qc七大手法运用实例1

QC七大手法运用实例1何谓 QC七大手法 ? q Quality Control 七大手法 = 品管七大手法q 1950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手机、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 ! 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q 1.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 :q 1.搜集正确可用的数据q 2.避免个人主观的判断q 3.掌握事实的真相q 4.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、