QC七大手法-直方图

‹#›讲师：徐肇锋E-mail：[e-mail]七大手法——直方图‹#›QC七大手法QC七大手法，也叫品管七工具，是目前全世界应用比较广泛的品质管理工具，它具有简单实用的特性。日本著名的品质管制专家石川馨曾说过，企业内95%的品质管制问题，可通过企业上上下下全体人员活用品管七工具而得到解决。‹#›QC七大手法品质管理的主要工作简单地说，就是通过对各来料、生产过程、出货等环节进行检验和分析，找出各种出现或潜在出现的问题及原因，甚至寻求解决办法，使产品品质问题尽量在内部解决，达到在合理成本的基础上使客户满意。‹#›旧QC七大手法检查表层别法柏拉图鱼骨图直方图控制图散布图新QC七大手法关联图系统图亲和图矩阵图PDPC法箭条图矩阵数据解析简易QC手法折线图柱状图饼分图雷达图甘特图流程图头脑风暴‹#›QC七大手法的作用1、查检表：用来在现场收集数据，尽量让现场作业简单而有效，它是其它六大手法的起点。2、层别法：统计方法中最基础的工具，用来对收集的数据进行分类或分层，以利于统计分析，通常与柏拉图、因果图结合使用，层别法的重点是了解如何进行分层。‹#›3、柏拉图：用来对多种问题或原因进行分析，找出最大问题或原因，以实现花较少成本做更多事情。4、鱼骨图：用来对一个现象或结果进行原因深入细致的分析，通常用来找原因及因素，最好同层别法结合起来使用。‹#›5、直方图：用直方图可以将杂乱无章的资料，解析出规则性，比较直观地看出产品质量特性的分布状态，对於资料中心值或分布状况一目了然，便於判断其总体质量分布情况。6、散布图：用来对收集的两个或两个以上可能相关的问题或特性的数据，找出之间可能的相关性。‹#›7、管制图：用来了解品质在过程中的变化状态和预测品质下一步可能性的状况，有助于提前发现问题，是实现第一次就把事情做好的基本步骤之一。‹#›直方图直方图是将所收集的数据分为几个相等的区间作为横轴，并将各区间内的测定值所出现次数累积而成的面积，用柱子排列起来的图形。直方图可显示数据的三种特性：集中的趋势、数据的范围、分布的形状。六、直方图‹#›直方图的制作范例一工厂的成品重量规格为130-190千克，今按随机抽样方式抽测200个样本(一般需收集50-200个数据)，作直方图，步骤如下：一.制作次数分配表：1.从数据中找出最大值L=170与最小值S=1242.计算全距R=L-S=463.决定组数KK=1+3.32LgN(N代表收集的数据总数）本例数N=200，可将其分为K=12组数据N50-100100-250250以上组数K6-107-1210-20‹#›一.制作次数分配表（续）：4、计算组距H：(通常取2.5.10的倍数)组距H=全距÷組數=46/12=3.8.3取45、计算组界：第一组下组界=最小值－测定值最小位數／２=123.5第一组上组界=第一组下组界+组距=123.5+4=127.5第二组下组界=第一组上组界=127.5第二组上组界=第二组下组界+组距=127.5+4=131.5第三组下组界=？第三组上组界=？依此类推，计算到最大一组的组界。6、作次数分配表，如下表：‹#›组号组界中心值标记次数1.123.5-127.5125.5142.127.5-131.5129.573.131.5-135.5133.5114.135.5-139.5137.5135.139.5-143.5141.5346.143.5-147.5145.5377.147.5-151.5149.5328.151.5-155.5153.5239.155.5-159.5157.51310．159.5-163.5161.51011．163.5-167.5165.5412．167.5-171.5169.52合计200‹#›二.绘制直方图1、依次数分配表，延横轴以各组界为分界，组距为底边，以各组次数为高度，每组距上划一矩形，即完成直方图。2、在图上记入数据总数等参数，并划出规格的上、下限。‹#›123.5127.5131.5135.5139.5………………………………………..167.5171.535302520151050‹#›直方图-正常型说明：中间高两边低，有集中趋势。结论：制程在正常运转下。‹#›直方图-缺齿形说明：高低不一，有缺齿情形。结论：可能是分组过细或数据不真实。‹#›说明:高低不一,有缺齿情形。不正常的分配，系因测定值或换算方法有偏差，次数分配不妥当所形成。结论:稽查员对测定值有偏好现象，如对5，10之数字偏好；或是假造数据。测量仪器不精密或组数的宽度不是倍数时，也有此情况。直方图-缺齿型（凹凸不平型）‹#›说明:有一端被切断。结论:原因为数据经过全检过，或制程本身有经过全检过，会出现的形状。若剔除某规格以上时，则切边在靠近右边形成。直方图-切边型（断裂型）‹#›说明:在右端或左端形成小岛。结论:测定有错误，工程调节错误或使用不同原料所引起。一定有异常原因存在，只要去除，即可合乎制程要求，制出合规格的制品。直方图-离岛型‹#›说明:形状似高原状。结论:不同平均值的分配混在一起，应层别之后再做直方图比较。直方图-高原型‹#›说明:有两个高峰出现。结论:有两种分配相混合，例如两部机器或两家不同供应商有差异时。直方图-双峰型‹#›说明:高处偏向一边，另一边低，拖长尾巴。偏右型:例如微量成分的含有率等，不能取到某值以下的值时，所出现的形状.偏左型:例如成分含有高纯度的含有率等,不能取到某值以上的值时出现的形状。直方图-偏态型‹#›３、直方图的应用3.1测知制程能力，作为改善制程的依据。3.2计算产品不良率。品质改善活动中，常需计算改善活动前、中、后之不良率。‹#›直方图应用举例例如：某产品之重量直方图如图示，其规格为35+/-3g。由图与规格界限比较，在规格下限以下的有35件，超出规格上限的有64件,合计有99件,占总数307件之32.25%，即不良率为32.25%。SLSU50403020102930313233343536373839404142812152030405038302810620‹#›理想型制程能力在规格界限内，且平均值与规格中心一致，平均数加减4倍标准差为规格界限。制程稍有变大或变小都不会超过规格值，是一种最理想的直方图。表示制品良好，能力足够。下限规格上限制品规格‹#›一侧无余裕制品偏一边，而另一边还有余裕很多，若制程再变大(或变小)很可能会有不良发生，必需设法使制品中心值与规格中心值吻合才好。下限规格上限制品规范‹#›两侧无余裕制品的最大值与最小值均在规格内，但都在规格上下限两端，其中心值与规格中心值吻合没有不良品发生，但如果制程稍有变动，就会有不良品产生之危险，要设法提高制品的精度才好。下限规格上限制品规范‹#›余裕太多实际制程在规格界限内，但双尾距规格界限太远。亦即产品品质均匀，变异小。如果此种情形是因增加成本而得到，对公司而言并非好现象，故可考虑缩小规格界限或放松品质变异，以降低成本、减少浪费。下限规格上限制品规范‹#›平均值偏左（或偏右）如果平均值偏向规格下限并伸展至规格下限左边，或偏向规格上限并伸展至规格上限的右边；但制品呈常态分配，此即表示平均位置的偏差，应针对固定的设备、机器、原料等方向去追查。SLSUSLSU‹#›分散度过大实际制品的最大值与最小值均超过规格值，有不良品发生(斜线部份），表示标准太大，制程能力不足，应针对变动的人员、方法等方向去追查，设法使产品的变异缩小；或是规格订得太严，应放宽规格。下限规格上限制品规范‹#›完全在规格外表示制品之生产完全没有依照规格去考虑；或规格订得不合理，根本无法达到规格。规格制品范围‹#›案例：某银行为了对所属某营业网点顾客排队等候时间进行统计，收集了某年2/4周一从10点到15点间40位客户的等候时间，绘制直方图如右所示分析：标准型：中心值两侧左右对策。锯齿型：分组过多或测量方法有问题。双峰型：两种不同平均值的数据混在一起时出现平顶型：多种平均值不同的数据混在一起时出现陡峭型：工序能力不足而全检产品时出现偏态型：上下限受公差限制时因心理作用而产生孤岛型：工序异常或测量错误时产生。定义：直方图是对定量数据分布情况的一种图形表示。100806040200121086420C1频率C1的直方图作用：分层分析、数据真实性分析‹#›