品质数据管理
品质数据统计管理规范[规范]
![品质数据统计管理规范[规范]](https://img.taocdn.com/s3/m/a1d4201b7c1cfad6185fa72f.png)
ＩＰＱＣ、文员
周报、月报
注塑IPQC巡检记录表、注塑首件确认报告、注塑检验登记表、注塑参数巡检记录表、异常处理单
领班、IPQC、主管记录领班、IPC、文员日报、周报、月报
喷涂首件确认报告、喷涂IPQC巡检记录表、喷涂检验登记表、喷涂车间尘埃测试记录表、喷涂产品每日膜厚控制表、品质异常处理单
财务/成本会计
核算装配IPQC、注塑IPQC、喷涂IPQC、IQC的人力成本
5.支持文件
序号
文件名称
无
6.相关文件
上层/上下游接口文件
文件编码
无
7.记录的保存
记录名称
移交责任人
保存责任人
保存场所
归档时间
保存期限
到期处理方式
注塑首件确认报告
文员
文控人员
品质部
移交时
5年
销毁
注塑素材试喷油记录表
文员
文控人员
品质部
移交时
5年
销毁
注塑检验登记记录表
文员
文控人员
品质部
移交时
5年
销毁
品质异常处理单
文员
文控人员
品质部
移交时
5年
销毁
注塑参数巡查记录表
文员
文控人员
品质部
移交时
5年
销毁
注塑部IQPC巡检报表
文员
文控人员
品质部
移交时
5年
销毁
喷涂IPQC巡检报表
文员
文控人员
品质部
移交时
5年
销毁
喷涂首件确认报告
文员
文控人员
IPQC
记录车间尘埃测试结果
手工书写
品质数据分析在质量管理中的应用和意义
品质数据分析在质量管理中的应用和意义2023年，随着技术的日益发展和市场的不断变化，产品的质量管理越来越成为企业重要的一环。
在这样的背景下，品质数据分析作为质量管理的必需品，其应用和意义也愈加重要。
品质数据分析是指通过对数据的收集、处理、分析、解释和应用，寻找并识别出产品生产及过程等环节中存在的问题，从而可以快速检测出问题，及时处理和解决，提高产品的质量和效率。
品质数据分析的应用首先在于帮助企业识别和解决生产环节中存在的问题。
在产品生产中，每一环节都可能会有不同的问题存在，如供应链、加工和成品本身等方面。
品质数据分析能够通过搜集每一环节的数据，分析其中的问题，及时反馈给生产环节，从而能够及时处理和解决问题，从而进一步提高生产效率和质量。
此外，在产品研发和市场推广方面，品质数据分析也具有重要的作用。
企业在进行产品研发时，需要判断市场需求和潜在问题，以便提前制定策略和措施。
品质数据分析可以通过对市场和用户反馈数据的搜集和分析，识别出产品中存在的问题，并在研发过程中进行改进和优化，从而大大提高了产品的市场竞争力和占有率。
品质数据分析在产品推广方面也非常重要。
企业在进行市场推广时，需要了解市场和用户对于产品的反馈和评价，以便调整推广策略和方法。
通过品质数据分析，可以更好地了解市场和用户的需求和反馈，从而针对性地制定营销策略和优化产品。
对于企业来说，品质数据分析不仅能够提升产品的质量和市场竞争力，更能够帮助企业预测市场动态和趋势，进而制定出切实有效的战略。
在质量管理中，品质数据分析的应用还有助于优化生产过程和提高生产效率，最终降低成本、提升产品附加值和利润。
总结来说，2023年的今天，品质数据分析在质量管理中已经成为企业必须掌握的必要技能。
品质数据分析的应用和意义不仅能够帮助企业解决生产中存在的问题，还能提高生产效率和产品质量，帮助企业提升市场竞争力和占有率，进而实现企业可持续发展的目标。
数据质量管理
数据质量管理随着业务的处理和决策过程中数据应用的需求和重要性日益增加，对数据质量的要求也越来越高。
因为数据的来源是各部门中进行的数据输入和数据变更，所以可导致数据质量下降的因素有很多。
此外，管理庞大的数据时，不同的数据操作或应用方法也会产生不同的结果值。
如何有效地保证业务的正常进行，同时确保数据的质量是非常重要的课题，为此需要付出很多努力。
确保数据质量的第一步是找出错误数据后进行修改，由此可暂时提高数据质量。
但是，随着时间的推移，还会再次出现错误的数据。
这是因为上述方案并没有消除数据质量低下的根本原因。
因此，数据质量管理的正确方法应为：识别管理和提高数据质量的相关流程并将其体系化，清除造成质量低下的根本原因。
对数据质量管理进行评价，可通过检查相关流程、明确其现状并确定是否需要改善来进行。
此外，以评价结果为基础，分别对流程进行改善，可以为更好的数据质量标准打好基础。
根据用户观点，数据质量有多种定义。
数据质量管理的第一步是明确定义数据质量标准。
数据质量管理评价模型中，一般组织通常关注的质量标准包括六种，可按各个标准分别对流程进行评价。
数据质量管理模型中提出的六种质量标准分别为准确性、一致性、可用性、可达性、及时性和安全性。
2.1 数据质量管理的必要性数据质量非常重要，数据的不确定性或质量低下会带来很多弊端。
例如，如果交易系统或个人信息和医疗信息等重要数据管理不善或管理不当，会引起相当大的社会危害。
数据质量管理会对企业的经营质量管理和信息系统质量管理产生直接的影响。
因此提高数据质量不仅可提高信息系统的质量，还可提高经营活动的质量。
但是确保数据质量并不是靠暂时的投资或关注就可以快速实现的，应对整个数据进行系统且长期的整备。
此外，即使质量有保障的系统也会因为一次疏忽管理导致质量瞬间恶化。
确保数据质量很难，保持数据质量也很难。
但是，如果不能确保数据质量，会造成企业信息化迟滞和组织竞争力低下，因此这是需要集中所有精力研究的课题。
品质管控的七大手法
品质管控的七大手法
1.检查表：检查表是利用统计表对数据进行整理和初步原因分析的
一种工具，其格式可多种多样，这种方法虽然较简单，但实用有效，主要作为记录或者点检所用。
2.数据分层法：数据分层法又称为层别法就是将性质相同的，在同
一条件下收集的数据归纳在一起，以便进行比较分析。
3.排列图：排列图又称为柏拉图，是用来显示质量改进项目的一种
图表，将影响产品质量的众多因素中最重要的因素、次要因素按其影响程度大小依次列出，将它们分为几个等级，再按其重要程度大小依次排列，绘制成曲线图，以找出主要因素、次要因素，便于对质量加以控制。
4.直方图：直方图又称为条形图、质量分布图，是用直条矩形面积
代表各组频数，各矩形面积总和代表频数的总和，它主要用于把收集到的大量数据离散而可视觉化的方式表示出来。
5.控制图：控制图又称管理图。
它是在直角坐标系上用纵轴表示质
量特性值，横轴表示加工过程的时间或产品序号，按测定时间等间隔抽取的产品质量特性值用点绘在图上，然后对图形进行分析，以判断过程是否处于稳定状态，并区分造成质量问题的原因。
6.散布图：散布图又称相关图，是用点的密度和变化趋势表示两变
量之间相关关系的图形。
7.因果图：因果图又称石川图、特性要因图、鱼刺图等。
它是表示
质量特性波动与其潜在原因关系的一种图表。
品质管理中的数据分析技术
品质管理中的数据分析技术在品质管理中，数据分析技术是一种不可或缺的工具。
通过收集、处理和分析数据，品质管理团队可以识别问题，确定改进机会，并监控性能。
然而，数据分析技术的选择和应用是一个复杂的过程，需要谨慎考虑和正确执行。
数据分析技术在品质管理中起到的关键作用之一是帮助识别和解决问题。
品质管理团队可以通过收集和分析大量的数据，确定产品、过程或项目存在的问题。
数据分析可以揭示在生产过程中发生的任何异常或不一致性，有助于快速采取纠正措施，并防止类似问题再次发生。
通过使用统计分析和质量控制工具，如直方图、控制图和因果分析，品质管理团队可以更好地理解问题的根本原因，并实施持续改进计划。
数据分析技术还可以帮助品质管理团队确定改进机会。
通过观察数据的变化和趋势，团队可以识别潜在的改进领域，并针对这些领域制定具体的改进计划。
例如，通过分析客户投诉数据，团队可以确定常见的问题模式，并采取相应的措施以消除这些问题。
数据分析还可以揭示不同产品或过程之间的比较，从而识别最佳实践并进行知识共享，促进全面的品质管理。
数据分析技术在品质管理中的另一个关键应用是监控性能。
通过定期收集和分析数据，品质管理团队可以监控产品、过程或项目的性能，并及时采取必要的措施。
例如，通过实时监控控制图，团队可以迅速发现和纠正任何超出规范限制的变化。
数据分析还可以帮助团队确定关键绩效指标（KPIs），以衡量品质管理活动的效果。
然而，在应用数据分析技术时，品质管理团队需要注意一些关键要点。
收集高质量的数据是成功应用数据分析的关键。
团队应该确保数据的准确性、一致性和可靠性，以提高分析的有效性和可信度。
选择合适的数据分析工具和技术是至关重要的。
不同的问题和情境可能需要不同的工具和技术，团队需要了解不同选项的优缺点，并选择适合自己情况的方法。
数据分析技术应与持续改进相结合。
仅仅分析数据是不够的，团队还需要积极采取行动，并进行跟踪和评估以验证改进的效果。
品质数据分析在质量管理中的应用价值
品质数据分析在质量管理中的应用价值质量管理是企业可持续发展的重要组成部分，而品质数据分析则是提升质量管理效果的关键。
品质数据分析通过收集、处理和分析数据，帮助企业发现问题、改进流程，并预测和防止潜在的质量风险。
在现代企业中，借助先进的技术手段，品质数据分析已经成为质量管理中不可或缺的工具，其应用价值体现在以下几个方面。
品质数据分析可以帮助企业发现问题，识别潜在的质量风险。
通过对产品或服务的相关数据进行全面收集和分析，企业可以追踪每个环节的质量表现，并及时发现存在的问题。
品质数据分析可以帮助企业识别可能导致质量下降的原因，从而有针对性地采取改进措施，减少产品缺陷和服务失误，提升质量水平。
品质数据分析可以优化流程，提高生产效率和质量水平。
通过对生产流程和质量数据的分析，企业可以找到影响工艺流程和产品质量的关键节点，并通过优化这些节点，提高生产效率和产品质量。
例如，企业可以利用品质数据分析找到生产过程中的瓶颈，并通过改进工艺流程或者更新设备来提高生产效率；同时，企业也可以通过对产品质量数据的分析，发现并解决影响产品质量的问题，从而提升产品的竞争力和市场占有率。
品质数据分析还可以帮助企业进行预测和预防潜在的质量问题。
通过对历史质量数据的分析，企业可以建立质量模型并进行预测，以便提前采取措施防止质量问题的发生。
品质数据分析可以帮助企业识别潜在的质量风险，比如供应商的质量稳定性、原材料的变化等，从而采取相应的预防措施。
预测和预防质量问题的能力可以帮助企业降低成本，避免产品召回和客户投诉，维护企业声誉和品牌形象。
品质数据分析还可以支持决策和管理层面上的质量管理。
通过对品质数据的分析，企业可以了解产品和服务的质量状况，并通过数据可视化手段向决策者提供决策支持。
品质数据分析可以帮助企业制定和调整质量策略、改进管理流程，并及时评估改进措施的效果。
通过对数据的深入分析，企业可以更好地理解质量问题的本质和影响因素，为管理层提供全面的决策依据。
品质管控数据分析报告(3篇)
第1篇一、报告概述随着市场竞争的日益激烈，企业对产品质量的要求越来越高。
品质管控作为企业核心竞争力的重要组成部分，直接关系到企业的生存与发展。
本报告通过对某企业近一年的品质管控数据进行深入分析，旨在揭示品质管控的现状、问题及改进措施，为企业提升产品质量、降低成本、增强市场竞争力提供数据支持。
二、数据来源与范围1. 数据来源：本报告所使用的数据来源于企业内部品质管理信息系统、生产数据采集系统、客户投诉系统等。
2. 数据范围：报告涵盖企业产品从原材料采购、生产制造、过程检验、成品检验到售后服务等各个环节的品质数据。
三、品质管控现状分析1. 原材料品质分析（1）原材料合格率：根据数据统计，原材料合格率达到95%，较去年同期提升3个百分点。
（2）原材料不合格原因分析：主要原因为供应商质量不稳定、检验标准执行不到位、原材料储存条件不达标等。
2. 生产过程品质分析（1）生产良品率：生产良品率达到98%，较去年同期提升2个百分点。
（2）生产过程不合格原因分析：主要原因为操作人员技能不足、设备故障、工艺参数调整不当等。
3. 成品品质分析（1）成品合格率：成品合格率达到97%，较去年同期提升1个百分点。
（2）成品不合格原因分析：主要原因为过程检验不严、包装不规范、运输过程中损坏等。
4. 售后服务品质分析（1）客户投诉率：客户投诉率较去年同期下降5个百分点。
（2）投诉原因分析：主要原因为产品质量问题、售后服务不到位、产品功能不符合需求等。
四、问题与不足1. 原材料供应商管理不力：供应商质量不稳定，导致原材料合格率不高。
2. 生产过程控制不严格：操作人员技能不足，设备故障频发，导致生产良品率不高。
3. 检验流程执行不到位：过程检验、成品检验不严，导致成品合格率不高。
4. 售后服务响应速度慢：客户投诉处理不及时，导致客户满意度不高。
五、改进措施1. 加强原材料供应商管理：建立供应商评估体系，提高供应商质量稳定性。
2. 提升生产过程控制能力：加强员工培训，提高操作人员技能；定期维护设备，降低设备故障率；优化工艺参数，提高生产良品率。
质量检测数据管理制度内容
质量检测数据管理制度内容一、总则为了规范公司质量检测数据管理工作，提高质量检测数据管理水平，确保产品质量，特制订本制度。
二、适用范围本制度适用于公司所有涉及质量检测数据管理的部门和人员。
三、数据采集与录入1.质量检测数据应由专业人员采集，并在检测完成后及时录入系统。
2.质量检测数据应真实、准确，并应注明数据采集人员、检测时间等相关信息。
3.对于手工填写的数据，应进行二次确认和审核，确保准确无误后方可录入系统。
四、数据存储与备份1.质量检测数据应存储在指定的专用服务器上，禁止将数据存储在个人电脑或移动存储设备上。
2.定期进行数据备份，备份数据应保存在不同的地点，并定期检查备份数据的完整性和有效性。
3.未经授权人员禁止随意删除、修改或篡改质量检测数据。
五、数据访问与使用1.质量检测数据应根据权限进行访问和使用，不同部门和人员应设置不同的权限，确保数据的安全性和隐私性。
2.未经许可，不得将质量检测数据用于其他用途，禁止私自将数据提供给外部单位或个人。
3.数据的使用应符合相关规定和标准，不得进行数据造假或篡改等违规操作。
六、数据清理与销毁1.对于已经过期的质量检测数据，应对其进行清理和归档，并按照相关规定保存一定时间。
2.在数据清理或销毁时，应制定相应的程序和流程，确保数据的完整性和安全性。
3.未经授权，不得私自清理或销毁质量检测数据，对于违规操作应严肃追究责任。
七、数据保密与安全1.质量检测数据应严格保密，对于涉及商业机密和个人隐私的数据，应加强保护措施。
2.对于数据传输和存储过程中可能存在的安全风险，应加强监控和防范措施，确保数据安全不受侵犯。
3.对于发生数据泄露或丢失等安全事件，应及时报告并采取相应的应急措施，减小损失。
八、数据分析与利用1.对质量检测数据进行分析和利用时，应遵循科学方法和规范程序，确保分析结果的准确性和可靠性。
2.数据分析结果应及时通报相关部门，对于存在质量问题的数据，应及时采取有效措施进行改进和整改。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
推移图
外 观 不 良 率
外 观 不 良 目 标
管制图：是SPC常用的一种手法
柳州航盛科技有限公司
六数据分析与改善 1、数据统计分析的目的 ►各类数据的统计，品质指标的计算，只能说明 你现在的品质状况。即只是公司品质状况的一种 表面显现。 ►那么到底是什么原因引起这些不良，有没有改 善的空间？如何去减少这些不良，这才是我们 需要花大力气去考虑和解决的问题。 ►ISO9001：2000提出的一个基本原则就是“持续 改善” 柳州航盛科技有限公司
柳州航盛科技有限公司
3、分析品质状况和改善的步骤： 1）当前状况； 2）原因分析； 3）解决方案； 4）执行； 5）检验和验证； 6）标准化； 7）未来计划
柳州航盛科技有限公司
1）当前状况； ►我们在制订目标前要先统计数据看目前的状况如何？ 目标一般要比实际值高一些。 ►制订目标后我们要执行，我们要每日、每周、每月统 计数据，看目标是否达成 ►收集数据我们一般用[查核表]，如QC的坏机报表。 ►收集的数据我们要加以计算或用图表表示，得出有用 的信息：如是否超目标？[管制图]、[直方图]的趋势如 何？CPK够吗？ ►未达目标或超管制线我们要分析原因加以改善。 ►当品质目标达标时，亦可以分析原因并持续改善，但 要考虑可改善的空间和需要的成本
下列计算是错误的： *100%=0.025%, 5/20000 5/20000*
柳州航盛科技有限公司
4）客户坏机退厂修理不良率（客退率）
=客户退坏机数/此阶段客户使用此产品数*100% ►时间段的选择：最近半年不算，再往前取一年。也就是过 去第18个月~第7个月。因为这样较客观。
►此指标较客观地反映了公司产品的品质。其坏机来源主要
►注意检查的总体是什么？ QC抽样数：50 如送检总数：500,O 500,OQ 发现不良数：1 则不良率为：1/50=2% 而不良率不是：1/500=0.2% 柳州航盛 Nhomakorabea技有限公司
►次数与比率： 尽量不要用次数来表示品质，而用比率来 表示。 ►出错率： 如首件出错率=出错次数/首件总检查次数 ►漏检率： 如SMT QC漏检率=漏检数/总检验数
柳州航盛科技有限公司
三、何谓数据? 就是根据测量所得到的数值和资料等事 实；从而形成数据最重要的基本观念: 数据库=事实 ► 运用数据库应以注意的重点: 1.收集正确的数据库 2.避免主观的判断 3.要把握事实真相
柳州航盛科技有限公司
四、品质与数据
1、数据的种类 ►计量数据: 长度.时间.重量等测量所得数据,称为计量值 (特点：连续不间断) ►计数数据： 以缺点数,不良品数来作为计算标准的数值称 为计数值. (特点：离散性数据库) 定性表示:以人的感觉判断出來的数据库,例如: 水 果的甜度或衣服的美感.存在较多的主观判断性。 柳州航盛科技有限公司
2)制程品质指标： ► 外观品质指标 ► 功能品质指标 � SMT车间 ： A. 外观不良率（板数）： 有缺陷的板数/总下机板数*100% PCS，有外观缺陷的板数 例如：当天打机3000 3000PCS PCS，则外观不良率为： 为300 300PCS *100%=10% 300/3000 300/3000* � 缺陷指不符合《工艺标准》的不良板 � 不管这片板上有多少缺点，都只算一片坏板。 柳州航盛科技有限公司
柳州航盛科技有限公司
5、数据收集的问题： ►要收集哪些数据？ ►如何收集数据？ ►了数据是否就算完成任务呢？ 6、数据的目的： ►反映品质体系运行的有效性—运行状况 ►找出改善的空间并加以持续改善
柳州航盛科技有限公司
►ISO9001：2000 8.4 条文的要求： 组织应确定、收集和分析适当的数据，以证实 质量管理体系的适宜性和有效性，并评价在何处 可以持续改进质量管理体系的有效性。这应包括 来自监视和测量的结果以及其他有关来源的数据。 数据分析应提供有关以下方面的信息： a) 顾客满意（见8.2.1); b) 与产品要求的符合性（见7.2.1); c) 过程和产品的特性及趋势，包括采取预防措施 的机会 d) 供方 柳州航盛科技有限公司
�B. PPM (Defective Points Per Million) 百万分之缺 点数 � 其实际为一百万个点当中有多少个坏点 � PPM=（不良点数/打机的总点数）*1000,000 � 每片板要计算其打元件的焊点数 � 打机的总点数=每片板的焊点数*打机的板数 � 由于不良是以点计算，因此一片板上有几个不良就算 几个缺点，如一个板上有2点空焊、3点短路，掉了 一个电阻（电阻有两个脚，算 2点），则此片板共有 缺点7点。 PCS，每片板 例如：某一天SMT共打299 机板1000 1000PCS 有4000点，共发现不良点数为360，则 *1000））*1000000=90。 PPM=（360/（4000 4000* 也就是说打1000000个点有90个坏点，则打4000000 个点就有360个坏点
柳州航盛科技有限公司
OQ C抽样品质： 3) 3)OQ OQC
►批批退率： 某一时间段的检验不合格批数/检验总批数*100% C检验一般采取抽样的方法，方法按照MIL� OQ OQC STD-105E或GBT2828.1-2003普通II级标准进行 � 一批的合格与否决定于： a. 由送检的批量和AQL决定有多少不良可以接受 和批退 C抽样过程中发现了多少不良。 b. 此一批在OQ OQC c. 一般会区分严重缺点和轻微缺点，即严重缺点 和轻微缺点有不同的AQL值 柳州航盛科技有限公司
柳州航盛科技有限公司
► 制程中原材料不良率: PMDR：制程中发现的材料不良数/使用总数的比 值 • 一般分供应商进行统计 • 注意分母是生产线使用总数，并非来料总数，这 是两个不同的概念 • 此指标较客观地反映来料的品质，较来料检验样 本不良率客观 K，生产线发现坏料 例如：某物料当月用量为50 50K 500，则 PMDR=500/50K *100%=1% PMDR=500/50K* 柳州航盛科技有限公司
2、整理数据应注意的事項 ►问题发生要采取对策之前,一定要有数据作为 依据． ►要清楚使用的目的． ►数据的整理,改善前与改善后所具备的条件要一 致． 3、收集数据的方法： ►全检 ►抽样—随机抽样
柳州航盛科技有限公司
4、数据的要求： ►目的性 ►客观性 ►代表性—特别是抽样的时候 ►频率：小时、日、周、月、季、年报表 ►环境─了解收集的数据的环境， 如：时间、拉号、机器及产品状况。 ►计量数据要求量测仪器的准确性─仪器调校
2、品质目标与改善 ►一般当品质目标未达标时我们要分析原因并加以改善。其 实就是PDCA过程。 Plan(计划）：品质目标，以及我们为达到目标所制订将要 执行的措施（品质目标实施计划书）。 Do(执行）：按照我们制订的计划执行 Check(检验）：是否执行了预定的措施。是否达到目标， Action(纠正行动）：未达目标时，说明我们预定的措施不 合理或没有被很好地执行，需重新提出改善的措施。 Paln(再计划）：修订上次的计划，特别是预定的措施。 ......周而复始，但是螺旋式上升。 ►当品质目标达标时，亦可以分析原因并持续改善， 但要考虑可改善的空间和需要的成本
柳州航盛科技有限公司
�工序直通率（First Pass Yield)： FPY=(首次通过检查的产品数/总产品数）*100% 产品直通率:产品从投入第一道工序到完成最后一道工 序交付OQC之前所有工序直通率的乘积 产品直通率为： (1-0.18) *(1-0.02) *(1-0.01) *(1-0.05)=75.6% (1-0.18)* (1-0.02)* (1-0.01)* 直通率理解： PCS板，每制程段之坏板不修，到最后只 下100 100PCS 有75.6好板
第一天 不良数 检验数 不良率 1 1 100% 第二天 1 100 1% 将不良率 各自相加 直接平均 后再平均 / 2 / 50.5% 101 2%
柳州航盛科技有限公司
► 只有当分母相当时直接将不良率平均才基本正确
第一天 不良数 检验数 不良率 20 1000 2% 第二天 110 1100 10% 将不良率 直接平均 / / 6% 各自相加 后再平均 130 2100 6.19%
1)来料方面---供方 ►来料平均批批退率 Lot sort and reject rate（LSRR） 即为因来料问题WAIVE 和判退批数的总和与来料总批数 的比值： LSRR=（特采批数+判退批数）/来料总批数*100% 例如：5月IQC共来料500批，特采2批，判退2批，则 *100%=0.8% LSRR=（2+2）/500 /500* ►来料检验样本不良率 即为来料检验发现的不良品与所抽检之样品总数的比值: SDR=抽检中发现的不良品/总抽验样本数*100% 例如: 5月份IQC共抽检样本总数为10546615,发现不良样 本共85366,则 SDR=85366/10546615 *100%=0.81% SDR=85366/10546615*
有几个： C抽样不 1、客户第一次使用（装车）就是坏机（应与OQ OQC 良率相当） 2、相容性问题，导致不能开机等 3、可靠性差，运行了一段时间再变成坏机 4、客户人为损坏， 5、测试为好机（good in reject)
柳州航盛科技有限公司
5）其他性数据问题
►客退机报告及分析： ►每月生产数及退机数 ►退货比率最高的几个model->QAPE/DE 分析 ►客退机的坏机现象和坏机原因汇总 ►退率比率最高的客户 ►分析设计、工艺、物料所占坏机的比例
一、什么是品质： 产品或服务的一组特性满足顾客及 相方要求的程度 ► 产品品质：产品本身符合要求的程度 ► 服务品质：服务本身符合要求的程度 ► 作业品质：人员作业符合要求的程度 ► 先保证作业品质，才能有好产品品质
柳州航盛科技有限公司
二、品质可用好与坏的程度来描述 1.如何评价好与坏的程度: 定量表示、定性表示。 2.一般用定量表示来反映品质的好坏比较 客观，即用数据来 反映: 产品品质 服务品质 作业品质