某家零部件厂焊接不良率从 2% 飙升至 8%,质量例会上众说纷纭:有人主张鱼骨图,有人推崇控制图,还有人堆砌直方图。两周过去,图表虽多,问题依旧。
问题的核心并非工具失效,而是使用场景错位。质量管理中易被误用的十四种工具分为两类:旧 QC 七大手法(查检表、层别法、柏拉图、鱼骨图、散布图、直方图、控制图)与新 QC 七大手法(关联图、亲和图、系统图、矩阵图、PDPC、箭条图、矩阵数据分析)。
澄清误区:新与旧并非替代关系
许多人误以为“新”是“旧”的升级版,实则两者分工不同。旧七大手法成型于上世纪六十年代,侧重于制造现场的数据统计分析,主要用于“事后救火”;新七大手法诞生于七十年代,侧重于语言信息的整理与策划,主要用于“事前防火”。二者是接力配合关系,而非替代关系。
下图直观展示了二者的核心分歧在于处理对象是“数据”还是“语言”:

旧 QC 七大手法:用数据还原事实
旧七大手法的核心在于处理数字,形成一条完整的改善流水线。
1. 查检表:数据采集的地基
作为起点,查检表要求摒弃记忆与感觉,通过设计包含时间、工位、缺陷类型的表格,如实记录数据。数据真实性是后续所有分析的基础。
2. 层别法:缩小疑点范围
将数据按班次、设备、人员或材料批次进行分类对比。如同分碗尝汤,通过分层快速定位高发缺陷的具体归属,缩小排查范围。
3. 柏拉图:锁定关键少数
依据“二八法则”,将不良项按数量排序并绘制累计占比曲线。资源有限时,应优先解决造成八成损失的两三项主要问题,避免遍地撒网。
4. 鱼骨图:发散潜在原因
在原因不明时,从人、机、料、法、环等维度发散思维,罗列所有假设原因。需注意,鱼骨图提供的是假设而非结论。
5. 散布图:验证变量关系
用于验证鱼骨图中的假设。将两组数据(如烘烤温度与不良率)绘制成散点图,若呈斜带分布则相关,若杂乱无章则无关。它是从“猜想”到“验证”的关键步骤。
6. 直方图:洞察数据分布
通过柱状图展示数据形态。正常分布应为中间高两边低;若出现偏态、双峰或孤岛,则提示过程中混入异常因素。
7. 控制图:监控过程稳定
用于守住改善成果。设定中心线及上下控制限,指标在界限内随机波动属正常,越界或连续单边走势则视为异常信号,需立即介入调查,防止问题反弹。
应用口诀:没数据先查检,重点不清看柏拉,原因不明画鱼骨,分布异常看直方,两变量关系看散点,过程稳定靠控制图,差异藏在分层里。
新 QC 七大手法:将模糊信息结构化
当面对新品策划、客户原话投诉或跨部门协作等缺乏精确数据的场景时,新七大手法能处理语言、观点等“软信息”,将模糊、零散的内容转化为可视化的结构。
1. 亲和图(KJ 法):归纳杂乱信息
将大量便签或意见按“意思相近”原则归类。例如将杂乱的客户抱怨归纳为“交付慢”、“沟通乱”、“说明书难懂”等几类,理清头绪。
2. 关联图:梳理复杂因果
针对互相纠缠的因果关系,绘制带箭头的网状图。箭头只进不出者为问题终点,只出不进者为主因。抓住牵一发而动全身的关键点,比逐个整改更高效。
3. 系统图:层层拆解目标
类似倒树结构,将大目标(如降低客诉)逐层分解为具体措施和动作,直至落实到每个人的具体执行任务。
4. 矩阵图:明确对应关系
将两组因素分别列为行和列,在交点标注关系强弱。适用于明确部门职责、零件与工序影响等多维对应关系。
5. PDPC 法:预判风险预案
在计划每一步都预设“如果不顺利怎么办”,提前规划岔路和备用方案。这是一种前瞻性的风险管理,而非悲观主义。
6. 箭条图:优化项目进度
将任务按依赖关系连成网络,找出最长的“关键路径”,从而识别哪些任务严禁拖延,哪些拥有缓冲余量。
7. 矩阵数据分析法:量化多维变量
新七大中唯一涉及复杂计算的方法。通过主成分分析等手段,将相互纠缠的多变量压缩为少数主轴,揭示隐藏在数据背后的结构。
实战指南:如何选择合适的工具

选择工具时可遵循以下三个判断维度:
1. 问题阶段:已发生需查原因 → 旧七大;未发生需策划预防 → 新七大。
2. 信息类型:手头是数字 → 旧七大;是意见、想法 → 新七大。
3. 目的导向:解析验证 → 旧七大;整理规划 → 新七大。
综合应用案例
以客诉激增为例,最佳实践是两套工具结合使用:
首先,利用旧七大进行量化分析:用查检表记录全量数据,层别法按产品线切割,柏拉图锁定主要投诉项,鱼骨图结合散布图寻找根因,最后用控制图监控改善效果。
同时,利用新七大进行定性梳理:用亲和图归类客户原话,关联图挖掘深层根因,PDPC 制定整改风险预案,箭条图排定整改进度。
先用量化工具确认事实,再用结构化工具理清关系,形成完整的闭环管理。
工具的本质是辅助决策的拐杖,而非形式主义的仪式。准确判断所处阶段,选取对应的工具,比机械背诵十四种名称更具实际价值。

