品质管理：QC七大手法

1、QC 七大手法品管七手法，也叫品管七工具,是目前全世界都应用比较广的品质管理工具,它具有简单、实用的特性。它们分别是:查检表、层别法、鱼骨图、柏拉图、散布图、管制图、直方图。QC 七大手法，是一种管理用的工具，学习它就需要掌握它们的主要精神和思考模式。它们之间的应用关系如下：查检表:用来在现场收集数据,尽量让现场作业简单而有效，它是其它六手法的起点。层别法：用来对收集来的数据进行分类，以利于统计分析,找出细部问题,通常需要查检表设定相并没有栏位，也是其它手法的一个基础。鱼骨图：用来对一个现象或结果进行原因深入细致的分析，通常用来找原因及因素，最好同层别法结合起来使用。柏拉图:用来对多种问题或原

2、因进行分析,找出最大问题或原因，以利用工具积极地提升，实现花较少成本做好更多的事情。散布图：用来对收集来两个或两个以上的问题或特性的数据，找出之间可能的相关性.管制图：用来了解品质在过程中的变化状态和预测品质下一步可能之状况，有助于提前发现问题，是实现第一次就把事情做好的基本步骤之一. 如图所示：第一种手法-查检表（Check 一、定义查检表就是一种为了便于收集数据，使用简单记号填记并予统计整理，并作进一步分析或作为核对、检查之用的一种表格或图表.二、查检表的种类1、记录用(或改善用)查检表主要功用在于根据收集的数据以调查不良项目、不良主因、工程分布、缺点位置等状况,并作为原始记录的凭证。2、

3、点检用查检表主要功用是为要确认作业实施、机械整备的实施状况，或为预防发生不良或事故、确保安全时 使用。三、查检表作法1、查检表设计的步骤A、明确目的-将来要能提出改善对策及数据，因之必需把握现状解析，与使用目的相配合。B、决定查检项目从特性要因图圈选的 46 项决定。C、决定检查的方式全检或抽检。D、决定查检细则-查检基准、查检数量、查检时间与期间、查检对象之决定， 并决定收集者、 记录符号.E、设计表格实施查检。2、设计记录用（或改善用)查检表A、决定所要收集的数据及所希望把握的项目数据的关系,有如特性要因图的关系。数据有计量值、计数值，项目则包括不良原因、缺 点状况等,也就是特性要因图中所

4、圈选的要因，所要收集的数据，就是能表现特性要因图之问 题点的好坏程度者；B、决定所要设计的表格形式依据所作层别分析的条件，而去设计一种最适合于自己使用的格式，但最简单的查检表也 离不开分类的项目与收集数据的日期这两个项目。通常将工程中按机械、作业员、材料、时间 等分别列明，予以区别；C、决定记录的形式尽量用一些易记的符号如，如“、正”等符号，字段分开并标识 出每一字段之功能，尽量让任何人看到都能填写；D、决定收集的方法由谁收集、收集的周期、查检方法、查检数决定; E、记入记号并整理成次数分配表。3、设计点检用查检表A、将须点检的项目逐一列举出来，并查出检验时需要记录记号的空栏； B、所需点检的

5、项目是“非做不可的工作”、“非检查不可的事项”等；C、点检有顺序要求时需注明编号，依顺序记录数据，并且无遗漏； D、必须之项目，尽可能以机台、制程工序、人员等条件层别。4、作成方法A、 确定检查对象、检查者、检查时间等；B、 将检查项目记入表中，必要时可利用图示说明； C、 将相关的检查数据记入表中。例：四、该方法实战时注意事项：A、该表多用于产品品质相对稳定时的维持管理上。B、表的格式千差万别,无需追求统一，只要实用就可以。C、向其它部门反馈情报时，如果每个数据附有实物的话,则更具说服力.第二种手法层别法（Stratification） 一、定义在一个群体中,为了深入分析内部状况，而设立一个

6、将母体分割开来的方法或条件，称为层别法。在品质管理中，主要是对各种条件下所产生的问题及原因做分析. 二、层别法之功用层别法的主要功用：在于透过各种分层,依各层收集数据做分析,并寻找不良位置或最佳条件，作为改善品质的有效方法。它的主要精神就是看问题要从多方面、多角度分析。当分析一件事情时，可能需要看里面各环节状况或几个环节状况，并且最好有比较的功能。三、层别法的对象与目的1、时间的层别，如小时、天、周、月、季，或某个时间段等等；2、作业员的层别，如张三、李四等等;3、机械、设备的层别，如 A 机台、B 机台等等；4、作业条件的层别，如 A 方法、B 方法等等；5、原材料的层别,如 A 材料、B

7、材料等等；6、测定的层别，如测定器别、测定者别、测定方法别等等；7、检查的层别，如检查员别、检查场所别、检查方法别等等；8、环境、天候的层别,如气候热、气候冷,15 度与 20 度等等；9、地区的层别，如在南方与在北方；10、制品的层别，如新旧品别、标准品或特殊品别、制造别等等；11、使用方法别，如良品与不良品别、包装别、搬运方法别等；12、其它各种各样的条件可以根据实际状况而定.三、作成方法1、确定分层线索,即按什么条件进行分层；2、确定该层条件所支应的范围；3、统计符合各分层条件的数据；4、记入图名、作成者、作成日期、长等事项。四、该方法实战时注意事项：A、如果是以某一生产要素为线索进行分

8、层处理的话，则所得到的数据更有助于判断;B、与其他 QC 后法结合使用，效果更佳.例：某录音机近期之修理情况如下:第三种手法特性要因图(Characteristic Diagram） 一、定义对于结果与原因间所期望的效果与对策之间的关系，以箭头连结，详细分析原因或对策的一种图形称为特性要因图.1952年所发明，故又称“石川图,亦称鱼骨图,因此图形阐明原因与结果之关系，也称“因果图。二、作用将影响品质的诸多原因一一找出,形成因果对应关系,确的对策方案有帮助。 四、作成方法1、在未绘制之前，应先决定问题或品质)的特性，如不良率、停机率、送修率、抱怨的发生、外观不良、尺寸不良等；2、绘制特性要因图的

9、骨架，将特性写在右端，自左划上一条较粗的干线(母线）,并在干线的右端画一指向右方的箭头；3、把原因分为几大类,每大类划于中骨上,加上箭头的大分枝，稍斜（约 60 度)插到母线，较母线略细。原因一般分为人员、机械、材料、方法、环境或只画出相应的支干；4、探讨大分枝的细节,并依次展开。在支干上画出相关次支干，并写出原因，次支干与支干互为因果关系；5、如此反复，直至所有支干和最终一层原因写出为止； 6、记入图名、作成者、长、作成时间等项目。测试带旧 轮松动从图中可以看出，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.五、该方法实战时注意事项:1、尽可能多听取现

10、场当事人的意见,从中筛选出相关的原因；2、要记入事实原因,不可以想当然地捏造出因果关系来;3、当因果支干太多时，则要选取重要的给予优先对策；4、每一个问题都要尽量刨根问底，直到找出真正的原因；5、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;6、因果图只告诉问题的原因在哪里,不会告诉哪一个更重要,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。第四种手法-柏拉图（Pareto Diagram） 一、定义根据所收集之数据,按不良原因、状况、发生位置等不同区分标准,然后把所得的数据进行由 大到小排列后，以寻求占最大比率之原因、状况或位置的一种累计柱状图。意大利

11、经济学家巴雷特（Vifredo Pareto)在分析社会财富分配状况时发现大部分财富集中在少 数人手里，为此他设计出能够反映这种规律的图,所以也有人称之为“巴雷特图”,因它将数据从 大到小排列，故也称之为“排列图”，后来由美国人裘兰（Joseph Juran）加以推广使用.它的主要精神之一就是 80/20 法则,即通常大多数问题是由少部分原因造成的，而多数分原因 却导致少部分问题，这在世界上已经成为公理。如公司营业部门，大部分业务订单是由少部分人员 产生的,世界上少数人员掌握着大多数财富等等案例很多。主要精神之二，就是对数据或同类事物 最好排好序来，更有助于比较分析及掌握工作重点，从而提高工作

12、效率.二、作用在现场众多的不良问题中，找出关键的前几名，以便决定今后管理工作的重点。具体如下：1、 作为降低不良之依据2、 决定改善品质的工作目标；3、 确认改善效果（改善之前后对比);4、 应用发掘现场的重要问题点;5、 用于整理报告记录；6、 可作不同条件的评价；7、 确认或调整特性要因图；8、 柏拉图具有检定假说之意义;9、 配合特性要因图（柏拉图上的项目当作品质特性加以要因分析，可以讨论出改善的方案。）三、作成方法1、列出所有不良项目，并收集相应时期的数据；2、将数据进行分类；3、把分类好的数据进行汇总，由多到少进行排序，并计算出所占的百分比； 4、计算出各类之总和；5、设定坐标系，填

13、上坐标值，坐标值要反映最大、最小数据。左纵坐标为不良数据,以总数十分之一为一单位格,右纵坐标为不良率累计百分比，以 100的比例来做右边的纵轴，之间幅度为 10%为一单元格，横坐标为不良项目；6、在横轴上,按从多到少的顺序对每一项目进行绘制，将各项目所占的比例累计后记入坐标; 7、将各比例点连接起来,一直到 100%； 8、记入图名、作成者、长、作成时间等相关内容。例：某车间成品机 2002 年 12 月份，工序内不良的发生情况如下：四、注意事项：1、当缺点项目或类别超过 15 项时（手工做则 9 项),在经过第 2 步的排序时，必须将后面所有部分标识或记录成“其他”类别,且一定要放在最后，所

14、以在缺点类别和缺点项目中最好不要使用“其他”,以示区别。2、在柏拉图的折线点上不需要标识具体数据，因为我们需要的是一个大概数据，而如标识数据，不仅无谓复杂，且无实际意义。3、在做柏拉图时， “其他项的数据一般不能超过 20%，如有，则表示类别划分不够明确. 4、重点管理占 80%的的前几项不良，其他剩余的项目并非全然不予理会，当前几项不良消失后，后几位又升上来，成为必须重点改善的不良。5、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、原因的分析上用得较多。第五种手法-散布图一、定义为了研究两个或三个变量（一般使用两个特性）之间的相关性，而搜集成对几组数据,在纵 轴与横轴上以点来表

15、示二个或三个特性值之间相关情形的力形，称之为“散布图。二、功用1、知道两组数据（或原因结果）之间是否有相关性及其相关程度；2、把材料、机械设备、作业者、作业方法等可能影响的原因层别，绘制散布图，可检讨何者影响结果；3、检视是否有离岛现象；4、抽样检验中，若某品质特性之测试成本高或困难，则可采用与此特性有关系存在的另一个或两个测试成本较低或测试容易之特性，以降低检验成本;5、以利在以后的品质管制中，若同一制品之二特性间有密切关系时，则可舍去其中一个管制图，以降低预防成本。6、两组数据间若呈直线变化，可依散布图求出直线方程式,以为订定标准之用。三、作成方法1、收集相对数据，整理到数据表上。（数据不

16、能太少，一般不少于 50 对，否则易产生误判。）2、找出数据 X、Y 之最大值及最小值.3、画出纵轴与横轴(若判断要因与结果之关系，遇横轴代表要因,纵轴代表结果)，并取 X、Y 之最大值与最小值矩为等长画刻度。4、将各组数据点在坐标上.5、记入必要事项（数据数、采集时间、目的、制品名、工程名、绘图者、日期）。四、判读1、显著性正相关：X 增大时,Y 也随之增大，称为正相关。（见图 1）2、非显著性正相关:X 增大时,Y 也随之增大,但增大的幅度不显著，此时宜考虑其它因素。（见图 2）特性 2 特性 1特性 1显著性正相关(图 1) 非显著性正相关（图 2）3、显著负相关：X 增大时,Y 反而减

17、小，称为负相关。（见图 3）4、非显著性负相关：X 增大时,Y 反而减小,但减小的幅度不显著，此时宜考虑其它因素.（见图 4)1 12 2显著性负相关（图 3） 非显著性负相关（图 4） 5、无相关：X 与 Y 之间看不出有何关系；X6)12无相关（图 6） 无相关（图 5）6、曲线相关:X 开始增大时,Y 也随之增大，但达到某一特性值时，则当 X 增大时，Y 却减少。第六种手法直方图一、定义对同一类型的数据进行分组、统计，并根据每一组所分面的数据量画出柱状的图形。直方图是一处利用常态分布(也叫正态分布）的原理，把 50 个以上的数据用来分组，用柱形来 说明各组数据的个数而形成的一种图形。很多

18、我会认为柱状图就是直方图，这其实是错误的，因为它们之间有很大的区别：柱状图是利 用推移的原理，只反应过去每期或每类别项止的状况比较;而直方图是利用正态分布原理，反应这 整个时期的分布状况,并从中间找出可能的问题。二、作用1、测试制程能力，作为制程改善的依据；2、计算产品不良率；3、调查是否混有两个以上不同群体；4、测知分配形态；5、籍以拟定规格界限；6、与规格或标准值比较；7、研究所设计的管制界限可否用于管制制程；8、判定数据的真假，借以了解品质的真实状况.三、作成方法1、找出最大值与最小值2、计算全距：R=MaxMin=10。129。92=0。23、决定组数计算直方图所需采用的组数，用数学家

19、史特吉斯（Sturges）提出之公式,根据测定次数 n 来计算组数 k，其公式为：k=1+3.32LogN=1+3。32Log100=1+3。322=7。64注：当为小数时，组数必须取整，原则上可取舍小数字数，也可以在舍去小数字数之后加 1， 当数据个数小于 300 时,采用后一种。本案例中为了计算方便就取 8 组. 4、计算组距：计算各组组距公式为：组距=全距/组数=0.2/8=0。025 5、决定起始点值和终点值根据全体数据,定义起始点数值和终点数值:起始点数值=最小值测定值最小位数/2=9.920.01/2=9。915 终点数值=最大值测定值最小位数/2=10。12-0。01/2=10.

20、115 6、计算各组上下点和中点根据起始点数值、终点数值、组数、组距等数值,可以计算出各组的组界。第一组下界=起始点值=9.915第一组上界=第二组下界=起始点值+组距=9。915+0.025=9.94 第二组上界=第三组下界=第一组上界+组距=9。94+0.025=9.965第八组上界=终点数值=10。115根据各组之上下界，可以计算出各组之中心点： 各组中心点=（各组上界+各组上界）/2M1=（第一组下界+第一组上界)/2=（9。915+9.94）/2=9.9275M2=（第二组下界+第二组上界)/2=（9。94+9.965）/2=9.9525M8=（第八组下界+第八组上界）/2=（10。

21、090+10。115）/2=10.125以下为各组组界数值坐标图：9。915 9.94 9.965 9。99 10。015 10.04 10.065 10.09 10.1178A、将次数分配表图表化，以横轴表示数值的尺度，以纵轴表示次数；B、横轴及纵轴各取适当的单位长度，再将各组之办分别标在横轴上，各组界应为等距离；C、以各组内之次数为高，各组之组距为底,在每一组上画一矩形；D、在图的右上角记入数据数 n 及数据履历，并划出规格的上限及下限； E、完成直方图制作。四、图形判读:1、正常型（也称为理想型）:（如图 1 所示)说明：中间高、两边低，有集中趋势。结论：左右对称分配（常态分布），显示制

22、程在正常运转下. 1 ） （图2、偏态型：说明:高处偏向一边,另一边低，拖长尾巴，可分为偏左型、偏右型，统称为偏态分布。偏左型：例如成分含有高纯度的含有率时，不能取到某值以上的值时，所出现的形状。（如图 2） 偏右型：例如微量成分的含有率等，不能取到某值以上的值时，所出现的形状；(如图 3） 总结：此种状况是问题出现最多的,一般较好判断。通常有如下几种原因:AB、制程中已有一些小变异，并采取了一些有效的改善措施或小变异刚开始。图 2 图 33、绝壁型（也称切边型或断裂型）:（如图 4、5、6、7 所示） 说明：有一端被切断。结论:此状况对于品质要求较严时产生机率很高，一般会有如下几种原因导致此

23、状况:A、产品经过全检过，或制程本身经过全检后会出现的形状；B、在注塑和冲压制程中,当量测精度足够时，制程中模具有较大松动或磨损时也会出现此状况。C、当分析时间过长,而量测频率很小时，在分析总体状况有可能出现，如每 2334 1 2 74、双峰型（也称二山型）：（如图 8 所示）说明：有两个高峰出现。结论：此种状况的产生，在制造业中,最主要的原因一般为混合不同特性的数据， 一般有以下原因：A、有两种分配相混合，例如两台机台工两种不同原料间有差异时，会出现此种形状，因测定值受 不同原因的影响，应予层别后再作直方图；B、如除上面的原因外,且整个分布正好在规定要求之内，检验人员又是对正态分布有一部分

24、认知, 也有可能是做出的假数据，此处状况极少；C5说明：高低不一，有缺齿情形,不正常分配，系因测定值或换算方法有偏差,次数分配不妥当形成。结论:此种状况较难处理,也比较少机会出现，一般会有以下几种原因会产生此状况：A、作图时分组太多，这种机率很小；B、检验员对测定值有偏好现象，如对 5、10 数字之偏好; C、有一定经验的人员所做的不太好的假数据;D、测量仪器精密度不够,而品质又要求较精密,对量测的数据需要做适当的估计值时,也有可能； E、较多特性差异较大的数据参混在一起，如若有此原因，层别后再来分析。6、离岛型（也称二山脱离型）:（如图 10、11）说明:在右端或左端形成小岛。结论：此种状况

25、分析较容易，一般有以下几咱原因会产生此种情况：A、数据输入人员在输入的过程中有误输入，如把 10.01 输入成 10。1 或 1.01； B、在制程中有较少其它物料或原因混入,此种状况要立即查明，有利于做标准化的准确性,否则 不利于物料特性的分析；C、制作直方图的过程中，数据较少，且分组过多。此种状况应注意培训或采用专业工具软件来做， 以减少人为的失误；7、高原型（也称平顶型）：(如图 12） 说明：形如高原型。结论:不同平均值分配混在一起,应层别后再作直方图比较。一般出现的原因有以下几种：A、刚刚来不久做直方图的人员所作的假数据；B、检验人员在实际量测过程中,没有按要求量测个数，或规定量测的

26、数据太少或密度太多,如对 某个电子元件每次只量测两个(一般要求 45 个）；C、量测仪器设备精度不够,而且数据较多，如遇此项品质要求不严，应考虑此种状况减少抽样并 逐步放弃量测,如遇品质要求很严，必须立即考虑改善量测仪器设备；D、品质较一般,而且经过全检挑选的数据.8、不规则型（如图 13、说明：形状为不规则状态或几中状态混和起来。结论：一般不会出现此状态，如有，一般有以下几种原因：A、纯粹是不太熟悉正态分布之人员做出的假数据，一般为新手做的； B、直方图作法不对，如组数应用不对;C、数据太多或太少;五、作直方图应注意的问题：1、测定数据有无错误?有无混入其他不相关的数据;2、组距设定是否恰当

27、？应为测定单位的整除数；3、必要时，将数据重新细分后，再确认分布情况；4、尽可能多收集一些数据，至少 50 个以上;5、收集数据时，应该是随机的;6、异常分布时,必须采取对策，使数据处于正态分布。第七种手法-管制图（Control Chart)一、定义：因进行判定的定理,使生产处于稳定状态的一种序列图.也称为“控制图”、“管理图”,由于它是美国人休哈 特(Shewart)于 1942 年创立的，所以也有人称为“休哈特图。二、作用1、预测性：通过现有图形分析与判读可大概判断下一步可能的位置；2、能力分析：通过管制图，了解现有能力范围（3 以上的管制图,因为 1、2已无人采用）；3、对品质状况及时

28、掌控状况；4、可用来分析制程的改善效果：可设定制程采用某种方法或方式 的前中后几点, 就能得出方法或 方式的变化状况；5、与其它手法相结合，容易找到产生状况的原因：如结合层别法逐项看各生产线的品质状况，可了 解到问题出在哪一条生产线;6、得出各种周期，以利于产品制程品质制定标准：如注塑某型号产品,通过近一个月管制图分析，看到当某型号钢的模具每生产了 5 天就会松动,造成尺寸过大，这样就可以制订一个标准：当使45 ,1、计量值管制图所谓计量值管制图，系管制图所依据之数据均属于则量具实际量测出来的数据所A、平均值与全距管制图（X-R chart) 、平均值与标准差管制图(X chart）C、中位值

29、与移动全距管制图(XRm chart)： D、中位值与全距管制图(XRchart） 2、计数值管制图所谓计数值管制图是指管制图所依据之数据均属于单位个数或次数计算，如不良率、不良数、缺 点数、缺点率等。通常有以下几种管制图： A、不良率管制图(P-chart） B、不良数管制图 (NPchart） C、缺点数管制图（Cchart)D、单位缺点数管制图（Uchart） 四、管制图的作法1、交所有数据加起来的总和除以数据个数，得出平均数，即管制中心线； 2、 计 算 出 标 准 差 （） =(Xi/（N1） Xi 表示第几个数据X 表示平均数，即中心线 N 表示样本数注:当数据个数为 250 时，

30、可以直接除以 N，当数据个数为 50 以上时，用 N 1。 3、计算出管制界限 UCL=CL+3 LCL=CL3注：也可根据需要，用 4、5、6,在计算过程中要多保留一位小数.4、画出管制图:依照管制图上下限值与中心值画出三条等距平行线，线之间的距离为 3，上面为 管制上限（UCL），中间为管制中心线(CL)，下面为管制下限(LCL），再将各数据点依照各自 数值按顺序描点,再将相邻的两点用短线连接起来.作出每组数据的平均数的 3 管制图.X=(10.05+10.03+10.087+10.07+9.99+9。98+10.02+10）/40=10。001第二步：计算标准差。=X）2/（N1) =0

31、.033第三步:计算管制界限。CL=X=10。001UCL=CL+3=10。001+30.033=10。1 LCL=CL3=10.00130.033=9。902 第四步：画出管制图。 XbarChart10。01UCL10。001 UCL 。902五、管制图的判读：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，可很好地判断品质是否处于稳定或异常状态。1、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 个点都在管制线内;B、连续 35 个点中，只有 1 个点在管制线外; C、连续 100 个点中,只有 2 个点在管制线外.2、当点线走势满足以下条件时，判定为品质处于

32、异常状态:A、点落在管制线外，或刚好落在管制线上(要先考虑判稳条件）;B、点的排列不成随机态,有明显某一趋势，如以下情况：32点接近管制线73点接近管制线；104点接近管制线；d。 连续 11点中有 10点落在管制中心线的某一侧; e1412f. 连续 17 点中有 14 点落在管制中心线的某一侧；g. 连续 20 点中有 16 点落在管制中心线的某一侧； h。 连续 7 点上升或上降时，即非随机性排列;i。 当点线呈有规律的周期性波动时。判定品质异常后，最为重要的查明原因，消除造成的不良影响因素，使品质恢复稳定状态。备注:1、当品质特性呈正态分布时,所设定的管制线不同，任意测定所得的值，其2、如果点落在管制线外，不论是正常还是异常，均要作上记号,注明发生的原因和处理方法。总论：QC 七大手法的效果采用 QC 七大手法的直接效果：1、产品品质（狭义）得以稳定,并能提高；2、