云质QMS原创 转载请注明来源
作者:王洪石
直方图(Histogram),是频数直方图的简称,又称质量分布图,由卡尔·皮尔逊(Karl Pearson,1857—1936,英国数学家、数理统计学家、生物统计学家,现代统计学科创立者与奠基者)提出,它是用一系列宽度相等、高度不等的长方形表示数据的统计报告图,它亦是一个连续变量(定量变量)的概率分布的估计。
直方图一般用横轴表示数据类型,纵轴表示数据分布情况,长方形的宽度表示数据范围的间隔,长方形的高度表示在给定间隔内的数据分布。
在质量管理中,如何监控并预测产品质量状况?如何对质量波动进行分析?
直方图就是把这些问题图表化处理的工具之一。它通过对收集到的貌似无序的数据进行处理,可以精确表示数据的分布状况,可以解析出数据的规则性,对于数据分布状况一目了然,进而直观地判断产品质量特性波动的分布状态。
从质量管理的角度,直方图用于过程质量管控,常见作用有以下三点:
对于过程质量数据,我们使用直方图,可以得到以下方面的结果:
从PDCA的角度,直方图的应用总结如下:
将直方图用于质量管理中,可以按照数据图形的分布将其分为多种。在正常生产条件下,如果所得到的直方图不是标准形状,或者虽是标准形状,但其分布范围不合理,就要分析其原因,采取相应措施。所以我们在用软件绘出直方图后要进一步对它进行观察和分析。
如果过程处于稳定的状态,常见的直方图图形分布类型及其形成的原因如下面所示。
【注:过程稳定,不表示过程能力是满足要求的。】
下面是过程处于不稳定的状态时,几种典型的直方图。
1) 测量工具有误差,读数有问题;
2) 原材料发生了变化,或混入不同规格的其他物料;
3) 不熟练的工人上岗,操作疏忽,或测量有误;
4) 数据收集方法错误、数据来源不同;
1) 数据分组问题、计算组距问题、计算界限问题等,需要重新整理数据;
2) 测量仪器误差较大或读数不准,需要重新收集数据;
3) 数据收集方法不正确(如数据来自于不同设备、不同人、不同时间段等);
某企业生产电梯钢丝绳,其中一种直径为0.95mm的原料钢丝,抗拉强度要求不低于1370N/mm2, 从质量管理系统QMS中导出半年的IQC检验数据如下:
这里需要提及的是,抗拉强度规范要求为单边。在 QMS软件系统中,这200个检测数据生成的直方图如下图。
这个图是明显的双峰型,是什么原因导致出现这种情况呢?
经过确认,原来是Φ0.95mm钢丝有两家供应商。在QMS中,分别导出针对两家供应商的检测数据并生成直方图。
供应商A检测数据如下:
供应商B检测数据如下:
两家供应商检测数据的直方图:
从上面的两个直方图可以看出,供应商A所提供0.95钢丝的抗拉强度偏低,个别检测数值已接近1370N/mm2规范下限了,如果出现异常,有可能会出现批量供货不合格。这时候可能需要加严来料检验和钢丝绳生产过程监控,并要求供应商采取预防措施。