More Related Content
Similar to QM-041-品管七大手法訓練
Similar to QM-041-品管七大手法訓練 (20)
QM-041-品管七大手法訓練
- 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
- 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
- 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
- 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。
- 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。
- 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