QC七大手法运用实例1.ppt

QC七大手法运用实例1何谓 QC七大手法? qQuality Control 七大手法 = 品管七大手法q1950年代由日本首先提倡，並於1980年代發揚光大 至全世界q沒有足夠而正確的工具來得知事件的真相跟“瞎子 摸象” 無異每個瞎子摸到的部位都不一樣，自 然彼此見解也不一樣，很多時候團隊中充滿各種自 以為是的爭辯，演變到後來變成誰在爭辯中機智反 應比較快，態度比較堅持、強悍那他的解決方案便 成為主流這時在錯誤方向下，越努力的人，所造 成的損失越大戴明博士(W. Edwards Deming)稱 之為『努力挖掘自已的墳墓』 2QC七大手法有哪些?凭经验去决定问题点，不易掌握重点，应利用统计方法来解析所 得的数据或图表，藉以取得重点；QC 七大手法是目前最简单、 常用的统计手法，时时刻刻在生活中出现，分别如下:1.查检表 (Checklist) :收集、整理资料2.直方图 (Histogram):展示数据的分布情况3.散布图 (Scatter Diagram):展示变量之间的线性关系4.柏拉图 (Pareto Diagram):确定主导因素5.管制图 (Control Chart):识别波动的来源6.特性要因图 (Characteristic Diagram):寻找引发结果的原 因7. 层别法 (Stratification):从不同角度层面发现问题3QC七大手法有哪些?析因果,视相关,查现象,示重点,看分布,滤问题,管异常 鱼骨图,散布图,查检表,柏拉图,直方图,层别法,管制图4QC七大手法? 跟我有关系吗?q你曾有过出门忘记带、钥匙、皮包的痛苦经验 吗？(查检表)q你曾经有长官交付任务却考不清楚方向的迷惘吗？ (柏拉图) (特性要因图)q干系今ㄟ! 怎么全台湾的人都中奖了只有我杠龟。

乐透彩券真的公平吗？(直方图)(散布图)q你知道ASUS使用了哪些QC大手法吗?5QC七大手法与 PDCA6正确数据 = 事实q垃圾进，垃圾出…q数据分类q1.定性数据(布的质感/酒的香醇)q 2.定量数据(计数:良品数、缺点数)q (计量:重量、时间、长度.)q应用数据须注意:q1.搜集正确可用的数据q2.避免个人主观的判断q3.掌握事实的真相q4.数据不可造假,否则问题将永远无法解决7查检表： 在收集数据时一种简单的表格，将其有关项目和预定搜集的数 据，依其使用目的，以很简单的符号填注，而容易汇集整理， 用以了解现状、做分析或做核对点检使用，这种设计出来的表 格称之为查检表一)查检表-Checklist8查检表的实例…9查检表的目的1.日常管理:质量管理项目的点检，作业前的点检，设备安全、作业标 准的遵守 2.特别调查:问题已经发生要加以调查，或主题调查、不良原因调查. 发现改善点的点检 3.取得记录:为了要报告，需取得记录，如推移图、直方图10查检表的种类1. (事前…)点检用查检表:点检用查检表是为了要确认作业实施、机械设备的实施情形、预防发生不良或事故、确保安全时使用。

如机械定期保养检核表、不安全处所检核表、登山装备检核表…等，这种检核表主要是调查作业过程之情形，可防止作业的遗漏或疏失 (事前) 2. (事后…)记录用检核表:是将数据分类为几个项目别，如依不良的种类、工程别、原因别等排 列出来再以符号或数字记录于图或表中，藉以了解数据分布之状况这种查检表主要是调查作业结果的情形，不单是记载每天的数据，并且可以看出那一种项目的数据特别集中 (事后)11查检表就在你的日常工作中…12(二)直方图 -Histogram是将数据所分布的范围，区分为几个区间，将出现在各区间内的 数据之出现次数作成次数表，并将其以图(柱形图)的形式表现出 来 透过数据的量测 (长度、重量、时间、温度、硬度……等， 经由量测所得到的数据) 及直方图的整理，我们可以得到数据的 几种特征: 1. 数据的分布形态(分配状态) 2. 数据的中心位置 3. 数据离散程度的大小 4. 数据和规格之间的关系13直方图与我们…次數14常见的直方图型态 (1/4)左偏型(右偏型) 说明:直方图的平均值在分布中心之左方，次数在左半边高到 了右半边后则缓落，为不对称分布 解析:理论上说，可能是因为规格…等因素，而限制了下限值 ，当某一数据以下数值不被采用时，或是避免全距不出现负 值时偏歪分配：单边规格、信息隐藏规格下限15左绝壁型(右绝壁型) 说明:直方图之平均值位在极左方，次数在左半部急高，而 右半部急落。

解析:当把规格以下之数据，完全剔除时，就会出现此种情 形截断分配：全检剔除规格下限常见的直方图型态 (2/4)16双峰型 说明:分布在中央的次数比较少，且在左右各有一座山 解析:平均值相异约两类数据分布混合在一超时，即会出现 这种情形双峰分配：来自不同的群体常见的直方图型态 (3/4)17离岛型 说明:在直方图的左端或右端出现分离的小岛 解析:不同状况的数据混在一起或发生异常时离岛分配：特别原因常见的直方图型态 (4/4)18直方图就在你的日常工作中…19(三)散布图 –Scatter Diagram将两变数置于纵轴、横轴上，并将测得值点、记上去所制成之图 ，称为“散布图” 散布图通常是用来研究两变数间之相关联性 (正相关、负相关、 或无相关) 20散布图实例21散布图的制作散布图之制作步骤: 步骤1: 先调查两组数据是否有关系，将所选择的「要因」定为X 轴，相对的「特性」定为 Y轴如温度 VS 冷气销售量 步骤2: 在横轴及纵轴上，点上尺度，横轴愈向右，其值愈大，纵 轴愈向上，其值愈大 步骤3: 把数据点到坐标上 步骤4: 判读 散布图之制作步骤-Excel: 步骤1: 插入图表XY散布图 步骤2: 选取数据范围…22散布图之点记的分布状态和两特性值 之相关关系有下列三种: 1.正相关: 当其中一方的特性值愈大 ，另一方的数值也有增加的倾向时， 散布图会呈向右上方走向，代表此两 特性值为正相关。

2.负相关: 当其中一方的特性值愈大 ，另一方的数值却愈小时，散布图会 呈现向右下方走向，代表此两特性值 为负相关 3. 无相关: 两个特性值互相不受对方 影响时，散布图几乎似圆形，代表两 者不相干散布图的秘密… (1/2)XYXYXY23检讨异常值此外，要浏览散布图整体，检视是否有异常值存在在距离多 数点记之外的地方，若出现点记的话．先调查此数据之来源．一 旦确定是因为异常之原因所造成之异常值的话，便可将此点去除 若从图上无法判别其是否为异常值时，切不可任意下结论，必须 追究此点和其它点偏离之原因．在确定其原因后，才能判断其是 否为异常值XY散布图的秘密…(2/2)241.调查两特性值之间是否相关:可经由视觉直接解析判断其相关性 2.可判断异常值之存在:异常值多半因为作业失误、测量失误、转记失误等而发生的， 在制作散布图时，这些异常值常会偏离其它值甚多，很容易察觉 出来 3.应用于问题解决步骤中:当找出了某现象所发生的原因后，便可利用散布图来验证其是 否为具有重大影响力之要因即用以判断要因影响特性之程度: 正相关 ? 负相关? 无相关?)散布图的使用散布图的使用25如果是这样呢?散布图的实例…26(四)柏拉图 –Pareto Diagram27讲古篇… 为何叫柏拉图 – Pareto Chart 柏拉图为十九世纪意大利经济学家柏拉图(V. Pareto)调查 国民所得分配时，发现少部分的人, 占有大部份财富。

80/20 法则: 80% 的问题集中于20% 的项目中，故控 制 20%的项目即可解决 80%的问题精神篇… 柏拉图的基本观念是:以有限的人力和时间，有效的解决问题柏拉图柏拉图 – 80/20– 80/20法则法则281. 有助于了解那一个项目是最重要问题 2. 一眼就能明白事情的重要顺序 3. 知道那一项目在整体中所占的比例程度 4. 可以预测减少某一项目，就能期待整体获得多少效果柏拉图的好处柏拉图的好处29制作一个好的柏拉图制作一个好的柏拉图步骤一:坐标之取法,即是目的 纵轴:可以代表占总不良之百分率、故障次数、损失金额或灾害件 数 横轴:可以代表材料总别、机器总别、缺点总别或加工方法等 步骤二:搜集数据数据 一组好的数据数据必须要掌握正确的事实，在规定的期间内去搜 集数据，而这些数据有赖于平时之记录与汇整 步骤三:整理数据数据 依搜集项目(横轴)数据的大小顺序排列 计算每一项目的数据占累积总和的百分比率 数据之数目小的项目多时,整理成其它项 步骤四:柏拉图分析图制作 (MS Excel) 步骤五:分析30使用MS Excel制作柏拉图 1繪圖31使用MS Excel制作柏拉图 2选取“自订类型” 之 “双轴 折线图加柱形图”32使用MS Excel制作柏拉图 5填入基本资料或 说明33使用MS Excel制作柏拉图 634使用MS Excel制作柏拉图 7-1将图型微调35使用MS Excel制作柏拉图 7-2100%所有项目 累积和纵轴最大值:累积和,100%36使用MS Excel制作柏拉图 837使用MS Excel制作柏拉图 9显示各数据点之 数值38使用MS Excel制作柏拉图 10製程:DIP A 線製圖人:小A日期: WW30.填入柏拉图制作 之基本资料39製程:DIP A 線製圖人:小A日期: WW3040好的柏拉图要件q图表名称是否有意义qX,Y轴坐标名称,刻度是否明确q每个条图之间是否有间距q第一个直方条和累积百分比曲线是否连接q各点数据卷标是否清晰q正确、一致、简洁(Correct,Consistent, Concise)41(五)管制图 –Control Chart管制图简介… 管制图为Shewhart博士于1924年发明。

管制图为一种图形表示的工具，用以显示从样本中量测或计算所 得之质量特性 管制图不仅能将数值以曲线表示，观察其变化之趋势，并可透过 它实时判定制程是否有发生异常的趋势或已发生异常42管制图 ??管制图范例 - Chart异常点 Out-of-Control(历史资料) 平均值管制上限(UCL): +3管制下限(LCL): -3样本平均值中心线(CL):43管制图观念 –基本篇q平均值 :q所有数值的总和除以此群数据的总数的值 (详见小学课 本第九册) . ex…q全距 R :q群体中最大与最小数值的差距 . 非常易于计算. ex…q母体, Population N 母体平均值uq 所有可能的取样结果总称 Example骰子、全校数学 成绩 q样本, Sample n 样本平均值q由母体中随机抽取的小部份数量Example…q机遇原因 : 不可避免、非人为、不易控制之原因q非机遇原因 :可避免、人为、可控制之原因44q母体变异数 :q母体变异数的公式(x-u)为q何要平方? (与中心值的距离)q母体变异数的大小与制程能力的关系为何? (变异大不稳定.)q母体变异数可以互相比较吗? (只要母体相同…例如…)到中心点的距离将距离平均 (N=母体总个数)母体平均值45樣本變異數與樣本標準差q樣本變異數Ø計算公式為q樣本標準差Ø計算公式為q為什麼要用樣本變異數?q為何要除以(n-1)而非(n)? (樣本v.s母體 +不偏)q為何以“s”為名? (Standard Deviation)q為何要減 而非 ? (樣本v.s母體)注意… 現實生活中，大部分 的情況下，我們都用 “樣本變異數”來估計 “母體變異數” Why?46样本变异数与样本标准差q样本变异数Ø计算公式为q样本标准差Ø计算公式为q为什么要用样本变异数?q为何以“s”为名? (Standard Deviation)q为何要减 而非 ? (样本v.s母体)注意… 现实。