【108页PPT】QC七大手法讲解剖析课件（文末有下载方式，长期有效）

资料解读：【108页PPT】QC七大手法讲解剖析课件

详细资料请看本解读文章的最后内容。QC 七大手法作为质量管理领域的核心工具，在企业品质提升、流程优化和问题解决中具有重要作用。以下从工具分类、应用逻辑及实践要点等维度，结合具体案例对这套体系展开深度解读。

一、QC 工具体系架构与核心逻辑

QC 工具分为老七种与新七种两类，二者形成互补的方法论体系。老七种工具以数据统计为核心，侧重问题发生后的分析与改善，包括调查表、排列图、因果图、散布图、分层法、直方图、控制图。新七种工具则以逻辑分析为导向，强调问题发生前的规划与预防，涵盖关联图、亲和图、系统图、矩阵图、网络图、PDPC 法、矩阵数据解析法。

两类工具的应用原则可概括为“宁可不用，不可错用”，需遵循 “准确、有效、恰当、真实、正确” 五大准则。例如在选择工具时，应优先使用简单工具，避免过度复杂化，且工具使用必须基于真实数据，杜绝事后编造。

二、老七种工具：数据驱动的问题解决

（一）调查表：基础数据的结构化采集

作为数据收集的起点，调查表通过标准化格式系统记录信息，为后续分析提供原始资料。其应用步骤包括明确目的、设计表单、预检查与优化。例如某工厂通过设计“不合格种类调查表”，记录表面缺陷、裂纹等分类数据，累计统计 45 项不合格，为排列图分析奠定基础。需注意分类维度的一致性，如按不合格位置、类型等单一标准划分。

（二）排列图：关键问题的聚焦识别

基于“关键的少数” 原理，排列图通过对数据从高到低排序，识别主要影响因素。以电气不良状况为例，收敛不良（57 次，占比 33.5%）、几何失真（34 次，占比 20%）、白平衡不良（28 次，占比 16.5%）构成前三大问题，累计影响比率达 70%。绘制时需注意累计比率分类：0%-80% 为 A 类（主要因素），80%-90% 为 B 类（次要因素），90%-100% 为 C 类（一般因素）。

（三）因果图：多维度原因的系统追溯

因果图以结果为导向，逐层分解原因，形成鱼刺状结构。例如分析“冲压作业效率低” 时，从人员（不熟悉工作图）、设备（模具搬运费力）、环境（光线不足）等维度展开，最终识别出导板加工取放困难、马达座脱料困难等末端因素。应用时需通过头脑风暴充分集思广益，并验证末端因素的真实性。

（四）散布图：变量关系的可视化分析

通过研究成对数据的分布形态，散布图可判断变量间的相关性。六种典型形态包括强正相关、强负相关、弱正相关、弱负相关、不相关及非直线相关。例如分析身高与体重的关系时，数据点呈强正相关分布，直观反映两者的关联趋势。

（五）分层法：多因素数据的交叉解析

分层法通过对数据按不同维度（如人员、设备、材料）分层，揭示隐藏规律。某装配厂气缸垫漏油问题中，单独按操作者或厂家分层均未找到根本原因，而交叉分层后发现：A 厂气缸垫配合甲师傅操作、B 厂气缸垫配合乙师傅操作时漏油率为 0%，暴露了操作方法与配件来源的交互影响。

（六）直方图：质量波动的分布洞察

直方图通过数据分组与频数统计，呈现质量特性的分布状态。以产品重量为例，收集100 个数据后，确定组距 5g、分组 10 组，绘制出标准型直方图，显示数据集中在 20.5-35.5g 区间，符合正态分布。异常形态如锯齿型（分组过多）、偏峰型（单侧公差限制）等可辅助判断过程异常。

（七）控制图：过程稳定性的动态监控

控制图通过设定上下控制限，区分偶然波动与异常波动。某公司产品尺寸控制案例中，通过计算25 组样本的均值与极差，绘制控制图并识别出超出界限的点子，及时调整过程参数，确保工序处于统计控制状态。判异准则包括点子出界、排列缺陷（如连续 7 点上升）等。

三、新七种工具：逻辑驱动的管理创新

（一）关联图：复杂关系的网状梳理

关联图用于解析多因素交织的问题，箭头方向表示因果关系（原因结果）。以 “电控装机合格率低” 为例，通过关联图呈现 “焊接不良”“风批力矩不规范”“塑料件烂” 等因素的相互影响，最终确定 “无作业规范”“贮运不规范” 为关键要因。

（二）亲和图：语言数据的聚类整合

亲和图通过收集语言资料（如“交期不准” 的 18 条原因），按亲和性分类归纳，形成结构化结论。某公司将 “机器老旧”“停电”“人员流动高” 等因素归为 “设备与人力问题”，“订单临时增加”“通知生产太迟” 归为 “计划管理问题”，为后续对策提供清晰方向。

（三）系统图：目标与手段的层级展开

系统图分为“构成因素展开型” 与 “措施展开型”。前者如分解 “丝印不合格” 原因至 “员工操作不熟练”“油墨质量问题” 等底层因素；后者如制定 “QCC 落实方案” 时，将 “圈会活泼化” 分解为 “举办读书会”“组织郊游” 等具体措施。

（四）矩阵图：多维变量的交叉分析

矩阵图通过行与列的要素关联，识别关键影响因素。某纺布厂绘制“制程因素 - 抱怨项目” 矩阵图，发现 “牵伸比” 与 “染色不均”“断丝” 等问题高度相关，为工艺优化提供依据。常见类型包括 L 型、T 型、Y 型、X 型矩阵。

（五）网络图：进度管理的科学规划

网络图以箭条图形式表示作业流程，通过计算关键路径（总时差为零的工序）优化工期。某工程项目中，关键路径为“基础工程框架安装设备安装内壁粉刷检验交货”，总工期 14 个月，通过优先管理关键工序确保项目按时完成。

（六）PDPC 法：动态风险的预控管理

PDPC 法通过预设多重方案应对潜在风险。某维修小组制定 “设备停机应对计划” 时，规划了 “领取备件更换调试” 主路径，同时准备了 “外购配件修旧件” 备用路径，确保在主方案受阻时仍能维持生产。

（七）矩阵数据解析法：多元数据的降维处理

通过主成分分析法，矩阵数据解析法将复杂变量转化为综合指标。某汽车维修部运用QFD 矩阵，将 “可靠性”“响应性” 等顾客需求与 “训练”“设备” 等技术要求关联，量化分析改进优先级，提升顾客满意度。

四、延伸工具与实践要点

除七大手法外，文件还介绍了头脑风暴法、流程图、折线图、柱状图、饼分图、雷达图、水平对比法等辅助工具。例如头脑风暴法通过“自由思考、延迟评判、以量求质” 原则激发创意，某团队运用此方法成功构思出 “充气破壳” 的核桃仁完整剥取方案。

实践中需注意：工具选择应贴合问题属性（如数据型问题用老七种，规划型问题用新七种）；分析过程需结合现场实际，避免闭门造车；改进措施应明确责任人与期限，并持续跟踪验证效果。

接下来请您阅读下面的详细资料吧。