质量管理种统计工具简介

精选文档精选文档PAGE精选文档UCLA

LCL

B

C

C

B

A

目录第一章量管理工具归纳⋯⋯⋯⋯⋯⋯⋯⋯⋯3第二章数据与表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯3第三章表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯7第四章分布⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯12第五章法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯14第六章直方⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯15第七章柏拉⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯21第八章特色要因剖析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯23第九章控制⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯25第一章质量管理统计工具归纳

传统的统计技术是指“数理统计”。是建立在概率论基础上的数学的一

门分支，是“研究如何以有效的方式去采集、整理和剖析遇到随机性影响的

数据，以对所观察的问题做出推测、展望，直至采纳决策及行动供给依据。”如抽样检验、实验设计、显着性检验、靠谱性等都属数理统计的范围。

这里我们要感谢日本的质量管理者，他们在实行全面质量管理（TQM）

中，第一打破统计技术就是数理统计的禁区，使一些难以登上大雅之堂的，

但在现场能方便使用的图表或经整理的特色数据，也归入统计技术的范围。

为差异起见，人们习惯将统计技术分成两大类：

推测型统计技术：主要解决从样本如何推测整体。概率论和数理统计研

究的对象大多属此类。

描述型统计技术：主要利用数据的特色值或相关图表来描述事件。质量

管理七种统计工具就属此类。

第二章数据与图表

一、数据＝事实

质量管理八原则中的“基于事实的决策方法”原则重申：“有效决策是

建立在数据和信息剖析基础上的”。数据就是质量系统现状的事实的一部分，

它也是统计技术的基础。

二、数据的分类

依特色

计数型数据

计量型数据

依本源

市场数据

制程数据

检验数据

依时间

过去数据

平常数据

新数据三、用数据注意的重点

采集正确可用的数据

防范个人主的判断

掌握事的实情

四、整理数据的方法

机器整理法(算机件⋯)

人工整理法(卡片、笔⋯)

例明五、整理数据的原

生而要采纳改进策前，必有数据作依据。

于数据使用目的清楚认识。

当数据采集完成后，马上使用它。

数据的整理与运用，改进前、改进后所具的条件一致。

数据不能够造假，否将永没法解决。六、表的种

依使用目的：

剖析用表管理用表划用表算用表用表明用表2.依数据性静表表3.依表内容系表定表表表依表示方法

柱形、面、扇形、折⋯.七、表之功用

利于多种复象的互相比。

极少可得明确的看法。

迅速异，作需改进的据。

简单制作，大家都可使用。

于知不足的人，亦可认识。

表文字能够使者印入海。

利于演、宣、广告、加深印象。

可用插法求近似。

可供用。

八、表必条件

1.能掌握全体2.了然

3.能迅速认识4.正确的判断

浮策

九、表制作的原

制作前考事

确立目的掌握料

掌握情象

方便性、久性、性吻合正确、、清楚原

制作遵守的原

目的明确(清楚示主)

数据特色掌握(固定、前后一致、正确性、合用性)

表之整体美(位、大小、点、色⋯)

要求准化，力求用性

文(文并茂，搭配突出）表履(制作位、人、、主⋯)

数一般取三位数以下

十、表例

比

改进前改进後一個月改进後三個月冲压工场部件返修率120改进前、中、后柱形图比较图整1002.80修不良不良率60率(%)2.40第三章率检查表201.5一、定：0易于认识的准化表格或形－－可供给量化剖析或比1.0用。C部件0.5

D部件

E部件

F部件

G部件

二、表的分：0.0一月二月三月四月五月六月◎点用：只做是非或的注，主要功用在于确作的行，防(月份)

止作粗心或漏或防事故生。

◎用：用来采集划料，以作数据剖析的依据，以找出不良原

因或目，而改措施。

三、表制作注意事：

1.了然制作目的2.决定目3.决定率4.决定人及方法5.决定方式6.决定表格式决定符号

四、表的制作方法：

点用表◎列出每一需重点目◎找出非点不能够之目◎注意序摆列◎尽可能将之～以利剖析（机种、人、工程、程⋯）

◎先使用，再求改

用表◎决定希望掌握的目

◎决定希望要采集的数据

◎决定表格式

◎决定的方法

◎决定采集数据的方法(何人？率？方法？器⋯）

五、表的目：

－目的

象、目－什么？

人－由做？

方法－何种方法？

－什么？率？

制程、站－什么地方、所？

果之整理－合，均匀，剖析

门路－要认识？要告？六、表制作重点：

可先参照别人模范

愈愈好——易、易看、最短

者能了如指掌所内容

集思广益，不能够漏重要目

不执行用者生的七、表的用：

采集数据马上使用，察数据能否代表某些事？

数据各目之差异点何？能否会合？能否因此有化？

若有异常，上追究原由，采纳必需措施？

目随作改从而改。

目察要心、客。

能迅速判断、采纳行。

明确指定来做，并使认识目的及方法。

数据能得的情。

数据采集若非当初所想的，重新表。

目、、位⋯等基准一致，以利剖析。

连忙呈果相关人。

数据采集注意随机性、代表性。

去、在的，合适保留。

表完成后，可用柏拉加以整理。八、表模范：

＜例1＞品品判断用表例生成品外品判断基准表

＜例2＞堆高机年度养护表例堆高机每年自表

九、例演

某一世位，欲知某部件尺寸其制程的异情况，故采集多数据

以剖析，已知部件格5.00.6，今量50数据以下：依其条件制作一表。123456789104.95.15.05.04.85.15.25.04.84.65.35.04.95.04.75.05.45.15.15.04.95.55.04.84.75.44.85.05.25.65.04.95.35.15.24.84.74.95.15.04.64.55.04.95.05.25.14.95.15.2

解(1)依据题目所给的条件(尺寸与丈量个数)，作为调检表的纵坐标与横坐标。

如：

丈量个数栏

尺寸栏

接着在纵轴填入中心值及以0.1为间隔的数值，横轴填入丈量个数以5为间隔单位及小计或合计等字段。如：

外径尺寸丈量记录

第四章分布图

一、前言：

◎掌握两个变量之间的相关程度。

◎检视失散现象。

◎掌握制程参数与产品特色的因果关系。

◎可藉以观察跟着一变量的变化，另一变量的变化情况。

二、分布图的定义：

将因果关系所对应变化的数据分别点绘在X－Y轴坐标的象限上，以观

察此中之相关性能否存在？

(例)空调销售台数与天气温度的关系。

三、分布图的制作方法：

采集成对的数据，整理成数据表。

找出X、Y的最大值及最小值。

以X、Y的最大值及最小值建立X-Y坐标。

决定合适的刻度。

将数据挨次数点绘于X-Y坐标中。

注记相关资料

判读图形◎能否有异常点

◎能否需再层别

◎能否与固有技术、经验吻合。

四、分布图的几种典型种类：

强线性正（负）相关：X变量增大（或减小）时，Y变量显然增大（或减小）。

弱线性正（负）相关：Y变量随X增大（或减小）有增大（或减小）的趋向，但不很显然。

线性不相关：X变量与Y变量间没有相关关系。

非线性相关（曲线相关）：Y变量随X变量的变化没有单一的增大或减小趋向，不是线性相关的，但两变量的变化呈曲线式的对应关系，即存在非线性的相关关系。

第五章层别法

一、层别法的定义：

造成产质量量异常的要素好多，如何正确、迅速找出问题症结所在，节约时间、人力，卓有见效的方法就是将数据分层，马上数据按影响质量的要素分别整理，层层剖析，从而使剖析正确无误。这类分别整理数据的方法就叫层别法。

二、层别法的分层种类：

可依据详细情况采纳不一样样样的分层种类，常有的有

操作人员：按个人分，按班次分，按经验分；

机器设备：按机器分，按工具分；

资料：按本源分，按品种分，按生产批次分；

加工方法：按加工、装置、丈量、检验等各种工作条件分；

时间：按上下午分，按年代季节分；

环境：按室内环境、电磁环境、气象情况分；

7.其余：按发生情况、发生地点分。

三、层别法的实行步骤

先行选定欲检查的原由对象。

设计采集数据所使用的表格。

设定数据采集点并训练站别员工如何填制标格。

记录及观察所得的数值。

整理数据、分类绘制应有的图表。

比较剖析与最后推论。四、层别法使用之注意事项

实行前，第一确立层其余目的：不良率剖析？效率之提高？作业条件确认？

检查表的设计应针对所思疑的对象设计。

数据的性质分类应清楚详细记录。

依各种可能原由加以层别，至寻出真切原由所在。

层别所得的情报应与对策相连接，并付诸实质行动。

第六章直方图

一、直方图的定义：

将制程中所采集的相关产品特色或结果的计量值，分为若干个组距相

等的组，统计出所测数据分别落在各组的频数。以各组界限值画横轴，纵

轴为频数，画出以组距为宽，频数为高的一个个直方，即为直方图。

二、使用直方图的目的：

认识分配的型态

研究制程能力或测知制程能力

工程剖析与管制

测知数据的真伪

计算产品的不良率求分布的均匀值与标准差

藉以拟订规格界限

与规格或标准值比较

检查能否混入两个以上不一样样样集体

认识设计管制能否吻合制程管制三、数据的地点特色值

均匀值

中位数

XX=1nxi样本整体均匀值平常用μ表示ni1~将N个数据按大小次序摆列，位居正中的那个数或中间X两个数的均匀值（当数据个数为偶数时）。

3.中值MM=2XmaxXmin4.众数在用频数分布表表示测定值时，频数最多的值即为众数。四、数据的失散特色值1.极差RR=Xmax-Xmin2.偏差平方和SS=n2(XiX)i13.无偏方差ss=nS1=n11n(XiX)i12224.标准偏差ss=s2=nS1样本整体标准差平常用σ表示五、直方图的制作方法

采集数据并记录

找出数据中之最大值(Xmax)与最小值(Xmin)

求极差R

4.决定组数K=1＋3.32lgn（n为样本大小）5.求组距hh=Rh平常取整数K求各组上组界、下组界统计各组中数据的频数

作频数分布表

依据频数分布表做出直方图六、常有的直方图型态

正常型：中间高，两边低，左右基本对称，有会合趋向

结论：左右对称分配(常态分配)，显示制程在正常运行下。

锯齿型：高低不一，出缺齿情况，不正常分布。

结论：其原由可能是分组不妥（过多）或丈量偏差过大（统计员对测定值能否有偏好、假数据、或丈量仪器不优异）所致。

偏向型：特色还是中间高、两边低，但最巅峰偏向一侧，形成不对称的形状。

结论：人为有意识的对过程进行了干涉。

孤岛型：在远离主分布的右端或左端形成小岛。

结论：过程中某个时期条件产生了显然变化，如原资料混杂、操作错误、丈量错误等。

巅峰型：形状似山岳状。

结论：可能数据已精选过，如高靠谱性要求的器件精选后再使用。

双峰型：有两个巅峰出现。

结论：有来自两个整体的数据混在一同。

低峰型：近似于正常型，但变化缓慢，巅峰较低。结论：过程中存在某种缓慢作用的偏向性要素。

七、直方图的应用

测知制程能力、作为改进制程依据。

计算产品不良率。

测知分配型态。

藉以拟订规格界限。与规格或标准值比较。

检查能否混入两个以上不一样样样集体。

研判设计时的管制界限能否用于制程管制。八、过程能力

过程偏离系数K：生产过程中所获取数据的均匀值与公差中心值之间

偏差的程度

实测均匀值公差中心值K=100%T/2

此中T为公差范围，T=Tu-Tl

Tu=公差上限Tl=公差下限

过程能力指数：当实测数据均匀值μ与公差中心值M一致即μ=M时，称过程能力“无偏”，用Cp表示；当不一致即μ≠M时，称“有

偏”，用Cpk表示。

（1）双边公差情况：Cp=T/6σCpk=（1-K）Cp

（2）公差限为单边的情况：

Cp=（Tu-μ）/3σ或Cp=（μ-Tl）/3σ

对有偏过程能力的调整：当有偏（μ≠M），能否需将数据中心调整到与公差中心一致，则取决于多种要素，如Cp值的丰饶度、调整的难易程度、调整的经济性、对最后产品的影响等。

下边给出的情况可供参照

Cpk值偏离系数K建议的措施1.33＜Cpk0＜K＜0.25不用调整1.33＜Cpk0.25＜K＜0.50亲近关注1.00＜Cpk≤1.330＜K＜0.251.00＜Cpk≤1.330.25＜K＜0.50应予以调整第七章柏拉图图一、柏拉的由来

1897年意大利学家柏拉（V.Pareto）提出：事件的多数（

80%）生影响的但是关的少量要素（20%），即8020律，并得出反响

种律的，称柏拉，也叫摆列。今后美国的着名量管理学家朱

博士将它用到量管理活中，日本的石川馨将它作QC的7种常用

工具沿用到现在。

二、柏拉的制作步

采集数据

依不合格原由、情况、目⋯.等行分

依分，整理数据，作成表

按的不合格原由的数大小从左至右画柱形

画累率折

下边是感器不合格品摆列例

三、制柏拉注意的事

依大小摆列，其余最后。

各柱形等度不留隙。

累率的点重点在各柱形度的中。

目太多，可列入其余。

柏拉曲折非曲。

柏拉合用于数。四、柏拉的作用

作降低不合格品的依据。

决定改目，找出点。

确改见效(前、后比)。

用于掘的重重点。

用于整理告或。可作不一样样样条件的谈论。

考据或调整因果图。

配合因果图使用。五、应用柏拉图图应注意事项

依所采纳之项目来剖析。

项目比率相差不多时。

采集正确数据。

柏拉图为改进手段而非目的。

主要目的：从图中获取情报→剖析原由→采纳对策。

改进后问题不久又重出→重新另作柏拉图。

〝其余〞项大于前三项时→需再做层别。六、柏拉图图的见效考据

假如改进措施有效，在图中的横轴上的项目次序应有变化。

当项目次序有变化而总的不合格品数仍没有变化时，能够为生产过程依旧不坚固，应连续找寻原由。

各项目不合格品数同时减少，说明纠正措施见效优异。

经改进后，最高项与次高项一同减少，但次序未变，说明这两项相关。

一旦确认改进后有见效，就应更正文件。

第八章特色要因剖析图

一、定义

特色要因图也称因果图、鱼骨图，就是把产品存在的某个质量问题以

及产生这个问题的诸多原由加以剖析和分类，用一树枝状的图形将此间的因

果关系表示出来。

二、如何绘制特色要因图

确立特色绘制骨架

记录大概因

依大概因找出中要因

更详细列出小要因

圈出最重要的原由

记录相关条件三、绘制时应注意事项

特色要提的详细、明确；

依特色的不一样样样，制作不一样样样的特色要因图；

要注意采集有经验的人员的建议；

无因果关系者不归类；

多利用过去数据；

重点放在解决问题上；

以事实为依据；

要因的剖析应尽可能深入认真，全追终归。四、特色要因图之应用

改进剖析

拟订标准

管理用

质量管制导入及培训用

配合其余手法应用

第九章控制图

一、定义

设定一合理的上下界限，将采集的数据挨次次点绘成图，看能否有点落在设定的控制线外，从而判断其能否在〝管理〞状态的一种图示技术。二、控制图的种类计量型控制图

均值—极差（X-R）控制图

均值—标准差（X-s）控制图中位数—极差（~-R）控制图X

单值—挪动差（X-Rs）控制图

计数值管制图

不合格品率（P）控制图

不合格品数（Pn）控制图

缺点数（C）控制图

单位缺点数（U）控制图

三、计数型与计量型控制图的应用比较

四、控制图的绘制步骤

计量型X-R控制图

采集100个以上数据（先后次序）

分组

将各组数据记录

计算各组均匀值(X)

计算各组极差(R)

计算整体均匀值(X)

计算极差的均匀值(R)

计算控制限

X图中心线(CL)＝X

X图的上控制线(UCL)＝X+A2R

X图的下控制线(LCL)＝X-A2RR图中心线=RR图的上控制线(UCL)＝D4R

R图的下控制线(LCL)＝D3R

绘制中心线及控制限，并将各点绘入图中

填入数据简历及特别原由

计数型P控制图

采集20～25组数据

计算每组的不合格品率(P)

计算整体均匀不合格品率(P)

计算控制限

中心线(CL)＝P控制上限(UCL)=P+3P(1P)/n控制下限(UCL)=P-3P(1P)/n5.绘制中心线及控制限，并将各点绘入图中。

填入数据简历及特别原由五、控制图的判读

过程控制正常的判断

多数点子会合在中心线周边。

少量点子落在控制限周边。

点子之分布与跳动呈随机状态，无规则可循。

无点子超出控制限之外。过程控制异常的判断

对控制图的直观判断

（1）中心线一侧的点子显然比另一侧多，表示均值可能产生偏移；

（2）好多的点子凑近上、下控制线，说明标准差已经变大；

（3）中心线一侧连续出现多个点子或点子连续上涨，可能有系统因素搅乱；

（4）点子按一准时间间隔