质量管理七大工具（又称QC七大手法）是质量管理人员必须掌握的基础分析工具。这些工具由日本质量管理专家石川馨等人总结提出，广泛应用于制造业、服务业等各领域，是开展质量改进活动的基本方法。

一、因果图（鱼骨图/石川图）

1.1 工具原理

因果图是一种用于系统分析问题原因的工具，由日本质量管理专家石川馨于1943年首创。它通过"鱼头"表示问题结果，"鱼骨"表示可能的原因类别，"鱼刺"表示具体原因，形象地展示了问题与原因之间的因果关系。

1.2 应用步骤

1. 确定问题：将要分析的问题写在鱼头位置，问题描述要具体明确
2. 确定主骨：画出指向鱼头的主骨线
3. 确定大骨：通常按人（Man）、机（Machine）、料（Material）、法（Method）、环（Environment）、测（Measurement）六个类别画出大骨
4. 确定中骨和小骨：针对每个大骨类别， brainstorming 具体原因
5. 圈出关键原因：通过数据分析或投票确定主要原因

1.3 实际案例

某电子产品制造企业产品不良率偏高，使用因果图分析后发现：人——新员工培训不足；机——设备老化未及时维护；料——来料检验标准宽松；法——作业指导书更新不及时；环——车间温湿度控制不佳；测——测量系统变异过大。针对这些原因制定改进措施后，不良率从5%降至1.2%。

二、控制图

2.1 工具原理

控制图（Control Chart）由美国贝尔实验室的休哈特博士于1924年发明，是统计过程控制（SPC）的核心工具。它通过计算过程数据的上控制限（UCL）、下控制限（LCL）和中心线（CL），判断过程是否处于统计受控状态。

2.2 常用控制图类型

• X-R图：均值-极差控制图，适用于计量型数据，样本量2-10
• X-S图：均值-标准差控制图，适用于计量型数据，样本量大于10
• Median-R图：中位数-极差控制图，计算简便，适用于现场快速判断
• X-MR图：单值-移动极差控制图，适用于单件生产或检验费用高的场合
• P图：不合格品率控制图，适用于计数型数据，样本量不等
• NP图：不合格品数控制图，适用于计数型数据，样本量相等
• C图：缺陷数控制图，适用于计数型数据，样本量相等
• U图：单位缺陷数控制图，适用于计数型数据，样本量不等

2.3 判异准则

过程出现以下情况之一，判定为异常：有点超出控制限；连续9点在中心线同一侧；连续6点递增或递减；连续14点上下交替；连续3点中有2点在2σ之外；连续5点中有4点在1σ之外；连续15点在1σ以内；连续8点在1σ之外但不在控制限外。

三、直方图

3.1 工具原理

直方图是用一系列等宽不等高的矩形表示数据分布状态的统计图表。它将数据按一定区间分组，统计每组数据的频数，用矩形的高度表示频数大小。通过观察直方图的形状，可以判断数据的分布特征和过程能力。

3.2 常见分布形状

• 正常型：中间高、两边低、左右近似对称，说明过程稳定
• 偏向型：峰值偏向一侧，可能由单向公差或加工习惯造成
• 双峰型：出现两个峰值，可能由两批不同来源的数据混合造成
• 孤岛型：主体之外出现小岛，可能由原材料变化或操作失误造成
• 平顶型：顶部平坦，可能由多种不同均值分布混合或工具磨损造成
• 锯齿型：高低交错，可能由测量方法不当或数据分组过多造成

四、散布图

4.1 工具原理

散布图（Scatter Diagram）是将两个变量的成对数据标在坐标系中，通过观察点的分布形态来判断两个变量之间是否存在相关关系以及相关关系的类型和强度。

4.2 相关关系类型

• 正相关：X增大，Y也增大，点分布从左下到右上
• 负相关：X增大，Y减小，点分布从左上到右下
• 强相关：点分布接近一条直线
• 弱相关：点分布较为分散，但仍有趋势
• 无相关：点分布杂乱无章，无规律可循
• 曲线相关：点分布呈现曲线形态

五、检查表

5.1 工具原理

检查表（Check Sheet）是一种用于收集和整理数据的简单工具。通过预先设计好的表格格式，方便地记录数据，为后续分析提供基础。检查表设计应遵循简明、全面、易用的原则。

5.2 常见类型

• 不合格项目检查表：记录各类不合格发生的频数
• 缺陷位置检查表：在产品示意图上标记缺陷位置
• 缺陷原因检查表：按原因分类记录缺陷发生情况
• 工序分布检查表：在预先划分的区间内记录数据分布

六、层别法

6.1 工具原理

层别法（Stratification）是将数据按不同类别（层）进行分层，通过对比各层数据的差异来发现问题的规律。层别法是数据分析和问题定位的基础方法，常与其他工具配合使用。

6.2 常见层别维度

• 按时间层别：班次、日期、周、月、季度、年度
• 按人员层别：操作者、班组、经验年限、技能等级
• 按设备层别：设备型号、设备编号、新旧程度
• 按材料层别：供应商、批次、规格
• 按方法层别：工艺参数、作业条件、环境条件

七、柏拉图

7.1 工具原理

柏拉图（Pareto Chart）基于意大利经济学家帕累托提出的"二八定律"，即80%的问题由20%的原因造成。柏拉图将问题按发生频数从大到小排列，用柱状图表示频数，用折线图表示累计百分比，帮助识别"关键的少数"问题。

7.2 制作步骤

1. 确定分析对象，收集数据
2. 按类别统计频数
3. 按频数从大到小排列
4. 计算累计百分比
5. 绘制柱状图和累计百分比折线
6. 识别累计百分比80%对应的关键因素

7.3 应用案例

某汽车零部件企业分析产品不良原因：尺寸超差占45%、表面缺陷占25%、材料不良占15%、装配问题占8%、其他占7%。通过柏拉图分析，累计百分比80%对应的是尺寸超差和表面缺陷，企业集中资源改进这两项后，不良率降低了60%。

七大工具综合应用

七大工具不是孤立使用的，而是相互配合、形成闭环。典型应用流程：用检查表收集数据，用层别法对数据分类，用柏拉图识别关键问题，用因果图分析关键问题的原因，用散布图验证原因与结果的关系，用直方图分析数据分布，用控制图监控改进效果。