QC七种工具培训教材.ppt

QC七种工具培训 质量部2013年4月 QC七种工具 检查表 用于收集数据层别法 对数据进行分层分析 或用于分层收集数据柏拉图 用对数据进行分析 找出主要主要问题 二八原则 因果图 用于对问题解决的分析过程直方图 分析数据分分布状态 结合控制图使用控制图 用于现场控制 提起预警 在问题出现前发现问题散布图 用于判定两个因果之间是否有相关性 检查表 在数据收集的时候 需要编制一些表格 对需要收集的数据进行定义 以方便对数据的收集 避免收集过程中对数据的遗漏 同时便于对数据的进一步的分析 巡检记录表 产品检验记录表 质量日报 检查表 制作检查表的注意事项 1 目的 要明确此表用于收集什么数据 要实现什么目的2 决定检查的项目 即要收集的数据定义 如检验报告里有尺寸 外观 耐压等项目3 确定数据收集的方法 频次等 抽样还是全检 目测还是用卡尺 判定标准时什么 4 检查的日期 实施的人员 必须要有日期 实施人员 这个需要结合层别法 甚至可能需要区分设备 班次 物料批次等 一个好的检查表 能够非常直观的表达出想要的数据 并能突出异常点 所以 一个检查表要目的明确 不宜把过多的内容综合到一起 那样就难以突出重点 为后续的分析造成困难要根据检查表的目的 来设计不同突出点的检查表 层别法 这是一种方法 一种对数据进行分析的方法 是为了区别各种不同原因对结果的影响 以其中个别原因为主进行统计分析的以中国方法 1 按时间2 按操作员工3 按设备 工装4 按产品型号5 按原材料批次 通过不同的分类方式 可以发现一些问题之间的联系 层别法 示例 按产品大类及时间分层 按不良原因分层 对蒸发器按不良分层 通过上述的三种不同的分层方法 我们可以更清楚的看到 报废的主要因素是蒸发器的扁管损伤 那么我们重点解决的问题就是蒸发器的扁管损伤这个因素 柏拉图 由此图的发明者19世纪意大利经济学家柏拉图 Pareto 的名字而得名 柏拉图最早用排列图分析社会财富分布的状况 他发现当时意大利80 财富集中在20 的人手里 后来人们发现很多场合都服从这一规律 于是称之为Pareto定律 柏拉图主要用于在通过分层法统计出来的不良数据里 查找出主要问题 然后把精力集中在解决主要问题上 二八原则 80 的问题 是由于20 的原因导致的这个原则适用于社会上很多地方 如20 的富人掌握着社会80 的财富资源等80 20法则不仅在经济学 管理学领域应用广泛 它对我们的自身发展也有重要启示 让我们学会避免将时间和精力花费在琐事上 要学会抓主要矛盾 有一个重要的原则 二八原则 柏拉图 1 柏拉图有两个纵坐标 左边坐标为数量 也可以是金额等其他计量单位 右侧坐标为百分比2 数据排列 要从左到右 从大到小排列3 占比到80 的几项 作为重点解决的问题 图示红色圈内 4 发生频率少 项目多的可以归结到 其他 项目里 但是如果其他项目数字过大时 甚至比前三项还要多时 说明原因分类有问题 需要更深入的分析数据5 如果所有的原因项目的数量都很平均 没有特别突出的 那么产生的原因可能是分层没有分清楚 没有找到真正的原因 因果图 所谓因果分析图 就是将造成某项结果的众多原因 以系统的方式图解 即以图来表达结果 特性 与原因 因素 之间的关系 其形状像鱼骨 又称鱼骨图 由果推因的方法 在经过上述 柏拉图 确定了主要问题后 采用因果图的方式对其产生的原因进行分析的一种方法 因果图 1 以4M1E法找出大原因 Man Machine Material Method Environment 现在又增加了一种大原因 测量 measure 所以又称之为5M1E2 对这几个大原因进行分别分析寻找第二层次的原因 然后再对第二层次的原因继续分析 查找第三层次原因 一直到寻找到最底层的原因为止3 然后对这些甄别出来的每个原因进行分析 判断哪些是主要的原因 哪些是次要的原因4 对主要的原因进行对策制定 实施改善对策 验证效果等 因果图 在因果分析图的使用过程中 会使用到几个主要的方法 1 头脑风暴法 收集原因因素 2 5W2H when where what who why how howmuch 3 5WHY 对一个原因进行深层次的分析 一般至少要分析到第三个为什么 4 要因确认方法 对众多的因素 查找出真正的因素 因果图 头脑风暴法 主持人要明确的告诉小组成员 问题时什么 描述清楚问题 如何描述问题呢 就要用到5W2H的方法来描述 自由发挥 发挥每个人的想象力 提出各种问题产生的原因 在稀奇古怪都没有问题 这个阶段 禁止对他人提出的意见进行批评和评论 追求数量 不考虑质量不允许私下交谈5WHY 会后对每个意见进行评价 确认那些是主要因素 哪些是非主要因素 然后针对主要因素进行对策制定 庭外判决原则 延迟评判原则 自由畅想原则 以量求质原则 综合改善原则 突出求异创新 限时限人原则 因果图 5W2H 1 WHY 为什么 为什么要这么做 理由何在 原因是什么 2 WHAT 是什么 目的是什么 做什么工作 3 WHERE 何处 在哪里做 从哪里入手 4 WHEN 何时 什么时间完成 什么时机最适宜 5 WHO 谁 由谁来承担 谁来完成 谁负责 6 HOW 怎么做 如何提高效率 如何实施 方法怎样 7 HOWMUCH 多少 做到什么程度 数量如何 质量水平如何 费用产出如何 因果图 5W2H WHEN 什么时候发现的 WHO 谁做的 HOW 如何产生的 WHAT 是什么问题 HOWMUCH 数量有多少 WHERE 在哪里出现的 WHY 为什么这是个问题 因果图 5WHY 打破沙锅问到底一直问到可以直接采取措施的地步 美国华盛顿广场的杰弗逊纪念馆大厦年久失修 表面斑驳陈旧 政府非常担心 派专家调查原因 因果图 5WHY 案例1 1 为什么大厦表面班驳陈旧 专家发现 冲洗墙壁所用的清洁剂对建筑物有腐蚀作用 该大厦墙壁每年被冲洗的次数大大多余其他建筑 腐蚀自然更加严重 2 为什么经常清洗呢 因为大厦被大量的燕粪弄得很脏 3 为什么会有那么多的燕粪呢 因为大厦上有很多的燕子聚集到这里 4 为什么燕子以喜欢聚集到这里 是因为建筑物上有它喜欢吃的蜘蛛 5 为什么会有蜘蛛 是因为墙上有大量它爱吃的飞虫6 为什么墙上飞虫繁殖得这样快 因为尘埃在从窗外射进来的强光作用下 形成了刺激飞虫生长的温床 5WHY 案例1 因果图 解决问题的结论是 拉上窗帘 杰弗逊大厦至今完好无损 试思考 除了拉上窗帘 还有没有其它的解决办法呢 1 使用没有腐蚀性的清洁剂2 捕杀燕子3 杀死蜘蛛4 杀死房间内的昆虫 杰斐逊纪念堂 5WHY 案例1 因果图 06月13日客户ThermoKing在对T1000 TK10 1 和T600 TK11 1 做实验时发现转接座与集流管连接处出现泄漏 分别运行1500小时和550小时 问题描述 制造原因 管理原因 系统原因 剖面金相测试结果如下 a 破裂转接座的微观结构和良品及原材料一样 无诸如材料沙孔 杂质 和腐蚀现象 b 转接座在破裂的区域无明显变形 并且和合格品相比 破裂产品表面和破裂处的厚度没有变化 问题 转接座存在质量问题 对铜管进行抗拉测试 转接座符合设计要求 转接座选取送第三方权威检测机构做机械性能测试 结果符合材料设计要求 对破裂转接座进行解剖 发现 1 焊接效果良好 2 尺寸无异常 结论转接座设计符合公司标准 无质量问题 5WHY 案例2 因果图 因果图 要因确认方法 1 要从末端原因中逐条进行识别 确认通过5WHY方法得出因果图 是所有原因的全貌 其中有的是末端因素 有的是中间因素 只有末端因素才是有影响的 因此 对问题造成真正影响的主要原因 必然在末端因素中 所以要逐条识别 确认2 常用的要因确认方法现场测量 测试现场调查现场试验 因果图 要因确认方法 末端因素 中间因素 因果图 要因确认方法 明确确认内容 明确确认方法 明确判定标准 取得数据客观事实 与标准比较 因果图 要因确认方法 在一些特殊情况 不能进行现场调查 试验时 对要因的确认方法 比如在顾客端的问题 试验成本过高等 可以使用此方法 打分法 参与人员尽可能是经验丰富的人员 人员涵盖各个环节 岗位 工艺 质量 技术 生产等 直方图 是一种统计报告图 由一系列高度不等的纵向条纹或线段表示数据分布的情况 一般用横轴表示数据类型 纵轴表示分布情况 作用 1 显示质量波动的状态 2 较直观地传递有关过程质量状况的信息 3 通过研究质量波动状况之后 就能掌握过程的状况 从而确定在什么地方集中力量进行质量改进工作 直方图 1 收集数据 作直方图的数据一般应大于50个 一般选用100个数据 2 确定数据的极差 R 用数据的最大值减去最小值求得 3 确定组距 h 先确定直方图的组数 然后以此组数去除极差 可得直方图每组的宽度 即组距 组数的确定要适当 组数太少 会引起较大计算误差 组数太多 会影响数据分组规律的明显性 且计算工作量加大 组数可以参考下表 制作方法 直方图 制作方法 4 确定各组的界限值 为避免出现数据值与组界限值重合而造成频数据计算困难 组的界限值单位应取最小测量单位的1 2 注 组距的确认 尽量是测量单位的整数倍 例 测量单位为0 001mm 组界的末尾数应取0 001 2 0 0005 mm 分组界限应该把最大值和最小值包含在内 如最小值为10 281 最大值为11 281 R 11 281 10 281 1 分10组 则组距为 1 10 0 1在决定界限时 可先从第一组起 第一组左边界 最小值 最小测量单位1 2 即10 281 0 0005 10 2805第一组右边界 左边界 组距 10 2805 0 1 10 3805第二组左边界 就是第一组右边界以此类推 测单位的整数倍 0 001X1 2 3等 及组距应该是0 001或者0 002等 不要出现0 0015 为了计算的需要 往往要决定各组的中心值 每组上下界限相加除以2 所得的数据即为组中值 组中值为各组数据的代表值 直方图 制作方法 5 作频数分布表将测得的原始数据分别归入相应组中 统计各组数据个数 即频数f1 填好各组频数后 检验总数是否与数据总数相符 避免重复或遗漏 直方图 制作方法 6 画直方图横坐标表示质量特性 纵坐标为频数 或频率 在横轴上标明各组组界 以组距为底 频数为高画出一系列的直方柱 就成了直方图 直方图 常见图形判定 正常型 正常型是指过程处于稳定的图型 它的形状是中间高 两边低 左右近似对称 呈正态分布 锯齿型 当直方图出现凹凸不平的形状 这是由于作图时数据分组太多 测量仪器误差过大或观测数据不准确等造成的 此时应重新收集数据和整理数据 偏态型偏态型直方图是指图的顶峰有时偏向左侧 有时偏向右侧 由于某种原因使下限受到限制时 容易发生偏左型 如 用标准值控制下限或由于工作习惯都会造成偏左型 机加工孔易偏向下限 轴易偏上限等 直方图 常见图形判定 陡壁型当直方图像高山的陡壁向一边倾斜时 通常表现在产品质量较差时 为了符合标准的产品 需要进行全数检查 以剔除不合格品 当用剔除了不合格品的产品数据作频数直方图时容易产生这种陡壁型 这是一种非自然形态 双峰型当直方图中出现了两个峰 这是由于观测值来自两个总体 两个分布的数据混合在一起造成的 如 两种有一定差别的原料所生产的产品混合在一起 或者就是两种产品混在一起 此时应当加以分层 孤岛型在直方图旁边有孤立的小岛出现 当这种情况出现时过程中有异常原因 如 原料发生变化 不熟练的新工人替人加班 测量有误等 都会造成孤岛型分布 应及时查明原因 采取措施 散布图 散布图 是用来表示一组成对的数据之间是否有相关性的一种图表 这种成对的数据或许是 特性 要因 特性 特性 要因 要因 的关系 制作散布图的目的是为辨认一个品质特征和一个可能原因因素之间的联系 一般我们只用来分析两个因子之间的线性相关 还有多因子 非线性相关 在这里不讨论 散布图 对两个变量的线性相关性大小 可以通过一个系数来判断 r 公式如下 通过r的值得大小来判定两个因子的线性相关程度 r 1r 1 1时 两个变量因子是完全线性相关的 r 0时 两个变量因子线性不相关r 0 正相关 r 0 负相关 r 1 r 1 1 收集成对数据 X Y 至少不得少于30对 2 标明X轴和Y轴 3 找出X和Y的最大值和最小值 并用这两个值标定横轴和纵轴Y 两种数据 一方为原因 另一方为结果时 横轴取原因 纵轴取结果 4 描点 当两组数据值相等 即数据点重合时 可围绕数据点画同心圆表示 有层别项目时 一方用 来区分 另一方用 来分类 看出错误数据 并将其排除在外 5 判断 分析研究点子云的分布状况 确定相关关系的类型 散布图 制作方法 错误的做法1 未做层别区分的错误2 横轴表结果 纵轴表原因的刻度错误 对照典型图例判断法象限判断法相关系数判断法 散布图 散布图的判定 X Y 0 X Y 0 X Y 0 X Y 0 X Y 0 X Y 0 强正相关 强负相关 弱正相关 弱负相关 不相关 非直线相关 散布图 图形判定 散布图 象限判定 在散布图上画一条与Y轴平行的中值线f 使f线的左 右两边的点子数大致相等 在散布图上画一条与X轴平行的中值线g 使g线的上 下两边的点子数大致相等 f g两条线把散布图分成4个象限区域I II III IV 分别统计落入各象限区域内的点子数 分别计算对角象限区内的点子数 判断规则 若nI nIII nII nIV 则判为正相关若nI nIII nII nIV 则判为负相关 控制图 控制图就是对生产过程的关键质量特性值进行测定 记录 评估并监测过程是否处于控制状态的一种图形方法 根据假设检验的原理构造一种图 用于监测生产过程是否处于控制状态 它是统计质量管理的一种重要手段和工具 以随时间推移而变动着的样品号为横坐标 以质量特性值或其统计量为纵坐标的平面坐标系 三条具有统计意义的控制线 中心线CL 上控制线UCL和下控制线LCL 一条质量特性值或其统计量的波动曲线 分析用控制图 用间隔取样的方法获得数据 依据收集的数据计算控制线 作出控制图 并将数据在控制图上打点 以分析工序是否处于稳定状态 若发现异常 寻找原因 采取措施 使工序处于稳定状态 若工序稳定 则进入正常工序控制 控制用控制图 当判断工序处于稳定状态后 用于控制工序用的控制图 操作工人按规定的取样方式获得数据 通过打点观察 控制异常因素的出现 按用途划分 控制图 几种类型 按质量特性值的类型及其统计量划分 计量值控制图 过程数据是连续型的 采用计量型控制图 均值图 极差图 单值移动极差图等计数值控制图 过程数据时离散型的 采用计数型控制图 基于个数或百分比的P图 np图等 控制图 计量型与计数型的作用 控制图 均值极差图的绘制 X Bar R 开始准备 建立适合行动的环境 人员 资源 意识 目的等等定义过程 因为是对过程进行监控 所以必须有明确的过程定义 明确我们要控制的过程是什么 范围是什么确认为什么需要用控制图来进行控制 顾客的需求 当前或潜在的问题 即要使用控制图的原因是什么 定义特性 必须定义明确的特性 该特性是定性的还是定量的 以确认是使用什么类型的控制图来进行控制定义测量系统 控制图的制作过程中 是需要使用测量系统的 要确保测量系统的变差对过程变差的影响是可接受的 即 要先做MSA分析 测量系统是可接受的时候 才可以进行控制图制作使不必要的变差最小化 目的是避免那些不用控制图就能纠正的问题 并且在监控过程中对这些变差进行记录 如 工具更换 新的材料批次等 即过程要处于稳定状态 确保抽样方案对于预期探测到的特殊原因适合 即抽样方案能够保证能够监控到特殊因素 控制图 均值极差图的绘制 X Bar R 收集数据 收集预备数据的目的只为作分析用控制图以判断工序状态 数据采集的方法是间隔随机抽样 为能反映工序总体状况 数据应在10 15天内收集 并应详细地记录在事先准备好的调查表内 抽样计划 要确保子组内的变差最小 而子组间的变差大 即子组间出现特殊原因变差的机会最大 抽样的频率就是取决于子组间过程改变的时机如子组间出现过大的变差 则表明过程发生变化 应进行调查并采取适当的措施 收集的数据中 如有超出公差的不良数据 需要剔除 并查找原因 消除异常后重新收集数据 控制图 均值极差图的绘制 X Bar R 计算上下控制线 n是子组容量 K是子组数量 子组内 K是子组数量 控制图 均值极差图的绘制 X Bar R 常数表 根据样本数 就是一个子组内的数据个数来查表 控制图 均值极差图的绘制 X Bar R 绘图描点 控制图 分析用控制图 CPK过程能力计算 CP不考虑中分布中心 平均值 与中心值偏差的情况CPK是考虑了分布中心偏移问题 当分布中心与中心值重合时 二者相等 CP永远大于或等于CPK CPK不可以小于零 控制图 分析用控制图 CPK大小的意义 所谓PPK 是进入大批量生产前 对小批生产的能力评价 一般要求 1 67 而CPK 是进入大批量生产后 为保证批量生产下的产品的品质状况不至于下降 且为保证与小批生产具有同样的控制能力 所进行的生产能力的评价 一般要求 1 33 控制图 分析用控制图 CPK与PPK PPK 过程性能指数 CPK 过程能力指数 从公式上可以看出 二者的主要差别 是标准差的计算方式不同 PPK是计算的所有样本的标准差 称之为 过程总变差 而CPK采用的仅仅是子组内变差 所以PPK是包括了过程中所有变差的计算结果 包括特殊愿意和普通廕影响 称之为性能指数CPK仅仅考虑了组内的变差 当过程处于受控统计时 即不存在特殊原因影响时 过程能力非常接近过程性能 所以在量产初期所说的初始国能能力 是指的PPK 此时过程还不是处于稳定状态 当过程处于稳定状态时 即进入正式的批量生产时 就可以采用CPK来控制 控制图 分析用控制图 CPK与sigma关系 就概率来看 如果过程中心对准平均值 落在 6Sigma宽度的概率为0 002PPM 落在 3sigma宽度的概率为0 9973 的含义 是指单侧公差范围是几倍的 即单侧公差范围是几倍的标准差 但实际制程在生产过程中平均值在长期生产中会产生偏移 Zshift 一些专家认为这个偏移在长期来看趋向于1 5sigma 所以短期为 6sigma的制程长期能力为 4 5sigma 3的制程长期能力为 1 5sigma 4 5sigma的不良概率为3 4PPM 1 5Sigma的概率为93 32 可用EXCEL公