第一节 、质量改进基本知识（基本涵义、内容、步骤）
【课程纲要】
1.质量改进基本知识
1）质量改进的概念
2）质量改进的步骤和内容
2.质量改进常用的工具——品管的七大手法
3.质量管理常用工作方法(PDCA、头脑风暴法、4M1E、5W2H、CPK、6SINGMA)
一、 质量改进的概念
1． 质量改进的概念：质量改进是消除系统性的问题，对现有的质量水平在控制的基础上加以提高，使质量达到一个新水平、新高度。
2． 质量改进的必要性： 以提高产品的质量水平，不断降低成本。
二、 质量改进的步骤和内容
1． 质量改进的步骤：
明确问题====掌握现状====分析问题原因=====拟定对策并实施====确认效果====防止再发生和标准化====总结。
2． 质量改进的内容：
✧ 明确要解决的问题为什么比其它问题重要；
✧ 问题的背景是什么，到目前为止的情况是怎样的；
✧ 将不尽人意的结果用具体的语言表现出来，有什么损失，并具体说明希望改进到什么程度；
✧ 选定题目和目标值，如果有必要，将子题目也决定下来；
✧ 正式选定任务负责人，若是小组就确定组长和组员；
✧ 对改进活动的费用做出预算；
✧ 拟定改进活动的时间表。
3． 质量改进的基本过程：
======PDCA 循环过程。即：plan, do, check, action四个阶段，这四个阶段一个也不能少，大环套小环不断上升的循环。
4． 质量改进的基本途径（通常有两种基本途径）：
✧ 企业跨部门人员参加的突破性改进；
✧ 由企业各部门内部人员对现有过程进行渐进的持续改进活动。
5． 质量改进的组织
质量改进的组织是分为两个层次，一是从整体的角度为改进项目调动资源，这是管理层，即质量管理委员会。二是为了具体地开展工作项目，这是实施层，即质量改进团队或称质量改进小组（QC小组）。
第二节、质量改进常用的工具——品管的七大手法
品管七大手法: 控制图、散布图、特性要因图（鱼骨图）、查检表、层别法、直方图、
七大手法口诀：鱼骨追原因、查检集数据、柏拉抓重点、直方显分布、散布看相关、管制找异常、层别做解析
一、控制图
1、概念
控制图又叫做管制图，是用于分析和判断工序是否处于稳定状态所使用的带有控制界限的一种工序管理图。
控制图是一种对过程质量加以测定、记录从而进行控制管理的一种用科学方法设计的图，图上有中心线（CL）、上控制线（UCL）、下控制线（LCL），并有按时间顺序抽取的样本计量值的描点序列。
控制图主要用于：过程分析及过程控制。
图1表示了控制图的基本形状：
图1 控制图基本形状
2、原理
控制图的作图原理被称为“3σ原理”，或“千分之三法则”。
根据统计学可以知晓，如果过程受控，数据的分布将呈钟形正态分布，位于“μ±3σ”区域间的数据占据了总数据的99.73%，位于此区域之外的数据占据总数据的0.27%（约千分之三，上、下界限外各占0.135%），因此，在正常生产过程中，出现不良品的概率只有千分之三，所以我们一般将它忽略不计（认为不可能发生），如果一旦发生，就意味着出现了异常波动。
μ：中心线，记为CL，用实线表示；
μ+3σ：上界线，记为UCL，用虚线表示；
μ－3σ：下界线，记为LCL，用虚线表示。
3、控制图的种类
①、计量值控制图：控制图所依据的数据均属于由量具实际测量而得。
C、中位值与全距控制图（ —R Chart）；
D、单值控制图（X Chart）；
②、计数值控制图：控制图所依据的数据均属于以计数值（如：不良品率、不良数、缺点数、件数等）。
A、不良率控制图（P Chart）；
B、不良数控制图（Pn Chart）；
C、缺点数控制图（C Chart）；
D、单位缺点数控制图（U Chart）。
4、控制图的用途
根据控制图在实际生产过程中的运用，可以将其分为分析用控制图、控制用控制图：
①、分析用控制图（先有数据，后有控制界限）：用于制程品质分析用，如：决定方针、制程解析、制程能力研究、制程管制之准备。
分析用控制图的主要目的是：（1）分析生产过程是否处于稳态。若过程不处于稳态，则须调整过程，使之达到稳态（称为统计稳态）；（2）分析生产过程的工序能力是否满足技术要求。若不满足，则须调整工序能力，使之满足（称为技术稳态）。根据过程的统计稳态和技术稳态是否达到可以分为如下所示的四种情况：
表1 统计稳态与技术稳态矩阵
当过程达到我们所确定的状态后，才能将分析用控制图的控制线延长用作控制用控制图。由于控制用控制图是生产过程中的一种方法，故在将分析用控制图转为控制用控制图时应有正式的交接手续。在此之前，会应用到判稳准则，出现异常时还会应用到判异准则。
②、控制用控制图（先有控制界限，后有数据）：用于控制制程的品质，如有点子跑出界时，应立即采取相应的纠正措施。
控制用控制图的目的是使生产过程保持在确定的稳定状态。在应用控制用控制图过程中，如发生异常，则应执行“20字方针”，使过程恢复原来的状态（参见第6条）。
5、控制图原理的2种解释
①、控制图原理的第1种解释：点出界出判异（小概率事件原理）
小概率事件原理：在一次实验中，小概率事件几乎不可能发生，若发生即判断异常。
在生产过程处理统计控制状态（稳态）时，点子出界的可能性只有千分之三，根据小概率事件原理，要发生点子出界的事件几乎是不可能的，因此，只要发现点子出界，就判定生产过程中出现了异波，发生了异常。
例：螺丝加工过程中，为了解螺丝的质量状况，从中抽取100个螺丝进行检查，量取螺丝的直径值（见表2），并将其用控制图作出（见图2）。
表2 螺丝直径值数据表
在以上数据中，各样本的标准偏差为0.26，平均值为10，由此可以得出控制图的控制线：
UCL=μ+3σ≈10.78
CL=μ≈10.0
LCL=μ－3σ≈9.21
依据表2《螺丝直径值数据表》及控制限，作出控制图：
图2 螺丝直径控制图
②、控制图原理的第2种解释：
根据影响质量的因素不同，可将其分为人、机、料、法、环（即4M1E），但对影响质量大小的因素来看，可分为偶然因素（简称偶因）和异常因素（简称异因）。另外的一种说法，将影响质量大小的因素分为一般原因与异常原因。
偶然因素：是始终存在的，对质量影响甚微，但难以消除。如：机床开动时的轻微振动。
异然因素：是有时存在的，对质量影响较大，但不难去除。如：车刀磨损、机床螺丝松动等。
由于生产过程的质量波动是由偶因、异因引起的，因此，将质量波动分为偶然波动、异常波动：
偶然波动：由偶然因素造成的质量波动，简称偶波。偶波是系统固有的，不可避免。
异常波动：由异常因素造成的质量波动，简称异波。异波不是系统本身所具有的，有时会发生，只要采取有效措施，不难消除。
偶波与异波都是质量的波动，怎样才能发现异波的到来呢？经验和理论分析表明，如果生产过程中只存在偶因时，产品质量将形成某种典型分布，例如：在车制螺纹的例子中形成正态分布。如果除去偶波之外还有异波，则产品质量的分布必将偏离原来的典型分布。因此，根据典型分布是否偏离就能判断异波，即异因是否发生，而典型分布的偏离可由控制图检出。在上面所车制螺纹的例子中，由于发生了车刀磨损的异因，螺丝直径的分布偏离了原来的正态分布而向上移动，于是点子超出上控制界线的概率大为增加，从而点子频频靠近控制界线，表明存在异波。控制图上的控制界限就是区分偶波与异波的科学界限。
6、20字方针
为使控制图在使用过程中切实有效，必须执行如下“20字方针”：“查出异因，采取措施，保证消除，不再出现，纳入标准”。下图表示了控制图的应用过程模型：
图3 控制图应用的过程模型
统计控制状态：过程中只存在偶因而不存在异因，这种状态称之为统计控制状态或稳定状态，简称稳态。
稳定工序：一道工序处于稳定状态称为稳定工序；
全稳生产线：道道工序都处于稳态称为全稳生产线。
7、控制图的两类错误
控制图用抽检的方式对生产过程进行控制，十分经济。但是，既然是抽检，就会存在风险：
①、虚发警报的错误，也称为第Ⅰ类错误。在生产过程正常的情况下，纯粹出于偶然原因点子出界。发现这类错误通常记为α（阿尔法）。第Ⅰ类错误造成的风险也通常被称为“生产方风险”。
②、漏发警报的错误，也称为第Ⅱ类错误。在生产过程中存在异常因素，质量特性值存在异常，但点子处于控制界限之内，如果抽到这样的产品，则将犯判断生产正常或漏发警报的错误。这类错误通常记为β（贝塔）。第Ⅱ错误也通常被称为“客户风险”。
注：上、下控制限不能与规格/公差相混淆，它们是不同的概念：规格是用来区分产品合格与不合格的，而控制图中的控制限是用于区分生产过程中的偶然波动与异常波动的（过程是否处于受控的稳定状态？）。
8、判异准则
判异准则用来判断过程是否存在异常因素，生产过程的质量波动是正常的还是异常的。判异准则主要有两条：
判异准则1：点子出界（或在控制线上）就判断异常；
判异准则2：控制界限内的点子排列不随机就判断异常。
在“判异准则2”中，“点子排列不随机”是指点子的排列呈现某种规律，具体来说，可能会出现以下几种排列现象：
①、异常模式一 控制点屡屡接近控制界线（如图4）
A、连续3点中，至少有2点接近控制界限；
B、连续7点中，至少有2点接近控制界限；
C、连续10点中，至少有4个点接近控制界限。
图4 异常模式一
②、异常模式二 链。在控制线中心一侧连续出现的点叫做链，其点子数目称为链长。链长不少于7时，判断点子为非随机排列，存在异常因素（如图5）。
图5 长为7点的链
③、异常模式三 间断链。如果链较长，有个别点出现在中心线的另一侧，叫做间断链。此种情况被视为点子非随机排列，判为异常。
图6 连续11点其中1点在中心线另一侧的间断链
④、异常模式四 倾向。点子逐渐上升或下降的状态称为倾向。当有7个点连续上升或下降倾向时，判定点子为非随机排列，存在异常因素（如图7）。
图7 连续7点下降倾向
⑤、异常模式五 点子集中在中心线附近（点子距离中心线在1σ以内）。如连续15点位于中心线附近，判定点子为非随机排列，存在异常原因（如图8）。
图8 连续15点集中在中心线附近
⑥、异常模式六 点子呈现周期性变化（如图9）。导致此现象的原因可能是：操作人员疲劳、原材料的发送有问题等。
图9 点子呈现周期性变化
在实际应用过程中，由于上述的判异准则过于复杂，所以将其进行简化成如下几条具体准则，以便于实际应用：
判异准则1：有点子超出控制线（或在控制线上）即视为异常；
判异准则2：连续7点向上或向下视为异常；
判异准则3：连续7点在CL以上或以下视为异常；
判异准则4：正常情况下，大约有2/3的点位于上下控制限之间的中央1/3区域内，若不符合则视为异常。
9、判稳准则
判稳准则用来判断生产过程是否处于稳定状态，对于分析用控制图来说，过程处于稳定状态即意味着可将其控制限延长，转化为控制用控制图。
判稳准则1：连续25个点都在控制界限内；
判稳准则2：连续35个点至多1个点子落在控制界限外；
判稳准则3：连续100个点子至多2个点子落在控制界限外。
注：即使过程被判定为处于稳定状态，对于落在界外的点子也必须执行“20字方针”。
二、散布图
1、概念
柏拉图又叫做相关图，为研究两个变量间的相关性，而搜集成对的两种数据（如：温度与湿度，或海拔高度与温度等），在方格纸上/坐标系上以点来表示出两个特性值之间相关情形的图形。
散布图中横轴与纵轴的组合关系可能为：
①、要因与特性；
②、要因与要因；
③、特性与特性。
下图表示了某产品淬火温度与硬度的相关关系的散布图：
图1 ××产品淬火温度与硬度相关性的散布图示意
2、散布图的制作步骤
步骤1：明确目的，决定调查对象；
步骤2：收集50——100组成对的数据（最少30组数据）；
步骤3：分别找出两种数据中的最大值与最小值；
步骤4：绘制纵轴、横轴，并画出刻度（刻度大小应考虑最大值与最小值），通常横轴表示要因，纵轴表示特性；
步骤5：将成对数据于图上打点，二点重复划⊙，三点重复划◎；
步骤6：分析两组数据的相关性（参照第3条“散布图的看法”）；
步骤7：记入必要事项（如：标题、数据之测量日期、绘制日期、绘制者、样本数、产品名、制程名等）。
3、散布图的看法
①、强正相关：X增大，Y也随之增大（见图2）；
②、强负相关：X增大时，Y反而变小（见图3）；
③、弱正相关：X增大时，Y也增大的幅度不显著（见图4）；
④、弱负相关：X增大时，Y反而变小，但幅度不显著（见图5）；
⑤、曲线相关：X开始增大时，Y也随之增大，但达到某一值后，当X增大时，Y却减小（见图6）；
⑥、无相关：X和Y之间毫无任何关系（见图7）。
图2 强正相关 图3 强负相关 图4 弱正相关
图5 弱负相关 图6 曲线相关 图7 无相关
注：1、强相关的点公布较为集中，弱相关的点分布较为分散；
2、出现异常点时，应将其排除。
4、散布图判读注意事项
①、注意有无异常点；
②、看是否有层别必要；
③、是否有假相关；
④、勿依据技术、经验作直觉的判断路；
⑤、数据太少，易发生误判。
5、示例：分析酿酒时的酒药酸度与酒精度的相关性
①、明确目的：分析酿酒时的酒药酸度与酒精度大小的相关性；
②、收集数据：
表1 酒药酸度与酒精度对照表
③、找出两种数据中的最大值与最小值：
Xmax=1.6，Xmin=0.5；
Ymax=6.8，Ymin=3.4。
④、绘制纵轴、横轴，并画出刻度（刻度大小应考虑最大值与最小值），横轴表示酸度，纵轴表示酒精度；
⑤、将成对数据于图上打点（如图8）；
图8 酒药酸度与酒精度相关性分析
⑥、分析相关性
从图上点子分布来看：当X值变大时，Y值反而变小，因此X与Y呈负相关；因变化趋势明显、点子分布集中，因此为强负相关。
⑦、记入必要的事项，如：标题、数据之测量日期、绘制日期、绘制者、样本数、产品名、制程名等。
三、特性要因图
1、概念
特性要因图又叫做因果图或鱼骨图。指将造成某项结果的众多原因，以系统的方式进行图解，即以图来表达结果（特性）与原因（要因）之间的关系，因为此图的形状很像鱼骨，故称为鱼骨图。正式名称为特性要因图。
主要用于：寻找引发结果的原因。
下图是特性要因图应用的一个范例：
图1 特性要因图应用示例
2、为何要用特性要因图
①、能有效防止落入思考障碍，是解决问题的好工具。常见的思考障碍有：
(a)、自我限制；
(b)、“想原因”与“作判断”同时进行；
(c)、“思考”与“记忆”互相干扰；
(d)、“想原因”与“想对策”混杂；
(e)、未系统化而无法专注。
②、使参与者的联想力互动以激发各自的想象（脑力激荡法/头脑风暴法）；
③、深入掌握问题的因果，并彻底的分析原因；
④、互相讨论，使参与者对问题原因的看法趋向于一致。
3、特性要因图制作步骤
步骤1 明确问题的评价特性。评价特性：指能具体衡量事项（含事、物）的指针、尺度。例：
步骤2 记上背骨：由左向右划一条粗的箭条，并于箭头右侧写上评价特性，然后为评价特性加上方框。如图2：
图2 背骨
步骤3 记上大骨（大要因）：
（a）、大骨个数以4——8较适合，通常以4M1E（人员、设备、材料、方法、环境）来分类，也可依流程别、工序别等来分类。
(b)、大要因以方框圈起来，并加上箭条到背骨，大骨与背骨相交角一般取60°较为适当。
(c)、为避免要因遗漏，可加入“其它”项。
图3 大要因
步骤4 依次往各大骨中记入中骨、小骨，并且注意：
(a)、应反复追问“为何、有何”，以找出最具体的原因；
(b)、应用脑力激荡法（Brain Storming）；
图4 中骨与小骨
步骤5 挑出影响目前问题较大的要因作为主要因，并用圈选（红笔/其它颜色笔）：
(a)、全员参与圈选；
(b)、要因以4——6项为宜；
(c)、整理并记录必要事项（如主题、时间、参与人员等）。
4、绘制特性要因图应注意事项
●集合全员的知识，使有关人员（如：前后制程人员、技术人员等）、能真心诚意参与说真话者一起参加；
●思考重点放在“为什么”，而不是“如何解决”；
●小要因若是无法采取对策，须再深入剖析；
●若怕要因遗漏，可于隔天再进行一次（应用潜在意识活动）鱼骨图分析；
●若以4M1E分类方式绘制不理想时，可考虑以流程别、工序别进行绘制；
●要因的表示要具体、简洁（如：“动词+形容词”、“名词+动词”等）；
●特性若可细分时，最好细分，再分别绘制特性要因图。
5、特性要因图之应用
●用于过程改善、解析；
●追查异常原因；
●检讨作业标准；
●教育训练及经验的交流。
四、查检表
1、概念
为系统地收集资料和累积数据，将有关项目和预定收集的数据，依据其使用目的，以较简单的文字符号填注，使其容易汇总整理，以便于了解现状，作分析或点检用。
查检表主要用于：收集、整理资料。
常用的查检表的格式如下：
表1 ××产品不良记录表
2、为何要使用查检表
●为了有效解决问题，必须要依据事实来做出相关的决策，这就需要使用查检表收集资料。
●以“记录”代替“记忆”，使观察深入。
●避免收集资料时，渗入个人情绪、文字叙述等不具体、不明确的记录。
●使收集数据、资料更加简洁明了。
3、查检表的分类
①记录查检表
a、一般型（分类项目有原因别、设备别、不良项目别、人员别、缺点别……等）
表2 退货原因检查表
b、次数分配表
表3 ××产品直方图次数配表
②点检用查检表
表4 ××汽车点检表
4、如何设计查检表
①记录用查检表
a、记录用查检表
步骤1：明确目的。如：了解问题？/证明假设？/要因解析。并且明确数据收集的对象范围。
步骤2：决定层别的角度。
步骤3：决定查检项目。
步骤4：决定查检表的格式。
步骤5：决定数据记录的方式。
步骤6：决定数据收集的方式，用5W1H明确下列事项：
●收集人员；
●测定、检查判定方法；
●收集数据时间范围（起止时间）、周期（多久收集一次）；
●收集的地点；
●检查方式：抽查或是全检；
②点检用查检表
步骤1：明确点检项目
●明确工作步骤；
●就各步骤分别确定4M（人、机、料、法）所需条件；
●针对影响工作结果较大的条件（要因）设定为点检项目。
步骤2：决定点检顺序；
步骤3：决定点检周期；
步骤4：决定点检表格式。
5、注意事项
●设计时查检项目的用词和方式尽量简要、具体、明确，并将“其它”项列入；
●设计时参考多数人的意见，尽量让使用人共同参与；
●设计时尽量考虑多角度的层别；
●尽量以简单符号、数字填写，便于正确、迅速地记录；
●数据要清楚，并考虑数据的可靠性；
●必要时进行人员的教育训练；
●可行时，和相关单位相同的资料进行对比；
●对原因别分类，若数据不易归类应改用现象来查检；
●明确资料收集人、时间、场所、范围等；
●查检表在使用时发现不适用时需检讨修正。
五、层别法
1、概念
层别法又叫分层法，是将大量有关某一特定主题的观点、意见或想法按组分类，将收集到的大量数据或资料按相互关系进行分组，加以层别。或：按照一定的类别，把收集到的数据加以分类整理的一种方法。
层别法主要用于：从不同角度发现问题。
层别法是所有品管手法中最基本的概念，是统计方法中最基本的管理工具，通过层别法，可以将杂乱无章的数据归为有意义的类别，达到一目了然的目的，这种科学的统计方法可以弥补靠经验、靠直觉判定管理的不足。
层别法可单独使用，也可以跟其它品管手法结合使用，如：与柏拉图同时使用，既可将某一主题的数据层别清楚，又可找到关键问题，便于抓住重要的问题点。
2、层别法的意义
①、要迅速有效地解决问题，在整个过程中均需要运用比较方式：而要比较则一定要层别。
②、在解决问题的过程中，均可以使用层别法：
③、以科学思考原则而言，观察、假设、证明、结论皆需层别比较。
3、层别角度（类别）
A、人员：组、班、年龄、服务年资、教育程度、性别、熟练度、职称。
B、原材料：批别、供应商厂家别、产地别、成分、等级、零件别。
C、机械与工具：机号、型式、速度、位置、新旧、治具。
D、作业条件：压力、温度、速度、回转速、温度、顺序、作业方法。
E、测定与检查：测定者、检查员、检查方法、量测仪器。
F、产品：批、品种、新旧制品。
G、不良与错误状况：不良项目别、错误项目别、发生位置别、发生地点别、发生工程别。
H、时间：小时别、日别、周别、月别、上、下午别、年别、改善前后别、正常班与加班别。
4、注意事项
●层别角度的选择依目的并配合专业知识考虑。
●层别分类需符合“周延”（所分类别能包括内容）、“互斥”（类别不能互相包含）原则。
●层别时勿将两个以上角度混杂分类。
●尽量将层别观念溶进其它手法，如查检表、柏拉图、推移图、直方图、散布图、管制图等。
●层别后应进行比较（或检定）各作业条件是否有差异。
5、步骤
A、确定研究的主题，分层的类别和调查的对象；
B、设计收集数据的表格；
C、收集和记录数据；
D、整理资料并绘制相应分层图表；
E、比较分析和最终的推论。
6、示例
例1：
某空调维修部，帮助客户安装后经常发生制冷液泄漏。通过现场调查，得知泄漏的原因有两个：一是管子装接时，操作人员不同（有甲、乙、丙三个维修人员按各自不同技术水平操作）；二是管子和接头的生产厂家不同（有A、B两家工厂提供配件）。于是收集数据作分层法分析（见表一、表二）试说明表一、表二的分层类别，并分析应如何防止渗漏？
表1 泄漏调查表（按人员分类）
表2 泄漏调查表（按配件厂商分类）
结论：应该使用B配件厂商生产的零件，而使用操作人员乙的方法来进行维修。
例2：
××公司某天白班、中班、夜班共制造出不良品200个，品管部为了得到更明确的信息，以便采取措施进行改善，从白班、中班、夜班的角度对不良品进行层别分析。
表3 不同班次不良品层别分析
结论：从层别分析来看，夜班是造成不良品的主要班次，应优先采取措施进行改善。
六、柏拉图
1、概念
柏拉图又叫做排列图，是指将某一期间所收集的数据，按某一角度作适当分类，并按各类出现的大小顺序排列的图。
柏拉图主要用于：确定主导因素。
柏拉图是20/80原则应用的图形。该原理是由意大利经济学家Vilfredo Pareto提出的。 1897年Pareto提出，80%的财富集中在20%的人手中。同理，任何过程中的大部分缺陷通常是由相对少数的问题引起的。排列图分析能帮助人们确定这些相对少数但重要的问题，以使人们把精力集中于这些问题的改进上。以下是一些跟柏拉图理论相关的理论：
●80%的问题由20%的原因引起；
●80%的产品索赔发现在20%生产线上；
●80%的销售额由20%的产品带来；
●80%的品质成本由20%的品质问题造成；
●80%的品质成本由20%的人员引起。
……
基本的柏拉图的形状如下图所示：
图1 基本的柏拉图形状示例
2、为何要使用柏拉图
●是把握重要原因或问题重点的有效工具，具有事半功倍效果。
●了解各项目对问题的影响度占多少。
●可明确重点改善项目是什么，大小顺序的内容是什么，占大多数的项目又是什么。
●作为制定改善目标的参考。
●可发掘现场之重要问题点。
3、柏拉图的制作步骤
步骤1 根据已收集的数据（如：已收集数据的查检表）决定分类的角度，如决定分类角度为不良项目；
步骤2 整理数据，制作成如下的统计表：
表1 ××产品不良项目统计表
步骤3 绘制图表。于纸上画出一条横轴、两条纵轴，其中横轴代表不良项目，左边纵轴代表产品“不良率”或“不良数”，右边纵轴代表产品不良项目的“累计影响度”，并标上相应的刻度值。
步骤4 将不良项目的数据在横轴上划成并列柱形，并于横轴上记下相应的项目名称。
步骤5 根据不良项目不良数据的“累积影响度”打点，并依次将各画连接成折线。
步骤6 记上柏拉图名称、数据、收集期间、目的、记录者等信息。
步骤7 确定结论。
4、注意事项
●横轴上各项目依大小顺序排列，其它项位于最末位。
●横轴各柱形距离要相同。
●柏拉图上需标示累积影响度。
●勿将两个以上的角度混杂于一起分类。
●对于不良品分析，可尽量以金额表示，优先对金钱损失大的不良项目采取措施。
●一般把欲优先解决之项目标示出（累积影响度占70-80%之项目）
●柏拉图第一项若难采取措施，则可从第二项开始采取措施。
5、柏拉图示例
图2 柏拉图示例
结论：从柏拉图分析可以看出，厚度不良、擦伤、长度不良占了总不良数内的80.9%，所以，可考虑优先解决此三项不良；其中，厚度不良占了总不良数内的42.6%，应首先进行解决。
七、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。
图1 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Xmax和最小数据Xmin；
(b)、求全距R。R=最大数据Xmax－最小数据Xmin（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。
(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：
本文来源：https://www.2haoxitong.net/k/doc/f3080efaeffdc8d376eeaeaad1f34693daef10ad.html
文档为doc格式