More Related Content
What's hot (20)
Viewers also liked (9)
Similar to 蚕惭-041-品管七大手法训练 (20)
More from handbook (20)
蚕惭-041-品管七大手法训练
- 1. 品管七大手法訓練 RG100 品質保證部 張蘭玉 2006 年 6 月 28 日
- 2. 大綱 一 .QC 七大手法的使用 二 . 新舊 QC 七大手法差異 三 .QC 七大手法的應用 四 .QC 七大手法的介紹 五 .QC 七大手法運用在 QCC 關連圖
- 3. 一 . QC 七大手法的使用 用作品質改善的圖形工具，通常都不需要複雜的計算，比較常用到的圖形方法有七項，一般稱為品管七大手法。 根據日本品管大師石川馨博士 (Kaoru Ishikawa) 的經驗顯示，一個公司內部 95 ％以上的品質問題是可以利用七大手法加以解決的。 到目前為止， QC 七大手法還是被公認為改進品質之非常有用的工具，品質實務方面幾乎離不開這七種手法。
- 4. 二 . 新舊 QC 七大手法差異 舊 QC 七大手法 查檢表、柏拉圖、 特性要因圖、散佈圖、 管制圖、直方圖、 層別法 新 QC 七大手法 親和圖法、 關連圖法 、 系統圖法、矩陣圖法、 矩陣解析法、 PDPC 、 箭形圖解法 著重在整理問題數值資料 取得後的管理手法 著重在整理問題數值資料 取得前的管理手法
- 5. 三 .QC 七大手法的應用 所有數據不可僅止於平均，須根據數據之履歷，考慮適當 分層找出重點問題發生處 。 層別法 6 繪出 兩數據間是否有關 ，及其相關程度如何，以探討潛在原因。 散佈圖 7 用於分析和 監控製程中的變異 。 管制圖 5 用於掌握觀察值資料分配的狀況，以 推測總體特性的方法 。 直方圖 4 並非對所有原因採取處置，而是先就其中影響最大的 2~3 項採取措施，亦為 重點管理 。 柏拉圖 3 整理原因與結果之關係，透過腦力激盪後，而 得分析原因與結果的方法 。 特性要因圖 2 有系統地收集和累積資料，以進行 粗略整理簡單分析用的表格 。 查檢表 1
- 6. 1. 特性要因圖 是用來說明品質特性，及影響品質之主要因素與次要因素三者間關係，以箭頭連結的圖形。 日本品管權威學者石川馨博士於 1952 年發明，又稱為「石川圖」。 由於其形狀類似魚骨，故又稱為「魚骨圖」。 主要說明原因與結果之關係，亦稱「因果圖」。 四 . 七大手法介紹
- 7. 1. 特性要因圖 - 繪製步驟 決定問題（或品質）的特性： 應先決定品質特性，如不良率、停機率、送修率、抱怨的發生、外觀的不良、尺寸不良等有關品質低下的問題特性加以確定。 準備紙張 與彩色筆 、繪製骨架： 自左至右畫上一條較粗的主幹線（稱母線），在主幹線右端畫一指向右方的箭頭，將特性寫在箭頭的右端。 把原因分類成幾個大類： 每大類以方框框起來加上箭頭的大分枝，稍斜 60 度畫到母線。原因可依製程別分類，一般分為人、機械、材料、方法、環境與其他。 大原因再細分為中、 小原因： 細分中小原因時，應注意必須能採取對策者為主要條件，且有因果關係者歸於同一中、小枝骨內，無因果關係者則否。 決定影響問題點之原因的順序： 確認原因的重要程度，應考慮其可行性、價值，在所列出的原因中認為影響較大的畫上紅圈，再從紅圈原因中認為影響更大者，再畫上紅圈，最後圈選出重要原因 4 ～ 6 項。
- 8. 1. 特性要因圖 - 繪製方法 特性 材料 人 其他 機械 方法 60 。 2 3 1
- 9. 1. 特性要因圖 - 繪圖的注意事項 運用腦力激盪術，全員發言 提重點放在解決問題上，依 5M 、 5W1H 的方法逐項列出 : 作業者 (Man) 、機具設備 (Machine) 、原材料 (Material) 、 方法 (Method) 、量規儀器 (Measurement) What( 目的為何 ) 、 Where( 在何處做 ) 、 When( 何時做 ) 、 Who( 誰來做 ) 、 Why( 為何必要 ) 、 How( 如何做 ) 應按特性別繪製多張的特性要因圖 原因解析愈細愈好： 畫出的特性要因圖應是又肥又大，而不是瘦巴巴的沙丁魚。 品質特性的決定以現場第一線所發生的問題來考慮，管理者或輔導員避免指示。
- 10. 1. 特性要因圖 - 種類區分 特性要因圖可區分為「追求原因型」和「追求對策型」兩種。 Ａ . 追求原因型： 在於追求不良的所在，並進而尋找其影響的原因，以表示結果（特性）與原因（要因）間的關係 。
- 11. 1. 特性要因圖 - 種類區分 B. 對策追求型（圖反轉）： 找尋問題點應如何防止，目標之效果應如何達成的對策，而以特性要因圖表示期望效果（特性）與對策間的關係。
- 12. 2. 查檢表 查檢表無一定的標準格式，為了便於收集數據，而設計的一種表格式圖表。 用很簡單的劃記、符號、數字記入表格或圖表，能一目瞭然地看出其結果的一種手法、工具。 日常管理改善上，用處大、效率高的工具，是解決問題的先決條件。 分析問題能清楚抓住問題的重心。
- 13. 2. 查檢表 - 設計的要領 明確目的： 將來要能提出改善對策及數據，必須把握現狀 解析，與使用目的相配合。 決定檢查項目： 從特性要因圖圈選的 4 ～ 6 項決定之。 決定抽檢方式： 全檢 、 抽檢。 決定檢查方式： 查檢基準 、 查檢數量 、 查檢時間與期間， 查檢班別、查檢機台、查檢方法 …均應載明清楚。 記錄 符號 如「 ? 」、「 X 」、「 O 」或「正」 。 設計表格實施查檢。
- 14. 2. 查檢表 - 種類 記錄用 ( 或改善用 ) 查檢表： 根據收集之數據以調查不良項目、不良主因等，除記錄每天的數據，並且可看出那一項目的數據特別集中。
- 15. 2. 查檢表 - 種類 記錄用 ( 或改善用 ) 查檢表： 位置圖是將缺點或問題發生之位置標示於圖上，用以分析問題發生的根源。 X X X X X X X X X X X X X X X X X X X X
- 16. 2. 查檢表 - 種類 點檢用查檢表 : 要確認作業實施，機械整備的實施情形，或為預防發生不良或事故，確保安全時使用。這種點檢表可以防止遺落或疏忽的造成，檢查作業基準，機械操作，機械的部位是否確定等。 作業符號備註： ? 查驗， A 調整， × 執行 換新煞車油 X 火星塞清掃 ? 換新機油 X 空氣濾淨器清掃 ? 化油器檢查 A 風扇皮帶檢查 A 分電盤盤蓋檢查 A 電瓶液量檢查 ? 作業項目 作業符號 作業項目 作業符號 作業員 : 王大明 行駛公里 : 9999 保養廠 : 得來駛保養廠 費用 : 2,500 工廠名：錸寶公司 日期 : 92.2.17 10,000 km 定期保養 汽車定期保養點檢表
- 17. 3. 柏拉圖 - 由來 1897 年義大利經濟學者的 V. Pareto 由所得曲線發現，少數人擁 有社會大部分的財富，他認為只要控制那些少數財主，即可控制 該社會財富，此種重點控制的方法，稱為「柏拉法則」。 1907 年美國經濟學者 M.O. Lorenz 使用累積分配曲線來描繪「柏拉法則」，即經濟學上所稱之「勞倫茲 (Lorenz) 曲線」 。 品管泰斗 裘蘭博士（ J.M. Juran) 在「品管管制手冊」中，誤將 Lorenz 曲線作為「柏拉圖曲線」，雖曾修正並承認誤用，但因其影響力大，仍是大家所常談及使用的名稱。
- 18. 3. 柏拉圖 - 定義 在生產現場，特別是涉及因素非常廣的情況，各個因素所佔影響之比例不同，使用柏拉圖找出重點因素，進而針對重點因素加以解決，可以降低大部分的不良品，則問題已解決一大半。 「柏拉圖原則」就是利用重要的少數項目控制不重要的多數項目，物料管理所使用的「 ABC 分析法」，即為該法則之一例，「 80/20 法則 」 80% 的問題是由 20% 的原因所造成的。 從每期得柏拉圖分析中，可以知道主要因素在改善前後的效果，重點在於損失金額的減少多少，以此為評量的依據。
- 19. 3. 柏拉圖 - 繪製步驟 座標取法 橫軸：材料別、機器別、缺點種類或其它分析的原因。 縱軸：不良百分率、故障次數、損失金額或其它原因所造成的結果。 蒐集資料 原因所造成的結果，通常是損失金額、損失時間等。 製作柏拉圖 按照橫軸各可能原因所造成之影響大小，繪成直方圖。 畫出累積百分比曲線。 將改善目標值，以虛線畫在圖上，作為改進之準則。
- 20. 3. 柏拉圖 - 繪製實例 不良率 % = X 100 各項不良數 總檢查數（ 150) 影響度 % = X 100 各項不良數 總不良數 (a) 各項目按出現數據之大小，順序排列，並求其累計次數。 (b) 求各項目的數據及累計數的影響度。 (c) 其他項排在最後，其他項若太大時，要檢討是否尚有其他重要要因需提出。 100 32.0 48 合計 100 10.4 32.0 3.3 5 其他 89.6 8.3 28.7 2.7 4 Ｄ 81.3 16.7 26.0 5.3 8 Ｃ 64.6 27.1 20.7 8.7 13 Ｂ 37.5 37.5 12.0 12.0 18 Ａ 累計影響度％ 影響度％ 累計不良率％ 不良率％ 不良次數 不良項目
- 21. 3. 柏拉圖 - 注意事項 1. 項目個數未依大小排序（一般以 5~7 個為宜，多出項目以其他代替 ) 2. 資料列有間隙 3. 累計百分率軸超過 100% 4. 其他不排序，應列在最後 5. 每個項目所引起的金額損失如果不 同時，應以損失金額來表示
- 22. 4. 直方圖 直方圖是一種將數據以簡單方式呈現的工具。它用在顯示從製造中收集的資料，可以讓分析者很快速地了解某特定時間內製程的狀況。 横轴代表某个品质特性或变数之量测值的分类，纵轴表示每一类出现之次数。
- 23. 4. 直方圖 - 製作步驟 例：某廠之成品重量規格為 130~190 ，今按隨機抽測方式抽取 200 個樣本，其重量測定值如下表，試製作直方圖。 由各行數據中找出最大值與最小值 求出所有數據中之最大值與最小值 ( 全距） 全距 = 最大值 - 最小值 全距 =170 - 124= 46 142 153 146 142 151 150 149 150 153 152 151 141 145 126 132 126 128 127 138 126 136 138 127 129 143 125 130 125 124 126 151 157 170 160 152 168 160 167 150 164 157 157 167 156 147 162 165 162 162 142 150 153 150 152 168 142 140 126 149 157 150 152 143 126 130 127 124 162 151 145 145 160 141 162 135 144 146 145 138 154 130 154 132 146 125 142 138 149 148 141 155 144 145 132 142 132 142 147 156 135 144 130 153 142 144 126 148 157 134 151 147 143 127 138 128 148 151 141 140 143 125 151 146 146 139 147 152 126 143 140 142 160 162 127 150 150 142 142 147 144 152 147 151 137 141 151 170 141 147 156 154 159 126 164 153 147 152 148 143 158 144 152 142 142 150 152 140 148 147 153 160 139 163 157 146 167 149 142 160 134 136 145 143 148 137 142 147 142 152 167 150 152 156 145 157 150 147 162 133 150 137 144 147 127 132 126 136 150 157 144 136 155 127 148 153 145 137 165 162 132
- 24. 4. 直方圖 - 繪製步驟 決定組數 組數過少，己失次數分配之本質 ; 組數過多，無法逹到簡化的目的 ( 異常值應先除去再分組）。 次數分組之組數不宜太多或太少，一般可用數學家司徒基提 出之公式，根據測定次數 n 來計算組數 k ，其公式為： 例如 : n=200 則 k = 1+3.32 log 200 = 1+3.32 (2.3010) = 8.6 （約可分為 8 組或 9 組 ) 一般對於數據之分組可參照右表約略分之 本例之數據 200 個，將其分為 12 組。 ｋ = 1 + 3.32 log n 6~10 50~100 7~12 100~250 10~20 250 以上 組數 數據數
- 25. 4. 直方圖 - 繪製步驟 決定 組距 組距＝全距 / 組數＝ 46 / 12 = 4 為便於計算平均數與標準差，組距常取為 5 的倍數或 10 的倍數，或 2 的倍數。 決定各組之上下組界 最小一組的下組界 = 最小值 - =124- =123.5 最小一組的上組界 = 下組界 + 組距 = 123.5 + 4 = 127.5 第二組的下組界 127.5 ; 上組界為 127.5 + 4 = 131.5 第三組的下組界 131.5 ; 上組界為 131.5 + 4 = 135.5 依此類推，計算至最大一組之組界。 測定值之最小位數 2 2 1
- 26. 4. 直方圖 - 繪製步驟 計算各組的組中點 各組的組中點 = 第一組之組中點 = = 125.5 第二組之組中點 = 125.5 + 4 = 129.5 第三組之組中點 = 129.5 + 4 = 133.5 依此類推，計算至最大一組之組中點。 上組界 + 下組界 2 123.5 + 127.5 2
- 27. 4. 直方圖 - 繪製步驟 作次數分配表 將所有數據，依其數值大小畫記於各組之組界內，並計算出其次數。 將次數欄之次數相加。表中之次數總和與測定值之個數應相同。 200 合計 2 169.8 167.5~171.5 12 14 125.5 123.5~127.5 1 4 165.5 163.5~167.5 11 10 161.5 159.5~163.5 10 13 157.5 155.5~159.5 9 23 153.5 151.5~155.5 8 32 149.5 147.5~151.5 7 37 145.5 143.5~147.5 6 34 141.5 139.5~143.5 5 13 137.5 135.5~139.5 4 11 133.5 131.5~135.5 3 7 129.5 127.5~131.5 2 次數 劃記 組中點 組界 組數
- 28. 4. 直方圖 - 繪製步驟 製作直方圖 將次數分配表圖表化，橫軸表示重量的變化，縱軸表示次數。 橫軸及緃軸各取適當的單位長度。再將各組之組界分別標在模軸上，各組界應為等距離。 以各組內之次數為高，各組之組距為底，在每一組上畫成一矩形，則完成直方圖。 在圖的右上角記入數據總數 n 及數據履歷，並畫出規格的上限及下限。
- 29. 4. 直方圖 - 範例 2 計數值範例 : 29 塊毛料之缺點數
- 30. 計量值範例 : 車用電池壽命 步驟 1 : 定全距 測定值中最大數與最小數之差為全距 全距 = 4.7 - 1.6 = 3.1 步驟 2 : 利用司徒基公式定出組數 k( 組數 )=1+ 3.32 log n( 測定次數 ) k = 1 + 3.32 log 40 = 6.3( 約為 6 組或 7 組，此例取 6 組 ) 步驟 3 : 定組距 組距 = 全距 ÷ 組數 =3.1 ÷ 6=0.517 為便於計算本例組距定為 0.5 步驟 4 : 定出最小一組之下界與上界 最小數值為 1.6 ，減去可能誤差 0.05 ， 再減去 0.1 可得下界 下界 =1.6-0.05-0.1=1.45 上界 =1.45+0.5=1.95 步驟 5 : 定出各組界限值並做出次數分配表 4. 直方圖 - 範列 3
- 31. 計量值範例 : 車用電池壽命 步驟 6 : 繪製直方圖 4. 直方圖 - 範列 3 1.7 2.2 2.7 3.2 3.7 4.2 4.7
- 32. 4. 直方圖的判讀 ? ????????????????????????? 常態型分配： 在上下界限中央有一高峰，且圖形以中心點對稱，顯示此數據來自一個自然、的常態製程。 ? ????????????????????????? 雙峰型分配： 在數據分布範圍之中央有一低谷，而兩旁個有一高峰。此種圖形是混合兩個常態型分配，可能的情形是這些數據來自兩部不同之機器、兩個不同之操作員或兩條不同底生產線。測定值受不同的原因影響，應予層別後再作直方圖。
- 33. 4. 直方圖的判讀 ? ????????????????????????? 高原型分配： 直方圖沒有顯著底高峰和尾端，此種直方圖的數據可能來自數個常態型分配。一種可能的原因是無標準作業程序，操作員自行其事，造成極大之變異。 ? ????????????????????????? 缺齒型分配： 直方圖上，高低值交互出現。檢查員對測定值有偏好現象，如對 5,10 之數字偏好 ; 或是假造數據。亦可能是量測誤差或分組不當。 ? ????????????????????????? 偏態型分配： 高峰出現在接近某端分布範圍邊，另一邊是長長的尾巴。若尾巴向右延伸稱為右偏，反之稱為左偏。尾巴拖長時，應檢討是否在技術上能夠接受。在工具磨損或鬆動時，亦有此種情形發生。
- 34. 4. 直方圖的判讀 ? ??????????????????????? 絕壁型分配： 在直方圖上高峰發生在 ( 或靠近 ) 數據分布之邊緣。截斷型直方圖之發生是將某些數據自常態型分配數據中移去，例如 : 實施 100% 全檢，將不合格品數據剔除。 ? ????????????????????????? 離島型分配： 在直方圖上出現兩個大小相差甚多之高峰。較低之高峰附近之數據可能來自於某一特別之機器、製造程序或作業員，亦可能量測誤差或抄寫數據時產生之錯誤。 ? ????????????????????????? 邊緣突出型分配： 在平滑分配的邊緣出現一突出之高峰。此情形通常為資料記錄錯誤所造成。
- 35. 4. 直方圖 - 與規格值的判讀 Ｓ L Ｓ U 合適的製程能力 Ｓ L Ｓ U 製程能力較規格好很多 Ｓ L Ｓ U 中心偏左 / 右 : 應追查異常之機器 、 設備 、 原料等異常原因 Ｓ L Ｓ U 分散度過大 : 標準差過大，應追查變動原因如人員、方法、設備等
- 36. 5. 散佈圖 在研究兩組數據 ( 或原因與結果 ) 之間是否有相關及其相關程度，散佈圖是很好的選擇。 散佈圖包括水平（ X ）和垂直（ Y ）兩軸，用以代表成對的兩變數。 把材料 , 機械設備 , 作業者 , 作業方法…等 , 可能影響的原因層別 , 繪製散佈圖 , 可檢討何者影響結果。
- 37. 5. 散佈圖 觀察下面的散佈圖，雖然沙子百分比與水泥硬度不是正相關，也非負相關，但此兩者的關係從 40% 前是正相關， 40% 後是負相關。 沙子百分比 硬度 沙子百分比 硬度 沙子百分比 硬度 5 10 30 80 60 40 10 30 40 85 70 30 20 60 50 70 80 15
- 38. 5. 散佈圖 - 製作步驟 步驟 1 : 收集 30 組以上相對數據，整理到 數據表上。（數據不能太少，否 則易生誤判） 步驟 2 : 找出數據 x ， y 之最大值及最小值 步驟 3 : 畫出緃軸與橫軸（若是判斷要因 與結果之關係，則橫軸代表要因 ，緃軸代表結果 ) ，並取 x,y 之最大 值與最小值為等長度畫刻度。 x 之最大值 -x 之最小值＝ 890-810=80 y 之最大值 -y 之最小值 =59-42=17 步驟 4 : 將各組數據點在座標上。（橫軸與 緃橫之數據交會處點上。
- 39. 5. 散佈圖 - 判别
- 40. 6. 層別法 不良品發生時，很可能只是其中一種原料或其中一台機械或其中某一操作人員有問題，因而只要能發現哪一種原料或哪一台機械或哪一位操作人員有問題，便可輕易找出問題所在，而杜絕不良品的發生。
- 41. 6. 層別法 - 實例 操作員 A 與 C 確實是在管制狀態，而 B 非管制狀態。 三者之 x 與 R 值差異很大， A 為適中， B 偏高很多， C 稍偏低。 雖然使用相同的機械設備，但 A 的製程能力尚可， B 很差，而 C 很好。
- 42. 6. 層別法 為區別各種不同原因對結果之影響，而以各別原因為主體，分別 統計分析的方法 舉例 : 某藥廠使用兩個桶製造抗菌物質， 7/1~7/15 之力價測定 值如表，請依桶 A,B 分別進行層別 應追查 A 桶偏低原因
- 43. 7. 管制圖 管制圖係於 1924 年由美國品管大師 W.A.Shewhart 博士發明 . 管制圖是以常態分配之 3 個標準差為基礎，將常態分配圖形 轉 90 度，平均值處作成管制中心 (CL 用藍色或黑色實線 ), 在 平均值加 / 減 3 個標準差處作成管制上 / 下限 (UCL/LCL 用紅色 虛線 ) 當群體為常態分配時，每 1,000 樣本當中，就有 3 個會跑出 ± 3 σ 範圍， Dr. Shewhart 認為此 3 個是因偶然機會 ( 機遇原 因 ) 跑出界線而不予計較 管制圖不僅能將數值以曲線表示出來，以觀其變異之趨勢， 且能顯示變異係屬於機遇性 (chance causes) 或非機遇性 (assignable causes) ，以指示其現象是否正常，而採取適 當措施
- 45. 7. 管制圖 - 品質變異的原因 機遇原因 chance causes 與 非機遇原因 assignable causes 之比較 用作創造 (create) 一個經常而穩定之製程 用作修改 (modify) 一個經常而穩定之製程 不能管制之變異 , 不穩定過多之變異 , 局部者 在管制下的變異 , 製程中固有的變異 , 系統之一部份 次數少 , 影響大 , 需徹底調查 次數多 , 影響小 , 不值得調查 不但可找出原因而且可去除 , 經濟觀點而言是正確的 要去除製程之機遇原因是件非常不經濟之處置 例如 : 原料群體不良 , 機械不良調整 , 新手之作業員 例如 : 原料微小之變異 , 機械微小之震動 任何一個非機遇原因都可能發生大變異 不管發生何種之機遇原因 , 其個別之變異極為微小 一個或少數幾個大原因所引起 大量之微小原因所引起 可避免之原因 , 人為原因 , 特殊原因 , 異常原因 , 局部原因 不可避免之原因 , 非人為原因 , 共同原因 , 偶然原因 , 一般原因 非 機 遇 原 因 機 遇 原 因
- 46. 五 .QC 七大手法運用在 QCC 關連圖 兩種資料間之相關性分析 資料分析 / 工作程序之瞭解與掌握 品質特性之監控 變異之掌握 重點之掌握 品質問題之因果關係與系統整理 資料之分類、蒐集 原因分析 檢查表 散佈圖 層別法 管制圖 直方圖 柏拉圖 要因分析圖 問題遺留 效果確認 對策實施 對策擬定 現況把握 選定主題 QCC 七大手法