5-QC七大手法.ppt

品保教材Rev0 有效日期2005.11.05 品管七大手法簡介 1. 特性要因圖(Cause and Effect Diagram) 析因果 2. 查檢表(Check Sheet) 查現象 3. 柏拉圖(Pareto Diagram) 示重點 4. 直方圖(Histogram) 呈分佈 5. 散佈圖(Scatter Diagram) 看相關 6. 層別法(Stratification) 濾問題 7. 管制圖(Control Chart) 管異常 一 、特性要因圖 ?以系統的方式（圖表），表達出造成某種結果的諸多原因 （要因），與此結果（特性）間之關係之圖形，又稱「因果圖 或「魚骨圖」 ? (1)特性要因圖的畫法 (3)繪圖應注意事項 (4)特性要因圖的應用 二、查檢表 查檢表就是利用一種為了便於收集數據， 使用簡單記號並予 統計整理，使作進一步分析或作為核對 、 檢查之用而設計的 一種表格或圖表。 (1)查檢表的種類 (2)查檢表應注意事項 三、柏拉圖 義大利名經濟學家柏拉圖(Pareto 1848~1923)，本世紀初期，受命 改革義大利的經濟。乃就當時的社會財富分佈情況予實調查，結果 (1) 柏拉圖的理念 一項產品的完成，大多是經過一段很繁雜的製程而來。 造成變異或不良的原因可能很多。 (2) 柏拉圖的定義 ?根據所搜集的資料，按不良原因、不良狀況、不良發生位置等不同區分標準，以尋求佔最大比率之原因、狀況或位置的一種圖形 ?又稱ABC圖 (3) 柏拉圖的繪製方法 (4) 柏拉圖之應用 四、直方圖 以直柱來表示數據的次數分配的一種圖形 直柱之寬度和測定數據（如長度、重量、時間、溫度、硬度等測定變數）之分組組距成比例 直柱高度和各組發生次數成比例 (1) 直方圖的理念 直方圖可使用我們瞭解下列事項： 全部數據之分佈形態 數據分佈之中心位置 數據之散佈程度 以數據之分佈類型來判斷數據之特性 數據和已知標準之關係 (2) 直方圖之分佈型態判讀 (3) 直方圖之規格判讀 (5) 直方圖之應用 五 、散佈圖 是用來調查二個變數間可能的因果關係； 它並不能證明一個變數會產生另一個變數，卻可以明瞭二個變數是否有關連存在，以及關連的強度； 以Ｘ軸（橫軸）為一個變數的衡量值，Ｙ軸（縱軸）為另一個變數的衡量值，典型的散佈圖看起來如下圖所示： (1) 散佈圖之製作方法 (2) 散佈圖之注意事項 (3) 散佈圖之判讀 六、層別法 所謂層別法是將數據資料依其共同特性或特徵分群，在面對紛亂的數據 時，能找出思索分析的方向。 (1) 層別法之分類 (2) 層別法之實施步驟 (3) 層別法之注意事項 (二)管制圖之比較 各種管制圖之優缺點: 管制圖之判讀 管制圖之判讀 異常原因之分析檢討 異常原因之分析檢討 異常原因之分析檢討 (3) 雙峰型 此係二種不同製程所得數據，組合後之分配情況。 (4) 鋸齒型 當量具有毛病時或對刻度讀數偏差時容易產生此種分佈型態。 (5) 削壁型 因製程能力不足，進行全數檢查以剔除不良品時發生此分佈。 (6) 高原型 許多不同的組群平均混在一起產生此種分佈型態。 (7) 偏態型 工具磨損或治具鬆動，造成尺寸偏向一個方向容易產生此種分佈型態。 (1) 理想型 測定值均分佈在規格內，次數分配之峰值，大約和規格之中尺一致，整理看起來十分理想。 (2) 偏態型 峰值右偏，若製程稍有變化，即可能產生不良品。 (3) 分散型 數據分散度甚大，在規格之兩邊均發生不良品。 (4) 集中型 數據之分散度過小，兩側尚有餘裕，可考慮提高規格要求或放寬分散度在以降底成本，或使工作較為便利，以提高生產效率。 １．測知製程能力，作為製程改善之依據 自製程中所蒐集之數據，整理成次數分配表，在繪成直方圖由直方圖之分佈型態是否為常態分配，可判斷製程是否定，由集中或分之情形，亦可看出製程之好壞，做為製程改善之依據。 ２．直接計算產品不良率 如右圖 總 件 數：88件 不良品數：26件 不 良 率：29.5% 5 8 12 14 20 16 12 7 6 變數A? 變數B? 問題 （現象） 變數A 變數Ｂ 使用散佈圖找出其相關係 影響問題發生之二變數，是否