qc七大手法之控制图(中英文版)(pdf 149页)
QC七大法-管制图
管制圖(Control chart)一、管制圖的定義一種以實際產品品質特性與根據過去經驗所判明的制程能力的管制界限相比較而以時間順序用圖形表明者;用統計的方法,將搜集的資料計算出所管制界限,隨時將樣本記錄計算點入管制圖內,以提醒操作人員之注意,如發出有超出界限之外的點,或異常現象時,立即自行設法改善工作,以免發生意外。
二、管制圖與其他統計的不同點其與一般統計圖之不同,在於不僅將數值以曲線表觀察趨勢,且能顯示變異是機遇或非機遇,以指示現象是否正常,從而採取適當措施;它即決定製造工程所可能達到之目標或標準,又被用作是達到目標之工具,並可籍此判斷目標是否達到,從而,從"設計、製造、檢驗"三個階段的工作連成一體是工廠生產工作方面最有效調之工具。
三、簡史1、1924年由美國品管大師舒華特(Shewart)發明;2、1931年舒華特發表"品質的經濟控制"管制圖基礎;3、40年代英美將管制圖引進工廠,41~42年(二戰期間)美國制定強制戰時規格(SQC)主要內涵;4、1950年日本邀戴明博士(Deming)講習管制圖;(品質管制研究委員會)5、54~59年,X-R(P,Pn,C)Chart作法,使用法及不斷完善。
四、名詞解釋1、規格界限: 是製造者在工廠中使用者,或者是購買者收受訂貨時以之作為檢驗各個製品之根據。
規格界限之一個代表性例子,是一根車軸外徑之最大及最小界限。
規格上限常用"Su"代表;規格下限常用"Sl"代表。
2、管制界限: 其含義比規格界限為多,它不單是用來核對每一單位產品之品質,而且作為判斷樣本與樣本、批與批、時間與時間之間品質變異之顯著性。
五、管制圖種類1、依數據性質分類(1)、計量值管制圖: 是管制圖所依據之數據,均屬於由量具實際量測而得(如:長度、重量、成份等特征均為連續性者)。
最常用之此種管制計有:a、平均值與全距管制圖 : X-R Chart;b、平均值與標準差管制圖 : X-δ Chart;c、中位值與全距管制圖 : X-R Chart;d、個別值與移動全距 : X-Rm Chart。
(完整)07.QC七大手法-控制图
极差
一般用R表示，表示一组数据的分布范围， 是指数据中最大值与最小值的差。
‹#›
标准偏差
统计学中用来表示标准偏差，即用 来描述任一过程参数的平均值的分布或 离散程度。
S
1 n 1
n i1
( xi
x)2
‹#›
材料
输入 （材料）
过程变差
过程 （生产/装配）
输出 （产品）
反馈 （测量/检验）
测量系统
‹#›
过程变差——输入材料
■ 不同批次之间的差异 ■ 批次内的差异 ■ 随时间产生的差异 ■ 随环境而产生的差异
‹#›
过程变差——生产/装配
■ 设备及工装夹具的差异 ■ 随时间而产生的磨损、漂移等 ■ 操作工之间的差异（如手工操作的过程） ■ 设置的差异 ■ 环境的差异
‹#›
过程变差——输出产品
SPC与6σ的关系
■ “σ”是希腊字母，统计学中用来表示标准偏差，即 用来描述任一过程参数的平均值的分布或离散程度。
■ 6σ（6Sigma）是在九十年代中期开始从一种全面质 量管理方法演变成为一个高度有效的企业流程设计、改 善和优化技术，并提供了一系列同等地适用于设计、生 产和服务的新产品开发工具。
‹#›
SPC的功能
生产
数据收集
SPC
异常分析
保持制程稳定
采取对策
找出原因
‹#›
SPC的特点
■ SPC是全系统的，全过程的，要求全员参加， 人人有责。 ■ SPC强调用科学方法(主要是统计技术，尤其
是控制图理论)来保证全过程的预防。 ■ SPC不仅用于生产过程，而且可用于服务过
程和一切管理过程。
‹#›
(完整)07.QC七大手法-控制图
‹#›
过程变差——反馈与测量
由于测量用于过程中的所有组成部分， 测量的变差会对过程的各个阶段产生影响
■ 偏倚/■ 稳定性/■ 重复性 ■ 再现性/■ 分辨率
‹#›
测量系统变差
偏倚--测量的观测平均值和基准值的差异
偏倚
测量系统的平均值
‹#›
再现性
由不同的测量人使用同一种测量仪器, 测量同一零件的同一特性时产生的测量平 均值的变差
再现性
评价人
C
A
B
‹#›
过程能力与过程能力指数
过程能力：一个过程能够稳定地输出合 格品的能力；
过程能力指数CP或CPK：过程能力满足产 品质量标准要求的程度。
‹#›
过程能力的评价准则
过程能力指数范围 对过程能力指数的评价
‹#›
管制图的分类
(2) 计数值管制图
所谓计数值管制图是指管制图所依据的数据均属于以单位计数 者，如不良数、缺点数等不连续性的数据。
a.不良率管制图（P chart ） b.不良数管制图（Pn chart ） c.缺点数管制图（C chart ） d.单位缺点数管制图（U chart ）
‹#›
‹#›
■ 6σ逐步发展成为以顾客为主体来确定企业战略目标 和产品开发设计的标尺，追求持续进步的一种质量管理 哲学。
■ 换一种说法，6σ是一种“愿景”，是一种目标，而 并非一种具体的方法。而SPC是实现这种愿景的一个有效 的手段。
‹#›
计量值数据
是指可取任意数值的数据，只要测取数据 的精度足够，我们即可取任意小的数值，这 些数值属于连续型数据。例如长度、重量、 速度、压力、温度等的数据，是属于计量值 数据。
摩托罗拉的QC7大手法
QC七大手法:
➢ 控制图
实例：生产状况跟踪表&DPHU控制图
Remark:
Normal pass with"正"
本站本月DPHUde目标是( ) 日月无条件停线(控制线)的目标( ) 若超出目标,请反馈P QA及相关人员!
DPHU异常情况记录
1 2 3 4
5
Total Quantity Repaired pass with"正
•
对上以敬，待下以宽。。2020年8月11 日星期 二上午 8时19 分36秒0 8:19:36 20.8.11
•
你要明白，你爱的不是那段时光，不 是那个 念念不 忘的人 ，不是 那段经 历，你 爱的只 是当年 那个羽 翼未丰 但依然 执迷不 悔的自 己。。2 020年8 月上午 8时19 分20.8.1 108:19 August 11, 2020
10.00%
0
0.00%
J1 P900 L1 C107 C416 J400 L150 J600 J800 C423 Others
Parts
Rate
公司保密资讯
您最钟爱的通信伙伴
可能原因： （1）分类方法 不当 （2）存在系统 性质量问题，有 待全面改善
2020/8/11
Quality Training
QC新七大手法:
➢ 关联图 ➢ KJ法 ➢ 系统图 ➢ 矩阵图 ➢ PDPC法 ➢ 箭形图 ➢ 头脑风暴法
Quality Training
公司保密资讯
您最钟爱的通信伙伴
2020/8/11
•
如果你指挥不了自己，也就指挥不了 别人。 。20.8.1 120.8.1 1Tuesday, August 11, 2020
qc七大手法-QC七大手法教材 精品
QC7手法（又名：統計的目標管理工具）課程綱要1. QC7大手法步驟2. 目標管理過程3. 資料會說話(真話/謊話)4. 圖表製作要領5. 簡易7手法6. 舊QC7手法6.1 查檢表 6.2 散佈圖 6.3 層別法 6.4 直方圖6.5 柏拉圖 6.6 魚骨圖 6.7 管制圖(＊請廠商帶有關銷售、生産、品管、倉儲…等統計圖表參與研討) 7. 新QC7大手法(試作:KJ法、決策矩陣圖法…)8. 制程能力9. WORK SHOP帶來效益一、幹部能提供“圖表”取代長篇大論。
二、更正現有圖表錯誤，以求完善。
三、老闆、經理一清二楚，瞭解“各單位績效？與目標是否達成”？四、利用統計手法，正確分析原因與有效解決異常問題。
一、ＱＣ７大步驟1. ７個ＱＣ步驟2. ＱＣ原則⊙現物觀察⊙不製造不良⊙現場保留 ⊙不流出不良不良率改善前改善後柏拉圖查檢表散佈圖特性要因圖推移圖二、統計目標管理過程1.統計目標管理過程綱要2.確認統計需求３．瞭解目標、主題、公式三、資料會說話1. 用“資料”取代“評論”2．“資料”的分類2.1 依[性質]分：“計量值”與“計數值”2.2 依[來源]分；——市場資料／銷售資料——分包商數據／採購資料——制程資料／檢驗資料——庫存資料…等2.3依[時間]分：過去／現在／未來？2.4依[用途]分：解析用／管制用。
３、資料的收集方法3.1 來自日常、即時的“記錄”報表。
3.2報表中之區分類別應合理化！（例如：外觀不良、電鍍不良、加工不良…皆不宜）3.3現場依[區分類別]分劃盛裝容器。
3.4使用“劃記法”一次到位。
（如：正、┼┼┼┼…等）3.5 外觀性不良，如圖—産品有幾處不良時，僅記錄其最嚴重之一項。
3.6 不良率之計算爲所有不良數之和除以檢查總數，而非簡單之相加除以天數。
4、整理資料應注意的事項4.1 問題發生要採取對策之前，一定要有資料作爲依據。
4.2 要清楚使用目的。
4.3 資料的整理，改善前後所具備條件要一致。
Qc七大手法之控制图
第七章控制图 95第七章控制图一．前言:为使现场的质量状况达成目标，均须加以管理。
我们所说的“管理”作业,一般均用侦测产品的质量特性来判断“管理”作业是否正常。
而质量特性会随着时间产生显著高低的变化;那么到底高到何种程度或低至何种状态才算我们所说的异常?故设定一合理的高低界限,作为我们分析现场制程状况是否在“管理”状态,即为控制图的基本根源。
控制图是于1924年由美国品管大师修哈特(W.A.Shewhart)博士所发明。
而主要定义即是[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]。
二．控制图的基本特性:一般控制图纵轴均设定为产品的质量特性,而以过程变化的数据为刻度;横轴则为检测产品的群体代码或编号或年月日等,以时间别或制造先后别,依顺序点绘在图上。
在管制图上有三条笔直的横线,中间的一条为中心线(Central Line,CL),一般用蓝色的实线绘制；在上方的一条称为控制上限(Upper Control Limit,UCL)；在下方的称为控制下限(Lower Control Limit,LCL)。
对上、下控制界限的绘制,则一般均用红色的虚线表现,以表示可接受的变异围;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。
控制状态:96 品管七大手法上控制界限(UCL) 中心线(CL)三．控制图的原理:1.质量变异的形成原因:一般在制造的过程中,无论是多么精密的设备、环境,它的质量特性一定都会有变动,绝对无法做出完全一样的产品;而引起变动的原因可分为两种：一种为偶然(机遇)原因；一种为异常(非机遇)原因。
（1）偶然(机遇)原因(Chance causes)：不可避免的原因、非人为的原因、共同性原因、一般性原因,是属于控制状态的变异。
（2）异常(非机遇)原因(Assignable causes):可避免的原因、人为的原因、特殊性原因、局部性原因等,不可让其存在,必须追查原因,采取必要的行动,使过程恢复正常控制状态,否则会造成很大的损失。
QC七大手法之控制图
品管七大手法七大手法:检查表、层别法、柏拉图、因果图、散布图、直方图、控制图五、散布图将因果关系所对应变化的数据分别描绘在X—Y轴坐标系上，以掌握两个变量之间是否相关及相关的程度如何,这种图形叫做“散布图”，也称为“相关图”。
1、分类1）正相关：当变量X增大时，另一个变量Y也增大;2)负相关：当变量X增大时，另一个变量Y却减小;3）不相关:变量X（或Y）变化时，另一个变量并不改变;4）曲线相关：变量X开始增大时，Y也随着增大，但达到某一值后，则当X值增大时,Y反而减小.2、实施步骤1）确定要调查的两个变量,收集相关的最新数据，至少30组以上；2）找出两个变量的最大值与最小值，将两个变量描入X轴与Y轴；3)将相应的两个变量，以点的形式标上坐标系；4)计入图名、制作者、制作时间等项目;5）判读散布图的相关性与相关程度。
3、应用要点及注意事项1）两组变量的对应数至少在30组以上，最好50组至100组，数据太少时，容易造成误判；2)通常横坐标用来表示原因或自变量,纵坐标表示效果或因变量；3)由于数据的获得常常因为5M1E的变化，导致数据的相关性受到影响，在这种情况下需要对数据获得的条件进行层别，否则散布图不能真实地反映两个变量之间的关系；4）当有异常点出现时,应立即查找原因，而不能把异常点删除；5）当散布图的相关性与技术经验不符时，应进一步检讨是否有什么原因造成假象。
七、控制图1、控制图法的涵义影响产品质量的因素很多,有静态因素也有动态因素，有没有一种方法能够即时监控产品的生产过程、及时发现质量隐患，以便改善生产过程,减少废品和次品的产出？控制图法就是这样一种以预防为主的质量控制方法,它利用现场收集到的质量特征值,绘制成控制图,通过观察图形来判断产品的生产过程的质量状况。
控制图可以提供很多有用的信息，是质量管理的重要方法之一。
控制图又叫管理图，它是一种带控制界限的质量管理图表.运用控制图的目的之一就是，通过观察控制图上产品质量特性值的分布状况，分析和判断生产过程是否发生了异常,一旦发现异常就要及时采取必要的措施加以消除，使生产过程恢复稳定状态。
QC七大手法
42 810
9
53 870 19
54 880 29
48 850
10
52 840 20
53 850 30
45 840
2019/5/15
25
步驟三：畫出縱軸與橫軸刻度，計算組距
時數的組距：59-42=17 原因的組距：890-810=80
步驟四：將各組對應數據標示在座標上
60
50
40
800 810 820 830 840 850 860 870 880 890
情報錯誤
會議目的： 會議日期： 與會者：
2019/5/15
庫存量低 存放位置不佳
物品
交貨
為 什 麼 延 遲 交期過短 交 貨
21
特性要因圖的使用時機
• 問題的整理，及原因的探索。
• 追查真正的原因
• 尋找對策：特性要因圖也可用來做對策整理 用，這時魚頭的方向會剛好相反過來，又稱 為反轉。
小要因
如
中要因
120
80
100
60
80
60
40
40
20
20
0
0
å¤
q¹
U©
à®
¨í
¨ä
ó¥
ܸ
£§
±
¶Ë
L¥
¼¥
¼¥
¼¥
£¤
¬¦
³]
á¥
ä¼
w©
2019/5/15
15
柏拉圖與品質改善小組活動
• 在進行品質改善小組活動(QIT)時，有時會 用柏拉圖來做改善前後的效果比較，在製 作對策前後的效果確認時應注意以下三項：
所謂5W1H就是：Why(為何必要)、What(目的為何)、Where (在何處做)、When(何時做) 、Who(誰來做)、How(如何做)。
QC七大手法及其他常用图表介绍
检查用查检表
线别:
○○股份有限公司
自动焊锡炉日保养记录表(T-5-5-3-QW0905-05) 年 月
日期 项目
1
2
3
4
5
6
7
8
9
1 0
1 1
1 2
1 3
1 4
1 5
1 6
1 7
1 8
1 9
2 0
2 1
2 2
2 3
2 4
2 5
2 6
2 7
2 8
2 9
3 0
3 1
机身内外擦拭清 洁
预热器的玻离挡 板清洁
累 计 百 分 比
100 80 60 40
20
0
百件缺點項目
製程百件缺點率(%)
成品 包風
9.69
成品 欠料
8.06
軟硬 不均
2.72
成品 壓傷
1.58
鐵台 異位
1.23
0
其他
(%)
0.22
0 百件缺點項目
成品 包風
成品 欠料
軟硬 不均
成品 壓傷
鐵台 異位
0 其 他 (%)
製程百件缺點率(%) 3.33 1.57 0.44 0.19 0.18 0.09
教 育 費 2,000 21,000 84%
交 際 費 1,000 22,000 88%
其 他 原 因 3,000 25,000 100%
合
計 25,000 25,000
25,000
25,000
20,000
20,000
支 15,000
累
支 15,000
累
出
計
QC品管七大工具之七控制图
一点落在A区以 外
判异原则二
连续九点落在中 心线同一侧
四、控制图八大判异准则
缺陷 判异原则三 图例
连续6点递增或 递减
判异原则四
连续14点中相邻 点上下交替
四、控制图八大判异准则
缺陷 判异原则五 图例
连续3点中有2点 落在中心线同一侧 的B区以外 判异原则六
连续5点中有4点 落在中心线同一侧 的C区以外.
谢谢大家！
XX管理咨询公司 管理咨询公司
LCL＝ ＝— A2 R ≈ 14.03（g）
x
为随着样本容量n而变化的系数 可由控制图系数选用表中选取。 而变化的系数， 注：A2为随着样本容量 而变化的系数，可由控制图系数选用表中选取。
R 图： 中心值 CL＝ R ＝27.44（g） UCL＝ D4 R ≈ 58.04（g）
注：D4为随着样本容量 而变化的系数，可由控制图系数选用表中选 为随着样本容量n而变化的系数 而变化的系数， 取。
作图步骤
应用步骤如下：
1. 2. 3. 4. 5. 6. 7. 8. 9.
选择控制图拟控制的质量特性，如重量、不合格品数等； 选用合适的控制图种类； 确定样本容量和抽样间隔； 收集并记录至少20～ 25组样本的数据，或使用以前所记录的数据； 计算各个样本的统计量，如样本平均值、样本极差、样本标准差等； 计算各统计量的控制界限； 画控制图并标出各样本的统计量； 研究在控制线以外的点子和在控制线内排列有缺陷的点子以及标明异 常（特殊）原因的状态； 决定下一步的行动。
多装量（g）和样本统计量
多装量（g）和样本统计量
6.
计算各统计量的控制界限（UCL、LCL）。
1)
计算各样本平均值（＝ x）和各样本极差的平均值（ R ）。
QC七大手法培训教材控制图
E2 2.660 1.772 1.457 1.290 1.134 1.109 1.054 1.010 0.975
m3A2 1.880 1.187 0.796 0.691 0.549 0.509 0.430 0.410 0.360
D3
－
－
－
－
－ 0.076 0.136 0.184 0.223
d2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.087
163
32.6
22
11
28
44
40
31
18
161
32.2
26
12
31
25
24
32
22
134
26.8
10
13
22
37
19
47
14
139
27.8
33
14
37
32
12
38
30
149
29.9
26
PPT文档演模板
QC七大手法培训教材控制图
多装量（g）和样本统计量
样本号 x 1
x2
x3
x4
x5
∑x
x
R
15
25
是否处于稳定状态。缺点是不 易发现工序分布中心的变化。
因各种原因（时间、费用等 ）每次只能得到一个数据或 希望尽快发现并消除异常原 因。
较常用，计算简单，操作工人 易于理解。
样本容量相等。
计算量大，控制线凹凸不平。 样本容量不等。
较常用，计算简单，操作工人 易于理解。
样本容量相等。
计算量大，控制线凹凸不平。 样本容量不等。
QC七大手法之控制图
0 -0.0005 1 3 5 7 9 11 13 15 17 19 21 23 25
sample number
F. L. CHEN, NTHU
Estimating Process Capability
E
Calculate
Interpretation of X − R charts
Cycle Pattern
F. L. CHEN, NTHU
Interpretation of X − R charts
A mixture pattern
F. L. CHEN, NTHU
Interpretation of X − R charts
• Operator quality control • Foreman quality control • Inspection quality control • Statistical quality control • Total quality control • Company wide quality control • Total quality management • Six-sigma
(Attributes)
(Nonconformity)
(Defects)
(Nonconforming items)
(Defective items)
items)
E
(Conforming
F. L. CHEN, NTHU
(p chart)
E
(Fraction nonconforming)
E p p
UCL = p + 3 p( 1 − p ) n
- 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)。
of chቤተ መጻሕፍቲ ባይዱnce.
F. L. CHEN, NTHU
PREVENTION COSTS
Quality planning and engineering New products review Product/process design Process control Training Quality data acquisition and analysis Burn-in
Scrap Rework Retest Failure analysis Downtime Yield losses Downgrading/offspecing
EXTERNAL FAILURE COSTS
Complaint adjustment Returned product/material Warranty charges Liability costs Indirect costs
F. L. CHEN, NTHU
Motorola Six-Sigma Concept
Spec. Limit ±1 Sigma ±2 Sigma ±3 Sigma ±4 Sigma ±5 Sigma ±6 Sigma
Percent inside Specs 30.23 69.13 93.32 99.3790 99.97670 99.999660
LCL
=
R
− 3σˆR
=
R − 3d3
R d2
=
D3R
F. L. CHEN, NTHU
X −R
X-bar Control Chart
0.064
0.0635
0.063
x
0.0625
0.062
0.0615 1 3 5 7 9 11 13 15 17 19 21 23 25 sample number
R-Chart
APPRAISAL COSTS
INTERNAL FAILURE COSTS
Inspection and test of incoming material
Product inspection and test
Materials and services consumed
Maintaining accuracy of test equipment
F. L. CHEN, NTHU
Variations of Acceptance Sampling
F. L. CHEN, NTHU
Quality Engineering Techniques
F. L. CHEN, NTHU
Normal Distribution Centered at the Target (T)
0.003 0.0025 0.002 0.0015 R 0.001 0.0005
0 -0.0005 1 3 5 7 9 11 13 15 17 19 21 23 25
sample number
F. L. CHEN, NTHU
Estimating Process Capability
E
Calculate
σ$ = R d2
• Operator quality control • Foreman quality control • Inspection quality control • Statistical quality control • Total quality control • Company wide quality control • Total quality management • Six-sigma
0 LQLP DO&2 4
7RWDOTXDOLW\ FRVWV
&RVWVSHUJ RRGXQLWRI SURGXFW
$ SSUDLVDO3UHYHQWLRQ FRVWV
WLYH
&RQIRUP DQFHUDWH
RRG
F. L. CHEN, NTHU
X −R
EX
R
E
x1,x2,....,xn
n
R
X
x = x1 + x2 +L+xn n
Spec. Limit ±1 Sigma ±2 Sigma ±3 Sigma ±4 Sigma ±5 Sigma ±6 Sigma
Percent inside Specs 68.27 95.45 99.73 99.9937 99.999943 99.9999998
ppm Defective 317300 45500 2700 63 0.57 0.002
F. L. CHEN, NTHU
&RVWVSHUJ RRGXQLWRI SURGXFW
Traditional Model of Quality Costs
F. L. CHEN, NTHU
Emerging Model of Quality Costs
, QWHUQDO( [ WHUQDO IDLOXUHFRVWV
(relative range) d2 d2
E R1,R2,… ,Rm m
σ$ = R d2
F. L. CHEN, NTHU
X −R
EX
UCL
=
x
+
3 d2
n
R
=
x
+
A2 R
CL = x
LCL
=
x
−
3 d2
n
R
=
x
−
A2R
ER
UCL
= R + 3σˆR
=
R + 3d3
R d2
= D4 R
CL = R
n 2/n
µ + Zα 2σ x = µ + Zα 2
σ n
1-
(LCL)
3
µ − Zα 2σ x = µ − Zα 2
σ n
(UCL) Z /2
F. L. CHEN, NTHU
X −R
E
x1 ,x2 ,L, xm
m
< 10 or 12)
R
E
x
(n
(W)= (R)/
()
W n
σ$ = R / d2
ppm Defective 697700 608700 66810 6210 233 3.4
F. L. CHEN, NTHU
Motorola 6-Sigma
• 3.4PPM • Cp 2 (Cpk 1.5) • If we cannot express what we know in
numbers, we don’t know how much about it. • If we don’t know how much about it, we