1. 品管七大手法訓練 RG100 品質保證部 張蘭玉 2006 年 6 月 28 日

2. 大綱 一 .QC 七大手法的使用 二 . 新舊 QC 七大手法差異 三 .QC 七大手法的應用 四 .QC 七大手法的介紹 五 .QC 七大手法運用在 QCC 關連圖

4. 二 . 新舊 QC 七大手法差異 舊 QC 七大手法 查檢表、柏拉圖、 特性要因圖、散佈圖、 管制圖、直方圖、 層別法 新 QC 七大手法 親和圖法、 關連圖法 、 系統圖法、矩陣圖法、 矩陣解析法、 PDPC 、 箭形圖解法 著重在整理問題數值資料 取得後的管理手法 著重在整理問題數值資料 取得前的管理手法

5. 三 .QC 七大手法的應用 所有數據不可僅止於平均，須根據數據之履歷，考慮適當 分層找出重點問題發生處 。 層別法 6 繪出 兩數據間是否有關 ，及其相關程度如何，以探討潛在原因。 散佈圖 7 用於分析和 監控製程中的變異 。 管制圖 5 用於掌握觀察值資料分配的狀況，以 推測總體特性的方法 。 直方圖 4 並非對所有原因採取處置，而是先就其中影響最大的 2~3 項採取措施，亦為 重點管理 。 柏拉圖 3 整理原因與結果之關係，透過腦力激盪後，而 得分析原因與結果的方法 。 特性要因圖 2 有系統地收集和累積資料，以進行 粗略整理簡單分析用的表格 。 查檢表 1

8. 1. 特性要因圖 - 繪製方法 特性 材料 人 其他 機械 方法 60 。 2 3 1

10. 1. 特性要因圖 - 種類區分 特性要因圖可區分為「追求原因型」和「追求對策型」兩種。 Ａ . 追求原因型： 在於追求不良的所在，並進而尋找其影響的原因，以表示結果（特性）與原因（要因）間的關係 。

11. 1. 特性要因圖 - 種類區分 B. 對策追求型（圖反轉）： 找尋問題點應如何防止，目標之效果應如何達成的對策，而以特性要因圖表示期望效果（特性）與對策間的關係。

20. 3. 柏拉圖 - 繪製實例 不良率 % = X 100 各項不良數 總檢查數（ 150) 影響度 % = X 100 各項不良數 總不良數 (a) 各項目按出現數據之大小，順序排列，並求其累計次數。 (b) 求各項目的數據及累計數的影響度。 (c) 其他項排在最後，其他項若太大時，要檢討是否尚有其他重要要因需提出。 100 32.0 48 合計 100 10.4 32.0 3.3 5 其他 89.6 8.3 28.7 2.7 4 Ｄ 81.3 16.7 26.0 5.3 8 Ｃ 64.6 27.1 20.7 8.7 13 Ｂ 37.5 37.5 12.0 12.0 18 Ａ 累計影響度％ 影響度％ 累計不良率％ 不良率％ 不良次數 不良項目

21. 3. 柏拉圖 - 注意事項 1. 項目個數未依大小排序（一般以 5~7 個為宜，多出項目以其他代替 ) 2. 資料列有間隙 3. 累計百分率軸超過 100% 4. 其他不排序，應列在最後 5. 每個項目所引起的金額損失如果不 同時，應以損失金額來表示

29. 4. 直方圖 - 範例 2 計數值範例 : 29 塊毛料之缺點數

30. 計量值範例 : 車用電池壽命 步驟 1 : 定全距 測定值中最大數與最小數之差為全距 全距 = 4.7 - 1.6 = 3.1 步驟 2 : 利用司徒基公式定出組數 k( 組數 )=1+ 3.32 log n( 測定次數 ) k = 1 + 3.32 log 40 = 6.3( 約為 6 組或 7 組，此例取 6 組 ) 步驟 3 : 定組距 組距 = 全距 ÷ 組數 =3.1 ÷ 6=0.517 為便於計算本例組距定為 0.5 步驟 4 : 定出最小一組之下界與上界 最小數值為 1.6 ，減去可能誤差 0.05 ， 再減去 0.1 可得下界 下界 =1.6-0.05-0.1=1.45 上界 =1.45+0.5=1.95 步驟 5 : 定出各組界限值並做出次數分配表 4. 直方圖 - 範列 3

31. 計量值範例 : 車用電池壽命 步驟 6 : 繪製直方圖 4. 直方圖 - 範列 3 1.7 2.2 2.7 3.2 3.7 4.2 4.7

32. 4. 直方圖的判讀 常態型分配： 在上下界限中央有一高峰，且圖形以中心點對稱，顯示此數據來自一個自然、的常態製程。 雙峰型分配： 在數據分布範圍之中央有一低谷，而兩旁個有一高峰。此種圖形是混合兩個常態型分配，可能的情形是這些數據來自兩部不同之機器、兩個不同之操作員或兩條不同底生產線。測定值受不同的原因影響，應予層別後再作直方圖。

33. 4. 直方圖的判讀 高原型分配： 直方圖沒有顯著底高峰和尾端，此種直方圖的數據可能來自數個常態型分配。一種可能的原因是無標準作業程序，操作員自行其事，造成極大之變異。 缺齒型分配： 直方圖上，高低值交互出現。檢查員對測定值有偏好現象，如對 5,10 之數字偏好 ; 或是假造數據。亦可能是量測誤差或分組不當。 偏態型分配： 高峰出現在接近某端分布範圍邊，另一邊是長長的尾巴。若尾巴向右延伸稱為右偏，反之稱為左偏。尾巴拖長時，應檢討是否在技術上能夠接受。在工具磨損或鬆動時，亦有此種情形發生。

34. 4. 直方圖的判讀 絕壁型分配： 在直方圖上高峰發生在 ( 或靠近 ) 數據分布之邊緣。截斷型直方圖之發生是將某些數據自常態型分配數據中移去，例如 : 實施 100% 全檢，將不合格品數據剔除。 離島型分配： 在直方圖上出現兩個大小相差甚多之高峰。較低之高峰附近之數據可能來自於某一特別之機器、製造程序或作業員，亦可能量測誤差或抄寫數據時產生之錯誤。 邊緣突出型分配： 在平滑分配的邊緣出現一突出之高峰。此情形通常為資料記錄錯誤所造成。

35. 4. 直方圖 - 與規格值的判讀 Ｓ L Ｓ U 合適的製程能力 Ｓ L Ｓ U 製程能力較規格好很多 Ｓ L Ｓ U 中心偏左 / 右 : 應追查異常之機器 、 設備 、 原料等異常原因 Ｓ L Ｓ U 分散度過大 : 標準差過大，應追查變動原因如人員、方法、設備等

37. 5. 散佈圖 觀察下面的散佈圖，雖然沙子百分比與水泥硬度不是正相關，也非負相關，但此兩者的關係從 40% 前是正相關， 40% 後是負相關。 沙子百分比 硬度 沙子百分比 硬度 沙子百分比 硬度 5 10 30 80 60 40 10 30 40 85 70 30 20 60 50 70 80 15

38. 5. 散佈圖 - 製作步驟 步驟 1 : 收集 30 組以上相對數據，整理到 數據表上。（數據不能太少，否 則易生誤判） 步驟 2 : 找出數據 x ， y 之最大值及最小值 步驟 3 : 畫出緃軸與橫軸（若是判斷要因 與結果之關係，則橫軸代表要因 ，緃軸代表結果 ) ，並取 x,y 之最大 值與最小值為等長度畫刻度。 x 之最大值 -x 之最小值＝ 890-810=80 y 之最大值 -y 之最小值 =59-42=17 步驟 4 : 將各組數據點在座標上。（橫軸與 緃橫之數據交會處點上。

39. 5. 散佈圖 - 判別

40. 6. 層別法 不良品發生時，很可能只是其中一種原料或其中一台機械或其中某一操作人員有問題，因而只要能發現哪一種原料或哪一台機械或哪一位操作人員有問題，便可輕易找出問題所在，而杜絕不良品的發生。

41. 6. 層別法 - 實例 操作員 A 與 C 確實是在管制狀態，而 B 非管制狀態。 三者之 x 與 R 值差異很大， A 為適中， B 偏高很多， C 稍偏低。 雖然使用相同的機械設備，但 A 的製程能力尚可， B 很差，而 C 很好。

44. 7. 管制圖 管制圖是以實際產品品質特性與根據過去經驗所判別的製程能力的管制界限比較，而以時間順序用圖形表示者。

45. 7. 管制圖 - 品質變異的原因 機遇原因 chance causes 與 非機遇原因 assignable causes 之比較 用作創造 (create) 一個經常而穩定之製程 用作修改 (modify) 一個經常而穩定之製程 不能管制之變異 , 不穩定過多之變異 , 局部者 在管制下的變異 , 製程中固有的變異 , 系統之一部份 次數少 , 影響大 , 需徹底調查 次數多 , 影響小 , 不值得調查 不但可找出原因而且可去除 , 經濟觀點而言是正確的 要去除製程之機遇原因是件非常不經濟之處置 例如 : 原料群體不良 , 機械不良調整 , 新手之作業員 例如 : 原料微小之變異 , 機械微小之震動 任何一個非機遇原因都可能發生大變異 不管發生何種之機遇原因 , 其個別之變異極為微小 一個或少數幾個大原因所引起 大量之微小原因所引起 可避免之原因 , 人為原因 , 特殊原因 , 異常原因 , 局部原因 不可避免之原因 , 非人為原因 , 共同原因 , 偶然原因 , 一般原因 非 機 遇 原 因 機 遇 原 因

46. 五 .QC 七大手法運用在 QCC 關連圖 兩種資料間之相關性分析 資料分析 / 工作程序之瞭解與掌握 品質特性之監控 變異之掌握 重點之掌握 品質問題之因果關係與系統整理 資料之分類、蒐集 原因分析 檢查表 散佈圖 層別法 管制圖 直方圖 柏拉圖 要因分析圖 問題遺留 效果確認 對策實施 對策擬定 現況把握 選定主題 QCC 七大手法