QC七大手法散布查检讲义.ppt

散布图的研判 散布图可以呈现如下几种原因与结果之间的关系。 D.非显著性负相关 A.正相关 B.非显著性正相关 C.负相关 E.无相关 F.曲线相关 0.85r1 0.4r0.85 -1r-0.85 -0.4r-0.7 -0.4r0.4 在单相关分析时，若两个变量之相关方向呈直线变化，亦即二者呈等比列变化时，称为直线相关；否则若二者呈不等比变化时，其变化方向呈非直线方向，此时称为曲线相关或非直线相关(Non-Linear Correlation)。 相关变数r 表示两变量间的直线相关的程度与方向(正负值) n为数据的组数 r为正值表示正相关，r为负值表示负相关，r＝0时 为零相关或无相关，亦即二个变数无直线关系。 r值的范围为： -1≦r≦1 散布图的研判 如何计算r值 如何得到预测方程式 散布图的注意事项 要取成对的数据30组以上。 注意是否有异常点的存在：亦即该点和其它点相距很远，且判定他确实为异常。 是否有假相关：虽然数据显示具相关性，但是亦有其它文献或经验认为此二者不具相关性，此时需在深入探讨。 是否有必要加以层别：亦即由数据看是具有相关，但将数据分群后却发现不相关，反之亦然。 WORKSHOP 散布图实作 某制管课在管控过程中，希望比对出Expert 106107两者在RadialLb的相关性为何，特选出20pcs等级不同的碟片，其数值如下： x: Expert 106 y: Expert 107 结论 七大手法口决 鱼骨追原因 查检集数据 柏拉抓重点 直方显分布 散布看相关 管制找异常 层别作解析 组距 1. 決定Data收集期並收集Data ? 最少要有50個Data，最好要有100個以上 2. 找出Data中之最大及最小值 Ex: L=23.4 S=20.2 3. 決定組數 ------- K 等於 n 的平方根 Ex: n = 50 k = 7 4. 決定組距h --將最大值減去最小值後，除以組數，再取最小測量單位的整數倍即可 Ex:（ L - S ）/ K =（23.4-20.2）/ 7 = 0.46 ? h = 0.5 （取最小量測單位之整數倍） 5. 決定組界值 --由最小值減去最小測良單位的1/2，就是第一組的下限，再逐次加上各組距，直到可含蓋最大值即完成 Ex: 20.2 - 0.1/2 = 20.15 （第一組下界） 20.15 + 0.5 = 20.65 （第一組上界、第二組下界） 20.65 + 0.5 = 21.15 （第二組上界、第參組下界） ............... ............... 23.15 + 0.5 = 23.65 （已大於最大值） 數據數 組數 50-100 100-250 250l以上 6-10 7-12 10-20 The End * 品质管制(QC)七大手法 散布图、查检表 讲师：邱益彬 生 产 改 革 推 进 室 请关闭手机或调成震动 请把心帶来 请带空杯来，装点水回去 请充分讨论与分享 课程内容 结构 时间 成绩比例 备注 理论授课 1H / 1.实作题目会在教材最后一页给出 2.学员在试卷背面（或A4白纸）回答实作题目 测试 试卷 1H 40% 实作 60% 课程目的 了解有效质量QC7改善手法的基本概念 认知问题解决的手法与活用要点 成为QC7改善手法优良的内部讲师 常用QC手法介绍 1.层别法 2.查检表 3.特性要因图 4.柏拉图 5.管制图表 6.直方图 7.散布图 1.亲和图法(KJ法) 2.关连图法 3.系统图法 4.矩阵图法 5.箭形图法 6.PDPC法 7.矩阵数据解析法 Q7手法 N7手法 适用于数据型数据 适用于语言型数据 QC七大手法 Day shift Night shift 管制图 特性要因图 (鱼骨图 /石川馨图) 查检表 柏拉图 散布图 层别法 直方图 USL LSL 80% 20% 100% Item 什么是新旧QC七大手法？ 新旧QC七大手法是近来常被应用在质量管理及改善活动领域上的工具手法 这七大手法是由日本科技连盟(JUSE)石川馨与纳谷嘉信博士所开发及发表 新QC七大手法是专门运用于语言型数据的工具，而旧QC七手法则是主要运用于数据型数据。 旧QC七大手法运用的时机 1.层别法：将欲得到的调查对象与数据数据，适度分类分级，藉以发现更多改善信息；常见与其它质量工具搭配应用。 2.查检表：经过简单检核，搜集数据数据，或确认作业进行中防止错漏；常用于调查原因与检查作业。 3.特性要因图：将问题与原因用状似鱼骨形状图形，汇总且系统整理；适用于探讨潜在的问题或对策。 4.管制图表：显示数值现状