QC七大手法培训 (2)ppt课件

1、首先，什么是QC？QC：Quality Control 质量管控/质量管理-是指控制制造或效力的质量，使产品或效力到达最优良的形状。.QC七大手法 从上个世纪60年代开场，日本的企业经过运用QC七大手法，搜集任务现场的数据并进展分析，大大地改善了产品的质量，使日本的产品成为“质量的代名词。 70年代初，日本人大力推行QCC活动，除了注重现场的数据分析外，并逐渐运用一些新的品管手法，对任务现场同伴的情感表达和言语文字资料进展分析，并逐渐演译成新的品管手法。 QC七大手法是将散漫无章的言语资料变成逻辑思索的一种方法，也是一种事先思索不利要素的方法，它经过运用系统化的图形，呈现方案的全貌，防止错误或

2、疏漏发生。.旧QC七大手法层别法.1.检查表-调查数据用于分析 数据的定义：数据，就是根据丈量所得到的数值和资料等现实。搜集数据时应留意的重点搜集正确的数据。防止客观的判别。要把握现实真相.1.检查表-调查数据用于分析检查表.检查表定义： 检查表是利用统计表对数据进展整理和初步缘由分析的一种工具，将需求检查的内容或者工程一一列举出来，定期或不定期地逐项检查，并将问题点记录下来。主要作为点检用检查表或记录用检查表。1.检查表-调查数据用于分析.1.检查表-调查数据用于分析记录用检查表：又称改善用查检表，以符号、记号或数字如、正记录的图表，常用于不良缘由和不良工程的记录。电视缺点赞扬情况检查表.1

3、.检查表-调查数据用于分析2.点检用检查表：又称备忘点检表，常用于机械设备与活动作业确实认。这种检查表主要是调查作业过程中的情形，可防止作业上的忽略或脱漏。.1.检查表-调查数据用于分析.1.检查表-调查数据用于分析决议研讨的目的及所要搜集的数据。决议查检表的格式。决议记录方式。决议搜集数据的方法。制表的步骤：本卷须知：查检搜集完成的数据应马上运用。数据的时效性数据能否集中在某些工程或某些时段？能否因时间的经过而产生变化？适当保管过去、如今及未来的记录，以便日后比较。.2.层别法-从不同的角度看问题层别法.2.层别法-从不同的角度看问题 层别法又称数据分层法，就是对察看到的景象或所搜集到的数据

4、，按照它们共同的特征加以分类、统计的一种分析方法。 层别法是一切品管手法中最根本的概念，是统计方法中最根本的管理工具，经过层别法，可以将杂乱无章的数据归为有意义的类别，到达一目了然的目的，这种科学的统计方法可以弥补靠阅历、靠直觉断定管理的缺乏。层别法的定义：.层别的对象与工程：作业者：班组、年龄、工龄、性别、熟练度等机械设备：型式、性能、位置、新旧、工具等作业方法：批次、场所、温度、压力、作业方案等时间：班制、上下班、年月日、改善前后等丈量、检查：检查员、检测方法、检测工具等资料零件：供应方、购买日期、成分、等级等环境、气候：气温、湿度、天气、照明等产品类型：新产品、不良品、合格品、种类等2.

5、层别法-从不同的角度看问题.确定研讨的目的。确定问题的范围，明确分析方向。决议层别工程，设计搜集数据的表格。按层别搜集数据并记录。画分层归类图如分层直方图、分层折线图等寻求差别点，找寻真因所在。 步骤：2.层别法-从不同的角度看问题例：分层折线图.范例1按机器层别分开分析2.层别法-从不同的角度看问题 某电缆厂有A、B两台设备，最近经常有不符合要求的异常产品发生，进过排查，发现问题能够机器设备缘由，为了分析异常缘由，分别就A、B两台设备测定消费50批产品。 规格值210g，样本数：A设备50批，B设备50批。.范例12.层别法-从不同的角度看问题从全体数据的直方图中难以找到异常缘由是由哪台设备

6、引起的.范例12.层别法-从不同的角度看问题.范例12.层别法-从不同的角度看问题.范例22.层别法-从不同的角度看问题公司某天白班、中班、夜班共制造出不良品200个，品管部为了得到更明确的信息，以便采取措施进展改善，从白班、中班、夜班的角度对不良品进展层别分析。表3不同班次不良品层别分析班次不良品占比白班2010%中班3015%夜班15075%合计200100%结论：从层别分析来看，夜班是呵斥不良品的主要班次，应优先采取措施进展改善。.范例32.层别法-从不同的角度看问题 某工厂有三个设备，消费中发生的产品缺失总是居高不下，上半年平均缺失148次，于是对缺失情况进展深层分析。.范例32.层别

7、法-从不同的角度看问题51998.3.柏拉图-找出主要缘由.3.柏拉图-找出主要缘由 意大利经济学家Pareto柏拉图于1897年分析社会经济构造时，发现意大利80%的财富集中在20%的富人身上，于是将所得大小与拥有所得的关系加以整理，发现有一定的方程式可以表示，称为“柏拉图法那么。 1907年美国经济学家Lorenz运用“累计分配曲线描画“柏拉图法那么，也就是经济学所称的“劳伦兹曲线。 美国品管专家Juran朱兰博士将劳伦兹曲线运用于品管上，同时创出“重要的少数，琐细的多数的见解，并借用Pareto的名字，将此景象定为“柏拉图原理 。 “柏拉图法由品管圈QCC开创人日本石川馨博士引见到品管圈

8、的活动中运用，成为QC七大手法之一。柏拉图的由来.3.柏拉图-找出主要缘由 在质量管理过程中，要处理的问题很多，但往往不知从哪里着手，但现实上大部分的问题，只需能找出几个影响较大的缘由，并加以处置及控制，就可处理问题的80%以上二八原那么。 柏拉图就是根据搜集的数据，将不良缘由，不良情况，以层别分类为根底，计算出各项所产生的数据如不良率，损失金额及所占的比例，再按照大小顺序陈列，再加上累积值的图形。 柏拉图可以协助我们找到关键问题及影响程度TOP3，适用于计数值工程的统计分析，因此也有人称其为ABC图，又由于柏拉图的陈列是从大到小，又称为陈列图.3.柏拉图-找出主要缘由柏拉图的用途找到关键的问

9、题在诸多问题中找出当前最关键、最重要、影响最大的问题。掌握重要的要因虽然问题的缘由很多，但影响较大的只不过其中的23项而已，改善使只需把握其中的TOP34就行了。确认改善的效果经过改善前后的两个柏拉图累计比例的对比，可以很明显地确认改善的效果柏拉图不仅限于质量不良的改善，亦可以运用在任务中的任何问题上。.实施步骤3.柏拉图-找出主要缘由步骤一：搜集数据 根据改善的目的，用层别法从“结果分类或“缘由分类着手解析数据，层别分类工程不宜太多，但要全面满足问题的需求。步骤二：数据整理 制造数据汇总表，对数据进展处置，按从大到小的顺序进展排序，并计算各项比例及累计百分比。步骤三：绘制柏拉图 画出横轴纵轴

10、，横轴表示研讨的工程、缘由，左边纵轴表示工程的数据值，右边纵轴表示累计百分比。 .3.柏拉图-找出主要缘由步骤四：记入必要事项标题：如 2021年5月产品不良工程的柏拉图分析；工程别：如 安装不良、工人熟练度不够、焊缝问题等；数据搜集的区间：如 5月1日5月30 日数据合计：如 共100件XXX实施步骤.3.柏拉图-找出主要缘由实施步骤步骤五：分析柏拉图找出前面累计比例普通为70%到80%较大的几项，列入重点处理的对象；对重点工程进展缘由分析，可用特性要因图进展分析，制定改善措施；执行改善措施，并根据改善前后的数据对比重新绘制柏拉图，进展效果确认.3.柏拉图-找出主要缘由本卷须知：对于缘由工程

11、中所占比例较小但工程多的可用“其他替代，放于最右端，“其他项不大于前几项，假设大于那么进展细分。重点把握，普通而言前三项的累计比例应在5080%之间，分类是前提。改善前后对比： 改善后工程别大小会变化，按大小顺序重新陈列； 前后比较的基准一致，刻度比例应一样。.3.柏拉图-找出主要缘由范例11.搜集数据2021年3月底XX厂仓库按采购类别的明细类别金额（万）机制件371钣金11市构件1778铸件804电料28控制器1170.3.柏拉图-找出主要缘由2.数据整理范例1对各类别的金额按从大到小陈列，并计算出累计百分比：.3.柏拉图-找出主要缘由范例13.绘制柏拉图XXX.3.柏拉图-找出主要缘由4

12、.柏拉图分析范例1根据上图结果，发现市构件和控制器占总库存金额的70%，列为重点处理对象。对这两项进展进一步的分析，可再利用柏拉图法或者特性要因图进展分析，制定改善措施。.3.柏拉图-找出主要缘由范例15.改善后的数据整理XXX.3.柏拉图-找出主要缘由范例16.改善前后的效果对比.3.柏拉图-找出主要缘由EXCEL实践操作.4.直方图-展现过程的分布情况直方图.4.直方图-展现过程的分布情况 在质量管理中，如何预测并监控产质量量情况?如何对质量动摇进展分析?直方图就是一目了然地把这些问题图表化处置的工具。它经过对搜集到的貌似无序的数据进展处置，来反映产质量量的分布情况，判别和预测产质量量及不

13、合格率。 简单来说，直方图就是把特性值如长度、时间、温度等的数据分成几个组，计算各组的数据制形成频数表的图表。直方图的定义.4.直方图-展现过程的分布情况直方图的目的：了解分配的形状，察看过程能否异常。计算制程才干满足产质量量要求的程度。过程分析与控制。察看数据的真伪发现异常值。计算产品的不合格率。求平均值与规范差。可用以制定规格界限。与规格或规范值比较。调查能否混入两个以上的不同群体。了解设计控制能否符合过程控制。例：计算不合格率为32.25%.4.直方图-展现过程的分布情况直方图的制造步骤：步骤一：搜集数据 搜集数据时，对于抽样分布必需特别留意，不可取部分样品，应全部均匀地加以随机抽样。所

14、搜集的数据个数应大于50以上。例:某厂废品尺寸规格为130至160mm，今按随机抽样方式抽取60个样本，其测定值如附表，试制造直方图。.4.直方图-展现过程的分布情况步骤二：找出数据中的最大值(L)与最小值(S)先从各行或列求出最大值，最小值，再予比较。最大值用“框起来，最小值用“框起来求得最大值L=148最小值S=121.4.直方图-展现过程的分布情况步骤三：求极值R数据最大值(L)-最小值(S)=极差(R)例：R=148-121=27步骤四：决议组数 组数过少，虽然可得到相当简单的表格，却失去次数分配的本质与意义； 组数过多，虽然表格详尽，但无法到达简化的目的。 通常，应先将异常值剔除再进

15、展分组。普通可用数学家史特吉斯提出的公式，根据测定次数n来计算组数k，公式为：k=1+3.32logn例：n=60那么k=1+3.32log60=1+3.32(1.78)=6.9即约可分为6组或7组另外可参照右表对数据分组阅历法那么例：取7组.4.直方图-展现过程的分布情况步骤五：定组距H组距H=极差R组数K为便于计算平均数及规范差，组距常取为2，5或10的倍数。例：H=27/7=3.86，组距取4步骤六：求各组上限，下限(小大)第一组下组界最小值最小测定值2第一组上组界下组界组距 以此类推例：第一组=121-1/2=120.5124.5第二组=124.5128.5第三组=128.5132.5

16、第四组=132.5.5第五组=.5140.5第六组=140.5144.5第七组=144.5148.5.4.直方图-展现过程的分布情况步骤七：求组中点组中点值=上组界下组界2例：第一组=(120.5+124.5)2=122.5第二组=(124.5+128.5)2=126.5第三组=(128.5+132.5)2=130.5第四组=(132.5+.5)2=134.5第五组=(.5+140.5)2=.5第六组=(140.5+144.5)2=142.5第七组=(144.5+148.5)2=146.5.4.直方图-展现过程的分布情况步骤八：做次数分配表将一切数据，按其数值大小记在各组的组界内，并计算其次数

17、。次数分配表.4.直方图-展现过程的分布情况步骤九：制造直方图1.以各组内的次数为高，组距为宽，每一组上画成矩形，完成直方图。2.在图的右上角记入相关数据丈量次数n，平均值x，规范差，并划出规格的上、下限。3.填入必要事项：产品称号、工序称号、时间、制造日期、制造者120.5124.5128.5132.5.5140.5144.5148.5.4.直方图-展现过程的分布情况直方图形状的察看分析：序号类别特征说明图形对策1正常型中间高，两边低，有集中趋势左右对称分布（正态分配），表示系统处于稳定状态正常2双峰型有两个高峰出现有两种不同类别的项目混合，如样本是来自不同机器或材料时，会产生不同的测量值，

18、有两个峰值先加以分层，再重新做直方图.4.直方图-展现过程的分布情况序号类别特征说明图形对策3高原型中间部分特别高，形似高原状不同平均值的分配混合在一起先加以分层，再重新做直方图4陡壁型有一端不见可能数据已经经过了一次全检，规格以外的数据被剔除不对数据提前处理，保持数据的真实性.4.直方图-展现过程的分布情况序号类别特征说明图形对策5锯齿型高低不一，有缺齿情况不正常的分配，测定值有偏差，数据失真，如检验员对数值有喜好原因，或仪器不精密规范检测过程，放弃主观偏好，确认机器设备正常6离岛型在左边或右边出现小直方图，形成小岛状异常值混入，测量错误，样本突然改变调查小岛的数据来源，剔除异常原因.4.直

19、方图-展现过程的分布情况补充：过程精细度Cp的求法Cp是指过程满足技术要求的才干，常用客户称心的偏向范围除以六倍的西格玛的结果来表示。.4.直方图-展现过程的分布情况根据Cp的大小判别过程才干的好坏偏向越小越好.4.直方图-展现过程的分布情况6.5.特性要因图-寻觅因果关系.5.特性要因图-寻觅因果关系 特性要因图是日本管理巨匠石川馨博士在1952年所创的一种把握结果特性与缘由要因的又方便又有效的方法，又叫“石川图。 其主要目的在论述因果关系，发现问题根本缘由，亦被称为“因果图，因其外形像鱼骨架，也被称为“鱼骨图。.5.特性要因图-寻觅因果关系 一个质量问题的发生往往不是单纯一种或几种缘由的结

20、果，而是多种要素综协作用的结果。要从这些错综复杂的要素中理出头绪，抓住关键要素，就需求利用科学方法，从质量问题这个“结果出发，依托群众，集思广益，由表及里，逐渐深化，直到找到根源为止。 因果图就是用来根据结果寻觅缘由的一种QC手法。可以使我们的任务更系统化,条理化,科学化。概述.5.特性要因图-寻觅因果关系特性要因图可以用来分析的问题类型(1)、表示产质量量的特性：尺寸、强度、寿命、不合格率、废品件数、纯度、透光度等；(2)、费用特性：价钱、收率、工时数、管理费用等；(3)、产量特性：产量、交货时间、方案时间等(4)、其他特性：出勤率、过失件数、合理化建议件数.5.特性要因图-寻觅因果关系特性

21、要因图的思索原那么(1)脑力激荡法(2)5W1H法(What Where When Who Why How)(3)5M1E法(Man、Machine、Material、Method、Measurement、Environment；人、机、料、法、环、测)(3)5Why法.5.特性要因图-寻觅因果关系 不要批判想象 欢迎自在联想 创意越多越好 欢迎搭便车，利用他人的灵感刺激创意 不要太早下结论 讨论要力求集中，针对某一问题 废除阶级尊卑的意念，无拘无束一同讨论 将提出的意见，利用特性要因图一一记录下来 不要以个人冒充大家的意见 想出来的创意，要加以整理评价运用脑力激荡法、头脑风暴(BS)十大原那

22、么.5.特性要因图-寻觅因果关系人、机、料、法、环、测(5M1E).5.特性要因图-寻觅因果关系 5WIH 什么(What) 改善对象是什么? 改善的目的是什么? 做什么? 能否无其他的可做?何处(Where)在何处做?能否在别处做的效率较好?发生在何处?作业的地点能否适当?为什么在那地方做?何时(When)可否改动时间、顺序?何时做最好?为何需在那时做?能否在别的时间较有利?谁(Who)由谁来做?能否可找其他人来做?有谁可以做得更好?人的组合或任务分担恰当否?为何(Why)把其他5W用Why来质问、检讨,并找出最好的改善方案为何要如此做?为何要机器、人来做这任务?为何要照此方法来做?为何不那

23、么做?如何(How)如何使方法更简单?如何使作业方法简化?如何做才省费用?如何做最好?.5.特性要因图-寻觅因果关系 5Why工序名操作取件取工具检查等待驱动组装1317 70%179 10%227 12%114 6%392%对以上问题运用5Why分析法对缘由进展分析：问：为什么驱动组装取工具、零件耗时多？答：由于要用行吊吊运。问：为什么要运用行吊？答：由于要吊取驱动桥、变速箱、发动机。问：为什么吊取驱动桥、变速箱、发动机耗时多？答：由于缓存摆放位置较远。经过以上的提问，找到取工具、零件耗时较多问题的根本缘由，即大件物料的缓存区位置较远，需求走较远间隔进展吊运。表4-6 驱动组装实测时间5Wh

24、y分析法，又称为“为什么-为什么分析，是一种探求问题缘由的方法和诊断性技术，被用来识别和阐明因果关系链。对一个问题延续发问5个为什么，每一个缘由都会紧跟着一个为什么，直到问题的根本缘由被发掘出来。.5.特性要因图-寻觅因果关系 特性要因图的种类1.追求缘由型：鱼头在右，特性值通常用“为什么来写.5.特性要因图-寻觅因果关系 特性要因图的种类2.追求对策型：鱼头在左，特性值通常用“如何改善/提高来写.5.特性要因图-寻觅因果关系.5.特性要因图-寻觅因果关系.5.特性要因图-寻觅因果关系 实施步骤第一步：决议问题的目的 应先决议研讨的目的，是为了调查缘由还是为了追求对策，改善问题的。并确定如不良

25、率、效率低等有关质量的详细问题特性，确定研讨方向。第二步：绘制主干线 画一条较粗的箭头向右或向左的主干线称母线，将特性如今右左边，如以下图：.5.特性要因图-寻觅因果关系第三步：画入主要因 将缘由分成几个大类，并用“ 圈起来。再用箭头斜插到母线上。大缘由可根据5M1E类型分类，普通分为人员、机器/工具、资料、方法、环境、丈量、其他等。.5.特性要因图-寻觅因果关系第四步：讨论中要因，小要因 将主要因再进展分析，细分为中、小要因，分析小要因时要反复论证，防止父子关系颠倒。.5.特性要因图-寻觅因果关系第五步：决议重要程度较大的要因 以集中思索、自有思索的方式，在所列的缘由中，将以为影响较大的画上

26、“ 。选出46项。.5.特性要因图-寻觅因果关系 范例.5.特性要因图-寻觅因果关系 范例.5.特性要因图-寻觅因果关系1、某电脑键盘制造厂延续3个月的废品，最终检验均为字键作动力不良，故由消费课课长召集字键插入班人员，利用特性要因图解析发生缘由。试解之 范例.5.特性要因图-寻觅因果关系 范例.5.特性要因图-寻觅因果关系.6.分布图-展现变数之间的线性关系分布图.6.分布图-展现变数之间的线性关系一、分布图的定义： 是一种研讨成对出现的、两组相关数据之间关系的图示技术，表示两个变量之间变化关系。 把相互有关联的对应数据，在方格纸上以纵轴表示结果，以横轴表示缘由；然后用点表示出分布形状，根据

27、分布的形状來判别对应数据之间的相互关系。.6.分布图-展现变数之间的线性关系分布图的作用(1)验证两个变量间的相关关系。 寻觅影响产质量量的各要素并对其进展质量分析；当疑心两个变量能够有关系，但不能确定这种关系的时候，就可以运用。(2)根据相关程度，掌握要因对特性的影响程度.6.分布图-展现变数之间的线性关系6种分布形状.6.分布图-展现变数之间的线性关系XY01、强正相关：在图中当X添加,Y也添加,也就是表示缘由与结果有相对的正相关,如以下图所示:.6.分布图-展现变数之间的线性关系XY02、弱正相关：分布图点的分布较广但是有向上的倾向,这种形状叫做似有正相关称为弱正相关.6.分布图-展现变

28、数之间的线性关系Y0X3、强负相关：当X添加,Y反而减少,而且形状呈现不断线开展的景象,这叫做完全负相关.如以下图所示:.6.分布图-展现变数之间的线性关系Y0X4、弱负相关：当X添加,Y减少的幅度不是很明显,这时的X 除了受Y的影响外,尚有其他要素影响X,这种形状叫作弱负相关,如以下图所示:.6.分布图-展现变数之间的线性关系Y0X5、无相关：假设分布点的分布呈现杂乱,没有任何倾向时,称为无相关,也就是说X与Y之间没有任何的关系,这时应再一次先将资料层别化之后再分析,如以下图所示:AB.6.分布图-展现变数之间的线性关系Y0X6、曲线相关：假设X增大,Y也随之增大,但是X增大到某一值之后,Y

29、反而开场减少,因此产生分布图点的分布有曲线倾向的形状,称为曲线相关,如以下图所示:.6.分布图-展现变数之间的线性关系分布图的做法1、搜集成对数据x，y： 搜集成对数据普通在30组以上；2、确定坐标并标明刻度： 横坐标x轴为自变量缘由或要素，纵坐标y轴为因变量结果或特性，且两轴的长度大体相等。3、描点，构成分布图： 当两组数据相等时，即数据点重合时，可围绕数据点画同心圆表示，或在离第一个点最近出画上第二个点表示；4、填写必要信息： 填上资料的搜集地点、时间、测定方法、制造者等工程.6.分布图-展现变数之间的线性关系分布图的分析判别方法 对照典型图形分析法： 将绘制的分布图与6种典型图相对比，从

30、而确定其相关关系和程度。.6.分布图-展现变数之间的线性关系 简单象限法：在图上画一条与y轴平行的P线，使P线左、右两侧的点数相等或大致相等在图上再画一条与x轴平行的Q线，使Q线上、下两侧的点数相等或大致相等PQ两线把图形分成四个象限，计算各象限区域内的点数，线上的不计计算对角象限内的点数，即 n+n， n+n当n+nn+n时，为正相关；当n+nn+n时，为负相关；当n+nn+n时，为不相关；YPQXnnnn.6.分布图-展现变数之间的线性关系运用本卷须知1、分布图反映的只是一种趋势，对于定性的结果还需求详细的分析。2、分析时，应留意对数据的正确分层，否那么能够会发生误判。3、对分布图进展分析

31、时，需求察看能否有异常点或者离群点出现。4、当数据较多时，能够会反复数据出现，对反复数据要进展区分，并加以分析。5、普通情况下，至少应取30组以上的数据进展分析。6、通常情况下，横坐标用来表示缘由或者自变量，纵坐标用来表示效果或者因变量。7、在运用分布图调查两个要素之间的关系时，应尽能够固定对这两个要素有影响的其他要素控制变量法，才干保证经过分布图分析的结果比较的准确。.6.分布图-展现变数之间的线性关系实例1第一步：搜集淬火温度与硬度的相应数据；第二步：从下面数据中找出最大值和最小值；.6.分布图-展现变数之间的线性关系第三步：画出横轴和纵轴，将数据描点上去第四步：填写必要信息，工序称号、单

32、位、组数、时间。.6.分布图-展现变数之间的线性关系实例2 某酒厂要断定中间产品酒中的酸度喝酒度2个变量之间有无关系，存在什么关系？搜集到的数据如下表序号酸度 x酒度 y序号酸度 x酒度 y10.56.3160.76.020.95.8170.96.131.24.8181.25.341.04.6190.85.950.95.4201.24.760.75.8211.63.871.43.8221.53.480.95.7231.43.891.34.3240.95.01010.5.3250.66.3111.54.4260.76.4120.76.6270.66.8131.34.6280.56.4141.04

33、.8290.56.7151.24.1301.24.8.6.分布图-展现变数之间的线性关系解答：1、确定坐标：横坐标x轴为酸度，纵坐标y轴为酒度2、描点，构成分布图：Y0X酒度酸度nnnn3、图形分析：可以以为酸度和酒度之间存在着弱负相关关系.EXCEL实践操作6.分布图-展现变数之间的线性关系.7.控制图-识别动摇的来源控制图.7.控制图-识别动摇的来源 控制图又叫做控制图，是对过程质量加以测定、记录从而进展控制管理的一种用科学方法设计的图，用于分析和判别工序能否处于稳定形状所运用的带有控制界限的一种工序管理图。 图上有中心线CL、上控制线UCL、下控制线LCL，并有按时间顺序抽取的样本计量值

34、的描点序列。定义.7.控制图-识别动摇的来源控制图的种类、计量值控制图：控制图所根据的数据均属于由量具实践丈量而得。A、平均值与全距或极差控制图XRChart；B、平均值与规范差控制图XSChart；C、中位值与全距控制图XRChart；D、单值控制图XChart；、计数值控制图：控制图所根据的数据均属于以计数值如：不良品率、不良数、缺陷数、件数等。A、不良率控制图PChart；B、不良数控制图PnChart；C、缺陷数控制图CChart；D、单位缺陷数控制图UChart。.7.控制图-识别动摇的来源控制图的用途 根据控制图在实践消费过程中的运用，可以将其分为分析用控制图、控制用控制图。、分析

35、用控制图先有数据，后有控制界限： 用于制程质量分析用，如：决议方针、制程解析、制程才干研讨、制程控制之预备。分析用控制图的主要目的是1分析消费过程能否处于稳态。假设过程不处于稳态，那么须调整过程，使之到达稳态称为统计稳态；2分析消费过程的工序才干能否满足技术要求。假设不满足，那么须调整工序才干，使之满足称为技术稳态。.7.控制图-识别动摇的来源、控制用控制图先有控制界限，后有数据： 用于控制制程的质量，如有点子跑出界时，应立刻采取相应的纠正措施。.7.控制图-识别动摇的来源原理 控制图的作图原理被称为“3原理，或千分之三法那么。 根据统计学可以知晓，假设过程受控，数据的分布将呈钟形正态分布，位

36、于“3区域间的数据占据了总数据的99.73%，位于此区域之外的数据占据总数据的0.27%约千分之三，上、下界限外各占0.% 因此，在正常消费过程中，出现不良品的概率只需千分之三，所以我们普通将它忽略不计以为不能够发生，假设一旦发生，就意味着出现了异常动摇。 ：中心线，记为CL，用实线表示； +3：上界限，记为UCL，用虚线表示； 3：下界限，记为LCL，用虚线表示。.7.控制图-识别动摇的来源对原理的2种解释、控制图原理的第1种解释：点出界出判异小概率事件原理小概率事件原理：在一次实验中，小概率事件几乎不能够发生，假设发生即判别异常 在消费过程处置统计控制形状稳态时，点子出界的能够性只需千分之

37、三，根据小概率事件原理，要发生点子出界的事件几乎是不能够的，因此，只需发现点子出界，就断定消费过程中出现了异波，发生了异常。.7.控制图-识别动摇的来源例：螺丝加工过程中，为了解螺丝的质量情况，从中抽取100个螺丝进展检查，量取螺丝的直径值.7.控制图-识别动摇的来源在以上数据中，各样本的规范偏向为0.26，平均值为10，由此可以得出控制图的控制线：UCL=+310.78CL=10.0LCL=39.21.7.控制图-识别动摇的来源、控制图原理的第2种解释： 根据影响质量的要素不同，可将其分为人、机、料、法、环即4M1E，但对影响质量大小的要素来看，可分为偶尔要素简称偶因和异常要素简称异因。另外的一种说法，将影响质量大小的要素分为普通缘由与异常缘由。偶尔要素：是一直存在的，对质量影响甚微，但难以消除。如：机床开动时的细微振动。异然要素：是有时存在的，对质量影响较大，但不难去除。如：车刀磨损、机床螺丝松动等。