*
Ⅰ. 顾客和品质
1. 什么是顾客 ?
2. 顾客满足 ?
3. 顾客与我们之间关系
4. 顾客满足实践4阶段
5. 品质 ?
6. 品质革新4阶段
7. 品质和失败费用
Ⅲ. Data的整理方法
1. 品质管理和 Data
2. 抽样对象/SAMPLE/DATA ?
3. 什么是 随机SAMPLE?
4. 对于抽样对象想了解的情报
5. 收集DATA的目的
6. DATA的分类
Ⅴ. 管理图
Ⅳ. Data的加工方法
1. QC 7种道具
1-1.特性要因图
1-2histogram
Ⅱ. 品质管理和统计性品质管理
1. 品质管理
2. 统计性品质管理
3. 统计性工程管理 ?
目录
1. 什么是管理图 ?
2. 管理图的种类
3. X-R 管理图
4. P 管理图
5. 管理图的解释方法
Ⅵ. Cpk Tool 活用
1. Cpk算出对象
2. Cpk 算出时注意对象
3. 根据Cpk值 管理严格图调整
4. 工程品质保证资格条件 (例)
1-3. Pareto 图面
1-4. CHECK Sheet
1-5. graph (Graph)
1-6. 散点图
1-7. 总别3
*
Ⅰ. 顾客和品质
1. 顾客 ?
在公司 内外使用我的事情结果的人.
内部顾客
外部顾客(消费者)
*
Ⅰ. 顾客和品质
2. 顾客满足 ?
- 对于我做的事情结果顾客给予肯定的反映
- 顾客的期待充足
- 没有缺口的产品, 适当时提供服务
什么是缺口 (品质不良)？
满足不了顾客要求的所有事情
*
3. 顾客和我们的关系
Ⅰ. 顾客和品质
*
4. 顾客满足实践4阶段
(3). 期待以上对应.
(2). 确认顾客的要求.
(1). 确认顾客.
(4). 测量满足度.
Ⅰ. 顾客和品质
*
5. 什么是品质 ?
与顾客的期待一致.
※ 判 断的基准是顾客.
Ⅰ. 顾客和品质
(1). 打破现象.
*
6. 品质革新4阶段
(3). 追求完美.
(2). 去掉缺口.
(4). 做好收尾工作.
LG
LG
LG
LG
LG
我们行
Ⅰ. 顾客和品质
*
7. 品质和失败费用
3 233 6,210 66,807 308,537 500,000 PPM
40亿美元
＄ B
＄ B
失败费用
(% Sales)
- Company
SIGMA(σ)
6
5
4
3
2
1
30
25
20
15
10
5
0
Ⅰ. 顾客和品质
*
1. 品质管理
Ⅱ. 品质管理和统计性的品质管理
■ . 为了维持确保顾客要求的所有品质 树立企业的品质目标
■ . 为合理性经济性的达成目标执行的所有活动的体系.
2. 统计性品质管理(SQC : Statistical Quality Control)
■ .为了维持确保顾客要求的所有品质 树立企业的品质目标
■ .为合理性经济性的达成目标执行的所有统计性手法与应用的活动体系
[ 统计性品质管理的范围 ]
ㅇ QC 7种道具
ㅇ 管理图法, Sampling 检查法
ㅇ 工程能力指数
ㅇ 检证和推断
ㅇ 相关回馈分析
ㅇ 分散分析和实验计划法
ㅇ 信赖性分析 ...
*
3. 什么是统计性工程管理 ?
为了让PROCESS维持安定状态活用
统计性手法除掉缺口
※ 不断地改善PROCESS
Ⅱ. 品质管理和统计性的品质管理
*
Ⅲ. Data的整理方法
1. 品质管理和 Data
抽样对象
试料
Data
抽取情报
决定想法
Sampling
测定
加工处理(QC 7种道具)
措施
平均,标准偏差,Cp, Cpk等
正确抽取试料才能确认到抽样对象地性质
● 抽样对象(Population) : - 得到Data的对象 ( 想了解的抽样对象)
- 有限抽样对象 : (例) 产品的 Lot
- 无限抽样对象 : (例) 工程的产品
● 试料(Sample) : 从抽样对象里抽取的，是代表抽样对象
检讨分析
品质问题地解决 Cycle
*
2. 抽样对象/SAMPLE/DATA ?
采取什么措施 ?
1)抽样对象
2)SAMPLE
3)DATA
成为调查研究对象的全部集团
从抽样对象里得到某种目的
抽取的
通过SAMPLE证明得到的事实
年龄
20岁
30岁
40岁
50岁
60岁
40名
30名
10名
15名
5名
决定想法人员
拥有电风扇的
100名的顾客集团
购买电风扇时 决定想法
人员的年龄别数
Ⅲ. Data的整理方法
*
3. 什么是randoml SAMPLING ?
为了让在抽样对象里的 每个资料得到确率
偶然的进行抽取.
Ⅲ. Data的整理方法
*
4. 对于抽样对象想知道的情报
抽样对象的模样
☞ 中心位置
☞ 散布
那个人是女人还是男人?
Ⅲ. Data的整理方法
*
5. 收集DATA 的目的
☞ 确认现象
☞ 解释问题点
☞ 作业管理
☞ 确认良否
Ⅲ. Data的整理方法
*
6. DATA的分类
计量值
系数值
以连续量测定的 特性值的价
以个数可以数的特性值价
Ⅲ. Data的整理方法
*
16
Check Sheet
( Pareto Diagram )
特性要因图
( Causes and Effects Diagram )
( Graph )
层别( Stratification)
散点图( Scatter Plot )
( Historgram )（直方图）
7 种手法
3
Ⅳ. Data的加工技法
*
制作可以一眼看出结果的图片,
对于关心的品质特性，带来影响的主要要因是以 4M 为基准， 为采取最末端的措施
溢目窅然的整理
特性要因图是整理问题点或改善时有关人员的相异意见可以在一张图片里显示出
1-1. 特性要因图 (Causes-and-effects diagram)
人员(Man)
Machine(道具)
Material(材料)
Method(方法)
为
什
么
发
生
不
良
Ⅳ. Data的加工技法
*
1.制定问题点
为什么 Cpk不好?
2. 右侧写问题
从左到右用粗线 画箭头
为什么 Cpk不好?
3. 在长条里写 该当要因
为什么 Cpk不好?
※ 4 M, 作业,工程, 环境等
按照情况 选定
人(Man)
设备工具 (Machine)
资材材料(Material)
方法(Method)
1-1. 特性要因图 (Causes-and-effects diagram)
Ⅳ. Data的加工技法
*
4. 中间条, 短条上
写要因.
5. 确认是否有
遗漏的地方.
6. 影响较大的要因上画
箭头
7. 输入必要事项.
为什么 Cpk不好
人(Man)
设备工具 (Machine)
资材材料(Material)
方法(Method)
※他部署
品质意识不足
不能
传达业务
组织大
Top的
关心不足
QC人员
(实际2名)
延迟
检查时间
※QC 部门
Man-power
不足
Data分析慢
模具问题
※History
管理不足.
※休整时
单方面移动指示
小
模具休整
移送模具
不知道内容
※PC1台
Dot PRT1台
Cpk算出误差
※检查条件
不足
Data分析慢
3测元
远距离
检矫正
不足
不能正常供应
※原材料
供应问题
射出原材料
绝对不足
Resin 物性值
散布大
Manual
Type
测定方法
没有测定机
测定部位不一样
※测定误差
办公室
保管
射出条件表
作业者未保有
※ 射出条件 Lot别管理不足
※工程管理不足
P管理图
X-R
管理图
统计性管理不足
检查员教育
不足
1-1. 特性要因图 (Causes-and-effects diagram)
Ⅳ. Data的加工技法
*
为了确认长度，重量，强度等的计量值DATA分布情况
用图片制作度数分布图后按照 柱子形状制作.
1-2. (Histogram)
一般情况下工程安定的话就成为 钟的模样며, 如果不是的话按照现象确认是否有异常
一般情况下散布大的话就是指不好的工程，所以为提高工程能力要规定原因采取措施的活动.
Data
编号
阶级的 境界值
中心值
度数
1
2
3
4
5
6
7
8
9
~
~
~
~
~
~
~
~
~
2
4
10
17
26
19
13
6
3
100
度数分布表
N=100
度
数
계급
(Histogram)
Ⅳ. Data的加工技法
*
收集
最少 50个异常收集100个以上
2.最大值 (L)
最小值 (S)
求个DATA的最大值和 (L)
最小值 (S).
最大值 (L) = , 最小值 (S) =
3.阶级数
n=100 所以 K定为10.
Data数
50~100
100~250
250이
级数K
6 ~ 10
7 ~ 12
10 ~ 20
1-2. (Histogram)
Ⅳ. Data的加工技法
*
4.阶级的幅
(h)
h = -
10
阶级的幅 = 最大值( L)- 最小值(S)
临时阶级数
※ 测定最小单位的正数倍
=
※ 测定最小单位 的 正数倍 h =
5.境界值
出发点=最小值 – 阶级的/2
第一阶级=出发点~出发点+阶级幅
第二阶级=第一阶级的上限
~ 第一阶级上限+阶级幅
.
.
.
.
.
求包含最大值的阶级
出发点= - =
第一阶级 = ~
第二阶级 = ~
第三阶级 = ~
第四阶级 = ~
第五阶级 = ~
第流阶级 = ~
第七阶级 = ~
第八阶级 = ~
第九阶级 = ~
第十阶级 = ~
6.阶级的
中心值
中心值 = 个阶级 两阶级值的合计
2
第一阶级的中心值= +
2
.....
=
1-2. (Histogram)
Ⅳ. Data的加工技法
*
7.度数表
8. Histogram
N=100
도
수
阶级
阶级编号
阶级的境界值
中心值치
度数
1
2
3
4
5
6
7
8
9
~
~
~
~
~
~
~
~
~
2
4
10
17
26
19
13
6
3
100
1-2. (Histogram)
Ⅳ. Data的加工技法
*
度数是中心附近最多，与中心
附近越远度数就渐渐变少一般
显示的模样
左右对称时
跳过一个区间度数就变小
成为缺牙的 梳子形状.
区间的幅是否按照测定单位的
正数倍或测定者读分度的方法
是否有习惯这些有必要检讨.
末端被切断型
平均值在分布的中心偏向左侧
(左右非对称).
以理论或规格值 下限被克制
某种值以下不采取
掉牙型
按左右偏向时
把规格以下全数选别来去掉时显示
CHECK是否有测定的 蒙蔽数,
检查MISS,测定误差。根据全数选
别如果变为这种模样要不然提高
工程能力或需要再检讨规格
Histogram的判读
高原型
平均值多数与其他几种混在一起时
显示的模样
制作层别的 Histogram做比较
双峰型
平均值不一样的两个分布混入时
显示. 例)两个机器之间, 两个原料之间
有差异时.
根据层别再制作Histogram后看
的话 2个分布差异很明显.
有掉下的峰的形状
互相不一样的分布例DATA 稍微混入时
显示的模样
调查工程是否有异常，测定是否有
误差里面是否混入其他工程数据等
情况
1-2. (Histogram)
Ⅳ. Data的加工技法
*
在这图片例对于不良, 缺点, 故障等 “在哪个项目有问题”, “那影响是什么程度”这些内容可以知道.
一般情况下对于问题占有率较高的项目抽取最大要因进行改善
1-3. (Pareto Diagram)
把不良，缺点，故障等发生数量按分类项目别区分按照大小排列的图片
No.
不良项目
DATA数
累计数
累计比率
作业不良
Main B/D
Manual A'y
O/P panel
Scanner
其他
35
35
49
62
65
67
72
Total
14
13
3
2
5
72
1
2
3
4
5
6
35
14
13
72
作业不良
Main
B/D
Manual
A'y
O/P
Panel
Scan-
ner
其他
物良数
%
%
%
%
%
100%
Ⅳ. Data的加工技法
*
解 决一下.
2. 某金属板的表面经度规定在 ± Kg/cm2
. 对于这金属板 100枚测定经度后
取得下面 DATA时 画一下, (Histogram.
1. 利用下面排列的不良 A’Y 及 DATA
制作 PARETO图.
不良 A’Y
不良数
MANUAL A’Y
SCANNER
FRONT COVER
MAIN B/D
CONTROL PANEL
PRINTER A’Y
其他
70
51
36
24
20
13
15
TOTAL
229
DATA
1-3. (Pareto Diagram)
Ⅳ. Data的加工技法
*
为了画Pareto 收集DATA的过程中最多使用.
1-4. (Check sheet)
为了易懂系数值DATA 按分类项目别在哪边主要集中的情况所以显示的图表
No.
不良项目
合计
作业不良
Main B/D
Manual A'y
O/P panel
Scanner
其他
35
14
13
3
2
5
Total
72
1
2
3
4
5
6
2月2
2月3
2月4
2月5
2月 6
2月9
2月10
2月11
2月12
月13
2月14
Graph그的制作目的明确后简略的表现.
特别是在折线Graph里 输入管理上，下限 来进行的管理的就叫做管理图.
1-5. (Graph)
Ⅳ. Data的加工技法
*
1-6. (Scatter Plot)
一个变数变大时另别变数变大或变小时拥有 阳 或阴的相关关系.
还有求两个变数之间的函数关系时必须先画Scatter Plot 后进行确认.
这个对两个变数间的关系 (回馈方程式)决定数学性函数模型时 (直线 曲线)给于帮助,
决定实验的水准数/范围时也可以参考.
把互相对应的两个伴的 Data在 Graph用纸上以点显示的图片
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
阳的相关关系
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
ㅇ
阴的相关关系
Ⅳ. Data的加工技法
*
把构成DATA的许多数据按照某种特性分为几个部分，给散布的原因追究上有帮助
1-7. 层别 (Stratification)
层别 : 作业人员别 - 班别 ,熟练度别 ,男女别 ,年龄别 交接别
机器 ,装置别 – 机器别 ,形式别 ,新旧别,JIG/工具别
作业方法别 - 温度 ,压力等 作业条件别
原料 材料别 – 供应者别 ,成分别, Lot别,Maker 别
测定检查别 – 实验机别,检测机别 ,测定者别 ,检查员别
全体的品质分布
A班的品质分布
B班的品质分布
全体的批品质分布
大的扩散理由是?
-层别的小的 区域
平均值差异 ?
-层别的小的区域别
散布别差异？
班别
Ⅳ. Data的加工技法
*
1. 什么是管理图 ?
Ⅴ. 管理图
为把工程维持到管理状态 (安定状态)改善时所使用的道具
品质
水准
USL : Upper Specification Limit
CL : Center Limit
LSL : Lower Specification Limit
- 过去的状况为尺度
- 现在的状况是正常还是不正常客观的进行判断
解释用管理图
管理用管理图
SAMPLE编号
SAMPLE编号
UCL
CL
LCL
品质
水准
Action
*
2. 管理图的种类
管理图的制作
概 要
如
果
是
计
量
值
如
果
是
系
数
值
X - R 管理图
X 管理图
P 管理图
Pn 管理图
C 管理图
U 管理图
X 管理图 : 平均值的变化, R 管理图 : 散布的变化
管理项目 : 尺寸重量, 收率, 纯度, 强度
每个测定值的管理图
间隙相当长或不能分为群的时候使用
管理项目 : 化学分析值
以不良率来管理工程时
SAMPLE的大小不一致也可以
以不良数量管理工程时使用
SAMPLE的大小一向一致时使用 (数量 :n)
在一定单位里显示的决定数来管理工程时
管理项目 : 一定面积中的缺口数, radio 一台中钎焊
不良数
面积或长度等用不一致的决定数来管理工程时
管理项目 : 织物的斑纹数, enamel 铜线的针孔数
Ⅴ. 管理图
*
3.
χ
- R 管理图
k
X =
X1
X2
X3
X4
X5
χ
Σ
i=1
n
χi
R
备注
1
2
3
4
5
6
7
8
9
10
TOTAL
DATA 收集
2) 群区分
n=3, k=10
3) DATA 计算
<DATA SHEET>
4) ⓐ ⓑ ⓒ 是 个列的综合.
ⓐ=,ⓑ=,ⓒ=
χ = ⓑ / k =
R = ⓒ / k =
ⓐ
ⓑ
ⓒ
5）
6）
Ⅴ. 管理图
*
χ
6) 管理界限的计算
CL =
UCL =
LCL =
χ =
χ
R = + * =
+ A2
R = - * =
- A2
CL =
UCL =
LCL =
R = * =
D4
R = 0
D3
管理图
管理图
R =
R
χ
n
3
4
5
A2
D3
D4
-
-
-
7) 管理线的记录
中心线:直线
界限线:波线
8) 点的记录
- 值得出后，把点用线连接起来
- R值得出后 把点用线连接起来.
χ
Ⅴ. 管理图
*
4.
P 管理图
群
编号
1
200
7
2
100
2
3
150
0
4
170
6
5
170
3
6
200
5
7
100
4
8
100
3
9
200
10
10
200
6
11
170
7
12
150
4
13
160
5
14
100
0
15
100
2
16
100
5
17
200
11
18
220
10
19
250
15
20
250
21
180
7
22
200
4
23
200
10
24
200
7
25
200
12
ⓐ 4270
ⓑ 154
ⓒ
9
n
Pn
P
群的大小
不良数量
不良率(%)
1) DATA 收集
2) 不良率(P) 计算
P =
不良数量
检查数量
Pn
n
=
3) 平均不良率(P计算
ⓐ 总检查数量 (∑ n)
ⓑ 总不良数量(∑ Pn)
ⓒ 总不良率 ( P )
ⓑ (∑ Pn)
ⓐ (∑ n)
=
4) 管理线记录
中心线 CL =
管理上限线
UCL =
管理下限线
LCL =
※ LCL的 (-)话按0设想.
P =
P
P
P (1- P)
n
+ 3
P (1- P)
n
- 3
5）画管理图.
- 记录点
-群的大小(n)不一样的话
每个UCL, LCL群不一样.
UCL
LCL
Ⅴ. 管理图
*
5. 管理图的解释方法
χ
UCL
LCL
UCL
R
① 管理脱离 :
☞ 如果点超过管理界限
(线上的点看作为脱离.)
☞ 措施 :看的话有很难越过去的
异常原因
所以要调查原因，采取措施使
重新不再发生
①
①
② 大小 7以上的RUN:
☞ 有以中心线的一边连续 7个以上的
点的时候.
☞ 措施 : 工程的[平均或散布稍微有变化
如果找原因技术上会有
有益的情报.
②
②
⑤
⑤ 安定状态(管理状态) :
☞ 如果观察管理图上记录点从连续 25点
以上与① ~ ④为止没有的状态.
☞ 措施 : 如果工程安定，满足产品规格
没有必要采取措施.
④
④
④
④ 倾向和周期性频率 :
☞ 点往上或只有往下时，可以看得到周期性变动时
☞ 措施 : 工程上会有跟那个一样的倾向或周期性变动
的原因
如果找出原因工程管理上得到有益的情报
③
③ 临近界限的点 :
☞ 点在管理界限里2σ和 3σ之间连续
3个点中 有2点时.
☞ 措施 : 工程的散布增加有异常
有必要进行 ACTION.
Ⅴ. 管理图
*
管理图例题4.
2. 每日生产的机器部品开始 随机100个抽取后
检查的结果如下. 这里面什么样的管理图
比较适合? 求那管理界限，如果有异常的日
请指点.
1. 计算下面标示的DATA 填满空格，画
- R 管理图.
日
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
不良数量
3
2
1
2
3
5
4
10
3
4
12
1
3
6
5
4
n
X =
X1
X2
X3
X4
X5
χ
Σ
i=1
5
χi
R
备注
1
2
3
4
5
6
7
8
9
10
772
756
756
744
802
783
747
788
757
713
804
787
773
780
726
807
766
750
747
730
779
733
722
754
748
791
753
784
741
710
TOTAL
719
742
760
774
758
762
758
769
746
705
777
734
745
774
744
757
767
762
747
727
χ
-
-
-
-
-
Ⅴ. 管理图
*
1. Cpk 算出对象
Cpk 算出是在设计室通过 Latitude Study对于选定的 Critical Specification 及 Critical
Parameter 部品(半产品/制品)适用为原则, 必要时也可以适用在其他部品上，
Cpk 算出要求条件是参考下面项目来选择.
1. 测定值要用数据来显示.
2 .检测机/Jig/Checker 自体标准偏差要小, 偏差认定时以 Go / No Go
来判定.
3 为了测定.实行破坏检查的话以 Tool Verification 尺寸为管理, 在部品认证试验
阶段里进行管理.
4 . 可能的测定单位与规定的Spec. 进行比较时 认为标准偏差较大时
以Go / No Go来判定. (内经等)
2. Cpk 算出时注意事项
1. CS 项目的 Cpk 算出时以个 Cavity别来算出.
2. CS 项目以外部分模具休整时 ，CS项目有可能变形时 再算出Cpk를
3. 即使不是开发阶段 ，模具新作, 新规开发时也要再算出 Cpk.
Ⅵ. Cpk Tool 活用
*
3. 根据Cpk 值 管理严格度调整
第一, 1. Cpk ≥ 及 Xbar-R管理图上已安定的部品一般转换为收入检查来管理
2. Cpk≥ 及 Xbar-R 管理图上已安定，, Xbar-R 管理图连续 625个安定时
转换为无检查
→ 试料(n)=5, 群数(k)=125 个基准
→ 但, 参考总组不良, 部品的重要度 后决定
第二, ＞Cpk≥ 的部品是 继续展开 Cpk 管理及向上活动
来满足Cpk≥.
第三, Cpk＜ 的 部品是进行全数检查或选定 Guard-Band后进行,
通过模具休整금/新作, 设计改善, 工程改善来满足 Cpk≥
第一, Cpk≥ 的话 转换为 周期性的 Cpk管理(周1回)来进行管理.
→ 但, 继续需要管理的 Critical Parameter是 每Lot Cpk进行管理.
第二, ＞Cpk≥ 的话 转换为根据重要度 每Lot 或周期性的 Cpk管理
(2回/周等)来进行管理.
第三, Cpk＜ 的话每 Lot Cpk算出后进行管理
1) Critical Spec. 部品
2) Critical Parameter
Ⅵ. Cpk Tool 活用
*
4. 工程品质保证自体条件(例)
1) 个别部品
- CS Item: 工程品质保证条件是满足Cpk≥ (95% 信赖度) 时
- CP Item: 工程品质保证条件是满足Cpk≥ (95% 信赖度时
2) Event별 要求条件(CS Item 基准)
- Pilot : Cpk≥ 的 Item 60 % 以上时可以进行.
- Pre-Pro : Cpk≥ 的Item 80 % 以上时可以进行
- Mass-Pro : Cpk≥ 的 Item 90 % 以上时可以进行
3) Xbar-R 管理的安定状态
1), 2) 项上技术的 Cpk≥ Meet 的意义是在Xbar-R 管理 图上
也是安定的，用这些为前提的内容.
Ⅵ. Cpk Tool 活用
*
*
*
*
*
*
*
*
*
*
*
4
*
*
*
*
*
*
4
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
22
*
23
*
*
*
*
*
*
