存储芯片项目质量管理手册.docx

《存储芯片项目质量管理手册.docx》由会员分享，可在线阅读，更多相关《存储芯片项目质量管理手册.docx（92页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、存储芯片项目质量管理手册xxx有限公司目录一、 产业环境分析4二、 下游市场发展趋势5三、 必要性分析9四、 项目基本情况9五、 过程质量控制的特点12六、 质量数据与分布规律18七、 过程能力的计算和评价21八、 过程能力23九、 常用的质量改进工具24十、 质量改进工具概述40十一、 六西格玛管理的特点44十二、 六西格玛管理的策划48十三、 质量认证的相关概念53十四、 产品质量认证56十五、 审核的策划与实施64十六、 审核的原则与分类71十七、 投资计划74建设投资估算表75建设期利息估算表76流动资金估算表78总投资及构成一览表79项目投资计划与资金筹措一览表80十八、 经济效益8

2、1营业收入、税金及附加和增值税估算表82综合总成本费用估算表83利润及利润分配表85项目投资现金流量表87借款还本付息计划表89十九、 项目进度计划90项目实施进度计划一览表91一、 产业环境分析今后一个时期，世界经济在深度调整中曲折复苏，新一轮科技革命和产业变革蓄势待发，我国经济将保持中高速增长，我地区加快发展面临诸多有利因素。我地区在全国率先系统推进全面创新改革试验，有利于有效集聚创新要素资源，加快培育新的竞争优势；全面深化改革扎实推进，将为全省发展持续注入新动力；国家大力实施制造强国战略、“互联网+”行动计划等，有利于我地区加快调结构转方式促升级；新型城镇化试点省建设扎实推进，将进一步挖

3、掘经济增长潜力；国家加快完善基础设施网络，将为经济增长提供有力支撑。但也面临不少压力和挑战，发展不足、发展不优、发展不平衡问题依然突出，创新能力不强，产业结构不尽合理，部分产业产能过剩，发展方式较为粗放，资源环境约束趋紧，城乡区域发展差距明显，城镇化水平较低，市场主体总量不多，对外开放程度不高，基本公共服务供给不足，扶贫攻坚任务繁重，公民文明素质和社会文明程度有待提高，法治建设任务艰巨，政府治理能力和服务意识有待增强。综合判断，我地区发展虽面临不少风险挑战，但经济长期向好的基本面没有改变，新的增长动力加速孕育的态势没有改变，总体上机遇大于挑战，处于大有可为的重要战略机遇期。要认清形势、坚定信心

4、，趋利避害、主动作为，着力突破瓶颈制约、补齐发展短板，努力把地区发展推向新的更高水平。二、 下游市场发展趋势代码型闪存芯片的应用领域主要包括消费电子、网络通讯、物联网、工业与医疗、电脑与外设、汽车电子等领域，长期而言上述领域发展快速，下游终端产品应用广，市场需求充足，市场空间广阔。1、消费电子在消费电子产品中，通常由于主控芯片内存有限，为了存储更多代码程序，需要搭配NORFlash或SLCNANDFlash。基于消费电子产品庞大的市场基础及日益丰富的性能需求，代码型闪存芯片未来的发展将具有良好的市场预期。以最具代表性的产品TWS耳机为例，2016年苹果推出TWS耳机AirPods，开启了一波全

5、球TWS耳机的热潮。CounterpointResearch的统计数据显示，2020年全球TWS耳机出货量达到2.33亿部，同比增长78%，预计2021年将达到3.10亿部，保持快速增长的趋势。智能手表作为近年来关注度较高的产品，需求量将随着消费者尝试意愿的提升而进一步增长。根据前瞻产业研究院的预测，2021至2026年，全球智能手表市场规模将从274亿美元增长至574亿美元，年均复合增长率将超过15%。2、网络通讯随着我国5G网络建设的全面推进，5G基站及配套的网络通讯设备（光猫、路由器、交换机等）需求持续提升，带动NORFlash及SLCNANDFlash的需求迅速扩张。以5G基站为例，N

6、ORFlash在存储配置图像和启动代码方面具有高可靠、低延时的特点，可工作10年以上，因此每个5G基站中通常搭载4-6颗大容量NORFlash对驱动代码、系统运行日志等重要内容进行存储和记录。根据工信部发布的2021年通信业统计公报，截至2021年底，我国累计建成并开通5G基站142.5万个。根据前瞻产业研究院的预测，预计到2025年我国5G基站建设数量累计将达到约500万个。未来数年将是我国5G基站建设规模的快速扩张时期，有望带来代码型闪存芯片的大量需求。3、物联网物联网通过信息传感设备按约定的协议将物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管

7、等功能。物联网的分布式生态，使得复杂的算力可在计算机或手机等终端上完成并传输到特定的设备，而终端设备仅需要简单的网络连接和计算能力。NORFlash由于其具备片内执行、低功耗、高可靠性、读取速度快等特点，与物联网终端需求适配程度较高，在物联网设备中被广泛应用于存储启动和运行系统的操作代码。近年来物联网市场快速扩张，在生产、生活、公共管理领域都有广泛的应用需求，发展前景广阔。中国产业发展研究院的统计数据显示，2020年我国物联网市场规模已达到1.66万亿元，预计到2022年将达到2.12万亿元，每年增速保持在10%以上。4、工业与医疗随着物联网、5G网络等新一代通讯基础设施的推广，智能安防、智能

8、电表、医疗电子和控制仪表等领域的设备数量及性能需求不断提升，带动代码型闪存芯片需求持续扩大。以安防监控市场为例，在人工智能技术的推动下，安防监控在城市治安、交通管理、楼宇安防等领域发挥着越来越重要的作用，实现的功能从最初的图像采集逐步扩展到客流分析、环境污染监测等智能化方向。随着产品性能需求的提升及数据存储量的扩大，安防监控领域对代码型闪存芯片的需求不断提升。Omdia的研究数据显示，2020年全球智能视频监控设备及相关基础设施市场规模为226.5亿美元，预计2025年将达319亿美元，年均复合增长率约7%。5、电脑与外设在台式电脑、笔记本电脑及平板电脑中，BIOS（基本输入输出系统）包含着最

9、重要的基本输入输出的程序、开机后自检程序和系统自启动程序，对于系统正常初始化、启动和操作系统的引导起到不可或缺的作用。由于NORFlash具备高可靠性、读取速度快等特点，通常用于存储电脑设备中的BIOS代码。随着电脑配置的不断升级，BIOS的容量需求不断提高，逐渐提升大容量NORFlash的市场需求。由于新冠疫情带来工作、生活方式的转变，近年来远程办公、线上教学的应用场景对电脑与外设设备的需求大幅增加。IDC的统计数据显示，2020年全球PC出货量同比增长13.5%，预计2021年将维持较快增速，出货量达到3.45亿台，至2025年仍将保持增长趋势。6、汽车电子随着汽车向着智能化、网联化的方向

10、发展，车载电子的功能逐渐增多，例如ADAS（高级辅助驾驶系统）、GUI（图形用户界面）、语音识别、高级数据处理等功能相继涌现，因此也产生大量的数据存储需求。为保证数据完整性，避免车辆突然掉电数据丢失，NORFlash及SLCNANDFlash凭借高可靠性、低功耗、读取速度快等优点，在汽车电子市场拥有旺盛的需求。以ADAS市场为例，随着技术逐步走向成熟，ADAS功能正逐渐从豪华车向中低端车型发展，渗透率快速提升。前瞻产业研究院的统计数据显示，2020年中国ADAS市场规模达到844亿元，随着产品渗透率加速提升，预计到2025年将达到2,250亿元，年均复合增长率约22%。三、 必要性分析1、现有

11、产能已无法满足公司业务发展需求作为行业的领先企业，公司已建立良好的品牌形象和较高的市场知名度，产品销售形势良好，产销率超过 100%。预计未来几年公司的销售规模仍将保持快速增长。随着业务发展，公司现有厂房、设备资源已不能满足不断增长的市场需求。公司通过优化生产流程、强化管理等手段，不断挖掘产能潜力，但仍难以从根本上缓解产能不足问题。通过本次项目的建设，公司将有效克服产能不足对公司发展的制约，为公司把握市场机遇奠定基础。2、公司产品结构升级的需要随着制造业智能化、自动化产业升级，公司产品的性能也需要不断优化升级。公司只有以技术创新和市场开发为驱动，不断研发新产品，提升产品精密化程度，将产品质量水

12、平提升到同类产品的领先水准，提高生产的灵活性和适应性，契合关键零部件国产化的需求，才能在与国外企业的竞争中获得优势，保持公司在领域的国内领先地位。四、 项目基本情况（一）项目投资人xxx有限公司（二）建设地点本期项目选址位于xx。（三）项目选址本期项目选址位于xx，占地面积约41.00亩。（四）项目实施进度本期项目建设期限规划24个月。（五）投资估算本期项目总投资包括建设投资、建设期利息和流动资金。根据谨慎财务估算，项目总投资16601.88万元，其中：建设投资13723.12万元，占项目总投资的82.66%；建设期利息343.15万元，占项目总投资的2.07%；流动资金2535.61万元，占

13、项目总投资的15.27%。（六）资金筹措项目总投资16601.88万元，根据资金筹措方案，xxx有限公司计划自筹资金（资本金）9598.78万元。根据谨慎财务测算，本期工程项目申请银行借款总额7003.10万元。（七）经济评价1、项目达产年预期营业收入（SP）：28500.00万元。2、年综合总成本费用（TC）：22317.68万元。3、项目达产年净利润（NP）：4520.92万元。4、财务内部收益率（FIRR）：21.02%。5、全部投资回收期（Pt）：5.85年（含建设期24个月）。6、达产年盈亏平衡点（BEP）：11501.37万元（产值）。（八）主要经济技术指标主要经济指标一览表序号项

14、目单位指标备注1占地面积27333.00约41.00亩1.1总建筑面积45912.61容积率1.681.2基底面积16126.47建筑系数59.00%1.3投资强度万元/亩315.572总投资万元16601.882.1建设投资万元13723.122.1.1工程费用万元11420.322.1.2工程建设其他费用万元2006.412.1.3预备费万元296.392.2建设期利息万元343.152.3流动资金万元2535.613资金筹措万元16601.883.1自筹资金万元9598.783.2银行贷款万元7003.104营业收入万元28500.00正常运营年份5总成本费用万元22317.686利润总

15、额万元6027.897净利润万元4520.928所得税万元1506.979增值税万元1286.8610税金及附加万元154.4311纳税总额万元2948.2612工业增加值万元9821.9813盈亏平衡点万元11501.37产值14回收期年5.85含建设期24个月15财务内部收益率21.02%所得税后16财务净现值万元6990.62所得税后五、 过程质量控制的特点1、统计过程质量控制的基本概念所谓控制是要以某个标准为基准，一旦偏离了这个基准，就要尽快加以纠正，使之保持这个基准。SPC（统计过程控制）就是以统计控制状态（稳态）作为基准的，这是一个非常重要的基本概念。统计控制状态也称稳态，即过程中

16、只有正常因素（随机因素）而无异常因素（系统因素）产生的变异的状态。影响质量变异的原因包含正常因素（随机因素）和异常因素（系统因素）两大类。正常因素的特点表现为：对质量变异的影响是微小的；在过程中是始终存在的；对质量变异的影响方向是不确定的。由正常因素所造成的质量变异称为正常质量波动，鉴于正常质量波动的原因难以查明、难以消除，所以常采取持续改进的方法。异常因素的特点表现为：对质量变异的影响很大；在过程中时有时无；对质量变异的影响方向是确定的；异常因素是可以控制的（可以查明、可以消除）。由于异常因素所造成的质量变异、质量波动，其原因可以查明、可以消除，所以采取的态度应该是“严加控制”。正常质量波动

17、表现出质量数据形成典型分布（在确定的生产条件下，质量数据的分布中心和标准偏差表现为确定的值）。异常质量波动表现出质量数据的典型分布遭到破坏，即质量数据的分布中心和标准偏差发生显著的变化。统计过程控制就是要保持过程中只有正常因素起作用，控制异常因素的作用，使过程处于稳定受控状态。为了实现过程控制，必须采用科学的质量控制方法，如统计技术中分布状态、控制图，来捕捉过程中的异常先兆，并结合专业技术消除异常的质量波动。也就是说，统计过程控制是通过应用统计技术识别异常、消除异常，把不合格原因消灭于过程之中，达到预防不合格品产生的目的。2、统计过程质量控制的步骤质量控制大致可以分为7个步骤。（1）选择控制对

18、象。（2）选择需要监测的质量特性值。（3）确定规格标准，详细说明质量特性。（4）选定能准确测量该特性值的监测仪表，或自制测试手段。（5）进行实际测试并做好数据记录。（6）分析实际与规格之间存在差异的原因。（7）采取相应的纠正措施。当采取相应的纠正措施后，仍然要对过程进行监测，将过程保持在新的控制水准上。一旦出现新的影响因子，还需要测量数据，分析原因，进行纠正，因此这7个步骤形成了一个封闭式流程，称为“反馈环”。这点和六西格玛质量突破模式的DMAIC有共通之处。质量控制技术包括两大类：抽样检验和过程质量控制。抽样检验通常是指生产前对原材料的检验或生产后对成品的检验，根据随机样本的质量检验结果决定

19、是否接受该批原材料或产品，过程质量控制是指对生产过程中的产品随机样本进行检验，以判断该过程是否在预定标准内生产。抽样检验用于检验与评价，而过程质量控制应用于各种形式的生产过程。因此，所谓统计过程质量控制，是利用数理统计的方法，对生产过程的各个阶段进行控制。从而达到改进与保证产品质量的目的。SPC强调全过程预防为主的思想。SPC不仅可用于制造过程，而且还可以用于服务过程，以改进和保证服务质量。SPC强调全员参加，人人有责，强调采用科学的方法来达到目的。3、SPC的特点许多质量管理技术是对已生产出来的产品进行分析、检验或评估，以找出提高产品质量的途径和方法，这是事后补救的方法。而统计过程控制与其他

20、方法不同，它是在生产过程的各个阶段对产品质量进行适时的监控与评估，因而是一种预防性的方法，强调全员参与和整个过程的控制。因而其特点可总结为以下几点。（1）产品质量的统计观点。应用数理统计方法分析和总结产品质量规律的观点是现代质量管理的基本观点之一。产品质量的统计观点包括以下两方面内容。产品质量或过程质量特性值是波动的。在生产过程中，产品的质量特征值的波动是不可避免的，它是由设备（Machine）、材料（Material）、操作人（Man）、工艺（Method）、环境（Environment），即4MIE五个方面等基本因素的波动综合影响所致。由于产品在生产中不断受4MIE等质量因素的影响，而这些

21、质量因素是在不断变化的，即使同一个工人，用同一批原材料在同一台机器设备上所生产出来的同一种零件，其质量特性值也不会完全一样。它们或多或少存在差异。这是质量变异的固有本性波动性。产品公差制度的建立已表明产品质量是波动的。产品质量的变异具有统计规律。即产品质量特性值的波动具有统计规律性。产品质量特性值的波动幅值及出现不同波动幅值的可能性大小，服从统计学的某些分布规律。在质量管理中，常用的分布主要有正态分布、二项分布、泊松分布等，而寿命特性值很多服从指数分布。知道了质量特性值服从什么分布，就可以利用这一点来保证与提高产品的质量。因此，可以用统计理论来保证与改进产品质量。统计过程质量控制就是在这种思想

22、指导下产生的。（2）发现及纠正异常因素。从对质量的影响大小来看，质量因素的波动分为两种：正常波动和异常波动，或称为偶然误差（偶然因素）和系统误差（异常因素）。产生质量波动的因素分为随机因素和异常因素两大类。随机因素对产品质量和过程的影响可用质量改进的技术与方法进行识别、减小和降低；异常因素对产品质量的影响很大，在生产过程中应利用SPC控制技术及时分析，并纠正和消除。因此，在正常生产过程中一旦发现异常因素，则应尽快地把它找出来，并采取措施将其消除。这就是抓主要矛盾。SPC控制技术是发现及纠正异常因素的科学工具。（3）稳定状态是过程质量控制追求的目标。在生产过程中，只有随机因素而没有异常因素的状态

23、称为稳定状态，也叫统计控制状态。在统计控制状态下，对产品质量的控制不仅可靠而且经济，所产生的不合格品最少。因此，稳态生产是过程控制所追求的目标。（4）预防为主是统计过程控制的重要原则。质量是制造出来的，不是检验出来的。统计过程控制的目的是在生产过程中实施一种避免浪费，不生产废品的预防策略，发挥质量管理人员、技术人员、现场操作工人的共同作用，从上、下工序过程的相互联系中进行分析，实现“预防为主”的原则，在生产过程中保证产品质量。现代质量管理强调以预防为主，要求在质量形成的整个生产过程中，尽量少出或不出不合格品，这就需要研究两个问题：一是如何使生产过程具有保证不出不合格品的能力；二是如何把这种保证

24、不出不合格品的能力保持下去，一旦这种保证质量的能力不能维持下去，应能尽早发现，及时得到情报，查明原因，采取措施，使这种保证质量的能力继续稳定下来，保持下去，真正做到防患于未然。前一个问题一般称为生产过程的工序能力分析，后一个问题一般称为生产过程的控制。六、 质量数据与分布规律1、质量数据的基本概念定量分析是现代质量管理中的基本特征之一。为了进行定量分析，就必须有数据。因此，在质量管理中要特别重视对数据的搜集、整理和分析工作。质量数据是指某质量指标的质量特性值，在质量控制过程中，将检测和分析得到的质量特性值用数字记录下来，简称质量数据。由于质量一词含义丰富，既包括狭义的产品质量，也包括广义的工作

25、质量，因而质量指标在企业中就多种多样，质量数据在企业中几乎无处不在。在质量数据统计分析中，从样本到总体的问题，即统计推断问题。所谓统计推断，就是根据抽样分布律和概率理论，由样本结果（统计数）来推论总体特征（参数）。因此，特别关注三项指标，一是数据的集中位置，二是数据的分散程度，三是数据的分布规律。质量数据是指由个体产品质量特性值组成的样本（总体）的质量数据集，在统计上称为变量；个体产品质量特性值称变量值，根据质量数据的特点，可以将其分为计量值数据和计数值数据。（1）计量值数据。计量值数据是指可以连续取值的数据，属于连续型变量。其特点是在任意两个数值之间都可以取精度较高一级的数值。它通常可以用仪

26、器测量的连续性数据，如长度、重量、强度、时间、标高、位移等。（2）计数值数据。计数值数据是指不能连续取值的，只能用自然数表示的数据，属于离散型变量。如合格品件数、废品数、错字数、质量缺陷点数等。计数值数据还可进一步划分为计件值数据和计点值数据。计件值数据是指按产品个数计数的数据，如合格品件数、废品件数等；计点值数据是指按点计数的数据，如缺陷、棉布上的疵点数、铸件上的砂眼数等。计数值是指具有离散分布性的数据。2、质量数据的统计特征值应用统计过程质量控制，其基本的做法就是用有限的样本去分析推断总体的特征。过程的质量特性值是不断波动的。当搜集到的数据足够多时，就会发现一个现象，即所有数据都在一定范围

27、内分散在一个中心值周围，越靠近中心值，数据越多；越偏离中心值，数据越少。这意味着数据的分散是有规律的，表现为数据的集中性。数据的分散性和集中性统称为数据的“统计规律性”。质量数据的集中趋势和离散程度反映了总体质量变化的内在规律性。（1）质量数据的位置特征值。在分析质量数据的分布状态时，描述数据分布集中趋势主要有算术平均值、中位数等。（2）数据的离散特征数。数据的分散程度在质量管理中就是质量特性值的波动性，反映过程能力。在分析数据的分布状态时，常被用于表示数据分布的离散程度的特征数，主要有极差、标准偏差等。3、质量数据的分布规律质量数据具有个体数值的波动性和总体分布的规律性。在统计过程质量控制中

28、，各种统计技术的应用都是以质量数据的分布规律为依据进行的，其中最常用的有正态分布、二项式分布和泊松分布。（1）正态分布。正态分布是一种最常见的连续性随机变量的概率分布。其特征是“钟”形曲线。实际工作中，正态曲线下横轴上一定区间的面积反映该区间的例数占总例数的百分比，或变量值落在该区间的概率（概率分布）。不同范围内正态曲线下的面积可用公式计算。轴与正态曲线之间的面积恒等于1。（2）二项分布。二项分布是一种典型的离散性分布。（3）泊松分布。泊松分布P（A）中只有一个参数入，它既是泊松分布的均值，也是泊松分布的方差。在实际事例中，当一个随机事件，例如，某电话交换台收到的呼叫来到某公共汽车站的乘客、某

29、放射性物质发射出的粒子、显微镜下某区域中的白细胞等，以固定的平均瞬时速率入（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布。七、 过程能力的计算和评价（一）过程能力的计算当生产过程处于稳定状态时，一定的工序能力指数与一定的不合格品率相对应。根据所采用数据类型的不同和技术要求的不同，工序能力指数和不合格概率的计算又可以分为四种情况。（二）过程能力评价过程能力指数客观且定量地反映了过程能力满足质量标准的程度。它与生产过程中的加工能力和管理水平有关。过程能力指数越大，产品的加工质量就越高。因此，在实际生产中，根据过程能力指数的大小对过程的加工

30、能力进行分析和评价，以便于采取必要的措施，既要保证过程质量，又要使成本适宜。1、无偏状态下过程能力评价一般情况下，无偏状态是指过程中心与质量标准公差中心重合。（1）特等一过程能力过于充裕。在过程或工序允许的情况下，可考虑放宽管理或降低成本，可放宽检查，如人和设备的配备可相对降低一些，这样可以带来降低成本、提高效率的效果；提高产品的原设计精度，改进产品性能；加大抽样间隔，减少抽验件数，降低检验的各种消耗。（2）1等过程能力充裕。按过程进行管理，正常运转；非重要过程或工序可允许小的外来波动；对不重要的过程或工序可放宽检查，工序控制抽样间隔可放宽。（3）2等过程能力尚可。必须加强对生产过程的监控，防

31、止外来波动；调查4MIE因素，作必要改进；严格执行各种规范、标准、制度；坚持合理的抽样方案和检验规程。（4）3等一过程能力不足。必须采取措施提高过程或工序能力，通过因果图、排列图找出需要改进的因素；分析质量标准是否脱离实际，应实事求是地修正质量指标过严的情况；加强质量检验工作。（5）4等一过程能力严重不足。立即追查原因，采取紧急措施，提高工序能力，对4MIE必须进行根本性的改革，要从根本上消除影响质量的关键因素。2、有偏状态下过程能力评价一般情况下，有偏状态是指过程分布中心与质量标准公差中心不重合，出现了偏移。从统计的角度看有偏状态，中心偏移使得过程分布中心值不在目标值上，偏移量的出现使得过程

32、能力指数Cp降低，过程输出的不合格品率增加。八、 过程能力1、过程能力过程能力（PC）是指过程（或工序）处于稳定状态下的实际加工能力，它是衡量工序质量的一种标志，又叫工序能力，在机械加工业中又叫加工精度。SPC的基准就是统计控制状态或称稳态。过程能力反映了稳态下该过程本身所表现的最佳性能（分布宽度最小）。因此，在稳态下，过程的性能是可预测的，过程能力也是可评价的。离开稳态这个基准，对过程就无法预测，也就无法评价。过程能力决定于由偶然因素造成的标准差。通常用6倍标准差（六西格玛）表示过程能力，它的数值越小越好。2、过程能力指数过程能力指数，简称Cp或Cpk，以往称为工序能力指数，现在则统一称为过

33、程能力指数。Cp是用于反映过程处于正常状态时，即人员、机器、原材料、工艺方法、测量和环境（5MIE）充分标准化并处于稳定状态时，所表现出的保证产品质量的能力。过程能力是表示生产过程客观存在着分散的一个参数。但是这个参数能否满足产品的技术规格要求，仅从它本身还难以看出。因此，还需要另一个参数来反映工序能力满足产品技术要求（公差、规格等质量标准）的程度。这个参数就叫做过程能力指数，也称为工序能力指数或工艺能力指数。它是技术规格要求和工序能力的比值。九、 常用的质量改进工具1、调查表（1）调查表的含义。调查表是用于收集和记录统计数据的一种表格形式，以便于按统一的方式收集数据并进行统计计算和分析，以获

34、得对事实的明确认识的一种表格。调查表又称为检查表、分析表、核对表。调查表既适用于收集数字数据（定量分析），又适用于收集非数字数据（定性分析）。在质量管理和质量改进的工作过程中普遍应用各种统计方法，以探索事物的规律性。统计的对象是数据，而所收集的数据是否具有代表性，将直接关系到统计方法的应用效果。而且，数据往往具有一定的时效，过时的数据就会失去应有的价值。应用调查表就是为了能采用简便的方法，迅速收集到能反映事物客观规律的数据，这对于各种统计方法的应用都具有非常重要的意义。特别是作为信息源，可为原因分析和质量改进决策提供依据。（2）制作步骤。调查表具体的制作与操作步骤如下。确定对象。首先要明确调查

35、最终要达到的目的，据此来确定具体的产品或零件作为调，查的主要对象。设计表格。根据调查对象和调查目的的特点，设计形式多样的调查表。记录汇总。确定调查周期，在规定期限对调查对象进行调查、记录，最后进行汇总整理。分析结果。分析调查记录的结果，找出主要原因，制定改进措施。2、分层法（1）分层法的含义，所谓分层法，就是把收集来的原始质量数据，按照一定的目的和要求加以分类整理，以便分析质量问题及其影响因素的一种方法。分层法又称分类法，是质量管理和质量改进中常用来分析影响质量因素的重要方法。在实际生产中，影响质量变动的因素很多，这些因素往往交织在一起，如果不把它们区分开来，就很难得出变化的规律。有些分布，从

36、整体看好像不存在相关关系，但如果把其中的各个因素区别开来，则可以看出，其中的某些因素存在着相关关系；有些分布，从整体看似乎存在相关关系，但如果把其中的各个因素区分开来，则可以看出，不存在相关关系。可见用分层法，可使数据更真实地反映实施的性质，有利于找出主要问题，分清责任，及时加以解决。（2）分层法的依据和方法。根据分层的目的，按照一定的标志加以区分，把性质相同、在同一条件下收集的数据归集在一起。分层时，应使同一层的数据波动幅度尽可能小，而层间的差别尽可能大。按不同的操作者分。如按新、老工人，男、女不同工龄，操作技术水平高低进行分类。按机器设备分。如按不同型号、新旧程度进行分层。按原材料分。如按

37、不同的供料单位、不同的进料时间、不同的生产环境等标志分层。按操作方法分。如按不同的切屑用量、温度、压力等工作条件进行分层。按不同的时间分。如按不同的班次、不同的日期进行分层。按不同的检验手段分。如按不同的测量仪器、测量者进行分层。按生产废品的缺陷项目分。如按铸件的裂纹、气孔、缩孔、砂眼等缺陷项目分层。（3）制作步骤。分层法可以采用统计表形式，也可以用图形的形式。其步骤如下。确定分析研究的目的和对象。收集有关质量方面的数据。对有待于解决的问题，采用分层法分析，收集与此相关的数据，通常用的办法是抽样调查。根据分析研究的目的不同，选择分层的标志。按分层标志对数据资料进行分层。分层时注意使同一层内数据

38、在性质上差异尽可能小，而不同层的数据间差异尽可能大，便于分析、找出原因。画出分层归类图（或表）。分析分层结果，找出主要问题产生的原因，并制定改进措施。3、排列图（1）排列图的含义。排列图是为了对从最关键的到较次要的要素或项目依次进行排列而采用的简单的图示技术。排列图是用来描述项目重要度的工具。在任何工作中要想取得显著效果，必须抓住主要矛盾解决重点问题，排列图就是用来寻求主要矛盾的工具。在质量改进活动中，针对现场存在的诸多质量问题，可以应用排列图确定哪些是关键的项目；针对影响质量问题的诸多原因，可以应用排列图确定哪些是主要原因。（2）应用原理。排列图最早是由意大利经济学家帕累托用来分析社会财富分

39、布状况的。他发现，少数人占有着社会上的大量财富，而绝大多数人则处于贫苦的状态，而这少数人却左右着整个社会经济发展动向的现象，即所谓“关键的少数和无关紧要的多数”的关系。后来，美国质量管理学家朱兰博士，把它应用于质量管理，ISO9000标准也将其作为质量统计常用工具。因此，排列图在质量管理中就成了改善质量活动，寻找影响质量主要因素的一种主要工具。排列图由两个纵坐标和一个横坐标，若干个直方形和一条折线构成。左侧纵坐标表示不合格品出现的频数（出现次数或金额等），表示影响程度；右侧纵坐标表示不合格品出现的频率（百分比）；横坐标表示影响质量的各种因素，按影响大小顺序排列；直方形高度表示相应的因素的影响程

40、度（即出现频率为多少）；折线表示累计频率（也称帕洛特曲线）。应该注意，分类方法不同，所制作的排列图不同。应通过不同的角度观察问题，把握住问题的实质，针对不同性质的问题采用不同的分类方法进行分类，以确定“关键的少数”，这也是排列图应用的目的。为了确认“关键的少数”，在排列图上通常按累积百分数分为三个区域：在080%间的项目为“A类项目”，即关键的少数；在80%90%间的项目为“B类项目”，即次要项目；在90%100%间的项目为“C类项目”，即一般项目。B类项目和C类项目的总和是次要的多数；若所取数据为“质量损失（金额）”，画排列图时应将质量损失在左纵坐标轴上表示出来。排列图分析时采用的是“二八原

41、则”，但并不是绝对的，应根据具体情况确定关键的少数。（3）制作步骤。确定排列项目，收集数据。存在的诸多质量问题或影响质量问题的诸多原因都可以成为排列项目，以便从中确定哪些项目为“关键的少数”。当排列项目较多时，应将含有最小项内的若干类别合并为“其他”项，以便简化分析过程，这一“其他”项的频数无论多大都应当排列在最后。选择度量单位，作成缺陷数统计表或频数分布表。在排列图中，排列项目的度量单位可以是频数、件数、成本等。但是，所有的排列项目的度量单位必须是相同的、等价的，否则将不具有可比性。作直方图。按频数大小从左到右用直方图表示，使图形呈逐个下降的趋势。描线。注明必要事项。分析关键的少数要因，作为

42、解决问题的基础。排列图的画法中大致有三种：朱兰画法；ISO9000标准画法；帕累托画法。4、因果围（1）因果图的含义。因果图又称鱼刺图、石川图，是日本质量管理先驱者石川馨所创，它是整理和分析质量问题与其影响因素之间关系的一种方法，运用因果图有利于找到问题的症结所在，然后对症下药来解决质量问题。因果图在使用时，因果分析图形象地表示了探讨问题的思维过程，利用因果分析图可以首先找出影响质量问题的大原因，然后寻找到大原因背后的中原因，再从中原因找到小原因和更小的原因，最终查明主要的直接原因。这样有条理地逐层分析，可以清楚地看出“原因一结果”“手段一目标”的关系，使问题的脉络完全显示出来，最终找出影响质

43、量问题的根本原因。因此在质量管理活动中，尤其在质量分析和质量改进活动中得到广泛的应用。（2）制作步骤。确定要分析的质量问题，画出主干线。找出影响结果的因素。采用“头脑风暴法”等方法，集思广益，尽可能地找出可能影响结果的所有因素。确定原因的类别，画出分支线。大原因数目一般不少于2个，不多于6个；然后分析寻找影响质量的中原因、小原因等，直至每个分支都找出了潜在的根本原因。检查每个因果链的逻辑合理性，画出因果分析图。制定解决的措施。找出主要原因后，应拟定适当的措施，到现场去解决问题。5、直方图（1）直方图的含义。直方图法是从总体中随机抽取样本，将从样本中获得的数据进行整理，从而找出数据变化的规律，以

44、便测量工序质量的好坏。直方图的应用主要显示数据的波动形态，即样本数据的分布。直观地传达有关过程的情况和信息。根据直方图所提供的信息，可以推算出数据分布的特征值、过程能力指数及过程的不合格品率等。这种推算一般要比控制图的推算更加准确，决定在何处集中力量进行改进，即为质量改进提供机会。（2）制作步骤。收集数据。数据个数一般为50个以上，最少不少于30个。求极差R。在原始数据中找出最大值和最小值，计算两者的差就是极差。确定分组的组数和组距。一批数据究竟分多少组，通常根据数据个数的多少来定。确定各组界限。制作频数分布表，将测得的原始数据分别归入相应的组中，统计各组的数据个数，各组频数填好以后检查一下总

45、数是否与数据总数相符，避免重复或遗漏。画直方图。以横坐标表示质量特性，纵坐标为频数，在横轴上标明各组组界，以组距为底，频数为高，画出一系列的直方柱，就成了直方图。在直方图的空白区域，记上有关数据的资料。如样本数、平均值、标准差等。（3）直方图的观察与分析。直方图可以直观地观察出质量特性的分布形态，便于判断过程是否处于统计控制状态，以决定是否采取相应对策措施。直方图的观察主要是看两个方面，一是观察图形的形状，二是将直方图的位置和规格标准进行比较，从而得出结论。直方图图形形状分析。一般情况下，作直方图的目的是为了研究工序质量的分布状况，判断工序是否处于正常状态。因此，在画出直方图后要进一步对其图形

46、进行分析。在正常生产条件下，所得到的直方图如果不是标准形状的，就要分析其产生的原因，采取措施。*正常型。又称对称型，特点是中间高、两边低、左右基本对称，这是理想状态的图形，说明工序稳定。*平顶型。直方的高度差不多，频数分布详尽。这是由缓慢的因素起作用所造成的，如车辆老旧，保修质量下降，人员素质逐步下降等。*双峰型。直方图中出现两个高峰，这是把两种不同类型的数据混在一起造成的。如两种不同的车型混合抽样，或两种不同营运方式的车辆混合抽样所致。*锯齿型。直方参差不齐形如锯齿，可能是数据分组过多或计算有误，应重新分组计算。*偏向型。直方的顶峰不在中间位置，偏向一边，有时是数据分组不当所致，有时质量分布

47、本身就是这种规律，如春节运输期间的日运量就是偏向型的分布。*孤岛型。在直方群以外又出现小的直方群，像孤岛一样。说明有异常质量波动，如原料发生变化、在短期内由不熟练工人替班、测量有错误等，都会造成孤岛型分布。此时应查明原因，采取措施。直方图数据范围与质量标准间的关系。当工序处于稳定状态后，还需要进一步与质量标准（通常是公差T）进行比较，以判断工序能力能否满足质量标准的要求。公差通常是尺寸公差的简称，指允许尺寸的变动量，等于最大极限尺寸与最小极限尺寸代数差的绝对值。直方图数据范围与质量标准间的关系主要看直方图是否都在公差要求之内，其次还要分析在公差之内的位置如何，这种对比大体上有6种典型的情况。（B为直方图的数据分布范围，T