质量改进七工具(ppt).ppt

《质量改进七工具(ppt).ppt》由会员分享，可在线阅读，更多相关《质量改进七工具(ppt).ppt（41页珍藏版）》请在装配图网上搜索。

1、硬商品买卖在阿里巴巴 软商品交易在阿里巧巧 质量改进 七工具 ) 质量改进 七工具 检查 表 (Data collection form) 分层 法 (Stratification) 散布 图 (Scatter) 排列 图 (Pareto) 直方 图 (Histogram) 因果 图 (Cause-Effect diagram) 控制 图 (Control Chart) ) 一 、 检查 表 (Worksheet) 检查 表又 称调查 表、 核对 表，它是用 来进行数据 的收集和整理， 并在此 基础 上 进行 原因的初略分析。 常用的 调查 表有 : (1)不合格品 项目调查 表 (2)缺陷

2、位置调查 表等 ) 检查 表 (Worksheet) 举例 在磨床上加工某零件外圆，由甲乙两工人操作各磨 100个零 件，其产举例生废品 45件，试分析废品产生的原因。 甲 乙 合计 100 100 200 表面粗糙度度不合格 2 1 3 圆柱度超出规范 1 2 3 锥 度 不 合 格 3 18 21 碰伤 17 1 18 小 计 23 22 45 ) 检查 表 (Worksheet) 若只对工人，不对不合格原因进行分层：两工人的废品率相 差无几，找不出重点。若只对不合格原因，不对工人进行分 层：则会得到主要因素为锥度不合格、碰伤两原因。对工人 及不合格原因分层后：甲工人主要因素为碰伤；乙工人

3、主要 因素为锥度不合格 ) 二 、 分层 法 (Stratification) 分层 法又叫 分类 法或分 组 法 ,就是按照一定的 标志 ,把搜集到的 数 据 加以 分类整理 的一种方法 . 分层 的目的在于把 杂乱无章 的 数据 加以整理 ,使之能 确切 地反映 数据 所代表的 客观事实 . 分层 的 原则 是使同一 层次内 的 数据波动 幅度 尽 可能小 ,而 层与层 之间 的差別 尽 可能大 . 通常有以下几种分 层 方法 : (1)按 人员分层 (2)按班次 分层 (3)按设备分层 (4)按不同 供应 商物料分 层 (5)其它 ) 分 层 法 (Stratification) 举 例

4、 : 气缸体毛坯完成金切后发现的不合格项 按其不 同 供应 商 进行 分 层 供应商 缺陷数 缺陷率 哈尔滨 6 6% 成都 2 2% 四平铸造厂 12 12% 昆山 9 9% ) 三、散布 图 (Scatter) 定义 :散布 图 也叫 相关图 , 它是用 来 研究 判断两个变量之间相关关系 的 图 。 两个变量之间常见 的 两种关系 :(1)函数关系 (2)非确定性的 关系 散布 图 由一 个纵坐标 ，一 个横坐标 ，很多散布的 点 子組成。 散布 图 的作 图步骤 ： (1)搜集 数据 (2)打 点 几种典型相 关 ： (1)强 正 相关 (2)弱正相 关 (3)強 负 相 关 (4)弱

5、 负 相 关 (5)不相 关 (6)非 线 性相 关 ) 散布 图 (Scatter) 举 例： 酿 酒中酸度与酒度的散布 图 (负相关 ) X X X X X X X 酒度 酸度 ) 散布 图 (Scatter) 例二： 热处理 中淬火 温度 与硬度 之间 的 散 布图 (正相 关 ) X X X X X X X 硬度 溫度 ) 四、排列 图 (Pareto) 排列图又称巴雷特图或主次因素分析图 1 (Pareto) 于 20世纪初创立的。他发现运用排列图， 可以找出 “ 关键的 少 数和次要的多数 ” 的关系。后来，美国质量管理专家朱兰 (JMJuran) 把该原理应用于质量管理工作中。在

6、质量分析 时 发现，尽管影响产品质量最关键的因素往往只是少数几项， 而由它们造成的不合格产品却占总数的绝大部分。就是根 据这个 “ 关键少数，次要多数 ” 的原理，使排列图在质量 管理中，成为查找影响产品质量关键因素的重要工具。 ) 排列 图 (Pareto) 2 用途：影响因素的主次位置，可从 排列图上一目了然。从而 明确改进方向和改进措施。采取措施后的效果，还可用排列 图进行对比确认。排列图不仅可用于质量管理，还广泛地应 用于其它领域。 ) 排列 图 (Pareto) 一、确定所要调查的问题以及如何收集数据 选题，确定调查问题的类型，如不合格项目、损失金额、事 故等。 确定时间 确定哪些数

7、据是必要的，数据如何分类，如按不合格类型、 时间、位置等。 确定收集数据的方法，以及在什么时候收集 例：了解发动机的可靠性： 1、根据历次耐久试验的数据； 2、 根据二次赔偿的信息。 ) 排列 图 (Pareto) 二、设计记录表，将统计结果填入表中， 计算比率及累计比率，不分类的 “ 其它 ” 类不论其大小都要放在表末。 不合格类型 不合格数 比率（） 累计不合格 累计比率（） 气孔 夹砂 浇不足 裂纹 硬度低 其它 ) 排列 图 (Pareto) 三、作图： 画一横坐标轴两纵坐标轴，左边纵坐标 轴上标件数（频数）的刻度，最大刻度为总件数； 右纵坐标轴标上比率（频率）的刻度，最大刻度 为 1

8、00，左右轴刻度高度相等。在横轴上将频 数从大到小依次画出各项目的直方条，直方条的 高度表示频数的大小，各直方条应等宽不留空隙 并占满整个横轴。 在图上标出名称，数据，作图人，采集数据日期等 信息 ) 排列 图 (Pareto) 排列图的分类 一、分析现象用排列图 与不良结果有关，用来发现主要问题： 质量：不合格、故障、顾客抱怨、退货、维修等 成本：损失总数、费用等 交货期：存货短缺、付款违约、交货期拖延等 安全：发生事故、出现差错等 ) 排列 图 (Pareto) 二、分析原因用排列图 这类排列图与过程因素有关，用来发现主要问题 1、操作者：班次、组别、年龄、经验、熟练情况 以及个人本身因素

9、； 2、机器：机器、设备、工具等； 3、原材料：制造商、工厂、批次、种类； 4、作业方法：作业环境、工序先后、作业安排、 作业方法； ) 排列 图 (Pareto) 示例 例：降低发动机水泵漏水的用户赔偿次数（年共赔偿 264次） 确定关键的少数问题 故障形态 不良数目 百分比 累积百分比 水封损坏 200 0.76 0.76 轴承损坏 34 0.13 0.89 其他 30 0.11 1 发动机水泵漏水统计表 ) 排列 图 (Pareto) 水泵不合格项目排列图 200 34 30 0 . 7 6 0 . 8 9 1 0 50 100 150 200 250 水封损坏 轴承损坏 其他 不合格件

10、数 0 0 . 2 0 . 4 0 . 6 0 . 8 1 累计百分比 水封损坏位置排列图 190 6 4 0 . 9 5 0 . 9 8 1 0 20 40 60 80 100 120 140 160 180 200 波纹管 动环 其他 不合格件数 0 . 8 1 累计百分比 ) 排列 图 (Pareto) 结论： 波纹管（关键的少数原因） 进一步结论：裂纹的位置、大小基本一样 确定问题的原因 采用头脑风暴法集思广义，并绘制因果图 进行调查，确定最终问题的原因 ) 排列 图 (Pareto) 注意事项 分类方法不同，得到不同排列图。 通过不同的角度观察问题 把握问题实质，需要用不同的分类方法

11、进行分类 例：对二次赔偿单中的信息进行分析： 二次赔偿单中的信息：发动机型号、生产时间、使用 时间、行驶里程、服务站名称、故障形态、故障 零件、维修时间、维修费用、等。 分类： ) 排列 图 (Pareto) 注意事项 分类项目 指标 结论 故障形态 台数 发动机的主要故障 故障形态 维修费用 引起主要维修费用的故障 失效零件 台数 引起故障的主要零件 失效零件 发生的费用 出现故障时发生费用较大 的零件 服务站 相同故障的维修时间 或费用 不同维修水平的服务站 失效零件 在一定里程内出现故 障的次数 1/MTBF） 可靠性差的主要零件 ) 排列 图 (Pareto) 注意事项 因素分类 主要

12、因素（ A类因素） 0%-80% 次要因素（ B类因素） 80%-90% 一般因素（ C类因素） 90%-100% ) 排列 图 (Pareto) 其他项所占百分比不能太大 如果太大说明项目分类不当，把许多项目归在 了一起，这时应考虑采用另外的分类办法。 根据现象制作排列图，确定要解决的问题之后， 必然确定了主要原因所在。确定了 “ 关键的少 数 ” 验证措施效果如何使用排列图 ) 排列 图 (Pareto) 6 月 1 日至 7 月 31 日 88 32 28 13 9 10 0 20 40 60 80 100 尺寸不合格 砂眼 擦伤 断裂 弯曲 其他 0 0.2 0.4 0.6 0.8 1

13、 1.2 9 月 1 日至 10 月 31 日 25 23 20 17 16 15 0 20 40 擦伤 砂眼 尺寸不合格 断裂 弯曲 其他 0 0.2 0.4 0.6 0.8 1 1.2 总改进效果 改进效果 ) 排列 图 (Pareto) 举 例 ) 排列 图 (Pareto) 练习 :联系 工作 实际 或根据下列 数据画 排列 图 序 意见类型 频数 频率 % 累计频数 累计频率 % 1 故障停车 110 2 异响 40 3 漏雨 30 4 油漆不亮 3 合计 183 顾客对汽车质量投诉意见统计 如下表： 投诉统计 表 ) 五、直方 图 (Histogram) 定义 ：直方 图 是 通过

14、对数据 的加工整理， 从 而分析和掌 握 质量数据 的分布 状况 和估算工序不合格品率的一种方 法。 用途：常用于分析 质量 原因， 测量 工序能力， 估计 工序 不合格品率等。 作直方 图 的三大 步骤 ： (1)作 频数 分布表 (2)画 直方 图 (3)进行相关计算 常见 的几种典型 形状 ： (1)正常型 (2)孤岛 型 (3)偏向 型 (4)平顶 型 定量表示直方 图 的主要 统计 特征值： (1)平均值 -表示 数据 的分布中心位置， (2)标准偏差 -表示 数据 的分散程度。 ) 直方 图 (Histogram) 举 例 0 5 10 15 20 25 30 正常型 0 5 10

15、 15 20 25 30 平顶 型 0 5 10 15 20 25 30 偏向 型 ) 直方 图 (Histogram) ) 直方 图 (Histogram) 练习 :根据下面 ,或 联系 工作 实际画 直方 图 154 174 164 166 162 166 170 162 166 164 168 166 160 162 160 168 164 170 164 166 153 165 162 165 167 164 158 162 172 168 167 169 159 175 165 158 160 162 164 166 156 162 164 152 164 174 162 162 1

16、56 174 168 174 166 160 166 148 160 162 164 170 165 159 14 7 153 151 164 166 164 170 164 162 158 164 168 172 158 162 156 164 152 151 158 154 181 168 166 166 172 164 162 170 170 166 160 160 168 160 162 154 160 螺纹紧固件的拧紧力矩数据 ) 六、因果 图 (Cause-Effect diagram) 定义 ：因果 图 又叫石川 图 或 鱼骨图 ，是表示 质量 特性与原因 关系 的 图，是 19

17、53年由日本东京大学 教授石川馨第一次提出。 作图要点 ： (1)明确需要分析的 质量问题 或确定 需要 解决 的 质量 特性 (2)召集同 该质量问题 有 关 的人員 参加 “ 诸葛亮会 ” 集思广益 , 各抒己见 。 (3)向右 画 一 条带箭头 的主干 线将质量问题写 在 图 的右 边 ，一般按 5M1E分 类 ，然后 围绕 各大原因 逐 级 分析展 开 到能采取措施 为 止。 (4)记录 有 关 事项（如产品名称、工序、小组名称、参加人及 日期等 。 ） ) 因果 图 (Cause-Effect diagram) 常见 的 错误 及注意 事项 ： (1)确定的 质量问题 或 质量 特性

18、 笼统 不具体， 针对 性不 强 (2)原因分析 展开 不充分，只是依靠少 数 人 “ 闭门造车 ” (3)画 法不 规范 (4)一个质量特性画一张图，不要将多个质量 特性画在一张图上。 ) 因果 图 (Cause-Effect diagram) 举例 活 塞 销 孔 孔 径 尺 寸 为 什 么 会 超 差 未按中间尺寸对刀 方法 材料 机床 床温不够 环境 操作者 量值传递标准不一致 无温差修正标准 责任心差 室外气温影响 自然时效不好 停车时间长 预热时间短 刀头未压紧 未按工艺执行 未定时检测 早晚温差大 寒流 暖气不正常 室内温差大 两台量仪量 值不一致 未在标温下 鉴定环规 人工时效

19、不好 炉温低 毛坯变形 时间短 ) 因果 图 (Cause-Effect diagram) ) 因果 图 (Cause-Effect diagram) 练习 :联系实际 中的 问题 ,画 出因果 图 及 对策 表 方法 材料 机床 环境 操作者 ) 七、控制 图 (Control Chart) 定义 ：控制 图 又叫管制 图 ，它是用于分析和 判断 工序是否 处 于控 制 状态 所使用的 带 有控制界限 线 的 图 。 原理： 3 Sigma原理 计量 值： 长 度， 时间 ， 温度 等 计数 值：不良品件 数 ，合格品件 数 ，布匹的 疵点数 等 计量 值控制 图 : X Bar Chart (均值 -极差控制 图 ) 计数 值控制 数 : P-Chart(不合格品率控制 图 ) DPMO-Chart(每百万机会数中缺陷数控制 图 ) ) 控制 图 (Control Chart) ) 控制 图 (Control Chart) ) PDCA循环图 解决问题 的程序 七工具 在 PDCA循 环 圈中 的 应用 : I.排列 图 ,直方 图 ,控制 图 II.因果 图 III.排列 图 ,散布 图 VI.排列 图 ,直方 图 ,控制 图 I VII VI V IV III II 硬商品买卖在阿里巴巴 软商品交易在阿里巧巧 The End