QC七大手法-1直方图

QC七大手法-直方图一、什么是QC七大手法QC（Quality Control）七大手法是一种常用于解决质量问题和提高产品质量的方法。

它包含了七种常用的统计学手法，分别是：直方图、控制图、散点图、因果图、帕累托图、箱线图和流程图。

这些手法可以帮助我们分析和解决质量问题，以达到质量改进的目的。

本文将重点介绍其中一种手法——直方图。

二、直方图的基本概念直方图是一种用于显示数据分布情况的图表。

它通过将数据划分为一系列间隔，然后统计每个间隔内数据出现的频率，最终通过矩形条来呈现数据的分布情况。

直方图通常用于展示连续变量或离散变量的频率分布，可以帮助我们了解数据的分布规律和集中趋势。

三、绘制直方图的步骤1. 数据收集首先，我们需要收集相关的数据。

这些数据可以是产品的尺寸数据、质量数据或其他与质量有关的数据。

2. 数据整理在绘制直方图之前，我们需要对数据进行整理和分类。

将数据按照一定的规则进行分组，并记录每组数据的频数。

3. 确定间隔和组数在进行数据分组时，我们需要确定数据的间隔和组数。

间隔一般是根据数据的最大值和最小值来确定的，组数可以根据实际情况进行调整。

4. 绘制直方图绘制直方图可以使用各类数据分析软件、编程语言或绘图工具。

在绘图时，我们需要将每组数据的频数表示为相应的矩形条，并将矩形条按照一定的间隔排列。

5. 添加标题和注解为了使直方图更具可读性，我们可以添加标题和注解。

标题可以简要描述直方图的目的和内容，注解可以解释数据的分布情况和统计指标。

6. 分析直方图通过观察直方图，我们可以了解数据的分布情况和集中趋势。

例如，我们可以通过直方图来判断数据是正态分布、偏态分布还是离散分布。

同时，我们还可以通过直方图来确定数据的中位数、均值和标准差等统计指标。

四、直方图在QC中的应用直方图在QC中有广泛的应用，可以帮助我们分析和解决质量问题。

以下是直方图在QC中的一些常见应用场景：1. 检测质量问题通过绘制产品尺寸、质量或其他相关数据的直方图，我们可以快速发现质量问题。

QC七大手法相关知识简介1. 质量控制〔QC〕简介质量控制〔Quality Control，简称QC〕是一种通过测量和监控产品或效劳的特性，以确保其符合规定质量标准的方法。

QC主要包括七大手法，即直方图、折线图、箱线图、散点图、质量控制图、因果图和脑力激荡法。

下面将对这七大手法进行逐一介绍。

2. 直方图直方图是一种通过将数据分组并显示为柱状图来展示数据分布的可视化工具。

它可用于显示连续变量的分布情况，并帮助判断数据是否服从某种特定的概率分布。

直方图可以直观地展示数据的集中趋势、离散程度和偏斜程度。

3. 折线图折线图是一种连接数据点的图形展示方法，常用于显示随时间变化的信息。

它通常用于展示连续数据的趋势和变化模式。

折线图可以帮助我们分析和理解数据的变化趋势，识别周期性模式和异常值。

4. 箱线图箱线图〔Box Plot〕是一种用于显示数据集中趋势、离散程度和异常值的可视化工具。

它以五个统计量〔最小值、下四分位数、中位数、上四分位数和最大值〕为根底绘制一个矩形箱体，并用线表示异常值。

箱线图可以帮助我们判断数据的分布形态和离群值。

5. 散点图散点图是一种以点的形式表示两个变量之间关系的图形展示方法。

它可以帮助我们观察变量之间是否存在线性关系、趋势或聚集。

散点图常用于发现异常值、识别异常情况和检测数据的相关性。

6. 质量控制图质量控制图〔Control Chart〕是一种用于监控过程稳定性和识别异常情况的工具。

它通过绘制样本数据的统计量，如平均值或范围，以及控制限来帮助我们判断过程是否在统计控制下。

质量控制图常用于质量管理和过程改良。

7. 因果图因果图〔Cause and Effect Diagram〕，也称为鱼骨图或石川图，是一种用于分析问题根本原因的图形工具。

它以一个问题为中心，将可能导致该问题的多个因素分别列在鱼骨的骨架上。

因果图可以帮助我们理解问题产生的多个可能原因，并通过分析和改良这些因素来解决问题。

QC七大手法1 直方图为要容易的看出如长度、重量、时间、硬度等计量的数据之分配情形，所用来表示的图形。

直方图是将所收集的测定值或数据之全距分为几个相等的区间作为横轴，并将各区间内之测定值所出现的次数累计而成的面积，用柱子排起来的图形。

用途：描述数据的分布（平均值，变异，对称），借以判断工序有无异常情况。

并检查该数据是否正常受控，有足够的能力符合客户需求。

具体方法：1、找出最大值，最小值以及数据的个数；2、决定区间的个数=总数开根号；3、决定区间的宽度=（最大值-最小值）/区间个数。

4、作出频次表；5、画出直方图（如图1所示）。

图1. 直方图示意图2 管制图把品质特性的点以记号标示上去，借着该点在管制界限内侧或外侧的情形，可以判断工序是否在控制状态中。

其中，规格界限：来自客户的要求、对于产品质量的控管、每一量测单点都必须在规格界限之内；管制界限：工序变异的自然容许范围、对于制程/机台的控管、每一量测平均值都必须在管制界限之内。

用途：借由管制界限的定制，区分出工序的变异的合理性。

即时监控，并可以在制程异常时立即采取改善对策。

图2. 管制图示意图3 鱼骨图一个质量问题的发生往往不是单纯一种或几种原因的结果，而是多种因素综合作用的结果。

要从这些错综复杂的因素中理出头绪，抓住关键因素，就需要利用科学的方法，从质量问题这个结果出发，集思广益，由表及里，逐步深入，直到找到根源为止。

鱼骨图有如鱼骨增长的方式，有系统地整理工作的结果（特性）以及其原因（要因）。

用途：在改善小组的脑力激荡之下，列举所有可能的异常原因，逐一过滤之后，会发现平常忽略的小毛病，可能就是问题的根源图3. 鱼骨图示意图4 查检图在收集各种数据之后，为确认并能毫无遗漏的查检，将结果制成简单的表格。

用途：可以让数据的收集更为规律、有效；制成的表格更为简明、易懂图4. 查检图示意图5 柏拉图柏拉图能够反映出“少数关键、多数次要”的规律，也就是说柏拉图是一种寻找主要因素、抓住主要矛盾的手法。

QC七大手法优秀案例QC（质量控制）七大手法是指质量管理领域常用的七种分析工具和方法，包括直方图、散点图、因果图、检查表、控制图、Pareto图和关系图。

这些手法可以帮助企业识别问题根本原因、分析数据变化趋势、制定改善措施等，提高产品或服务的质量。

下面将介绍几个优秀案例，展示QC七大手法的应用效果。

案例一：直方图在生产过程中的应用某汽车制造厂为了解决汽车发动机噪音问题，使用直方图进行问题分析。

他们收集了发动机噪音数据，在横轴上绘制了噪音水平的等级，纵轴上绘制了频数。

通过直方图的分析，发现噪音主要集中在一个较高的等级，这提示他们发动机噪音问题的主要原因是在生产过程中某个环节存在缺陷。

厂家针对该环节进行了改进，发动机噪音得到了明显改善。

案例二：散点图在市场研究中的应用一家日用品公司通过散点图分析了不同广告投入和销售额之间的关系。

他们将广告投入作为横轴，销售额作为纵轴，每个数据点代表某一期的数据。

通过分析散点图，发现广告投入与销售额之间存在正相关关系。

在此基础上，公司制定了更科学合理的广告投入策略，提高了产品的市场竞争力。

案例三：因果图在质量问题解决中的应用一家电子产品制造厂针对缺陷率偏高的问题，运用因果图进行了分析。

他们将缺陷率作为中心问题，分析了导致缺陷率高的各种可能原因，并将这些原因与根本原因进行了关联。

通过因果图的绘制，厂家发现导致缺陷率高的主要原因是原材料质量不合格、生产设备老化等。

他们采取了相应的改进措施，从根本上提高了产品质量。

案例四：检查表在服务质量管理中的应用一家酒店使用检查表对客房清洁情况进行评估。

他们制定了一份包含各项检查内容的检查表，例如床品整齐度、卫生间清洁度、设施完好度等。

工作人员根据检查表进行客房清洁工作，并将问题记录在表格中。

通过分析表格数据，酒店可以及时了解客房清洁质量，发现问题并做出相应改进，提高服务质量和客户满意度。

这些案例仅是QC七大手法的一小部分应用范例，不同行业、不同领域都可以根据实际情况选择相应的手法进行质量管理和问题解决。

直方图1、概念直方图是指：将某期间所收集的计量值数据（如：尺寸、重量、硬度……等）经分组整理成次数分配表，并以柱形予以图形化，以掌握这些数据所代表的情报。

直方图主要应用于：展示过程的分布情况。

图1表示了直方图的基本形状。

2、直方图的制作步骤A 、收集数据，至少要收集50~100个数据；B 、参照下表确定组数（或用N 的平方根确定）：表1 分组对照表C 、确定组距(a)、找出最大数据X max 和最小数据X min ；(b)、求全距R 。

R=最大数据X max －最小数据X min （注：异常值除外）； (c)、求组距C 。

C=全距R ÷组数K ；(d)、从测定单位的整数倍之数据中，找出接近的C 值的适当数据作为组距。

D 、决定各组参数及次数分配表(a)、取数据最小测量单位的1/2为组界值的单位； (b)、第一个境界值=最小值—1/2×最小测量单位；第二个境界值=第一个境界值+组距； 第三个境界值=第二个境界值+组距； 其它依此类推。

(c)(d)、制作次数分配表。

如下表：表2 次数分配表E 、依据次数分配表，制作起直方图。

纵轴代表次数（结果），横轴代表特性（要因），并于X 、Y 轴的最大值与最小值之间以等长度标出刻度。

如图2：图2 直方图F 、在图上标出图名，记入搜集数据的时间和其他必要的记录。

总次数（频数）、统计特征值均值）与S （标准偏差）是直方图上的重要数据，一定要标出。

3、直方图的作用①、由图形可以比较容易掌握制程的全貌（如：中心趋势，离散趋势，分配形状）； ②、可了解制程的安定或异常状况； ③、与规格进行比较可判断制程能力。

4、直方图的常见分布形状①、常态形——左右对称，中间高两边渐低，表示制程安定，数据呈常态分配。

图3 常态型直方图图4 偏态型（偏左）直方图③、离岛型——制程分布中间有间断，呈离岛型，表示制程有异常。

图5 离岛型直方图④、双峰型——制程分布有两个高峰，表示制程为两种不同分配组合，需进行层别。