QC七大手法
第一章：查检表(Check sheet)
一、查检表的定义：
查检表(Check sheet)就是一种为了便于收集数据，使用简单记号填写并予以统计整理，并作进一步分析或作为核对，检查之用而设计的一种表格或图表。
简言之﹕
为了便于收集数据﹐而设计的一种表格或图表。
用很简单的划记、符号、数字记入表格或图表，能一目了然地看出其结果的一种手法、工具。
日常管理改善上，用处大、效率高、冒险小的工具，是解决问题的先决条件。
分析问题时，能清楚地抓住问题的重心。
三、查检表的分类及制作：
查检表并无一定的标准格式，只要根据使用的目的，以及为求方便使用，利于作统计分析，而去设计适合自需的查检表。
(1) A：记录用(或改善用)查检表
主要功用在于根据收集之数据以调查不良项目,不良主因,工程分布,缺点位置等情形。
查检表的制作步骤：﹕
1. 明确目的--将来要能提出改善对策及数据，因之必需把握现状解析，与使用目 的相配合。
2. 决定查检项目--从特性要因图圈选的4-6项决定之。
3. 决定抽检方式--全检、抽检。
4. 决定查方式--查检基准、查检数量、查检时间与期间、查检对象之决定、并决定收集者、记录符号。
5. 设计表格实施查检。
B：点检用查检表
主要功用是为要确认作业实施，机械的实施情形或为预防发生不良或事故，确保安全时使用。
查检表的制作要领：
1. 应能迅速、正确、简易的收集到数据，记录时只要在必要项目上加注记号。
2. 记录时要考虑到层别，善用特性要因图层别再分析的结果，按人员、机台、原料、时间等分别调查。
3. 数据履历要清楚------由谁查检、查检时间、查检期间、查检方法、查检班别、查检机台……均应载明清楚，其它测定或检查条件也要正确地记录下来。
4. 尽可能以符号、数字记入、避免使用文字、不得己用数字和文词时，亦应简洁正确。
5. 查检项目不宜太多，以4－6项为原则(针对影响大的要因收集据即可)，其它可能发生的要因并为“其它”项。
6. 最好能一次记录下来后，就能表示出图表状况来。
7. 如能使用写实图形，更可一目了然。
8. 查检表配合的目的，必要时检讨修正。不同的目的，收集数据方式会不一样。因此，收集数据的目的要明确。
9. 预留空位，以供在实际查检中可再增列事先未考虑到而发生次数很多的项目。
第二章：特性要因图-鱼骨图（Characteristic Diagram）
一、前言：
工厂的目的在于制造出适当品质的产品，这些产品乃是经过一连串过程才制造出来的，这一连串的制造过程中，主要的管理目标是较佳的（符合顾客需要的品质）制、较低的成本、较高的效率、稳定的制程。
所以说，工厂里的工作情形就可由我们制造出来的制品品质、成本、交期、数量等各项结果表示出来，但结果的好环受各个制程所遭遇的诸原因所影响；因此，想获得好的结果，就必需充分把握何种原因会有好的影响，何种原因会有坏的影响，然后加以管理改善。
二、何谓特性要因图：
对于结果（特性）与原因（要因）间或所期望之效果（特性）与对策间的关系，以箭头连结，详细分析原因或对策的一种图形称为特性要因图。
特性要因图为日本品管权威学者石川馨博士于1952年所发明，故又称“石川图”﹑又因其形状似鱼骨，故亦称“鱼骨图”。其在阐明原因与结果之关系，亦称“因果图”。
三、特性要因图的画法：
步骤一：决定问题（或品质）的特性
特性要因图在未画之前，应先决定问题（或品质）的特性，如不良率、停机率、送修率、抱怨的发生、外观不良、尺寸不良等有关品质低下的问题的特性加以确定。
步骤二：准备适当的纸张，画制特性要因图的骨架，将特性写在右端，自左画上一条较粗的干线（称母线-就是代表制程，并在干线的右端画一指向右方的箭头。在工作现场可用笔画在一张较大的纸上贴于现场。
步骤三：把原因分类成几个大类，每大类画于中骨上，且以 圈起来。加上箭头的大分枝，稍斜的(约60°)插到母线，此大分枝称子枝，较母线略细。
大原因可依制程别分类（4M1E）：一般分为人(Man)、机械(Machine)、材料(Material)、方法(Method)、环境（environment）、其它。
步骤四：探讨大原因的原因，再细分为中、小原因，将其记入小骨及枝骨上(称孩枝﹑曾孙枝)。细分中小原因时，应注意必须能采取对策者为主要条件，且有因果关系者归于同一中小枝骨内，无因果关系者则否。
步骤五：决定影响问题点之原因的顺序
以集中思考自由讨论的方式，在所列出的原因中认为影响度较大的画上红圈，再从画上红圈的原因中指出认为影响更大者再画上红圈，一直检讨下去。最后圈选出重要原因4-6项。（表示重要原因）
备注：此种在脑力激荡之初找出大骨，根据大骨展开脑力激荡再去找出中骨、小骨的作法，称为大骨展开法。另有一种系先讨论出各种原因，然后再组合成鱼骨的制作方法，称为小骨扩张法。
四、特性要因图的种类：
特性要因图可区分为追求原因型及追求对策型。
5-1追求对策型(鱼骨图反转)
追求问题应如何防止，目标之效果应如何达成等的对策，而以特性要因图表示期望效果(特性)与对策间的关系。
5-2追求原因型
在于追求不良的所在，并进而寻找其影响的原因，以特性要因图表示结果(特性)与原因(要因)间的关系。
五、特性要因图的思考原则:
5-1脑力激荡朮
(1)定义
1938年美国B.B.D.O广告公司副总经理奥斯朋博士(Dr.Alix F.Osbon)参观疯人院时，非常羡慕每一位疯子自由自在的喃喃自语，天南地北地说个不停，也无人干涉。他问陪他参观的院长说：“他们在干什么”，院长回答：“他们在神经错乱的学名叫做Brain Storming”。奥斯朋博士回来之后就倡导”Brain Storming解决问题手法”也就是脑力激荡。
脑力激荡法：就是利用集体的思考，使思想互相激荡，发生连锁反应，经引导创造性思考的方法。
5-2 4M1E法
（1） 作业者(Man)、（2）机具、设备?(Machine)、（3）材料(Material)
（4） 方法(Method)、（5）环境 (Environment)
5-3 5W1H
（1）What?(什么)
(2)Where(何处)
(3)When（何时）
(4)Who(谁)
(5)Why(为何)
﹖（6）How(如何)
5-4系统图法(问题反转法)
(1)把脑力激荡所得每项原因写在一张卡片上，然后分类整理，亦可增加卡片﹐使因果的系统更为明确。
(2)依因果关系组合排列，作成问题系统图。
5-5创造性思考法
如：特性列举法、希望点列举法、缺点列举法
5-6自由讨论
井边会议方式------不分前辈、晚辈，用平常使用的话来讨论。
速战速决法------急速集合、很快解散。
澡堂集会方式------热热闹闹、喧喧哗哗、大家自由发言。
第三章：柏拉图
一、柏拉图的由来：
1-1、意大利经济学者V.Pareto(1848-1923)于1897年分析其社会经济结构，发现国民所得的大部分集中于少数人。于是将所得大小与零售有所得之关系以一定方程式表示，称为“柏拉法则”
1-2、1907年美国经济学者M.O.Lorenz使用累积分配曲线来描“柏拉法则”，即经济学上所称之劳伦兹曲线。
1-3、美国J.M.JuranLorenz曲线应用到品管上，同时创出“Vital Few ,Trivial Many”(重要的少数，琐细的多数)的名词，并借用Pareto名字将此现象定为“柏拉图原理”。
1-4、Juran在其第一版的“品质管制手册”中，误将Lorenz曲线作为“柏拉图曲线”在第四版时，虽曾修正并承认误用，但因其影响力非常大，柏拉图曲线仍是大家所常谈的、常使用的名词。
1-5、由品管图之创始人石川馨博士介绍用到品管圈活动中亦属品管七大手法之一。
二、柏拉图的定义：
2-1、根据所搜集之数据，按不良原因、不良状况、不良状况、不良发生位置等不同区分标准，以寻求占最大比率之原因、状况或位置的一种图形。
2-2、从柏拉图可看出那一项目有问题，其影响程度如何，以判断问题的症结点，并针对问题点采取改善措施，故又称为ABC图。(所谓ABC分析的重点是强调对于一切事务应“依价值之大小而付出不同的努力”，以获得效果，亦即柏拉图分析前面2-3项重要项目之控制)
三、柏拉图的作法：
3-1、决定数据的分类不良项目
其分类有：
(a)结果的分类：不良项目别、场所别、工程别。
(b)原因的分类：材料别、机械别、设备别、作业者别。
一般是先从结果之分类，洞悉问题所在，进一步为了采取对策，再依原因别画制柏拉图。
3-2.决定收集数据之期间，并按上项分类，在期间内收集数据。
3-3.按发生次数顺序，将项目及次数记入不良分析表。
3-4.按分类项目别，统计数据作统计表。
(a) 各项目按出现数据之大小，顺序排列，并求其累计次数；
(b) 求各项目的数据及累计数的影响度；
(c) 其它项排在最后，其它项若太大时，要检讨是否尚有其它重要要因需提出；
3-5．于图表用纸记入纵轴及横轴，纵轴左侧直线代表不良次数、不良率或损失额，右侧直线代表累计影响度，横轴代表项目，横轴不宜长于纵轴，否则应调其等分间隔；
3-6. 以上累计不良次数（或累计不良率）及累计影响度，并以折线连结则得柏拉图；點
項项目别
3-7.记入数据收集的期间，记录者、绘图者及总检查数、总不良数……记入图之空白处。
第四章：直方图
一、直方图的定义：
为要容易的看出如长度、重量、时间、硬度等计量值的数据之分配情形，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次数累积而成的面积，用柱子排起来的图形，故我们亦称之为柱状图。
二、直方图的制作：
3－1例;略
3-2制作直方圖
(1) 将次数分配表图表化，以横轴表示重量的变化，纵轴表示次数；
(2) 横轴及纵轴各取适当的单位长度，再将各组界分别标在横轴上，各组界应为等距离；
(3) 以各组内之次数为高，各组之组距为底。在每组上画成一矩形，则完成直方图；
(4) 在图的右上角记入数据总数n及数据履历，并画出规格的上限及下限。
三、直方图常见之形态分析：
3-1、正常型：
说明：中间高、两边低，有集中趋势。
结论：左右对称分配(常态分配),显示制程在正常运转下。
3-2、缺齿型(凹凸不平型)
说明：高低不一，有缺齿情形。不正常的分配，系因测定值或换算方法有偏差，次数分配不妥当所形成。
结论：检查员对测定值有偏好现象，如对5，10之数字偏好，或是假造数据。测量仪器不精密或组数的宽度不是倍数时，亦有此种情形。
3-3偏态型
说明：高处偏向一边，另一边低，拖长尾巴。可分偏右型，偏左型。为偏态分配。
偏右型：例如微量成分的含有率等，不能取到某值以下的值时，所出现的形状。
偏左型：例如成分含有高纯度的含有率时，不能取到某值以上的值时，就会出现的形状。
结论：尾巴拖长时，应检讨是否在技术上能够接受。
工具磨损或松动时，亦有此种情形发生。
3-4、绝壁型(切边型、断裂型)
说明：有一端被切断。
结论：原因为数据经过全检过，或制程本身有经过全检过，会出现的形状。
若剔除某规格以上时，则切边在靠近右边形成。
3-5、双峰型(二山型)
说明：有两个高峰出现。
结论：有两种分配相混合，例如两台机台或两种不同原料间有差异时，会出现此种形状，因测定值受不同的原因影响，应予层别后再作直方图。
3-6、离岛型(二山脱离型)
说明：在右端或左端形成小岛。
结论：测定有错误、工程调节错误或命名用不同原料所引起。
一定有异常原因存在，只要去除，即可制出合乎规格的制品。
3-7、高原型
说明：形状高原状
结论：不同平均值的分配混在一起，应层别之后再作直方图比较。
第五章：散布图
(Scatter Diagram)
一、散布图的定义：
为研究两个变量间之相关性，而搜集成对二组数据，在方格纸上以点来表示出二个特性值之间相关情形的图形，称之为“散布图”。
二、散布图的作用：
(1) 知道两组数据(或原因与结果)之间是否有相关及其相关程度。
(2) 把材料、机械设备、作业者、作业方法……等可能影响的原因层别、绘制散布图、可检讨何者影响结果。
(3) 检视是否有离岛情形。(如果有极大或极小的点子应予以去除后，再行解析。)
(4) 抽样检验中，若某品质特性之测试成本高或困难，则可采用与此特性有关系存在的另一个测试成本较低或测试容易之特性，以降低检验成本。
(5) 管制图中，若同一制品之二特性间有密切关系时，则可舍去其中一个管制图﹐以降低预防成本。
(6) 两组数据间若呈直线变化，可依散布图求出直线方程式，以为订定标准之用。
三、散布图的作法：
步骤1、收集30组以上相对数据，整理到数据表上。
(数据不能太少﹐否则易生误判)
步骤2、找出数据x,y之最大值及最小值
步骤3、画出从轴与横轴(若是判断要因与结果之关系，则横轴代表要因。纵轴代表结果)并取x及y之最大值与最小值差为等长度画刻度。
x之最大值-x之最小值=890-810=80
y之最大值-y之最小值=59-42=17
步骤4、将各组对数据点在坐标上。
横轴与纵轴之数据交会处贴上“l”。
二组数据重复在同一点上时﹐画上二重圆记号“◎” 三组数据重复在同一点上时﹐画上三重圆记“ ”.
步骤5、记入必要事项
数据数、采取时间、目的、制品名、工程名、绘图者、绘制日期……均要记明。
四、散布图之判读
4-1正相关
x增大时，y也随之增大，称为正相关。
4-2非显著性正相关
x增大时，y也随之增大，但增大的幅度不显著。
此时宜再考虑其它可能影响的要因。
4-3负相关
x增大时，y反而减少，称为负相关。
4-4非显著性负相关
x增大时，y反而减少，但幅度并不显著。
此时宜再考虑其它可能影响的要因。
4-5无相关
(1) x与y之间看不出有何相关关系。
(2) x增大时，y并不改变。
(3) 上述两种情形均称为无相关。
4-6曲线相关
x开始增大时，y也随之增大，但达到某一值后，则当x增大时，y却减小。
第六章：层别法
（Stratification）
一、层别法的定义：
为区别各种不同原因对结果的影响，而以各别原因为主体，分别作统计分析的方法，称之为层别法。
二、层别法的作用：
顾名思义，层别就是分层别类，依其共通之特性分为一个层(Stratum)，并使层与层间能有明确的区分，故当条件改变或有异常变动时，能依照层别的种类很快找出变动的地方，进而有效掌握变异原因，除去异常原因。
若制程中未能适当层别，则当下工程或成品发现异常时，往往要追查各道加工程序并且需对所有的机械，作业条件，原材料等调查；如此的追查方法往往浪费庞大的人力、物力，甚至连原因都无法找到。因之，平常若能适当的层别，当可避免上述缺失。
所以，层别法最主要功用，在透过各种分层，依各层收集数据以寻找不良所在或最佳条件，以为改善品质的有效方法。
三、层别的对象与项目：
4-1、时间的层别
小时别、日期别、周别、月别、旬别、上下午别、日夜别、季节别…等
(例)﹕制程中温湿度的管理就常以每小时来层别。
4-2作业员的层别
班别、组别、操作法别、熟练度别、年龄别、性别、教育程度别、健康条件别、新旧别……等。
(例):A班及B班的完成品品质层别
4-3、机械、设备的层别
台别、场所别、机型别、年代别、机种别、工具别、编号别、速度别…等 (例)﹕不同机型生产相同产品以机型别来分析其不良率。
4-4、作业条件的层别
温度别、湿度别、压力别、天气别、作用时间别、作业方法别、顺序别﹑ 人工与机器别、人工与自动别、测定器别……等。
(例)﹕对温湿度敏感的作业场所应记录期温湿度，以便温湿度变化时能层别比较。
4-5、原材料的层别
供应者别、群体批别、制造厂别、产地别、材质别、大小别、贮存期间别、成分别……等。
(例)﹕同一厂商供应的原材料也应做好批号别，领用时均能加以层别﹐以例了解各批原料的品质，甚至不良发生时更能迅速采取应急措施，使损失达最小的程度。
4-6、测定的层别
测定器别、测定者别、测定方法别……等。
4-7、检查的层别
检查员别、检查场所别、检查方法别……等。
4-8环境、天候的层别
气温别、湿度别、风、晴或雨别、潮湿与干燥别、照明别……等。
4-9、地区的层别
海岸与内陆别、国内与国外别、南区与北区别、东区与西区别……等。
4-10、制品的层别
新旧品别、标准品或特殊品别、制造别……等。
4-11、其它
良品与不良品别、包装别、运搬方法别……等。
第七章：管制图
（control chat）
一、管制图的定义：
所谓管制图，是一种以实际产品品质特性与根据过去经验所判明的制程能力的管制界限比较，而以时间顺序用图形表示者。
所以，一般管制图从轴为制品的品质特性，以制程变化的数据为分度，横轴为制品的群体号码，或制造年月日等，以时间顺序，制造顺序，将点绘在图上。
二、管制图的原理：
2-1、品质变异之原因
一般由制造所生产出来的产品，不论其品质特性为何，它都一定会有变动，绝无法做出完全一样的产品，而其所以会产生如此的变动，是受到很多因素的影响，而且工厂内在做制程管制时，通常很难把握这些因素。
引起制程变动的原因可分为两种：一为偶然(机遇)原因、一为异常(非机遇)原因。
2-1-1、偶然(机遇)原因(Chance causes)
不可避免的原因﹐可让它存在﹐是属于管制状态的变异。
2-1-2、异常(非机遇)原因(Assignable causes)
可避免的原因，不可让他存在，必需追查原因，采取行动，使制程恢复正常，否则会发生莫大的损失。
2-2、管制图与常态分配
在生产过程中，如仅有偶然原因的变动时，任何产品之品质特性均可构现成一分配，此等分配有其平均数及标准差，在平均数加减三个标准差范围以外之点极少。因此，通常都以平均数加减三个标准差作为管制上限与管制下限﹐此即萧华特博士所创的3σ法。
常态分配之平均值为μ，标准差为σ，其数据之分配情形如下：
μ±kσ
在内之或然率
在外之或然率
μ±0.67σ
50.00%
50.00%
μ±1σ
68.26%
31.74%
μ±1.96σ
95.00%
5.00%
μ±2σ
95.45%
4.55%
μ±2.58σ
99.00%
1.00%
μ±3σ
99.73%
0.27%
管制图之管制界限系将分配图形90°移转，在平地均值处作成管制中心线(CL)﹐ 在平地均值加三个标准差处作成管制上限(UCL)﹔在平均值减三个标准差处作
成管制下限（UCL）。
三、管制图的种类：
3-1、依数据之性质来分类
(1) 计量值管制图
所谓计量值管制图系管制图所依据之数据均属于由量具实际量测而得。如长度﹑重量，成份等特性均为连续性者。
(a)平均值与全距管制图（
-R chart）
(b)平均值与标准差管制图(
-σ chart)
(c) 中位值与全距管制图(
-R chart)
(d)个个数据管制图（X chart）
又分可以合理分组的 X-
-R管制图
无法合理分组的X-Rs管制图(或X-Rm chart)
(e)最大值与最小值管制图(L-S chart)
（2） 计数值管制图
所谓计数值管制图系管制图所依据之数据均属于以单位计数者。如不良数、缺点数等间断数据均属之。
(a) 不良率管制图(P chart)
(b) 不良数管制图(Pn chart)
(c) 缺点数管制图(C chart)
(d) 单位缺点数管制图（U chart）
3-2依用途为分类
(1) 管制用管制图
用于控制制程之品质，如有点子跑出界限时，立即采取如下措施﹕
(a)追查不正常原因
(b)迅速消除此项原因
(c) 并且研究采取防止此项原因重复发生之措施。
（2）解析用管制图
此种管制图系作为﹕
(a) 决定方针用
(b) 制程解析用
(c) 制程能力研究用
(d) 制程管制之准备用
