¿A qué siete técnicas de control de calidad se refieren las técnicas antiguas y nuevas?

Las siete técnicas principales del antiguo control de calidad incluyen:

Lista de verificación, método de jerarquía (método de jerarquía), gráfico de disposición (Platón), histograma, diagrama de espina de pescado (diagrama de causa y efecto), control gráfico (gráfico de control), diagrama de dispersión.

La segunda son las siete nuevas técnicas de control de calidad:

Método de diagrama de relaciones, método KJ, método de diagrama de sistema, método de diagrama matricial, método de análisis de datos matriciales, método PDPC y método de diagrama de red. .

3. Uso de imágenes de ruta:

Introducción enumerada:

1. Lista de verificación

La lista de verificación utiliza tablas estadísticas para analizar datos Una herramienta para la organización y análisis preliminar de causas. Los formatos pueden ser diversos. Este método es relativamente sencillo, pero práctico y eficaz. Se utiliza principalmente para registro o inspección.

2. Método de estratificación de datos

El método de estratificación de datos, también conocido como método de capas, recopila datos con la misma naturaleza y las mismas condiciones de recopilación juntos para un análisis comparativo. Porque en la producción real, hay muchos factores que afectan los cambios de calidad. Si estos factores no se distinguen, será difícil derivar sus reglas de cambio. La estratificación de datos se puede realizar de diversas formas según la situación real.

3. Diagrama de Pareto

El diagrama de Pareto también se llama Platón, diagrama de análisis clave y diagrama de análisis ABC. El inventor de este diagrama lleva el nombre del economista italiano del siglo XIX Platón (Pareto). De ahí el nombre. Platón fue el primero en utilizar los diagramas de Pareto para analizar la distribución de la riqueza social. Encontró que el 80% de la riqueza en Italia en ese momento estaba concentrada en manos del 20% del pueblo. Posteriormente, la gente descubrió que muchas veces obedecía esto. ley, por eso se la llamó ley de Pareto.

Pasos del análisis de Platón:

(1) Las cosas a tratar deben estratificarse según situaciones (fenómenos) o causas;

(2) Aunque el El eje vertical puede representar el número de piezas, es mejor representar la cantidad de dinero, que es más poderoso;

(3) Decida cuándo comenzar a recopilar los datos y de cuándo a cuándo. base de datos, trate de ser lo más regular posible entre cada período de tiempo;

(4) Organice los elementos por la mitad en el eje horizontal de izquierda a derecha según su tamaño;

(5) Dibuja un gráfico de barras;

(6) Conéctalo para formar una curva acumulativa.

4. Histograma

En la gestión de calidad, ¿cómo predecir y monitorear el estado de calidad del producto? ¿Cómo analizar las fluctuaciones de calidad? Los histogramas son una herramienta que puede manejar estos problemas gráficamente de un vistazo. Recopila y procesa datos aparentemente desordenados para reflejar la distribución de la calidad del producto y juzgar y predecir la calidad del producto y las tasas de falla.

El histograma, también conocido como gráfico de distribución masiva e histograma, es la principal herramienta para representar cambios en la información. El histograma se puede utilizar para analizar la regularidad de los datos y ver las características de distribución de la calidad del producto de manera más intuitiva, lo que aclara el estado de distribución de los datos de un vistazo y facilita juzgar la distribución general de la calidad.

Al hacer un histograma, involucrando el concepto de estadística, la información debe agruparse primero, por lo que cómo agruparla de manera razonable es una de las cuestiones clave. Agrupe según el principio de igual distancia de grupo. Los dos dígitos clave son el número de grupos y la distancia del grupo. Es una figura geométrica que se dibuja en una serie de figuras rectangulares conectadas según la distribución de los datos de calidad recopilados durante el proceso de producción, con la distancia del grupo como base y la frecuencia como altura.

5. Diagrama de análisis de causa y efecto

Un diagrama de análisis de causa y efecto se caracteriza por resultados y causas como factores, y se utilizan flechas para conectarlos para representar causales. relaciones. El diagrama de análisis de causa y efecto es una buena manera de movilizar completamente a los empleados para que realicen una lluvia de ideas, investiguen las causas y realicen una lluvia de ideas. También es particularmente adecuado para promover una gestión democrática de calidad en equipos. Cuando ocurre un problema de calidad y la causa no está clara, podemos movilizar a todos para encontrar posibles causas del problema, dejar que todos hablen libremente y enumerar todas las razones posibles.

El llamado diagrama de análisis de causa y efecto consiste en expresar las múltiples causas que provocan un resultado en un diagrama sistemático, es decir, la relación entre el resultado (característica) y la causa (factor) . Tiene forma de espina de pescado, también conocido como diagrama de espina de pescado.

Debe haber una razón para un determinado resultado, y se deben utilizar diagramas para descubrir la razón. La primera persona en proponer este concepto fue el Dr. Ishikawa, una autoridad japonesa en gestión de calidad, por lo que el diagrama de causa característico también se llama [diagrama de Ishikawa]. Los diagramas de análisis de causa y efecto se pueden utilizar en varias etapas de la gestión general y la mejora del trabajo, especialmente en la etapa inicial de establecimiento de conciencia. Pueden aclarar fácilmente la causa del problema y diseñar los pasos para resolverlo.

6. Diagrama de dispersión

El diagrama de dispersión también se llama diagrama de correlación. Utiliza un punto para dibujar dos datos variables posiblemente relacionados en el diagrama de coordenadas para representar un grupo de variables. es una correlación entre datos emparejados. Dichos datos emparejados pueden ser relaciones característica-causa, característica-característica o causa-causa. La correlación entre dos variables se determina mediante observación y análisis.

Estos problemas también son muy comunes en la producción real, como la relación entre la temperatura de enfriamiento y la dureza de la pieza de trabajo durante el tratamiento térmico, la relación entre el contenido de un determinado elemento en el material y el material. fuerza, etc Esta relación existe, pero es difícil expresarla con fórmulas precisas o relaciones funcionales. En este caso, es muy conveniente utilizar diagramas de correlación para analizar. Supongamos que hay un par de variables xey Características, puede determinar la correlación entre xey.

En nuestra vida y trabajo, hay muchos fenómenos y causas, algunos de los cuales están conectados regularmente y otros de manera irregular. Para entenderlo, podemos utilizar técnicas estadísticas de diagramas de dispersión para determinar la correlación entre ellas.

7. Gráficos de control

Los gráficos de control también se denominan gráficos de control. Propuestos por primera vez por el Dr. W.A. Shewhart del Laboratorio Bell Telephone Company en los Estados Unidos en 1924, los gráficos de control se han convertido en una herramienta importante para la gestión científica, especialmente en la gestión de la calidad, y se han convertido en una herramienta de gestión indispensable.

Es un gráfico con límites de control que se utiliza para distinguir si las causas de las fluctuaciones de calidad son accidentales o sistemáticas, pudiendo proporcionar información sobre la existencia de causas sistémicas para determinar si el proceso productivo está bajo control. estado. Los gráficos de control se pueden dividir en dos categorías según sus usos. Un tipo son los gráficos de control que se utilizan para el análisis. Los gráficos de control se utilizan para analizar los cambios en los valores de las características de calidad durante el proceso de producción para ver si el proceso es estable y. estado controlado; el otro tipo son los gráficos de control utilizados para la gestión y se utilizan principalmente para detectar anomalías en el proceso de producción para evitar la producción de productos defectuosos.