close

引用:http://tw.knowledge.yahoo.com/question/question?qid=1011031003153

http://tw.knowledge.yahoo.com/question/question?qid=1306050115041&q=1011031003153&p=%E6%95%A3%E4%BD%88%E5%9C%96

http://tw.knowledge.yahoo.com/question/question?qid=1405110219130

http://tw.knowledge.yahoo.com/question/question?qid=1005022602505

 

 

品管七大手法


1.層別法︰針對問題發生的來源,進行層別分類,例如日班夜班,本勞外勞等,找出比重較大的問題來源。

2.散佈圖︰散佈圖是用來研究兩個變數間之相關性(檢視輸入變數和輸出變數是否存在相關性)散佈圖係一項繪示技術,用以研究兩組成對出現之相關數據[(x,y)一組一個]間之關係。散佈圖以雲狀散佈點顯示各對數據。由此雲狀點散佈情形可推知兩組數據之關係。

x y 間之正相關表示當x值增加時,對應的 y值亦增加,而負相關則表示 x值增加時,對應之 y值卻減少。


3.管制圖︰管制圖為一圖形表示工具,用來監視品質特性的量測值 隨時間變化的情形。

使用管制圖的目的:

─診斷:評估製程穩定性。

─管制:決定製程何時需要調整與何時不需調整。

─證實:證實製程改進。


4.直方圖︰直方圖是將數據分佈的範圍,劃分幾個區間,將出線在各區間內的數據之出現次數作成次數表 ,並將其以圖(長條圖)的形式表現出來

直方圖之應用 :

掌握數據的分佈狀態

調查離散的程度

了解數據的中心位置(集中趨勢)

與規格作比較,檢視有無問題

 

5.柏拉圖︰柏拉圖通常用來區分造成品質問題之少數重要原因,及多數不重要之原因。在品質改善活動中,著重於造成問題主要原因上,通常在短期可得到較顯著的改進。百分之八十的問題出現在百分之二十的項目,故又有人稱之為20/80 法則。。這是要找出最嚴重的問題,藉以決定改善的優先順序。

6.特性要因圖︰特性要因圖為 石川馨 博士(Ishikawa) 1943年所發展出來,又稱為 Ishikawa diagram特性要因圖為一問題分析工具,用以辨認造成某一特定問題之所有可能原因,由於圖形結構類似魚骨因此又稱為魚骨圖

 

7.查檢表 (1)掌握影響問題點的事實,為了便於收集數據而設計的一種表格或圖表(2)用很簡單的劃記、符號、數字記入表格或圖表記錄用查檢表:把數據分類成數個項目,以符號、數字記錄作為分析

問題及改善用的圖表或表種類如下: 原因別、機台別、缺點別、不良項目別….位置別點檢用查檢表:把非做不可或非檢查不可之工作或項目按點檢順序列出,逐一點檢。

 

 


 

 

 

 

查網路 就有了

劉利樺
http://mba.hihosting.hinet.net/ra01045.htm
http://www2.kuas.edu.tw/prof/shihtao/qms/t5/t5-qc.html



直方狀統計圖
測定值的存在範圍分成幾個區間,每個區間為底邊,
然後以這個區間所測定值,出現次數之比例面積排列
成長方形圖。又名直方圖,這就是所謂在可看見的測
定值分佈狀態以圖形表示,容易看得見,分佈的情況
,也易瞭解,測定值偏心及瑕疵的程度,此圖乃在核
對規格值及看製造工程狀況時用的。

柏拉特圖
以不良率,不良個數,損失的件數為縱軸,而以原因
別、工程別、品種別等的不同層別而以次數多的放在
橫軸最左邊,然後依次排列,以直形圖示之。同時也
是累積次數曲線表示圖,這種圖表對最有問題的不良
、工程、成品最具功效。同時如果想要解決的話,也
可以預測其所達到的功效如何?以上所謂不良解析的
工作就叫柏拉特圖解析。

散佈圖
取測定值XY,X做橫軸,Y做縱軸,劃上刻度,以
測定值作定值打點出來,做成圖形。將品質特性及其
所受到影響的主要原因之間的關係,主因及主因間的
關係,或是品質特性及其他品質特性的關係,比如說
兩變量間的相關關係以圖表之,這在調整的時候可以
用得著。

層別法
測定值是依據所取得之特徵(例如製品種類、機械
裝置、工具或原料、材料、零件、作業種類等),
分成兩個以上不同的集團。假如有任何因作業員、
機械或原料的不同而影響到成品品質時,我們即可
將測定值按其層次之不同分別整理,使其更容易瞭
解,而在獲得有益的情報時能夠派上用場。

QC工程圖
每個工程跟隨工程圖示記號圖示之,為明確之圖表
明各工程師的品質特性及其管理方法,這對為了合
理性的改善管理標準而言是有很大的助益。

 

 


 


 

 

 

 

 

QC七大手法包括:

(1) 檢查表(Check Sheets)

(2) 要因分析圖(Cause-effect Diagram)

(3) 柏拉圖(Pareto Analysis)

(4) 直方圖(Histogram)

(5) 管制圖(Control Charts)

(6) 層別法/流程圖(Stratification Analysis/Flowchart)

(7) 散佈圖(Scatter Diagram)

       這七種手法個別來看雖然簡單,但是只要運用得當,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。換句話說,SPC所有的技巧,不但能夠管制製程,使製程處於穩定狀態下,而且也有改進製程及產品品質的能力。

 

 

       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。當品管制度如線上或線外品管判定之後,除了要能夠反映製程的現況與未來 的發展趨勢,讓工作人員能夠採取相對應的矯正行動與預防措施之外,應該進一步評估所使用的品管制度之績效與得失,並且考量經濟成本再精簡之品管制度,使品 質由檢驗而得提升到品質決定於現場的製造管制,把品質做進產品中。表一彙整上述七種手法的目的,以供讀者參考。

 

 

 

表一 QC手法與目的一覽表

 

 

 

手法

目的

1

檢查表

資料之分類、蒐集

2

要因分析圖

品質問題之因果關係與系統整理

3

柏拉圖

重點之掌握

4

直方圖

變異之掌握

5

管制圖

品質特性之監控

6

層別法/流程圖

資料分析/工作程序之瞭解與掌握

7

散佈圖

兩種資料間之相關性分析

 

 


 

 

 

 

 

 
1
2 品質管制手法

品質管制手法是一些簡易之圖形管理方法。在品管作業中,它們被用來當做是品質
數據、資料之整理及顯示,或者用做品質改善之工具。
 
 
這些手法通常都不需複雜之計算。品管手法包含:
 
特性要因圖
(cause and effect diagrams)
查檢表
(check sheets)
柏拉圖
(Pareto diagrams)
直方圖
(histograms)
散布圖
(scatter diagrams)
管制圖
(control charts)
層別法
(stratification)

雖然品管手法被日本人成功地應用在品管作業中,但手法並非全由日本人所發
明,日本人之主要貢獻在於推廣這些手法並且將其應用在品管工作上。另外,品管手法
並非只能應用在品管上,它們也可應用在其他領域中。
 
 
2.1 特性要因圖

一個問題特性(結果)受一些要因(原因)影響時,將這些要因加以整理,成為相互關聯
而有條理圖形,這類圖形稱為特性要因圖,又叫魚骨圖
(Fish-Bone Diagram)。測試所有可
能原因為一費時且困難之工作。利用特性要因圖可以去除不重要之原因而專注於最有可能之
原因上。在問題解決之步驟上,我們通常是先使用柏拉圖用以篩除不重要之因素。柏拉圖只
能幫助分析者找出少數重要之問題,但不能指出造成問題之原因。若要研究造成問題之原因
則必須進行特性要因分析。
 

特性要因圖可視為一腦力激盪之工具。其基本構成因素為符號及線,用以表示原因和結
果間之關係。
 

特性要因圖之繪法如下:
 
1. 決定品質特性,置入方框中後,再繪上一橫粗線
2. 用方框將大要因框起來,再以箭頭連結至橫粗線形成分枝
3. 各大要因中再加入中小要因
4. 圈選重要要因
特性要因圖之用途為:
 
1. 改善解析
2. 管理

 
2
3. 制定標準
4. 品質管制導入及相關人員教育
 
對於一個特定之問題,特性要因圖可以提供-個開放討論之架構、集中注意力於發掘造
成問題之原因、鼓勵各階層之員工參與問題之解決、及使得在同一組人員中得到更佳之溝通。
 

範例
:
在加工製程中,製成品品質之特性乃決定於以下之要因:設備、加工方法、材料、操作人員
及其他。
 

其特性要因圖之繪法如下:
 
1. 將製成品品質特性置入方框中後,再繪上一橫粗線
2. 用方框將設備、加工方法、材料、操作人員及其他等大要因框起來,再以箭頭連結至
橫粗線形成分枝
 
3. 各大要因(設備/加工方法/材料/操作人員/其他)中再加入中小要因(精度/轉速/材質/經驗
/加工環境)
4. 圈選重要要因
製成品品質
 
加工方法
 
設備
 
其他
 
操作人員
 
材料
 
精度
 
轉速
 
經驗
 
加工環境
 
材質
 

 
3
2.2 查檢表
 
查檢表是以一種簡單方法將問題查檢出來表格或圖。在收集數據時,我們可以設計
一種簡單表格,將其有關項目和預定搜集數據,依其使用目的,以很簡單符號填註,
用以了解現狀,做分析或做核對點檢之用,依此原則設計出來表格或圖,被稱之為查檢表。
 
 
品管工作中,使用查檢表目的有下列幾項:
 
1. 日常管理
 
 
品質管制項目點檢、作業前點檢、設備安全、作業標準是否被遵守點檢。
 
2. 特別調查
為了製程問題原因調查、產品不良原因調查或為了發現改善點所進行點檢。
 
3. 取得記錄
為了要製作報告所進行之數據收集和檢核。
 

一般而言,檢核表可分為記錄用查檢表及點檢用查檢表,這兩種查檢表說明如下:
1. 記錄用查檢表
用於不良主因和不良項目記錄用查檢表
 
 
 
(1) 記錄用查檢表之作法
 
決定分類項目,搜集數據
 
 
決定要記錄之形式
 
 
數據記號記錄
 
 
 
(2) 記錄用查檢表之用法
 
作為數據之記錄用紙
.
 
用作不良
(缺點)發生狀況記錄或報告之用
 
作為調查不良
(缺點)發生要因之用
2. 點檢用查檢表
主要功能是確認作業實施和機械整備情形
 
 
 
(1) 點檢用查檢表之作法
 
將點檢項目全列出
 
 
依序排列
 
 
決定記錄格式
 
 
 
(2) 點檢用查檢表之用法
範例
 
點檢用查檢表,如:三次元量床之啟動開機檢查表
 
 
三次元量床之啟動開機檢查表
 
次序
項目
狀態
 
1
開啟總電源
 
 
2
開啟空壓機
 
 
3
˙
 
 
4
˙
 
 
5
˙
 
 

 
4
6
˙
 
 

 
5
2.3 柏拉圖

柏拉圖是根據蒐集數據,以不良原因,不良狀況,不良發生位置或客戶抱怨種類、
安全事故等項目別分類,計算出各分類項目所佔之比例而按照大小順序排列,再加上累積值
圖形。
 
 
在 1960 年代,品管學者 Juran 將柏拉圖導入品管工作中,應用在分析屬性或計數值之品
質資料上。柏拉多圖為一通用之工具,亦可用在其他領域中,例如在存貨管理上,它被稱為
ABC 分析。在品質改善活動中,柏拉多圖通常用來區分造成品質問題之少數重要原因,及多
數不重要之原因。若品質改善著重於問題之主要原因上,則通常在短期內可得較顯著之改進。
 
 
柏拉圖作法
 
1. 決定數據項目:依 Q、C、D、S、M(結果別)或 5M(原因別)
2. 決定搜集數據期間,並收集數據
3. 按項目別統計數據
4. 圖表畫上直軸及橫軸
5. 將項目依數據大小次序劃成柱形圖
6. 數據之累積以折線劃入
7. 記入數據之期間、記錄者、目的等
 
柏拉圖可以提供下列資訊
 
1. 了解那些項目屬於重要問題
2. 明白事情大小順序
3. 知道每一項目在整體中所占比例
4. 預測減少某一項目後之整體效益
5. 知道改善之效果如何
6. 知道改善前後不良內容及缺點內容之變化

範例
 
零件加工後之不良品,經統計分析後如下表:
 
 
 
 
不良原因
 
數目
 
尺寸不合要求
 
90
形狀誤差太
 
60
表面粗度不良
 
40
其他
 
10
合計
 
200

其柏拉圖如下:
 
 

 
6
0
50
100
150
200
250
尺寸
不合
要求
形狀
誤差
表面
粗度
不良
其他
不良數
100
50
累計影響度度

 
7
2.4 直方圖

直方圖為在某條件下,搜集很多數據,藉以調查數據中心值及差異情形。其方法為
將數據分布範圍,劃分為幾個區間,將出現在各區間內數據之出現次數作成次數表,並
將其以長條圖形式表現出來。可用來了解產品在規格標準之下分佈形態、製程中心值
與變異大小等情形。
 
 
直方圖之作法
 
1. 計算數據總數,以 N 表示
2. 定組數(K=1+3.23<i>log N)
3. 求最值(L)與最小值(S)與全距(R)
4. 定組距(H):全距/組數
5. 定組界
6. 作次數分配表
7. 繪直方圖
8. 直方圖研判
 
透過直方圖,我們可以了解一組數據之下列幾項特徵:
 
1. 數據分布形態(分配狀態)
2. 數據中心位置(集中趨勢)
3. 數據離散程度大小(變異性)
4. 數據和規格之間關係
 
品管作業中,通常會在下列情形使用到直方圖
:
1. 掌握數據分布狀態(分配狀態)
2. 調查離散或偏離原因
3. 與規格作比較、檢視有無問題
4. 調查改善前後之效果

範例
 
假設一組數據,數據總數為五十,最值為
480,最小值為 453,繪制直方圖。

依據上述步驟及給定之數據,計算其結果並繪制直方圖
 

1.數據總數 N=50
2.定組數 K=1+3.23log N=6.49,取 7
3.最值 L=48,最小值 S=45.3,全距 R=L-S=2.7
4.組距 H=R/K=2.7/7=0.3857,取 0.4
1.定組界 及 6.作次數分配表
組號
組界
次數
 

 
8
1
45.25~45.65
3
2
45.65~46.05
9
3
46.05~46.45
12
4
46.45~46.85
10
5
46.85~47.25
8
6
47.25~47.65
6
7
47.65~48.05
2

7.繪直方圖

8.直方圖研判
此組數據具常態型分佈之特性
 
0
2
4
6
8
10
12
14
組一 組二 組三 組四 組五 組六 組

 

 
9
2.5 散佈圖

利用散佈圖可將相對應兩組數據,分別依 X 軸及 Y 軸點入座標圖中,以觀測兩組數據
間是否相關及其相關程度。若兩變數間呈原因及結果之關係時,則在繪圖時一般是將代表原
因之變數
(或稱為自變數,independent variable)置於橫軸,另外將代表結果之變數(或稱應變數,
dependent variable)置於 Y 軸(縱軸)。
散佈圖之作法
:
一般以橫軸表示原因或因素,縱軸表示結果或特性值,其作法如下:
1. 收集數據 30 組以上
2. 繪出橫軸及縱軸,將數據依 X、Y 座標點出
3. 二點數據在同一點重覆時,點上二重圓記號◎。三點數據在同一點重覆時,點上三
重圓記號
 
 
散布圖之解讀
 
1. 當其中一變數值愈,另一變數之數值也有增加傾向時,代表此兩變數為正相關
(positive correlation)
2. 當其中一變數值愈,另一變數數值卻愈小時,代表此兩變數為負相關(negative
correlation)
3. 當兩個變數之值不具有上述兩種特徵時,散布圖幾乎近似圓形,代表兩者無相關
 
散布圖在品管領域中之應用
 
1. 調查兩特性值間之相關性
2. 判斷異常值之存在與否
3. 應用於問題解決步驟中
4. 其他(檢測數據是否存在趨勢或用於決定最佳操作範圍等)


範例
 
收集十組數據,將其標示在
X,Y 平面座標上
正相關
 
 
 
 
 
負相關
 
 
 
 
 
無相關
 
X→
Y→
X→
Y→
X→
Y→

 

 

arrow
arrow
    全站熱搜

    自信立宏 發表在 痞客邦 留言(0) 人氣()