QC七大手法旧123_.ppt
- 文档编号:18765021
- 上传时间:2023-11-03
- 格式:PPT
- 页数:62
- 大小:636.50KB
QC七大手法旧123_.ppt
《QC七大手法旧123_.ppt》由会员分享,可在线阅读,更多相关《QC七大手法旧123_.ppt(62页珍藏版)》请在冰点文库上搜索。
QC七大手法(旧),品管七大手法,质量管理活动的基础:
一切用数据说话。
基础摘要,数据的收集和整理1、数据分为计数值数据和计量值数据计数值:
只能取一组特定的数值,而不能取这些数值之间的数值时。
(如:
人数、件数等)计量值:
取给定范围内的任何一个可能的数值。
(如:
长度、重量、时间、温度等),2、总体和样本总体研究对象的全体总体可以是有限的、无限的。
样本是从总体中随机抽出来的一部份个体的集合。
样品样本中每一个个体叫样品样本大小(样本量)-样本中的包含样品数量。
当样本个数越多时,分析结果越接近总体的值,样本对总体的代表情况就越好。
基础摘要,3、抽样方法常用的方法有:
随机抽样总体中每一个个体都有同等可能的机会抽到;分层抽样先将总体分类或分层,然后在各层随机抽样,减少层内差异,培加样本的代表性;系统抽样机械随机抽样,按一定的时间间隔抽取样本的一种方法。
基础摘要,4、数据整理和统计抽样的目的是通过样本来反映总体,常常将样本测试数据,通过整理加工,找出它们的特性,从而判断总体的变化规律性、趋势和性质。
数据的分布:
两个参数:
S2,X样本方差和样本标准偏差是反映数据波动幅度大小的特性值。
基础摘要,样本平均值:
X=(X1+X2+Xn)/n样本方差:
S2=(xi-x)2/(n-1)极差R:
Xmax-Xmin,基础摘要,样本均值是使用最为广泛的反映数据集中位置的度量,它的计算比较简单,但缺点是它受极端值的影响比较大。
品管七大手法,检查表层别法柏拉图特性要因图(因果图)直方图散布图管制图,第一招:
检查集数据第二招:
层别作解析第三招:
柏拉抓重点第四招:
鱼骨追原因第五招:
直方显分布第六招:
散布看相关第七招:
管制找异常,品管七大手法,定义:
为了便于收集数据,使用简单记号填记并予统计整理,以作进一步分析或作为核对,检查之用的一种表格或图表.检查表种类:
一.点检用检查表二.记录用检查表制作程序:
1.明确目的所在2.决定检查项目3.决定抽样方法4.决定检查方式5.设计表格实施检查6.记下资料相关条件功用:
通常是利用检查表来了解现状或收集数据以作分析之用.,检查表,检查表,1、点检用检查表,塑料制品外观质量检查表,缺陷符号:
气孔漏披疵点变形其它,检查表,2、记录用检查表,塑料制品外观质量检查表,定义:
为区别各种不同原因对结果之影响,而以各种原因为主体,分别作统计分析的方法。
功用:
将收集到的质量数据归纳在一起,使数据反映的现象特征更加明显。
分层的方法:
按时间:
如按班次(A、B、C);按操作员:
如按工人级别;按使用设备:
如按机台的不同型号;等,层别法,层别法,分层时注意事项:
数据分层与收集数据的目的性紧密相关;分层要合理,使问题暴露得更清楚.例:
层别法,分层法经常同质量管理中其他方法一起使用,将数据分层之后,再进行加工整理成分层排列图、分层直方图、分层控制图、分层散布图等。
定义:
根据搜集的数据,以不良原因,不良状况,不良发生的位置,客户抱怨种类,或安全事故等项目别分类,计算出各分类项目所占之比例按照大小顺序排列,再加上累积值的图形。
功用:
为寻找主要问题或影响质量的主要原因所使用的图。
柏拉图(排列图),应用程序:
选择分析的项目;选择用于分析的数据周期;收集、整理各类别数据,并计算其比率;画图;区别关键项(累计比率80%之内23项);针对关键项分析原因,针对原因制定措施改进。
柏拉图,柏拉图的分类:
柏拉图是用来确定”关键的少数”,根据用途,可分为分析现象用柏拉图和分析原因用柏拉图。
分析现象用柏拉图以下柏拉图与不良结果有关,用来发现问题的主要原因:
(1)质量:
不合格、故障、顾客抱怨、退货、维修等;
(2)成本:
损失总数、费用等;(3)交货期:
存货短缺、付款违约、交货期拖延等;(4)安全:
发生事故、出现差错等。
柏拉图,柏拉图的分类:
分析原因用柏拉图以下柏拉图与过程因素有关,用来发现问题的主要原因:
(1)操作者:
班次、组别、年龄、经验、熟练情况以及本身因素;
(2)机械:
机器、设备、工具、模具、仪器;(3)原材料:
制造商、工厂、批次、种类;(4)作业方法:
作业环境、工序先后、作业安排、作业方法。
柏拉图,柏拉图,例:
某部门上月生产的产品统计,总不合格品数分类整理如下:
100,200,300,400,0,不良数,N=414,破损,变形,刮痕,尺寸,其它,195,90,65,45,19,100%,75%,50%,25%,0,47.1%,68.8%,84.6%,95.5%,累计比率,柏拉图,特性要因图,定义:
将造成某项结果的众多原因,以系统的方式图解,即用图表来表达结果(特性)与原因(要因)之间的关系。
(也称石川图)功用:
分析影响产品质量各种原因的一种方法。
要因图是一种用于分析质量特性(结果)与可能影响质量特性的因素(原因)的一种工具。
可用于以下几个方面:
(1)分析因果关系;
(2)表达因果关系;(3)通过识别症状、分析原因、寻找措施,促进问题解决。
特性要因图,应用程序:
根据排列图或调查表所确定的主要质量问题作为结果;针对确定要解决的质量问题,在同一张图上把因果关系用箭头表示出来;根据4M1E原则,将人、机、料、法、环方面的原因逐一展开,直到将原因展开至能采取措施为止;针对影响质量的主要原因列出对策表,组织实施,并以验证。
特性要因图,绘制因果图的注意事项:
(1)确定原因时应通过大家集思广益,充分发扬民主,以免疏漏;
(2)确定原因,应尽可能具体;(3)有多少质量特性,就要绘制多少张因果图;(4)验证。
特性要因图,重要的因素不要遗漏,不重要的因素不要绘制,最终的因果图越小越有效。
使用因果图的注意事项:
(1)在数据的基础上客观地评价每个因素的重要性;
(2)因果图使用时要不断加以改进随着我们对客观的因果关系认识的深化,必然导致因果图发生变化,要重复改进因果图,得到真正有用的因果图,这对解决问题非常有用。
特性要因图,特性要因图,例:
某造纸厂收集一个班生产的有外观不良的纸180张,对其外观进行分类如下:
特性要因图,皱纹,原料,方法,环境,设备,人员,干燥曲线不当,新工人多操作不熟练,干毯使用不当,压榨压力二边不等,调节机构失灵,真空箱破损,毛布质次差,柏拉图与因果图结合使用实例,例:
某制造工序,用柏拉图确定主要不合格项目,收集了两个月的不合格品数据,并对其进行了分类,并绘制了柏拉图,从图中可发现尺寸不合格数量最大,占不合格品总数的48.89%,因此就把重点放在减少尺寸不合格上。
车间所有人员都参与讨论尺寸波动的原因,画出了因果图,并调查了所有零件尺寸的波动情况,以探讨各因素对不合格的影响,如下图:
柏拉图与因果图结合使用实例,不合格项目柏拉图,柏拉图与因果图结合使用实例,尺寸不合格的因果图,柏拉图与因果图结合使用实例,进行改进后,制作柏拉图比较结果,直方图,定义:
将所收集的测定值或数据之全距分为几个相等区间作为横轴,并将各区间内之测定值所出现次数累积而成的面积,用柱子排起来的图形,叫直方图,亦称之为柱状图。
功用:
是为研究数据变化规律而对数据进行加工整理的一种基本方法。
直方图,应用程序:
(1)确定特性值
(2)确定、收集统计量(n个观察值),n50,一般取n=100(3)找出观察值中最大值(Xmax)、最小值(Xmin),计算极差R=Xmax-Xmin(4)确定组数k和组距h(h=R/k);(5)确定各组界并填入频数分布表,直方图,第一组下界限X1L=Xmin-1/2最小测量单位第二组上界限X1U=X1L+h,第二组上界限X2L=X1U+h(第二组下界限为第一组上界限)样本量与组数的确定:
直方图(实例),例:
食品厂用自动装罐机生产罐头食品,从一批罐头中随机抽取100个进行称量,获得罐头的净重数据如下:
直方图,n=100,取k=9,组距h=R/k=24/9=27,取h=3。
故a0=332-05=3315,a1=a0+h=3315+3=3345以此类推。
直方图,频数频率分布表,直方图,30,15,频数,0.33,0.153,频率,组距,331.5,337.5,343.5,355.5,349.5,385.5,x,30,1,4,11,20,19,12,2,1,直方图,直方图常见形态:
正常型,在正常生产中许多质量指标呈现这种形状,符合正态分布。
锯齿型,可能由于测量方法不当,或者是量具的精度较差,也可能是因分组不当引起的。
直方图,直方图常见形态:
偏态型,造成这种图的原因是多方面的,有时是剔除了不合格品后作的图形,也有的是质量特性值的单侧控制造成的。
陡壁型,当过程能力不足,为找出符合要求的产品经过全数检查,或过程中存在自动反馈调整时,常出现这种形状。
直方图,直方图常见形态:
双峰型,有两种不同的平均值相差大的分布混在一起时,会出现这种形状。
孤岛型,出现这种情况是夹杂了其他分布的少量数据,如工序异常、测量错误或混有另一分布的少量数据。
直方图,直方图常见形态:
平顶型,过程缓慢变化时,常出现这种形状。
散布图:
判断两个变量之间是否存在相互关系的直角坐标系中由一系列点子所形成的图。
应用程序:
(1)选定分析对象;可以是质量特性与因素之间的关系,质量特性值与质量特性值之间关系,因素与因素之间的关系。
(2)收集数据一般应用30对以上。
(3)建立直角坐标系,把数据(X、Y)分别标在坐标系内相应位置上。
散布图,(4)计算相关系数r:
Lxx=x2-(x2)/nLyy=y2-(y2)/nLxy=xy-(x)(y)/nr=Lxy/(LxxLyy)1/2,散布图,散布图,散布图的类型,正相关(相关性强),负相关(相关性强),毫不相关,似乎有正相关(相关性弱),似乎有负相关(相关性弱),某冶炼工厂,由经验知道合金的强度y(107Pa)与合金中的碳的含量x(%)有关系。
为了生产出强度满足顾客需要的合金,在冶炼时应该如何控制碳的含量?
如果在冶炼过程中通过化验得知了碳的含量,能否预测这炉合金的强度?
散布图(实例),散布图实例,散布图实例,40,50,60,01,015,02,Y(107Pa),X(%),散布图实例,r=09728当r=1时,称两个变量线性不相关,这时散布图上n个点可能毫无规律,不过也可能两个变量间存在某种曲线的趋势;当r0时,称两个变量正相关,这时当x值增加时,y值也有增大的趋势;当r0时,称两个变量负相关,这时当x值增加时,y值有减少的趋势;可以根据r的绝对值的大小去判断两个变量间线性相关的程度,r愈大,线性相关就愈强。
控制图,控制图:
判别生产工序过程是否处于控制状态的一种手法。
作用:
使生产过程达到统计控制状态,判断生产过程是否异常前者为分析用控制图,后者为控制图控制图。
统计控制状态:
只存在偶然误差,不存在系统误差;只存在正常波动,不存在异常波动。
控制图,控制图原理:
1、正态分布原理;2、小概率事件原理。
控制图,常态分布,控制图,控制图的形成,控制图,共同原因:
製程中變異因素是在統計的管制狀態下,其產品之特性有固定的分配。
特殊原因:
製程中變異因素不在統計的管制狀態下,其產品之特性沒有固定的分配。
控制图,管制圖的應用,控制图,R管制圖,控制图,P點繪管制圖,控制图,1.CPCPT/6(双边规格)CPU(TU)/3(TU)CPL(TL)/3(TL),过程能力分析,2.CPKCPKmin(CPU,CPL)=MK=2/T(0K1)CPK=(1K)CP=(1K)T/6,控制图,
(1)T:
技术公差的幅度(3):
均值
(2):
标准差(4):
偏移量(5)K:
相对偏移(偏移度),3.定义,控制图,CP和CPK的比较与说明无偏移情况的CP表示过程加工的一致性,即“质量能力”,CP越大,则质量能力越强;而有偏移情况的CPK反映过程中心与公差中心M的偏移情况,CPK越大,则二者偏离越小,是过程的“质量能力”与“管理能力”二者综合的结果。
谢谢大家!
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- QC 七大 手法 123
![提示](https://static.bingdoc.com/images/bang_tan.gif)