六西格玛分析阶段 识别潜在的根本原因培训教材
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
16
目标:
识别造成缺陷或问题的根本原因.
主要内容:
- 因果图 - 树图 - 因果矩阵
17
因果图
因果图是识别根本原因非常有用的工具,又称为石川图、鱼骨图等,有很多不同 的使用途径。因果图是一种用于分析质量特性(结果)与可能影响质量特性的因 素(原因)的一种工具。
因果图可识别问题的根本原因,从而可采取纠正行动以消除再次发生的可能性。
Individual Value
I Chart for C6
UCL=15.77
Mean=9.561
10
Observation Number
LCL=3.349 20
Individu laV laue
C1 20
10
0 0
I Chart for C4 by C5
C2
UCL=24.50
Mean=14.04
10
累计百分比
45
75
40
65%
35
30
25
40%
20
15
50
运
输
25
投
10 5
诉
0
0
压坏 错误 数量 潮湿 其它
11
练习
•打开Minitab
•打开练习文件A01-PARETO.MTW
12
Count Percent
•输出图表
Pareto Chart of 缺陷
100 400
80 300ቤተ መጻሕፍቲ ባይዱ
60
200 40
19
因果图作成要领
• 确定分析的主要问题(Y) • 主要支架上输入5M+1E或选定的具有代表性的类型 • 对每个类型进行更细致的分析(头脑风暴法、树图分析法等) • 确认有无遗漏的内容
类型(原因)
① 1次原因
3次原因 ③ 2次原因 ②
特性(结果)
20
事例: 测量误差的原因分析
机
固定装置 零件的磨损 使用便利性
3
一.数据分层
4
数据分层的概念及方法
实际的问题往往复杂,为分解、放大信息,从而抓住其中主要问题, 往往将构成集团的问题(data)按某种特性分成几个子集团,并把握 其对质量的影响程度。
区分 时间
人 设备 方法/条件 原材料 测量
层别方法 时间, 日, 星期, 上/下午, 白/夜班, 月初/中/末 等 个人, 班, 熟练度, 班次, 性别, 年龄, 阶层 等 加工设备, 过程, 新/旧设备, 备品 等
20
30
Observation Number
LCL=3.575 40
8
如何建立排列图
1. 确定将要使用的数据。 2. 根据业务问题, 选择合适的分类方法,将数据进行分类。在上例中, 是按照业务步骤来分类。其
它比如:班次、地点、设备、操作者等可作为分类类别。 目的是“查找主要问题”。 注意:有些分类可能不一定会产生“重要的少数”。检查柏拉图的形状,一个平坦的柏拉图,也就是 所有类别都有相同的百分比,这意味着要对数据进行另外不同方法的分类。 3. 从左边按降序画成柱状图表。
1
80
300
60
200
抓痕、污染两项
不合格占整体缺
40
100
陷的80%
20
0 缺陷
抓痕
污染
0
碎片
弯曲
其他
Other
Count
274
59
43
19
10
18
Percent
64.8
13.9
10.2
4.5
2.4
4.3
Cum %
3 6 4 . 8
78.7
88.9
93.4
95.7
100.0
15
二.识别潜在根本原因
标准件 量产件 合格件
测量位置 测量次数 测量条件
人
心情,感觉,气氛
分辨力
温度/湿度 灰尘/噪音 振动/照度
熟练度
测量误差
料
法
环
注意:要分析到末端原因!!!
21
树图
•树图是识别根本原因的有效工具之一,又称为5-why、系统图、解因图等 •它从问题出发,按照其产生问题的直接原因层层展开,
直达可以采取措施为止(即潜在的根本原因)。
10
排列图的分级(分层)
如图所示, 通过排列 图的分级, 会帮助你 将重点放在缺陷的主 要原因上。
一个两级 的排列图
投诉数量
投诉数量
120
100
110
客
100
90
75
户
累计百分比
80 70
服
60 50
50
务
40 30
25
投
20 10
诉
0
0
率
运输 安装 交付 文案 其它
60
100
55
90%
50
80%
温度, 压力, 速度, 方法, 场所, 气温, 天气, 湿度, 照明度 等
买入处, 买入时间, 品牌, 批次, 成分, 大小 等 实验设备, 测量设备, 检验员, 检验方法, 测量方法 等
6
例:将流程数据按两个不同的分厂进行分层(续)
17
12
7
从流程数据的单值图看不出什么, 2 0
但若将流程数据按两个分厂进行分层, 从分层的数据能看出什么吗?
100
20
0 缺陷 Count
0
抓痕
污染
碎片
弯曲
其他
Other
274
59
43
19
10
18
Percent
64.8
13.9
10.2
4.5
2.4
4.3
Cum %
64.8
78.7
88.9
93.4
95.7
100.0
14
Count Percent
•排列图分析方法<例>
2
Pareto Chart of 缺陷
100 400
为什么在毛细管内有沉积物? 清洗管子时没有清洗掉
为什么清洗不掉? 使用的洗涤剂效果不好
为什么洗涤剂效果不好? 洗涤剂的配方对毛细管内 的这种沉积物无效
24
©中国质量协会版权所有 www.CAQ.org.cn 010-66022026
六西格玛黑带分析阶段培训第一部分
识别潜在的根本原因
中国质量协会
1
1.1确定顾客关键要素 1.2确定项目范围 1.3完善项目授权书
3.1识别潜在根本 4.1产生、评估改进 5.1制定和实施
原因
方案
计划
3.2筛选、验证根本 4.2实施改进方案 5.2项目成果
原因
4.3验证改进方案
2
识别潜在根本原因任务内容 一.数据分层 二.识别潜在的根本原因 三.面向X‘s的数据收集计划
Why?
Why?
Why? Why?
X11
X1
X12
X13 Y
X2
X21
X22
X111 X112 X121
…
X2 X2
…
X1111 X1112 X1121
…
22
例:问3-5个为什么,识别潜在的根本原因 问题:焊接到膜盒上的一根毛细管发生了泄露
为什么会泄露? 焊接密封不好
为什么焊接的密封不好? 在毛细管内有沉积物
因果图由字符和直线组成,显示了结果和原因间的因果关系。
原因
主要 问题
结果
因果图可以帮助团队达成对问题的共识,并揭示了问题的潜在可能因素.
18
因果图 – 用途
分类整理型
对模糊的因果关 系进行整理, 图 表化, 分析问题 为使用目的
查找原因型
为深入进行问题 分析, 找出隐藏 的真正的原因
检讨对策型
将已经掌握、控 制的原因进行排 除, 找出因果关 系的同时,对相 应对策进行检讨
目标:
识别造成缺陷或问题的根本原因.
主要内容:
- 因果图 - 树图 - 因果矩阵
17
因果图
因果图是识别根本原因非常有用的工具,又称为石川图、鱼骨图等,有很多不同 的使用途径。因果图是一种用于分析质量特性(结果)与可能影响质量特性的因 素(原因)的一种工具。
因果图可识别问题的根本原因,从而可采取纠正行动以消除再次发生的可能性。
Individual Value
I Chart for C6
UCL=15.77
Mean=9.561
10
Observation Number
LCL=3.349 20
Individu laV laue
C1 20
10
0 0
I Chart for C4 by C5
C2
UCL=24.50
Mean=14.04
10
累计百分比
45
75
40
65%
35
30
25
40%
20
15
50
运
输
25
投
10 5
诉
0
0
压坏 错误 数量 潮湿 其它
11
练习
•打开Minitab
•打开练习文件A01-PARETO.MTW
12
Count Percent
•输出图表
Pareto Chart of 缺陷
100 400
80 300ቤተ መጻሕፍቲ ባይዱ
60
200 40
19
因果图作成要领
• 确定分析的主要问题(Y) • 主要支架上输入5M+1E或选定的具有代表性的类型 • 对每个类型进行更细致的分析(头脑风暴法、树图分析法等) • 确认有无遗漏的内容
类型(原因)
① 1次原因
3次原因 ③ 2次原因 ②
特性(结果)
20
事例: 测量误差的原因分析
机
固定装置 零件的磨损 使用便利性
3
一.数据分层
4
数据分层的概念及方法
实际的问题往往复杂,为分解、放大信息,从而抓住其中主要问题, 往往将构成集团的问题(data)按某种特性分成几个子集团,并把握 其对质量的影响程度。
区分 时间
人 设备 方法/条件 原材料 测量
层别方法 时间, 日, 星期, 上/下午, 白/夜班, 月初/中/末 等 个人, 班, 熟练度, 班次, 性别, 年龄, 阶层 等 加工设备, 过程, 新/旧设备, 备品 等
20
30
Observation Number
LCL=3.575 40
8
如何建立排列图
1. 确定将要使用的数据。 2. 根据业务问题, 选择合适的分类方法,将数据进行分类。在上例中, 是按照业务步骤来分类。其
它比如:班次、地点、设备、操作者等可作为分类类别。 目的是“查找主要问题”。 注意:有些分类可能不一定会产生“重要的少数”。检查柏拉图的形状,一个平坦的柏拉图,也就是 所有类别都有相同的百分比,这意味着要对数据进行另外不同方法的分类。 3. 从左边按降序画成柱状图表。
1
80
300
60
200
抓痕、污染两项
不合格占整体缺
40
100
陷的80%
20
0 缺陷
抓痕
污染
0
碎片
弯曲
其他
Other
Count
274
59
43
19
10
18
Percent
64.8
13.9
10.2
4.5
2.4
4.3
Cum %
3 6 4 . 8
78.7
88.9
93.4
95.7
100.0
15
二.识别潜在根本原因
标准件 量产件 合格件
测量位置 测量次数 测量条件
人
心情,感觉,气氛
分辨力
温度/湿度 灰尘/噪音 振动/照度
熟练度
测量误差
料
法
环
注意:要分析到末端原因!!!
21
树图
•树图是识别根本原因的有效工具之一,又称为5-why、系统图、解因图等 •它从问题出发,按照其产生问题的直接原因层层展开,
直达可以采取措施为止(即潜在的根本原因)。
10
排列图的分级(分层)
如图所示, 通过排列 图的分级, 会帮助你 将重点放在缺陷的主 要原因上。
一个两级 的排列图
投诉数量
投诉数量
120
100
110
客
100
90
75
户
累计百分比
80 70
服
60 50
50
务
40 30
25
投
20 10
诉
0
0
率
运输 安装 交付 文案 其它
60
100
55
90%
50
80%
温度, 压力, 速度, 方法, 场所, 气温, 天气, 湿度, 照明度 等
买入处, 买入时间, 品牌, 批次, 成分, 大小 等 实验设备, 测量设备, 检验员, 检验方法, 测量方法 等
6
例:将流程数据按两个不同的分厂进行分层(续)
17
12
7
从流程数据的单值图看不出什么, 2 0
但若将流程数据按两个分厂进行分层, 从分层的数据能看出什么吗?
100
20
0 缺陷 Count
0
抓痕
污染
碎片
弯曲
其他
Other
274
59
43
19
10
18
Percent
64.8
13.9
10.2
4.5
2.4
4.3
Cum %
64.8
78.7
88.9
93.4
95.7
100.0
14
Count Percent
•排列图分析方法<例>
2
Pareto Chart of 缺陷
100 400
为什么在毛细管内有沉积物? 清洗管子时没有清洗掉
为什么清洗不掉? 使用的洗涤剂效果不好
为什么洗涤剂效果不好? 洗涤剂的配方对毛细管内 的这种沉积物无效
24
©中国质量协会版权所有 www.CAQ.org.cn 010-66022026
六西格玛黑带分析阶段培训第一部分
识别潜在的根本原因
中国质量协会
1
1.1确定顾客关键要素 1.2确定项目范围 1.3完善项目授权书
3.1识别潜在根本 4.1产生、评估改进 5.1制定和实施
原因
方案
计划
3.2筛选、验证根本 4.2实施改进方案 5.2项目成果
原因
4.3验证改进方案
2
识别潜在根本原因任务内容 一.数据分层 二.识别潜在的根本原因 三.面向X‘s的数据收集计划
Why?
Why?
Why? Why?
X11
X1
X12
X13 Y
X2
X21
X22
X111 X112 X121
…
X2 X2
…
X1111 X1112 X1121
…
22
例:问3-5个为什么,识别潜在的根本原因 问题:焊接到膜盒上的一根毛细管发生了泄露
为什么会泄露? 焊接密封不好
为什么焊接的密封不好? 在毛细管内有沉积物
因果图由字符和直线组成,显示了结果和原因间的因果关系。
原因
主要 问题
结果
因果图可以帮助团队达成对问题的共识,并揭示了问题的潜在可能因素.
18
因果图 – 用途
分类整理型
对模糊的因果关 系进行整理, 图 表化, 分析问题 为使用目的
查找原因型
为深入进行问题 分析, 找出隐藏 的真正的原因
检讨对策型
将已经掌握、控 制的原因进行排 除, 找出因果关 系的同时,对相 应对策进行检讨