QC七大手法品管七手法，也叫品管七工具，是目前全世界都應用比較廣的品質管理工具，它具有簡單、實用的特性。它們分別是：查檢表、層別法、魚骨圖、柏拉圖、散布圖、管制圖、直方圖。QC七大手法，是一種管理用的工具，學習它就需要掌握它們的主要精神和思考模式。它們之間的應用關系如下：查檢表：用來在現場收集數據，盡量讓現場作業簡單而有效，它是其它六手法的起點。層別法：用來對收集來的數據進行分類，以利于統計分析，找出細部問題，通常需要查檢表設定相并沒有欄位，也是其它手法的一個基礎。魚骨圖：用來對一個現象或結果進行原因深入細致的分析，通常用來找原因及因素，最好同層別法結合起來使用。柏拉圖：用來對多種問題或原因進行分析，找出最大問題或原因，以利用工具積極地提升，實現花較少成本做好更多的事情。散布圖：用來對收集來兩個或兩個以上的問題或特性的數據，找出之間可能的相關性。管制圖：用來了解品質在過程中的變化狀態和預測品質下一步可能之狀況，有助于提前發現問題，是實現第一次就把事情做好的基本步驟之一。如圖所示：第一種手法——查檢表（CheckSheet）一、定義查檢表就是一種為了便于收集數據，使用簡單記號填記并予統計整理，并作進一步分析或作為核對、檢查之用的一種表格或圖表。二、查檢表的種類1、記錄用（或改善用）查檢表主要功用在于根據收集的數據以調查不良項目、不良主因、工程分布、缺點位置等狀況，并作為原始記錄的憑證。2、點檢用查檢表主要功用是為要確認作業實施、機械整備的實施狀況，或為預防發生不良或事故、確保安全時使用。三、查檢表作法1、查檢表設計的步驟A、明確目的——將來要能提出改善對策及數據，因之必需把握現狀解析，與使用目的相配合。B、決定查檢項目——從特性要因圖圈選的4~6項決定。C、決定檢查的方式——全檢或抽檢。D、決定查檢細則——查檢基準、查檢數量、查檢時間與期間、查檢對象之決定，并決定收集者、記錄符號。E、設計表格實施查檢。2、設計記錄用（或改善用）查檢表A、決定所要收集的數據及所希望把握的項目數據的關系，有如特性要因圖的關系。數據有計量值、計數值，項目則包括不良原因、缺點狀況等，也就是特性要因圖中所圈選的要因，所要收集的數據，就是能表現特性要因圖之問題點的好壞程度者；B、決定所要設計的表格形式依據所作層別分析的條件，而去設計一種最適合于自己使用的格式，但最簡單的查檢表也離不開分類的項目與收集數據的日期這兩個項目。通常將工程中按機械、作業員、材料、時間等分別列明，予以區別；C、決定記錄的形式盡量用一些易記的符號如，如“□、▲、△、○、☆、※、正”等符號，字段分開并標識出每一字段之功能，盡量讓任何人看到都能填寫；D、決定收集的方法由誰收集、收集的周期、查檢方法、查檢數??決定；E、記入記號并整理成次數分配表。3、設計點檢用查檢表A、將須點檢的項目逐一列舉出來，并查出檢驗時需要記錄記號的空欄；B、所需點檢的項目是“非做不可的工作”、“非檢查不可的事項”等；C、點檢有順序要求時需注明編號，依順序記錄數據，并且無遺漏；D、必須之項目，盡可能以機臺、制程工序、人員等條件層別。4、作成方法A、確定檢查對象、檢查者、檢查時間等；B、將檢查項目記入表中，必要時可利用圖示說明；C、將相關的檢查數據記入表中。例：四、該方法實戰時注意事項：A、該表多用于產品品質相對穩定時的維持管理上。B、表的格式千差萬別，無需追求統一，只要實用就可以。C、向其它部門反饋情報時，如果每個數據附有實物的話，則更具說服力。第二種手法——層別法(Stratification)一、定義在一個群體中，為了深入分析內部狀況，而設立一個將母體分割開來的方法或條件，稱為層別法。在品質管理中，主要是對各種條件下所產生的問題及原因做分析。二、層別法之功用層別法的主要功用：在于透過各種分層，依各層收集數據做分析，并尋找不良位置或最佳條件，作為改善品質的有效方法。它的主要精神就是看問題要從多方面、多角度分析。當分析一件事情時，可能需要看里面各環節狀況或幾個環節狀況，并且最好有比較的功能。三、層別法的對象與目的1、時間的層別，如小時、天、周、月、季，或某個時間段等等；2、作業員的層別，如張三、李四等等；3、機械、設備的層別，如A機臺、B機臺等等；4、作業條件的層別，如A方法、B方法等等；5、原材料的層別，如A材料、B材料等等；6、測定的層別，如測定器別、測定者別、測定方法別等等；7、檢查的層別，如檢查員別、檢查場所別、檢查方法別等等；8、環境、天候的層別，如氣候熱、氣候冷，15度與20度等等；9、地區的層別，如在南方與在北方；10、制品的層別，如新舊品別、標準品或特殊品別、制造別等等；11、使用方法別，如良品與不良品別、包裝別、搬運方法別等；12、其它各種各樣的條件可以根據實際狀況而定。三、作成方法1、確定分層線索，即按什么條件進行分層；2、確定該層條件所支應的范圍；3、統計符合各分層條件的數據；4、記入圖名、作成者、作成日期、長等事項。四、該方法實戰時注意事項：A、如果是以某一生產要素為線索進行分層處理的話，則所得到的數據更有助于判斷；B、與其他QC后法結合使用，效果更佳。例：某錄音機近期之修理情況如下：第三種手法——特性要因圖（CharacteristicDiagram）一、定義對于結果與原因間所期望的效果與對策之間的關系，以箭頭連結，詳細分析原因或對策的一種圖形稱為特性要因圖。特性要因圖為日本品管權威學者石川馨博士于1952年所發明，故又稱“石川圖”，又因其形狀似魚，亦稱魚骨圖，因此圖形闡明原因與結果之關系，也稱“因果圖”。二、作用將影響品質的諸多原因一一找出，形成因果對應關系，使人一目了然，對于確定正確的對策方案有幫助。四、作成方法1、在未繪制之前，應先決定問題或品質）的特性，如不良率、停機率、送修率、抱怨的發生、外觀不良、尺寸不良等；2、繪制特性要因圖的骨架，將特性寫在右端，自左劃上一條較粗的干線（母線），并在干線的右端畫一指向右方的箭頭；3、把原因分為幾大類，每大類劃于中骨上，加上箭頭的大分枝，稍斜（約60度）插到母線，較母線略細。原因一般分為人員、機械、材料、方法、環境或只畫出相應的支干；4、探討大分枝的細節，并依次展開。在支干上畫出相關次支干，并寫出原因，次支干與支干互為因果關系；5、如此反復，直至所有支干和最終一層原因寫出為止；6、記入圖名、作成者、長、作成時間等項目。測試帶舊輪松動從圖中可以看出，每一支干都是由次支干的原因造成的，要解決抖晃這個最終問題，就得先從最小的次支干處入手。五、該方法實戰時注意事項：1、盡可能多聽取現場當事人的意見，從中篩選出相關的原因；2、要記入事實原因，不可以想當然地捏造出因果關系來；3、當因果支干太多時，則要選取重要的給予優先對策；4、每一個問題都要盡量刨根問底，直到找出真正的原因；5、要解決主干，就得先解決支干，要解決支干，又得先解決再下一個次支干；6、因果圖只告訴問題的原因在哪里，不會告訴哪一個更重要，哪一個需要優先處理，因此要結合其他QC手法，才能發揮更大作用。第四種手法——柏拉圖（ParetoDiagram）一、定義根據所收集之數據，按不良原因、狀況、發生位置等不同區分標準，然后把所得的數據進行由大到小排列后，以尋求占最大比率之原因、狀況或位置的一種累計柱狀圖。意大利經濟學家巴雷特（VifredoPareto）在分析社會財富分配狀況時發現大部分財富集中在少數人手里，為此他設計出能夠反映這種規律的圖，所以也有人稱之為“巴雷特圖”，因它將數據從大到小排列，故也稱之為“排列圖”，后來由美國人裘蘭（JosephJuran）加以推廣使用。它的主要精神之一就是80/20法則，即通常大多數問題是由少部分原因造成的，而多數分原因卻導致少部分問題，這在世界上已經成為公理。如公司營業部門，大部分業務訂單是由少部分人員產生的，世界上少數人員掌握著大多數財富等等案例很多。主要精神之二，就是對數據或同類事物最好排好序來，更有助于比較分析及掌握工作重點，從而提高工作效率。二、作用在現場眾多的不良問題中，找出關鍵的前幾名，以便決定今后管理工作的重點。具體如下：1、作為降低不良之依據‘2、決定改善品質的工作目標；3、確認改善效果（改善之前后對比）；4、應用發掘現場的重要問題點；5、用于整理報告記錄；6、可作不同條件的評價；7、確認或調整特性要因圖；8、柏拉圖具有檢定假說之意義；9、配合特性要因圖（柏拉圖上的項目當作品質特性加以要因分析，可以討論出改善的方案。）三、作成方法1、列出所有不良項目，并收集相應時期的數據；2、將數據進行分類；3、把分類好的數據進行匯總，由多到少進行排序，并計算出所占的百分比；4、計算出各類之總和；5、設定坐標系，填上坐標值，坐標值要反映最大、最小數據。左縱坐標為不良數據，以總數十分之一為一單位格，右縱坐標為不良率累計百分比，以100%的比例來做右邊的縱軸，之間幅度為10%為一單元格，橫坐標為不良項目；6、在橫軸上，按從多到少的順序對每一項目進行繪制，將各項目所占的比例累計后記入坐標；7、將各比例點連接起來，一直到100%；8、記入圖名、作成者、長、作成時間等相關內容。例：某車間成品機2002年12月份，工序內不良的發生情況如下：四、注意事項：1、當缺點項目或類別超過15項時（手工做則9項），在經過第2步的排序時，必須將后面所有部分標識或記錄成“其他”類別，且一定要放在最后，所以在缺點類別和缺點項目中最好不要使用“其他”，以示區別。2、在柏拉圖的折線點上不需要標識具體數據，因為我們需要的是一個大概數據，而如標識數據，不僅無謂復雜，且無實際意義。3、在做柏拉圖時，“其他”項的數據一般不能超過20%，如有，則表示類別劃分不夠明確。4、重點管理占80%的的前幾項不良，其他剩余的項目并非全然不予理會，當前幾項不良消失后，后幾位又升上來，成為必須重點改善的不良。5、在現場管理中，此圖通常在不良品的等級、種類、數量、損失金額、原因的分析上用得較多。第五種手法——散布圖一、定義為了研究兩個或三個變量（一般使用兩個特性）之間的相關性，而搜集成對幾組數據，在縱軸與橫軸上以點來表示二個或三個特性值之間相關情形的力形，稱之為“散布圖”。二、功用1、知道兩組數據（或原因結果）之間是否有相關性及其相關程度；2、把材料、機械設備、作業者、作業方法??等可能影響的原因層別，繪制散布圖，可檢討何者影響結果；3、檢視是否有離島現象；4、抽樣檢驗中，若某品質特性之測試成本高或困難，則可采用與此特性有關系存在的另一個或兩個測試成本較低或測試容易之特性，以降低檢驗成本；5、以利在以后的品質管制中，若同一制品之二特性間有密切關系時，則可舍去其中一個管制圖，以降低預防成本。6、兩組數據間若呈直線變化，可依散布圖求出直線方程式，以為訂定標準之用。三、作成方法1、收集相對數據，整理到數據表上。（數據不能太少，一般不少于50對，否則易產生誤判。）2、找出數據X、Y之最大值及最小值。3、畫出縱軸與橫軸（若判斷要因與結果之關系，遇橫軸代表要因，縱軸代表結果），并取X、Y之最大值與最小值矩為等長畫刻度。4、將各組數據點在坐標上。5、記入必要事項（數據數、采集時間、目的、制品名、工程名、繪圖者、日期）。四、判讀1、顯著性正相關：X增大時，Y也隨之增大，稱為正相關。（見圖1）2、非顯著性正相關：X增大時，Y也隨之增大，但增大的幅度不顯著，此時宜考慮其它因素。（見圖2）特性2特性1特性1顯著性正相關（圖1）非顯著性正相關（圖2）3、顯著負相關：X增大時，Y反而減小，稱為負相關。（見圖3）4、非顯著性負相關：X增大時，Y反而減小，但減小的幅度不顯著，此時宜考慮其它因素。（見圖4）特性1特性1特性2特性2顯著性負相關（圖3）非顯著性負相關（圖4）5、無相關：X與Y之間看不出有何關系；X6）特性1特性2無相關（圖6）無相關（圖5）6、曲線相關：X開始增大時，Y也隨之增大，但達到某一特性值時，則當X增大時，Y卻減少。第六種手法——直方圖一、定義對同一類型的數據進行分組、統計，并根據每一組所分面的數據量畫出柱狀的圖形。直方圖是一處利用常態分布（也叫正態分布）的原理，把50個以上的數據用來分組，用柱形來說明各組數據的個數而形成的一種圖形。很多我會認為柱狀圖就是直方圖，這其實是錯誤的，因為它們之間有很大的區別：柱狀圖是利用推移的原理，只反應過去每期或每類別項止的狀況比較；而直方圖是利用正態分布原理，反應這整個時期的分布狀況，并從中間找出可能的問題。二、作用1、測試制程能力，作為制程改善的依據；2、計算產品不良率；3、調查是否混有兩個以上不同群體；4、測知分配形態；5、籍以擬定規格界限；6、與規格或標準值比較；7、研究所設計的管制界限可否用于管制制程；8、判定數據的真假，借以了解品質的真實狀況。三、作成方法1、找出最大值與最小值2、計算全距：R=Max—Min=10.12—9.92=0.23、決定組數計算直方圖所需采用的組數，用數學家史特吉斯（Sturges）提出之公式，根據測定次數n來計算組數k，其公式為：k=1+3.32LogN=1+3.32×Log100=1+3.32×2=7.64注：當為小數時，組數必須取整，原則上可取舍小數字數，也可以在舍去小數字數之后加1，當數據個數小于300時，采用后一種。本案例中為了計算方便就取8組。4、計算組距：計算各組組距公式為：組距=全距/組數=0.2/8=0.0255、決定起始點值和終點值根據全體數據，定義起始點數值和終點數值：起始點數值=最小值—測定值最小位數/2=9.92—0.01/2=9.915終點數值=最大值—測定值最小位數/2=10.12—0.01/2=10.1156、計算各組上下點和中點根據起始點數值、終點數值、組數、組距等數值，可以計算出各組的組界。第一組下界=起始點值=9.915第一組上界=第二組下界=起始點值+組距=9.915+0.025=9.94第二組上界=第三組下界=第一組上界+組距=9.94+0.025=9.965????第八組上界=終點數值=10.115根據各組之上下界，可以計算出各組之中心點：各組中心點=（各組上界+各組上界）/2M1=（第一組下界+第一組上界）/2=（9.915+9.94）/2=9.9275M2=（第二組下界+第二組上界）/2=（9.94+9.965）/2=9.9525????M8=（第八組下界+第八組上界）/2=（10.090+10.115）/2=10.125以下為各組組界數值坐標圖：9.9159.949.9659.9910.01510.0410.06510.0910.1178A、將次數分配表圖表化，以橫軸表示數值的尺度，以縱軸表示次數；B、橫軸及縱軸各取適當的單位長度，再將各組之辦分別標在橫軸上，各組界應為等距離；C、以各組內之次數為高，各組之組距為底，在每一組上畫一矩形；D、在圖的右上角記入數據數n及數據履歷，并劃出規格的上限及下限；E、完成直方圖制作。四、圖形判讀：1、正常型（也稱為理想型）：（如圖1所示）說明：中間高、兩邊低，有集中趨勢。結論：左右對稱分配（常態分布），顯示制程在正常運轉下。1）（圖2、偏態型：說明：高處偏向一邊，另一邊低，拖長尾巴，可分為偏左型、偏右型，統稱為偏態分布。偏左型：例如成分含有高純度的含有率時，不能取到某值以上的值時，所出現的形狀。（如圖2）偏右型：例如微量成分的含有率等，不能取到某值以上的值時，所出現的形狀；（如圖3）總結：此種狀況是問題出現最多的，一般較好判斷。通常有如下幾種原因：A、在產品的各項參數中，有含有成分相對較高或較低的數據參入。針對此原因應立即找到，便于修正。B、制程中已有一些小變異，并采取了一些有效的改善措施或小變異剛開始。圖2圖33、絕壁型（也稱切邊型或斷裂型）：（如圖4、5、6、7所示）說明：有一端被切斷。結論：此狀況對于品質要求較嚴時產生機率很高，一般會有如下幾種原因導致此狀況：A、產品經過全檢過，或制程本身經過全檢后會出現的形狀；B、在注塑和沖壓制程中，當量測精度足夠時，制程中模具有較大松動或磨損時也會出現此狀況。C、當分析時間過長，而量測頻率很小時，在分析總體狀況有可能出現，如每2~3天量測3~4個數據，而分析1個或2個月時的數據會出此種狀況。圖74、雙峰型（也稱二山型）：（如圖8所示）說明：有兩個高峰出現。結論：此種狀況的產生，在制造業中，最主要的原因一般為混合不同特性的數據，一般有以下原因：A、有兩種分配相混合，例如兩臺機臺工兩種不同原料間有差異時，會出現此種形狀，因測定值受不同原因的影響，應予層別后再作直方圖；B、如除上面的原因外，且整個分布正好在規定要求之內，檢驗人員又是對正態分布有一部分認知，也有可能是做出的假數據，此處狀況極少；C5說明：高低不一，有缺齒情形，不正常分配，系因測定值或換算方法有偏差，次數分配不妥當形成。結論：此種狀況較難處理，也比較少機會出現，一般會有以下幾種原因會產生此狀況：A、作圖時分組太多，這種機率很小；B、檢驗員對測定值有偏好現象，如對5、10數字之偏好；C、有一定經驗的人員所做的不太好的假數據；D、測量儀器精密度不夠，而品質又要求較精密，對量測的數據需要做適當的估計值時，也有可能；E、較多特性差異較大的數據參混在一起，如若有此原因，層別后再來分析。6、離島型（也稱二山脫離型）：（如圖10、11）說明：在右端或左端形成小島。結論：此種狀況分析較容易，一般有以下幾咱原因會產生此種情況：A、數據輸入人員在輸入的過程中有誤輸入，如把10.01輸入成10.1或1.01；B、在制程中有較少其它物料或原因混入，此種狀況要立即查明，有利于做標準化的準確性，否則不利于物料特性的分析；C、制作直方圖的過程中，數據較少，且分組過多。此種狀況應注意培訓或采用專業工具軟件來做，以減少人為的失誤；7、高原型（也稱平頂型）：（如圖12）說明：形如高原型。結論：不同平均值分配混在一起，應層別后再作直方圖比較。一般出現的原因有以下幾種：A、剛剛來不久做直方圖的人員所作的假數據；B、檢驗人員在實際量測過程中，沒有按要求量測個數，或規定量測的數據太少或密度太多，如對某個電子元件每次只量測兩個（一般要求4~5個）；C、量測儀器設備精度不夠，而且數據較多，如遇此項品質要求不嚴，應考慮此種狀況減少抽樣并逐步放棄量測，如遇品質要求很嚴，必須立即考慮改善量測儀器設備；D、品質較一般，而且經過全檢挑選的數據。8、不規則型（如圖13、說明：形狀為不規則狀態或幾中狀態混和起來。結論：一般不會出現此狀態，如有，一般有以下幾種原因：A、純粹是不太熟悉正態分布之人員做出的假數據，一般為新手做的；B、直方圖作法不對，如組數應用不對；C、數據太多或太少；五、作直方圖應注意的問題：1、測定數據有無錯誤？有無混入其他不相關的數據；2、組距設定是否恰當？應為測定單位的整除數；3、必要時，將數據重新細分后，再確認分布情況；4、盡可能多收集一些數據，至少50個以上；5、收集數據時，應該是隨機的；6、異常分布時，必須采取對策，使數據處于正態分布。第七種手法——管制圖（ControlChart）一、定義：用統計方法分析品質數據的特性，并設置合理的控制界線，對引起品質變化的原因進行判定的定理，使生產處于穩定狀態的一種序列圖。也稱為“控制圖”、“管理圖”，由于它是美國人休哈特（Shewart）于1942年創立的，所以也有人稱為“休哈特圖”。二、作用1、預測性：通過現有圖形分析與判讀可大概判斷下一步可能的位置；2、能力分析：通過管制圖，了解現有能力范圍（3σ以上的管制圖，因為1σ、2σ已無人采用）；3、對品質狀況及時掌控狀況；4、可用來分析制程的改善效果：可設定制程采用某種方法或方式的前中后幾點，就能得出方法或方式的變化狀況；5、與其它手法相結合，容易找到產生狀況的原因：如結合層別法逐項看各生產線的品質狀況，可了解到問題出在哪一條生產線；6、得出各種周期，以利于產品制程品質制定標準：如注塑某型號產品，通過近一個月管制圖分析，看到當某型號鋼的模具每生產了5天就會松動，造成尺寸過大，這樣就可以制訂一個標準：當使用某型號鋼模具注塑了4~5天后，就應對模具進行加固或調整。此外，還可結合其它手法發揮更多功效。三、管制圖的種類：1、計量值管制圖所謂計量值管制圖，系管制圖所依據之數據均屬于則量具實際量測出來的數據所作郵的，如長度、重量、成份、電流值、電阻值等管制特性，具有連續性，通常有以下幾種管制圖：A、平均值與全距管制圖（X-Rchart）B、平均值與標準差管制圖(X-σchart)C、中位值與移動全距管制圖(X-Rmchart)：D、中位值與全距管制圖(X-Rchart)2、計數值管制圖所謂計數值管制圖是指管制圖所依據之數據均屬于單位個數或次數計算，如不良率、不良數、缺點數、缺點率等。通常有以下幾種管制圖：A、不良率管制圖(P-chart)B、不良數管制圖(NP-chart)C、缺點數管制圖(C-chart)D、單位缺點數管制圖(U-chart)四、管制圖的作法1、交所有數據加起來的總和除以數據個數，得出平均數，即管制中心線；2、計算出標準差（σ）σ=√Σ(Xi/(N—1)Xi表示第幾個數據X表示平均數，即中心線N表示樣本數注：當數據個數為2~50時，可以直接除以N，當數據個數為50以上時，用N—1。3、計算出管制界限UCL=CL+3σLCL=CL—3σ注：也可根據需要，用4σ、5σ、6σ，在計算過程中要多保留一位小數。4、畫出管制圖：依照管制圖上下限值與中心值畫出三條等距平行線，線之間的距離為3σ，上面為管制上限（UCL），中間為管制中心線（CL），下面為管制下限（LCL），再將各數據點依照各自數值按順序描點，再將相鄰的兩點用短線連接起來。作出每組數據的平均數的3σ管制圖。X=（10.05+10.03+10.087+10.07+9.99+9.98+???10.02+10）/40=10.001第二步：計算標準差。σ=√Σ—X）2/(N—1)=0.033第三步：計算管制界限。CL=X=10.001UCL=CL+3σ=10.001+3×0.033=10.1LCL=CL—3σ=10.001—3×0.033=9.902第四步：畫出管制圖。Xbar-Chart10.01UCL10.001UCLUCL9.902五、管制圖的判讀：隨著生產的進行，將每一天的數據記入表中,通過連接點線的走勢，可很好地判斷品質是否處于穩定或異常狀態。1、當點線走勢滿足以下條件時，判定品質處于穩定狀態：A、連續25個點都在管制線內；B、連續35個點中，只有1個點在管制線外；C、連續100個點中，只有2個點在管制線外。2、當點線走勢滿足以下條件時，判定為品質處于異常狀態：A、點落在管制線外，或剛好落在管制線上（要先考慮判穩條件）；B、點的排列不成隨機態，有明顯某一趨勢，如以下情況：a.連續3點中有2點接近管制線b.連續7點中有3點接近管制線；c.連續10點中有4點接近管制線；d.連續11點中有10點落在管制中心線的某一側；e.連續14點中有12點落在管制中心線的某一側；f.連續17點中有14點落在管制中心線的某一側；g.連續20點中有16點落在管制中心線的某一側；h.連續7點上升或上降時，即非隨機性排列；i.當點線呈有規律的周期性波動時。判定品質異常后，最為重要的查明原因，消除造成的不良影響因素，使品質恢復穩定狀態。備注：1、當品質特性呈正態分布時，所設定的管制線不同，任意測定所得的值，其分布