QA七大工具使用详解

第六种手法：分层法
概念： 分层法是指：按某一线索，对数据进行 分门别类、统计的方法，也有人称之为“层 别法”。
作用： 寻找出数据的某项特性或共同点，对现 场中的即时判定有帮助。
操作步骤： ① 确定分层线索，即按什么条件进行分层。 A．按作业人员分：熟练与非熟练、性别、工作班次。 B．按材料分：不同供应商、不同生产批次、不同模 号、不同规格。 C．按作业方法分：对策前和对策后、标准作业和非标 准作业。 D． 按设备分：校正前和校正后、不同设备。 E． 按环境分：不同车间、不同季节、不同时间段。
②设定组数，并计算全距、组距、组界、中心值。 A．组数（K）：K=√N B．全距：代号为R，即随机收集数据中最大值 与最小值的差，也称之为极差。最大值 的代号为La，最小值为Sm，那么： R = La－Sm。 从上表中可得知，R=3044-2957=87 Hz
C．组距(H)：等分各组的宽度，其公式如下所 示： H=(La－Sm)/K=R/K 组距H = 87/8=10.87≈11 HZ
第二种手法：因果图
概念： 因果图是指：用树状结构画出事物因果关系 的图。
起源： 日本人石川馨教授1952 年在指导川崎制铁 的葺合工场品质对策时首先提出的，所以有 人称之为“石川图”，又由于它的形状像鱼 的骨头，也有人称之为“鱼骨图”、“鱼刺 图”。
作用： 将影响品质的诸多原因一一找出，形成因果 对应关系，多层次地绘制在同一张图内，使 人一目了然，对于正确决定对策方案具有很 大的帮助。
QC七大手法简介
排列图 因果图 散布图 直方图 控制图 检查表 分层法
第一种手法：排列图
概念： 排列图是指：将问题的原因或是状况进行分 类，然后把所得的数据由大到小排列后， 所绘出的累计柱状图。
起源： 它是由意大利经济学家巴雷特（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”或“柏拉图”。 后来由美 国人裘兰博士（Joseph Juran）加以推广 使用
作用： 弄清众多数据的分布状态，了解总体数 据的中心和变异，并以此推测事物今后的发 展趋势。直方图不仅可用于品质分布状况的 分析，还可以用来计算工序能力是否足够， 工序不合格品率有多少等方面。
操作步骤：
①确定需要品质分析的项目，随机收集50 个以上同一类 型数据。 例如，为了了解某厂DH 视盘机光盘转带的分布情况， 经过测定，获得以下数据：
③设定坐标系，填上坐标值，坐标值要能反映 最大、最小数据。左纵坐标为不良台数， 右纵坐标为不良率累计百分比，横坐标为不 良项目。 ④按数据多少，绘出柱状图，并在其X 轴下方 记入项目。见下例：
⑤计算各项目所占比例，累计后将其值记入坐 标系中。 ⑥将各比例点连接起来，一直到100%。 DH录像机3月份不良排列图 ⑦记入图名、作成者、长、作成时间等相关内 容后，就算完成了。见下例：
裘兰8020 原则： 8020 原则的品质问题有80%是出至于管理 人员，20%是指：产品出至于作业人员
作用： 由于管理力量也是有限的，不可能一次性解 决所有的品质不良，在现场众多的品质不 良中，找出关键的前几名，这就是今后管理 工作的重点
操作方法： ①列出在某一段时期内的所发生的不良项目， 及其相对应的数据。 ②按数据大小，排列不良项目。见下例：
综上所述，全距、组数、组界、中心值等的 相互关系如下图所示：
③统计符合各组值的数据次数，每一个数据为一次。 第一组的下界＝下限值－测定单位/2＝2957－ 1/2=2956.5 Hz，其它各组界如下：
④按横坐标为数据特性值，纵坐标为数据的次 数值，建立坐标系。 ⑤按每一组数据次数的多少在坐标系里画出直 柱图。 ⑥记入图名、作成者、长、作成时间等项目。
通过排列图，可以很直观地看出，头4 位不良，占了总不良 的80%以上，根据“抓大放小、针对关键”的原理，2001 年4 月起的主要管理重点，应为头4 项，而其它3 项则暂不 予理会。
实战时盲点注意：
① 排列图不仅是一份事后总结表，而且还提醒你今后的重点是 什么。 ② 在现场管理活动中，排列图通常在不良品的等级、种类、数 量、损失金额、原因的分类、分析上用的较多。 ③ 重点管理占80%的前几项不良，其它剩余的项目并非全然不 予理会，只是暂不理会。当前几项大不良铲除后，后几位又 升上来，成为必须重点对策的不良。 ④ 其他一栏的数据一般不能超过20%，否则便要再往下细分。 ⑤ 用EXCEL 软件，借助提示，可以很轻松地完成。此表至少要 求拉长、班、组长以上管理人员要熟练掌握。
根据述数据可画得以下直方图：
从上图中可以看出整体平均值略微右偏，但整体分布仍为常态分布， 工序正常。有了直方图，还可以进一步计算工序能力是否足够，
实战时盲点注意:
②除了正态分布之外，其他都可视为异常，需要引起管理人 员的高度重视。 A．测定数据有无错误？有无混入其它不相关的数据？ B．组数、组距、组界的设定是否恰当？ C．必要时，将数据重新细分后，再确认一次分布情况。 ③尽可能多收集一些数据，至少50 个以上。 ④收集数据时，应该是随机的。 ⑤分布异常时，必须采取对策，使数据恢复正态分布。如果 因为某种不可抗拒的原因， 生产一开始数据就处于异常分布的话，那么要密切留意有无 恶化。
③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。 ④如此反复，直至所有支干和最终一层原因写 出为止。 ⑤记入图名、作成者、长、作成时间等项目。 如下例：
例如，经过调查某厂DH 视盘机占不良首位的抖晃，主要是由以下几 个方面的原因造成：P 卷轴压入不良、C 齿轮崩缺、测试标准带 精度不足……。
操作方法： ①列出品质发生不良或变异的项目。 ②画出4M1E （人员、设备、材料、作业方法、作业环境）5 条支 干或者只画出相关的 支干。 4M1E法指 Man（人） Machine(机器)， Material(物) Mothod(方法) Environments (环境 ) 如下例：
例如某厂DH 视盘机2001 年3 月份，工序 内最大不良为抖晃。
③ 将相对应的两个变量，以点的形式标上坐标 系。 ④ 必要时将前后二个点连接起来，便于观察。
⑤ 记入图名、作成者、长、作成时间等项目。 从图中可以看出，随着连续运转时间的加大，光盘转动速度 呈现明显的下降态势，即二者的内在关系为负相关。
实战时盲点注意： ①两组变量的对应数据至少要收集30 组以上， 最好有50 个。 ②当坐标上两点重叠时，以⊙作记号，三点 重叠时以◎作记号。
D．组界：分组后，各组数据之间的界限值。 为了避免数据与组界重叠而造成分组困难， 组界单位通常取测定单位的1/2，即比测定单位的精度 高1 倍。其计算方法如下：
第二组的下组界以此类推，算出各组界之数值。
E．中心值（Xi）：每一组数据中间的数值 （前后二个组界之间的中心值），也称中值、 代表值，其计算公式如下：
稳定状态是指：生产过程中导致不良发生的因 素中没有异常因素而只有偶然因素，不良 率极低， 生产活动处于稳定的状态，也有人称之为“受控状 态”。
控制图的基本作法是将采样所得的品质数值经过换 算后，以点的形式画在预先准备好的图表上。排除 偶发因素，如果点的分布在控制界线内的话，则表 明工序得到有效控制，反之，则表明工序异常或失 去控制。
从图中可以看出，每一支干的结果都是由于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。

实战时盲点注意：
①尽可能多听取第一线管理人员、技术人员、作业人员的意见，从中筛选出相关 的原因。 ②要记入事实因果关系，不可以想当然地捏造出因果关系来。 ③当因果支干关系太多时，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因果图只告诉你问题的原因在哪，不会告诉你哪一个更重要，哪一个需要优先 处理，哪一个可以缓一缓，因此要结合其他QC 手法，才能发挥最大作用。 ⑦不仅是工厂的品质管理，因果图在其他行业也有很广阔的用途。 除了因果图之外，石川馨教授的9010 概理也在管理界得到许多认同，9010 概理是指：QC 小组虽然风行各种企业的管理活动之中，但是充其量只能解 决10%的品质问题，剩下的90%需要通过管理人员来解决。
第七种手法：控制图
概念： 控制图是指：用统计方法分析品质数据 的特性，并设置合理的控制界线，对引起品 质变化的原因进行判定和管理，使生产处于 稳定状态的一种时间序列图，有人称为“管 制图”“管理图”，由于它是由美国人休哈 特（Shewart）于1924 年创立的，所以也 有人称之为“休哈特图”。
第五种手法：检查表
概念： 检查表是指：以表格的形式，对数据进 行简单整理和分析的一种方法，也有人称之 为“调查表”、“统计分析表”、“查核 表”。
作用： 简便、直观地反映数据的分布情况。多 于数据无需二次分析的场合，如品质部门的 每日检查报告。
操作步骤： ①确定检查对象、检查者、检查时间等。 ②将检查项目记入表中，必要时可利用图示 说明。 ③将相关的检查数据记入表中。 ④记入作成者、长、作成时间等项目
Biblioteka Baidu
③通过图形，可以看出二个变量之间的三种内 在关系。
当50 个数据全部都标注出来时，不会是一 条单一明了的曲线，而是一大堆密密麻麻的 黑点，此时要看清总体趋势如何。
第四种手法：直方图
概念：
直方图是指：对同一类型的数据进行分组、 统计，并根据每一组所分布的数据量画出柱 子状的图，也称“柱状图”，“品质分布 图”。
第三种手法：散布图
概念：
散布图是指：以点的形式在坐标系上，画出两个对应变量之间 的内在关系的图，也有人称之为“散点图”、“相关图”。两 二对应变量之间的关系主要有正相关、负相关、不相关等三种。 正相关是指：随着某一变量的增大，另一变量也随之而增大。 负相关是指：随着某一变量的增大，另一变量却随之而减小。 不相关是指：不论其一变量怎么变化，另一变量不呈现对应关 系。
作用： 用于确认两个变量之间，是否存在某种内在 的必然关系，有助于判明因果关系的真假。 在进行品质不良原因分析时，此图是排除法 中必用的。
操作方法： ① 确定要调查的两个变量，收集相关的最新 数据。 ② 设定坐标系，将两个变量分别写入X 轴Y 轴。
例如，为了确认某厂DH 视盘机在连续30 小时运转后，其光盘转动速度是否会发生改 变，那么二个变量分别为时间和速度。
② 确定该分层条件所对应的范围。 ③ 统计符合各分层条件的数据。
例如某厂DH 视盘机按材料不良进行分类，所得数据统计如下：
从表中可以看到2001/1/4 至15/4 每天不良的发生情况。 ④记入图名、作成者、上长、作成日期等事项。
实战时盲点注意： ① 分层法只提供简单的数据分布状态，不容 易记忆，也不会告诉你二次原因、三次原 因到底在哪。 ② 通常在品质不良跟踪时用到该手法。 ③ 与其它QC 手法结合使用，效果更佳。
例如，某厂DH 视盘机2001/4/1 的生产经QC 例行检查后，发现一 些不良品，经过整理，得到以下检查表。
从表中可以清楚地知道DH 视盘机当天的品质状况如何。
实战时盲点注意： ①该表多用于产品品质相对稳定时的维持管 理上，当产品品质尚不稳定，不良多发 时，仅用此表是不够的。 ②表的格式因行业的不同而千差万别，无需 追求统一，只要实用就可以。 ③ 向其它部门反馈数据情报时，如果附有实 物的话，则更具有说服力。
1．常用的控制图有以下几种：
计量值是指：品质特性值可以测取所定范围内 的任何一个可能的数值，即数值的梯度变化可以被 连续测取的数值，如压力、温度、几何尺寸等数值。 计数值是指：品质特性值只能取一组特定的数 值，而不能取这些数值之间的数值，即数值的梯度 变化不能以连续方式测量，而只能以个数或百分率 来表示的数值。计数值可进一步 分为计件值和计点值。计件值是指产品进行按件检 查时所产生的属性，如一批产品中的合格数、不良 品数等；计点值是指每件产品中品质缺陷的个数， 如外观暇疵点数，功能失效项目数。