《糖尿病药物项目质量管理评估【参考】.docx》由会员分享，可在线阅读，更多相关《糖尿病药物项目质量管理评估【参考】.docx（82页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、糖尿病药物项目质量管理评估xx（集团）有限公司目录一、 产业环境分析4二、 发展目标5三、 必要性分析6四、 质量数据与分布规律7五、 过程质量控制的特点10六、 控制图的观察与分析16七、 控制图的基本原理18八、 质量改进工具概述22九、 常用的质量改进工具25十、 质量改进工作的管理41十一、 质量改进的内涵45十二、 全面质量管理的基本要求55十三、 全面质量管理的核心观点58十四、 质量技术创新61十五、 卓越绩效模式63十六、 项目基本情况67十七、 项目规划进度74项目实施进度计划一览表74十八、 项目投资分析75建设投资估算表77建设期利息估算表78流动资金估算表79总投资及构
2、成一览表80项目投资计划与资金筹措一览表82一、 产业环境分析成都，简称蓉，别称蓉城、锦城，是四川省省会、副省级市、特大城市、成都都市圈核心城市，国务院批复确定的中国西部地区重要的中心城市，国家重要的高新技术产业基地、商贸物流中心和综合交通枢纽。截至2018年，全市下辖11个区、4个县，代管5个县级市，总面积14335平方千米。2019年末，建成区面积949.6平方公里，常住人口1658.10万人，城镇人口1233.79万人，城镇化率74.41%。成都地处中国西南地区、四川盆地西部、成都平原腹地，境内地势平坦、河网纵横、物产丰富、农业发达，属亚热带季风性湿润气候，自古有天府之国的美誉；是西部战
3、区机关驻地，作为全球重要的电子信息产业基地，有国家级科研机构30家，国家级研发平台67个，高校56所，各类人才约389万人；2019年世界500强企业落户301家。成都是国家历史文化名城，古蜀文明发祥地。境内金沙遗址有3000年历史，周太王以一年成邑，二年成都，故名成都；先后有7个割据政权在此建都；一直是各朝代的州郡治所；汉为全国五大都会之一；唐为中国最发达工商业城市之一，史称扬一益二；北宋是汴京外第二大都会，发明世界上第一种纸币交子。拥有都江堰、武侯祠、杜甫草堂等名胜古迹，是中国优秀旅游城市。成都先后获世界最佳新兴商务城市、中国内陆投资环境标杆城市、国家小微企业双创示范基地城市、中国城市综合
4、实力十强、中国十大创业城市、中国外贸百强城市排名第18等荣誉，正加快建设具有全国引领力、全球竞争力的世界文创名城。二、 发展目标到2025年，主要经济指标实现中高速增长，前沿领域创新成果突出，创新驱动力增强，产业链现代化水平明显提高，药械供应保障体系进一步健全，国际化全面向高端迈进。规模效益稳步增长。营业收入、利润总额年均增速保持在8%以上，增加值占全部工业的比重提高到5%左右；行业龙头企业集中度进一步提高。创新驱动转型成效显现。全行业研发投入年均增长10%以上；到2025年，创新产品新增销售占全行业营业收入增量的比重进一步增加。产业链供应链稳定可控。医药制造规模化体系化优势进一步巩固，一批产
5、业化关键共性技术取得突破，重点领域补短板取得积极成效，培育形成一批在细分领域具有产业生态主导带动能力的重点企业。供应保障能力持续增强。重大疾病防治药品、疫苗、防护物资和诊疗设备供应充足，医药储备体系得到健全；基本药物、小品种药、易短缺药品供应稳定，一批临床急需的儿童药、罕见病药保障能力增强。制造水平系统提升。药品、医疗器械全生命周期质量管理得到加强，通过一致性评价的仿制药数量进一步增加；企业绿色化、数字化、智能化发展水平明显提高，安全技术和管理水平有效提升，生产安全风险管控能力显著增强。国际化发展全面提速。医药出口额保持增长；中成药“走出去”取得突破；培育一批世界知名品牌；形成一批研发生产全球
6、化布局、国际销售比重高的大型制药公司。展望2035年，我国医药工业实力将实现整体跃升；创新驱动发展格局全面形成，原创新药和“领跑”产品增多，成为世界医药创新重要源头；产业竞争优势突出，产业结构升级，在全球医药产业链中占据重要地位；产品种类多、质量优，实现更高水平满足人民群众健康需求，为全面建成健康中国提供坚实保障。三、 必要性分析1、现有产能已无法满足公司业务发展需求作为行业的领先企业，公司已建立良好的品牌形象和较高的市场知名度，产品销售形势良好，产销率超过 100%。预计未来几年公司的销售规模仍将保持快速增长。随着业务发展，公司现有厂房、设备资源已不能满足不断增长的市场需求。公司通过优化生产
7、流程、强化管理等手段，不断挖掘产能潜力，但仍难以从根本上缓解产能不足问题。通过本次项目的建设，公司将有效克服产能不足对公司发展的制约，为公司把握市场机遇奠定基础。2、公司产品结构升级的需要随着制造业智能化、自动化产业升级，公司产品的性能也需要不断优化升级。公司只有以技术创新和市场开发为驱动，不断研发新产品，提升产品精密化程度，将产品质量水平提升到同类产品的领先水准，提高生产的灵活性和适应性，契合关键零部件国产化的需求，才能在与国外企业的竞争中获得优势，保持公司在领域的国内领先地位。四、 质量数据与分布规律1、质量数据的基本概念定量分析是现代质量管理中的基本特征之一。为了进行定量分析，就必须有数
8、据。因此，在质量管理中要特别重视对数据的搜集、整理和分析工作。质量数据是指某质量指标的质量特性值，在质量控制过程中，将检测和分析得到的质量特性值用数字记录下来，简称质量数据。由于质量一词含义丰富，既包括狭义的产品质量，也包括广义的工作质量，因而质量指标在企业中就多种多样，质量数据在企业中几乎无处不在。在质量数据统计分析中，从样本到总体的问题，即统计推断问题。所谓统计推断，就是根据抽样分布律和概率理论，由样本结果（统计数）来推论总体特征（参数）。因此，特别关注三项指标，一是数据的集中位置，二是数据的分散程度，三是数据的分布规律。质量数据是指由个体产品质量特性值组成的样本（总体）的质量数据集，在统
9、计上称为变量；个体产品质量特性值称变量值，根据质量数据的特点，可以将其分为计量值数据和计数值数据。（1）计量值数据。计量值数据是指可以连续取值的数据，属于连续型变量。其特点是在任意两个数值之间都可以取精度较高一级的数值。它通常可以用仪器测量的连续性数据，如长度、重量、强度、时间、标高、位移等。（2）计数值数据。计数值数据是指不能连续取值的，只能用自然数表示的数据，属于离散型变量。如合格品件数、废品数、错字数、质量缺陷点数等。计数值数据还可进一步划分为计件值数据和计点值数据。计件值数据是指按产品个数计数的数据，如合格品件数、废品件数等；计点值数据是指按点计数的数据，如缺陷、棉布上的疵点数、铸件上
10、的砂眼数等。计数值是指具有离散分布性的数据。2、质量数据的统计特征值应用统计过程质量控制，其基本的做法就是用有限的样本去分析推断总体的特征。过程的质量特性值是不断波动的。当搜集到的数据足够多时，就会发现一个现象，即所有数据都在一定范围内分散在一个中心值周围，越靠近中心值，数据越多；越偏离中心值，数据越少。这意味着数据的分散是有规律的，表现为数据的集中性。数据的分散性和集中性统称为数据的“统计规律性”。质量数据的集中趋势和离散程度反映了总体质量变化的内在规律性。（1）质量数据的位置特征值。在分析质量数据的分布状态时，描述数据分布集中趋势主要有算术平均值、中位数等。（2）数据的离散特征数。数据的分
11、散程度在质量管理中就是质量特性值的波动性，反映过程能力。在分析数据的分布状态时，常被用于表示数据分布的离散程度的特征数，主要有极差、标准偏差等。3、质量数据的分布规律质量数据具有个体数值的波动性和总体分布的规律性。在统计过程质量控制中，各种统计技术的应用都是以质量数据的分布规律为依据进行的，其中最常用的有正态分布、二项式分布和泊松分布。（1）正态分布。正态分布是一种最常见的连续性随机变量的概率分布。其特征是“钟”形曲线。实际工作中，正态曲线下横轴上一定区间的面积反映该区间的例数占总例数的百分比，或变量值落在该区间的概率（概率分布）。不同范围内正态曲线下的面积可用公式计算。轴与正态曲线之间的面积
12、恒等于1。（2）二项分布。二项分布是一种典型的离散性分布。（3）泊松分布。泊松分布P（A）中只有一个参数入，它既是泊松分布的均值，也是泊松分布的方差。在实际事例中，当一个随机事件，例如，某电话交换台收到的呼叫来到某公共汽车站的乘客、某放射性物质发射出的粒子、显微镜下某区域中的白细胞等，以固定的平均瞬时速率入（或称密度）随机且独立地出现时，那么这个事件在单位时间（面积或体积）内出现的次数或个数就近似地服从泊松分布。五、 过程质量控制的特点1、统计过程质量控制的基本概念所谓控制是要以某个标准为基准，一旦偏离了这个基准，就要尽快加以纠正，使之保持这个基准。SPC（统计过程控制）就是以统计控制状态（稳
13、态）作为基准的，这是一个非常重要的基本概念。统计控制状态也称稳态，即过程中只有正常因素（随机因素）而无异常因素（系统因素）产生的变异的状态。影响质量变异的原因包含正常因素（随机因素）和异常因素（系统因素）两大类。正常因素的特点表现为：对质量变异的影响是微小的；在过程中是始终存在的；对质量变异的影响方向是不确定的。由正常因素所造成的质量变异称为正常质量波动，鉴于正常质量波动的原因难以查明、难以消除，所以常采取持续改进的方法。异常因素的特点表现为：对质量变异的影响很大；在过程中时有时无；对质量变异的影响方向是确定的；异常因素是可以控制的（可以查明、可以消除）。由于异常因素所造成的质量变异、质量波动
14、，其原因可以查明、可以消除，所以采取的态度应该是“严加控制”。正常质量波动表现出质量数据形成典型分布（在确定的生产条件下，质量数据的分布中心和标准偏差表现为确定的值）。异常质量波动表现出质量数据的典型分布遭到破坏，即质量数据的分布中心和标准偏差发生显著的变化。统计过程控制就是要保持过程中只有正常因素起作用，控制异常因素的作用，使过程处于稳定受控状态。为了实现过程控制，必须采用科学的质量控制方法，如统计技术中分布状态、控制图，来捕捉过程中的异常先兆，并结合专业技术消除异常的质量波动。也就是说，统计过程控制是通过应用统计技术识别异常、消除异常，把不合格原因消灭于过程之中，达到预防不合格品产生的目的
15、。2、统计过程质量控制的步骤质量控制大致可以分为7个步骤。（1）选择控制对象。（2）选择需要监测的质量特性值。（3）确定规格标准，详细说明质量特性。（4）选定能准确测量该特性值的监测仪表，或自制测试手段。（5）进行实际测试并做好数据记录。（6）分析实际与规格之间存在差异的原因。（7）采取相应的纠正措施。当采取相应的纠正措施后，仍然要对过程进行监测，将过程保持在新的控制水准上。一旦出现新的影响因子，还需要测量数据，分析原因，进行纠正，因此这7个步骤形成了一个封闭式流程，称为“反馈环”。这点和六西格玛质量突破模式的DMAIC有共通之处。质量控制技术包括两大类：抽样检验和过程质量控制。抽样检验通常是
16、指生产前对原材料的检验或生产后对成品的检验，根据随机样本的质量检验结果决定是否接受该批原材料或产品，过程质量控制是指对生产过程中的产品随机样本进行检验，以判断该过程是否在预定标准内生产。抽样检验用于检验与评价，而过程质量控制应用于各种形式的生产过程。因此，所谓统计过程质量控制，是利用数理统计的方法，对生产过程的各个阶段进行控制。从而达到改进与保证产品质量的目的。SPC强调全过程预防为主的思想。SPC不仅可用于制造过程，而且还可以用于服务过程，以改进和保证服务质量。SPC强调全员参加，人人有责，强调采用科学的方法来达到目的。3、SPC的特点许多质量管理技术是对已生产出来的产品进行分析、检验或评估
17、，以找出提高产品质量的途径和方法，这是事后补救的方法。而统计过程控制与其他方法不同，它是在生产过程的各个阶段对产品质量进行适时的监控与评估，因而是一种预防性的方法，强调全员参与和整个过程的控制。因而其特点可总结为以下几点。（1）产品质量的统计观点。应用数理统计方法分析和总结产品质量规律的观点是现代质量管理的基本观点之一。产品质量的统计观点包括以下两方面内容。产品质量或过程质量特性值是波动的。在生产过程中，产品的质量特征值的波动是不可避免的，它是由设备（Machine）、材料（Material）、操作人（Man）、工艺（Method）、环境（Environment），即4MIE五个方面等基本因素
18、的波动综合影响所致。由于产品在生产中不断受4MIE等质量因素的影响，而这些质量因素是在不断变化的，即使同一个工人，用同一批原材料在同一台机器设备上所生产出来的同一种零件，其质量特性值也不会完全一样。它们或多或少存在差异。这是质量变异的固有本性波动性。产品公差制度的建立已表明产品质量是波动的。产品质量的变异具有统计规律。即产品质量特性值的波动具有统计规律性。产品质量特性值的波动幅值及出现不同波动幅值的可能性大小，服从统计学的某些分布规律。在质量管理中，常用的分布主要有正态分布、二项分布、泊松分布等，而寿命特性值很多服从指数分布。知道了质量特性值服从什么分布，就可以利用这一点来保证与提高产品的质量
19、。因此，可以用统计理论来保证与改进产品质量。统计过程质量控制就是在这种思想指导下产生的。（2）发现及纠正异常因素。从对质量的影响大小来看，质量因素的波动分为两种：正常波动和异常波动，或称为偶然误差（偶然因素）和系统误差（异常因素）。产生质量波动的因素分为随机因素和异常因素两大类。随机因素对产品质量和过程的影响可用质量改进的技术与方法进行识别、减小和降低；异常因素对产品质量的影响很大，在生产过程中应利用SPC控制技术及时分析，并纠正和消除。因此，在正常生产过程中一旦发现异常因素，则应尽快地把它找出来，并采取措施将其消除。这就是抓主要矛盾。SPC控制技术是发现及纠正异常因素的科学工具。（3）稳定状
20、态是过程质量控制追求的目标。在生产过程中，只有随机因素而没有异常因素的状态称为稳定状态，也叫统计控制状态。在统计控制状态下，对产品质量的控制不仅可靠而且经济，所产生的不合格品最少。因此，稳态生产是过程控制所追求的目标。（4）预防为主是统计过程控制的重要原则。质量是制造出来的，不是检验出来的。统计过程控制的目的是在生产过程中实施一种避免浪费，不生产废品的预防策略，发挥质量管理人员、技术人员、现场操作工人的共同作用，从上、下工序过程的相互联系中进行分析，实现“预防为主”的原则，在生产过程中保证产品质量。现代质量管理强调以预防为主，要求在质量形成的整个生产过程中，尽量少出或不出不合格品，这就需要研究
21、两个问题：一是如何使生产过程具有保证不出不合格品的能力；二是如何把这种保证不出不合格品的能力保持下去，一旦这种保证质量的能力不能维持下去，应能尽早发现，及时得到情报，查明原因，采取措施，使这种保证质量的能力继续稳定下来，保持下去，真正做到防患于未然。前一个问题一般称为生产过程的工序能力分析，后一个问题一般称为生产过程的控制。六、 控制图的观察与分析在生产过程中，通过分析控制图来判定生产过程是否处于稳定状态。1、控制图的判断稳态准则在生产过程中只存在偶然因素而不存在异常因素对过程的影响状态，这种状态称为统计控制过程状态或稳定状态，简称稳态。稳态是生产过程追求的目标。在统计量为正态分布的情况下，只
22、要有一个点子在界限外就可以判断有异常。但由于两类错误的存在，只根据一个点子在界限内外远不能判断生产过程处于稳态。如果连续在控制界内的点子更多，即使有个别点子出界，过程仍看作是稳态的，这就是判稳准则。在做控制图判别时，首先应该判断过程是否稳定。生产过程或工序是否处于受控状态，其基本判断条件有以下两条。（1）在控制界限内的点子排列无缺陷，为随机排列。点子排列无缺陷意味着应满足以下三个条件：样本点分布均匀，位于中心线两侧的样本点各占50%；靠近中心线的样本点约占2/3；靠近控制界限的样本点极少。（2）所有点子基本上都落在控制界限内。由概率论理论可知，小概率事件可以认为不会发生。如果在控制图中点子未出
23、界限，同时界线内点子的排列也是随机的，则认为生产过程处于稳定状态或控制状态。如果控制图点子出界或界限内点排列非随机，则认为生产过程不稳定或失控。对于生产过程或工序而言，控制图的判断稳态准则起着告警铃的作用，控制图点，子出界就好比告警铃响，告诉现在是应该进行查找原因、采取措施、防止再犯的时刻了。2、控制图的判异规则控制图上的点子依样本时间序列而出现在控制图上，通常是很随机地散布在管制界内。有时点子虽未超出管制界限，但一连串好几点都在管制图的中心线以上或点子呈现周期性变化时，也可判为异常。判异准则有两类：点出界就判异，这一点是针对界外点的；界内点排列不随机判异，这一点则是针对界内点的。常规控制图的
24、判异准则参照ISO8258和GB/T40912001有8种准则。将控制图等分为6个区。七、 控制图的基本原理数据或质量特性值处理的方法中，不论是频数分布表、直方图、分布的计量值、分布规律及过程能力指数等所表示的都是数据在某一段时间内的静止状态。但是，生产过程中，用静态的方法不能随时发现问题以调整生产或工作。因此，生产过程或工作现场不仅需要处理数据的静态方法，也需要能了解数据随时间变化的动态方法，并以此为依据来控制产品生产过程或工作的质量。1、控制图的基本概念控制图是对测定、记录、评估和监察过程是否处于统计控制状态的一种统计方法设计图。世界上第一张控制图是美国休哈特在1924年5月16日提出的不
25、合格品率（P）控制图。（1）控制图的设计原理。正态性假设。3准则。小概率事件原理。小概率事件原理是指小概率的事件一般不会发生。由3准则可知，数据点落在控制界限以外的概率只有0.135%，因此，生产过程正常情况下，质量特性值是不会超过控制界限的，如果超出，则认为生产过程发生异常变化。（2）控制图应用经验与理论分析表明，当生产过程中只存在正常波动时，产品或过程质量将形成典型分布，若过程正常，即分布不变，则出现点子超过UCL或LCL的概率只有0.135%左右。若过程异常，分布曲线上移或下移，产品或过程质量的分布必将偏离原来的典型分布，即,发生变化。发生这种情况的可能性很大，其概率可能为0.135%的
26、几十至几百倍。小概率事件在一次试验中几乎不可能发生，若发生即判断异常。因此，根据典型分布是否偏离就能判断异常波动是否发生，而典型分布的偏离可由控制图检出，所以，控制图上的控制界限就是区分正常波动和异常波动的科学界限，亦可分析偶然因素与异常因素对过程的影响。2、控制图的基本种类（1）常规控制图的分类。常规控制图是按产品质量的特性及其分布规律所作的分类。均值极差控制图。均值标准差控制图。中位数极差控制图。单值移动极差控制图。不合格品率控制图。不合格品数控制图。缺陷数控制图。单位缺陷数控制图。（2）按控制图的用途划分。按控制图的用途来划分，可以分为分析用控制图和控制用控制图。实施SPC分为两个阶段，
27、一是分析阶段，二是监控阶段。在这两个阶段所使用的控制图分别被称为分析用控制图和控制用控制图。两者间的关系适应日本质量管理的名言：“始于控制图，终于控制图。”所谓“始于控制图”是指对过程的分析从应用控制图对过程进行分析开始，所谓“终于控制图”是指对过程的分析结束，最终建立了控制用控制图。故根据使用的目的和用途的不同，控制图可分为分析用控制图与控制用控制图。分析用控制图。分析用控制图是根据过去数据，主要用于分析现状，涉及分析两个方面的内容，一是所分析的过程是否处于统计控制状态，二是该过程的过程能力指数是否满足要求，若经过分析后，生产过程处于非统计控制状态，则应查找原因并加以消除。控制用控制图。控制
28、用控制图由分析控制图转化而来，当过程达到了确认的状态后，才能将分析用控制图的控制线延长作为控制用控制图。由于后者相当于生产中的立法，故由前者转为后者时应有正式交接手续。这里要用到判断稳态的准则（简称判断准则），在稳定之前还要用到判断异常的准则。进入日常管理后，关键是保持所确定的状态。经过一个阶段的使用后，可能又会出现异常，这时应查出原因，采取必要措施，加以消除，以恢复统计控制状态。3、控制图的界限公式对于常规控制图的控制界限计算公式，世界上各个国家都有相应的标准。中华人民共和国国家标准常规控制图（GB/T40912001），等同于国际标准休哈特控制图（ISO8258：1991）及其1993年的
29、修订本。（1）常规计量控制图的界限公式。（2）常规计数控制图的界限公式。计数控制图是通过记录所考察的样本中每个个体是否具有某种特性（或特征），如合格与不合格；合格率与不合格率；缺陷与单位缺陷等某种事件所发生的次数对过程进行监控的控制图。八、 质量改进工具概述所谓质量管理常用工具，就是在开展全面质量管理活动中，用于收集和分析质量数据，分析和确定质量问题，控制和改进质量水平的常用方法。这些方法不仅科学，而且实用，应该首先学习和掌握它们，并应用到实际中。有效质量改进活动会使质量成本得以改善。同时，质量改进活动并非企业内一个部门、一个人的工作，特别是企业推行系统的、自上而下的、高层次的质量改进即六西格
30、玛管理，更需要企业最高管理层的策划和各相关方的参与。通过防差系统的设计将会杜绝人为操作，使得无缺陷过程得以实现，最后，通过顾客满意度的调查，改进顾客关系，达到以顾客满意为核心的现代企业的质量管理目的。质量改进是一项系统工程，需要有精心的策划、认真的实施和管理。实施质量改进必须以实际情况和数据分析为基础进行决策和策划并付诸实践，才能取得成功。所以，正确、有效地应用各种有关的工具和统计方法是促进质量改进项目和活动取得成功的必要条件。1、定量的方法与工具以统计的观点看待产品和过程质量则具有以下两方面的观念：产品和过程质量之所以存在变异性，是因为影响产品和过程质量的人、机、料、法、环等诸因素均在无时无
31、刻地变化着，因而造成产品和过程的变异性。即使完全相同的生产条件下所生产的若干产品，其质量特性也可能不完全一致。产品和过程质量的变异在一定范围内，具有一定的数学规律，因此，质量改进的工作，应以掌握产品质量变异的规律性为前提。现代质量管理活动中，需要应用各种数理统计技术方法。为此，统计技术成为质量管理及质量改进的一个重要因素。在市场分析、产品设计、可信性规范、寿命和耐用性预测、工序控制和工序能力的研究、确定抽样检验方案的质量水平、数据分析、过程改进及安全性评价等质量活动领域应制定并坚持实施统计技术方法，能查明质量指标与哪些因素相关，其中哪些是主要因素，哪些是次要因素，从而为优质生产获取最佳生产条件
32、或最优参数组合。在质量改进活动过程中，利用数理统计技术与方法提高设计质量，开发优质产品，以及优化生产工艺，降低生产成本。2、定性的方法与工具在很多情况下影响产品和过程质量的人、机、料、法、环等诸因素难以取得量化的数字数据。此时，应通过广泛深入的调查研究，获得大量定性的非数字数据的信息、意见，反映、设想、议题等，分析其原因，结果或目的之间的因果关系，以符合逻辑的定性方法，找出其彼此间的相互作用关系，来阐明问题所在的方法称为定性的方法与工具。让参与人员在多次修改中，取得一致观念与认同，并转化成一种方式方法去实施，对解决问题有无限帮助。若运用得当，经过分类、分层、归纳、总结，获得有条理的思路，对质量
33、改进活动的成功也会发挥重要的作用。3、品质管理（QC）七大方法与工具排列图、因果图、直方图、控制图、散布图、调查表和分层法被称为质量管理的QC七种工具，重点在整理问题数值资料取得后的管理手法。关联图、系统图、亲和图（KJ法）、PDPC法（也称过程决策程序图法）、矩阵图法、矩阵分割（矩阵数据分析法）被称为质量管理的QC新七种工具，将散漫无章的语言资料和不利因素，通过运用系统化的图形，呈现计划的全貌，防止错误或疏漏发生，重点在整理问题数值数据取得前的管理手法。从20世纪60年代开始，日本的企业通过运用品质管理七大方法，收集工作现场的数据并进行分析，提升了日本产品的水平，是日本产品走向世界的关键因素
34、。70年代初，日本人大力推行QCC活动，除了重视现场的数据分析外，对工作现场伙伴的情感表达和语言文字资料进行分析，并逐渐演绎成新的品质管理方法。1972年，日本科技联盟之QC方法开发委员会正式发表了“品质管理新七大方法”。区别：作为工具与方法是QC，而QCC是品管圈。经常用的质量改进工具当然不止新旧七种工具，常用的工具还有实验设计、分布图、推移图、水平对比、流程图、头脑风暴法等。九、 常用的质量改进工具1、调查表（1）调查表的含义。调查表是用于收集和记录统计数据的一种表格形式，以便于按统一的方式收集数据并进行统计计算和分析，以获得对事实的明确认识的一种表格。调查表又称为检查表、分析表、核对表。
35、调查表既适用于收集数字数据（定量分析），又适用于收集非数字数据（定性分析）。在质量管理和质量改进的工作过程中普遍应用各种统计方法，以探索事物的规律性。统计的对象是数据，而所收集的数据是否具有代表性，将直接关系到统计方法的应用效果。而且，数据往往具有一定的时效，过时的数据就会失去应有的价值。应用调查表就是为了能采用简便的方法，迅速收集到能反映事物客观规律的数据，这对于各种统计方法的应用都具有非常重要的意义。特别是作为信息源，可为原因分析和质量改进决策提供依据。（2）制作步骤。调查表具体的制作与操作步骤如下。确定对象。首先要明确调查最终要达到的目的，据此来确定具体的产品或零件作为调，查的主要对象。
36、设计表格。根据调查对象和调查目的的特点，设计形式多样的调查表。记录汇总。确定调查周期，在规定期限对调查对象进行调查、记录，最后进行汇总整理。分析结果。分析调查记录的结果，找出主要原因，制定改进措施。2、分层法（1）分层法的含义，所谓分层法，就是把收集来的原始质量数据，按照一定的目的和要求加以分类整理，以便分析质量问题及其影响因素的一种方法。分层法又称分类法，是质量管理和质量改进中常用来分析影响质量因素的重要方法。在实际生产中，影响质量变动的因素很多，这些因素往往交织在一起，如果不把它们区分开来，就很难得出变化的规律。有些分布，从整体看好像不存在相关关系，但如果把其中的各个因素区别开来，则可以看
37、出，其中的某些因素存在着相关关系；有些分布，从整体看似乎存在相关关系，但如果把其中的各个因素区分开来，则可以看出，不存在相关关系。可见用分层法，可使数据更真实地反映实施的性质，有利于找出主要问题，分清责任，及时加以解决。（2）分层法的依据和方法。根据分层的目的，按照一定的标志加以区分，把性质相同、在同一条件下收集的数据归集在一起。分层时，应使同一层的数据波动幅度尽可能小，而层间的差别尽可能大。按不同的操作者分。如按新、老工人，男、女不同工龄，操作技术水平高低进行分类。按机器设备分。如按不同型号、新旧程度进行分层。按原材料分。如按不同的供料单位、不同的进料时间、不同的生产环境等标志分层。按操作方
38、法分。如按不同的切屑用量、温度、压力等工作条件进行分层。按不同的时间分。如按不同的班次、不同的日期进行分层。按不同的检验手段分。如按不同的测量仪器、测量者进行分层。按生产废品的缺陷项目分。如按铸件的裂纹、气孔、缩孔、砂眼等缺陷项目分层。（3）制作步骤。分层法可以采用统计表形式，也可以用图形的形式。其步骤如下。确定分析研究的目的和对象。收集有关质量方面的数据。对有待于解决的问题，采用分层法分析，收集与此相关的数据，通常用的办法是抽样调查。根据分析研究的目的不同，选择分层的标志。按分层标志对数据资料进行分层。分层时注意使同一层内数据在性质上差异尽可能小，而不同层的数据间差异尽可能大，便于分析、找出
39、原因。画出分层归类图（或表）。分析分层结果，找出主要问题产生的原因，并制定改进措施。3、排列图（1）排列图的含义。排列图是为了对从最关键的到较次要的要素或项目依次进行排列而采用的简单的图示技术。排列图是用来描述项目重要度的工具。在任何工作中要想取得显著效果，必须抓住主要矛盾解决重点问题，排列图就是用来寻求主要矛盾的工具。在质量改进活动中，针对现场存在的诸多质量问题，可以应用排列图确定哪些是关键的项目；针对影响质量问题的诸多原因，可以应用排列图确定哪些是主要原因。（2）应用原理。排列图最早是由意大利经济学家帕累托用来分析社会财富分布状况的。他发现，少数人占有着社会上的大量财富，而绝大多数人则处于
40、贫苦的状态，而这少数人却左右着整个社会经济发展动向的现象，即所谓“关键的少数和无关紧要的多数”的关系。后来，美国质量管理学家朱兰博士，把它应用于质量管理，ISO9000标准也将其作为质量统计常用工具。因此，排列图在质量管理中就成了改善质量活动，寻找影响质量主要因素的一种主要工具。排列图由两个纵坐标和一个横坐标，若干个直方形和一条折线构成。左侧纵坐标表示不合格品出现的频数（出现次数或金额等），表示影响程度；右侧纵坐标表示不合格品出现的频率（百分比）；横坐标表示影响质量的各种因素，按影响大小顺序排列；直方形高度表示相应的因素的影响程度（即出现频率为多少）；折线表示累计频率（也称帕洛特曲线）。应该注
41、意，分类方法不同，所制作的排列图不同。应通过不同的角度观察问题，把握住问题的实质，针对不同性质的问题采用不同的分类方法进行分类，以确定“关键的少数”，这也是排列图应用的目的。为了确认“关键的少数”，在排列图上通常按累积百分数分为三个区域：在080%间的项目为“A类项目”，即关键的少数；在80%90%间的项目为“B类项目”，即次要项目；在90%100%间的项目为“C类项目”，即一般项目。B类项目和C类项目的总和是次要的多数；若所取数据为“质量损失（金额）”，画排列图时应将质量损失在左纵坐标轴上表示出来。排列图分析时采用的是“二八原则”，但并不是绝对的，应根据具体情况确定关键的少数。（3）制作步骤
42、。确定排列项目，收集数据。存在的诸多质量问题或影响质量问题的诸多原因都可以成为排列项目，以便从中确定哪些项目为“关键的少数”。当排列项目较多时，应将含有最小项内的若干类别合并为“其他”项，以便简化分析过程，这一“其他”项的频数无论多大都应当排列在最后。选择度量单位，作成缺陷数统计表或频数分布表。在排列图中，排列项目的度量单位可以是频数、件数、成本等。但是，所有的排列项目的度量单位必须是相同的、等价的，否则将不具有可比性。作直方图。按频数大小从左到右用直方图表示，使图形呈逐个下降的趋势。描线。注明必要事项。分析关键的少数要因，作为解决问题的基础。排列图的画法中大致有三种：朱兰画法；ISO9000
43、标准画法；帕累托画法。4、因果围（1）因果图的含义。因果图又称鱼刺图、石川图，是日本质量管理先驱者石川馨所创，它是整理和分析质量问题与其影响因素之间关系的一种方法，运用因果图有利于找到问题的症结所在，然后对症下药来解决质量问题。因果图在使用时，因果分析图形象地表示了探讨问题的思维过程，利用因果分析图可以首先找出影响质量问题的大原因，然后寻找到大原因背后的中原因，再从中原因找到小原因和更小的原因，最终查明主要的直接原因。这样有条理地逐层分析，可以清楚地看出“原因一结果”“手段一目标”的关系，使问题的脉络完全显示出来，最终找出影响质量问题的根本原因。因此在质量管理活动中，尤其在质量分析和质量改进活
44、动中得到广泛的应用。（2）制作步骤。确定要分析的质量问题，画出主干线。找出影响结果的因素。采用“头脑风暴法”等方法，集思广益，尽可能地找出可能影响结果的所有因素。确定原因的类别，画出分支线。大原因数目一般不少于2个，不多于6个；然后分析寻找影响质量的中原因、小原因等，直至每个分支都找出了潜在的根本原因。检查每个因果链的逻辑合理性，画出因果分析图。制定解决的措施。找出主要原因后，应拟定适当的措施，到现场去解决问题。5、直方图（1）直方图的含义。直方图法是从总体中随机抽取样本，将从样本中获得的数据进行整理，从而找出数据变化的规律，以便测量工序质量的好坏。直方图的应用主要显示数据的波动形态，即样本数
45、据的分布。直观地传达有关过程的情况和信息。根据直方图所提供的信息，可以推算出数据分布的特征值、过程能力指数及过程的不合格品率等。这种推算一般要比控制图的推算更加准确，决定在何处集中力量进行改进，即为质量改进提供机会。（2）制作步骤。收集数据。数据个数一般为50个以上，最少不少于30个。求极差R。在原始数据中找出最大值和最小值，计算两者的差就是极差。确定分组的组数和组距。一批数据究竟分多少组，通常根据数据个数的多少来定。确定各组界限。制作频数分布表，将测得的原始数据分别归入相应的组中，统计各组的数据个数，各组频数填好以后检查一下总数是否与数据总数相符，避免重复或遗漏。画直方图。以横坐标表示质量特
46、性，纵坐标为频数，在横轴上标明各组组界，以组距为底，频数为高，画出一系列的直方柱，就成了直方图。在直方图的空白区域，记上有关数据的资料。如样本数、平均值、标准差等。（3）直方图的观察与分析。直方图可以直观地观察出质量特性的分布形态，便于判断过程是否处于统计控制状态，以决定是否采取相应对策措施。直方图的观察主要是看两个方面，一是观察图形的形状，二是将直方图的位置和规格标准进行比较，从而得出结论。直方图图形形状分析。一般情况下，作直方图的目的是为了研究工序质量的分布状况，判断工序是否处于正常状态。因此，在画出直方图后要进一步对其图形进行分析。在正常生产条件下，所得到的直方图如果不是标准形状的，就要
47、分析其产生的原因，采取措施。*正常型。又称对称型，特点是中间高、两边低、左右基本对称，这是理想状态的图形，说明工序稳定。*平顶型。直方的高度差不多，频数分布详尽。这是由缓慢的因素起作用所造成的，如车辆老旧，保修质量下降，人员素质逐步下降等。*双峰型。直方图中出现两个高峰，这是把两种不同类型的数据混在一起造成的。如两种不同的车型混合抽样，或两种不同营运方式的车辆混合抽样所致。*锯齿型。直方参差不齐形如锯齿，可能是数据分组过多或计算有误，应重新分组计算。*偏向型。直方的顶峰不在中间位置，偏向一边，有时是数据分组不当所致，有时质量分布本身就是这种规律，如春节运输期间的日运量就是偏向型的分布。*孤岛型。在直方群以外又出现小的直方群，像孤岛一样。说明有异常质量波动，如原料发生变化、在短期内由不熟练工人替班、测量有错误等，都会造成孤岛型分布。此时应查明原因，采取措施。直方图数据范围与质量标准间的关系。当工序处于稳定状态后，还需要进一步与质量标准（通常是公差T）进行比较，以判断工序能力能否满足质量标准的要求。公差通常是尺寸公差的简称，指允许尺寸的变动量，等于最大极限尺寸与最小极限尺寸代数差的绝对值。直方图数据范围与质量标准间的关系主要看直方图是否都在公差要求之内，其次还要分析在公差之内的位置如何，这种对比大体上有6种典型的情况。（B为直方图的数据分布范围，T为公差范围）*理想型。T