图形的大小(ChartProportions)坐标轴(Coordinate)刻度(Scale)零基准(ZeroBase)划线(Ruling)文字的书写(Lettering)数字的排列图例16 第二章数据与图表资料来源SourceReference)几种常用图表介紹条形图160150140130120100A部门B部门C部门D部门作图者及日期：张三，83.2.5X公司各部门83年7月份提案件数比较图17 第二章数据与图表推移图(又称趋势图、历史线图或折线图)80/123456(月)B班A班(%)43210不合格率连杆A、B两班加工不合格率月推移比较18 第二章数据与图表雷达图创意功夫提案領导能力国会次数解決件數发表会经验国会出席率读书会休息活动热心度活动计划工作分摊QC手法第一年第二年19 第二章数据与图表543210管制图散布图直方图层別法检查表柏拉图图解●重要的图表(QCC手法的理解度)S55年S56年特性要因图S55年S56年20 甘特图(GannChart;you又称进度表、顺序表、日程进度表)用以表示日程计划与其他进度的图形第二章数据与图表计划线实施线21 第二章数据与图表流程图(FlowChart)[從起床到走出家門]稍睡一會YESNONOYES讀報紙新聞讀畢否NO看電視讀新聞NOA醒來起床時間否刷牙洗臉早餐備妥否吃早餐准備穿衣服出動時間否离家B22 第二章数据与图表带状图(条图)0102030405060708090100（%）1978年世界主要國家汽車生產量比例圖23 第二章数据与图表圆图(又称扇形图)参考基准线(12点位置)设备工具夹具12.8%效率29.1%成本25.3%质量15.3%安全14.1%其他3.4%顺时针方向各項目依大小顺序排列，其他置于最后。N=16848件24 第二章数据与图表Z形图(与推移图差在Z形图有加累计线)箭头图其它图形(点圆、体积图、面积图、…)25 第三章检查表(CheckSheet;Checklist)检查表的分类:点检用检查表记录用检查表检查表制作应注意的事項決定检查的項目。決定检查的频率。決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。26 第三章检查表(CheckSheet;Checklist)決定检查表格式。(图形或表格)決定检查记录的符号。如：正、++++、△、、○。检查表的应用如有异常，应马上追究原因，並采取必要的措施。检查人员,应明确指定谁来做。范例点检用检查表27 第三章检查表(CheckSheet;Checklist)上班時的服飾區分周一周二周三注記周四携帶钱袋手帕车票小笔记本服饰领带头发皮鞋全体的调合周五周六上班前服饰的检查表28 第三章检查表(CheckSheet;Checklist)记录检查表29 第四章层別法(Stratification)前言因各种不同的特点而对结果产生的影响，而以个別特征加以分类、统计；此类统计分析的方法称为层別法（或分层法）。层別的分类部门层別、单位层別过程区域层別操作员层別机械、设备的层別30 第四章层別法(Stratification)作业条件的层別时间的层別原材料的层別测量的层別检查的层別环境、天候的层別地区的层別制品的层別其他31 第四章层別法(Stratification)层別法的运用方法推移图的层別硬度值（碳铁碳含量的层別）含碳量C%252015105%3.02.52.01.51.00.5改善前改善后（孔尺寸不合格的总推移层別）32 第五章特性要因分析图(CharacteristicDiagram)前言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。[某项结果的形成,必定有其原因;设法使用图解法找出这些原因来]这概念是由日本品管大师石川馨博士首先提出的。特性要因图又因为是石川馨博士于1952年所发明,所以又称[石川图]。33 第五章特性要因分析图(CharacteristicDiagram)特性要因图原因追求型:以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。对策追求型:此类型是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。故以特性要因图表示期望效果(特性)与对策(要因)间的关系。如何绘制特性要因图确定特性34 第五章特性要因分析图(CharacteristicDiagram)绘制骨架大略记载各类原因依据大要因,再分出中要因要更详细列出小要因圈出最重要的原因记载所依据的相关內容35 第五章特性要因分析图(CharacteristicDiagram)特性要因图的应用作业员问题加工困难其他设备不当不熟悉工作图2馬達座43導板加工取放困難模具搬運費力寻找资料困难2導板隔板1屑料清理費時冲压作业效率低光线不足2外壳冲剪模托料架不当4隔板抽孔脱料困难1導柱,頂柱阻礙作業路線3馬達座脫料困難5固定稍設置不當原因追求型(鱼骨上的1,2,3…表示要因重要性)36 第五章特性要因分析图(CharacteristicDiagram)提高冲压效率消除加工困难作业员教育其他使導板加工取放容易3方便屑料清理1使導頂柱位置適當1使馬達座脫料容易3固定梢設置適當5设备改善2托料架適當4使隔板抽孔脫料容易1使光線充足2熟知工作圈馬達座4導板隔板加工次數少2消除搬運損失尋找資料容易1对策追求型37 第六章柏拉图(ParetoDiagram)柏拉图的定义根据所搜集的数据，按不良原因、不良狀況、不良项目、不良发生的位置等不同区分标准而加以整理、分类，从中寻求占最大比率的原因、状况或位置，按其大小顺序排列，再加上累积值的图形。柏拉图的制作步驟柏拉图的制作方法步骤1:決定数据的分类项目。步骤2:決定收集数据的期間，并按分类項目，在期间內收集数据。38 第六章柏拉图(ParetoDiagram)例:電氣不良狀況記錄表期間:82年8月5日-9日過程檢查組檢驗者:王胜利39 第六章柏拉图(ParetoDiagram)-步驟3:依分類項目別，做數據整理，并做成統計表。40 第六章柏拉图(ParetoDiagram)-步驟4:記入圖表用紙并依數據大小排列畫出柱狀圖。不良數17015313611910285685134170不良項目收斂不良几何失真白平衡敲閃無畫面畫面傾斜其他不良41 第六章柏拉图(ParetoDiagram)-步驟5:繪累計曲線。不良數17015313611910285685134170不良項目收斂不良几何失真白平衡敲閃無畫面畫面傾斜其他不良42 第六章柏拉图(ParetoDiagram)-步驟6:繪累計比率。累計影響比例(%)不合格項目不合格數17015313611910285685134170收斂几何白平衡敲閃無畫面畫面其他不良失真不良傾斜100%90%80%70%60%50%40%30%20%10%43 第六章柏拉图(ParetoDiagram)步骤7:记入必要的事项。标题目的)。数据搜集期间。数据合计(总检查数、不良数、不良率…等)。工程別。相关人員(包括记录者、绘图者…)。44 第六章柏拉图(ParetoDiagram)不合格項目不合格數累計影響比例(%)17015313611910285685134170收斂几何白平衡敲閃無畫面畫面其他不良失真不良傾斜100%90%80%70%60%50%40%30%20%10%工程:電气檢查總檢查數:1450總不合格數:170期間:82年8月5日~9日檢驗者:王胜利繪圖者:李四45 第六章柏拉图(ParetoDiagram)柏拉图的应用作为降低不合格的依据：想降低不合格率，先绘柏拉图看看。決定改善目标，找出问题点。确认改善效果(改善前、后的比较）。46 第七章控制图前言定义即是[一种以实际产品质量特性与依过去经验所研判的过程能力的控制界限比较,而以时间顺序表示出来的图形]。控制图的基本特性在管制图上有三条笔直的橫线,中间的一条为中心线(CentralLine,CL),一般用蓝色的实线绘制；在上方的一条成为控制上限(UpperControlLimit,UCL)；在下方的称为控制下限(LowerControlLimit,LCL)。对上、下控制界限的绘制,則一般均用红色的虛线表现,以表示可接受的变异范围;至于实际产品质量特性的点连线条则大都用黑色实线绘制。47 第七章控制图控制状态:上控制界限(UCL)中心線(CL)下控制界限(LCL)48 第七章控制图控制图的原理质量变异的形成原因偶然(机遇)原因(Chancecauses)异常(非机遇)原因(Assignablecauses)控制界限的构成控制界限以加減3个标准差来定立,应是最符合经济效益的。控制图的种类按数据性质分类平均数与极差控制图(Chart)49 第七章控制图平均数与标准差控制图(Chart)中位数与极差控制图(Chart)各別值与移动极差控制图(chart)最大值与最小值极差控制图(chart)计数值控制图不良率控制图(Pchart)不良数控制图(Pnchart,又称npchart或dchart)缺点数控制图(Cchart)单位缺点数控制图(Uchart)50 第七章控制图按控制图的用途分类解析用控制图控制用控制图控制图的图制计量值控制图控制图先行收集100個以上数据,依测定的先后顺序排列。以2-5个数据为一组(一般采4-5个),分成约20-25组。将各组数据记入数据表栏位內。计算各组的平均值X(取至测定值最小单位下一位数)计算各组之极差R(最大值-最小值=R)。51 第七章控制图计算总平均X。K(为组数)计算极差的平均R计算控制界限X控制图:中心线(CL)=X控制上限(UCL)=控制下限(LCL)=R控制图:中心线(CL)=控制上限(UCL)=管制下限(LCL)=之值,随每组的样本数不同而有差异,但仍遵循三个标准差的原理计算而得,今已被整理成常用系数表。52 第七章控制图绘制中心线及控制界限,并将各点点入图中。将各数据履历及特殊原因記入,以备查考、分析、判断。控制图的判断ABCCBAUCLXLCLABCCBAUCLXLCL檢定規划1:(2/3A)3點中有2點在A區或A區以外檢定規划2:(4/5B)5點中有4點在B區或B區以外53 第七章控制图ABCCBAUCLXLCLABCCBAUCLXLCL檢定規划3:(6連串)連續6點持續地上升或下降檢定規划4:(8缺C)有8點在中心線的兩側,但C區并無點子54 第七章控制图ABCCBAUCLXLCLABCCBAUCLXLCL檢定規划5:(9單側)連續9點在C區或C區以外檢定規划6:(14升降)連續14點交互著一升一降55 第七章控制图ABCCBAUCLXLCLABCCBAUCLXLCL檢定規划7:(15C)連續15點在中心線上下兩側的C區檢定規划8:(1界外)有1點在A區以外56 第八章直方图(Histogram)直方图的定义什么是直方图诸如长度、重量、硬度、时间等计量值的数值分配情形能容易地看出的图形。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橫轴，并将各区间內所测定值依所出現的次数累积而成的面积，用柱子排起來的图形。因此，也叫做柱状图。使用直方图的目的了解分配的形态。研究制程能力或計算制程能力。57 第八章直方图(Histogram)观察数据真伪。用以制定规格界限。解释名词次数分配:将许多的复杂数据按其差异的大小分成若干组，在各组內填入测定值的出现次数，即为次数分配。相对次数:在各组出现的次数除以全部的次数，即为相对次数。累积次数(f):自次数分配的测定值较小的一端将其次数累积计算，即为累积次数。极差(R):在所有数据中最大值和最小值的差，即为极差。58 第八章直方图(Histogram)组距(h):极差/组数=组距算术平均数(X):数据的总和除以数数据总数，通常一X（X-bar）表示。59 第八章直方图(Histogram)中位数(X):将数据由大至小按顺序排列，居于中央的数据为中位数。若遇偶位数时，则取中间两数据的平均值。各组中点的简化值(μ)~μ=,Xi-X0組距(h)X0=次數最多一組的組中點Xi=各組組中點60 第八章直方图(Histogram)众数(M):次数分配中出现次数最多組的值。例次数最多为24，不合格数是9，故众数为9。组中点(m):一组数据中最大值与最小值的平均值，（上组界+下组界）÷2=组中点标准差（σ）61 第八章直方图(Histogram)样本标准差(S)直方图的制作直方图的制作方法步骤1：收集数据并记录收集数据时，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。所收集的数据个数应大于50以上。62 第八章直方图(Histogram)例:某厂成品尺寸规格为130至160mm，今按随机抽样方式抽取60个样本，其测定值如附表，试制作直方图。13814214814514014113914014113813813914413813913613713713112713813713713314013013612813813214514113513113613113413613713313413213513413213412112913713213013513513413613113113913613563 第八章直方图(Histogram)步骤2：找出数据中的最大值(L)与最小值(S)先从各行（或列）求出最大值，最小值，再予比较。最大值用“□”框起來，最小值用“○”框起来EX:NO.1NO.2NO.3NO.4NO.5NO.613814214814514014113914014113813813914413813913613713713112713813713713314013013612813813214514113513113613113413613713313413213513413213412112913713213013513513413613113113913613564 第八章直方图(Histogram)得知NO.1L1=145S1=131NO.2L2=142S2=127NO.3L3=148S3=130NO.4L4=145S4=128NO.5L5=140S5=121NO.6L6=141S6=129求L=148S=12165 第八章直方图(Histogram)步骤3：求极差(R)数据最大值(L)-最小值(S)=极差(R)例：R=148-121=27步骤4：決定组数组数过少，虽然可得到相当简单的表格，卻失去次数分配的本质与意义；组数过多，虽然表格详尽，但无法达到简化的目的。通常，应先将异常值剔除再进行分组。66 第八章直方图(Histogram)一般可用数学家史特吉斯(Sturges)提出的公式，根据测定次数n来计算组数k，公式为：k=1+3.32logn例：n=60則k=1+3.32log60=1+3.32(1.78)=6.9即约可分为6组或7组一般对数据的分组可参照下表例：取7組67 第八章直方图(Histogram)步驟5：求组距(h)组距=极差÷组数（h=R/K)为便于计算平均数及标准差，组距常取为2，5或10的倍数。例：h=27/7=3.86，组距取4步骤6：求各组上限，下限(由小而大顺序)第一组下限=最小值—第一组上限=第一组下限+组界第二组下限=第一組上限……最小测定单位整数位的最小测量单位为0.1小数点1位的最小测量单位为0.1小数点2位的最小测量单位为0.01最小測量單位268 第八章直方图(Histogram)最小数应在最小一组內，最大数应在最大一组內；若有数字小于最小一组下限或大于最大一组上限值时，应自动加一组。例：第一组=121-1/2=120.6～124.5第二组=124.5～128.5第三组=128.5～132.5第四组=132.5～136.5第五组=136.5～140.5第六组=140.5～144.5第七组=144.5～148.5步骤7：求组中点组中点(值)=该组上限+该组下限269 第八章直方图(Histogram)例：第一组=(120.5+124.5)÷2=122.5第二组=(124.5+128.5)÷2=126.5第三组=(128.5+132.5)÷2=130.5第四组=(132.5+136.5)÷2=134.5第五组=(136.5+140.5)÷2=138.5第六组=(140.5+144.5)÷2=142.5第七组=(144.5+148.5)÷2=146.5步骤8：作次数分配表将所有数据，按其数值大小记在各组的组界內，并计算其次数。将次数相加，并与测定值的个数相比较；表示的次数总和应与测定值的总数相同。70 第八章直方图(Histogram)步骤9：制作直方图将次数分配表图表化，以橫轴表示数值的变化，纵轴表示次数。橫轴与纵轴各取适当的单位长度。再将各组的組界分別标在橫轴上，各组界应为等距分布。以各组內的次数为高，组距为宽；在每一组上画成矩形，則完成直方图。次數分配表71 第八章直方图(Histogram)在图的右上角记入相关数据履历（数据总数n，平均值x，标准差σ…），并划出规格的上、下限。填入必要事项：产品名称、工序名称、时间、制作日期、制作者。2015105SL=130Sμ=160n=60x=135.8=4.87s=n-1=4.91120.5124.5128.5132.5136.5140.5144.5148.572 第八章直方图(Histogram)说明：分组后再计算的σ，s为近似值如直接以原始数据60个，依公式计算，可得真值。n=60x=135.8σ=4.68s=4.72常见的直方图形态正常型说明：中间高，两边低，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。73 第八章直方图(Histogram)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。74 第八章直方图(Histogram)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，会出現的形狀。若剔除某规格以上时，则切边在靠近右边形成。75 第八章直方图(Histogram)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。76 第八章直方图(Histogram)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。77 第八章直方图(Histogram)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。78 第八章直方图(Histogram)偏态型（偏态分配）说明：高处偏向一边，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：尾巴拖长時，应检查是否在技术上能够接受，工具磨损或松动时，也有此种现象发生。79 第八章直方图(Histogram)直方图使用的注意事项异常值应去除后再分組。从样本测量值推测群体形态，直方图是最简单有效的方法。应取得祥細的数据资料（例如：时间、原料、测量者、设备、环境条件等）。进行过程管理及分析改善时，可利用层別方法，将更容易找出问题的症结点，对于质量的改善，有事半功倍的效果。80 第八章直方图(Histogram)过程能力过程精密度CP(CapabilityofPrecision)的求法：(a)双边规格(上限規格)—(下限規格)6×(標準偏差)標准差X平均數81 第八章直方图(Histogram)单边规格上限规格下限规格(上限規格)—(平均值)3×(標準偏差)(平均值)—(下限規格)3×(標準偏差)82 第八章直方图(Histogram)83 第八章直方图(Histogram)制程精密度(CP值)与不合格率的关系-6σ-5σ-4σ-3σ-2σ-1σ0+1σ+2σ+3σ+4σ+5σ+6σ68.26%95.46%99.73%99.9937%99.999943%99.9999998%-∞+∞84 第八章直方图(Histogram)Cp值規格公差(T)不良率(規格以外比率)单边规格双边規格0.330.671.001.331.601.762.002()4(2)6(3)8(4)9.6(4.8)10.4(5.3)12.0(6)15.87%2.27%0.14%31.5PPM0.81PPM0.06PPM1.0PPB31.74%4.54%0.27%63PPM1.62PPM0.12PPM2.0PPB制程精密度(Cp值)与不良率之关系85 第九章散布图(ScatterDiagram)前言散布图有以下的作用：能大概掌握原因与结果之间是否有关联及关联的程度如图2-1。能检查离岛现象是否存在。图2-2。原因与结果关联性高时，二者可互为替代变数。对于过程参数或产品特性的掌握，可从原因或結果中选择一较经济性的变数予以监测。并且可通过观察一变数的变化来知道另一变数的变化。86 第九章散布图(ScatterDiagram)YX圖2-1YX圖2-287 第九章散布图(ScatterDiagram)散布图的判读依散布图的方向、形狀，有以下几种关联情形：完全正（负）关联：点散布在一直线上。YXYXxyxy88 第九章散布图(ScatterDiagram)高度正(负)关联：原因(X)与结果(Y)的变化近于等比例。YXYXxyxy89 第九章散布图(ScatterDiagram)中度正(负)关联：原因(X)与结果(Y)的变化近于等比例。YXYXxyxy90 第九章散布图(ScatterDiagram)低度正(负)关联：原因(X)与结果(Y)的变化近于等比例。YXYXxyxy91 第九章散布图(ScatterDiagram)无关联：原因(X)与结果(Y)的变化完全不成比例。YXxy92 第九章散布图(ScatterDiagram)曲线关联：原因(X)与结果(Y)的变化呈曲线变化。YX93