qc的全套资料及应用(9个文件)qc7-经营管理(编辑修改稿)

qc的全套资料及应用(9个文件)qc7-经营管理(编辑修改稿)内容摘要：

的次数累积而成的面积，用柱子排起来的图形。 因此也叫做柱形图。 通常在生产现场最常利用的图表即为直方图。 使用直方图的目的： 1.)了解分配形态。 2.)研究制程能力或测知制程能力。 3.)工程解析与管制。 4.)测知数据之真伪。 5.)计算产品之不良率。 6.)求分配之平均值与标准差。 7.)藉已订定规格界限。 8.)与规格或标准值比较。 9.)调查是否混入两个以上的不同群体。 10.)了解、设计、管制是否合乎制程管制。 直方图的制作： 1.)搜集数据并记录。 搜集数据时，对于抽样分布必须特别注意，不可取部分样品，应就全部均匀的加以随机抽样。 所搜集的数据数量应大于 50以上。 2.)找出数据中之最大值与最小值。 3.)求全距 (R) 4.)决定组数 史特吉斯公式 nK  5.)求组距 (h)：全距 /组数 ( KRh ) 6.)求各组上组界、下组界。 例：第一组下组界 =最小值 最小测定单位 /2。 最小值应再最小一组内，最大值应在最大组一内，若有数字小于最小一组内或大于最大一组内实应自动加一组。 7.)求组中点。 组中点 = 2 該組下阻界該組上組界  8.)作次数分配表。 (1)将所有数据，依其数值大小画记于各组之组界内，并计算其次数。 (2)将次数相加，并与测定值之各数相比较；表中之次数总合应与测定值之个数第 8 頁，共 17 頁 相同。 9.)制作直方图。 (1)将次数分配表图表化，以横轴表示数值之变化，以纵轴表示次数。 (2)横 轴与纵轴各取适当的单位长度。 再将各组之组界分别标在横轴上，各组界应为等距离。 (3)以各组内之次数为高，组距为底；在每一组上画成矩形，则完成直方图。 (4)在图之右上角记入相关数据履历（数据总数 n，平均值 x ，标准差σ … ），并画出规格之上、下限。 (5)记入必要事项：制品名、工程名、期间、制作日期、制作者。 常见的直方图型态 (1) 正常型 说明：中间高，两边低，有集中趋势。 结论：左右对秤分配 (常态分配 )，显示至程在正常运转下。 (2)缺齿型 (凹凸不平型 ) 说明：高低不一，有缺 齿情形。 不正常的分配，系因测定值或换算方法有偏差，次数分配不妥当所形成。 结论：稽查员对测定值有偏好现象，如对 5， 10 之数字偏好。 或是假造数据。 测量仪器不精密或组数的宽度不是倍数时，亦有此情况。 (3)切边型 (断裂型 ) 说明：有一端被切断。 结论：原因为数据经过全检，或制程本身有经过全检，而出现的形状。 若剔除某规格以上时，则切边在靠近右边型成。 (4)离岛型 说明：在右端或左端形成小岛。 结论：测定有错误，工程调节错误或使用不同原料所引起。 一定有异常原因存在，只要去除，即可合乎制程要求，至出和规格的制品。 (5)高原型 说明：形状似高原状。 结论：不同平均值的分配混在一起，应层别之后再做直方图比较。 (6)双峰型 说明：有两个高峰出现。 结论：有两种分配相混和，例如两部机器或两不同供货商，有差异时，会出现此种形状，因测定值受不同的原因影响，应与层别后再做直方图。 (7)偏态型 (偏态分配 ) 说明：高处偏向一边，另一边低，托长尾巴。 可分右偏型、左偏型。 右偏型：例如，微量成分的含有率等，不能取到某值以下的值时，所出现的形状。 左偏型：例如，成分含有高纯度的含有率等，不能取到某值以上的值时，就会出现的形状。 结论： 尾巴托长时，应检讨是否在技术上能够接受，工具磨损或松动，亦有此现象发生。 直方图之使用注意事项： (1)异常直应去除后再分组。 (2)对于从样本测定直推测群体型态，直方图是最简单有效的方法。 (3)应取得详细之数据资料 (例如：时间、原料、测定者、设备、环境条件等 )。 第 9 頁，共 17 頁 (4)进行制程管理及分析改善时，可利用层别方法，将更容易找出问题的症结点，对于品质的改善，有事半功倍的效果。 直方图的应用： 1. 测知制程能力，作为改善制程的依据。 2. 计算产品不良率。 3. 测知分配型态。 4. 藉以订定规格界限。 5. 与规格或标准值比较。 (1)合乎规格 a) 理想型 b) 一侧于 余裕 c) 两侧无余裕 d) 余裕太多 (2)不合乎规格 a) 平均值偏左 (或偏右 ) b) 分散度过大 c) 完全在规格外 6. 调查是否混入两个以上不同群体。 7. 研判设计时的管制界限可否用于制程管制。 制程能力 1. 制程精密度 Cp(Capability of Precision)之求法： a) 两侧规格 )(6 )()(66 標準差 下限規格上限規格  SSSSTCp LU b) 单侧规格 1)上限规格 )(3 )()(3 標準差 平均 值上限規格  SSCp XU 2)下限规格 )(3 )()(3 標準差 下限規格平均 值  SSCp LX No. Cp 制程能力判断 处置 1 Cp 太佳 制程能力太好，可酌情缩小规格，或考虑简化管理与降低成本。 2  Cp 合格 理想状态，继续维持。 3  Cp 警告 使制程保持于管制状态，否则产品随时有发生不良品的危险，需注意。 4  Cp 不足 产品有不良品产生，需做全数选别，制程有第 10 頁，共 17 頁 妥善管理及改善之必要。 5 Cp 非常不足 应采取紧急措施，改善品质并追究原因，必要时检讨规格。 (Cp值 )与不良率之关系 Cp值 规格公差（ T） 不良率（规格以外比率） 单边规格 双边规格 2σ（177。 σ） ％ ％ 4σ（177。 2σ） ％ ％ 6σ（177。 3σ） ％ ％ 8σ（177。 4σ） PPM 63 PPM （177。 ） PPM PPM （177。 ） PPM PPM 12σ（177。 6σ） PPB PPB 注： 0时 Cp=Cpk 2. PPM→ Parts per Million 3. PPB→ Parts per Billion 五、柏拉图 1. 前言 由生产现场所收集到的数据，必须有效的加以分析、运用才能成为有价值的数据。 而将此数据加以分类、整理，并做成图表，充分的掌握问题点极重要原因，则是时下不可或缺的管理工具。 而最为现场人员广泛使用于数据管理的图表为柏拉图。 2. 柏拉图的由来 意大利经济学家 (18481923)于 1897年分析社会经济结构时，赫然发 现国民所得的大部分均集中鱼少数人身上；于是将所得大小与拥有所得的关系加以整理，发现有一定的方程式可以表现，称为「柏拉法则」。 1907年美国经济学者 「柏拉图法则」，也就是经济学所构的劳伦兹（ L。