1、首先，什么是QC？QC：Quality Control 質量管控/質量管理-是指控制制造或效力的質量，使產品或效力到達最優良的形狀。.QC七大手法 從上個世紀60年代開場，日本的企業經過運用QC七大手法，搜集任務現場的數據并進展分析，大大地改善了產品的質量，使日本的產品成為“質量的代名詞。 70年代初，日本人大力推行QCC活動，除了注重現場的數據分析外，并逐漸運用一些新的品管手法，對任務現場同伴的情感表達和言語文字資料進展分析，并逐漸演譯成新的品管手法。 QC七大手法是將散漫無章的言語資料變成邏輯思索的一種方法，也是一種事先思索不利要素的方法，它經過運用系統化的圖形，呈現方案的全貌，防止錯誤或

2、疏漏發生。.舊QC七大手法層別法.1.檢查表-調查數據用于分析 數據的定義：數據，就是根據丈量所得到的數值和資料等現實。搜集數據時應留意的重點搜集正確的數據。防止客觀的判別。要把握現實真相.1.檢查表-調查數據用于分析檢查表.檢查表定義： 檢查表是利用統計表對數據進展整理和初步緣由分析的一種工具，將需求檢查的內容或者工程一一列舉出來，定期或不定期地逐項檢查，并將問題點記錄下來。主要作為點檢用檢查表或記錄用檢查表。1.檢查表-調查數據用于分析.1.檢查表-調查數據用于分析記錄用檢查表：又稱改善用查檢表，以符號、記號或數字如、正記錄的圖表，常用于不良緣由和不良工程的記錄。電視缺點贊揚情況檢查表.1

3、.檢查表-調查數據用于分析2.點檢用檢查表：又稱備忘點檢表，常用于機械設備與活動作業確實認。這種檢查表主要是調查作業過程中的情形，可防止作業上的忽略或脫漏。.1.檢查表-調查數據用于分析.1.檢查表-調查數據用于分析決議研討的目的及所要搜集的數據。決議查檢表的格式。決議記錄方式。決議搜集數據的方法。制表的步驟：本卷須知：查檢搜集完成的數據應馬上運用。數據的時效性數據能否集中在某些工程或某些時段？能否因時間的經過而產生變化？適當保管過去、如今及未來的記錄，以便日后比較。.2.層別法-從不同的角度看問題層別法.2.層別法-從不同的角度看問題 層別法又稱數據分層法，就是對察看到的景象或所搜集到的數據

4、，按照它們共同的特征加以分類、統計的一種分析方法。 層別法是一切品管手法中最根本的概念，是統計方法中最根本的管理工具，經過層別法，可以將雜亂無章的數據歸為有意義的類別，到達一目了然的目的，這種科學的統計方法可以彌補靠閱歷、靠直覺斷定管理的缺乏。層別法的定義：.層別的對象與工程：作業者：班組、年齡、工齡、性別、熟練度等機械設備：型式、性能、位置、新舊、工具等作業方法：批次、場所、溫度、壓力、作業方案等時間：班制、上下班、年月日、改善前后等丈量、檢查：檢查員、檢測方法、檢測工具等資料零件：供應方、購買日期、成分、等級等環境、氣候：氣溫、濕度、天氣、照明等產品類型：新產品、不良品、合格品、種類等2.

5、層別法-從不同的角度看問題.確定研討的目的。確定問題的范圍，明確分析方向。決議層別工程，設計搜集數據的表格。按層別搜集數據并記錄。畫分層歸類圖如分層直方圖、分層折線圖等尋求差別點，找尋真因所在。 步驟：2.層別法-從不同的角度看問題例：分層折線圖.范例1按機器層別分開分析2.層別法-從不同的角度看問題 某電纜廠有A、B兩臺設備，最近經常有不符合要求的異常產品發生，進過排查，發現問題能夠機器設備緣由，為了分析異常緣由，分別就A、B兩臺設備測定消費50批產品。 規格值210g，樣本數：A設備50批，B設備50批。.范例12.層別法-從不同的角度看問題從全體數據的直方圖中難以找到異常緣由是由哪臺設備

6、引起的.范例12.層別法-從不同的角度看問題.范例12.層別法-從不同的角度看問題.范例22.層別法-從不同的角度看問題公司某天白班、中班、夜班共制造出不良品200個，品管部為了得到更明確的信息，以便采取措施進展改善，從白班、中班、夜班的角度對不良品進展層別分析。表3不同班次不良品層別分析班次不良品占比白班2010%中班3015%夜班15075%合計200100%結論：從層別分析來看，夜班是呵斥不良品的主要班次，應優先采取措施進展改善。.范例32.層別法-從不同的角度看問題 某工廠有三個設備，消費中發生的產品缺失總是居高不下，上半年平均缺失148次，于是對缺失情況進展深層分析。.范例32.層別

7、法-從不同的角度看問題51998.3.柏拉圖-找出主要緣由.3.柏拉圖-找出主要緣由 意大利經濟學家Pareto柏拉圖于1897年分析社會經濟構造時，發現意大利80%的財富集中在20%的富人身上，于是將所得大小與擁有所得的關系加以整理，發現有一定的方程式可以表示，稱為“柏拉圖法那么。 1907年美國經濟學家Lorenz運用“累計分配曲線描畫“柏拉圖法那么，也就是經濟學所稱的“勞倫茲曲線。 美國品管專家Juran朱蘭博士將勞倫茲曲線運用于品管上，同時創出“重要的少數，瑣細的多數的見解，并借用Pareto的名字，將此景象定為“柏拉圖原理 。 “柏拉圖法由品管圈QCC開創人日本石川馨博士引見到品管圈

8、的活動中運用，成為QC七大手法之一。柏拉圖的由來.3.柏拉圖-找出主要緣由 在質量管理過程中，要處理的問題很多，但往往不知從哪里著手，但現實上大部分的問題，只需能找出幾個影響較大的緣由，并加以處置及控制，就可處理問題的80%以上二八原那么。 柏拉圖就是根據搜集的數據，將不良緣由，不良情況，以層別分類為根底，計算出各項所產生的數據如不良率，損失金額及所占的比例，再按照大小順序陳列，再加上累積值的圖形。 柏拉圖可以協助我們找到關鍵問題及影響程度TOP3，適用于計數值工程的統計分析，因此也有人稱其為ABC圖，又由于柏拉圖的陳列是從大到小，又稱為陳列圖.3.柏拉圖-找出主要緣由柏拉圖的用途找到關鍵的問

9、題在諸多問題中找出當前最關鍵、最重要、影響最大的問題。掌握重要的要因雖然問題的緣由很多，但影響較大的只不過其中的23項而已，改善使只需把握其中的TOP34就行了。確認改善的效果經過改善前后的兩個柏拉圖累計比例的對比，可以很明顯地確認改善的效果柏拉圖不僅限于質量不良的改善，亦可以運用在任務中的任何問題上。.實施步驟3.柏拉圖-找出主要緣由步驟一：搜集數據 根據改善的目的，用層別法從“結果分類或“緣由分類著手解析數據，層別分類工程不宜太多，但要全面滿足問題的需求。步驟二：數據整理 制造數據匯總表，對數據進展處置，按從大到小的順序進展排序，并計算各項比例及累計百分比。步驟三：繪制柏拉圖 畫出橫軸縱軸

10、，橫軸表示研討的工程、緣由，左邊縱軸表示工程的數據值，右邊縱軸表示累計百分比。 .3.柏拉圖-找出主要緣由步驟四：記入必要事項標題：如 2021年5月產品不良工程的柏拉圖分析；工程別：如 安裝不良、工人熟練度不夠、焊縫問題等；數據搜集的區間：如 5月1日5月30 日數據合計：如 共100件XXX實施步驟.3.柏拉圖-找出主要緣由實施步驟步驟五：分析柏拉圖找出前面累計比例普通為70%到80%較大的幾項，列入重點處理的對象；對重點工程進展緣由分析，可用特性要因圖進展分析，制定改善措施；執行改善措施，并根據改善前后的數據對比重新繪制柏拉圖，進展效果確認.3.柏拉圖-找出主要緣由本卷須知：對于緣由工程

11、中所占比例較小但工程多的可用“其他替代，放于最右端，“其他項不大于前幾項，假設大于那么進展細分。重點把握，普通而言前三項的累計比例應在5080%之間，分類是前提。改善前后對比： 改善后工程別大小會變化，按大小順序重新陳列； 前后比較的基準一致，刻度比例應一樣。.3.柏拉圖-找出主要緣由范例11.搜集數據2021年3月底XX廠倉庫按采購類別的明細類別金額（萬）機制件371鈑金11市構件1778鑄件804電料28控制器1170.3.柏拉圖-找出主要緣由2.數據整理范例1對各類別的金額按從大到小陳列，并計算出累計百分比：.3.柏拉圖-找出主要緣由范例13.繪制柏拉圖XXX.3.柏拉圖-找出主要緣由4

12、.柏拉圖分析范例1根據上圖結果，發現市構件和控制器占總庫存金額的70%，列為重點處理對象。對這兩項進展進一步的分析，可再利用柏拉圖法或者特性要因圖進展分析，制定改善措施。.3.柏拉圖-找出主要緣由范例15.改善后的數據整理XXX.3.柏拉圖-找出主要緣由范例16.改善前后的效果對比.3.柏拉圖-找出主要緣由EXCEL實踐操作.4.直方圖-展現過程的分布情況直方圖.4.直方圖-展現過程的分布情況 在質量管理中，如何預測并監控產質量量情況?如何對質量動搖進展分析?直方圖就是一目了然地把這些問題圖表化處置的工具。它經過對搜集到的貌似無序的數據進展處置，來反映產質量量的分布情況，判別和預測產質量量及不

13、合格率。 簡單來說，直方圖就是把特性值如長度、時間、溫度等的數據分成幾個組，計算各組的數據制形成頻數表的圖表。直方圖的定義.4.直方圖-展現過程的分布情況直方圖的目的：了解分配的形狀，察看過程能否異常。計算制程才干滿足產質量量要求的程度。過程分析與控制。察看數據的真偽發現異常值。計算產品的不合格率。求平均值與規范差。可用以制定規格界限。與規格或規范值比較。調查能否混入兩個以上的不同群體。了解設計控制能否符合過程控制。例：計算不合格率為32.25%.4.直方圖-展現過程的分布情況直方圖的制造步驟：步驟一：搜集數據 搜集數據時，對于抽樣分布必需特別留意，不可取部分樣品，應全部均勻地加以隨機抽樣。所

14、搜集的數據個數應大于50以上。例:某廠廢品尺寸規格為130至160mm，今按隨機抽樣方式抽取60個樣本，其測定值如附表，試制造直方圖。.4.直方圖-展現過程的分布情況步驟二：找出數據中的最大值(L)與最小值(S)先從各行或列求出最大值，最小值，再予比較。最大值用“框起來，最小值用“框起來求得最大值L=148最小值S=121.4.直方圖-展現過程的分布情況步驟三：求極值R數據最大值(L)-最小值(S)=極差(R)例：R=148-121=27步驟四：決議組數 組數過少，雖然可得到相當簡單的表格，卻失去次數分配的本質與意義； 組數過多，雖然表格詳盡，但無法到達簡化的目的。 通常，應先將異常值剔除再進

15、展分組。普通可用數學家史特吉斯提出的公式，根據測定次數n來計算組數k，公式為：k=1+3.32logn例：n=60那么k=1+3.32log60=1+3.32(1.78)=6.9即約可分為6組或7組另外可參照右表對數據分組閱歷法那么例：取7組.4.直方圖-展現過程的分布情況步驟五：定組距H組距H=極差R組數K為便于計算平均數及規范差，組距常取為2，5或10的倍數。例：H=27/7=3.86，組距取4步驟六：求各組上限，下限(小大)第一組下組界最小值最小測定值2第一組上組界下組界組距 以此類推例：第一組=121-1/2=120.5124.5第二組=124.5128.5第三組=128.5132.5

16、第四組=132.5.5第五組=.5140.5第六組=140.5144.5第七組=144.5148.5.4.直方圖-展現過程的分布情況步驟七：求組中點組中點值=上組界下組界2例：第一組=(120.5+124.5)2=122.5第二組=(124.5+128.5)2=126.5第三組=(128.5+132.5)2=130.5第四組=(132.5+.5)2=134.5第五組=(.5+140.5)2=.5第六組=(140.5+144.5)2=142.5第七組=(144.5+148.5)2=146.5.4.直方圖-展現過程的分布情況步驟八：做次數分配表將一切數據，按其數值大小記在各組的組界內，并計算其次數

17、。次數分配表.4.直方圖-展現過程的分布情況步驟九：制造直方圖1.以各組內的次數為高，組距為寬，每一組上畫成矩形，完成直方圖。2.在圖的右上角記入相關數據丈量次數n，平均值x，規范差，并劃出規格的上、下限。3.填入必要事項：產品稱號、工序稱號、時間、制造日期、制造者120.5124.5128.5132.5.5140.5144.5148.5.4.直方圖-展現過程的分布情況直方圖形狀的察看分析：序號類別特征說明圖形對策1正常型中間高，兩邊低，有集中趨勢左右對稱分布（正態分配），表示系統處于穩定狀態正常2雙峰型有兩個高峰出現有兩種不同類別的項目混合，如樣本是來自不同機器或材料時，會產生不同的測量值，

18、有兩個峰值先加以分層，再重新做直方圖.4.直方圖-展現過程的分布情況序號類別特征說明圖形對策3高原型中間部分特別高，形似高原狀不同平均值的分配混合在一起先加以分層，再重新做直方圖4陡壁型有一端不見可能數據已經經過了一次全檢，規格以外的數據被剔除不對數據提前處理，保持數據的真實性.4.直方圖-展現過程的分布情況序號類別特征說明圖形對策5鋸齒型高低不一，有缺齒情況不正常的分配，測定值有偏差，數據失真，如檢驗員對數值有喜好原因，或儀器不精密規范檢測過程，放棄主觀偏好，確認機器設備正常6離島型在左邊或右邊出現小直方圖，形成小島狀異常值混入，測量錯誤，樣本突然改變調查小島的數據來源，剔除異常原因.4.直

19、方圖-展現過程的分布情況補充：過程精細度Cp的求法Cp是指過程滿足技術要求的才干，常用客戶稱心的偏向范圍除以六倍的西格瑪的結果來表示。.4.直方圖-展現過程的分布情況根據Cp的大小判別過程才干的好壞偏向越小越好.4.直方圖-展現過程的分布情況6.5.特性要因圖-尋覓因果關系.5.特性要因圖-尋覓因果關系 特性要因圖是日本管理巨匠石川馨博士在1952年所創的一種把握結果特性與緣由要因的又方便又有效的方法，又叫“石川圖。 其主要目的在論述因果關系，發現問題根本緣由，亦被稱為“因果圖，因其外形像魚骨架，也被稱為“魚骨圖。.5.特性要因圖-尋覓因果關系 一個質量問題的發生往往不是單純一種或幾種緣由的結

20、果，而是多種要素綜協作用的結果。要從這些錯綜復雜的要素中理出頭緒，抓住關鍵要素，就需求利用科學方法，從質量問題這個“結果出發，依托群眾，集思廣益，由表及里，逐漸深化，直到找到根源為止。 因果圖就是用來根據結果尋覓緣由的一種QC手法。可以使我們的任務更系統化,條理化,科學化。概述.5.特性要因圖-尋覓因果關系特性要因圖可以用來分析的問題類型(1)、表示產質量量的特性：尺寸、強度、壽命、不合格率、廢品件數、純度、透光度等；(2)、費用特性：價錢、收率、工時數、管理費用等；(3)、產量特性：產量、交貨時間、方案時間等(4)、其他特性：出勤率、過失件數、合理化建議件數.5.特性要因圖-尋覓因果關系特性

21、要因圖的思索原那么(1)腦力激蕩法(2)5W1H法(What Where When Who Why How)(3)5M1E法(Man、Machine、Material、Method、Measurement、Environment；人、機、料、法、環、測)(3)5Why法.5.特性要因圖-尋覓因果關系 不要批判想象 歡迎自在聯想 創意越多越好 歡迎搭便車，利用他人的靈感刺激創意 不要太早下結論 討論要力求集中，針對某一問題 廢除階級尊卑的意念，無拘無束一同討論 將提出的意見，利用特性要因圖一一記錄下來 不要以個人冒充大家的意見 想出來的創意，要加以整理評價運用腦力激蕩法、頭腦風暴(BS)十大原那

22、么.5.特性要因圖-尋覓因果關系人、機、料、法、環、測(5M1E).5.特性要因圖-尋覓因果關系 5WIH 什么(What) 改善對象是什么? 改善的目的是什么? 做什么? 能否無其他的可做?何處(Where)在何處做?能否在別處做的效率較好?發生在何處?作業的地點能否適當?為什么在那地方做?何時(When)可否改動時間、順序?何時做最好?為何需在那時做?能否在別的時間較有利?誰(Who)由誰來做?能否可找其他人來做?有誰可以做得更好?人的組合或任務分擔恰當否?為何(Why)把其他5W用Why來質問、檢討,并找出最好的改善方案為何要如此做?為何要機器、人來做這任務?為何要照此方法來做?為何不那

23、么做?如何(How)如何使方法更簡單?如何使作業方法簡化?如何做才省費用?如何做最好?.5.特性要因圖-尋覓因果關系 5Why工序名操作取件取工具檢查等待驅動組裝1317 70%179 10%227 12%114 6%392%對以上問題運用5Why分析法對緣由進展分析：問：為什么驅動組裝取工具、零件耗時多？答：由于要用行吊吊運。問：為什么要運用行吊？答：由于要吊取驅動橋、變速箱、發動機。問：為什么吊取驅動橋、變速箱、發動機耗時多？答：由于緩存擺放位置較遠。經過以上的提問，找到取工具、零件耗時較多問題的根本緣由，即大件物料的緩存區位置較遠，需求走較遠間隔進展吊運。表4-6 驅動組裝實測時間5Wh

24、y分析法，又稱為“為什么-為什么分析，是一種探求問題緣由的方法和診斷性技術，被用來識別和闡明因果關系鏈。對一個問題延續發問5個為什么，每一個緣由都會緊跟著一個為什么，直到問題的根本緣由被發掘出來。.5.特性要因圖-尋覓因果關系 特性要因圖的種類1.追求緣由型：魚頭在右，特性值通常用“為什么來寫.5.特性要因圖-尋覓因果關系 特性要因圖的種類2.追求對策型：魚頭在左，特性值通常用“如何改善/提高來寫.5.特性要因圖-尋覓因果關系.5.特性要因圖-尋覓因果關系.5.特性要因圖-尋覓因果關系 實施步驟第一步：決議問題的目的 應先決議研討的目的，是為了調查緣由還是為了追求對策，改善問題的。并確定如不良

25、率、效率低等有關質量的詳細問題特性，確定研討方向。第二步：繪制主干線 畫一條較粗的箭頭向右或向左的主干線稱母線，將特性如今右左邊，如以下圖：.5.特性要因圖-尋覓因果關系第三步：畫入主要因 將緣由分成幾個大類，并用“ 圈起來。再用箭頭斜插到母線上。大緣由可根據5M1E類型分類，普通分為人員、機器/工具、資料、方法、環境、丈量、其他等。.5.特性要因圖-尋覓因果關系第四步：討論中要因，小要因 將主要因再進展分析，細分為中、小要因，分析小要因時要反復論證，防止父子關系顛倒。.5.特性要因圖-尋覓因果關系第五步：決議重要程度較大的要因 以集中思索、自有思索的方式，在所列的緣由中，將以為影響較大的畫上

26、“ 。選出46項。.5.特性要因圖-尋覓因果關系 范例.5.特性要因圖-尋覓因果關系 范例.5.特性要因圖-尋覓因果關系1、某電腦鍵盤制造廠延續3個月的廢品，最終檢驗均為字鍵作動力不良，故由消費課課長召集字鍵插入班人員，利用特性要因圖解析發生緣由。試解之 范例.5.特性要因圖-尋覓因果關系 范例.5.特性要因圖-尋覓因果關系.6.分布圖-展現變數之間的線性關系分布圖.6.分布圖-展現變數之間的線性關系一、分布圖的定義： 是一種研討成對出現的、兩組相關數據之間關系的圖示技術，表示兩個變量之間變化關系。 把相互有關聯的對應數據，在方格紙上以縱軸表示結果，以橫軸表示緣由；然后用點表示出分布形狀，根據

27、分布的形狀來判別對應數據之間的相互關系。.6.分布圖-展現變數之間的線性關系分布圖的作用(1)驗證兩個變量間的相關關系。 尋覓影響產質量量的各要素并對其進展質量分析；當疑心兩個變量能夠有關系，但不能確定這種關系的時候，就可以運用。(2)根據相關程度，掌握要因對特性的影響程度.6.分布圖-展現變數之間的線性關系6種分布形狀.6.分布圖-展現變數之間的線性關系XY01、強正相關：在圖中當X添加,Y也添加,也就是表示緣由與結果有相對的正相關,如以下圖所示:.6.分布圖-展現變數之間的線性關系XY02、弱正相關：分布圖點的分布較廣但是有向上的傾向,這種形狀叫做似有正相關稱為弱正相關.6.分布圖-展現變

28、數之間的線性關系Y0X3、強負相關：當X添加,Y反而減少,而且形狀呈現不斷線開展的景象,這叫做完全負相關.如以下圖所示:.6.分布圖-展現變數之間的線性關系Y0X4、弱負相關：當X添加,Y減少的幅度不是很明顯,這時的X 除了受Y的影響外,尚有其他要素影響X,這種形狀叫作弱負相關,如以下圖所示:.6.分布圖-展現變數之間的線性關系Y0X5、無相關：假設分布點的分布呈現雜亂,沒有任何傾向時,稱為無相關,也就是說X與Y之間沒有任何的關系,這時應再一次先將資料層別化之后再分析,如以下圖所示:AB.6.分布圖-展現變數之間的線性關系Y0X6、曲線相關：假設X增大,Y也隨之增大,但是X增大到某一值之后,Y

29、反而開場減少,因此產生分布圖點的分布有曲線傾向的形狀,稱為曲線相關,如以下圖所示:.6.分布圖-展現變數之間的線性關系分布圖的做法1、搜集成對數據x，y： 搜集成對數據普通在30組以上；2、確定坐標并標明刻度： 橫坐標x軸為自變量緣由或要素，縱坐標y軸為因變量結果或特性，且兩軸的長度大體相等。3、描點，構成分布圖： 當兩組數據相等時，即數據點重合時，可圍繞數據點畫同心圓表示，或在離第一個點最近出畫上第二個點表示；4、填寫必要信息： 填上資料的搜集地點、時間、測定方法、制造者等工程.6.分布圖-展現變數之間的線性關系分布圖的分析判別方法 對照典型圖形分析法： 將繪制的分布圖與6種典型圖相對比，從

30、而確定其相關關系和程度。.6.分布圖-展現變數之間的線性關系 簡單象限法：在圖上畫一條與y軸平行的P線，使P線左、右兩側的點數相等或大致相等在圖上再畫一條與x軸平行的Q線，使Q線上、下兩側的點數相等或大致相等PQ兩線把圖形分成四個象限，計算各象限區域內的點數，線上的不計計算對角象限內的點數，即 n+n， n+n當n+nn+n時，為正相關；當n+nn+n時，為負相關；當n+nn+n時，為不相關；YPQXnnnn.6.分布圖-展現變數之間的線性關系運用本卷須知1、分布圖反映的只是一種趨勢，對于定性的結果還需求詳細的分析。2、分析時，應留意對數據的正確分層，否那么能夠會發生誤判。3、對分布圖進展分析

31、時，需求察看能否有異常點或者離群點出現。4、當數據較多時，能夠會反復數據出現，對反復數據要進展區分，并加以分析。5、普通情況下，至少應取30組以上的數據進展分析。6、通常情況下，橫坐標用來表示緣由或者自變量，縱坐標用來表示效果或者因變量。7、在運用分布圖調查兩個要素之間的關系時，應盡能夠固定對這兩個要素有影響的其他要素控制變量法，才干保證經過分布圖分析的結果比較的準確。.6.分布圖-展現變數之間的線性關系實例1第一步：搜集淬火溫度與硬度的相應數據；第二步：從下面數據中找出最大值和最小值；.6.分布圖-展現變數之間的線性關系第三步：畫出橫軸和縱軸，將數據描點上去第四步：填寫必要信息，工序稱號、單

32、位、組數、時間。.6.分布圖-展現變數之間的線性關系實例2 某酒廠要斷定中間產品酒中的酸度喝酒度2個變量之間有無關系，存在什么關系？搜集到的數據如下表序號酸度 x酒度 y序號酸度 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.分布圖-展現變數之間的線性關系解答：1、確定坐標：橫坐標x軸為酸度，縱坐標y軸為酒度2、描點，構成分布圖：Y0X酒度酸度nnnn3、圖形分析：可以以為酸度和酒度之間存在著弱負相關關系.EXCEL實踐操作6.分布圖-展現變數之間的線性關系.7.控制圖-識別動搖的來源控制圖.7.控制圖-識別動搖的來源 控制圖又叫做控制圖，是對過程質量加以測定、記錄從而進展控制管理的一種用科學方法設計的圖，用于分析和判別工序能否處于穩定形狀所運用的帶有控制界限的一種工序管理圖。 圖上有中心線CL、上控制線UCL、下控制線LCL，并有按時間順序抽取的樣本計量值

34、的描點序列。定義.7.控制圖-識別動搖的來源控制圖的種類、計量值控制圖：控制圖所根據的數據均屬于由量具實踐丈量而得。A、平均值與全距或極差控制圖XRChart；B、平均值與規范差控制圖XSChart；C、中位值與全距控制圖XRChart；D、單值控制圖XChart；、計數值控制圖：控制圖所根據的數據均屬于以計數值如：不良品率、不良數、缺陷數、件數等。A、不良率控制圖PChart；B、不良數控制圖PnChart；C、缺陷數控制圖CChart；D、單位缺陷數控制圖UChart。.7.控制圖-識別動搖的來源控制圖的用途 根據控制圖在實踐消費過程中的運用，可以將其分為分析用控制圖、控制用控制圖。、分析

35、用控制圖先有數據，后有控制界限： 用于制程質量分析用，如：決議方針、制程解析、制程才干研討、制程控制之預備。分析用控制圖的主要目的是1分析消費過程能否處于穩態。假設過程不處于穩態，那么須調整過程，使之到達穩態稱為統計穩態；2分析消費過程的工序才干能否滿足技術要求。假設不滿足，那么須調整工序才干，使之滿足稱為技術穩態。.7.控制圖-識別動搖的來源、控制用控制圖先有控制界限，后有數據： 用于控制制程的質量，如有點子跑出界時，應立刻采取相應的糾正措施。.7.控制圖-識別動搖的來源原理 控制圖的作圖原理被稱為“3原理，或千分之三法那么。 根據統計學可以知曉，假設過程受控，數據的分布將呈鐘形正態分布，位

36、于“3區域間的數據占據了總數據的99.73%，位于此區域之外的數據占據總數據的0.27%約千分之三，上、下界限外各占0.% 因此，在正常消費過程中，出現不良品的概率只需千分之三，所以我們普通將它忽略不計以為不能夠發生，假設一旦發生，就意味著出現了異常動搖。 ：中心線，記為CL，用實線表示； +3：上界限，記為UCL，用虛線表示； 3：下界限，記為LCL，用虛線表示。.7.控制圖-識別動搖的來源對原理的2種解釋、控制圖原理的第1種解釋：點出界出判異小概率事件原理小概率事件原理：在一次實驗中，小概率事件幾乎不能夠發生，假設發生即判別異常 在消費過程處置統計控制形狀穩態時，點子出界的能夠性只需千分之

37、三，根據小概率事件原理，要發生點子出界的事件幾乎是不能夠的，因此，只需發現點子出界，就斷定消費過程中出現了異波，發生了異常。.7.控制圖-識別動搖的來源例：螺絲加工過程中，為了解螺絲的質量情況，從中抽取100個螺絲進展檢查，量取螺絲的直徑值.7.控制圖-識別動搖的來源在以上數據中，各樣本的規范偏向為0.26，平均值為10，由此可以得出控制圖的控制線：UCL=+310.78CL=10.0LCL=39.21.7.控制圖-識別動搖的來源、控制圖原理的第2種解釋： 根據影響質量的要素不同，可將其分為人、機、料、法、環即4M1E，但對影響質量大小的要素來看，可分為偶爾要素簡稱偶因和異常要素簡稱異因。另外的一種說法，將影響質量大小的要素分為普通緣由與異常緣由。偶爾要素：是一直存在的，對質量影響甚微，但難以消除。如：機床開動時的細微振動。異然要素：是有時存在的，對質量影響較大，但不難去除。如：車刀磨損、機床螺絲松動等。