品质管理QC七种手法篇
存在很小的原因很容易遗漏等缺点。 （2） 小骨扩张法（原因罗列型）
无遗漏地吸收有关人员的意见，将被认为是原因的项目全部罗列在黑板上，对所举出的原因项目以原因、结果的关系进行整理汇总的方法。
三、特性要因图的作成手顺
（1） 大骨展开法
手顺1：选择问题的特征
手顺2：在右端写上特征，从左边画一粗的横线（这将成为背骨，是工序的意思）， 画上箭头
手顺3：影响特征的原因之中，汇总成较大的项目以稍微小的箭头作为大骨记入 手顺4：追究大骨的原因，从中骨到小骨进行更细的分类，记入到骨架上 手顺5：要查看是否有遗漏的因素 手顺6：在认为重要的因素处作上记号 手顺7：记入关连事项 （2） 小骨扩张法
手顺1：选择问题的特征
手顺2：每个人自由地举出认为是影响特征的因素，将举出的意见写到纸片上 手顺3：因素全部举完后，对纸片进行分类。听取每个人的意见，将关系最近的 纸片汇总，做一个与其内容相符的标题，作为中骨
手顺4：从中骨的标题中找出有关系的项目汇总为一个，作标题，作为大骨 手顺5：整理成特性要因图的形式
手顺6：对完成的特性要因图全体人员进行研讨，看是否有遗漏的因素 手顺7：对认为重要的因素处作上记号 手顺8：记入必要的关连事项
四、特性要因图的作成要点
1．聚集众人作图 2．选出所有的因素 3．经常进行讨论改善 4．注意特征的表现
要避免“办公用消耗品的节约”、批量不合格的减少”等抽象的表现，要用如“复印的纸张过量”、“B零件的不合格率”等的具体的表现。 5．根据需要每一特征作几张图
例如，在不良发生时，如以制品、区域、不良内容分类应该作成几张特性要因图，这是因为根据退货的内容，其对策是不同的。 6． 在重要因素处作记号
特性要因图完成后，所记入的各因素中，认为是对特征有最大影响的或重要的项目做上记号，可以用红笔画一圈。这对异常原因的追究、改善活动是很有效的。 特性要因图的目的是在利用上，从图中进行现状分析，作为改善案的利用图；分析工序、车间的问题点，找出改善点；备齐管理点、管理工作等。
11
品质管理QC七种手法篇
直方图
质量的偏差是无法回避的，判断质量的偏差是否由于偶然原因引起的，有必要对质量偏差状况进行实际测量和采集数据。
下表为某一制品的100个对象，测量其长度，得到以下数据：
从如此罗列的数据表是不能知道制品长度的偏差状态的。为了把握长度的偏差状态，有必要将其数据表换写成能读取偏差状态的频数表。
直方图是将数据存在的区域分成几个区间，各区间里分布的数据的出现次数做成频数表，以柱形的高度来表示各区间的所属次数，能够清楚地知道偏差的状态。
一、直方图的作法
手顺1：收集数据
作成直方图，采集数据的数是50—250，通常情况下100左右为佳。 手顺2：求出数据中的最大值和最小值
具体的作法：可以先找出各行（各列）中的最大值和最小值，然后在这些值中
找出最大值和最小值。
行的最大值作记号 ●，最小值作记号▲，然后找出●记号中的最大值，▲记号中的最小值。
Xmax＝199， Xmin＝170
手顺3：求出最大值和最小值的差（即数据波动的范围）
范围 R＝Xmax-Xmin ＝199－170 ＝29
手顺4：决定假定区间数
假定区间数＝n
如果n 不为整数，则按四舍五入法计算
手顺5：求出测定单位（测定值的最小刻度）
即所有数据间差的最小值。本例中测定单位为1mm。
手顺6：决定区间的幅度
区间的幅度h=
数据最大值Xmax?数据最小值Xmax假定区间数 n
因测定单位为1mm，所以是1的整数倍，离2.9最近的值是3。
手顺7：求出区间的境界值
区间的境界值规定在测定单位的1／2之处。这是因为区间的境界值和数据值相同，就不清楚其数据值应放在上区间或下区间。 （1）由以下公式求出第一区间的下境界值：
12
品质管理QC七种手法篇
第一区间的下侧界限值=数据最小值—
1测定单位=170—=169.5
22（2）因为级的幅度=3，所以：
第一区间的上限境界值=第一区间的下限境界值+区间的幅度=169.5+3=172.5 （3）以此类推，按照这样的顺序求出第二、三……区间的上下限境界值，直到最终区间的上限境界值超过数据最大值（199），即数据最大值被包括在最终区间内。
手顺8：作成频数表
本例如下： 区间数123456789区间的境界值169.5～172.5172.5～175.5175.5～178.5178.5～181.5181.5～184.5184.5～187.5187.5～190.5190.5～193.5193.5～196.5区间的中心值171174177180183186189192195频数分布记号频数1371520231874
手顺9：决定横坐标和纵坐标，画出柱形图，作成直方图并记入必备事项。
以划分了区间的特征值作横坐标，将频数表设为纵轴即可作为直方图。根据横轴幅（数据的最大值和最小值的差）和纵轴幅（最大频数的高度）大概能呈1∶1的比例，尽量作成易懂的直方图。
二、作成直方图的要点
数据n=100（50～250） Xmax Xmin
区间：将数据以一定的区间幅度分割
13
品质管理QC七种手法篇
区间数：
?假定 n?最终（由区间的上下境界值能否将数据的最大值和最小值包含进去决定）? 测定单位：全体数据间的差的最小值，即任意两个数据的差的最小值。 ——设备或测量的精度 与R=Xmax—Xmin有区别 区间幅： h?Xmax—Xmin
假定区间数 上侧：以每区间之间递增一个区间幅度h，求出次一区间的边界
值，以此类推，直到将数据中的最大值包括在区间境界值内为止。
区间境界值 下侧：第一区间的下侧境界值=数据最小值—
测定单位 2（为了使数据值不与区间的边界重合，区间的边界值的单位取测定单位
的1/2） 区间中心值：区间的中心值?区间的下侧界限值?区间的上侧界限值
2度数表：直方图中应纳入收集数据的数目、中心值及规格值等。
三、直方图的几种分布形态剖析
分布形态 剖析 缺牙形的分每个一级其频数变得少些，如缺牙形、梳形牙。如此的形状是由布 于分级不当、测量器（千分尺、秤等）使用不当引起的，例如，对以每10g所分的级只能测量50g单位的秤测量时所引起的现象。另外，测量者的刻度读法的不当也会引起此类现象。 右畸变的分直方图的平均分布的中心的左侧，左侧的频数下降得很快，而右布 侧得频数下降得缓慢，左右不对称。理论上，由规格值等下限被受限，某值以下得数值不能得到时所引起的。 不纯物的成分在0%、不合格、缺陷在0附近时所出现的现象。分布的下摆拖长时，其理由在技术上是否能理解有必要研讨。 左畸变的分与上相反，由于理论值、规格值等上限受限时所引起的。例如：布 成品率、纯度接近100%时出现的现象。这时，如果去除左边的下摆，成品、纯度将会变得更好。另外，切断一定尺寸的物体时，如果切短了就不得不将其扔掉，所以常常会把它切长了，这种情况会引起此分布。 切边分布 直方图的平均值极端地靠近一侧，离分布的中心很远，相反的一侧其频数下降的很缓慢。将规格以下的制品全数去除时会引起此 14
品质管理QC七种手法篇
二山形分布 孤岛形分布 类现象。另外，测量的作假、测量误差、误检查时也会引起此现象，有必要就此检查一下。 分布的中心部分的频数较少，从而左右出现了两座山。平均值稍微有差异的几个分布相混时出现的现象。此时，有可能超出了规格值的一侧或者两侧。对所能考虑到的两台机器间、工种原料间是否有差异等原因进行分层，如果重新作直方图就能知道其不同点。 右端或左端有与其相分离的小岛。从不同的数据中有少量的数据混入时而出现的分布。要调查工序中有什么异常、测量是否有误、是否有其他工序的数据混入。如果管理严格，去除其孤岛，一般不良品会消失。
满足规格时的例子： （1） 理想场合
直方图在规格的上限和下限之中，平均值也几乎在分布正当中。偏差在规格内稍微有些余裕，可以说是理想的。 （2） 两侧没有余裕的场合
偏差的范围正好与规格的上限和下限一致。因为没有什么余裕，所以不能令人安心。工序即使稍微有些变化，将有可能出现不合格品，所以要减少偏差。 （3） 余裕太多的场合
偏差的范围过分地满足规格的上限、下限，余裕太多。这时，可以改善规格，如为了严格控制偏差，花了不少时间精力的话，可以省略一部分工序使偏差稍微变大点。如果一边的规格余裕太多也可以采取同样的措施。
不满足规格似的例子： （1） 平均值错位的场合
平均值朝某一方向错位，如技术上能简单地将平均值进行移动的话，只要平均值移到规格的中心上即可。 （2） 平均值过分错位的场合
它是上面的极端的情况，偏差的范围并不坏，只是完全离开了规格的限界。 （3） 偏差非常大的场合
工序的偏差太大，这时称为工序能力不足。如果行的话，放宽规格。如果这还不能改变的话应对工序彻底改善或进行全数检查。
四、直方图的使用方法
（1） 观察分布的形态来把握工序的异常点
如果工序有异常，其分布呈二山分布、切边分布等不规则分布。所以，通过对直方图的形态进行观察，就可以推测工序中发生了怎样的异常。 （2） 调查是否在规格之内
如果在规格之内的话，就能很清楚地把握住与分布之间的关系，能知道是偏向某一边的问题还是偏差的问题。具体计算平均值等就能推定其工序能力、不合格率。 （3） 偏向某一边、偏差原因的调查
画以机械、设备、材料、人方法和测量等分层的直方图，分析其不同点就可以知道
15