SPC_教材1.pptx

《SPC_教材1.pptx》由会员分享，可在线阅读，更多相关《SPC_教材1.pptx（131页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、11/131Table1. 统计基础统计基础 - 总体和标本总体和标本 - 顾客顾客, 顾客不满足顾客不满足(不良不良) - Data的表现的表现(中心值和散布中心值和散布) - Data的种类的种类2. SPC Introduction - QC, SQC - SPC3. Data 解释解释 - QC 7 Tool - QC 7 Tool 实习实习 - Graph Analysis 4. Baseline 构筑构筑 - 测定测定 ? - 正规性检证正规性检证(normality test) - Rational Sub-grouping - MSA(测定测定System的分析的分析)5. 工

2、程能力分析工程能力分析 - 工程能力的概念工程能力的概念 - Cp, Cpk - Z Value, 4 Block Diagram6. 管理图管理图(Control Chart) - 管理图概念管理图概念, 种类种类 - 管理图解释管理图解释 - 管理图实习管理图实习 (X bar R, X bar S, n, np, u, c)7. 改善活动改善活动(6 Sigma活动活动) - 6 Sigma Process附附 1 : 统计统计 Table附附 2 : FMEA - 设计设计 FMEA - 工程工程 FMEA12/1311.统计基础统计基础2.(SQC : Statistical Qua

3、lity Control)13/131对总体的判断对总体的判断 总体和总体和Sample标本标本 (Sample,10)总体总体(N=1,000)Sample 10个测定个测定 (规格规格 : 1004)96979899100104101规格规格 下限下限规格规格 上限上限102 103 如果全部检查在时间上, 经济上不可能 !使用Sample的统计变量(變數) (平均值和散布)推定总体. 总体能不能判断为合格总体能不能判断为合格 ?1) AQL Yes :因为因为 Sampling的的10个测定值都在规格内个测定值都在规格内 OK2) SPC No : 用用Sample Data推定总体的不

4、良率是推定总体的不良率是2.8% Epidemic 水准水准* AQL(Acceptable Quality Level) : 合格品质水准 SPC(Statistical Process Control) : 统计性工程管理Sampling补充抽样知识14/131Sampling 适用适用Sampling检查主要原因是检查主要原因是经济性原因经济性原因. 由于有这种经济性原因，取由于有这种经济性原因，取Sample时，时，Sample能够反映总体的特性。能够反映总体的特性。 1) 总体总体/Sample/Data的概念的概念 - 总体总体 : 作为调查作为调查, 研究对象的所有集团研究对象的

5、所有集团 - Sample: 从总体为了某种目的抽出来的从总体为了某种目的抽出来的 - Data : 体现通过体现通过Sample得到的事实得到的事实 (关心事项数据化的表现关心事项数据化的表现) 2) 决定取决定取Sample方法时注意事项方法时注意事项 - 所取的所取的Sample要能够代表总体的情报要能够代表总体的情报. - 抽出抽出Sample测到测到Data后，首先要考虑为了什么目的使用后，首先要考虑为了什么目的使用 - 事前检讨事前检讨Lot 构成单位是否要分组构成单位是否要分组。总体总体Sample019 PCS使用者使用者 占有率占有率 ?Data大韩民国大韩民国区分区分人员人

6、员350120530011 PCS017 PCS019 PCSPCS使用者使用者1000名名15/131 价值判断的根据价值判断的根据 : 其根据的适切性其根据的适切性 : 问题的类型问题的类型 : 2 种种 - 平时的时候很正常平时的时候很正常 只要喝酒就不象话只要喝酒就不象话 - 那个人要长大成人不可能了那个人要长大成人不可能了 - 一直正常的人一直正常的人. - 平时的时候步态正常平时的时候步态正常 一旦喝酒就正常的人一旦喝酒就正常的人事件的判断和问题的对策方法事件的判断和问题的对策方法 如果现在很多人为了上车无秩序的聚在一起如果现在很多人为了上车无秩序的聚在一起 等车等车 改善的方法改

7、善的方法1. 有秩序地排列乘车有秩序地排列乘车 - 减少散布减少散布(reduce the variation)2. 加大公交车的门，谁都容易乘车。加大公交车的门，谁都容易乘车。 - 增加公差增加公差(open the specifications)3. 车车Parking的地方，人聚在一起。的地方，人聚在一起。 - 中心值移动中心值移动(shift the mean)4. 上面上面3种方法中种方法中2种以上种以上Combination16/131价值判断价值判断(问题与否问题与否)的根据的根据 品质品质 : 与顾客的期待一致与顾客的期待一致Spec : 定量化顾客的期待事项定量化顾客的期待事

8、项(水准水准)Spec 设定的适切性设定的适切性.* Quality ? - fitness for use(Juran) - conformance to requirements or specifications(Crobsby)17/131顾客满足和不良顾客满足和不良顾客满足顾客满足 ? 顾客对我做事的结果的肯定性的反映顾客对我做事的结果的肯定性的反映内部顾客和外部顾客内部顾客和外部顾客 - - 没有缺陷的商品没有缺陷的商品, , SVCSVC及时提供给及时提供给 缺陷缺陷(品质不良品质不良) ?不能满足顾客期待的所有的一切不能满足顾客期待的所有的一切 L LG G18/131不良不良

9、 ?& 至今为止至今为止 ,SpecLSLUSL我们合格我们合格Spec-in就合格就合格I am Data(我活着我活着)Spec-out不合格不合格检出不良检出不良19/131& 以后以后 ,SpecLSLUSL集中在中心集中在中心才合格才合格散就死散就死Spec-in但没有达到水准但没有达到水准就不合格就不合格潜在的不良潜在的不良事前预测事前预测不良不良 ?呀呀 !有吃的有吃的 (不良不良)110/131Data的表现的表现 : 中心值中心值Easy Six SigmaLG Electronics / Display Data 中心值中心值 Arithmetic Mean(算数平均算数平

10、均) X = i=1Xinn Geometric Mean(几何平均几何平均) G = (X1*X2*, Xn) 1n Median(中央值中央值) Mid-Range(中位数中位数) M = Xmax + Xmin2 X H =n1 x11 调和平均调和平均& 测定的测定的Data怎样表现怎样表现? 中中心值心值111/131Easy Six SigmaLG Electronics / Display Data 散布散布(Dispertion)偏差偏差(Deviance/Deviation)分散分散(Variance) 范围范围(Range)变动系数变动系数*(CV:Coefficient

11、of Variation)绝对平均偏差绝对平均偏差(Mean Absolute Deviation)标准偏差标准偏差(Standard Deviation)变动变动( Variation) SS,S(Sum of Squares) 散的程度散的程度 偏移的程度偏移的程度 V = SSn-1 Xmax- Xmin CV = X MAD = i=1nXi- Xn (or StDev) = V SS = i=1(Xi- X)2Z - Value* Z = Xi- n(%)*Z值 : 特定测量值于资料的的平均距离几个标准偏差的相对性位置尺度. 理论性表示工程能力的尺度，品质特性的平均值和规格中心一致时

12、，规格和平均值的相差相当于标准偏差的几倍距离*变动系数:测定值的相差大的资料间比较散布或者测定相异的资料间的散布比较时使用。& 测定的测定的Data怎样表现怎样表现 ? 散散布布Data的表现的表现 : 散布散布112/131Data的种类的种类问题解决问题解决问题问题 / Issue 事项事项连续型连续型 Data(Continuous Data)离散型离散型 Data(Discrete Data) 连续型连续型 Data : 如长度如长度,重量重量,时间等能够使用测定刻度尺的时间等能够使用测定刻度尺的 Data (计量型计量型) 所测定的尺度不断能够细分所测定的尺度不断能够细分 而且比不连

13、续的而且比不连续的Data提供更多的情报提供更多的情报 离散型离散型 Data : 与合格与合格/不合格不合格, 决定数等能用个数表示的决定数等能用个数表示的Data (计数型计数型) 不能再细分。不能再细分。资料的类型资料的类型属性属性(Attribute)命名命名(Nominal)范畴范畴(Category)统计特征值统计特征值缺陷缺陷(Defect)资料的类型资料的类型变数变数(Variable)比率比率(Ratio)统计特征值统计特征值位置位置(Location)散布散布(Spread)模样模样(Shape)& Data的种类区分的理由是？113/131o 区分区分Data种类的目的种

14、类的目的 确定确定Data的的Display方法和分析方法方法和分析方法 决定要决定要Gathering的的 Sample Size 决定适切的决定适切的Control Chart 决定适切的决定适切的 Sigma(or Z-Value)计算方法计算方法(DPMO or 工程能力分析工程能力分析)o 连续型连续型 Data(计量型计量型) 可以分解可以分解Data, 且且测定的数据的大小有意义测定的数据的大小有意义 客观性客观性 Data : 时间时间, 重量重量, 长度等测定计测仪可以测定的长度等测定计测仪可以测定的Data 主观性主观性 Data :满足度满足度, 充实度等充实度等 Dat

15、a的测定基准按始点发生变更的测定基准按始点发生变更o 离散型离散型 Data(计数型计数型) 不可能分解不可能分解Data, 所测定的数据所测定的数据Count时时. 客观性客观性 Data : 缺点数缺点数, 承认件数承认件数, 误差件数误差件数, 位置等判断的情况明确的内容位置等判断的情况明确的内容 主管性主管性 Data : 包含包含Yes/No, Good/Bad 等人的主观性内容的内容等人的主观性内容的内容 实际情况下离散型和连续型分类比较困难时实际情况下离散型和连续型分类比较困难时 例例 1) 主主/客观式混合的数学能力分数客观式混合的数学能力分数 离散型但是可以看作连续型离散型但

16、是可以看作连续型 例例 2) 使用尺度法的论文结果使用尺度法的论文结果 连续型处理连续型处理, 还是离散型处理，按照事件还是离散型处理，按照事件, 分析的目的考虑置信度慎重判断分析的目的考虑置信度慎重判断Data的种类的种类114/1312. SPC Introduction115/131改善改善(再发防止再发防止, 标准制定标准制定,改正改正)维持维持 统计性技法应用统计性技法应用 1) 品质管理品质管理 ? (QC : Quality Control) 为了确保顾客所愿的品质合理且为了确保顾客所愿的品质合理且 经济地执行的所有管理活动经济地执行的所有管理活动 2) 统计性品质管理统计性品质

17、管理? (SQC : Statistical Quality Control) 展开品质管理活动，展开品质管理活动， 应用统计性技法的活动体系应用统计性技法的活动体系 品质管理品质管理(QC)和统计性品质管理和统计性品质管理(SQC)116/131SPC Introduction统计性统计管理统计性统计管理(SPC = Statistical Process Control) ? Statistical . 统计性方法是用统计性方法是用Sampling的的Data Monitoring 、分析分析 Process 变动变动 时使用。时使用。 Process . 反复性的事情或者阶段反复性的事情

18、或者阶段 (SIPOC : Supplier Input Process Output Customer)Control . Process正在变化的事实早期警报。正在变化的事实早期警报。 警报是指最终警报是指最终Output出来之前纠正问题，能够具有充分的时间出来之前纠正问题，能够具有充分的时间 (管理图管理图 : 随着时间工程散布的变化随着时间工程散布的变化)SPC 对某个对某个 Process掌握品质规格和工程能力状态掌握品质规格和工程能力状态, 利用统计性资料和利用统计性资料和 分析技法分析技法, 在所愿的状态下一直能管理下去的技法。在所愿的状态下一直能管理下去的技法。117/131S

19、PC IntroductionSPC 管理管理Tool的优点的优点 * 1920年年 Bell研究所的研究所的Dr. Walter Shewhart开发开发.* 随着时间随着时间Plot变动变动, 可以通过管理界限区分变动的可以通过管理界限区分变动的2种要因。种要因。 管理界限是为了管理管理界限是为了管理 Process变动，作为一种可能性来管理。变动，作为一种可能性来管理。 (对对Process采取对策的决定采取对策的决定) 管理图总是成双出现管理图总是成双出现. - 一个是特性化一个是特性化Subgroup的平均值变动的平均值变动 : X bar - 另外一个是特性化另外一个是特性化Sub

20、group的散布的散布 : R, Sigma 基本上为了检出影响基本上为了检出影响Process平均值或者散布平均值或者散布 异常原因异常原因而使用。而使用。 管理图优先解释散布的变动，对齐散布的安定化的焦点，有必要观察管理图优先解释散布的变动，对齐散布的安定化的焦点，有必要观察 平均值的变动怎样变化。平均值的变动怎样变化。118/131SPC Introduction 偶然原因偶然原因 : 从总体抽出从总体抽出Sample的散布出现类似的两向的原因的散布出现类似的两向的原因 异常原因异常原因 : 从总体得到的从总体得到的Sample Data的散布出现跟平时不同现象的原因。的散布出现跟平时不

21、同现象的原因。Ex) 管理PCB 铲平厚度. 根据周围环境, 原材料 Lot间微小的物性变化, 作业者熟练度的要因等管理的特性值的散布 Lot别发生时，其称为存在 偶然原因偶然原因(一般为 Accept) 在积层上不知道什么原因 压力在特定Lot上比规定使用得多，如果发生了两个特性值的变化，把这称为 异常原因异常原因.(要改善的事项)SPC 管理管理Tool的优点的优点 Process由于偶然原因由于偶然原因(White Noise = Common Cause Variation)和和 异常原因异常原因(Black Noise = Special Cause Variation)受影响一直变

22、化。受影响一直变化。 偶然原因和异常原因是取适当的偶然原因和异常原因是取适当的Subgroup的的Sample，可以看到变动。可以看到变动。 - 由于偶然原因产生的变动，由于偶然原因产生的变动， Process持续维持安定的状态持续维持安定的状态 : 由于由于Subgroup内的变动发生内的变动发生 - 异常原因的变动是异常原因的变动是Process由于外部要因引起变动由于外部要因引起变动 :由于由于Subgroup之间的变发生。之间的变发生。 Process由于外部异常原因持续受到影响由于外部异常原因持续受到影响, SPC Chart是表示异常原因。是表示异常原因。 119/131改善活动改

23、善活动1. Quick Action2. 6 Sigma 活动活动 SPC 实行实行教育教育SPC活动活动SPC 教育教育Baseline 构筑构筑工程工程 Parameter 选定选定设备设备 Parameter 选定选定部品部品 ParameTer选定选定对策树立对策树立, 改善活动改善活动工程工程 CTQ管理管理部品部品 CTQ管理管理协力社协力社6 Sigma活动活动维持维持, 管理管理, System(IT)化化00年事业部年事业部CTQ Mapping结果结果活用活用包含临加工厂家包含临加工厂家6 Sigma 教育教育测定测定System分析分析工程能力分析工程能力分析管理计划管理

24、计划, 管理管理ParameterReviewOut of ControlIn Control预防活动预防活动120/131UnderstandingStatistics(QC, SQC)SPC 和和 6 SigmaPlanningDesignManufacturingSales & SVC测定测定System分析分析工程能力诊断工程能力诊断工程能力管理工程能力管理改善活动改善活动DMAIC工程工程 Parameter &Component ParameterR&D(DfSS)ManufacturingTQFeedbackSPC主要工程为对象，工程管理的性质强，主要工程为对象，工程管理的性质强

25、，6 Sigma是是Biz. 经过所有经过所有Process 改善活动的改善活动的Program。SPC6 Sigma121/1313. Data 解释解释122/131Histogram特性要因度特性要因度Pareto DiagramCheck Sheet各种各种 Graph散点图散点图(Scatter Diagram)分层分层(Stratification) DATA的分布(散布,平均) Characteristic/Cause-and-Effect /Fishbone Diagram 查找问题偏重的项目和其程度 为了最大化改善效果 选定重点改善(或者管理)项目 Pareto Diagra

26、m 等的 Back data 两个变数间相关关系按照 DATA的特性要因度分成 几个部分 分成主要散布的因子 找散布的原因后使用相对频度区间YManMachineMaterialMethodData100%80%ABCD正正正.QC 7 Tool123/1311. Histogram ?QC 7 Tool Study : Histogram4.22 4.14 4.06 4.08 4.04 4.15 4.104.00 4.08 4.15 4.10 4.12 4.16 3.964.01 4.18 3.99 4.05 4.12 4.07 4.05 4.18 4.12 4.05 4.07 4.08 4

27、.08 4.12 4.10 3.97 4.08 4.04 4.16 4.13 4.09 4.05 4.10 4.10 4.06 4.05 4.06 4.104.08 4.08 4.16 4.10 4.04 4.02 4.08 4.16 4.08 4.21 4.12 4.09 4.02 4.11 4.00 4.10 4.12 4.15 4.12 4.14 4.05 4.13 4.18 4.09 4.08 4.06 4.05 4.034.10 4.12 4.14 4.09 4.14 4.15 4.05 4.09 4.18 4.06 4.08 4.16 4.02 4.02 4.20 4.08 4.1

28、1 4.02 4.13 4.13 4.12 4.05 4.12 4.02 4.18 4.18 4.12 4.11 4.12 4.06 为了了解为了了解长度长度, 重量重量, 强度等计量值怎么分布的制作的图强度等计量值怎么分布的制作的图，制作频数表后画柱状图。，制作频数表后画柱状图。 一般工程安定的情况下呈钟形状，反之按照情况查找有什么异常原因。一般工程安定的情况下呈钟形状，反之按照情况查找有什么异常原因。一般散布大是表示工程差，因此找出原因，树立对策改善工程能力的活动必要。一般散布大是表示工程差，因此找出原因，树立对策改善工程能力的活动必要。Data区间编号区间的界限值中心值频度1234567

29、893.955 3.9853.985 4.0154.015 4.0454.045 4.0754.075 4.1054.105 4.1354.135 4.1654.165 4.1954.195 4.2253.974.004.034.064.094.124.154.184.2124101726191363100051015202530N=100频度3.9553.9854.0154.0454.0754.1054.1354.1654.1954.225区间频数分布表频数分布表Histogram124/1312. Histogram制作步骤制作步骤QC 7 Tool Study : Histogram1.

30、Data 收集收集至少至少30个以上个以上, ,越多可靠性越多可靠性越好越好4.22 4.14 4.06 4.08 4.04 4.15 4.10 4.00 4.08 4.154.10 4.12 4.16 3.96 4.01 4.18 3.99 4.05 4.12 4.074.05 4.18 4.12 4.05 4.07 4.08 4.08 4.12 4.10 3.974.08 4.04 4.16 4.13 4.09 4.05 4.10 4.10 4.06 4.054.06 4.10 4.08 4.08 4.16 4.10 4.04 4.02 4.08 4.164.08 4.21 4.12 4.

31、09 4.02 4.11 4.00 4.10 4.12 4.15 4.12 4.14 4.05 4.13 4.18 4.09 4.08 4.06 4.05 4.034.10 4.12 4.14 4.09 4.14 4.15 4.05 4.09 4.18 4.064.08 4.16 4.02 4.02 4.20 4.08 4.11 4.02 4.13 4.134.12 4.05 4.12 4.02 4.18 4.18 4.12 4.11 4.12 4.062.2.最大值最大值 (L) 最小值最小值 (S)求各求各datadata的最大值的最大值 (L)外外最小值最小值 (S)最大值最大值 (L)

32、 = 4.22, 最小值最小值 (S) = 3.963.3.区间数区间数Data数数 50100 100250 250以上以上区间区间k k6 107 1210 20一般区间的数一般区间的数(k)是是k=.n=100, 因此因此k为为10n n125/131QC 7 Tool Study : Histogram4.4.区间幅度区间幅度(h)h = 4.22 - 3.96 10区间幅度区间幅度 = 最大值最大值( L)- 最小值最小值(S) 临时区间数临时区间数 测定最小单位的正倍数测定最小单位的正倍数= 0.026 测定的最小单位测定的最小单位 0.01的正倍数的正倍数h = 0.035.5.

33、界限界限出发点出发点=最小值最小值 最小测定单位最小测定单位/2第一区间第一区间=出发点出发点出发点出发点+区分幅度区分幅度第二区间第二区间=第一阶段的上限第一阶段的上限 第一区间上限第一区间上限+区间幅度区间幅度 . . . . . 求包含最大值区间求包含最大值区间 出发点出发点=3.96 - 0.01/2 = 3.955第一区间第一区间 = 3.955 3.985第二区间第二区间 = 3.985 4.015第三区间第三区间 = 4.015 4.045第四区间第四区间 = 4.045 4.075第五区间第五区间 = 4.075 4.105第六区间第六区间 = 4.105 4.135第七区间第

34、七区间 = 4.135 4.165第八区间第八区间 = 4.165 4.195第九区间第九区间 = 4.195 4.225第十区间第十区间 = 4.225 4.255 6.6.区间的区间的 中心值中心值中心值中心值 = 各区间上下界限的和各区间上下界限的和 2第一区间的中心值第一区间的中心值= 3.955+3.985 2.=3.97126/131051015202530频度3.9553.9854.0154.0454.0754.1054.1354.1654.1954.225区间QC 7 Tool Study : Histogram7.7.频数表频数表区间编号区间的界限中心值频数123456789

35、3.955 3.9853.985 4.0154.015 4.0454.045 4.0754.075 4.1054.105 4.1354.135 4.1654.165 4.1954.195 4.2253.974.004.034.064.094.124.154.184.21241017261913631008.8.HistogramHistogramN100127/1313. 看看Histogram的方法的方法QC 7 Tool Study : Histogram频数大部分聚集在中心部分，离中心越远越少一般出现的形状左右对称形左右对称形区间跳跃形状像缺牙形状。有必要检讨区间的幅度是否以测定 单位的

36、正数倍， 还是测定者看刻度时有问题。） 切边形切边形平均值向分布的左侧偏移(左右不对称). 理论上或者局限于规格下限 没有采集某个值以下的值。齿形齿形左右倾斜形左右倾斜形规格以外的全部除去后出现这种现象 确认是否有捏造数据, 检查失误,测定误差等 全部选择后，出现这样的模样时 需提高工程能力或者再检讨规格高原形高原形有几个不同的平均值的时候. 制作分区间的Histogram后比较双峰形双峰形有两个不同的平均值的时候出现例)两台机器之间, 两个种类的原料之间差异 按照区间制作Histogram， 2个分布差异 明显.跳跃形跳跃形在不一样的分布上，data稍微混乱的时候 调查工程上是否有异常或者测

37、定上是否 有误差, 是否别的工程上的data.128/131如下如下Data是测定是测定000 电子交货电子交货DID事业部的事业部的A部品的特性的部品的特性的 Data。Spec : 4.62 0.34.864.744.794.744.824.915.074.824.675.174.884.664.814.864.854.674.774.864.984.514.794.824.774.714.804.534.624.865.014.78 问题 制作 Histogram。 1. 最大值和最小值为多少 ? 2. 区间数几个时适当 ? 3. 求区间幅度(h). 4. 求界限。 5. 画出频数表。

38、6. 制作Histogram。QC 7 Tool Study : HistogramCase Study129/131QC 7 Tool Study : Histogram : 平均平均根据测定值根据测定值频度数频度数测定值测定值& 正态分布具有的法则是正态分布具有的法则是 ？& 决定正态分布的模样和位置是决定正态分布的模样和位置是 ? ?& 什么是正态分布什么是正态分布( (Normal Distribution)Normal Distribution) ？130/131QC 7 Tool Study : Histogram : & 什么是正态分布什么是正态分布( (Normal Distr

39、ibution)Normal Distribution) ？TargetTargetTarget : Target : 目标值目标值Z : Z : 正态分布检证统计量正态分布检证统计量LSLLSLUSLUSL平均平均( (X)X) Z = Z = X - TX - TDefect !Defect !f(x) = f(x) = e e1 1- -1 12 22 2 2 2x - x - ? ? ? ? ?& 不是正态分布的不是正态分布的DataData有哪些？举个例有哪些？举个例. . 正态分布总面积是正态分布总面积是1,1,脱离已知规格的脱离已知规格的 面积面积, ,那就是所推定的不良率那就是

40、所推定的不良率 某概率变量某概率变量X X到平均值到平均值( ()之间距离之间距离 除以标准偏差除以标准偏差( ()的值用的值用Z Z来表示来表示 如果规格上限如果规格上限( (oror下限下限) )用用X X来代替时来代替时 超出规格上限的尾部面积可以认为超出规格上限的尾部面积可以认为 有缺陷可能性有缺陷可能性 Z Z值是用来测定工序能力值是用来测定工序能力, ,跟工序的跟工序的 标准偏差不同标准偏差不同, ,131/131H-LinFocusNo RasterMoireMisconSpotNo powerOthers848073352719121124.022.920.910.0 7.7

41、5.4 3.4 3.1 24.0 46.9 67.7 77.7 85.4 90.9 94.3 97.40100200300020406080100DefectCountPercentCum %PercentCountVital FewVital FewTrivial ManyTrivial Many& 典型地典型地 80%的问题是由于的问题是由于 20%的原因发生的原因发生(2:8的原则的原则) 优先选定改善对象为目的，分类不良或者缺点等内容，按照大小顺序排列同时标示优先选定改善对象为目的，分类不良或者缺点等内容，按照大小顺序排列同时标示 累积数的图。累积数的图。 首先要改善对象的区域首先要改

42、善对象的区域!FB000 FB000 型号的不良现况型号的不良现况QC 7 Tool Study : Pareto Chart132/131& 2001年按地区需要显示器的年按地区需要显示器的Data(单位单位 : 百万台百万台) 利用利用Pareto Chart回答下面问题回答下面问题QC 7 Tool Study : Pareto Chart北美22.9E U17.9韩国1.8日本5.7中国2.0印度0.9亚洲4.6中南美 3.1CIS/东欧 2.2其他1.9Case Study1) 对世界市场的对世界市场的 EU 市场的显示器需要比重是市场的显示器需要比重是 ?2) 全体全体 80% C

43、over的需要按照大小排列的需要按照大小排列 ?133/131& 4M 或者或者 6M 1E 或者或者 8M 2E为基准，事的结果为基准，事的结果(特性特性, 问题问题)和影响其结果的原因，系统性地和影响其结果的原因，系统性地 整理的图。整理的图。 计划变更计划变更品质问题品质问题生产生产 CAPA不足不足无作业无作业MACHINEMANMATERIALMETHOD生产计划厂家管理2次厂家统制能力情报传达预想交货日期按日期入库计划 资材提供调查调查SKILL检查 SKILL电算活用能力制作生产计划对策SKILL人际关系KNOWHOW时常事故生产计划作业条件适合设备适切的资材作业条件不良率NEC

44、K ITEM专用资材新MODEL多样资材及时调查优先进行日遵守营业邀请CAPA分析担当管理发行比率QC 7 Tool Study : 特性要因图特性要因图(Cause & Effect Diagram)134/131& 对应的对应的2 种类的种类的Data横轴和竖轴标点横轴和竖轴标点(Plotting) ，查看相互之间有什么相关性。查看相互之间有什么相关性。QC 7 Tool Study : 散点图散点图(Scatter Plot)例题例题) 利用下例利用下例Plotting对对Height和和 Weight 的的Scatter Plot，说明两个变数的关联性。说明两个变数的关联性。Gende

45、rActivitySmokesHeightWeightPulseGenderActivitySmokesHeightWeightPulseMaleModerateNo6614064MaleA lotNo7115068MaleModerateNo7214558MaleA lotYes6815572MaleA lotYes73.516062MaleA lotNo69.515068MaleSlightYes7319066MaleModerateYes7318082MaleModerateNo6915564MaleA lotNo7516064MaleSlightNo7316574MaleA lotNo

46、6613558MaleA lotNo7215084MaleModerateNo6916054MaleModerateNo7419068MaleModerateYes6613070MaleModerateNo7219562MaleModerateYes7315562MaleModerateNo7113876MaleA lotNo7414876MaleSlightYes7416090MaleModerateNo73.515588MaleModerateNo7215580MaleModerateNo7015070MaleA lotYes7015392MaleModerateYes6714090Mal

47、eModerateNo6714568MaleA lotNo7218078MaleA lotNo7117060MaleModerateYes7519070MaleA lotNo7217562MaleSlightNo6814590MaleModerateYes6917566MaleModerateYes6915092MaleA lotYes7317070MaleModerateYes71.516460MaleModerateYes7418068MaleModerateNo7114072MaleA lotNo6613572MaleA lotNo7214268MaleModerateNo7117070

48、MaleModerateNo6913684MaleModerateNo7015774MaleModerateNo6712374MaleModerateNo7013066MaleModerateNo6815568MaleModerateYes7518570FemaleModerateNo6613084FemaleModerateNo6114096FemaleModerateNo65.512061FemaleModerateNo6612062FemaleA lotNo6613064FemaleModerateYes6813078FemaleModerateYes6213194FemaleModer

49、ateNo6813882FemaleModerateNo6212060FemaleModerateYes63121100FemaleModerateNo6311872FemaleModerateNo7012568FemaleModerateNo6712558FemaleModerateNo6811696FemaleModerateYes6513588FemaleModerateNo6914578FemaleModerateNo6612566FemaleModerateYes6915088FemaleSlightNo6511884FemaleModerateYes62.7511262Female

50、A lotNo6512262FemaleModerateNo6812580FemaleModerateNo6511566MaleSlightNo7419062FemaleModerateNo6410280MaleModerateNo7115560FemaleModerateNo6711578MaleModerateYes6917072FemaleModerateNo6915068MaleModerateNo7015562FemaleModerateNo6811072MaleModerateNo7221576FemaleSlightNo6311682MaleModerateYes6715068F