QC七大手法2

QC-72019/8/202常用統計手法介紹QC七大手法1.查檢表(Checklist)2.柏拉圖(Paretochart)3.特性要因圖(Causeandeffectdiagram)4.散佈圖(Scatterdiagram)5.直方圖(Histogram)6.管制圖(Controlchart)7.層別法(Stratification)2019/8/203查檢表•何謂查檢表：–查檢表是將原始收集到的數據用容易了解的方式作成圖形或表格，並記上檢查記號，或加以統計整理，作為進一步分析或核對檢查用。•查檢表的種類：–記錄用查檢表：目的在收集數據型的資料，做進一步統計整理用。–點檢用查檢表：目的主要在檢查事物。機械...等的運作狀況，或檢查問題用。2019/8/204東西未歸定位查檢表記錄用查檢表第一季合計客廳飯廳男主人女主人女主人其他合計42983157462男主人臥室171873241379282530546868642002229第二季第三季2019/8/205汽車定期保養點檢表點檢用查檢表10000KM時定期保養顧客名：日期：車牌號碼：車種：行駛公里：作業者：電瓶液量水箱胎壓火星塞風扇皮帶註：√檢查○調整X更換空氣濾淨器機油分電盤蓋化油器2019/8/206查檢表的製作要點•Step1.–決定所要蒐集的數據及希望把握的項目•Step2.–決定查檢表的格式•Step3.–決定記錄形式•Step4.–決定蒐集數據的方法•注意：查檢表的格式及內容，要讓使用者最方便使用及最易記錄為最高原則。2019/8/207查檢表的使用•數據蒐集完成應馬上使用，避免因時間過久而失去時效性。•首先觀察整體數據是否代表某些事實？•數據是否集中在某些項目或各項目之間有否差異？•是否因時間的經過而產生了變化？亦即是否有時間性的差異存在2019/8/208查檢表的實作•請準備一份查檢表(checkList)，作為下周公司舉辦露營應攜帶物品清單：2019/8/209柏拉圖•何謂柏拉圖：–所謂柏拉圖是根據所蒐集的數據，依據不良原因、不良狀況、不良發生位置或客戶抱怨的種類、安全事故等不同區分標準，找出比率最大的項目或原因，並且將所構成的項目依照大小順序排列，再加上累積值的圖形。以作為改善的優先順序。2019/8/2010050100150200女飯廳男客廳男飯廳臥室女客廳其他050100150用前面例子的查檢表數字可以整理成底下的柏拉圖東西未歸定位柏拉圖2019/8/2011柏拉圖的製作方法Step1.決定不良的分類項目：•藉由結果別分類•藉由原因別分類※注意：最好不要超過6項Step2.決定數據蒐集期間，並且按照分類項目蒐集數據：決定一天、一周、一個月、一季或一年為期間Step3.記入圖表紙並且依據大小排列畫出柱形：Step4.點上累計值並且用線連結：累計比率﹦各項累計數/總數*100Step5.記入柏拉圖的主題及相關資料：2019/8/2012•掌握問題點•發現原因•效果確認使用時機注意要點•發生頻率高不一定代表影響程度大，亦即並非立即要進行對策。•經由不同的衡量標準來確認最重要的問題。•分析不同類別的數據。•範圍太廣的項目，應再分成較細的類別，以免分析不易。柏拉圖的使用時機及注意要點2019/8/2013柏拉圖繪製實例以某家庭之某月支出查檢表為例，其柏拉圖繪製過程如下：支出項目出支金額累計金額累計比率伙食費10,25010,25041零用錢5,00015,25061水電瓦斯費3,75019,00076教育費2,00021,00084交際費1,00022,00088其他3,00025,000100Total25,00025,0001002019/8/201405,00010,00015,00020,00025,000伙食費零用錢水電瓦斯費教育費交際費其他020406080100120家庭之某月支出的柏拉圖2019/8/2015柏拉圖的錯誤指正實作020406080100文件未收電話未設定垃圾未丟桌面不潔刮傷其他020406080100120項目個數累計數累計比率文件未收25電話未設定32垃圾未丟5桌面不潔8刮傷14其他11Total952019/8/2016•在進行品質改善小組活動(QIT)時，有時會用柏拉圖來做改善前後的效果比較，在製作對策前後的效果確認時應注意以下三項：–柏拉圖蒐集數據的期間和對象必須一樣–對季節性的變化應列入考慮–對於對策項目以外亦必須加以注意，避免消除了主要因而使得其他要因增加。柏拉圖與品質改善小組活動2019/8/2017特性要因圖•何謂特性要因圖：–一個問題的特性受到一些要因的影響時，我們將這些要因加以整理成為有相互關係而且有條理的圖形。這個圖形稱為特性要因圖。問題的特性是由許多要因造成的！要因要因要因要因要因要因問題特性2019/8/2018•將這些要因分群成為大、中、小要因，可繪製成特性要因圖，因其像魚骨故又稱魚骨圖。大要因大要因大要因大要因中要因中要因中要因中要因小要因特性2019/8/2019特性要因圖製作的六個步驟步驟一：決定問題或品質的特性為什麼延遲交貨特性2019/8/2020步驟二：決定大要因人製造交貨物品為什麼延遲交貨2019/8/2021步驟三：決定中、小要因：可利用親和圖法來將中、小要因區分出來。步驟四：討論影響問題點的主要原因。步驟五：填上製作目的，日期及製作者等資料。人製造交貨物品為什麼延遲交貨情報錯誤沒有危機感生產計劃不相吻合不良率高存放位置不佳庫存量低交期過短會議目的：會議日期：與會者：2019/8/2022特性要因圖的使用時機•問題的整理，及原因的探索。•追查真正的原因•尋找對策：特性要因圖也可用來做對策整理用，這時魚頭的方向會剛好相反過來，又稱為反轉。大要因大要因大要因大要因中要因中要因中要因中要因小要因如何做2019/8/2023繪製特性要因圖應該注意的事項•繪製特性要因圖要把握腦力激盪法的原則，讓所有的成員表達心聲。•列出的要因應給予層別化。•繪製特性要因圖時，重點應放在“為何會有這種原因”並且依5W1H的方法逐一列出。•如果您是指導人員，切記不可憑個人好惡去決定或交辦給他人的方式而影響討論人員的熱忱。所謂5W1H就是：Why(為何必要)、What(目的為何)、Where(在何處做)、When(何時做)、Who(誰來做)、How(如何做)。2019/8/2024散佈圖何謂散佈圖？•以縱軸表示結果，以橫軸表示原因：用點表示出分佈形態，根據分佈的形態判斷對應數據之間的相互關係的圖型，稱為散佈圖。•其相對應之方法為相關係數之計算2019/8/2025散佈圖製作的五個步驟步驟一：蒐集相對應數據，至少三十組以上，並且整理寫到數據表上，如下表。步驟二：找出數據之中的最大值與最小值。No工作時數薪水No工作時數薪水No工作時數薪水144820114481021598902498301257880225087035587013508402353820455860145488024518605488201549840255689064682016508602647810745830175286027548508518301846830284281095387019548802948850105284020538503045840原因結果2019/8/2026步驟三：畫出縱軸與橫軸刻度，計算組距時數的組距：59-42=17原因的組距：890-810=80步驟四：將各組對應數據標示在座標上4050608008108208308408508608708808902019/8/2027405060800810820830840850860870880890步驟五：記入必要事項品名：單位：執行者：日期：2019/8/2028散佈圖的研判D.非顯著性負相關散佈圖可以呈現如下幾種原因與結果之間的關係。A.正相關B.弱正相關C.負相關E.無相關F.曲線相關0.85r10.7r0.85-1r-0.85-0.85r-0.7-0.4r0.42019/8/2029使用散佈圖時應注意事項•注意是否有異常點的存在：亦即該點和其他點相距很遠。•是否有假相關：雖然數據顯示具相關性，但是亦有其他文獻或經驗認為此二者不具相關性，此時需在深入探討。•是否有必要加以層別：亦即由數據看是具有相關，但將數據分群後卻發現不相關，反之亦然。因此一個相關與否的散佈圖需要放入單純（必要）的數據。2019/8/2030何謂相關分析•相關分析（CorrealationAnalysis）:藉由計算自變數Ｘ和應變數Ｙ之相關性，以了解Ｘ及Ｙ是否具有關係及是何種關係。rSSSSxxyySxxSyyxyxyxxyyxyiixxiyyi**22相關係數之公式2019/8/2031相關分析0246810121416182001020304050XYSxySxxSyy20.08.460.1121.029.922.09.539.381.019.124.011.814.549.04.326.010.417.325.012.028.013.31.79.00.330.014.8-0.91.00.932.013.2-0.71.00.434.014.72.59.00.736.016.412.725.06.438.016.518.449.06.940.018.945.381.025.342.018.551.0121.021.5Total261.2572127.7267r=0.966352019/8/2032相關分析的判讀•相關係數r會介於-1~1之間。•以0.707~1稱為正相關，亦即此二者會有同時變大或變小的關係（包含線性及非線性）。•以-0.707~-1稱為負相關，亦即此二者會有呈現相反的變大或變小的關係（包含線性及非線性）。•介於-0.4~0.4稱為不相關，亦即此二者不具備相關性。2019/8/2033次數直方圖•次數直方圖一般又稱直方圖，它通常用於：–其平均值是否在中央–判斷數據是否為鐘形曲線–製程能力能否符合規定•直方圖適合用於做製程後的分析，不適合作為監控正在生產的產品。051015202019/8/2034次數直方圖•繪製次數直方圖–Step1收集量測數據：假設為了調查SiO2之薄膜製程，因此每天收集一片量測五點膜厚。2/12/22/32/42/52/62/72/82/92/100.510.430.490.580.540.480.460.420.420.440.490.480.480.510.550.430.420.590.410.550.500.470.470.440.600.500.450.550.570.580.490.470.560.470.590.520.450.550.450.480.460.500.460.430.560.440.540.470.450.552019/8/2035次數直方圖–Step2找各組中最大及最小值：找出每組之最大、最小之數據，並標註符號2/12/22/32/42/52/62/72/82/92/100.510.430.490.580.540.480.460.420.420.440.490.480.480.510.550.430.420.590.410.550.500.470.470.440.600.500.450.550.570.580.490.470.560.470.590.520.450.550.450.480.460.500.460.430.560.440.540.470.450.552019/8/2036次數直方圖–Step3找全部中最大及最小值：找出所有數據之最大、最小，並標註符號2/12/22/32/42/52/62/72/82/92/100.510.430.490.580.540.480.460.420.420.440.490.480.480.510.550.430.420.590.410.550.500.470.470.440.600.5