质量控制与分析：画图！行动！<1>

powerfulant

对质量改善而言，收集数据的唯一目的是采取行动，根据数据采取行动的关键是绘制图表！

威廉是一位质量数据分析专家，他曾多次前往中国，帮助一线和二线电子供应商改进他们的流程和产品。在中国工作的这段时间，威廉发现了一个问题，大部分工厂的数据都是以表格形式归档在纸质文件中，或存储在电脑的某个位置。数据几乎都没有绘制成有用的图形，直到威廉的到来：

场景1
以散热片数据为例。供应商提供的数据是表格形式。由于没有产品指标超出规格，因此没有采取任何质量改进行动。威廉将数据绘制成图1，并将此图展示给供应链质量经理，他一眼就发现数据表现出来的模式：下、上、下、上…… 这一模式反复了16个点。是什么导致了这种特殊的模式？不同的班组？不同的生产线？不同的机器？不同的测量系统？ 找到造成这种模式的原因，并采取措施处理问题。  
画图！行动！
上下交错
图1：散热片数据的30个连续取值

RadiationFinData

场景2
另一个供应商如实的记录了一个波峰焊操作的时间和焊接温度。数据存储在数据表单中，每周、每月定期归档。这些数据直到威廉用箱线图将他们按照一天的五个时间节点展现在图2上，这些数据才拥有了生命。之前没有人察觉8:30和其他时刻有差别。Why？？？
画图！行动！
图2：焊接温度比较

WaveSolderingData

场景3
有一个供应商有个回流焊机，喷嘴中心喷射的焊膏是个关键过程特性。数据被收集并记录在纸质表单上，并被存档。由于没有数据超出规格，所以没有采取任何行动。供应商很满意，因为Cpk高达28。
图3：喷嘴中心的XmR 图和直方图

PasteSprayData

如图3所示，此过程处于统计受控状态，一定程度上过程是可预测的并且过程能力非常高。这个过程有能力满足跟高的标准。这应该是一个很好的机会，他们应该推动行业在此过程采用更高的标准，从而给竞争对手压力，同时提高自己的竞争力。

场景4
还有一个供应商每4小时在文件柜的数据收集表中记录注模机的干燥温度。同样，由于没有数据超出规格，因此没有采取任何措施。（虽然126个数据中有22个数据在上规格限附近，这种情况是十分值得怀疑有异常存在的，但是这一信息并没有在数据收集表单上体现。） 威廉将21天的数据绘制成XmR图。X图如图4所示。第一天到第九天，有6个过程异常的信号，都无法合理解释，因此第十天过程向上偏移也没人感到奇怪。
图4：干燥温度的X图

ProcessShift

即使图4中的每个数据都是人工如实记录，但是没有一个人察觉到温度的变化。没人能知道是否温度高对结果有利。但是每个人都知道温度高会带来高成本。
画图！行动！

场景5
有一个供应商测量轴的垂直度。抽样计划中规定子组大小为5。（没别的原因，在数据收集表中有5个空。）虽然供应商将数据人工绘制在控制图上，但是他们没有发现图5箱线图中展示的模式。在箱线图中，我们可以看见每个子组中的连续读数都比前一个读数小。有问题存在，但是供应商知道看到这个箱线图才意识到。
画图！行动！
图5：根据子组中位置分层的垂直度箱线图

DataAcrossGroup

从场景1到场景5，威廉寻找供应商之间的差别、工厂间的差别、班次间的差别……
创建有意义图表来揭示数据中的关系的关键是运用数据的背景业务。考虑可能发生的差别，然后画图来证实这些差别是否体现在数据中。正是根据业务背景的思维方式，才能绘制出有意义的图形，并采取相应的行动措施。

威廉去过的每个工厂都会遇见以上场景。或者更准确的说，威廉去的很多工厂都没有看到数据被绘制成图形形式。

萃盈(QuAInS)质量控制与分析&SPC提醒您：画图，行动！画图，行动！画图，行动！重要的事情说三遍。

sunnyxiao136

居然没有详细分析过程

568078010

这些都是很常见的图而已，质量不看图不看数据分析还能干嘛