解决品质问题的QC七大手法.doc

解决问题的QC七大手法单元目的解决制程问题的方法不只限于管制图，质量管理七大手法都是可能的方法，本系统将个别简介这些手法，并提出实际使用例子，供学习者练习，希望对解决问题能有帮助。单元大纲 在进行质量管理时，我们会利用到许多图形方法来整理显示数据及数据，这些用作质量改善的图形工具，通常都不需要复杂的计算，比较常用到的图形方法有七项，一般称为品管七大手法（the magnificent seven）。品管七大手法包括：1. 管制图（control charts） 2. 检核表（checksheets） 3. 直方图（histograms） 4. 柏拉图（Pareto diagrams） 5. 特性要因图（cause and effect diagrams） 6. 散布图（scatter diagrams） 7. 流程图（flowcharts） 品管七大手法通常会配合层别法一起使用。层别法是经由对可能之原因，如原料、机械或操作员等，分成若干个层，在透过收集数据的分类，找出不良之真正原因。影响质量特性的原因通常包括时间、原料、机器设配、作业方法与操作人员等，所以，我们可以依下列基准来作层别：A. 依原料的供应来源或批次层别 B. 依作业人员的 部门、年龄、性别、熟练程度等层别 C. 依机械设备之种类、厂牌与布置位置等层别 D. 依时间，如月、周、日夜、或上下午等层别 E. 依作业条件，如温度、压力、速度或天气等层别 F. 依操作方法层别 G. 依不同生产线层别 1. 管制图基本原理统计理论认为母体参数可由随机抽取的样本来估计，SPC图的统计基础即在于此。但是，SPC图并不能控制一个制程，它只是提供制程重要的信息，这个信息可以作为质量决策与修正制程的基础。一般SPC图提供三条制程信息的管制线：上管制线(upper control limit, UCL)中心线(center line, CL)下管制线(lower control limit, LCL)。不同制程管制对象有不同的数据，所有的数据都可归类到下列其中一种：1. 分类数据将产品质量分为好或不好、合格或不合格等 计数数据记录某产品的某个特性发生次数，例如错误次数意外次数销售领先次数等 3. 连续数据某个质量特征的量测值，例如尺寸成本时间等 前两种数据为计数值数据，第三种为计量值资料。收集数据时，如果可能应该尽量收集定量数据，因为定量管制图所需的比较性计算较少，而且能提供较多的信息。基本计算管制图可用一通式来表示，假设y为量测质量特性之样本统计量，y之平均数为y，标准差为y，则UCLyky中心线yLCL=yky其中ky为管制界限至中心线之距离。此管制图之理论首先由美国之Waiter A. Shewhart博士提出，任何依据此原理发展出之管制图都称为Shewhart (苏华特)管制图。应用范围管制图之应用有许多方式，在大多数之应用上，管制图是用来做制程之在线(on-line)监视。亦即收集制程样本数据用来设立管制图，若样本值落在管制界限内且没有任何系统性之变化，则称制程在管制内。管制图也可以用来决定过去之制程数据是否在管制内，及末来之制程是否将在管制内。管制图也可用来做为估计之工具，当制程是在管制内时，则可预测一些制程参数，例如平均数、标准差、不合格率等。此种制程能力分析对于管理者之决策分析有相当大之影响，例如自制或外购之决策，工厂及制程之改善以降低变异，及与供货商或顾客间之合约。管制图实施步骤1. 选择质量特性2. 决定管制图之种类3. 决定样本大小在设计管制图时，我们必须决定样本之大小(sample size)及抽样之频率。一般而言，大样本可以很容易地侦测出制程内小量之变动。当选定样本大小时，必须先决定所要侦测之制程变动的大小。当制程变动量相当大时，则适合使用小样本，反之，若制程变动小时则使用大样本。除了决定样本大小外，我们同时须决定抽样之频率。最理想之状况是次数频繁地抽取大样本。但从经济观点而言，此并非最佳之抽样方法。较可行之方法是在长时间间隔下取大样本或短时间间隔下取小样本。在大量生产下或有多种可归属原因出现下，较适合样本小而次数多之抽样。由于检测器和自动量测技术之发展，目前之趋势倾向100%检验。4. 抽样频率和抽样方式管制图是利用合理样本组之概念来收集样本数据。合理样本组之抽样方式可让可归属原因出现时，样本组间发生差异之可能性最大，而样本组内发生差异之可能性为最小。当管制图应用到生产时，生产时间次序为一合乎逻辑之合理样本组取样方法。一般合理样本组之抽样有两种方式进行。在第一种方式下，组内样本尽可能在时间差距很短之情况下收集，如右图之(a)。这种抽样方法将可使样本组间之差异为最大而样本组内之差异为最小。这种抽样方式也是估计制程标准差之最好方法，一般称之为瞬时法(instant time method)。第二种方式下，样本组内之数据为来自于上次抽样后具代表性之产品。在此种抽样方式下，每一样本可视为在抽样间隔内之随机样本，如右图之(b)。此种抽样方式称为分布式抽样(distributed sampling)或称为定时法(period of time method)。这种抽样方法通常是用在决定自上次抽样后之产品是否可接受时。5. 收集数据6. 计算管制图之参数，一般包含中心线和上下管制界限7. 收集数据，利用管制图监视制程使用管制图之原因1. 管制图是一改善生产力之有效工具 管制图之有效运用可降低报废和重工。报废和重工之降低代表生产力增加、成本降低和产能之增加。2. 管制图是预防不合格品之有效工具 管制图为一预防性之管理工具，强调第一次就做对，它比事后之检验更能提升产品之质量。3. 管制图可预防不需要之制程调整 由管制图可获知调整制程参数之最佳时机，以避免因过度调整，使制程变异增加，造成制程成效恶化。4. 管制图可提供诊断之信息 管制图上之非随机性变化模型(nonrandom patterns)可以提供诊断制程异常之情报。一个非随机性模型通常是由一组异常原因所造成。由管制图上非随机性模型可了解制程何时为异常，并可缩小寻找问题原因之范围，降低诊断时间。5. 管制图可提供有关制程能力之信息管制图可提供制程参数、制程之稳定程度和制程能力等情报，这些信息对于产品和制程之设计者非常有帮助。 管制图使用时机 管制图使用时机树形图各种管制图使用时机须仔细判断以免误用，致使做出错误的决策，下图是各SPC图使用时机的决策树。当收集所得的数据属于量测数值，通常会使用和R管制图，和R管制图每组的抽样数可从2到10，而实际使用常以3到6最为普遍。如果抽样数每次皆不定，则会以组标准差取代组距，而成和S管制图，这种情形并不多见，所以和S管制图的应用较少。X管制图只有在数据无法分类的情况下才会使用，因为在某些状况下，无法一次取得数个抽样值，例如每月的销售量，可以将抽样数订为1，而用变动平均代替。如果将抽样的产品分为两类(合格与不合格)，应该使用或管制图，但是两者有两点不同，一是管制图是用于不良品百分比，管制图用于不良品数；其次管制图可用于抽样数固定或非固定，管制图只适用于抽样数固定。因为管制图的适用范围较大，故实际应用上管制图较少见。通常管制图每次抽样数从30到1000之间。如果产品检验只分为好或不好，与管制图相当有用，可是此两种管制图无法满足复杂的产品，例如车辆生产管制，因为车辆不可能一分为二：不是好的就是坏的，此时使用C或U管制图较适当。对这些计数数据而言，如果每次抽样不良品发生的机率相当固定，C管制图(缺点个数)即可适用。但是如果每次抽样不良品发生的机率不固定，则U管制图(单位产品缺点数)较适当。实施管制计划之原则选择适当之管制图 1. X-R(或X-S) 管制图之适用时机 a. 新制程或现有制程生产一新产品时。 b. 制程已存在一段时间但不能符合产品之规格允差。 c. 对一有问题之制程，管制图能提供诊断之机会时。 d. 进行破坏性之测试或高成本之测试。 e. 当制程在管制状态时，期望能够减少验收抽样及检验。 f. 已使用计数值管制图但制程为管制外，或制程是在管制内但制程之不合格率太高。 g. 当制程需要极严之规格，重迭之组合允差或制程存在其它困难之制造问题。 h. 当作业员需要决定是否调整制程或机器之准备工作必须评估时。 i. 当需要改变产品规格时。 j. 当必须经常显示制程之稳定性及制程能力时。 2. 计数值管制图之适用时机 a. 作业员控制可归属变异原因，而且必须减低制程之不合格率。 b. 制程管制是必须但并不能获得量测数据。 c. 制程为一复杂之装配工作，而且产品质量之量测为产品不合格品之出现次数、产品功能之成功或失败。属于这类之制程有计算机、办公室自动化用品、汽车和这些产品之零组件。 d. 需要汇整制程成效，以供管理参考。p管制图、c管制图及u管制图等都能有效地记录及汇整制程之成效以提供管理者参考。 3. 个别值及移动全距管制图之适用时机 a. 由于制程之特性无法或不容易获得合理样本组，或抽样时重复之量测数据仅为实验或分析之误差，无法反应制程之变异性。典型之例子为化学工业。 b. 使用自动化之测试及检验允许对每一产品做量测。 c. 样本之收集需一很长之等待时间，以使得制程管制无法对制程问题做及时之反应。 决定在何处需要实施何种质量特性在开始使用管制图时，对于何种产品或制程之特性需管制及何处需使用管制图是一件困难之事。一些可行之准则有:A. 在管制图计划之开始，将管制图应用到被认为是重要之产品特性或制造程序上。管制图所回馈之情报能够立刻告诉我们是否需要这些管制图。 B. 将一些认为非必要之管制图移去。将工程师或作业员认为必要之管制图加入。在制程尚未稳定而通常需要较多之管制图。 C. 将目前使用之管制图之数目及种类等信息记录下来。一般而言，当管制图计划开始施行之初，管制图数目之成长相当稳定。此后管制图之数目将减少。当制程稳定后每年间管制图之数量将不会有太多改变。但它们并不需要是相同之管制图。 D. 当管制图被有效运用，同时也获得主要制程之有关信息后，我们将发现计量值管制图之数量将增加而计数值管制图之数目将减少。 E. 在管制图计划之开始将有许多计数值管制图用于半成品及完成品。但当吾人从制程获得更多信息后，计量值管制图将取代计数值管制图。这些计量值管制图将被运用在制程较前面之阶段，用以管制使完成品产生许多不合格品之重要参数和作业上。在制程较前面之阶段使用管制图，所获得的效果愈佳。对于复杂之装配作业，此意谓将管制图应用在供货商之阶段。 F. 管制图为联机之管制方法，因此管制图应该在工作站附近施行及维护，以获得迅速之回馈。联机操作员及制造工程师负有收集数据，维护管制图及解释管制图之责任。 2. 检核表（Check Sheet） 功能与意义 | 实施步骤 | 实例 意义与功能 检核表是一种用来收集及分析数据简单而有效率的图形方法。检核表可说是另一种次数分配的表现，使用时只要运用简单的符号标记出工作目标是否达成或对特定事件发生给予累积纪录。使用简单符号如 、D 、O 、 或正。检核表的设计要简单明了而且要能涵盖所要研究的项目，避免工作延迟或遗漏。 实施步骤 1. 招集所有相关人员，运用脑力激荡法制作特性要因图以列出要因项目。 2. 将所列出的要因项目层别后，并填入检核表中。 3. 操作人员运用简单的记号将检核结果纪录于表中。 4. 利用所得之数据，整理分析，以便了解管制情况或采取必要措施。 实例 1. 记数表：下表是一个纪录印刷电路板上的缺点项目。 印刷电路板 日期 最后测试 位置 测试方法 检验员 样本大小 批号 型式不合格点数总和功能测试焊接电镀其它总和2. 检查用检核表 下表是元智公司用以检查不良原因之检核表，一但发生不良品，现场主管可以依此表进行检查，可以迅速发现原因，避免进一步的损失。元 智 公 司不 良 原 因 检 核 表编号主管检核人日期符号：良好 ：普通 ：较差说明：分类检 核 项 目品管单位教育训练1.员工教育是否按计划实施？2.教育训练的教材准备？3.教育训练有无记录并考核训练教材？检验设备1.有无足够之量测和检验设备？2.检验设备是否按时校验？3.量具、仪器是否标示校验情况？4.校验人员是否按标准程序进行校验？生产单位现场作业1.操作员是否按标准作业程序？2.所使用之生产数据室否正确？3.操作员有无进行自主检查？设备维护1.机械有无日常保养？2.机器设备是否处于合用状况？3.辅助之夹冶具是否堪用？环境与安全1.工厂环境是否合于5S?2.机器设备有无安全标示？3.操作员是否按规定使用安全防护用具？4.紧急照明与消防设备是否合格？采购单位采购管理1.是否依产品设计规格采购物料？2.对供货商是否进行定期调查评估？3.物料进厂是否进行抽样检验？4.检验计划是否合于统计原理？3. 位置图 位置图是将缺点或问题发生之位置标示于图上，用以分析问题发生的根源。下图是一个电路板应用位置图来标示出缺点发生的位置，从这个例子可以看出，电路板的左右上角是缺点发生最多的位置，进一步仔细观察作业员的操作过程，得知此两个位置是作业员搬运电路板时所持的位置。可能是手上的灰尘造成。在改以专门的搬运工具后，缺点数显著减少。直方图（histograms） 意义与功能 | 实施步骤 | 实例 意义与功能直方图是一种将数据以简单方式呈现的工具。它用在显示从制造程序中收集的数据，可以让分析者很快速地了解某特定时间内制程的状况。横轴代表某个质量特性或变量之量测值的分类，纵轴表示每一类出现之次数。下图示一个典型的直方图：钟型分配：在上下界限中央有一高峰，且图形以中心点对称，显示此数据来自一个自然、的常态制程。双峰分配：在数据分布范围之中央有一低谷，而两旁个有一高峰。此种图形是混合两个钟型分配，可能的情形是这些数据来自两部不同之机器、两个不同之操作员或两条不同底生产线。高原型分配：直方图没有显著底高峰和尾端，此种直方图的数据可能来自数个钟型分配。一种可能的原因是无标准作业程序，操作员自行其事，造成极大之变异。梳状分配：直方图上，高低值交互出现。可能事良策误差或分组不当。偏斜型分配：高峰出现在接近某端分布范围边，另一边是长长的尾巴。若尾巴向右延伸称为右偏，反之称为左偏。截断型分配：在直方图上高峰发生在(或靠近)数据分布之边缘。截断型直方图之发生是将某些数据自钟型分配数据中移去，例如:实施100%全检，将不合格品数据剔除。离岛型分配：在直方图上出现两个大小相差甚多之高峰。较低之高峰附近之数据可能来自于某一特别之机器、制造程序或作业员，亦可能量测误差或抄写数据时产生之错误。边缘突出型分配：在平滑分配的边缘出现一突出之高峰。此情形通常为数据记录错误所造成。实行步骤 1. 收集研究对象之数据，通常以最能代表制程之质量特征值。 2. 将资料以适当之分组整理之。 3. 绘制直方图。 4. 检查直方图是否合乎常态，若有异常情形发生，找出异常之原因。 5. 针对异常原因提出改善方案。 6. 执行改善方案后，再进行确认。 实例某钢铁厂为维持每批钢铁之硬度，每批钢铁均抽样检查。下表是该厂三月份之测试资料：413405411.5404.5405412.5413415414.5395.5415407.5413400404421410.5414.5413400410407403.5411.5413405410410.5403.5410413415416403.5396.5404403405404416415411.5410395410410405408.5408.5405408408.5407.5410411.5415410411.5402.5410为绘制于直方图上，将上列数据重新排序后成下表：395404407410411.5414.5395.5404407.5410411.5414.5396.5404407.5410411.5415400404.5408410412.5415400405408.5410413415402.5405408.5410413415403405408.5410.5413415403.5405410410.5413416403.5405410411.5413416403.5405410411.5413421直方图如下：柏拉图（Pareto Diagram） 意义与功能 | 绘制方法 | 评核 意义与功能 1897年意大利的Viltredo Pareto由所得曲线发现，少数人拥有社会大部分的财富，他认为只要控制那些少数财主，即可控制该社会财富，此种重点控制的方法，称为柏拉图原则。我们可以将此原理应用在现场改善上，先将关键不良因素假以解决，可以降低大部分的不良品。因此，所谓柏拉图原则就是利用重要的少数项目控制不重要的多数项目，物料管理所使用的ABC分析法，即为该法则之一例。在生产现场，柏拉图分析之应用范围很广，特别是涉及因素非常广的情况，各个因素所占影响之比例不同，使用柏拉图找出重点因素，进而针对重点因素加以解决，则问题已解决一大半。绘制方法一般柏拉图分析图如下所示：其绘制步骤如下：1. 坐标取法 A. 横轴：用以代表材料别、机器别、缺点种类或其它分析的原因。 B. 纵轴：不良百分率、故障次数、损失金额或其它因分析原因所造成的结果。 2. 搜集资料 依据既定所要分析的原因种别，搜集这些原因所造成的结果，通常是损失金额、损失时间等，这些数据有赖平常的纪录语汇整，并需要得到经营管理阶层与有关部门支持与提供情报，方能顺利达成目标。3. 制作柏拉图分析图 A. 按照横轴各可能原因所造成之影响大小，绘成直方图。 B. 画出累积百方率曲线。 C. 将改善目标值，以虚线画在图上，作为改进之准则。 D. 将上期造成之影响总量标于图上，做为参考。 E. 以一个月做为柏拉图分析的期间。 F. 纵轴最好以损失金额取代不良品个数或其它非金额的影响，目的是使所有人均能一目了然。 G. 精密机械加工业之柏拉图分析图范例，如下图所示： 实施成效考核从每期得柏拉图分析中，可以知道主要因素在改善前后的效果，重点在于损失金额的减少多少，以此为评量绩效的依据。特性要因图 意义 | 功能 | 绘制与实施 | 实例 意义 特性要因图(Cause and Effect Diagram)是一种用来说明质量特性，及影响质量之主要因素与次要因素三者间关系的图形。由于其形状类似鱼骨，故又称为鱼骨图，如图所示。若能与柏拉图、管制图、直方图等技巧配合使用，其效果更佳。 特性要因图的功能特性要因图的功能非常广泛，除可用于现场制程外，其它在事务上、研究上、教育上及新产品的开发上均能派上用场。在原因或对策之寻找，必须透过相关人员的知识和经验的聚集并整理，而成一种有系统有组织的程序与方法，以得到分析管理的效果。其功能可整理成下列四点：1. 改善解析：为改善质量、提高产量、降低成本、增加工作效率，于进行现状分析时，特性要因图所考虑之各原因，将有何种程度影响，可配合柏拉图分析并研究提出改善对策。 2. 制程管制：SPC主要以管制图判断制程是否稳定，当出现管制界线外的不良品，或是出现八种管制界线内的不良现象，欲察明可能知因素时，可利用特性要因图找出关键因素或以直方图来明了制程能力，当直方图超出规格界线时，亦有赖于特性要因图以查明其真正原因。 3. 制定操作标准：将特性要因图分析彻底后，表示对于制程的变异有充分的掌握，之后在制定或修改操作标准时，即可针对原因以适当的对策因应。 4. 实施品管教育：当所有相关人员参予讨论，可以利用特性要因图将每个人的经验及技术内容整理出来，使大家获得完整的观念与思想，增进管制者的解析能力。 绘制与实施1. 确定问题点特性要因图在未绘制之前，应先将不良率、顾客的抱怨、产品尺寸不符、外观不良等有关质量方面的问题，或安全程度、效率的提高、观念的提升等期望方面的问题，加以确定。 2. 召集相关人员必须使有关的人员都能参加，一方面集思广益，另一方面也有再教育的效果，以期能把关键因素顺利找出。 3. 准备大幅的纸张与彩色笔先在纸中央画一条较粗的线，之后在右端画一个指向右方的箭头，并于箭头右侧写上问题点。 4. 脑力激荡由所招集的人员轮流针对问题点，提出影响问题点之要因或解决问题之方案。发言需简单扼要，勿批评或质询别人，并整理各种意见，作成纪录。 5. 讨论分析待大家发言告一段落，再共同讨论这些问题点之影响程度，并经大家认可后，将最具影响力的要因圈选出来。 6. 特性要因图之制成将经讨论确定的要因，依其重要程度依序作成骨干或细枝，应将同一因果关系者归于同一分枝。 7. 贴在工作现场，并追加原因特性要因图需贴在工作现场附近，以便于问题发生时，就近集合全员讨论，追加过去未注意的要因。若有不同意见或看法，需进一步搜集数据作成统计分析，并追踪其实质效能。 8. 重新绘制特性要因图当原因追加，或区分重要性之后，应将重要者处理出来，重新制作另一特性要因图，并加以分析，让全员了解，以便采取改善措施。 实例特性要因图可区分为原因追查型和对策追求型两种：A. 原因追查型： 利用特性要因图找寻不良原因的症结，如下图：B. 对策追求型： 找寻问题点应如何防止，目标之效果应如何达成的对策，而以特性要因图表示期望效果（特性）与对策间的关