全面质量管理七种工具.docx

全面质量管理七种工具.docx

《全面质量管理七种工具.docx》由会员分享，可在线阅读，更多相关《全面质量管理七种工具.docx（6页珍藏版）》请在冰豆网上搜索。

全面质量管理七种工具

全面质量管理七种工具

所谓全面质量管理常用七种工具，就是在开展全面质量管理活动中，用于收集和分析质量数据，分析和确定质量问题，控制和改进质量水平的常用七种方法。

这些方法不仅科学，而且实用，作为班组长应该首先学习和掌握它们，并带领工人应用到生产实际中。

（一）统计分析表法和措施计划表法

质量管理讲究科学性，一切凭数据说话。

因此对生产过程中的原始质量数据的统计分析十分重要，为此必须根据本班组，本岗位的工作特点设计出相应的表格。

常用的统计分析表有以下几种，供参考。

1.不良项目调查表

某合成树脂成型工序使用的不良项目调查表如下。

每当发生某种不良时，工人就可在相应的栏目里画上一个调查符号，这样，下班时哪些不良项目发生了多少，立即可知。

2.零件尺寸频数分布表

此表与不良项目调查表属同一类型。

第二栏为零件尺寸的分组，第四栏的“”与不良项目调查表中的“正”是相同的符号。

工人每加工完一个零件，经检测后，将所得零件尺寸在第二栏“组距”中找到相应的尺寸组，然后再在第四栏中记录符号，待到下班或完工时，再统计第五栏。

这样的图既直观、又明确、有助于掌握零件尺寸的分布情况。

3.汽车油漆缺陷统计表

该表的特点是直观，而且将每个缺陷的部位表示出来了。

4.不良原因调查表

要分清不良的发生原因，可接设备、操作者、时间等标志进行分层调查，填写不良原因调查表。

下表为调查了甲、乙两位工人5天生产塑料勺不良原因的调查表。

5.不合格品分类统计分析表

下表为某工序同时生产三种规格的轴承，按不良项目分别统计。

表的右侧和下边的合计栏均画作虚线，表示可根据需要取舍。

需要注意的是“尺寸精度”和“旋转精度”作为总目，下面还细分若干细目，这是表格设计的一种技巧，与此对应，下边合计栏也应合理设计。

6.措施计划表

措施计划表，又称对策表。

在制订一个具体的改进措施计划后，所有对策编制成计划表的形式。

下表为某照相机厂生产一种自拍照相机，为了解决自拍质量问题，针对所分析的原因，制订的改进措施计划表。

（二）排列图法

排列图法是找出影响产品质量主要因素的一种有效方法，其形式如下图。

排列图中有两个纵座标，一个横座标，几个直方形和一条曲线。

左边的纵座标表示频数（件数金额等），右边的纵座标表示频率（以百分比表示），有时，为了方便，也可把两个纵座标都画在左边。

横座标表示影响质量的各个因素，按影响程度的大小从左至右排列;曲线表示各影响因素大小的累计百分数，这条曲线称帕累托曲线。

通常把累计百分数分为三类：

0～80%为A类，是累计百分数在80%的因素，显然它是主要因素。

累计百分数80～90%的为B类，是次要因素;累计百分数在90～100%的为C类，这一区间的因素是一般因素。

作排列图需注意:

不重要的项目很多时，横轴会变得很长，通常就把这些项目并列入“其它”项内。

“其它”项的高度即便比前项目高，也排列在最后。

横轴上各问题（项目）的宽度为多少，一般没有严格要求，但各问题（项目）间的宽度却要求相等。

左纵坐标的最大值可参考质量问题（项目）数量的最大值;右纵坐标的最大值是100%，左右两纵坐标的刻度相互无关。

制作排列图的步骤：

1.收集数据，即在一定时期里收集有关产品质量问题的数据。

如，可收集1个月或3个月或半年等时期里的废品或不合格品的数据。

2.进行分层，列成数据表，即将收集到的数据资料，按不同的问题进行分层处理，每一层也可称为一个项目;然后统计一下各类问题（或每一项目）反复出现的次数（即频数）;按频数的大小次序，从大到小依次列成　　数据表，作为计算和作图时的基本依据。

例如，甲厂收集到某半年的锥柄扭制钻头废品的数据。

经分层整理后列成的数据表，见下表

（1）

（2）（3）栏。

3.进行计算，即根据第（3）栏的数据，相应地计算出每类问题在总问题中的百分比，计入第（4）栏，然后计算出累计百分数，计入第（5）栏。

4.作排列图。

即根据上表数据进行作图。

需要注意的是累计百分率应标在每一项目的右侧，然后从原点开始，点与点之间以直线连接，从而作出帕累托曲线。

（三）因果分析图法

因果分析图又叫特性要因图。

按其形状，有人又叫它为树枝图或鱼刺图。

它是寻找质量问题产生原因的一种有效工具。

其基本格式如图所示:

从图上可以看出，因果分析图的“果”，指的是大黑箭头所指的方框中的质量特性，即质量问题，“因”是与大黑箭头成60°夹角的中箭头及与中箭头成60°夹角的小黑箭头。

画因果分析图要召开与质量特性有关人员参加的技术XX会，共同讨论，边谈边记画出草图。

分析原因时要从大到小，从粗到细，寻根究底，直到可以采取措施为止。

主要原因要采取投票或举手表决的办法确定。

一般每人只准提两到三个主要问题，票数最多的为主要问题。

用方框框起来作为标志。

画好草图还要到现场进行核对，漏项的要补上，已经采取措施改进了的要取消。

画因果分析图的注意事项：

1.影响产品质量的大原因，通常从五个大方面去分析，即人、机器、原材料、加工方法和工作环境。

每个大原因再具体化成若干个中原因，中原因再具体化为小原因，越细越好，直到可以采取措施为止。

2.讨论时要充分发挥技术XX，集思广益。

别人发言时，不准打断，不开展争论。

各种意见都要记录下来。

（四）分层法

分层法又叫分类，是分析影响质量（或其它问题）原因的方法。

我们知道，如果把很多性质不同的原因搅在一起，那是很难理出头绪来的。

其办法是把收集来的数据按照不同的目的加以分类，把性质相同，在同一生产条件下收集的数据归在一起。

这样，可使数据反映的事实更明显、更突出，便于找出问题，对症下药。

企业中处理数据常按以下原则分类：

1）按不同时间分：

如按不同的班次、不同的日期进行分类;

2）按操作人员分：

如按新、老工人、男工、女工、不同工龄分类;

3）按使用设备分：

如按不同的机床型号，不同的工夹具等进行分类

4）按操作方法分：

如按不同的切削用量、温度、压力等工作条件进行分类;

5）按原材料分：

　如按不同的供料单位不同的进料时间，不同的材料成份等进行分类。

6）按不同的检测手段分类。

7）其它分类：

如按不同的工厂、使用单位、使用条件、气候条件等进行分类。

总之，因为我们的目的是把不同质的问题分清楚。

便于分析问题找出原因。

所以，分类方法多种多样，并无任何硬性规定。

为了便于理解，举两个例子说明。

例一　加工一根轴，其前工序是两个车工甲、乙操作的，其后工序是另外两个磨工丙、丁操作的。

现在要研究磨加工过程中出现的废品。

如果把丙、丁两个人加工的零件混在一起研究，只能知道这道工序上问题，而不知每个人的加工情况。

如果把车工甲加工的零件分成两部分让丙、丁磨，统计后进行分析。

再把车工乙加工的零件分成两部分让丙、丁磨;又统计后分析，这样就可以清楚地了解每个人的加工情况。

例二　有一种零件在四轴自动磨床上进行磨加工。

如果要分析这台磨床加工问题，把四根轴加工出的零件分别分析，就能找出每一个轴上存在的问题。

如果四根轴所磨的零件混在一起分析，就很难找出问题症结所在。

（五）直方图法

直方图，又称质量分布图。

直方图法，是指通过对生产过程中产品质量分布状况的描绘与分析，来判断生产过程质量的一种常用方法。

直方图的格式如图所示：

分组数以10～20组为宜

收集数据100个左右

1.直方图的观察分析：

作直方图的目的，是通过观察图的形状，来判断生产过程是否稳定，预测生产过程的不合格品率。

那幺如何观察和分析呢?

首先要看图形本身的形状;然后用公差（标准）要求来与之比较，这样就可大致有个结论。

关于图形，对直方形多少有参差不齐不必太注意，而应着眼于图形的整个形状。

常见的几种图形见图:

a）直方呈锯齿状，这多因测量方法或读数有问题，也可能是数据分组不当所引起的。

b）直方以中间为顶峰，左右对称地分散。

正常状况都是这样分布。

c）直方的顶峰偏向一侧，有时象跳动等形位公差是这样的分布的;也有时因加工习惯造成这样的分布，如孔加工往往偏小，而轴加工往往偏大等等。

d）在远离主分布中心的地方又出现小的直方。

这表示有某种异常，可能加工条件有变动。

e）两个顶峰，这往往是两个不同的分布混在一起所致。

f）直方呈平顶形，往往是由于生产过程中某种缓慢的倾向在起作用，如工具的磨损，操作者的疲劳等影响。

用直方图与公差（或标准）进行对比，看直方图是否都在公差要求的当中。

不过应当注意，这时想的是生产过程，并不是少数加工出来的产品。

这种对比大体有六种情况，见下图。

图中B是实际尺寸分布X围;T是公差X围。

图a）中B在T的中间，平均值也正好与公差中心重合，实际尺寸分布的两边还有一定的余地,这是很理想的。

图b）这样的分布虽然也是落在公差界限之内，但因偏向一边，故有超差的可能，须采取措施把分布移到中间来。

图c）的分布虽然也落在公差X围之内，但完全没有余地，一不小心就会超差，必须采取措施，缩小分布的X围。

图d）的公差X围过分大于实际尺寸分布X围。

此时应考虑经济性，可以改变工艺（由精度高变为精度低）,或缩小公差。

图e）的实际尺寸分布X围过分地偏离公差中心，造成了超差或废品，应采取措施将其纠正回来。

图f）的实际尺寸的分布X围太大，产生了超差。

应采取措施缩小它，要幺放宽公差。

2.工序能力和工序能力指数

工序能力，是指工序在一定时间里，处于控制状态（稳定状态）下保证质量的能力。

工序能力指数（Cp或Cpk）是反映工序能力的指标。

按其等级的高低,在管理上可以作出相应的判断和处置，见下表：

（六）控制图法：

控制图法是以控制图的形式，判断和预报生产过程中质量状况是否发生波动的一种常用的质量控制统计方法。

它能直接监视生产过程中的过程质量动态，具有稳定生产，保证质量、积极预防的作用。

控制图的基本形式如下图所示。

在直角坐标中有三条线。

纵坐标表示需要控制的质量特性值，横坐标表示按系统取样方式得到子样的编号;上、下两条虚线表示上控制界限（UCL）和下控制界限（LCL），中间的细直线表示中心线（CL）。

在控制图上，把采取系统取样方式取得的子样质量特性值，用点子描在图上的相应位置。

若点子全部落在上下控制界限之间，且点子排列没有什幺异常状况时，应说明生产过程是处于稳定状态（控制状态）。

否则，判定生产过程中出现异常因素，则应查明原因，设法消除。

下图中第6点超出上控制界线，就是控制图报警的一种常见情况。

1.控制图的种类：

控制图在实践中，根据质量数据通常可分为两大类七种。

1）计量值控制图

a.平均值-极差控制图，一般用符号X-R图表示

b.中位数-极差控制图，一般用符号X-R图表示

c.单值-移动极差控制图，一般用符号X-Rs图表示

2）计数值控制图

a.不合格品数控制图，一般用符号Pn图表示

b.不合格品率控制图，一般用符号P图表示

c.缺陷数控制图，一般用符号c图表示

d.单位缺陷数控制图，一般用符号U图表示

控制图的种类虽有不同，但它们的基本原理却是共同的。

2.控制图的观察

如果点子落到控制界限之外，应判断工艺过程发生了异常变化。

如果点子虽未跳出控制界限，但其排列有下列情况，也判断工艺过程有异常变化;

1）点子在中心线的一侧连续出现7次以上;

2）连续7个以上的点子上升或下降

3）点子在中心线一侧多次出现，如连续11个点中，至少有10个点（可以不连续）在中心线的同一侧

4）连续3个点中，至少有2点（可以不连续）在上方或下方2横线以外出现（即很接近控制界限）

5）点子呈现周期性的变动

在X-R图、X-R图和X-Rs图中，对极差R和移动极差Rs的控制观察，一般只要点子未超出控制界限，就属正常情况。

（七）散布图法

散布图法，是指通过分析研究两种因素的数据之间的关系，来控制影响产品质量的相关因素的一种有效方法。

在生产实际中，往往是一些变量共处于一个统一体中，它们相互联系、相互制约，在一定条件下又相互转化。

有些变量之间存在着确定性的关系，它们之间的关系，可以用函数关系来表达，如园的面积和它的半径关系：

S=πr2;有些变量之间却存在着相关关系，即这些变量之间既有关系，但又不能由一个变量的数值精确地求出另一个变量的数值。

将这两种有关的数据列出，用点子打在座标图上，然后观察这两种因素之间的关系。

这种图就称为散布图或相关图。

散布图法在工厂生产中会经常用到，例如，棉纱的水分含量与伸长度之间的关系，喷漆时的室温与漆料粘度的关系;热处理时钢的淬火温度与硬度的关系;零件加工时切削用量与加工质量的关系等等，都会用到这种方法。

下图就是反映钢的淬火温度与硬度关系的散布图。

散布图的观察分析

根据测量的两种数据作出散布图后，就可以从散布图上点子的分布状况，看出两种数据之间是否有相关关系，以及关系的密切程度。

散布图的基本形式有六种，如下图

以上七种质量管理工具，各有所长，各有特色，难易程度也不同，各班组长可结合自己的工作实际，有选择地练习和应用，在循序渐进的过程中，相信你能带领班组成员取得良好的成果。