品质手法培训资料

QC手法培训资料,品质管理科,2010年编制,检查表,一.定义将需要检查的项目和内容一一列出来，然后定期或不定期的逐项检查，并将问题点记录下来的方法。是最简单使用最多用途最广的一种品管手法。在工厂、学校、医院、酒店、银行、国家行政部门的日常工作中，检查表都得到广泛的应用，对我们的管理工作帮助很大。将需要检查的内容和项目做成检查表格，然后一个一个的检查，又快又准又不疏漏，是形成严谨的工作态度的必经之路。,二.检查表的种类检查表一般包括但不限于：诊断表（顾问诊断表，医生诊断表等）问询表（记者采访问询表，与某人沟通问询表等）统计表（人口统计表、生产数量统计表、不良率统计表等）调查表（客户满意度调查表、民意调查表等）记录表（IQC检查记录表、机器保养记录表等）工程表（电子行业QC工程表、家具产品QC工程表等）考核表（员工考核表、干部考核表、干部晋升考核表等）检查表（5S检查表、工业安全检查表、内部审核表等）管制表（人员管制表、物料管制表等）,三.检查表制作应注意的事项,明了制作检查表的目的决定检查的项目决定检查的频率决定检查的人员及方法相关条件的记录,如作业场所、日期等四.检查表的实施步骤1.确定检查对象2.确定检查表3.依检查表项目进行检查并记录4.对检查出的问题要求责任单位及时改善5.检查人员在规定时间内对改善效果的确认6.定期总结,持续改进,质量分布调查表,调查人:_,调查数:_,调查方式:_,调查时间:_,工作改善检查表,汽车驾驶前检查表,事实上检查表已经远不止只是一种品管手法了,它的应用如此之广,在我们生活的方方面面都可能会碰到.因此关于检查表的分类、制作等等知识我们都不能太局限于教材上的那些条条框框，而是要从实际出发，考虑使用的场合等各种因素，能简就简，一言以概之就是信息表达清楚就行。,层别法,一.定义层别法又叫分类法或分组法,就是按照一定的标准,把搜集到的数据或资料加以分类整理的一种方法.层别的目的在于把杂乱无章的数据加以整理,使之能确切地反映数据所代表的客观事实.这种科学的统计方法可以弥补靠经验靠直觉判断管理的不足.它是运用柏拉图的前提,未经层别的数据是无法绘制柏拉图的,层别法对象举例,1、部门别:技术部、工艺部、财务部、客服部、采购部、品管部、制造部、营销部、行政部等2、班别：早班、中班、晚班3、作业员别：工龄别、年龄别、教育程度别、性别别等4、原材料别：五金类、塑料类、电子元件类、包装材料类5、作业条件别：温度别、湿度别、压力别等6、时间别：小时别、日别、周别、旬别、月别、季别、年别等7、地区别：华南、华北、东北、华东、西南、西北8、测量别：测量仪器别、测量人员别、测量方法别等9、检查别：检查人员别、检查方法别、检查场所别等10、机器设备别：机台别、机型别、生产厂家别、新旧别等,层别法在日常生活中的应用,1、交通信号灯分为红灯、绿灯、黄灯2、医院内分为内科、外科、等科室3、买衣服时货比三家对颜色、款式、价格进行比较后再购买4、家里要是有双保胎会让她们用各种不同颜色形状的物品5、公交车分为不同路线每条路线都不同6、中国移动下有三大品牌神州行、动感地带、全球通各种的资费、适用人群等都不同7、车站有不同的剪票口以方便管理8、商场内分为不同的购物区，如百货、家电、化妆品、衣服等9、品质部分为四个科，食堂分为三个不同的就餐区等,二.层别法的实施步骤,1、确认研究的主题.如各行业的收入水平、工厂各班组的绩效、不同产品的报废数量等2、制作表格并收集数据数据的真实性、数据的及时性、数据的代表性3、将收集的数据进行层别使人一目了然4、比较分析，对这些数据进行分析，找出其内在或外在的原因，确认改善的项目,三.事例,例一某公司有三条生产线A、B、C，下表为其一周生产不良率数据，用层别法可明显发现三条线的差异,例二假如国家规定春节放假9天，清明1天，五一3天，端午1天，中秋1天，国庆5天，元旦1天，现在看看这些假期占的比重,不层别,结论：春节假比较长,占的比重较大,层别一按传统节日非传统节日区分,结论：传统节日假期较长,占的比重较大,结论：上半年的假期较多，下半年实在是太辛苦了,层别二按节日所处的年区分（上半年、下半年）,例三某电影网站有各种电影共20000部,层别1电影类型,结论：动作、喜剧、科幻是占比例较大的电影类型,例三某电影网站有各种电影共20000部,层别2电影出产地,结论：该网站的电影绝大多数是中国出产的,例三某电影网站有各种电影共20000部,层别3电影出产年份,结论：该网站的电影绝大多数是06、07、09年出产的,例三某电影网站有各种电影共20000部,层别4电影评分,结论：该网站的电影绝大多数是7.5-8.5分,例三某电影网站有各种电影共20000部,我们还可以将视角缩小例如关注一下爱情片都是哪里出产的、出产年份、评分情况，这里只说一下出产地,结论：爱情片绝大多数是台湾、日本、韩国产的,层别法是做柏拉图的基础，不同的层别会得到不同的结论，当然这建立在数据较多较杂的基础之上。依照不同的层别绘制的柏拉图其视角和得出的结论是完全不一样的，这就要求我们根据实际需要选择适当的层别去分析。而不是随便绘制一个柏拉图就感觉抓住重点了，其实我们看到的仅仅是问题的一个方面，当然也不排除这就是最重要的方面层别法经常和其它的品质手法一起使用，最常见的是和柏拉图一起使用，和别的手法一起使用的情况也比较简单，此处不做太多的介绍,柏拉图(排列图),一定义将收集的数据进行层别，把层别好的数据按确定的项目从大到小进行排列，再加上累计值的图形，又称排列图。从柏拉图可以看出哪一项目有问题，其影响程度如何，以判断问题的症结所在，并针对问题点采取改善措施。柏拉图的作用降低不良的依据决定改善目标，找出问题点确认改善效果（改善前后的对比，对比时改善前后的条件或对象要一致，否则没有对比性）,1、分析现象用柏拉图这种柏拉图与以下不良结果有关，用来发现主要问题：质量：不合格、故障、顾客抱怨、退货、维修等成本：损失总数、费用等交货期：存货短缺、付款违约、交货期拖延等安全：发生事故、出现差错等,2、分析原因用柏拉图这类柏拉图与过程因素有关，用来发现主要问题:操作者：班次、组别、年龄、经验、熟练情况以及个人本身因素机器：机器、设备、工具等原材料：制造商、工厂、批次、种类作业方法：作业环境、工序先后、作业安排,三柏拉图的分类,四应用注意事项,1.一般来说，主要因素应只是一、二个，至多不超过三个，否则就失去找主要因素的意义。当各项数据分配比例差不多时，应从其他角度收集数据再做分析.2.其他项不能大于前几项,若大于时应再分析.3.分类项不可太少少于4项没任何意义，5-9项较合适.4.在采取措施之后，还应作柏拉图，以进行效果检查对比.5.不太重要的项目很多时，横坐标会变得很长，通常把这些列入“其他”项，排在最后.6.柏拉图是用来发现主要问题的,如果重点问题一目了然则无须再绘图,毕竟改善问题才是关键.7.采取改善措施时如果第一项改善操作可行性低,很难解决或花费巨大,则可直接从下一项着手.,五柏拉图的制作,1.制作方法(见EXCEL附件)2.满足下列条件,作出的柏拉图会比较美观柏拉图第一项占的比例较大柏拉图的前几项有明显的差距柏拉图的其它项所占比例较低柏拉图的前几项占的比重高柏拉图的柱数适中,六事例,1.某公司2003年度之行政事务费用经统计后如下所示,请将之做成柏拉图,以了解哪些支出占的比重较大,并试着提出改善方案,交通费最多占了一半,前三项占到86.6%对策:重新评估交通车之承载量,重新规划交通路线重新评估交际费之核准权限电话长话短话方案及员工教育,必要时电话作时间限制,2.某公司希望经理的工作重点放在工作指导和改善活动上,于8月份收集数据后,发现情况并不好,于是着手进行改善活动,再于12月收集数据,现绘制柏拉图并进行比例,1.8月份经理的工作时间花在催料、不良处理对策、以及规划3项为最多，花在作业指导及改善活动方面的时间并不多2.重新调整工作方式后，在12月份经理的工作时间花在工作指导、改善活动以及生产规划为最多，花在作业指导及改善活动方面的时间占全部时间的47.3%，为8月份的3.24倍，显见经理已走入现场实际了解问题，并改善问题,经多方验证发现绕线不良率高是造成准确度不良的重要原因,并制定改善措施降低绕线不良,11月第三周对制程抽检不良进行统计并作成柏拉图(检验数:200/天),3.某仪表厂6月多次收到顾客投诉,投诉内容都是仪表精确度不够,7月第二周派专人对制程抽检不良进行统计并作成柏拉图(检验数:200/天),和7月相比准确度不良虽然还是占最大比重,但所占比例却已经下将了很多,且不良总数下降很多，说明前期做的工作是有成效的,柏拉图主要有两种使用方式，一种是通过不同的层别，从不同角度来考虑问题，绘制柏拉图找突破口；一种是对抓住的重点项目进行分析并再次绘制柏拉图以找到更细的原因，这样的柏拉图称为X层柏拉图,因果图（特征要因图）,一.定义：因果图又叫特征要因图、石川图或鱼骨图，是表示质量特性与原因关系的图，1953年由日本东京大学教授石川馨第一次提出。二.因果图之分类1.追求原因型生产效率为什么这么低？个人能力为什么这么低？不良品为什么这么多？生产成本为什么这么高？,WHY,2.追求对策型如何提高生产效率？如何提升自身能力？如何防止不良品发生？如何较低生产成本？,HOW,三如何作图：1.确定特性即问题点2.绘制骨架3.确定要因类别，一般分为人、机、料、法、环、测6大因素4.依据大要因再分出中要因，中要因的选定以3-5个为宜5.更详细的列出小要因6.圈出最重要的因素7.记载相关事项，如制作目的、日期、制作者、参与人员,四注意事项：（1）特性的决定不能使用看起来含糊不清或抽象的主题（2）有多少品质特性做多少张图。（3）原因一定要分解到可以采取措施为止（末端原因）。（4）用数据事实客观评价每个因素找出真正的重要因素。（5）无因果关系的不予归类。（6）重点放在如何解决问题上，需依5W1H列出。5W1H的含义：What:做什么？指计划项目Why:目标？指达到什么程度How:方法？指用什么手段实现Where:地点？指在何处实施Who:谁？指什么人负责实施When:时间？指预定完成时间,五事例,某家庭主妇蛋糕烤焦之因果图,蛋糕烤焦,方法,原料,家庭主妇,烤箱,培训不足,未加入淀粉,烤箱余温过高,烤箱预热不久,快烤热时离开现场,放上蛋糕后去做别的事,工作纪律差,温控失灵,蛋已变质,蛋搅拌不均匀,时刻调温,温度计不准,使用人造蛋,某实验中学学生流失之因果图,流失学生增加,社会环境,学生,学校,教师,责任心差,分数排队不重视素质教育,受打工潮影响,职业道德差,同学间欺压,责任心不强,专业性不够,从事第二职业,歧视差生,存在乱收费,大搞奖罚制,周边娱乐业发达,读书无用论,治安状况差,思想压力大,家庭困难,个人基础差,一.定义关联图又叫关系图是对原因-结果，目的-手段等关系复杂和相互纠缠的问题，在逻辑上用箭头表示其相互关系，从而确定其主要影响因素的方法。,关联图,二.关联图法的适用范围(1)制定工程的不良对策(2)市场的抱怨对策(3)业务改善(4)QA、QC的方针展开等,三.关联图主要特点1.适合于整理因素关系复杂的问题2.从计划阶段开始就能够以广阔的视野把握问题3.可准确的抓住重点4.容易协调大家的意见5.不拘形式自由发表意见,便于探索问题的因果关系6.能打破成见,四.关联图法的绘制原则(1)仍是原因-结果、目的-手段之要素(2)箭头只进不出是问题(3)箭头只出不进是主因(4)箭头有进有出是中间因素(5)箭头出多于进的是关键中间因素,五.关联图的类型,(1)按结构分,中央集中型把要分析的问题放在图的中央位置，把同“问题”发生关联的因素逐层排列在其周围,单方向集中型把要分析的问题放在右（或左）侧，与其发生关联的因素从右（左）向左（右）逐层排列。,1,2,3,4,5,6,7,9,8,10,问题点,11,9,11,10,8,1,7,5,4,6,3,2,问题点,12,(2)按应有形式分,单一目的型前面两个都是单一目的型多目的型,1,2,问题一,4,3,6,7,5,问题二,六关联图的制作方法(1).确认问题点(2).问题探讨(3).制作关联图1.列出原因项目2.排列原因项目,3.决定一次原因,5.订出各原因项之因果关系6.制作关联图(4).看并修正图形(5).圈出所有末端原因(6).验证(7).针对真正的要因制定具体实施计划,问题,1次原因,1次原因,1次原因,1次原因,1次原因,问题,1次原因,4.决定二次原因等,七实例,下面是一成型车间对其产品合格率低的原因分析，用关联图考虑各因素对其合格率低的影响，如下所示,成型效率低,管理混乱,IPQC检测力度不够,参数设置不正确,对员工的培训不够,成分测试不明确,物料把关不严,机器缺乏保养,员工素质低,技工太少,为响应计划生育协会号召，某集体公司决定在分部试点进行“青春健康”教育活动，结果发现困难重重，效果甚微，随后进行原因分析并制成关联图,认为意义不大,青春教育难开展,实施方案不系统,不知如何进行,舆论不实报道的误导作用,认为是性教育,公司领导不了解活动,宣传倡导不够,员工拒绝灌输式教育,员工不满宣传活动,员工积极性不高,员工不了解活动,员工两班倒没时间,组织工作难度大,认为企业不应承担社会责任,教育与企业实际需要不吻合,教材内容没针对性,没掌握员工需求,需求调研不充分,没师资力量,集体计生协指导不到位,一.定义将因果关系所对应变化的数据分别描叙在X-Y轴坐标系上，以掌握两个变量之间是否相关以及相关的程度如何，这种图形叫做散布图，也叫相关图二.散布图的种类散布图一般有下列四种：1.正相关:X增大时，另一个变量Y也增大相关性强，马力和载重的关系相关性中，收入和消费的关系相关性弱，体重和身高的关系2.负相关:X增大时，另一个变量Y减小相关性强，投资率和失业率的关系相关性中，举重力和年龄的关系相关性弱，血压和年龄的关系,散布图,3.不相关:一个变量增大时，另一个变量无变化如气压和温度的关系4.曲线相关:X开始增大时Y也随着增大，但是到某一程度时，X增大时Y反而减小，反之亦然如记忆和年龄的关系（图示见下页）三.散布图的制作布骤1.确认要调查的两个变量,收集相关的最新数据,至少要30组以上2.找出两个变量的最大值与最小值,将两个变量描入X轴和Y轴3.将相对应的两个变量,以点的形式标上坐标系4.记入图名、制作者、制造时间等信息,散布图的类型,无相关关系,强正相关,弱正相关关系,X变大，Y也变大,X变大，Y大致变大,X与Y无任何关系,曲线相关关系,强负相关关系,弱负相关关系,X变大，Y变小；X变小，Y变大。,X变大，Y大致变小X变小，Y大致变大,X变大，Y先变大，在到达一定的程度后，开始变小,四.散布图的注意点1.是否有异常点，有异常点时，不可随意删除该异常点，除非异常的原因已确实掌握2.是否需层别，数据的获得常受作业人员、方法、材料、设备、或时间等的影响，从而数据的相关性受到扭曲3.散布图是否与固有技术、经验相符，散布图若与固有技术和经验不相符，应追查原因与结果是否受到重大因素干涉五.散布图的判读如果很难判断是正相关、负相关、曲线相关、不相关，可利用中间值来研判。所谓中间值是将对应数据按大小顺序排列，取出中间值,中位线法（象限判断法）,判断原则,若n1+n3n2+n4,则判断为正相关；若n1+n3n2+n4,故为正相关。,例：某零件高温淬火温度与硬度结果的数据,分析：淬火温度和硬度存在较强的正相关关系，控制该零件的高温淬火温度就可以控制硬度,改变数据现在成负相关了,结论：存在较强的负相关关系,相关函数CORREL()见EXCEL相关系数介于-1和+1之间，值越接近1正相关性越强，越接近于-1负相关性越强。用这个函数判断正相关或负相关关系特别方便，这里要留意曲线相关和不相关关系，当系数绝对值较小时，此时不是不相关关系就是曲线相关关系。,一.定义它是用一系列宽度相等、高度不等的长方形表示数据的图，长方形的宽度表示数据范围的间隔，长方形的高度表示在给定间隔内的数据数.直方图的原理正态分布原理二.直方图需要用到的一些统计概念1.平均值、最大值、最小值2.极差=最大值-最小值3.标准差:反映一组数据相对于平均值的离散程度4.组距=极差/组数5.频数,直方图,三.直方图可能需要用到的一些函数1.AverageMaxMin(平均值最大值最小值)2.RangeCountABS（级差计数绝对值）3.Stdev（标准差）4.Normdist(正态分布)四.直方图的用途1.了解数据分布的形态2.研究分析过程能力3.过程分析与控制4.判断数据的真实性5.确定控制规格界限6.调查是否混入两个以上的不同总体,五.直方图的制作1.收集同一类型的数据2.求最大最小值、极差3.设定组数4.确定测量最小单位5.计算组距6.求出各组的上下组界值7.求出各组的中心值8.求频数9.作图,六.组数的设定1.经验值,2.数据数开平方3.用公式K=1+3.32Lognn是数据数例如数据总数为100，则1+3.32Log100=7.64,组数设为8Log(number,base),无底则默认为10七.直方图的形状1.标准型说明:符合正态分布原理中间高,两边低,有集中趋势.结论:左右对称分布显示过程在正常运转中,2.缺齿型说明:高低不一,有缺齿情形.不符合正态分布结论:检查员对测定数据有偏好现象或是造假数据.测定仪器不精密.分组太多等,3.偏态型说明:一端被切断.不符合正态分布结论:产品全检,剔除某规格以上或以下部分;工具冶具模具已经磨损或松动,4.高原型说明:形状似高原.不符合正态分布结论:人为做的假数据;经过全检挑选的数据;测量仪器精确度不够,5.双峰型说明:有两个峰值出现.不符合正态分布结论:有两个不同的组合,如两部机器或两家不同的供应商;在过程中有变异产生而做了较大调整,6.孤岛型说明:在左端或右端形成孤岛.不符合正态分布结论:数据输入错误,如10.01输为10.1;过程有其他物料混入;设备在过程中产生变异,7.不规则型说明:毫无规律.不符合正态分布结论:数据太多或太少;品质实在太差未经全检的数据;不熟直方图的人做的假数据,八.过程能力的判断,能力刚好能力比规格好很多,中心偏左中心偏右,能力不够,正太分布图的特征,数据来源为EXCEL课件直方图2兰色的正太分布曲线平均值为8.6，标准差为0.3粉红色的正太分布曲线平均值为8.6，标准差为0.55黄色的正太分布曲线平均值为8.6，标准差为1标准差的大小决定曲线的坡度的大小，标准差越小坡度越大,数据来源为EXCEL课件直方图2兰色的正太分布曲线平均值为8.4，标准差为0.55粉红色的正太分布曲线平均值为8.6，标准差为0.55黄色的正太分布曲线平均值为8.8，标准差为0.55平均值的大小决定曲线的位置,控制图,一.控制图的原理就是将正态分布图逆时针旋转90度,控制图以正态分布中的三个标准差为理论依据，中心线为平均值，上下界限为平均值加减三倍标准差二.控制图的特征控制图上有三条横线,上方的一条为上控制界限(UCL,UPPERCONTROLLIMIT),下方的一条为下控制界限（LCL,LOWERCONTROLLIMIT）,中间的一条为中心线(CL,CENTERLINE),正太分布曲线对称的向两边延伸，并越来越接近于与X轴相交，曲线和X轴之间的区域面积等于1，而平均值加减3个西格玛时，曲线和X轴之间的区域面积为99.7%，也就是说点在区域外的概率为千分之三。而当我们取4个西格玛时区域面积更大，点在区域之外的概率会更低。,三.控制图的种类1按数据性质分类：计量值控制图和计数值控制图计量值指数据均属于由量具实际测量得到的，如长度，重量，浓度等；计数值是由单位计数者得到的，如不良数，缺陷数等。计量值控制图主要有：平均值与极差控制图，平均值与标准差控制图，中位数与极差控制图，个别值与移动极差控制图计数值控制图主要有：不良数控制图，不良率控制图，缺点数控制图，单位缺点数控制图2按用途分类：分析用控制图和控制用控制图分析用控制图是先有数据后有控制界限（平均值与标准差是未知的）控制用控制图是现有控制界限后有数据（平均值与标准差是已知的）,四.控制图的制作方法这里主要介绍两种，一种是规则的画法，一种是非规则的画法，其他的都可以参考这两种,见EXCEL课件五.控制图的判读判稳准则1.点未超出控制界限-多数点集中在中心线附近-少数点集中在控制界限附近-无点超出控制界限-点的分布呈随机状态,无任何规则可言2.界限内点的分布是随机的，没有规律，也无排列缺陷-连续25点在控制界限内且无排列缺陷-连续35点仅有一点越界限，界限内点排列无缺陷-连续100点中不多于2点越界限，界限内的点排列无缺陷,判异准则1.点呈链状排列-在中心线一侧连续出现7点或超过7点-点在中心线一侧多次出现（间断链）连续11点中至少有10点位于中心线一侧连续14点中至少有12点位于中心线一侧连续17点中至少有14点位于中心线一侧连续20点中至少有16点位于中心线一侧2.点呈趋势状排列-连续7点上升或下降时，过程发生异常3.点经常出现在控制界限附近-连续3点中有2点接近控制界限-连续7点中有3点接近控制界限-连续10点中有4点接近控制界限,4.点呈周期状排列-阶梯状周期变动-波浪状周期变动5.其他不正常排列-中心线附近无点,样本可能来自2个不同的批-控制界限附近无点,数据可能经过选别6.控制图异常的处理-当出现异常倾向时,应采取预防措施,进行原因分析,针对原因采取措施,消除异常波动因素-当出现下列情况时,应重新计算控制界限并绘制控制图过程技术方面有明显变化;取样方法改变;生产过程发生明显变化控制图使用时间过长,六.控制图的注意事项1.控制图使用前现场作业应进行标准化作业2.控制图使用前,应先决定控制项目,包括品质特性的选择与取样数量的决定3.控制界限一定不可用规格值代替4.控制图种类的选择应配合控制项目的决定来搭配5.抽样方法以能取得合理子组为原则6.点超过界限或有不正常的状态,必须利用各种措施研究改善或配合统计方法,把异常原因找出,同时加以消除7.控制图一定要与过程控制配置相结合8.过程控制做的不好,控制图形同虚设,要是控制图发挥作用,应使产品的cp值（过程能力）大于1,七.分析用控制图的使用方法,收集数据,绘制分析用控制图,寻找原因消除异常,绘制直方图,绘制控制用控制图,检讨5M1E,提升过程能力,稳定状态判断,满足规格判断,常见品质手法中，控制图和直方图是统计知识运用较多也是难度较大的，考虑到实用性这一点，这个课件中关于控制图的部分介绍的较少，但还是对一般人感到比较难的地方主要是作图作了详细的介绍，相信对大家理解学习控制图有一定的帮助。,综合事例东方汽车仪表厂仪表“精确度不够”专案改善研究报告一、专案启动的背景近来我公司6月份一共受到6次书面的顾客投诉，投诉的内容都是仪表“精确度不够”，直接导致出现大众、捷达、马自达、本田四大汽车制造商退货18600件，直接经济损失32万，客户订单部分流失的局面。总经理李鑫在7月3日的品质检讨会上重点谈了6月份客户投诉事宜，并责令成立专案小组，由品质部牵头，生产、工程、设计、采购参与，拟定具体的专案改善计划（本改善计划从7月5日启动，12月底结束）专案小组已于7月5日成立，组长为品质部梁经理，组员为生产、工程、设计、采购的主管。二、现状调查1、工程概要生产类别：YT系列汽车用仪表,生产班别：生产A班、B班使用设备：绕线机、测试台、数字表工艺流传：内机绕线焊接装壳锁面板压针测试2、专案组一成立，品质部立即在本月第二周（8-13日）指派专人对流程抽检不良进行统计如下表7月第二周制程检验不良统计表,柏拉图分析：从柏拉图可以看出，准确度不良占总数的51.4%是重点改善项目根据仪表的工作原理,绕线与电压可能是影响仪表精确度的要因,下面我们用散布图对测试电压与仪表精确度的关系进行分析,如下表:测试电压与仪表准确度关系表,散布图分析:1.从图上可以看出两个变量(测试电压与面板刻度)无规律可言,它们是不相关的.2.由此可以断定绕线对仪表准确度有直接关系,品质部指定品管员XX于8月17日对绕线电阻进行测试,数据如下表:,说明：1.测试电压是122V，仪表面板刻度为901.5;2.本试验使用的是YT-HH088,是7月15日A班生产的；3.试验时间是7月16日上午9时,绕线电阻测试数据表,说明:1.测定的仪表是YT-HH0882.测定电阻是2103(1)过程能力系数CPK=0.103(2)绘制直方图,1.从过程能力系数看,过程能力严重不足2.从直方图来看,电阻值不属于正态分布,且部分数据超出规格,问题就出在绕线工序针对绕线工序，我们用因果图进行分析，主题是“为什么绕线问题这么多”因果图分析：,为什么绕线问题这么多,料,法,机,人,测试台不准,排线调整不当,漆包线不同,指针变形,夹具不良,未定时保养,不同人绕线,绕线紧度不当,磁石不良,绕线座不良,缺乏品质常识,未定时测量,未按规定操作,人为疏忽,经品质部讨论，大家一致认为造成绕线不良率高的原因有两点：1）不同人绕线造成拉线紧度不当（过松或过紧）2）没有定时测量，使制程失去监控建议的改善措施：1)每小时由品质部抽检一次2)由刻度拉力计改为数字式拉力计进行测量8月20日-24日A、B绕线机产生不良统计表,分析：通过层别，A绕线机产生的不良数为52PCS,B绕线机产生的不良为20PCS，要重点分析A绕线机产生如此高不良的原因（见前面因果图分析）三、改善对策,省略,四、效果确认11月初，品质部针对改善后的绕线不良收集如下数据，并绘制成直方图，计算出了CPK值，并与7月份的对比如下：绕线不良改善后电阻测试记录表,分析：从直方图可以看出：1）改善前为偏态分布，改善后为正态分布2）改善后仍有部分数据超出规格界限，说明过程能力还是不足改善后的CPK值为0.567相对改善前的CPK值0.103已经有所进步,但是还有很长的路要走对策:以柏拉图做再现性分析,改善前,改善后,11月第三周制程检验不良统计表,7月第二周制程检验不良统计表,检查数:200/天,改善后,改善前,分析:精确度不良率7月为6.25%,11月为1.75%,不良率下降了4.5%.有一定的成果,但过程能力只有0.567,还需寻找原因进行改进,五、效果维持经过改善，12月份再次收集电阻测试值的数据，并作直方图，从图上可以看出，制程呈正太分布，能力也满足要求，制程趋于稳定，可运用控制图进行改善后的效果维持针对汽车仪表欧姆值的控制，我们使用了控制图进行了控制，下图是12月份的平均值-极差控制图：收集的数据如下（5PCS/小时）,从12月的控制图上可以看出：1.没有点超出控制界限，点都在控制界限以内。2.点呈随机分布状态。3.可以判断制程在问题状态，过程是可以预测的4.此控制