QC七大手法運用實例.ppt

雅新電子集團品保部2005年 教育訓練資料,品保七大手法,何謂 QC七大手法?,Quality Control 七大手法 = 品管七大手法 1950年代由日本首先提倡，並於1980年代發揚光大至全世界 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。,QC七大手法有哪些?,憑經驗去決定問題點，不易掌握重點，應利用統計方法來解析所得的數據或圖表，藉以取得重點；QC 七大手法是目前最簡單、常用的統計手法，時時刻刻在生活中出現，分別如下: 1.查檢表 (Checklist) :收集、整理資料 2.直方圖 (Histogram):展示資料的分佈情況 3.散佈圖 (Scatter Diagram):展示變數之間的線性關係 4.柏拉圖 (Pareto Diagram):確定主導因素 5.管制圖 (Control Chart):識別波動的來源 6.特性要因圖 (Characteristic Diagram):尋找引發結果的原因 7. 層別法 (Stratification):從不同角度層面發現問題,QC七大手法有哪些?,析因果,視相關,查現象,示重點,看分佈,濾問題,管異常 魚骨圖,散佈圖,查檢表,柏拉圖,直方圖,層別法,管制圖,QC七大手法運用於實際生活,你曾有過出門忘記帶手機、鑰匙、皮包的經驗嗎？(查檢表) 你曾經有感覺問題的存在及重要性,但因思維混亂而摸不清方向,導至行動無法進行的困惑嗎? (柏拉圖) (特性要因圖) 你曾經有過同一時間分不清幾件事情轉重緩急程度的困惑嗎？(層別法) 你所在公司是怎樣針對生產不良率進行管控的? (管製圖),QC七大手法與 PDCA,正確數據 = 事實,數據分類 1).定性數據(花的香/汔水的甜/音樂的勸聽) 2).定量數據(計數:良品數、抽檢數、不良數) (計量:長度、寬度、厚度.) 應用數據須注意: 1.搜集正確可用的數據 2.避免個人主觀的判斷 3.掌握事實的真相 4.數據不可造假,否則問題將永遠無法解決,查檢表： 在收集數據時一種簡單的表格，將其有關項目和預定搜集的數據，依其使用目的，以很簡單的符號填註，而容易彙集整理，用以了解現狀、做分析或做核對點檢使用，這種設計出來的表格稱之為查檢表。,(一)查檢表-Checklist,查檢表的實例,查檢表的目的,1.日常管理: 品質管制項目的點檢，作業前的點檢，設備安全、作業標 準的遵守。 2.特別調查: 問題已經發生要加以調查，或主題調查、不良原因調查， 發現改善點的點檢。 3.取得記錄: 為了要報告，需取得記錄，如推移圖、直方圖都需要從查檢表中獲得信息.,查檢表的種類,1. 點檢用查檢表: 點檢用查檢表是為了要確認作業實施、機械設備的實施情形、預防發 生不良或事故、確保安全時使用。如機械定期保養檢核表、不安全處 所檢核表、登山裝備檢核表等，這種檢核表主要是調查作業過程之 情形，可防止作業的遺漏或疏失 (事前) 2. 記錄用檢核表: 是將數據分類為幾個項目別，如依不良的種類、工程別、原因別等排 列出來再以符號或數字記錄於圖或表中，藉以瞭解數據分佈之狀況。 這種查檢表主要是調查作業結果的情形，不單是記載每天的數據，並 且可以看出那一種項目的數據特別集中 (事後),查檢表就在日常工作中,(二)層別法 Stratification,層別法(Stratification) 是一種概念 其並沒特定的圖形表示，這在七大手法中是較為特別的一種，但其確為品質管制的一種發現不良因素的有效技術,透過數據的分類，尋找事實的真正原因 分開觀察並蒐集資料按照特性加以分門別類，以找出其間的差異 前面的六種手法都是層別法的一種表現方式 前面的六種手法，其實都已經包含了層別法的觀念,層別法的步驟 (1/2),1.確定使用層別法的目的 做某件事之前，必須了解因何目的而做？ 為何這樣做？ 好處在那兒? 在使用層別法之前，首要即是確定為何種目的，使用何種層別；為了 評定作業員的績效、生產線的效率、還是分析不良原因等。 2.層別的項目 一般影響品質特性的原因包括時間、原料、機器設備、作業方法與作 業的人員等。所以，我們可依下列的例子來做層別:,區 分 項 目 時 間 年、季、月、日、上下午、作業時間別等 組 織 工廠、部門、組等 原 料 製造商、供應商、產地性質、形狀、批量、成份、尺寸等 環境/氣候 溫度、濕度、壓力、風向、噪音、光度等 設 備 製造商、供應商、新舊、機種、用途等 員 工 職位、性別、年齡、經歷、薪資、教育程度等 銷 售 固定/一般客戶、市場、運送方式等 作業方法 方法、步驟、自動/手動等 商 品 設計師、價格、庫存、名稱等 量 測 方法、器具、人員、場所等,層別項目的實例,3. 收集與整理數據 使用表單如記錄卡或是查檢表的方式，委託有關人員收集欲實施層別 法的項目資料。但是，所收集到的資料並非完全都符合需要的。因此， 必須將所收集到的資料數據整理，或對於不足的資料加以補充。 4. 分析、比較與檢定 層別法可以用來比較各個項目，所以各個項目的優劣一目了然，因此 可以簡易判別出異常的原因，或其他所欲探求的事項。,層別法的步驟 (2/2),(三)散佈圖 Scatter Diagram,將兩變數置於縱軸、橫軸上，並將測得值點、記上去所製成之圖，稱為“散佈圖”。 散佈圖通常是用來研究兩變數間之相關聯性 (正相關、負相關、或無相關) 。,散佈圖的製作,散佈圖之製作步驟: 步驟1: 先調查兩組數據是否有關係，將所選擇的要因定為X軸，相對的 特性定為 Y軸。如溫度 VS 冷氣銷售量。 步驟2: 在橫軸及縱軸上，點上尺度，橫軸愈向右，其值愈大，縱軸愈向 上，其值愈大。 步驟3: 把數據點到座標上。 步驟4: 判讀 散佈圖之製作步驟-Excel: 步驟1: 插入圖表XY散佈圖 步驟2: 選取資料範圍,散佈圖之點記的分佈狀態和兩特性值之相關關係有下列三種: 1.正相關: 當其中一方的特性值愈大，另一方的數值也有增加的傾向時，散佈圖會呈向右上方走向，代表此兩特性值為正相關。 2.負相關: 當其中一方的特性值愈大，另一方的數值卻愈小時，散佈圖會呈現向右下方走向，代表此兩特性值為負相關。 3. 無相關: 兩個特性值互相不受對方影響時，散佈圖幾乎似圓形，代表兩者不相干。,散佈圖的秘密 (1/2),檢討異常值 此外，要瀏覽散佈圖整體，檢視是否有異常值存在。在距離多數點記之 外的地方，若出現點記的話先調查此數據之來源一旦確定是因為 異常之原因所造成之異常值的話，便可將此點去除。 若從圖上無法判別其是否為異常值時，切不可任意下結論，必須追究 此點和其它點偏離之原因在確定其原因後，才能判斷其是否為異常值。,散佈圖的秘密(2/2),1.調查兩特性值之間是否相關: 可經由視覺直接解析判斷其相關性。 2.可判斷異常值之存在: 異常值多半因為作業失誤、測量失誤、轉記失誤等而發生的，在製作 散佈圖時，這些異常值常會偏離其它值甚多，很容易察覺出來。 3.應用於問題解決步驟中: 當找出了某現象所發生的原因後，便可利用散佈圖來驗證其是否為具有重大 影響力之要因。 (即用以判斷要因影響特性之程度: 正相關 ? 負相關? 無相關?),散佈圖的使用,(四)柏拉圖 Pareto Diagram,講古篇 為何叫柏拉圖 Pareto Chart 柏拉圖為十九世紀義大利經濟學家柏拉圖(V. Pareto)調查國民所得分配時，發現少部分的人, 占有大部份財富。 80/20 法則: 80% 的問題集中於20% 的項目中，故控制 20%的項目即可解決 80%的問題。,精神篇 柏拉圖的基本觀念是: 以有限的人力和時間，有效的解決問題。,柏拉圖 80/20法則,1. 有助於了解那一個項目是最重要問題。 2. 一眼就能明白事情的重要順序。 3. 知道那一項目在整體中所占的比例程度。 4. 可以預測減少某一項目，就能期待整體獲得多少效果。,柏拉圖的好處,製作一個好的柏拉圖,步驟一:座標之取法,即是目的 縱軸:可以代表佔總不良之百分率、故障次數、損失金額或災害件數 橫軸:可以代表材料總別、機器總別、缺點總別或加工方法等 步驟二:搜集數據資料 一組好的數據資料必須要掌握正確的事實，在規定的期間內去蒐集資料，而這些資料有賴於平時之記錄與匯整。 步驟三:整理數據資料 依搜集項目(橫軸)數據的大小順序排列。 計算每一項目的數據佔累積總和的百分比率。 數據之數目小的項目多時,整理成其他項。 步驟四:柏拉圖分析圖製作 (MS Excel) 步驟五:分析,製程:DIP A 線 製圖人:小A 日期: WW30,好的柏拉圖要件,圖表名稱是否有意義 X,Y軸座標名稱,刻度是否明確 每個條圖之間是否有間距 第一個直方條和累積百分比曲線是否連接 各點資料標籤是否清晰 正確、一致、簡潔(Correct,Consistent, Concise),(五)管制圖 Control Chart,管制圖簡介 管制圖為Shewhart博士於1924年發明。 管制圖為一種圖形表示的工具，用以顯示從樣本中量測或計算所得之品質特性。 管制圖不僅能將數值以曲線表示，觀察其變化之趨勢，並可透過它即時判定製程是否有發生異常的趨勢或已發生異常。,管制圖 ?,管制圖範例 - Chart,異常點 Out-of-Control,(歷史資料)平均值,管制上限(UCL): +3,管制下限(LCL): -3,樣本平均值,中心線(CL):,管制圖觀念 基本篇,平均值 : 所有數值的總和除以此群資料的總數的值 (詳見小學課本第九冊) . ex 全距 R : 群體中最大與最小數值的差距 . 非常易於計算. ex 母體, Population N 母體平均值u 所有可能的取樣結果總稱。 Example骰子、全校數學成績 樣本, Sample n 樣本平均值 由母體中隨機抽取的小部份數量。Example 機遇原因 : 不可避免、非人為、不易控制之原因 非機遇原因 :可避免、人為、可控制之原因,管制圖觀念 進階篇,母體變異數 : 母體變異數的公式(x-u)為何要平方? (與中心值的距離) 母體變異數的大小與製程能力的關係為何? (變異大不穩定.) 母體變異數可以互相比較嗎? (只要母體相同例如),到中心點的距離,將距離平均 (N=母體總個數),母體平均值,樣本變異數與樣本標準差,樣本變異數 計算公式為 樣本標準差 計算公式為 為什麼要用樣本變異數? 為何要除以(n-1)而非(n)? (樣本v.s母體 +不偏) 為何以“s”為名? (Standard Deviation) 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?,變異數、標準差以及全距 R,樣本標準差 : 樣本變異數開根號即為樣本標準差 標準差與全距的R關係為何? (標準差近似於全距) 為何管制圖要管制全距R而不管制標準差或是變異數? (全距的優點?),管制圖的目的,1.維持製程在穩定狀態中 2.即時找出非機遇原因異常趨勢、異常發生 3.消弭問題，立即改善 4.重複此一循環，持續監控,異常趨勢 Ex: 連續五點上升,異常發生,依數據性質來分類: 計量值管制圖(Control Charts for Variables) 數據由量具實際量測而得,數值為連續性 !的 Chart 計數值管制圖(Control Charts for Attributes) 數據由單位計數而得,數值為離散性 !的 C Chart (ex: c 一單位時間內的缺點數),管制圖的種類,(六)特性要因圖 -Characteristic Diagram,特性要因圖是管理、改善工作所不可欠缺的品管七大手 法之一，因其狀似魚骨特別為它取名魚骨圖。因為其 為日本東京大學石川教授所提出，有人稱之為石川圖。 所謂特性要因圖，係指整理特性(結果)，以及可能對之造 成影響的要因(原因)的關連性，用狀似魚骨的圖形，有系統 地彙集而成的。,特性-Characteristic,何謂特性? 特性是指工作的結果或是工程產生的結果。就是問題啦 何謂要因? 所謂要因是指，對結果(特性)造成影響，而被舉出來的原因 一般而言在製造部門中特性與產品品質的差距有關的話，通常起因於5M的差別，因此大骨的要因最好用5M檢討，但是也不必拘泥於此，所謂5M 是指。 Man: 人 (作業者)。 Machine: 機 (機器、設備裝置) Material: 料 (材料零件) Method: 法 (作業方法) Measurement: 量測 (作業環境與測量方式),(七)直方圖 -Histogram,是一種利用常態分佈(也叫正常分佈)的原理,將數據區分為幾個區間，將出現在各區間內的數據之出現次數作成次數表，並將其以圖(柱形圖)的形式表現出來。