7种统计工具.
新老七种工具比较

新老七种统计工具文献综述摘要:质量管理统计方法,是根据数理统计原理对产品质量实行统计质量控制的科学的质量管理方法。
一些学者把质量管理中常用统计方法归纳为新老两类,本文介绍了统计工具在质量管理中的应用,重点阐述了质量专家发明的“老七种工具”和“新七种工具”的特点、应用、使用注意事项等。
关键词:质量管理;质量控制;老七种工具;新七种工具一、前言王毓芳,郝凤.(2003)质量分析质量改进与统计技术中提出新老七种工具都是由日本人总结出来的。
日本人在20世纪60年代提出老七种工具推行并获得成功之后,1979年又提出新七种工具。
之所以称之为“七种工具”,是因为日本古代武士在出阵作战时,经常携带有七种武器,所谓七种工具就是沿用了七种武器。
有用的质量统计管理工具当然不止七种。
除了新老七种工具以外,常用的工具还有实验设计、分布图、推移图等。
20世纪70年代末80年代初,日本“质量管理研究会”根据推进全面质量管理的需要,经过多年研究和实践,提出“质量管理新七种方法”,简称“新七种工具”。
质量控制(QC=Quality Control)是指控制制造产品或服务的质量,使产品或服务质量达到最优良的状态。
老七种工具 QC 老七大手法指的是:检查表、层别法、柏拉图、因果图、散布图、直方图、管制图。
新七种工具 QC 新七大手法指的是:关系图法、KJ 法、系统图法、矩阵图法、矩阵数据分析法、PDPC 法、网络图法。
相对而言,新七大手法在世界上的推广应用远不如老七大手法,也从未成为顾客审核的重要方面。
(一)QC七大手法的作用1、协助我们作好日常安全生产管理,达到降本增效的目的。
2、可在混沌不明的情况下,认清问题关键在于搜集数据,分析、归纳问题,进而解决问题。
二、老七种工具刘宏(2006)质量与管理中老七种工具的特点1、强调用数据说话,重视对制造过程的质量控制2、通俗易懂,一线员工易于掌握,主要解决现场质量问题。
秦现生(2008)质量管理学这本书中质量管理的老七种工具:(一)、层别法又叫分类法分组法,是整理质量数据的一种重要方法。
QC七种工具

XXX XXX
2000年1月-6月
日期 班次 5月 332 245 144 82 16 819
2000.09.18 全部 6月 223 241 107 72 32 675 合计 1746 1537 913 493 130 4819
11欠铸 冷隔 小砂眼 粘 Nhomakorabea 其他 合计
4月 353 272 168 94 23 910
33
分层法
分层法示例
某空调维修部,帮助客户安装后经常发生制冷液泄 漏。通过现场调查,得知泄漏的原因有两个:一是 管子装接时,操作人员不同(有甲、乙、丙三个维 修人员按各自不同技术水平操作);二是管子和接 头的生产厂家不同(有A、B两家工厂提供配件)。 于是收集数据作分层法分析(见表一、表二),试 说明表一、表二的分层类别,并分析应如何防止渗 漏?
21
散布图
分 散 图 示 例
强正相关
X Y Y Y Y
强负相关
X
弱正相关
X
弱负相关
X 22
散布图
Y Y
不相关
X
曲线相关
X
散布图的分析和判断
对照典型图例法、简单象限法、回归分析法
23
散布图
1)对照典型图例法
实际画出的散布图与典型图例对照,就可得到两个变量之间是否相关 及属哪种相关的结论。
2)简单象限法
24
散布图
3)回归分析法 相关系数的定义
r= ∑(xi-x)(yi-y) ∑(xi-x)2 ∑(yi-y)2 Lxy= ∑(xi-x)(yi-y) Lxx= ∑(xi-x)2 Lyy= ∑(yi-y)2
25
=
Lxy Lxx Lyy
散布图
统计技术(新老七种工具)

A
B
C
D
E
F
G
2、KJ法 ①定义: a. KJ法就是对未来的问题,未知的问题, 未经验领域的问题的有关事实、意见、构 思等语言资料收集起来,按其内在相互关 系(亲和性)作成归类合并图(A型图 解),从而找出解决问题途径的一种方法。 b. A型图解:就是把收集起来的语言资料 按相互接近情况加以综合的方法,又称近 似图解法,亲和图法。
• 4、根据控制图的判断准则对过程进行分析判断。对初 次使用的人员来说,如有异常则应从样品的取法是否随 机,数据的读取是否正确,计算有无错误,描点有无差 错等方面进行检查,然后再来调查过程方面的原因。
控制图
• 5、对于异常情况的处理,应执行“查出原因, 采取措施,保证消除,纳入标准,不再出现”。
• 6、控制图只起报警作用,而不能告知造成异 常的因素是什么。
• 平顶型直方图说明生产过程可能受缓慢变化因素的影响。
• 锯齿型直方图说明可能由于分组过多或测量数据不准等原因引 起。
直方图(频数直方图)
• ⑵对照规范进行分析比较(正常型图形)
控制图
• 一、控制图的定义 • 控制图是对过程质量加以测量、记录
并进行控制管理的一种用统计方法设计的 图。 • * 控制图上有中心线CL、上控制线UCL 和下控制线LCL,并有按时间顺序抽取的 样本统计量数值的描点序列。
d. 分析、寻找影响主要类别因素的原因并一层层地展开 下去,画在相应的中枝、小枝上。 1)组织相关人员进行原因分析,并将大家的意见从大 到小,从粗到细地画在图上。 2)因果关系的层次要分明,展开分析直至能够找出真 正原因可以直接采取具体措施为止。
e. 对结果有最大影响的原因(要因)进行标记(如框起 来)。
质量分析7种统计工具

。
不足
数据质量依赖
技术门槛较高
统计工具的分析结果受数据质量影响较大 ,如果数据存在误差或异常值,可能导致 分析结果不准确。
使用统计工具需要一定的统计学和计算机 知识,对使用者的技术要求较高。
无法处理非结构化数据
无法提供实时分析
数据可视化工具,支持 交互式数据探索和仪表
盘制作。
Power BI
商业智能工具,提供数 据整合、分析和可视化
等功能。
结合实际情况进行选择和应用
数据类型和规模
根据数据类型(如定量、定性)、数 据规模(如样本量、变量数)选择合 适的工具。
分析需求
明确分析目的和问题类型,选择相应 的统计方法和工具。
专业知识和技能
降低生产成本
通过质量分析,可以减少 不良品率,降低返工、维 修等成本。
提升客户满意度
优质的产品质量可以提高 客户满意度,增强品牌形 象。
汇报范围
统计工具介绍
简要介绍7种常用的质量分 析统计工具。
应用场景
说明这些统计工具在哪些 场景下使用以及如何使用 。
效果评估
对这些统计工具的应用效 果进行评估,包括提高产 品质量、降低生产成本、 提升客户满意度等方面。
展望
智能化发展:随着人工智能和机器学 习技术的不断发展,未来的质量分析 工具将更加智能化。这些技术可以帮 助组织自动识别数据中的模式和趋势 ,提供更准确、更及时的分析结果。 同时,智能化的分析工具还可以根据 历史数据和实时数据进行预测,为组 织提供更前瞻性的质量管理建议。
数据可视化:数据可视化是一种强大 的沟通工具,可以帮助组织更好地理 解和传达质量分析结果。未来的质量 分析工具将更加注重数据可视化功能 的发展,提供更丰富、更直观的数据 展示方式。这将使得质量分析结果更 易于理解和接受,从而促进组织内部 的沟通和协作。
常用的统计工具方法

2、举例:
XX不合格品缺陷统计表
序号 缺陷类别 发生频数 频率% 累计频率%
1
2 3 4 5 6 7
顶部充不满
气 孔 成型不良 表面疵点 色斑 变形 其它 合计
108
40 14 7 4 3 4 180
60
22.2 7.8 3.9 2.2 1.7 2.2 100
60
82.2 90 93.9 96.1 97.8 100 19
18
1、应用排列图识别改进项目时应注意的问题
⑴ 排列图依据的原理是“关键的少数,次要的多数”; ⑵ 必须是属于同一分层标志的数据,才能在一起排列; ⑶ “频数”纵坐标可以用“件数”或“金额”等表示; ⑷ 量值很小的项目较多时,可合并为“其他”项,排在横轴最后; ⑸ 两个纵坐标的标度,应使频数总数与累计频率100%取等高。
23
分析要点:
• a、确定大要因(大骨)时,现场作业一般从“人机料法环”着手,管 理类问题一般从“人事时地物”层别,应视具体情况决定; • • b、大要因必须用中性词描述(不说明好坏),中、小要因必须 使用价值判断(如…不良); c、脑力激荡时,应尽可能多而全地找出所有可能原因,而不仅 限于自己能完全掌控或正在执行的内容。对人的原因,宜从行动而非 思想态度面着手分析; d、中要因跟特性值、小要因跟中要因间有直接的原因-问题关系, 小要因应分析至可以直接下对策;
40.5
45.5
50.5 (g)
7
矩阵调查表
塑料制品外观质量调查表
缺陷符号: ○ 气孔, 成形, 疵点, × 变形, 其它 机 号 1 2 2月5日
上午 下午
2月6日
上午 下午
2月7日
上午 下午
2月8日
精益改善中用于分析解决问题的七种统计工具

精益改善中用于分析解决问题的七种统计工具精益管理理念里,解决问题有两种不同的手段。
第一种手段用于有数据可用且通过分析数据就能解决问题的情况中。
生产相关领域出现的问题大多数属于这一类别。
分析解决问题的七种统计工具包括:1.帕累托图(pareto)。
此图表将问题按原因和现象分类。
根据优先级,用一个条形图将问题表现在图表中,用100%表示损失总值。
2.因果图(cause-and-effectdiagrams)。
此图用于分析某个过程或某种情况的特征,以及造成这些特征的因素。
因果图也被叫做“鱼骨图”或“哥斯拉骨架图”。
3.直方图(histograms)。
用测量得到的频率数据表现某一数值的峰值。
质量特征的波动被称做“分布”(distribution),以极性图表示的频率数据被称做直方图。
此图主要用在通过检查“离差”(dispersion)的形状、中值以及“散布”(dispersement)的本质来确认问题。
4.控制图(controlcharts)。
变动分为两种类型:一种是在正常状态下发生的不可避免的波动,另一种是由某种原因造成的变动。
后一种被称作“异常”。
控制图借助折线图(linegraph)探测异常趋势。
与标准的折线图不同,这里的折线图的控制线位于中央、顶端和底层。
样品数据以点的形式标注在图上,用来评估过程状况与趋势。
5.散点图(scatterdiagrams)。
散点图上标注出两组相对应的数据。
标注出的点之间的关系显示对应数据之间的关系。
6.分层法(graphs)。
可用的图形有很多种,取决于想要什么形状以及分析目的。
条形图(bargraph)通过并列的条形柱来比较数值,而折线图则用来表示一段时间内的变化波动。
扇形图(circlegraph)表示数值的分类统计,雷达图(radarchart)帮助分析以往评估项目。
7.检查表(checksheets)。
设计表格,针对某一情况进行日常记录,将结果列在表中。
这些工具被质量控制小组、工程师、经理广泛使用,用来发现和解决问题。
QC七种工具

常用的QC七种工具质量管理中统计方法很多,这里主要介绍一些最常用的方法,俗称“QC七种工具”,有检查表、分层法、排列图、因果分析图、直方图、散布图、控制图。
1)检查表检查表又称调查表、核对表、统计分析表。
它是用来记录、收集和积累数据,并能对数据进行整理和粗略分析的统计图表,它由于简便易用,既能整理数据又能直观分析,所以在质量管理活动中得到广泛的应用。
常见的调查表形式有:项目调查表、缺陷位置调查表、质量分布调查表、矩阵调查表等。
(一)不合格品项目调查表主要用来调查生产现场不合格品项目频数和不合格品率,以便继而用于排列图等分析研究。
成品抽样检验及外观不合格品项目调查表(二)缺陷位置调查表许多产品或零件常存在气孔、疵点、碰伤、脏污等外观质量缺陷。
缺陷位置调查表可用来记录、统计、分析不同类型的外观质量缺陷所发生的部位和密集程度,进而从中找出规律性,为进一步调查或找出解决问题的办法提供事实依据。
这种调查分析的做法是:画出产品示意图或展开图,并规定不同外观质量缺陷的表示符号。
然后逐一检查样本,把发现的缺陷,按规定的符号在同一张示意图中的相应位置上表示出来。
这样,这张缺陷位置调查表就记录了这一阶段(这一批)样本的所有缺陷的分布位置、数量和集中部位,便于进一步发现问题、分析原因、采取改进措施。
下图是反映橡胶手套各部位破损频数的缺陷位置调查表,“*”表示破损发生的位置:(实际就是在实物图形上直接标出)(三) 质量分布调查表质量分布调查表是对计量数据进行现场调查的有效工具。
它是根据以往的资料,将某一质量特性项目的数据分布范围分成若干区间而制成的表格,用以记录和统计每一质量特性数据落在某一区间的频数。
见下表是一张某零件重量实测值分布调查表。
从表格的形式看,质量分布调查表与直方图的频数分布表相似。
不同点:质量分布调查表的区间范围是根据以往资料,首先划分区间范围,然后制成表格,以供现场调查记录数据;而频数分布表则是首先收集数据,再适当划分区间,然后制成图表,以供分析现场质量分布状况之用。
7种统计工具

检查表
1 .概念:即备忘录,将要检查的项目整理出来,定期检查。无固 定格式.
2. 举例:常用查核表
日期 号
项目
1
人员服装
工作场地
机器保养
机器操作
工具使用
。。。。
查核者
异常处理
点检用
234
5 。。。。 31
记录用 通常划记
项目
次数
尺寸不良 正正正正正正
表面斑点 正正正
装配不良 正正正正
电镀不良 正正正
其它 正
3. 用途:A.调查现状,明白现场问题,掌握品质 B.搜集原始数据 C.详细调查工作内容,防漏项,确定工作是否按照标准进行
直方图
1.概念:将全部数据分成若干组,以组距为底边,以各组相应
分层法
1. 概念:将多种情况分成不同类别以方便分析。 2. 常见分层项目:
人:不同班组、不同操作工 机:不同设备、不同工装 料:不同供应商材料、不同批次 法:不同转速、不同工艺 环:不同作业条件 3. 用途: 把复杂情况有系统、有目的地进行分类归纳与统计 为排列图做准备 4.举例:
用外圆车设备车外圆,外圆粗糙度与设备转速和人员 都相关。以下为不同操作工用同一设备使用不同转速加工状 况,根据人员及转速确认粗糙度偏高的主要原因。
的频数为高的若干矩形图。通过对数据的加工整理,分析和掌 握工序质量数量的分布情况,为工序能力测算做准备。
2.画法: 搜集数据 计算极差 适当分组
大于100个
R=Xmax-Xmin
N(数据) 组数
50~100
6~10
100~250 250 以上
- 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)。
散布图
1. 概念:判断各种因素对产品质量特性有无影响及影 响程度大小的一种工具。 2. 变量之间的关系: 完全确定的函数:只要知道了一个变量就可以求出另 外一个变量,如S=πr2 相关关系:如小孩的年龄和体重有一定的关系,一般 年龄越大,体重越重。通过统计得出大致关系:小孩 年龄=年龄x2+7(公斤)。不是所有的2周岁小孩体重 都是11公斤,但总是11公斤左右。这种非确定的依赖 或制约关系叫作相关关系。相关关系不能用函数来关 系表示,但可以借助统计技术——散布图来描述这种 变量之间的关系。
排列图
4.举例:8月份统计出153连杆瓦总不良数414片,不 良项为:电镀外观195片,壁厚90片,油槽45片,划 伤磕碰65片,倒角5片,平行5片,其它9片.
不良名称 电镀外观 壁厚 划伤磕碰 油槽 其它 合计 不良数量 不良率 195 90 65 45 19 414 47.1% 21.7% 15.7% 10.9% 4.6% 100% 累计不良率 47.1% 68.8% 84.6% 95.5% 100.0% 100.0%
人 机 料
主要原因
主要原因
主干线
质量问题
质量问题 大 原 因 中 原 因 小 原 因
法
环
因果图
3. 注意事项 3.1提出的问题点,要尽量具体,应是一个问题,而不是一个工序或质量特 性。 3.2原因分析要紧扣问题且要细到能采取措施为止。 3.3主要原因要标出。 3.4为美观,线段成600倾角。 3.5注意原因不得归类混乱。 3.6到现场落实要因项目。 4、要因验证方法 (1)收集图中的末端因素,末端因素是问题的根源。 (2)末端因素中是否有不可抗拒的因素。所谓不可抗拒因素,就是指小组 乃至企业都无法采取对策的因素。如“拉闸停电”不作为确定主要原因。 (3)对末端因素逐条确认,找出真正影响问题的主要原因。确认,就是要 找出影响证据,以客观事实为依据,用数据说话。个别因素一次调查得到 的数据尚不能充分判定时,就要再调查、再确认。这和医生看病一样,如 何确诊是什么病呢?就要通过对病人采取验血、X光透视、胃镜检查、B 超等手段,取得数据,并对这些数据进行分析确诊。如还不能充分证明, 还要做进一步的检查,取得证据,会诊,最后确诊。
80% A类 70% 60% 195 50% 40% 90
标 音 超
数
频
200 150 100 50
30% 45
匀
65
20% 19
其 它
碟
噪
均
10% 0
Hale Waihona Puke 读碟H不
出
不 良 项 目
T
涂
E
油
P
不
0
A
S
E
累
计
百
250
分
300
数
350
B类
90%
(
排列图
400
C类
100%
因果图
1.概念:又叫鱼刺图、树枝图,它是表示影响因素与结果关系的图。 2. 作法:明确要分析和解决的质量问题。召集相关人员参加分析会,集思广益, 脑力风暴。将提出的看法按中、小原因及相互关系用箭头线画在图上。把主 要原因标出来。
分层法
操作工 张 王 李 赵 张 王 李 赵 转速 1000 1000 1000 1000 2000 2000 2000 2000 粗糙度OK 9 1 11 21 11 1 8 12 粗糙度偏高数 2 9 2 3 4 11 4 3
原因 张 王 操作工 李 赵 1000 转速 2000
良品数 20 2 19 33 42 32
不良品数 6 20 6 6 16 22
不良品率 23% 91% 24% 15% 28% 41%
排列图
) (
1.概念:又叫柏拉图,将影响因素或项目按大小顺序排列, 找出 主要因素或项目。又称主次因素分析图法.重点管理法.
件
C 类 B 类
7 5 8 5
9 1
(
数
频
3 3 0
2 0 0 1 0 0 6 0 9 0
分层法
1. 概念:将多种情况分成不同类别以方便分析。 2. 常见分层项目: 人:不同班组、不同操作工 机:不同设备、不同工装 料:不同供应商材料、不同批次 法:不同转速、不同工艺 环:不同作业条件 3. 用途: 把复杂情况有系统、有目的地进行分类归纳与统计 为排列图做准备 4.举例: 用外圆车设备车外圆,外圆粗糙度与设备转速和人员 都相关。以下为不同操作工用同一设备使用不同转速加工状 况,根据人员及转速确认粗糙度偏高的主要原因。
内 径 超 差
外 径 超 差
平 面 度 超 差
缩 水
毛 刺
其 它
因 素
2、ABC分析法:累积百分比0~80% 为A类—关键因素, 以1至2个 为宜, 80~90%为B类—重要因素, 90%以上 为C类—一般因素. 根据实际灵活应用。一般要抓住关键的少数、次要的多数原理。
累
3 3 2 2 0
积
5 0 0
5 5
5 0
百
A 类
帕 累 托 曲 线
分
数
1 0 0 0
1 0 0
% )
排列图
3.作图: 3.1收集数据:确定分类项目、数据的收集时间段 3.2将各项目及出现的频数按从大到小填入数据分项统计表。 3.3计算累计数、项目比例和累计百分比。 3.4描点连线. 3.5分别从右纵坐标累计百分率为80%、 90% 、100% 三处向 左引三条平行虚线,虚线下边分别写上A类、B类、C类。 填写排列图的名称,标出数据。 4注意事项: 4.1如果画出的排列图各项目频数相差很小,主次问题不突出, 应考虑更改分类项目,然后重新画图。 4.2二条纵坐标的比例可以取得不一样,但总高度须一致。 4.3找出了主要因素并采取措施后,还要继续使用排列图分析, 以检查实施效果。
4、要因验证方法:确定主要原因常用的方法有调查表、简易
图表、散布图、正交试验设计法。
①现场验证。到现场通过试验,故障再现,取得数据来证明。这对方法类的因 素确认很有效。如对某一个参数定得不合适的影响因素进行确认时,就需要到现 场做一些试验,变动一下该参数,看它的结果有无明显的差异,来确定它是不是 真正影响问题的主要原因。又如加工某零件产生变形所分析的原因是“压紧位置 不当”,进行确认时,可到现场改变一下压紧位置,进行试加工,如果变形明显 改善,就能判定它确实是主要原因。 ②现场测试、测量。到现场通过亲自而不是操作工测试、测量,取得数据,与 标准比较,看其符合程度。这对机器、材料、环境类因素很有效。如对机器某一 部位的精度差、环境某一项指标高,可以借助仪器、仪表到现场实测取得数据; 对材料方面的因素可到现场抽取一定数量的实物作为样本进行测试,取得数据, 与标准比较来确认。 ③调查、分析。人的因素,不能用试验或测量的方法来取得数据,则可设计调查 表,到现场进行调查,取得数据来确认。 总之,确认必须要亲自到现场,亲自去观察、调查、测量、试验,取得数据 才能为确定主要原因提供依据。只凭印象、感觉、经验来确认是依据不足的。采 用举手表决、"01打分法"、按重要度评分法等,均不可取。