台湾华硕ASUS QC七大手法讲义.ppt

《台湾华硕ASUS QC七大手法讲义.ppt》由会员分享，可在线阅读，更多相关《台湾华硕ASUS QC七大手法讲义.ppt（69页珍藏版）》请在三一办公上搜索。

1、ASUSTek Computer Inc.Quality Speed Partnership,2003 品質教育訓練課程QC七大手法,何謂 QC七大手法?,Quality Control 七大手法=品管七大手法1950年代由日本首先提倡，並於1980年代發揚光大至全世界沒有足夠而正確的工具來得知事件的真相跟“瞎子摸象”無異。每個瞎子摸到的部位都不一樣，自然彼此見解也不一樣，很多時候團隊中充滿各種自以為是的爭辯，演變到後來變成誰在爭辯中機智反應比較快，態度比較堅持、強悍那他的解決方案便成為主流。這時在錯誤方向下，越努力的人，所造成的損失越大。戴明博士(W.Edwards Deming)稱之為努力

2、挖掘自已的墳墓。,QC七大手法有哪些?,憑經驗去決定問題點，不易掌握重點，應利用統計方法來解析所得的數據或圖表，藉以取得重點；QC 七大手法是目前最簡單、常用的統計手法，時時刻刻在生活中出現，分別如下:1.查檢表(Checklist):收集、整理資料 2.直方圖(Histogram):展示資料的分佈情況 3.散佈圖(Scatter Diagram):展示變數之間的線性關係 4.柏拉圖(Pareto Diagram):確定主導因素 5.管制圖(Control Chart):識別波動的來源 6.特性要因圖(Characteristic Diagram):尋找引發結果的原因 7.層別法(Strati

3、fication):從不同角度層面發現問題,QC七大手法有哪些?,析因果,視相關,查現象,示重點,看分佈,濾問題,管異常魚骨圖,散佈圖,查檢表,柏拉圖,直方圖,層別法,管制圖,QC七大手法?跟我有關係嗎?,你曾有過出門忘記帶手機、鑰匙、皮包的痛苦經驗嗎？(查檢表)你曾經有長官交付任務卻考不清楚方向的迷惘嗎？(柏拉圖)(特性要因圖)干係今!怎麼全台灣的人都中獎了只有我槓龜。樂透彩券真的公平嗎？(直方圖)(散佈圖)你知道ASUS使用了哪些QC大手法嗎?,QC七大手法與 PDCA,正確數據=事實,垃圾進，垃圾出.數據分類1).定性數據(布的質感/酒的香醇)2).定量數據(計數:良品數、缺點數)(計量

4、:重量、時間、長度.)應用數據須注意:1.搜集正確可用的數據2.避免個人主觀的判斷3.掌握事實的真相4.數據不可造假,否則問題將永遠無法解決,查檢表：在收集數據時一種簡單的表格，將其有關項目和預定搜集的數據，依其使用目的，以很簡單的符號填註，而容易彙集整理，用以了解現狀、做分析或做核對點檢使用，這種設計出來的表格稱之為查檢表。,(一)查檢表-Checklist,查檢表的實例,查檢表的目的,1.日常管理:品質管制項目的點檢，作業前的點檢，設備安全、作業標 準的遵守。2.特別調查:問題已經發生要加以調查，或主題調查、不良原因調查，發現改善點的點檢。3.取得記錄:為了要報告，需取得記錄，如推移圖、直

5、方圖,查檢表的種類,1.(事前)點檢用查檢表:點檢用查檢表是為了要確認作業實施、機械設備的實施情形、預防發 生不良或事故、確保安全時使用。如機械定期保養檢核表、不安全處 所檢核表、登山裝備檢核表等，這種檢核表主要是調查作業過程之 情形，可防止作業的遺漏或疏失(事前)2.(事後)記錄用檢核表:是將數據分類為幾個項目別，如依不良的種類、工程別、原因別等排 列出來再以符號或數字記錄於圖或表中，藉以瞭解數據分佈之狀況。這種查檢表主要是調查作業結果的情形，不單是記載每天的數據，並 且可以看出那一種項目的數據特別集中(事後),查檢表就在你的日常工作中,(二)直方圖-Histogram,是將數據所分佈的範圍

6、，區分為幾個區間，將出現在各區間內的數據之出現次數作成次數表，並將其以圖(柱形圖)的形式表現出來。透過數據的量測(長度、重量、時間、溫度、硬度等，經由量測所得到的數據)及直方圖的整理，我們可以得到數據的幾種特徵:1.數據的分佈形態(分配狀態)2.數據的中心位置。3.數據離散程度的大小。4.數據和規格之間的關係。,直方圖與我們,次數,常見的直方圖型態(1/4),左偏型(右偏型)說明:直方圖的平均值在分佈中心之左方，次數在左半邊高到了右半 邊後則緩落，為不對稱分佈。解析:理論上說，可能是因為規格等因素，而限制了下限值，當某 一數據以下數值不被採用時，或是避免全距不出現負值時,偏歪分配：單邊規格、資

7、訊隱藏,規格下限,左絕壁型(右絕壁型)說明:直方圖之平均值位在極左方，次數在左半部急高，而右半部急落。解析:當把規格以下之數據，完全剔除時，就會出現此種情形。,截斷分配：全檢剔除,規格下限,常見的直方圖型態(2/4),雙峰型說明:分佈在中央的次數比較少，且在左右各有一座山。解析:平均值相異約兩類數據分佈混合在一超時，即會出現這種情形,雙峰分配：來自不同的群體,常見的直方圖型態(3/4),離島型說明:在直方圖的左端或右端出現分離的小島解析:不同狀況的數據混在一起或發生異常時,離島分配：特別原因,常見的直方圖型態(4/4),直方圖就在你的日常工作中,(三)散佈圖 Scatter Diagram,將

8、兩變數置於縱軸、橫軸上，並將測得值點、記上去所製成之圖，稱為“散佈圖”。散佈圖通常是用來研究兩變數間之相關聯性(正相關、負相關、或無相關)。,散佈圖實例,槓龜只能怪自己,散佈圖的製作,散佈圖之製作步驟:步驟1:先調查兩組數據是否有關係，將所選擇的要因定為X軸，相對的 特性定為 Y軸。如溫度 VS 冷氣銷售量。步驟2:在橫軸及縱軸上，點上尺度，橫軸愈向右，其值愈大，縱軸愈向 上，其值愈大。步驟3:把數據點到座標上。步驟4:判讀散佈圖之製作步驟-Excel:步驟1:插入圖表XY散佈圖步驟2:選取資料範圍.,散佈圖之點記的分佈狀態和兩特性值之相關關係有下列三種:1.正相關:當其中一方的特性值愈大，另

9、一方的數值也有增加的傾向時，散佈圖會呈向右上方走向，代表此兩特性值為正相關。2.負相關:當其中一方的特性值愈大，另一方的數值卻愈小時，散佈圖會呈現向右下方走向，代表此兩特性值為負相關。3.無相關:兩個特性值互相不受對方影響時，散佈圖幾乎似圓形，代表兩者不相干。,散佈圖的秘密(1/2),檢討異常值 此外，要瀏覽散佈圖整體，檢視是否有異常值存在。在距離多數點記之 外的地方，若出現點記的話先調查此數據之來源一旦確定是因為 異常之原因所造成之異常值的話，便可將此點去除。若從圖上無法判別其是否為異常值時，切不可任意下結論，必須追究此點和其它點偏離之原因在確定其原因後，才能判斷其是否為異常值。,散佈圖的秘

10、密(2/2),1.調查兩特性值之間是否相關:可經由視覺直接解析判斷其相關性。2.可判斷異常值之存在:異常值多半因為作業失誤、測量失誤、轉記失誤等而發生的，在製作 散佈圖時，這些異常值常會偏離其它值甚多，很容易察覺出來。3.應用於問題解決步驟中:當找出了某現象所發生的原因後，便可利用散佈圖來驗證其是否為具有重大 影響力之要因。(即用以判斷要因影響特性之程度:正相關?負相關?無相關?),散佈圖的使用,散佈圖的實例,(四)柏拉圖 Pareto Diagram,講古篇為何叫柏拉圖 Pareto Chart柏拉圖為十九世紀義大利經濟學家柏拉圖(V.Pareto)調查國民所得分配時，發現少部分的人,占有大

11、部份財富。80/20 法則:80%的問題集中於20%的項目中，故控制 20%的項目即可解決 80%的問題。,精神篇柏拉圖的基本觀念是:以有限的人力和時間，有效的解決問題。,柏拉圖 80/20法則,1.有助於了解那一個項目是最重要問題。2.一眼就能明白事情的重要順序。3.知道那一項目在整體中所占的比例程度。4.可以預測減少某一項目，就能期待整體獲得多少效果。,柏拉圖的好處,製作一個好的柏拉圖,步驟一:座標之取法,即是目的縱軸:可以代表佔總不良之百分率、故障次數、損失金額或災害件數橫軸:可以代表材料總別、機器總別、缺點總別或加工方法等步驟二:搜集數據資料 一組好的數據資料必須要掌握正確的事實，在規

12、定的期間內去蒐集資料，而這些資料有賴於平時之記錄與匯整。步驟三:整理數據資料依搜集項目(橫軸)數據的大小順序排列。計算每一項目的數據佔累積總和的百分比率。數據之數目小的項目多時,整理成其他項。步驟四:柏拉圖分析圖製作(MS Excel)步驟五:分析,使用MS Excel製作柏拉圖 1,繪圖,使用MS Excel製作柏拉圖 2,選取“自訂類型”之“雙軸折線圖加直條圖”,使用MS Excel製作柏拉圖 5,填入基本資料或說明,使用MS Excel製作柏拉圖 6,使用MS Excel製作柏拉圖 7-1,將圖型微調,使用MS Excel製作柏拉圖 7-2,100%,所有項目累積和,縱軸最大值:累積和,

13、100%,使用MS Excel製作柏拉圖 8,使用MS Excel製作柏拉圖 9,顯示各數據點之數值,使用MS Excel製作柏拉圖 10,製程:DIP A 線製圖人:小A日期:WW30.,填入柏拉圖製作之基本資料,製程:DIP A 線製圖人:小A日期:WW30,好的柏拉圖要件,圖表名稱是否有意義X,Y軸座標名稱,刻度是否明確每個條圖之間是否有間距第一個直方條和累積百分比曲線是否連接各點資料標籤是否清晰正確、一致、簡潔(Correct,Consistent,Concise),(五)管制圖 Control Chart,管制圖簡介.管制圖為Shewhart博士於1924年發明。管制圖為一種圖形表示

14、的工具，用以顯示從樣本中量測或計算所得之品質特性。管制圖不僅能將數值以曲線表示，觀察其變化之趨勢，並可透過它即時判定製程是否有發生異常的趨勢或已發生異常。,管制圖?,管制圖範例-Chart,異常點Out-of-Control,(歷史資料)平均值,管制上限(UCL):+3,管制下限(LCL):-3,樣本平均值,中心線(CL):,管制圖觀念 基本篇,平均值:所有數值的總和除以此群資料的總數的值(詳見小學課本第九冊).ex全距 R:群體中最大與最小數值的差距.非常易於計算.ex母體,Population N 母體平均值u 所有可能的取樣結果總稱。Example骰子、全校數學成績 樣本,Sample

15、n 樣本平均值由母體中隨機抽取的小部份數量。Example機遇原因:不可避免、非人為、不易控制之原因非機遇原因:可避免、人為、可控制之原因,管制圖觀念 進階篇,母體變異數:母體變異數的公式(x-u)為何要平方?(與中心值的距離)母體變異數的大小與製程能力的關係為何?(變異大不穩定.)母體變異數可以互相比較嗎?(只要母體相同例如),到中心點的距離,將距離平均(N=母體總個數),母體平均值,樣本變異數與樣本標準差,樣本變異數計算公式為樣本標準差計算公式為為什麼要用樣本變異數?為何要除以(n-1)而非(n)?(樣本v.s母體+不偏)為何以“s”為名?(Standard Deviation)為何要減

16、而非?(樣本v.s母體),注意現實生活中，大部分的情況下，我們都用“樣本變異數”來估計“母體變異數”Why?,變異數、標準差以及全距 R,樣本標準差:樣本變異數開根號即為樣本標準差標準差與全距的R關係為何?(標準差近似於全距)為何管制圖要管制全距R而不管制標準差或是變異數?(全距的優點?),管制圖觀念 高手篇,中心線(Central Line):母體(歷史資料)的平均值上管制界線(Upper Control Limit)及下管制界限(Lower Control Limit):這兩條管制界線皆位於離中心線上、下3個標準差的位置，表示其容許之管制範圍。異常判定的標準 管制圖管制非機遇性的原因1.超

17、出管制界線 非機遇原因 2.發現異常趨勢 非機遇原因,管制圖的目的,1.維持製程在穩定狀態中2.即時找出非機遇原因異常趨勢、異常發生3.消弭問題，立即改善4.重複此一循環，持續監控,異常趨勢Ex:連續五點上升,異常發生,依數據性質來分類:計量值管制圖(Control Charts for Variables)數據由量具實際量測而得,數值為連續性!的 Chart計數值管制圖(Control Charts for Attributes)數據由單位計數而得,數值為離散性!的C Chart(ex:c 一單位時間內的缺點數),管制圖的種類,管制圖與 ASUSTek,ASUSTek SPC 線上管制系統

18、c-Chart explain the key item in this examplehttp:/.tw/report/,0.5,1.5,1.0,2,(六)特性要因圖-Characteristic Diagram,特性要因圖是管理、改善工作所不可欠缺的品管七大手法之一，因其狀似魚骨特別為它取名魚骨圖。因為其為日本東京大學石川教授所提出，有人稱之為石川圖。所謂特性要因圖，係指整理特性(結果)，以及可能對之造成影響的要因(原因)的關連性，用狀似魚骨的圖形，有系統地彙集而成的。,特性-Characteristic,何謂特性?特性是指工作的結果或是工程產生的結果。就是問題啦.何謂要因?所謂要因是指，

19、對結果(特性)造成影響，而被舉出來的原因一般而言在製造部門中特性與產品品質的差距有關的話，通常起因於5M的差別，因此大骨的要因最好用5M檢討，但是也不必拘泥於此，所謂5M 是指。Man:人(作業者)。Machine:機(機器、設備裝置)Material:料(材料零件)Method:法(作業方法)Measurement:量測(作業環境與測量方式),如何做一個好的魚骨圖,骨骼強健 正確的魚頭(太大?太小?)+明顯的主骨+完整的大骨(人,機,料,法,量測),料,機,人,量測,法,正確的問題,你的邏輯思考正確嗎?,機能正常你的魚骨是要因、現象還是舉例?你問的是Why or What?每一個大骨都應該是

20、一隻小魚長在正確的地方,機台發生刮、碰、撞傷,人,服裝不合規定,泰國人,美國人,動作不正確,一隻好魚,營養豐富至少問到二次因 小骨至少兩跟中骨,機台發生刮、碰、撞傷,人,服裝不合規定,動作不正確,未依SOP作業,新人動作不熟練,SOP寫錯,看不懂SOP,沒有逞處措施,中骨,小骨,豐田原則與像話原則,豐田原則:連問五次Why?why?why?why?why?像話原則:你的魚骨圖像話嗎?,SMT零件翻件,人,機,料,法,料沒架好,Feeder供料震動,包裝不良,碰撞,架料碰撞其他供料器,故障排除時，首顆零件翻面,彈片變形,馬達不同步,進料軌道異常,彈片過髒,Tolerance 過大,Feeder保

21、養頻率不當,彈片厚度不適用,料帶未置入靜電槽,彈片不良,DOE實驗計劃課程範例By:TP/SMTFox、Willis、Kevin、Jason,(七)層別法 Stratification,層別法(Stratification)是一種概念其並沒特定的圖形表示，這在七大手法中是較為特別的一種，但其確為品質管制的一種發現不良因素的有效技術,透過數據的分類，尋找事實的真正原因分開觀察並蒐集資料按照特性加以分門別類，以找出其間的差異前面的六種手法都是層別法的一種表現方式前面的六種手法，其實都已經包含了層別法的觀念,層別法的步驟(1/2),1.確定使用層別法的目的 做某件事之前，必須了解因何目的而做？為何這

22、樣做？好處在那兒?在使用層別法之前，首要即是確定為何種目的，使用何種層別；為了 評定作業員的績效、生產線的效率、還是分析不良原因等。2.層別的項目 一般影響品質特性的原因包括時間、原料、機器設備、作業方法與作 業的人員等。所以，我們可依下列的例子來做層別:,區 分 項 目時 間 年、季、月、日、上下午、作業時間別等組 織 工廠、部門、組等原 料 製造商、供應商、產地性質、形狀、批量、成份、尺寸等環境/氣候 溫度、濕度、壓力、風向、噪音、光度等設 備 製造商、供應商、新舊、機種、用途等 員 工 職位、性別、年齡、經歷、薪資、教育程度等銷 售 固定/一般客戶、市場、運送方式等作業方法 方法、步驟、

23、自動/手動等商 品 設計師、價格、庫存、名稱等量 測 方法、器具、人員、場所等,層別項目的實例,3.收集與整理數據使用表單如記錄卡或是查檢表的方式，委託有關人員收集欲實施層別法的項目資料。但是，所收集到的資料並非完全都符合需要的。因此，必須將所收集到的資料數據整理，或對於不足的資料加以補充。4.分析、比較與檢定層別法可以用來比較各個項目，所以各個項目的優劣一目了然，因此可以簡易判別出異常的原因，或其他所欲探求的事項。,層別法的步驟(2/2),層別法的實兵操演誰是兇手?,材料A,机械甲,材料B,机械乙,材料B,机械乙,材料A,机械甲,制品,規格下界 規格上界,B+乙,A+乙,B+甲,A+甲,產品

24、規格,發生異常,層別原因,以特性要因圖來做層別法,DOE實驗計劃課程範例By:QA James Lin(林耿樟)ME Chinyuan Chang(張欽淵)PD1 Colin Tang(唐仕伀)PE Frederic_Chen(陳金裕)T/S Jacky Chou(周銘哲),層別法在其他手法的應用,管制圖?散佈圖?直方圖?柏拉圖?,QC七大手法與 PDCA-看起來有什麼不一樣嗎,手法僅是解決問題的 工具 而非 目的！搞清楚問題再開始.,參考資料,QC七大手法-桃園廠QA訓練資料-TY_plant Vinota 熱情提供品管七大手法-台北廠QA訓練資料-陳季良 提供QC七大手法-台北廠QA訓練資料-陳季良 提供專題報告-台北廠ME訓練資料-李佳璋如何製作明確的柏拉圖-台北廠QA訓練資料-周業煜ASUSTek TP_Plant SPC Introduction-台北廠QA訓練資料-夏宏碩、周業煜、鍾惠存、莊盛全如何有效改善電阻類零件之翻件-台北廠SMT DOE實驗計劃-Fox、Willis、Kevin、Jason轉印Label良率提昇-台北廠SMT DOE實驗計劃-林耿樟等樂透研究院-http:/.tw/華碩SFIS系統-http:/.tw/report/,Q&A謝謝大家敬請期待其他SPC 課程,