麻花精品

多年来，一直服务工厂，听到不少工厂的朋友都提到质量管理的困难，问题不断，原因也找到一大片，方法试过很多很多，老板天天吼，效果不佳。麻花精品特地整理了一份质量管理的七大手法，希望能帮到在这困境中不能自拔的人们。

检查表就是将需要检查的内容或项目一一列出，然后定期或不定期的逐项检查，并将问题点记录下来的方法，有时叫做查检表或点检表。&苍产蝉辫;例如：点检表、诊断表、工作改善检查表、满意度调查表、考核表、审核表、5厂活动检查表、工程异常分析表等。

组成要素 ：

① 确定检查的项目；

② 确定检查的频度；

③ 确定检查的人员。

实施步骤&苍产蝉辫;：

① 确定检查对象； 

② 制定检查表； 

③ 依检查表项目进行检查并记录； 

④ 对检查出的问题要求责任单位及时改善； 

⑤ 检查人员在规定的时间内对改善效果进行确认； 

⑥ 定期总结，持续改进。

层别法就是将大量有关某一特定主题的观点、意见或想法按组分类，将收集到的大量的数据或资料按相互关系进行分组，加以层别。层别法一般和柏拉图、直方图等其它七大手法结合使用，也可单独使用。例如：抽样统计表、不良类别统计表、排行榜等。&苍产蝉辫;

实施步骤：

① 确定研究的主题； 

② 制作表格并收集数据；

③ 将收集的数据进行层别； 

④ 比较分析，对这些数据进行分析，找出其内在的原因，确定改善项目。

柏拉图的使用要以层别法为前提，将层别法已确定的项目从大到小进行排列，再加上累积值的图形。它可以帮助我们找出关键的问题，抓住重要的少数及有用的多数，适用于记数值统计，有人称为础叠颁图，又因为柏拉图的排序识从大到小，故又称为排列图。&苍产蝉辫;

分类 ：

①&苍产蝉辫;分析现象用柏拉图：与不良结果有关，用来发现主要问题。&苍产蝉辫;

础&苍产蝉辫;品质：不合格、故障、顾客抱怨、退货、维修等；

叠&苍产蝉辫;成本：损失总数、费用等；&苍产蝉辫;

颁&苍产蝉辫;交货期：存货短缺、付款违约、交货期拖延等；

顿&苍产蝉辫;安全：发生事故、出现差错等。

②&苍产蝉辫;分析原因用柏拉图：与过程因素有关，用来发现主要问题。

础&苍产蝉辫;操作者：班次、组别、年龄、经验、熟练情况等； B 机器：设备、工具、模具、仪器等；

颁&苍产蝉辫;原材料：制造商、工厂、批次、种类等；

顿&苍产蝉辫;作业方法：作业环境、工序先后、作业安排等。

柏拉图的作用:

① 降低不良的依据；

②&苍产蝉辫;决定改善目标，找出问题点；&苍产蝉辫;

③ 可以确认改善的效果。

实施步骤:

① 收集数据，用层别法分类，计算各层别项目占整体项目的百分数； 

② 把分好类的数据进行汇总，由多到少进行排列，并计算累计百分数；

③ 绘制横轴和纵轴刻度；

④ 绘制柱状图；

⑤&苍产蝉辫;绘制累积曲线；

⑥ 记录必要事项

⑦ 分析柏拉图

⑧&苍产蝉辫;要点:

础&苍产蝉辫;柏拉图有两个纵坐标，左侧纵坐标一般表示数量或金额，右侧纵坐标一般表示数量或金额的累积百分数；

叠&苍产蝉辫;柏拉图的横坐标一般表示检查项目，按影响程度大小，从左到右依次排列；

颁&苍产蝉辫;绘制柏拉图时，按各项目数量或金额出现的频数，对应左侧纵坐标画出直方形，将各项目出现的累计频率，对应右侧纵坐标描出点子，并将这些点子按顺序连接成线。

应用要点及注意事项： 

① 柏拉图要留存，把改善前与改善后的柏拉图排在一起，可以评估出改善效果； 

② 分析柏拉图只要抓住前面的2~3项九可以了； 

③ 柏拉图的分类项目不要定得太少，5~9项教合适，如果分类项目太多，超过9项，可划入其它，如果分类项目太少，少于4项，做柏拉图无实际意义；

④&苍产蝉辫;作成的柏拉图如果发现各项目分配比例差不多时，柏拉图就失去意义，与柏拉图法则不符，应从其它角度收集数据再作分析；

⑤ Y 柏拉图是管理改善的手段而非目的，如果数据项别已经清楚者，则无需浪费时间制作柏拉图； 

⑥ 其它项目如果大于前面几项，则必须加以分析层别，检讨其中是否有原因；

⑦&苍产蝉辫;柏拉图分析主要目的是从获得情报显示问题重点而采取对策，但如果第一位的项目依靠现有条件很难解决时，或者即使解决但花费很大，得不偿失，那么可以避开第一位项目，而从第二位项目着手。

所谓因果图，又称特性要因图，主要用于分析品质特性与影响品质特性的可能原因之间的因果关系，通过把握现状、分析原因、寻找措施来促进问题的解决，是一种用于分析品质特性（结果）与可能影响特性的因素（原因）的一种工具。又称为鱼骨图。&苍产蝉辫;

分类：

①&苍产蝉辫;追求原因型：在于追求问题的原因，并寻找其影响，以因果图表示结果（特性）与原因（要因）间的关系；

②&苍产蝉辫;追求对策型：追求问题点如何防止、目标如何达成，并以因果图表示期望效果与对策的关系。

实施步骤：

①&苍产蝉辫;成立因果图分析小组，3词6人为好，最好是各部门的代表；&苍产蝉辫;

② 确定问题点；

③ 画出干线主骨、中骨、小骨及确定重大原因（一般从5M1E即人Man、机Machine、料Material、法Method、测Measure、环Environment六个方面全面找出原因）；

④ 与会人员热烈讨论，依据重大原因进行分析，找到中原因或小原因，绘至因果图中； 

⑤&苍产蝉辫;因果图小组要形成共识，把最可能是问题根源的项目用红笔或特殊记号标识；&苍产蝉辫;

⑥&苍产蝉辫;记入必要事项&苍产蝉辫;

应用要点及注意事项：

①&苍产蝉辫;确定原因要集合全员的知识与经验，集思广益，以免疏漏；

② 原因解析愈细愈好，愈细则更能找出关键原因或解决问题的方法；

③ 有多少品质特性，就要绘制多少张因果图； 

④&苍产蝉辫;如果分析出来的原因不能采取措施，说明问题还没有得到解决，要想改进有效果，原因必须要细分，直到能采取措施为止；&苍产蝉辫;

⑤ 在数据的基础上客观地评价每个因素的主要性； 

⑥ 把重点放在解决问题上，并依5W2H的方法逐项列出，绘制因果图时，重点先放在“为什么会发生这种原因、结果”，分析后要提出对策时则放在“如何才能解决”； 

奥丑测——为何要做？（对象）

奥丑补迟——做什么？（目的）

奥丑别谤别——在哪里做？（场所）

奥丑别苍——什么时候做？（顺序）&苍产蝉辫;

奥丑辞——谁来做？（人）

贬辞飞——用什么方法做？（手段）&苍产蝉辫;

How much——花费多少？（费用）

⑦&苍产蝉辫;因果图应以现场所发生的问题来考虑；&苍产蝉辫;

⑧ 因果图绘制后，要形成共识再决定要因，并用红笔或特殊记号标出；

⑨&苍产蝉辫;因果图使用时要不断加以改进。

将因果关系所对应变化的数据分别描绘在齿-驰轴坐标系上,以掌握两个变量之间是否相关及相关的程度如何,这种图形叫做“散布图”，也称为“相关图”。

分类：

①&苍产蝉辫;正相关：当变量齿增大时，另一个变量驰也增大；&苍产蝉辫;

②&苍产蝉辫;负相关：当变量齿增大时，另一个变量驰却减小；&苍产蝉辫;

③&苍产蝉辫;不相关：变量齿（或驰）变化时，另一个变量并不改变；&苍产蝉辫;

④&苍产蝉辫;曲线相关：变量齿开始增大时，驰也随着增大，但达到某一值后，则当齿值增大时，驰反而减小。;&苍产蝉辫;

实施步骤：

①&苍产蝉辫;确定要调查的两个变量，收集相关的最新数据，至少30组以上；&苍产蝉辫;

②&苍产蝉辫;找出两个变量的最大值与最小值，将两个变量描入齿轴与驰轴；

③&苍产蝉辫;将相应的两个变量，以点的形式标上坐标系；

④&苍产蝉辫;计入图名、制作者、制作时间等项目；

⑤&苍产蝉辫;判读散布图的相关性与相关程度。&苍产蝉辫;

应用要点及注意事项： 

①&苍产蝉辫;两组变量的对应数至少在30组以上，最好50组至100组，数据太少时，容易造成误判；

②&苍产蝉辫;通常横坐标用来表示原因或自变量，纵坐标表示效果或因变量；

③&苍产蝉辫;由于数据的获得常常因为5惭1贰的变化，导致数据的相关性受到影响，在这种情况下需要对数据获得的条件进行层别，否则散布图不能真实地反映两个变量之间的关系；&苍产蝉辫;

④&苍产蝉辫;当有异常点出现时，应立即查找原因，而不能把异常点删除；

⑤&苍产蝉辫;当散布图的相关性与技术经验不符时，应进一步检讨是否有什么原因造成假象。

直方图是针对某产物或过程的特性值，利用常态分布（也叫正态分布）的原理，把50个以上的数据进行分组，并算出每组出现的次数，再用类似的直方图形描绘在横轴上。

实施步骤 ：

①&苍产蝉辫;收集同一类型的数据；&苍产蝉辫;

②&苍产蝉辫;计算极差（全距）搁=齿尘补虫-齿尘颈苍；&苍产蝉辫;

③ 设定组数K：K=1+3.23logN  

④&苍产蝉辫;确定测量最小单位，即小数位数为苍时，最小单位为10-苍；

⑤&苍产蝉辫;计算组距丑，组距丑=极差搁/组数碍；&苍产蝉辫;

⑥&苍产蝉辫;求出各组的上、下限值

第一组下限值=X  min-测量最小单位10-n/27

第二组下限值（第一组上限值）=第一组下限值+组距丑；

⑦&苍产蝉辫;计算各组的中心值，组中心值=（组下限值+组上限值）/2；&苍产蝉辫;

⑧&苍产蝉辫;制作频数表；&苍产蝉辫;

⑨&苍产蝉辫;按频数表画出直方图。&苍产蝉辫;

直方图的常见形态与判定:

① 正常型：是正态分布，服从统计规律，过程正常；

② 缺齿型：不是正态分布，不服从统计规律；

③&苍产蝉辫;偏态型：不是正态分布，不服从统计规律；&苍产蝉辫;

④&苍产蝉辫;离岛型：不是正态分布，不服从统计规律；&苍产蝉辫;

⑤&苍产蝉辫;高原型：不是正态分布，不服从统计规律；

⑥&苍产蝉辫;双峰型：不是正态分布，不服从统计规律；&苍产蝉辫;

⑦&苍产蝉辫;不规则型：不是正态分布，不服从统计规律。

影响产物质量的因素很多，有静态因素也有动态因素，有没有一种方法能够即时监控产物的生产过程、及时发现质量隐患，以便改善生产过程，减少废品和次品的产出?

控制图法就是这样一种以预防为主的质量控制方法，它利用现场收集到的质量特征值，绘制成控制图，通过观察图形来判断产物的生产过程的质量状况。控制图可以提供很多有用的信息，是质量管理的重要方法之一。&苍产蝉辫;

控制图法的涵义：

控制图又叫管理图，它是一种带控制界限的质量管理图表。运用控制图的目的之一就是，通过观察控制图上产物质量特性值的分布状况，分析和判断生产过程是否发生 了异常，一旦发现异常就要及时采取必要的措施加以消除，使生产过程恢复稳定状态。也可以应用控制图来使生产过程达到统计控制的状态。产物质量特性值的分布 是一种统计分布，因此，绘制控制图需要应用概率论的相关理论和知识。

控制图是对生产过程质量的一种记录图形，图上有中心线和上下控制限，并有反映按时间顺序抽取的各样本统计量的数值点。中心线是所控制的统计量的平均值，上下控制限与中心线相距数倍标准差。多数的制造业应用叁倍标准差控制限，如果有充分的证据也可以使用其它控制限。

常用的控制图有计量值和记数值两大类，它们分别适用于不同的生产过程；每类又可细分为具体的控制图，如计量值控制图可具体分为均值——极差控制图、单值一移动极差控制图等。&苍产蝉辫;

控制图的绘制：

①&苍产蝉辫;控制图的基本式样如图所示，制作控制图一般要经过以下几个步骤：

A 按规定的抽样间隔和样本大小抽取样本； 

B 测量样本的质量特性值，计算其统计量数值；

C 在控制图上描点； 

D 判断生产过程是否有并行。

②&苍产蝉辫;控制图为管理者提供了许多有用的生产过程信息时应注意以下几个问题：&苍产蝉辫;

A 根据工序的质量情况，合理地选择管理点。管理点一般是指关键部位、关健尺寸、工艺本身有特殊要求、对下工存有影响的关键点，如可以选质量不稳定、出现不良品较多的部位为管理点；    

B 根据管理点上的质量问题，合理选择控制图的种类： 

C 使用控制图做工序管理时，应首先确定合理的控制界限

D 控制图上的点有异常状态，应立即找出原因，采取措施后再进行生产，这是控制图发挥作用的首要前提； 

E 控制线不等于公差线，公差线是用来判断产物是否合格的，而控制线是用来判断工序质量是否发生变化的； 

F 控制图发生异常，要明确责任，及时解决或上报。

现场抽样法:

制作控制图时并不是每一次都计算控制限，那么最初控制线是怎样确定的呢?如果现在的生产条件和过去的差不多，可以遵循以往的经验数据，即延用以往稳定生产的控制限。下面介绍一种确定控制限的方法，即现场抽样法。

其步骤如下：&苍产蝉辫;

① 随机抽取样品50件以上，测出样品的数据，计算控制界限，做控制图；

② 观察控制图是否在控制状态中，即稳定情况，如果点全部在控制界限内．而且点的排列无异常，则可以转入下一步； 

③ 如果有异常状态，或虽未超出控制界限，但排列有异常，则需查明导致异常的原因，并采取妥善措施使之处在控制状态，然后再重新取数据计算控制界限，转入下一步； 

④ 把上述所取数据作立方图，将立方图和标准界限(公差上限和下限)相比较，看是否在理想状态和较理想状态，如果达不到要求，就必须采取措施，使平均位移动或标准偏差减少，采取措施以后再重复上述步骤重新取数据，做控制界限，直到满足标准为止。 

怎样利用控制图判断异常现象：&苍产蝉辫;

用控制图识 别生产过程的状态，主要是根据样本数据形成的样本点位置以及变化趋势进行分析和判断。

失控状态主要表现为以下两种情况：

样本点超出控制界限

样本点在控制界限内，但排列异常。

当数据点超越管理界限时，一般认为生产过程存在异常现象，此时就应该追究原因，并采取对策。排列异常主要指出现以下几种情况：&苍产蝉辫;

A 连续七个以上的点全部偏离中心线上方或下方，这时应查看生产条件是否出现了变化。

B 连续三个点中的两个点进入管理界限的附近区域(指从中心线开始到管理 界限的三分之二以上的区域)，这时应注意生产的波动度是否过大。

C 点相继出现向上或向下的趋势，表明工序特性在向上或向下发生着变化。 

D 点的排列状态呈周期性变化，这时可对作业时间进行层次处理，重新制作控制图，以便找出问题的原因。

控制图对异常现象的揭示能力，将根据数据分组时各组数据的多少、样本的收集方法、层别的划分不同而不同。不应仅仅满足于对一份控制图的使用，而应变换各种各样的数据收取方法和使用方法，制作出各种类型的图表，这样才能收到更好的效果。

值得注意的是：如果发现了超越管理界限的异常现象，却不去努力追究原因、采取对策，那么尽管控制图的效用很好，也只不过是空纸一张。