品质管理 质量管理之五大工具+七大方法

密切注意

文章来源|网络(如侵删)

五种工具

质量先期策划（AdvancedProductQualityPlanning）

APQP(高级产品质量计划)是一种结构化的方法，用于确定和制定确保产品满足客户所需的步骤。

产品质量计划的目标是促进与每个相关人员的联系，以确保按时完成所需的步骤。有效的产品质量规划取决于公司最高管理者努力满足客户的承诺。

产品质量规划有以下好处:

引导资源满足客户；

促进所需变更的早期识别；

避免后期修改；

以最低成本及时提供优质产品。

故障类型与理象分析

FMEA(Professional Failure Mode and Effects Analysis)，即潜在失效模式和后果分析，是在产品/过程/服务的策划和设计阶段，对产品的各个子系统、组件、过程和服务程序进行逐一分析，找出潜在的失效模式，分析其可能的后果，评估其风险，从而提前采取措施，减少失效模式的严重程序，降低其可能的概率。

FMEA类型:

根据应用领域，通用FMEA包括设计FMEA(DFMEA)和工艺FMEA(PFMEA)，其他包括系统FMEA、应用FMEA、采购FMEA和服务FMEA。

测量系统分析(Measurement System Analysis)

MSA(Measure System Analysis)是MSA测量系统分析，利用数理统计和图表的方法对测量系统的误差进行分析，从而评价测量系统是否适合被测参数，确定测量系统误差的主要成分。

生产件批准程序（ProductionPartApprovalProcess）

PPAP(生产零件批准程序)是生产零件批准程序，是生产零件的控制程序和质量管理方法。

PPAP生产零件提交保证:主要包括生产零件尺寸检验报告、外观检验报告、功能检验报告、材料检验报告，外加部分零件控制方法和供应商控制方法；

制造企业在提交产品时要求供应商制作PPAP文件和首件，所有PPAP文件合格后才能提交；当项目发生变化时，必须提交报告。

单纸包的（single paper covered的缩写）

SPC(统计过程控制)，即统计过程控制，主要是指应用统计分析技术及时监控生产过程，科学区分生产过程中产品质量的随机波动和异常波动，从而对生产过程的异常趋势进行预警，使生产管理者能够及时采取措施消除异常，恢复过程的稳定性，从而达到提高和控制质量的目的。

SPC非常适合重复性生产过程，可以帮助组织对过程进行可靠的评价，确定过程的统计控制极限，判断过程是否失控，过程是否有能力；为过程提供预警系统，及时监控过程的情况，防止废品的产生，减少对常规检验的依赖，定期用观察和系统测量的方法代替大量的检验和验证工作。

统计过程控制的实施意义:

可以让企业:降低成本；降低不良率，减少返工和浪费；提高劳动生产率；提供核心竞争力；赢得广泛的客户。

分两个阶段实施统计过程控制:

分析阶段:使用控制图、直方图、过程能力分析等。使过程处于统计稳定状态，并使过程能力足够。

监控阶段:用控制图监控过程。

程控的产生:

工业革命后，随着生产力的进一步发展和大规模生产的形成，如何控制大规模产品的质量成为一个突出的问题。单纯基于回测的质量控制方法已经不能满足当时经济发展的要求，质量管理方法必须改进。因此，英国、美国等国家开始研究使用统计方法来代替回测的质量控制方法。

1924年，美国的休哈特博士提出将3西格马原理应用于生产过程，并发表了著名的“控制图法”来控制过程变量，为统计质量管理奠定了理论和方法基础。

统计过程控制的作用:

①确保制造过程稳定、可预测。

②提高产品质量，生产能力，降低成本。

③为过程分析提供依据。

(4)区分劣化的特殊和常见原因，作为采取局部措施或针对系统采取措施的指南。

七种技术

检查表

检查表是一种将需要检查的内容或项目逐一列出，然后定期或不定期逐项检查，并记录问题点的方法，有时也称为检查表或检查表。例如:检查表、诊断表、工作改进检查表、满意度调查表、评估表、审核表、5S活动检查表、工程异常分析表等。

组件:

(1)确定检验项目；

②确定检查频率；

③确定检查人员。

实施步骤:

(1)确定检查对象；

(2)制作检查表；

(3)按检查表项目进行检查和记录；

(4)检查出的问题要求责任单位及时改进；

⑤检验员应在规定时间内确认改进效果；

⑥定期总结，持续改进。

分层方法

分层法是将大量关于某一特定主题的观点、意见或想法进行分组，并根据它们之间的相互关系对大量收集到的数据或信息进行分组和分类。分层法一般与柏拉图、直方图等七种技术结合使用，也可以单独使用。比如:抽样统计、不良类别统计、排名榜等。

实施步骤:

(1)确定研究主题；

(2)制作表格，收集数据；

③对收集的数据进行分类；

④对比分析，分析这些数据，找出内在原因，确定改进项目。

柏拉图

柏拉图的运用要以层次法为基础，层次法确定的项目要由大到小排列，加上累加值的图形。它可以帮助我们找出关键问题，掌握重要的少数和有用的多数，适用于数值统计。有人称之为ABC图，也叫帕累托图，因为柏拉图的排名是由大到小。

分类:

①柏拉图用于分析现象:与不良结果有关，用于发现重大问题。

质量:不合格、故障、顾客投诉、退货、维修等。；

成本:总损失、费用等。；

交货日期:库存短缺、付款违约、交货延迟等。；

d安全:事故和错误。

②柏拉图用于分析原因:与过程因素有关，用于发现主要问题。

操作员:班次、群体、年龄、经验、熟练程度等。；b机器:设备、工具、模具、仪器等。；

c原材料:厂家、工厂、批次、型号等。；

d .作业方法:作业环境、工序顺序、作业安排等。

柏拉图的角色:

(1)减少基础不良；

(2)确定改进目标，找出问题点；

③改善效果可以确认。

实施步骤:

(1)收集数据，按层次法分类，计算每一层项目占整个项目的百分比；

(2)汇总分类数据，由多到少排列，计算累计百分比；

(3)绘制水平和垂直轴比例；

④绘制直方图；

⑤绘制累积曲线；

⑥记录必要的项目

⑦分析柏拉图

⑧要点:

一个柏拉图有两个纵坐标，左边纵坐标一般代表数量或金额，右边纵坐标一般代表数量或金额的累计百分比；

b柏拉图横坐标一般表示考察项目，按照影响程度从左到右排列；

c .画柏拉图时，根据每一项的数量或金额的频率，画一个左纵坐标对应的直方，画出右纵坐标对应的每一项累计频率对应的思路，将这些思路依次连成一条线。

应用要点和注意事项:

(1)柏拉图要保留，改进效果可以通过整理改进前后的柏拉图来评价；

2分析柏拉图只需要掌握前2~3项；

3柏拉图的分类项目不宜设置太小，5~9项适合教学。如果分类项目太多，可以将9个以上的项目分类到其他项目中。如果分类项目太少，少于4项，做柏拉图没有实际意义；

(4)如果柏拉图发现每个项目的分配比例几乎相同，柏拉图就失去了意义，与柏拉图定律不符，要从其他角度收集数据进行分析；

⑤ Y柏拉图是管理改进的手段而不是目的。如果数据项清晰，就没必要浪费时间做柏拉图；

⑥如果其他项目比前几项大，必须分析是否有原因；

⑦柏拉图分析的主要目的是获取信息，以显示问题的关键点，并采取对策。但是，如果第一个项目是现有条件难以解决的，或者即使解决了也是得不偿失，那么你可以避开第一个项目，从第二个项目开始。

因果图

所谓因果图，又称特征因子图，主要用于分析质量特征与影响质量特征的可能原因之间的因果关系。是通过把握现状，分析原因，寻找促进问题解决的措施，分析质量特性(结果)和可能影响质量特性的因素(原因)的工具。又称鱼骨图。

分类:

①追寻原因类型:是追寻问题的原因并找出其影响，用因果图表达结果(特征)与原因(重要因素)的关系；

②追求对策:追求如何预防问题，如何实现目标，用因果图表达预期效果与对策的关系。

实施步骤:

(1)成立因果图分析小组，3~6人为好，最好是各部门的代表；

②确定问题点；

③画出主干线的主骨、中骨、小骨，确定主要原因(一般从5M1E中找出原因，即人、机、材、法、测、境)；

(4)参与者进行了热烈的讨论，按照主要原因进行分析，找到了中间或小的原因，并将其绘制成因果图；

⑤因果图小组要形成共识，用红笔或特殊标记识别最有可能是问题根源的项目；

⑥记录必要的项目

应用要点和注意事项:

(1)确定原因，收集全体员工的知识和经验，集思广益，以免遗漏；

2原因分析越细越好，越详细的规则可以找出问题的关键原因或解决方案；

3质量特征多少，要画多少因果图；

(4)如果分析的原因不能采取措施，说明问题没有解决。如果改善有效，必须细分原因，直到可以采取措施；

⑤在数据的基础上客观评价各因素的重要性；

⑥重点解决问题，按照5W2H的方法逐项列出。画因果图时，先把重点放在“为什么会发生这种原因和结果”上，分析“如何解决”后提出对策；

为什么-为什么你想这么做？(对象)

怎么办？(目的)

在哪-在哪做？(位置)

什么时候-什么时候做？(订单)

谁-谁来做？(人)

怎么-用什么方式？(指)

多少钱-多少钱？(费用)

⑦因果图应考虑现场出现的问题；

⑧绘制因果图后，需要形成共识才能确定原因，并用红笔或专用标记标出；

⑨因果图在使用时要不断完善。

散布图

将因果关系对应的变化数据分别描绘在X-Y轴坐标系上，从而掌握两个变量是否相关以及相关到什么程度。这个图叫“散点图”，也叫“相关图”。

分类:

①正相关:当变量X增加时，另一个变量Y也增加；

②负相关:当变量X增大时，另一个变量Y减小；

③无关性:当变量X(或Y)变化时，另一个变量不变；

④曲线相关性:变量X开始增大时Y增大，但当达到一定值时，X的值增大时Y减小。；

实施步骤:

(1)确定两个待调查变量，收集相关最新数据，至少30组以上；

(2)找出两个变量的最大值和最小值，并将两个变量追踪到x轴和y轴；

(3)在坐标系上以点的形式标出相应的两个变量；

(4)包括画面名称、制作者、制作时间等项目；

⑤散点图解释中的相关性和相关度。

应用要点和注意事项:

①两组变量对应的数量至少为30组，最好是50组到100组。当数据太少时，容易造成误判；

②通常横坐标表示原因或自变量，纵坐标表示结果或因变量。

③数据的相关性往往受5M1E变化的影响。在这种情况下，需要对数据采集的条件进行分类，否则散点图不能真实反映两个变量之间的关系；

(4)出现异常点时，应立即查找原因，但不能删除异常点；

⑤当散点图的相关性与技术经验不符时，应进一步审查是否有产生错觉的原因。

矩形图

直方图是指某一产品或过程的特征值，利用正态分布(也称正态分布)原理对50多个数据进行分组，计算每组的频率，然后用一个相似的直方图形状在横轴上进行描述。

实施步骤:

(1)收集相同类型的数据；

②计算极值差(总距离)R = xmax-xmin；

③设置组数k: k = 1+3.23 logn

(4)确定最小计量单位，即小数位数为n时，最小单位为10-n；

⑤计算群距离h，等于范围R/群数k；

⑥计算各组的上限和下限

第一组下限值=X最小值-最小测量单位10-n/27

第二组下限值(第一组上限值)=第一组下限值+组距h；

⑦计算各组的中心值，等于(组下限值+组上限值)/2；

⑧制作频率表；

⑨根据频率表绘制直方图。

直方图的常见形式和确定；

①正态型:为正态分布，服从统计规律，过程正常；

②缺牙型:非正态分布，不符合统计学规律；

③偏度:不是正态分布，不服从统计规律；

④离岛型:非正态分布，不服从统计规律；

⑤高原型:非正态分布，不服从统计规律；

⑥双峰型:不是正态分布，不服从统计规律；

⑦不规则型:不是正态分布，不服从统计规律。

检查图

影响产品质量的因素很多，包括静态因素和动态因素。有没有办法对产品的生产过程进行实时监控，及时发现质量隐患，从而改善生产过程，减少废品和次品的产出？

控制图法就是这样一种以预防为主的质量控制方法。利用现场采集的质量特征值绘制控制图，通过观察图形判断生产过程的质量状态。控制图可以提供大量有用的信息，是质量管理的重要方法之一。

控制图法的含义:

控制图，也叫管理图，是有控制界限的质量管理图。使用控制图的目的之一是通过观察控制图上产品质量特征值的分布，分析判断生产过程中是否存在异常，并采取必要的措施及时消除异常，恢复生产过程的稳定状态。控制图也可以用来使生产过程达到统计控制的状态。产品质量特征值的分布是一种统计分布，因此需要应用概率论的相关理论和知识来绘制控制图。

控制图是生产过程质量的记录图，它有一条中心线、控制上限和控制下限，以及反映按时间顺序提取的每个样本的统计数据的数字点。中心线是受控统计量的平均值，控制上限和控制下限是中心线标准偏差的几倍。大多数制造业应用三重标准差控制限，如果有足够的证据可以使用其他控制限。

常用的控制图包括测量值和记录值，适用于不同的生产过程；每个类别可以细分为特定的控制图。例如，实测值控制图可以具体分为均值-极差控制图、单值-移动极差控制图等。

控制图的绘制:

(1)控制图的基本样式如图所示，制作控制图一般采取以下步骤:

a、按规定的采样间隔和样本量采样样本；

b、测量样品的质量特征值并计算统计值；

在控制图上画点；

d、判断生产过程是否平行。

②当控制图为管理者提供许多有用的生产过程信息时，应注意以下问题:

a根据过程质量，合理选择管理点。管理点一般指对关键部位、关键维度、过程本身有特殊要求，对下一步工作有影响的关键点。比如质量不稳定、次品较多的零件可以选作管理点；

b .根据管理点的质量问题，合理选择控制图的类型:

c .使用控制图进行过程管理时，首先要确定合理的控制界限。

d、控制图上的点处于异常状态，需要立即查找原因，采取措施才能生产，这是控制图发挥作用的首要前提；

e控制线不等于公差线，公差线用于判断产品是否合格，控制线用于判断工艺质量是否发生变化；

f .控制图异常，需明确责任，及时解决或上报。

现场取样方法:

制作控制图时并不是每次都计算控制限，那么初始控制线是如何确定的呢？如果现在的生产条件和过去差不多，可以沿用以前的经验数据，也就是延长过去稳定生产的控制界限。下面介绍一种确定控制限的方法，即现场取样法。

步骤如下:

(1)随机抽取50多个样品，测量样品的数据，计算控制限，制作控制图；

②观察控制图是否处于控制状态，即稳定情况。如果所有点都在控制界限内，且点的排列没有异常，则可以进行下一步；

(3)如有异常状态，或虽未超过控制极限但布置有异常，则需查明异常原因，采取适当措施使其处于控制状态，然后再取数据计算控制极限，转入下一步；

(4)将上述数据作为立方图，将立方图与标准限值(公差上限和下限)进行比较，看是否处于理想状态或更好的状态。如果不符合要求，必须采取措施使平均偏移或标准差减小。采取措施后，重复上述步骤再次采集数据，并进行控制限制，直至达到标准。

如何用控制图判断异常现象；

用控制图识别生产过程的状态主要是根据样本数据形成的样本点的位置和变化趋势。

失控状态主要表现在以下两种情况:

采样点超过控制极限

样本点在控制限内，但排列异常。

当数据点超出管理限值时，一般认为生产过程中存在异常现象，应调查原因，采取对策。异常排列主要是指以下几种情况:

a连续七点以上偏离中心线以上或以下，所以检查生产条件是否有变化。

b连续三个点中有两个进入管理界限附近(指从中心线到管理界限三分之二以上的区域)，要注意生产波动是否过大。

C点的上升或下降趋势表示过程特征在向上或向下变化。

d点的排列状态是周期性变化的，因此可以对运行时间进行分层处理，并重新制作控制图，以找出问题的原因。

控制图揭示异常现象的能力将根据每组数据的数量、样本的收集方法和层的划分而变化。我们不仅要满足于一张控制图的使用，还要改变各种数据收集方法和使用方法，制作各种类型的图表，以获得更好的效果。

值得注意的是，如果发现超出管理界限的异常现象，却不努力调查原因、采取对策，那么控制图只是一张空纸，虽然很有效。

声明:标杆精益微信官方账号发送的稿件、图片、视频用于学习交流。文章是从网上或者朋友提交的，版权归作者所有。如果涉及内容、版权等问题，请及时联系我们删除！