品管手法运用教材 1

品管手法运用一、前言品质管制，乃依据消费者之需求导向，掌握消费者及其所要求,利用公司之技术能力促使产品价廉物美、安全无虞、准时交货的具体实现。

因此，公司每位员工须在自己的岗位，应具备品质意识、问题意识、危机意识、改善意识、寻求本身工作方法或推广方法之缺失，谋求改善，在全员努力之下来满足顾客需求与社会之要求，其管理方法（手段）为应用统计之手法或观念。

统计是采取[根据数据与事实发言]的管理方法，除了客观判断事实外，亦应具有相当合理的说服力。

而在QC活动中所采取的统计手法，均极为简易，即一般所谓的“QC七大手法”。

二、QC七大手法浅谈QC七大手法之使用情形，可归纳如下：1.根据事实、数据发言－－图表（Graph）、查检表（Check List）、散布图（Scatter Diagram）。

2.整理原因与结果之关系，以探讨潜伏性之问题－－特性要因图（Characteristic Diagram）。

3.凡事物不能完全单用平均数来考虑，应了解事物均有变异存在，须从平均数与变异性来考虑－－直方图（Histogram）、管制图（Control Chart）。

4.所有数据不可仅止于平均，须根据数据之来龙去脉，考虑适当分层－－层别法（Stratification）5.并非对所有原因采取处置，而是先从影响较大的2~3项采取措施，即所谓管理重点－－柏拉图（Pareto Diagram）。

三、QC 改善步骤与QC 手法步骤1 相 关 层 别 管制图四、数据与图表1、 数据 = 事实（根据事实经判断后再采取行动）残 留 问 题 图表（推移图）步骤7RX管 制 图查 检 表1 2 3 4 5 6+3+2 / /+1 // / / / // 0 / //// // /// // ///-1 / / // -2-32、应用数据须注意的重点：(1)搜集正确可用的数据(2)避免个人主观的判断(3)掌握事实的真相3、整理数据的原则：(1)发生问题而要采取改善对策前，必须有数据作为依据(2)对于数据使用目的应清楚了解(3)当数据搜集完成后，应立即使用它(4)数据的整理与运用，改善前、改善后所具备的条件应一致(5)数据不可造假，否则问题将永远无法解决4、图表之功用：(1)利于多种复杂现象的相互比较，可供分析研究之用(2)费甚少时间可得明确的概念(3)对于专门知识不足的人，亦可得到了解(4)表示事务间的关系时，图表较文章可以使阅者印入脑海(5)利用于演讲、宣传或广告时，予阅者深刻印象(6)有时可用插补法近似值。

(7)可供预测用五、查检表1、查检表：点检用查检表：确认检核作业过程中的状况，防止作业疏忽或遗漏记录用查检表：搜集计划资料应用于不良原因和不良项目记录亦称改善用查检表2、查检表制作要点：查检表的制作，可任意配合需求目的而作更改，故没有特定之形式，但仍有几项重点是制作时特别留意的。

(1)并非一开始，即要求完美，可先行参考他人的范例，模仿出新的，使用时如有不理想，再行改善。

(2)愈简单愈好，容易记录、看图，以最短的时间将现场的资料记录下来(3)一目了然，查检的事项应清楚陈述，使记录者在记录问题的同时，即能明了所登记的内容。

(4)以Team work的方式，大家集思广益，切记不可遗漏重要项目(5)设计不会令使用者记录错误的查检表，以免影响日后统计分析作业的真实性3、查检表应用：查检表的制作完成后，要让工作场所中的人员（使用者）了解，并且做在职训练，而在使用查检表时应注意下列事项并适时反映。

(1)搜集完成之数据应立即使用，并观察整体数据是否代表某些事实？(2)数据是否集中在某些项目，而各项目间之差异为何？(3)某些事项是否因时间的经过而有所变化？(4)如有异常，应马上追究原因、并采取必要之措施。

(5)查检的项目应随着作业的改善而改变。

(6)现时现物现地的观察要细心、客观。

(7)由使用的记录即能迅速判断，采取行动。

(8)查检责任者，明确指定谁来做，并使其了解收集目的及方法。

(9)搜集的数据应能获得层别的情报。

(10)数据搜集后，若发现并非当初所设想的，应重新检讨再搜集之。

(11)查检之项目，期间计算单位等基准，应一致方能进行统计分析。

(12)尽快将结果呈报您要报告的人，并使相关人员亦能知晓。

(13)数据的搜集应注意样本取得之随机性与代表性。

(14)对于过去、现在及未来的查检记录，应适当保管，并比较其差异性。

(15)查检表完成后可利用柏拉图加以整理，以便掌握问题重心。

4、范例：六、散布图即是将因果关系所对应变化的数据分别点绘在X-Y 轴坐标的象限上，以观察其中的相关性是否存在。

1、散布图注意事项：1.1是否有异常点：有异常点时，不可任意删除该异常点，除非异常的原因已确实掌握。

1.2是否需层别：数据的获得常常因为作业人员、方法、材料、设备或时间等的不同，而使数据的相关性受到扭曲。

A 、全体时低度相关，层别后高度相关。

Y Y YB 、全体时高度相关，层别后低度相关。

Y Y Y1.3散布图是否与固有技术、经验相符：散布图若与固有技术经验不相符时,应追查原因与结果是否受到重大因素干涉。

2、散布图的判读：依散布图的方向、形状、有以下数种相关情形： 2.1完全正（负）相关：点散布在一直线上。

2.2高度正（负）相关：原因（X ）与结果（Y ）的变化近于等比例。

X=> X+XX=> X+XX yx xx x x x x x xx x x xx x x x x x x x xY Y2.3中度正（负）相关：原因（X ）与结果（Y ）的变化仍然近于等比例。

Y Y2.4低度正（负）相关：原因（X ）与结果（Y ）的变化几乎已不成比例。

Y YY2.5无相关：原因（X ）与结果（Y ）的变化完成全不成比例。

2.6曲线相关：原因（X ）与结果（Y ）的变化呈曲线变化。

七、层别法Xx x yx Xyx x XyxX-29-对所收集之数据因各种不同之特征而对结果产生之影响，而以各别特征加以分类统计，此类统计分析的方法即所谓层别法。

层别法之主要功能为：透过各种分层收集数据以寻求不良原因之所在或最佳条件以作为改善品质之有利手法。

1、 层别法使用注意事项：1.1实施前,首先确定层别的目的——不良率分析?效率之提升?作业条件确认？……1.2查检表之设计应针对所怀疑之对象设计之。

1.3数据之性质分类应清晰详细载明之。

1.4依各种可能原因加以层别,至寻出真因所在。

1.5层别所得之情报与对策相连接，并付诸实际行动。

2、 层别法之运用范例：2.1 直方图之层别：(超出规格甚多且非常态分布)2.2柏拉图之层别：SL SUB 生产线值均于规格内，但A 、C 生产线部份落于规格外，故吾人于改善时就以A 、C 两条生产线为改善重点；而A 生产线应提升其值，C 生产线应降低其值。

<— SLSU-30-因n=5000 np=100件 P=2.0%累积比例n=6000 np=70件 P=1.2%(改善后)(改善前)100%100%八、直方图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值依所出现的次数累积而成的面积，用柱子排起来的图形。

1、直方图使用目的：1.1了解分配的型态1.2研究制程能力或测知制程能力1.3工程解析与管制1.4测知数据之真伪1.5计划产品之不良率1.6求分配之平均值与标准差1.7藉以订定规格界限1.8与规格或标准值比较1.9调查是否混入两个以上的不同群体1.10了解设计管制是否合乎制程管制2、直方图之型态及判读:2.1正常型说明:中间高,两边低,有集中趋势.结论:左右对称分配(常态分配),显示制程在正常运转下.2.2缺齿型（凹凸不平型）说明:高低不一,有缺齿情形。

不正常的分配，系因测定值或换算方法有偏差，次数分配不妥当所形成。

结论:稽查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，亦有此情况。

2.3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过，或制程本身有经过全检过，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。

2.4离岛型说明:在右端或左端形成小岛。

结论:测定有错误，工程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，即可合乎制程要求，制出合规格的制品。

2.5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，应层别之后再做直方图比较。

2.6双峰型说明:有两个高峰出现。

结论:有两种分配相混合，例如两部机器或两家不同供应商有差异时。

-32-2.7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。

3、 直方图的应用3.1测知制程能力，作为改善制程的依据自制程中所搜集的数据，经整理成为次数分配表，再绘成直方图后，即可由其集中与分散的情形来看出制程的好坏。

直方图的重点在于平均值（X ）的所在，经修匀后的分配如为常态分配，则自弯曲点中引一横轴之平等线，可求得表现差异性的标准差（б）。

良好的制程，平均数应接近规格中心，标准差则愈小愈佳。

3.2计算产品不良率品质改善循环活动中，常需计算改善活动前、中、后之不良率，藉以比较有无改善成效。

其不良率可直接自次数分配表中求得；亦可自直方图中计算出来。

例如：某产品之重量直方图如图示，其规格为35±3（g ）。

由图与规格界限比较，可知在规格下限以下的有35件，超出规格上限的有64件，合计有99件，占总数307件之32.25%，即不良率为32.25%。

3.3测知分配型态（由直方图之形状，得知制程是否异常）。

3.4藉以订定规格界限在未订出规格界限之前，可依据所搜集编成之次数分配表，测知次数分配是否为常态分配；如为常态分配时，则可根据计算得知之平均数与标准差来订出规格界限。

一般而言，平均数减去3个标准差得规格下限，平均数加上3个标准差则得规格上限；或按实际需要而订出。

3.5与规格或标准值比较要明了制程能力的好坏，必须与规格或标准值比较才可显现出来；一般而言，我们希望制程能力（直方图）在规格界限内，且最好制程的平均值与规格的中心相一致。

SL SU 5040 3020 10293031 32 33 34 35 36 37 38 39 40 41 4281215 20 30 40 5038 30 28106203.5.1合乎规格a、理想型制程能力在规格界限内，且平均值与规格中心一致，平均数加减4倍标准差为规格界限。

制程稍有变大或变小都不会超过规格值，是一种最理想的直方图。