解决问题的QC七大手法

解決問題的QC七大手法

單元目的

解決製程問題的方法不只限於管制圖，品質管理七大手法都是可能的方法，本系統將個別簡介這些手法，並提出實際使用例子，供學習者練習，希望對解決問題能有幫助。

單元大綱

在進行品質管制時，我們會利用到許多圖形方法來整理顯示資料及數據，這些用作品質改善的圖形工具，通常都不需要複雜的計算，比較常用到的圖形方法有七項，一般稱為品管七大手法（the magnificent seven）。品管七大手法包括：

1. 管制圖（control charts） 2. 檢核表（checksheets） 3. 直方圖（histograms） 4. 柏拉圖（Pareto diagrams）

5. 特性要因圖（cause and effect diagrams） 6. 散佈圖（scatter diagrams） 7. 流程圖（flowcharts）

品管七大手法通常會配合層別法一起使用。層別法是經由對可能之原因，如原料、機械或操作員等，分成若干個層，在透過收集數據的分類，找出不良之真正原因。影響品質特性的原因通常包括時間、原料、機器設配、作業方法與操作人員等，所以，我們可以依下列基準來作層別：

A. 依原料的供應來源或批次層別

B. 依作業人員的 部門、年齡、性別、熟練程度等層別 C. 依機械設備之種類、廠牌與佈置位置等層別 D. 依時間，如月、週、日夜、或上下午等層別 E. 依作業條件，如溫度、壓力、速度或天氣等層別 F. 依操作方法層別

1

G. 依不同生產線層別

1. 管制圖基本原理

統計理論認為母體參數可由隨機抽取的樣本來估計，SPC圖的統計基礎即在於此。但是，SPC圖並不能控制一個製程，它只是提供製程重要的資訊，這個資訊可以作為品質決策與修正製程的基礎。一般SPC圖提供三條製程資訊的管制線：上管制線(upper control limit, UCL)﹑中心線(center line, CL)﹑下管制線(lower control limit, LCL)。不同製程管制對象有不同的資料，所有的資料都可歸類到下列其中一種：

1. 分類資料－將產品品質分為「好或不好」、「合格或不合格」等

?

計數資料－記錄某產品的某個特性發生次數，例如錯誤次數﹑意外次數﹑銷售領先次數等

3. 連續資料－某個品質特徵的量測值，例如尺寸﹑成本﹑時間等

前兩種資料為計數值資料，第三種為計量值資料。收集資料時，如果可能應該盡量收集定量資料，因為定量管制圖所需的比較性計算較少，而且能提供較多的資訊。

基本計算

管制圖可用一通式來表示，假設y為量測品質特性之樣本統計量，y之平均數為μ

y，標準差為δy，則

UCL＝μy＋kδy 中心線＝μy LCL=μy－kδy

其中kδy為管制界限至中心線之距離。此管制圖之理論首先由美國之Waiter A. Shewhart博士提出，任何依據此原理發展出之管制圖都稱為Shewhart (蘇華特)管制圖。

應用範圍

管制圖之應用有許多方式，在大多數之應用上，管制圖是用來做製程之線上(on-line)監視。亦即收集製程樣本數據用來設立管制圖，若樣本值落在管制界限內且沒有任何系統性之變化，則稱製程在管制內。管制圖也可以用來決定過去之製程數據是否在管制內，及末來之製程是否將在管制內。管制圖也可用來做為估

2

計之工具，當製程是在管制內時，則可預測一些製程參數，例如平均數、標準差、不合格率等。此種製程能力分析對於管理者之決策分析有相當大之影響，例如自製或外購之決策，工廠及製程之改善以降低變異，及與供應商或顧客間之合約。

管制圖實施步驟

1. 選擇品質特性 2. 決定管制圖之種類 3. 決定樣本大小

在設計管制圖時，我們必頇決定樣本之大小(sample size)及抽樣之頻率。一般而言，大樣本可以很容易地偵測出製程內小量之變動。當選定樣本大小時，必頇先決定所要偵測之製程變動的大小。當製程變動量相當大時，則適合使用小樣本，反之，若製程變動小時則使用大樣本。除了決定樣本大小外，我們同時頇決定抽樣之頻率。最理想之狀況是次數頻繁地抽取大樣本。但從經濟觀點而言，此並非最佳之抽樣方法。較可行之方法是在長時間間隔下取大樣本或短時間間隔下取小樣本。在大量生產下或有多種可歸屬原因出現下，較適合樣本小而次數多之抽樣。由於檢測器和自動量測技術之發展，目前之趨勢傾向100%檢驗。 4. 抽樣頻率和抽樣方式

管制圖是利用合理樣本組之概念來收集樣本數據。合理樣本組之抽樣方式可讓可歸屬原因出現時，樣本組間發生差異之可能性最大，而樣本組內發生差異之可能性為最小。

當管制圖應用到生產時，生產時間次序為一合乎邏輯之合理樣本組取樣方法。一般合理樣本組之抽樣有兩種方式進行。在第一種方式下，組內樣本儘可能在時間差距很短之情況下收集，如右圖之(a)。這種抽樣方法將可使樣本組間之差異為最大而樣本組內之差異為最小。這種抽樣方式也是估計製程標準差之最好方法，一般稱之為瞬時法(instant time method)。

第二種方式下，樣本組內之數據為來自於上次抽樣後具代表性之產品。在此種抽樣方式下，每一樣本可視為在抽樣間隔內之隨機樣本，如右圖之(b)。此種抽樣方式稱為分散式抽樣(distributed sampling)或稱為定時法(period of time method)。這種抽樣方法通常是用在決定自上次抽樣後之產品是否可接受時。

3

5. 收集數據

6. 計算管制圖之參數，一般包含中心線和上下管制界限 7. 收集數據，利用管制圖監視製程

使用管制圖之原因

1. 管制圖是一改善生產力之有效工具

管制圖之有效運用可降低報廢和重工。報廢和重工之降低代表生產力增加、成本降低和產能之增加。

2. 管制圖是預防不合格品之有效工具

管制圖為一預防性之管理工具，強調第一次就做對，它比事後之檢驗更能提昇產品之品質。

3. 管制圖可預防不需要之製程調整

由管制圖可獲知調整製程參數之最佳時機，以避免因過度調整，使製程變異增加，造成製程成效惡化。 4. 管制圖可提供診斷之資訊

管制圖上之非隨機性變化模型(nonrandom patterns)可以提供診斷製程異常之情報。一個非隨機性模型通常是由一組異常原因所造成。由管制圖上非隨機性模型可了解製程何時為異常，並可縮小尋找問題原因之範圍，降低診斷時間。 5. 管制圖可提供有關製程能力之資訊

管制圖可提供製程參數、製程之穩定程度和製程能力等情報，這些資訊對於產品和製程之設計者非常有幫助。

管制圖使用時機

管制圖使用時機樹狀圖

4

各種管制圖使用時機頇仔細判斷以免誤用，致使做出錯誤的決策，下圖是各SPC圖使用時機的決策樹。當收集所得的資料屬於量測數值，通常會使用圖，

如果抽樣數每次皆不定，則會以組標準差取代組距，而成形並不多見，所以

和R管制

和R管制圖每組的抽樣數可從2到10，而實際使用常以3到6最為普遍。

和S管制圖，這種情

和S管制圖的應用較少。X管制圖只有在資料無法分類的情

。

或

管制圖，但是兩管制圖用於不良品數；

管制圖每

況下才會使用，因為在某些狀況下，無法一次取得數個抽樣值，例如每月的銷售量，可以將抽樣數訂為1，而用變動平均代替者有兩點不同，一是其次為

如果將抽樣的產品分為兩類(合格與不合格)，應該使用

管制圖是用於不良品百分比，

管制圖可用於抽樣數固定或非固定，管制圖的適用範圍較大，故實際應用上

與

管制圖只適用於抽樣數固定。因管制圖較少見。通常

次抽樣數從30到1000之間。 如果產品檢驗只分為好或不好，

管制圖相當有用，可是此兩種管制圖無

法滿足複雜的產品，例如車輛生產管制，因為車輛不可能一分為二：不是好的就是壞的，此時使用C或U管制圖較適當。對這些計數資料而言，如果每次抽樣不良品發生的機率相當固定，C管制圖(缺點個數)即可適用。但是如果每次抽樣不良品發生的機率不固定，則U管制圖(單位產品缺點數)較適當。

5

位置圖是將缺點或問題發生之位置標示於圖上，用以分析問題發生的根源。下圖是一個電路板應用位置圖來標示出缺點發生的位置，從這個例子可以看出，電路板的左右上角是缺點發生最多的位置，進一步仔細觀察作業員的操作過程，得知此兩個位置是作業員搬運電路板時所持的位置。可能是手上的灰塵造成。在改以專門的搬運工具後，缺點數顯著減少。

直方圖（histograms）

[ 意義與功能 | 實施步驟 | 實例 ]

意義與功能

直方圖是一種將數據以簡單方式呈現的工具。它用在顯示從製造程序中收集的資料，可以讓分析者很快速地了解某特定時間內製程的狀況。橫軸代表某個品質特性或變數之量測值的分類，縱軸表示每一類出現之次數。下圖

11

示一個典型的直方圖：

鐘型分配：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鐘型分配，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。

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鐘型分配。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。

梳狀分配：直方圖上，高低值交互出現。可能事良策誤差或分組不當。

偏斜型分配：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。

12

截斷型分配：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鐘型分配數據中移去，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。

實行步驟

1. 收集研究對象之資料，通常以最能代表製程之品質特徵值。 2. 將資料以適當之分組整理之。 3. 繪製直方圖。

4. 檢查直方圖是否合乎常態，若有異常情形發生，找出異常之原因。 5. 針對異常原因提出改善方案。 6. 執行改善方案後，再進行確認。

實例

某鋼鐵廠為維持每批鋼鐵之硬度，每批鋼鐵均抽樣檢查。下表是該廠三月份之測詴資料：

413 413 413 413 413 405 415 400 400 405 411.5 414.5 404 410 410 404.5 395.5 421 407 410.5 405 415 410.5 403.5 403.5 412.5 407.5 414.5 411.5 410 13

413 403 410 408.5 411.5

415 405 395 405 415 416 404 410 408 410 403.5 416 410 408.5 411.5 396.5 415 405 407.5 402.5 404 411.5 408.5 410 410 為繪製於直方圖上，將上列資料重新排序後成下表：

395 395.5 396.5 400 400 402.5 403 403.5 403.5 403.5 404 404 404 404.5 405 405 405 405 405 405 407 407.5 407.5 408 408.5 408.5 408.5 410 410 410 410 410 410 410 410 410 410.5 410.5 411.5 411.5 411.5 411.5 411.5 412.5 413 413 413 413 413 413 414.5 414.5 415 415 415 415 415 416 416 421 14

直方圖如下：

15

散布圖（Scatter Diagram）

[ 意義與功能 | 實施步驟 | 實例]

意義與功能

在研究兩個變數之間的關係時，散布圖是很好的選擇。散布圖於1750~1800間開始使用，因為它有XY軸，所以又稱為X-Y plot或corssplot。散布圖包括水平（X）和垂直（Y）兩軸，用以代表成對的兩變數。如果兩變數有原因與結果之關係，則原因（或稱自變數）置於X軸，結果（應變數）置於Y軸。 從散布圖可以觀察變數X與Y呈現何種關係：

1. 正相關（positive corelation）：Y值隨X值增加而增加。 2. 負相關（negative corelation）：Y值隨X值增加而減少。 3. 無相關：Y值與X值之間沒有關係可循。

21

實施步驟

1. 利用柏拉圖找出影響品質特性的因素，再決定可能相關之對應因素，作為

散布圖X軸與Y軸代表的變數。 2. 收集成對的XY資料。

3. 計算或觀察X與Y之關係係數。

4. 利用所得之資料，整理分析，以便了解管制情況或採取必要措施。

相關性測量(Xleasurement of Association)

r=

(XiYi)是第 i 組的觀測值，

是其平均值，r值介於1與-1之間

r=1 XY有完全正相關 r=-1 XY完全負相關 r=0 XY完全沒有任何相關性 0.8

實例

精誠建設公司為研究水泥硬度與沙子佔整體百分比是否有關係，做了以下的詴驗，資料如表：

沙子百分比 5 10 20 硬度 10 30 60 沙子百分比 30 40 50 硬度 80 85 70 沙子百分比 60 70 80 硬度 40 30 15

觀察下面的散布圖，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。

22

流程圖(Flow Chart)

[ 意義與功能 | 實施步驟 ]

意義與功能

流程圖是用來顯示一個系統之各項作業和順序之圖形法。下圖為流程圖中較常用到之符號和其意義。過程(process)指任何以人工、機器完成之作業和功能，例如印刷電路板之自動插件、檢驗等均屬過程。輸入/輸出指傳給系統之情報或者是系統所產生之結果。流程圖可以做為標準作業程序之輔助圖形工具。

實施步驟

23

1. 蒐集流程圖中各個作業資料，相關資料儘量詳細。 2. 依據資料定義每一流程步驟之屬性與上下關係。 3. 從流程開端繪出流程步驟。

24

本文来源：https://www.bwwdw.com/article/kac7.html