QC三大核心工具培训（因果图、排列图、散布图）实战课件

QC三大核心工具培训（因果图、排列图、散布图）实战课件适用岗位：IQC、IPQC、FQC、OQC、品质工程师、生产管理、技术人员适配体系：IATF16949、VDA6.3、问题8D/9D整改、过程持续改善、SPC统计分析培训目标：掌握三大质量图表的识别、绘制、分析、落地应用，实现问题找根因、抓重点、看关联，告别盲目整改，做到数据化改善前言：三大QC工具核心价值质量管理中80%的现场问题，都可以通过因果图、排列图、散布图解决：1.因果图：找原因（所有问题的根因拆解）2.排列图：抓重点（抓80%不良的核心少数问题）3.散布图：看关联（判断两个数据是否存在因果关联）三大工具为8D/9D问题整改、FMEA风险分析、过程质量优化的必备基础工具，是内外审重点核查的实操能力。一、因果图（鱼骨图、特性要因图）1.1定义因果图俗称鱼骨图，通过分层分类的方式，系统排查造成质量问题的所有潜在原因，层层拆解、逐步聚焦，最终锁定根本原因，是现场异常分析最常用的核心工具。因图形形似鱼骨，故称为鱼骨图。1.2适用场景1.制程不良偏高、外观不良、尺寸超差、功能异常分析2.来料批量不良、供应商质量异常原因分析3.设备故障、效率异常、报废率高问题复盘4.客诉问题、重复不良、批量质量事故根因分析1.3核心分析维度（5M1E标准）所有质量问题统一从六大维度拆解，无遗漏、无死角：人（人员）：操作技能、质量意识、作业状态、培训考核、责任心机（设备）：设备精度、参数漂移、保养状态、工装磨损、仪器失准料（物料）：来料品质、批次差异、物料规格、防护状态、材质波动法（方法）：SOP标准、作业流程、工艺参数、变更管控、检验标准环（环境）：温湿度、洁净度、现场5S、照明、静电、仓储环境测（测量）：检测方法、量具精度、判定标准、抽样方式、MSA偏差1.4绘制步骤（标准五步）第一步：确定问题（鱼头）精准锁定单一具体问题，禁止笼统描述。例：“产品外观划伤不良高”，而非“产品质量不好”。第二步：画出主骨绘制横向主箭头，鱼头指向问题结果，主骨连接六大分支（5M1E）。第三步：填充大骨原因按人、机、料、法、环、测六大维度，列出所有可能的直接原因。第四步：层层深挖小骨（5Why辅助）对每一个大骨原因继续追问，层层拆解，直到找到可落地的根本原因，杜绝停留在表面问题。第五步：圈选关键原因结合现场事实、数据验证，筛选出造成问题的核心关键原因，作为整改依据。1.5实战案例问题：来料塑胶件外观不良率偏高人：供方操作人员作业不规范、自检不到位机：供方注塑设备参数不稳定、模具磨损未及时更换料：原材料批次波动、辅料配比异常法：供方成型工艺标准宽松、出货检验标准低环：供方生产环境粉尘大、仓储防护不到位测：供方出货抽检比例低、漏检率高1.6常见错误（审核高频扣分点）1.问题描述笼统、不具体，一图分析多个问题2.只写表面原因，未深挖根因，无5Why拆解3.原因与问题无关联、逻辑混乱4.只画图不筛选关键原因、无后续对策落地二、排列图（柏拉图、二八原则图）2.1定义排列图又称柏拉图，基于二八原则（80/20法则）：80%的质量问题，由20%的核心关键问题导致。通过数据排序，直观展示各类不良占比，精准锁定重点改善项，避免盲目整改。2.2核心作用1.区分关键少数、次要多数2.杜绝胡子眉毛一把抓，精准锁定改善重点3.用于月度质量复盘、TOP问题改善、客诉问题统计4.验证改善前后的效果对比，数据化展示改善成果2.3适用场景1.来料不良分类统计、不良TOP问题分析2.制程不良类型占比分析、报废问题统计3.客户投诉问题分类、异常问题汇总分析4.设备故障频次、损失问题优先级排序2.4绘制四步骤第一步：数据收集统计周期内所有不良问题，分类统计不良数量、不良频次。第二步：数据排序按不良数量从大到小降序排列，单独列出“其他”次要项。第三步：计算占比、累计占比分别计算单项不良占比、累计不良占比。第四步：绘制图表柱状图展示单项不良数量，折线图展示累计占比，划分A/B/C类问题。2.5问题分类标准（核心）A类问题（关键重点）：累计占比0%-80%，必须优先整改、专项攻坚B类问题（次要问题）：累计占比80%-90%，常规管控、逐步优化C类问题（一般问题）：累计占比90%-100%，常态化管控、预防即可2.6实战案例场景：月度来料不良统计1.外观划伤：48PCS（占比42%）2.尺寸偏差：32PCS（占比28%）3.变形凸起：15PCS（占比13%）4.脏污色差：10PCS（占比9%）5.其他不良：9PCS（占比8%）结论：外观划伤+尺寸偏差累计占比70%，为A类核心问题，优先专项改善。2.7常见错误1.数据未降序排列、分类混乱2.无累计占比、不区分重点问题3.问题分类过细或过于笼统，失去改善意义4.只做图表、不做重点改善对策三、散布图（相关图）3.1定义散布图又称相关图，是用来判断两组数据之间是否存在相关性的统计图表。通过坐标点位分布，直观验证两个变量是否存在关联、关联强弱，杜绝凭经验判断问题。3.2核心作用1.验证工艺参数与不良的关联关系2.排查温度、时间、压力、速度等参数对产品质量的影响3.区分偶然波动与必然关联，精准锁定参数根因4.为工艺优化、参数固化提供数据支撑3.3适用场景1.烘烤温度与产品变形不良的关系2.焊接温度与虚焊、假焊不良的关系3.环境温湿度与产品受潮、氧化不良的关系4.设备压力、速度与产品尺寸偏差的关系3.4四种相关性判定（必背）1.强正相关：X数据增大，Y数据同步显著增大（参数越高，不良越高）2.弱正相关：X增大，Y缓慢增大，关联性较弱3.强负相关：X增大，Y显著减小（参数越高，不良越低）4.无相关：X、Y数据杂乱分布，无任何关联，问题与参数无关3.5绘制与分析步骤1.确定两组关联数据（自变量X、因变量Y）2.收集30组以上有效对应数据（数据越多越精准）3.建立XY坐标轴，逐一标注数据点位4.根据点位分布，判定相关性强弱5.根据相关性结果，优化工艺参数、固化标准3.6实战案例问题：固化温度是否影响产品开裂不良？收集不同温度对应的不良率数据，绘制散布图：结果显示：温度越高，开裂不良率越高，呈现强正相关改善结论：严控固化上限温度，锁定最优工艺区间，彻底解决开裂不良。3.7常见错误1.数据量过少，分析结果无参考性2.两组无关联数据强行做散布图分析3.只画图不落地优化参数、无改善输出四、三大工具组合实战应用（审核必考）完整问题解决闭环流程：1.排列图：从众多不良中，找出TOP核心问题（抓重点）2.因果图：针对TOP问题，全维度拆解所有潜在原因（找原因）3.散布图：验证关键参数与不良的关联性（证关联）4.制定对策、落地改善、再次用三大工具验证改善效果总结口诀：柏拉图抓重点、鱼骨图找根因、