解决品质问题的QC七大手法.docxVIP

解决问题的QC七大手法

单元目的

解决制程问题的方法不只限于管制图，质量管理七大手法都是可能的方法，本系统将个别简介这些手法，并提出实际使用例子，供学习者练习，希望对解决问题能有帮助。

单元大纲

在进行质量管理时，我们会利用到许多图形方法来整理显示数据与数据，这些用作质量改善的图形工具，通常都不需要复杂的计算，比较常用到的图形方法有七项，一般称为品管七大手法(themagnificentseven)。品管七大手法包括：

管制图(controlcharts)

检核表(checksheets)

直方图(histograms)

柏拉图(Paretodiagrams)

特性要因图(causeandeffectdiagrams)

散布图(scatterdiagrams)

流程图(flowcharts)

品管七大手法通常会配合层别法一起使用。层别法是经由对可能之原因，如原料、机械或操作员等，分成若干个层，在透过收集数据的分类，找出不良之真正原因。影响质量特性的原因通常包括时间、原料、机器设配、作业方法与操作人员等，所以，我们可以依下列基准来作层别：

依原料的供应来源或批次层别

依作业人员的部门、年龄、性别、熟练程度等层别

依机械设备之种类、厂牌与布置位置等层别

依时间，如月、周、日夜、或上下午等层别

依作业条件，如温度、压力、速度或天气等层别

依操作方法层别

依不同生产线层别

管制图基本原理

统计理论认为母体参数可由随机抽取的样本来估计，SPC图的统计基础即在于此。但是，SPC图并不能控制一个制程，它只是提供制程重要的信息，这个信息可以作为质量决策与修正制程的基础。一般SPC图提供三条制程信息的管制线：上管制线(uppercontrollimit,UCL)、中心线(centerline,CL)

、下管制线(lowercontrollimit,LCL)。不同制程管制对

象有不同的数据，所有的数据都可归类到下列其中一种：

分类数据一将产品质量分为「好或不好」、「合格或不合格」等

计数数据一记录某产品的某个特性发生次数，例如错误次数、意外次数、销售领先次数等

3.连续数据一某个质量特征的量测值，例如尺寸、成本、时间等

前两种数据为计数值数据，第三种为计量值资料。收集数据时，如果可能应该尽量收集定量数据，因为定量管制图所需的比较性计算较少，而且能提供较多的信息。

基本计算

管制图可用一通式来表示，假设y为量测质量特性之样本统计量，y之平均数为uy，标准差为y，则

UCL=^y+k8y

中心线=uy

LCL=uy—k8y

其中k^y为管制界限至中心线之距离。此管制图之理论首先由美国之WaiterA.Shewhart博士提出，任何依据此原理发展出之管制图都称为Shewhart(华特)管制图。

管制图之应用有许多方式，在大多数之应用上，管制图是用来做制程之在线(on-line)监视。亦即收集制程样本数据用来设立管制图，若样本值落在管制界限且没有任何系统性之变化，则称制程在管制。管制图也可以用来决定过去之制程数据是否在管制，与末来之制程是否将在管制。管制图也可用来做为估计之工具，当制程是在管制时，则可预测一些制程参数，例如平均数、标准差、不合格率等。此种制程能力分析对于管理者之决策分析有相当大之影响，例如自制或外购之决策，工厂与制程之改善以降低变异，与与供货商或顾客间之合约。

管制图实施步骤

选择质量特性

决定管制图之种类

决定样本大小在设计管制图时，我们必须决定样本之大小(samplesize)与抽样之频率。一般而言，大样本可以很容易地侦测出制程小量之变动。当选定样本大小时，必须先决定所要侦测之制程变动的大小。当制程变动量相当大时，则适合使用小样本，反之，若制程变动小时则使用大样本。除了决定样本大小外，我们同时须决定抽样之频率。最理想之状况是次数频繁地抽取大样本。但从经济观点而言，此并非最佳之抽样方法。较可行之方法是在长时间间隔下取大样本或短时间间隔下取小样本。在大量生产下或有多种可归属原因出现下，较适合样本小而次数多之抽样。由于检测器和自动量测技术之发展，目前之趋势倾向100%检验。

抽样频率和抽样方式

管制图是利用合理样本组之概念来收集样本数据。合理样本组之抽样方式可让可归属原因出现时，样本组间发生差异之可能性最大，而样本组发生差异之可能性为最小。

当管制图应用到生产时，生产时间次序为一合乎逻辑之合理样本组取样方法。一般合理样本组之抽样有两种方式进行。在第一种方式下，组样本尽可能在时间差距很短之情况下收集，如右图之(a)。这种抽样方法将可使样本组间之差异为最大而样本组之差异为最小。这种抽样方式也是估计制程标