QC七工具是品管七大手法核心内容，又称新旧QC七大工具（手法），都是由日本总结出来的。日本人在提出旧七种工具推行并获得成功之后，1979年又提出新七种工具。旧QC七大手法偏重于统计分析，针对问题发生后的改善，新QC七大手法偏重于思考分析过程，主要是强调在问题发生前进行预防。本书重点介绍旧QC七大工具。它主要包括检查表、层别法、控制图、因果图、直方图、排列图、散布图等所谓的QC七工具。QC七工具是质量工具的基础工具。下面逐一介绍。

1）检查表

（1）概念。

检查表是利用统计表对数据进行整理和初步原因分析的一种工具，其格式可多种多样，这种方法虽然较简单，但实用有效，主要作为记录或者点检所用。

（2）检查表的分类：记录用和点检用。

（3）检查表的制作：

检查表的内容是依据下述考虑而决定。

① 把握项目：待搜集项目和数据样式。

② 表格样式：检查表格式应符合搜集目的。

③ 记录型式：点检的记录形式，如项目、日期、数目、合计等。

④ 搜集方式：何人、何时、何地、何物等。

（4）检查表的使用。

使用检查表进行搜集数据后分析下述问题。

① 反映事实：印证所获数据是否能反映某些事实。

② 独特项目：查看是否有个别项目间明显差异。

③ 时间推移：是否有经时变化的趋势。

④ 周期循环：是否有周期变化的趋势。

“查检表” = “事实志录”

2）层别法

（1）概念。

数据分层法又称为层别法就是将性质相同的，在同一条件下收集的数据归纳在一起，以便进行比较分析。因为在实际生产中，影响质量变动的因素很多，如果不把这些因素区别开来，则难以得出变化的规律。数据分层可根据实际情况按多种方式进行。例如，按不同时间、不同班次进行分层，按使用设备的种类进行分层，按原材料的进料时间，按原材料成分进行分层，按检查手段，按使用条件进行分层，按不同缺陷项目进行分层，等等。数据分层法经常与上述的统计分析表结合使用。

（2）层别法制作步骤。

① 确定层别的目的。

② 选定影响质量特性的原因。

③ 制作记录卡。

④ 整理数据。

⑤ 比较与检定。

“层别法” = “大海捞针”

3）排列图

（1）概念。

排列图又称为柏拉图、重点分析图、ABC分析图，由此图的发明者19世纪意大利经济学家柏拉图（Pareto）的名字而得名。柏拉图最早用排列图分析社会财富分布的状况，他发现当时意大利80%财富集中在20%的人手里，后来人们发现很多场合都服从这一规律，于是称之为柏拉图定律。后来美国质量管理专家朱兰博士运用柏拉图的统计图加以延伸将其用于质量管理。排列图是分析和寻找影响质量主要因素的一种工具，其形式用双直角坐标图，左边纵坐标表示频数（如件数金额等），右边纵坐标表示频率（如百分比表示）。分折线表示累积频率，横坐标表示影响质量的各项因素，按影响程度的大小（即出现频数多少）从左向右排列。通过对排列图的观察分析可抓住影响质量的主原因素。这种方法实际上不仅在质量管理中，在其他许多管理工作中，例如在库存管理中，都是十分有用的。

在质量管理过程中，要解决的问题很多，但往往不知从哪里着手，但事实上大部分的问题，只要能找出几个影响较大的原因，并加以处置及控制，就可解决问题的80%以上。柏拉图是根据归集的数据，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）分类，计算出各项目别所产生的数据（如不良率、损失金额）及所占的比例，再依照大小顺序排列，再加上累积值的图形。

在工厂或办公室里，把低效率、缺损、制品不良等损失按其原因别或现象别，也可换算成损失金额的80%以上的项目加以追究处理，这就是所谓的柏拉图分析。

柏拉图使用以层别法的项目别（现象别）为前提，依经顺位调整过后的统计表才能制成柏拉图。

（2）柏拉图分析的步骤。

① 决定数据期间；

② 决定水平横轴：除其他外，按发生数据由大至小，由左至右排定类型顺序；

③ 决定左右纵轴：依据最大频次和比例决定左、右纵轴的刻度；

④ 直方图绘制：在横轴个类上，将数据大小按左轴刻度画出直方图；

⑤ 折线图绘制：在横轴个类上，将个类数据占总数的累计比例，按右轴刻度画出图点，并用直线由左至右链接；

⑥ 附记事项：记入主题及相关数据。

图2-4　柏拉图示例

（3）柏拉图的使用。

使用柏拉图，有下述三时机。

① 掌握重点：80%的不良是由20%的原因所造成。

② 发现真因：当制程产品突然冒出罕见缺陷，且某机台的劣品数竟占9907与该劣品总数的94%，此际从该机台下手应可追查到缺陷的真因。

③ 效果确认：实行对策一段期间后，改善效果可望在柏拉图上呈现。如果效果明显，不良总数会下降，而重要项目也会有一番大调整。

“柏拉图” = “重点问题”

4）直方图

（1）概念。

在质量管理中，如何预测并监控产品质量状况？如何对质量波动进行分析？直方图就是一目了然地把这些问题图表化处理的工具。它通过对收集到的貌似无序的数据进行处理，来反映产品质量的分布情况，判断和预测产品质量及不合格率。

直方图又称质量分布图，柱状图，它是表示资料变化情况的一种主要工具。用直方图可以解析出资料的规则性，比较直观地看出产品质量特性的分布状态，对于资料分布状况一目了然，便于判断其总体质量分布情况。在制作直方图时，牵涉统计学的概念，首先要对资料进行分组，因此如何合理分组是其中的关键问题。按组距相等的原则进行的两个关键数位是分组数和组距。是一种几何形图表，它是根据从生产过程中收集来的质量数据分布情况，画成以组距为底边、以频数为高度的一系列连接起来的直方型矩形图。

举例：

图2-5　正常型直方图

作直方图的目的就是通过观察图的形状，判断生产过程是否稳定，预测生产过程的质量。具体来说，作直方图的目的如下。

① 判断一批已加工完毕的产品。

② 验证工序的稳定性。

③ 为计算工序能力搜集有关数据。

直方图将数据根据差异进行分类，特点是明察秋毫地掌握差异。

（2）直方图的作用。

① 显示质量波动的状态。

② 较直观地传递有关过程质量状况的信息。

③ 通过研究质量波动状况之后，就能掌握过程的状况，从而确定在什么地方集中力量进行质量改进工作。

（3）直方图制作。

数据范围：找出“最大值”和“最小值”。

计算全距：由“最大值”减“最小值”而得全距值。

组数组距：先参考数据总量决定组数，再求算组距＝全距÷组数。

上下组界：求算各组之上、下组界。

组中心点：求算各组之组中心点。

组中心 =（上组界＋下组界）÷2

次数分配：点数落入各组之笔数。

制作图形：就质量特性为横轴，按各组次数制作成条图。

附记事项：记入主题及相关数据而作成直方图。

（4）分布判断。

① 常态型：如图2-6所示，制程正处于安定状态。

② 锯齿型：如图2-7所示，数据搜集或作图方法不恰当。

③ 截尾型：如图2-8所示，无法量测某界限以下的数值。

④ 峭壁型：如图2-9所示，产品业已经过筛选。

⑤ 双峰型：如图2-10所示，样本数据来自不同的机台或材料。

⑥ 丘陵型：如图2-11所示，样本数据来自迥异的制程。

⑦ 离岛型：如图2-12所示，制程业已遭到特殊原因的淆扰。

“直方图” =“ 品质概要”

图2-6　常态型直方图

图2-7　锯齿型直方图

图2-8　截尾型直方图

图2-9　峭壁型直方图

图2-10　双峰型直方图

图2-11　丘陵型直方图

图2-12　离岛型直方图

5）因果分析图

（1）概念。

因果分析图是以结果作为特性，以原因作为因素，在它们之间用箭头联系表示因果关系。因果分析图是一种充分发动员工动脑筋，查原因，集思广益的好办法，也特别适合于工作小组中实行质量的民主管理。当出现了某种质量问题，未搞清楚原因时，可针对问题发动大家寻找可能的原因，使每个人都畅所欲言，把所有可能的原因都列出来。

所谓因果分析图，就是将造成某项结果的众多原因，以系统的方式图解，即以图来表达结果（特性）与原因（因素）之间的关系。其形状像鱼骨，又称鱼骨图，有时也称特性要因图。

图2-13　鱼骨图示例

图2-14　鱼骨图

（2）使用步骤。(www.daowen.com)

画鱼骨图制作时，首先从人、机、料、法、环测（简称5M1E，六个词的英文第一个字母）六个方面画出主骨刺，再分别层层展开。

实际应用步骤如下：

步骤1：召集与此问题相关的、有经验的人员，人数最好4～10人。

步骤2：挂一张大白纸，准备2～3支色笔。

步骤3：由集合的人员就影响问题的原因发言，发言内容记入图上，中途不可批评或质问（脑力激荡法）。

步骤4：时间大约1个小时，搜集20～30个原因则可结束。

步骤5：就所搜集的原因，何者影响最大，再由大家轮流发言，经大家磋商后，认为影响较大予圈上红色圈。

步骤6：与步骤5一样，针对已圈上一个红圈的，若认为最重要的可以再圈上两圈，三圈。

步骤7：重新画一张原因图，未上圈的予以去除，圈数愈多的列为最优先处理。

因果分析图提供的是抓取重要原因的工具，所以参加的人员应包含对此项工作具有经验者，才易奏效。

（3）鱼骨图使用。

使用鱼骨图，有下述三时机。

① 整理问题：将紊乱问题整理出头绪。

② 追查真因：从问题成因中追究出主因。

③ 寻找对策：从问题主因中研讨出对策。

④ 教育训练：员工解决问题能力的训练。

（4）脑力激荡构想原则（Brain Storming）。

① 不能批评构想，先听听看。

② 欢迎自由联想，先说说看。

③ 逐渐扩大思考范围，从别人的意见引出种种联想。

④ 从各种角度提出构想，想想和别人不同的事项。

⑤ 不要太早下结论。

⑥ 讨论要力求集中，不要脱离主题。

⑦ 破除阶级尊卑的意念，无拘无束的一起讨论。

⑧ 创意越多越好。

“鱼骨图” = “推敲因果”

6）散布图

（1）概念。

散布图又叫相关图，它是将两个可能相关的变量数据用点画在坐标图上，用来表示一组成对的数据之间是否有相关性。这种成对的数据或许是特性—原因、特性—特性、原因—原因的关系。通过对其观察分析，来判断两个变量之间的相关关系。这种问题在实际生产中也是常见的，例如热处理时淬火温度与工件硬度之间的关系，某种元素在材料中的含量与材料强度的关系等。这种关系虽然存在，但又难以用精确的公式或函数关系表示，在这种情况下用相关图来分析就很方便。假定有一对变量x和y，x表示某一种影响因素，y表示某一质量特征值，通过实验或收集到的x和y的数据，可以在坐标图上用点表示出来，根据点的分布特点，就可以判断x和y的相关情况。

图2-15　熔烧温度与硬度散布图

在我们的生活及工作中，许多现象和原因，有些呈规则的关联，有些呈不规则形有关联。我们要了解它，就可借助散布图统计手法来判断它们之间的相关关系。

（2）散布图制作步骤。

① 配对变数：找出关切的两变量。若系因果关系时视因和果各为X、Y变数。

② 搜集数据：至少30组以上变量数对。

③ 计算组距：各找出两变量的最大值、最小值和全距。

④ 标轴刻度：各按两变量的最大、最小和全距设定坐标轴。

⑤ 标绘图点：按各数对的横轴、纵轴坐标，在图上以单点标记。

⑥ 标绘心轴：各绘制和的直线，则构成以原点为中心的Ⅰ、Ⅱ、Ⅲ、和Ⅳ四象限。

（3）关系性质。

使用散布图时，常需判断X变项与Y变项的相关性质。可利用原点为中心的四象限，检视各图点落处于Ⅰ、Ⅱ、Ⅲ和Ⅳ象限的状况，来判定X与Y的关系。以下是各式各样相关性质的判定方式：

① 正负相关：当X 增加时，Y 亦随之增加，它表示因变量X与果变项Y 是呈“正相关”；反之，则X 与 Y 呈“负相关”。

② 强弱相关：图点分布较密集时是“强相关”，而分布较疏广时是“弱相关”。如图2-16 【a、b】所示。

③ 无甚相关：图点分布散乱时，X 与 Y之间是“无甚相关”。如图2-16（c）所示，各图点分散落处于I、Ⅱ、Ⅲ、和Ⅳ各象限。

④ 曲线相关：图点分布呈曲线倾向时是“曲线相关”。

“配对数据” = “敲定因果”

图2-16　强弱关系示例图

图2-16　（续）强弱关系示例图

7）控制图

（1）概念。

控制图又称为管制图。由美国的贝尔电话实验所的休哈特（W.A.Shewhart）博士在1924年首先提出，管制图使用后，就一直成为科学管理的一个重要工具，特别在质量管理方面成了一个不可或缺的管理工具。它是一种有控制界限的图，用来区分引起质量波动的原因是偶然的还是系统的，可以提供系统原因存在的信息，从而判断生产过程是否处于受控状态。控制图按其用途可分为两类：一类是供分析用的控制图，用控制图分析生产过程中有关质量特性值的变化情况，看工序是否处于稳定受控状；再一类是供管理用的控制图，主要用于发现生产过程是否出现了异常情况，以预防产生不合格品。

管制图是将“制程样组”和“质量特性”各置于横轴和纵轴的一种折线图，但它事先已绘制“CL” “UCL” “LCL”等三条水平界线。如图2-17所示，使用管制图时、按时逐次抽样，然后将频次或数值数据，标绘成乙个图点。若生产稳定，则图点理应散落在UCL和LCL两条界线的范围之内，并且图点大多会贴近CL界线。

图2-17　控制图示例

（2）管制图的判异规则如下。

① 界外点－管制图中已有点落于管制界限外。

② 点串型－制程业已偏移或呈现走势。

③ 非随机－管制图中某组点有非随机的现象。

a. 3点中有2点在A区或以外（机率= 0.005 928）。

b. 5点中有4点在B区或以外（机率= 0.034 604）。

c.连续6点持续上升或下降（机率= 0.015 625）。

d. 8点在心线两侧C区内（机率= 0.047 183）。

e.连续9点在单边C区或以外（机率 = 0.001 953）。

f. 15点在心线两侧C区内（机率= 0.003 261）。

g.有1点在A区以外（机率= 0.002 700）。

h.连续14点交互升降（机率= 0.000 122）。

备注：

A区—两倍至三倍标准偏差间。

B区—一倍至两倍标准偏差间。

C区—一倍标准偏差间。

表2-1　原因分类表

图2-18　偶因、异因图

统计管理方法是进行质量控制的有效工具，但在应用中必须注意以下几个问题，否则的话就得不到应有的效果。造成这些问题的主要原因如下。

（1）数据有误。数据有误可能是两种原因造成的，一是人为地使用有误数据，二是由于未真正掌握统计方法。

（2）数据的采集方法不正确。如果抽样方法本身有误则其后的分析方法再正确也是无用的。

（3）数据的记录、抄写有误。

（4）异常值的处理。通常在生产过程取得的数据中总是含有一些异常值的，它们会导致分析结果有误。

“管制图” = “异常警告”

以上概括介绍了七种常用初级统计质量管理七大手法即所谓的“QC七工具”，这些方法集中体现了质量管理的“以事实和数据为基础进行判断和管理”的特点。最后还需指出的是，这些方法看起来都比较简单，但能够在实际工作中正确灵活地应用并不是一件简单的事。

8）新七大手法

简要介绍新QC七大手法如下。

（1）关联图（Relationship Diagram）。

关联图，又称关系图，20世纪60年代由日本应庆大学千住镇雄教授提出，是用来分析事物之间“原因与结果” “目的与手段”等复杂关系的一种图表，它能够帮助人们从事物之间的逻辑关系中，寻找出解决问题的办法。

（2）亲和图（Affinity Diagram）。

亲和图法，又叫KJ法，是日本川喜田二郎首创，把大量收集到的关于未知事物或不明确的事实的意见或构思等语言资料，按其相互亲和性（相近性）归纳整理这些资料，使问题明确起来，求得统一认识和协调工作，以利于问题解决的一种方法。

（3）系统图（System Diagram）。

系统图就是把要实现的目的与需要采取的措施或手段，系统地展开，并绘制成图，以明确问题的重点，寻找最佳手段或措施的一种方法。

（4）过程决策程序图（PDPC）。

过程决策程序图，又称PDPC（Process Decision Program Chart）法是随事态的进展分析能导致各种结果的要素，并确定一个最优过程使之达到理想结果的方法。

（5）矩阵图（Matrix Diagram）。

矩阵图法就是从多维问题的事件中，找出成对的因素，排列成矩阵图，然后根据矩阵图来分析问题，确定关键点的方法，它是一种通过多因素综合思考，探索问题的好方法。

（6）矩阵数据分析法（Matrix Data Analysis Chart）。

矩阵数据分析法是对多个变动且复杂的因果进行解析。矩阵图上各元素间的关系如果能用数据定量化表示，就能更准确地整理和分析结果。这种可以用数据表示的矩阵图法，叫做矩阵数据分析法。在QC新七种工具中，数据矩阵分析法是唯一一种利用数据分析问题的方法，但其结果仍要以图形表示。

（7）箭条图（Arrow Diagram）。

箭条图法是将项目推行时所需的各步骤、作业按从属关系用网络图表示出来的一种方法。

本节应知应会总结

QC七工具要牢记并熟练应用，检查表是必用工具，柏拉图和鱼骨图是常用工具，控制图是非常实用的工具，直方图、散点图、层别法不是那么常用。但QC七工具是质量工具的基础，是质量人必须掌握的内容之一。本书只是提及概要，要深入学习了解，可参考QC专门书籍。