QC方法及统计方法

品管应用手法一、Q C手法：1、层别法2、柏拉图3、鱼骨图4、散布图5、直方图6、查核表7、管制图二、各种统计方法：1、层别法：1.1、定义：把复杂的资料进行处理，以有系统有目的加以分门别类的归纳及统计。

作分析用。

1.2、作用：寻找出数据的某些特性或共同点，以便有依据地采取措施，对现场改善有帮助。

1.3、方法：1.3.1、确定分层线索。

1.3.2、确定分层条件的范围。

1.3.3、统计各分层条件的数据。

1 3.4、记入注释内容。

1.4、注：层别法是手法中最基础工具，与其它手法结合使用，效果更理想。

范例1：图12、柱状图（柏拉图）2.1、起源：它是由意大利经济学家帕雷托（Viferdo Pareto）首先分析当时社会财富分配情况时发现的，后来人称之为“帕雷托图”或“柱状图”，后来由美国人裘兰博士（Joseph Juran）加以延伸所创造出来的。

2.2、定义：根据层别法归集的数据，以不良原因、不良状况发生的现象，有系统地加以项目别（层别法）分类，计算出各项目别产生的数据及所占的比例，再依照大小顺序排列，再加上累积值的图形。

2.3、作用：在现有的不良项目中，找出关键性的问题，作为改善的重点（分清主次）2.3、分析步骤：2.3.1、列出不良项目，并收集相应时期的数据。

2.3.2、按数据大小，排列不良项目。

2.3.3、设定座标系，填上座值，（座标值要能反最大、最小数据），左纵座标为不良数据，右纵座标为不良率，横座标为不良项目。

2.3.4、按数据多少，绘制柱状图。

2.3.5、计算比例，并标注。

2.3.6、连接各比例点累积至100％。

2.3.7、记入附加项目（如统计图名称、作者、日期）。

2.4、注意事项：1.4.1、采取抓大放小的原则，先抓前三项不良（少数关键。

多数次要）。

1.4.2其它不良率比例应小于20％，否则要进一步细化。

范例2：根据表1：的数据，作出生产不良项目别的柏拉图，来分析关键性的问题(图2)3、鱼骨图：（特性要因图）3.1、定义：要因图是将造成某项结果的众多原因，以系统的方式图解它。

QC（Quality Control，质量管制，品管)七大手法是常用的统计管理方法，又称为初级统计管理方法。

它主要包括检查表表、层别图、直方图、排列图、检查表、层别法、散布图等所谓的QC 七工具。

一、检查表检查表就是将需要检查的内容或项目一一列出，然后定期或不定期的逐项检查，并将问题点记录下来的方法，有时叫做检查表或点检表。

例如：点检表、诊断表、工作改善检查表、满意度调查表、考核表、5S 活动检查表、工程检查表异常分析表等。

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。

二、层别法层别法就是将大量有关某一特定主题的观点、意见或想法按组分类，将收集到的大量的数据或资料按相互关系进行分组，加以层别。

层别法办何柏拉图、直方图等其他七大手法结合使用，也可单独使用。

例如：抽样统计表、不良类别统计表、排行榜等。

用途：区别出问题的来源，然后可以给予更好的控管、改善。

三、柏拉图柏拉图使用要以层别法为前提，将层别法已确定的项目从大到小进行排列，再加上累积值的图形。

他可以帮助外面找出关键的问题，抓住重要的少数及有用的多数，适用于记数值统计，层别法有人称为ABC图，又因为柏拉图的排序识从大到小，故又称为排列图。

用途：将问题点表现出来，并呈现其相对重要性，提供改善方向的优先顺序。

柏拉图ABA B C123四、因果图因果图又称她特性要因图，主要用于分析品质特性与影响品质特性的可能原因之间的因果关系，通过把握现状、分析原因、寻找措施来促进问题的解决，是一种用于分析品质特性（结果）与可能影响特性的因素（原因）的一种工具，又称为鱼骨图。

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。

五、散布图将因果关系所对应变化的数据分别描绘在X-Y轴坐标系上，以掌握两个变量之间是否相关及相关的程度如何，这种图形叫做“散布图”，也称为“相关图”。

用途：检查二组数据之间的相互关系，尤其是对鱼骨图中的因、果验证。

QC小组活动中基本统计方法在QC小组活动中，基本统计方法是非常重要的，可以帮助小组成员了解数据的特点和趋势，从而做出更准确的判断和决策。

以下是常用的基本统计方法：1.描述性统计描述性统计是对数据进行整体描述和概括的技术方法。

它包括以下几个方面：（1）中心位置测度。

通过计算平均值、中位数和众数等指标来描述数据的集中趋势，帮助我们了解数据的一般水平。

如平均数是所有数据之和除以数据个数，中位数是将数据按大小排序，找到中间位置的数，众数是出现次数最多的数。

（2）离散程度测度。

通过计算极差、方差和标准差等指标来描述数据的分散程度，帮助我们了解数据的波动情况。

如极差是最大值和最小值的差，方差是每个数据与均值的差的平方的平均值，标准差是方差的正平方根。

（3）位置比例测度。

通过计算百分位数来描述数据的位置相对于全体数据的比例关系。

如四分位数将数据分为四个部分，分别是第一四分位数、中位数和第三四分位数。

描述性统计能够帮助小组成员快速了解数据的整体情况，为后续分析提供基础。

2.探索性数据分析（EDA）探索性数据分析是通过绘制图形、计算统计量等方式来发现数据的内在规律和特点，为进一步的分析和建模提供线索。

常见的EDA方法包括：（1）直方图。

用于展示数据的分布情况，可以看出数据的集中程度、峰度和偏度。

（2）箱线图。

用于检测数据是否存在离群值和异常值，以及数据的分布情况。

（3）散点图。

用于展示两个变量之间的关系，可以帮助发现变量之间的相关性。

（4）相关分析。

用于量化变量之间的线性关系强度，可以通过计算相关系数来判断两个变量之间的相关性。

EDA是进行数据分析的入口，可以帮助小组成员初步了解数据之间的关系和趋势。

3.假设检验假设检验是用于判断样本数据是否来自一些总体分布的统计方法。

它包括以下几个步骤：（1）提出假设。

根据实际问题，提出零假设（H0）和备择假设（H1）。

（2）选择统计量。

根据假设，选择合适的统计量，如t检验、方差分析等。

常用的几种质量管理统计方法QC7手法实例质量管理统计方法是一种用于收集、分析和解释数据的技术，旨在帮助企业提高产品和服务的质量。

QC7手法是一种常用的质量管理统计方法，它包括七个基本工具，可以帮助企业发现和解决质量问题。

下面我们将介绍一些QC7手法的实际应用案例。

1.流程图：流程图是一种图形化表示流程和活动的工具。

一个实际的应用案例是一个制造企业想要改善其生产过程。

他们使用流程图来展示整个生产过程，并标示出每个环节和活动。

通过分析流程图，他们发现生产过程中存在许多不必要的环节和活动，从而能够提出改进的建议并减少生产过程的时间和成本。

2.直方图：直方图是一种用于表示数据分布的图表。

一个实际的应用案例是一家超市想要了解其顾客购买其中一产品的数量分布。

他们收集了一段时间内的销售数据，并通过绘制直方图来展示销售数量的分布情况。

通过分析直方图，他们能够确定销售数量的平均值和标准偏差，并据此进行库存管理和供应链规划。

3.控制图：控制图是一种用于监测和控制过程稳定性的工具。

一个实际的应用案例是一家医药公司想要确保其药品的生产过程稳定。

他们使用控制图来监测每个批次药品的质量指标，并设定上下控制限。

如果一些批次的质量指标超过控制限，他们将进行调查并采取相应的纠正措施。

通过使用控制图，他们能够及时发现和解决质量问题，确保产品符合规定要求。

4.散点图：散点图是一种用于表示两个变量之间关系的图表。

一个实际的应用案例是一家电子公司想要了解其产品的定价和销售量之间的关系。

他们收集了一段时间内的定价和销售数据，并通过绘制散点图来展示两者之间的关系。

通过分析散点图，他们能够确定定价对销售量的影响程度，并据此制定定价策略。

5.棘轮图：棘轮图是一种用于分析问题根本原因的工具。

一个实际的应用案例是一家汽车制造商想要解决其汽车零部件的故障问题。

他们组织了一个团队，使用棘轮图来帮助确定问题的根本原因。

通过分析棘轮图，他们发现故障主要由供应商的质量问题引起，从而能够制定对策并改善零部件的质量。

常用的几种质量管理统计方法统计方法是一种科学的方法，其理论基础是数理统计学，它是以概率论为基础的一门数分支。

广泛应用于各个领域，包括质量管理领域。

人们为了解决实践中出现的各种质量问题，往往先搜集各种数据，然后，对数据归纳加工整理，对比分析，由表及里，去粗取精，去伪存真，找出其中的统计规律，对症下药问题才能迎刃而解。

这一切都须运用科学的统计方法。

全面质量管理的基础要求之一，是尊重客观事实，一切凭数据说话。

因此，统计方法是质量管理不可缺少的得力工具，通过对产品质量形成全过程数据的收集、分析和使用，有助于预防质量缺陷、维持合格质量、达到质量的不断改进所以，对所有企业而言，统计方法的应用都是需要的，只是应用的程度不同而已。

这里有两点必须加为说明：第一，统计方法对所有企业虽然都是需要的，但并不是不分企业类型、产品性质，强求使用某些统一的统计方法。

各企业应根据自身的实际需要，规定适用的统计技术的选定程序。

第二，统计方法是一种帮助企业搞好质量管理的工具，可借助它揭示质量形成的客观规律，找出质量问题的症结所在，至于能否实现质量突破，尚有待于进一步采取有效的改进措施。

因此不能误认为应用了几种质量管理统计方法就是全面质量管理。

本章对企业生产过程中最常用的几种统计方法介绍如下：第一节排列图一、什么是排列图排列图是寻找主要质量问题或寻找影响质量的主要原因的一种有效的统计方法。

排列图由两个纵坐标（项目、因素）、几个从左到右，由高向低，按顺序依次排列的长方块（问题项目）和一条累计百分比曲线（帕累托曲线）所组成，它的基本图形见图7-1。

在生产中即使是同一批次的产品，其质量也不可能是完全一致的，由于受多种原因的影响，会出现不同的质量问题为了辨别质量问题的主次要性及影响这些问题的主次原因，排列图应用“关键的少数，次要的多数”的原理，可抓住主要矛盾，集中加以解决，取得事半功倍的效果。

二、排列图的绘制1．采集数据采集一段时期内的质量问题数据，并按问题的不同项目进行分类。

qc小组活动的统计方法应用
在QC小组活动中，可以运用以下统计方法来进行数据分析和
结果评估：
1. 描述统计：通过计算和分析数据的中心趋势（如平均数、中位数、众数）、离散程度（如标准差、方差）以及数据的分布情况等，可以对活动的表现进行描述和总结。

2. 相关分析：通过计算不同变量之间的相关系数，可以评估变量之间的关联程度，并从中发现潜在的关系或影响因素。

比如，通过分析不同活动参与者的反馈得分与他们的参与次数之间的关系，可以找到活动参与对反馈得分的影响。

3. 方差分析：对比不同组别的数据，利用方差分析方法可以判断不同组别之间的差异是否显著。

比如，可以通过方差分析来比较不同 QC 小组活动之间的反馈得分，以确定哪些活动在改善质量控制方面的效果更好。

4. 因子分析：通过因子分析，可以找到隐藏在数据背后的潜在因素，并对这些因素进行综合评估。

在 QC 小组活动中，可以将不同活动的多个指标进行因子分析，以确定哪些指标对整体活动表现的影响最大。

5. 频率分析：通过计算和分析不同事件或现象的频率分布，可以了解它们在整个活动过程中的出现情况，从而指导后续决策和改进。

比如，可以通过统计每个 QC 小组成员在指定时间内参与活动的次数，了解每个成员的贡献度和参与度。

6. 时间序列分析：通过对活动数据按照时间顺序进行分析，可以找到随时间变化的模式和趋势。

例如，可以通过时间序列分析来观察 QC 小组活动的变化趋势，以及特定事件或措施对活动效果的影响。

以上是一些常用的统计方法，在QC小组活动中可以根据具体问题和数据情况选择合适的方法进行应用，以便更好地评估活动效果、找到问题并做出改进。

QC及基础统计方法质量控制（QC）是一种以确保产品或服务达到预期要求和标准为目标的系统管理方法。

它是通过监控、评估和调整过程中的输入、输出和行为来保证质量的。

基础统计方法是质量控制中常用的工具，它们可以帮助我们收集和分析数据，从而进行质量改进和决策。

质量控制的目标是确保产品或服务能够满足预期的质量要求。

它涉及到几个方面，如质量策划、质量控制、质量改进和质量保证。

质量控制是质量管理的一个重要组成部分，它以尽可能减少变异和缺陷为目标，通过监控过程和产品质量的关键参数来实现。

在质量控制中，我们需要采集大量的数据来评估过程和产品的性能。

基础统计方法为数据的收集和分析提供了强大的工具。

其中一种常用的基础统计方法是描述统计学。

它包括测量数据的中心趋势和离散程度的方法，如均值、中位数、标准差和方差。

这些方法可以帮助我们了解数据的分布和差异，并获取关于数据的总体特征的信息。

除了描述统计学，理解变异是质量控制中另一个重要的统计概念。

变异可以看作是数据在重复测量中的差异。

通过分析和理解数据的变异，我们可以识别潜在的问题，并采取适当的措施来减少变异。

基础统计方法中的方差分析和方差分解可以帮助我们分析和解释变异的成因。

此外，基础统计方法还可以帮助我们进行假设检验和置信区间估计。

假设检验是用来判断关于总体参数的假设是否成立的工具。

它可以帮助我们决策或验证数据之间的关系是否显著。

置信区间估计则是对总体参数的估计，它提供了一个范围，而不仅仅是一个点估计。

质量控制中的另一个关键概念是过程能力分析。

过程能力是指过程在预定规范范围内产生产品或服务的能力。

基础统计方法中的过程能力指数（Cpk）可以帮助我们评估和改进过程的能力。

Cpk指数是一个指标，用于衡量过程的充实程度和能力，它与允许的规范范围之间的距离相关。

总之，质量控制和基础统计方法是互相关联的。

基础统计方法为质量控制提供了数据收集、分析和解释的工具，从而帮助我们了解过程和产品的特征，评估过程的能力，发现问题并采取措施进行质量改进。