（5）可减少社会上重复的检查费用。根据国外有关资料报道，实行质量认证不仅可以减少8%左右的重复检查工作量，而且可以大大提高采购供应工作的效率。
（6）有利于保护消费者的利益。特别是关系到人们安全健康的产品，实行强制制度后，从法律上保证了未经认证的安全性产品一律不得销售或进口，这就杜绝了不安全产品的生产和流通，极大地保护了消费者的利益。
10.4.1 主次因素排列图法
主次因素排列图法是找出影响产品质量的主要问题的一种有效方法。主次因素排列图中有两个纵坐标、一个横坐标、几个长方形和一条曲线。左边的纵坐标表示频数（件数或金额等），右边的纵坐标表示频率（累计百分比）；横坐标表示影响质量的各个因素；一条曲线称巴雷特曲线。通常把累计百分数分为三类：0～80%为A类，是主要因素；80%～95%为B类；95%～100%为C类。
例：某厂铸造车间生产某零件，上月废品数为68件，合计重8 160千克，废品率为12.14%；焊补数为67件，合计重52 440千克，焊补率为78%。
10.4.2 因果分析图法
因果分析图，又叫鱼刺图，它可以帮助企业寻找产生某种质量问题的原因。因为造成废品的原因是多方面的，此图就是根据结果分析原因，将可能造成问题的因素加以分类。
10.4.3 分层法
分层法也叫分类法，目的是通过分类，把性质不同的数据及错综复杂的影响质量的因素及其责任理出头绪，便于找出问题的原因。做法是将收集来的质量数据按照一定标志，把性质相同的归为一类。这样可使数据所反映的原因和责任更明确、更清楚，做到对症下药。
例如，两个工人在同一台车床上用一批原材料按同一操作方法加工同一零件，若要研究这两个工人的产品质量，可按分层法将这两个工人加工的零件分别存放并进行分析研究，这样就可以看出哪一个质量好、哪一个质量差。若将两人加工的零件混放在一起，就很难区分出谁好谁差，也更难找出产生质量问题的真正原因。
质量数据分层一般可按以下标志进行：①按不同时间分；②按不同操作人员分；③按使用的不同设备分；④按不同原材料分；⑤按不同操作方法分；⑥按不同检测手段分，等等。
10.4.4 直方图法
直方图法是适用于对大量计量值数据进行整理加工，找出其统计规律，即分析数据分布的形态，以便对其总体的分布特征进行推断，对工序批量产品的质量水平及其均匀程度进行分析的方法。主要图形为直角坐标系中若干按顺序排列的矩形，各矩形底边相等，为数据区间。矩形的高为数据落入各相应区间的频数。
在相同的工艺条件下，加工出来的产品质量不会完全相同，总在一个范围内变动，这样就可以将一定数量的抽样分成若干组，按其顺序分别在坐标上画出一系列的矩形，并将矩形连起来，用来观察图的形状，判断生产过程的质量是否稳定，即通过观察质量数据波动的规律来了解产品总体质量波动的情况。
1.直方图的作法
例：已知某一轻工产品的质量特性（技术标准），要求伸长为8～24毫米，试从加工过程中抽取50件进行分析。
解：第一步：取出50件产品并按先后顺序测量其特性值并排列成若干行和列。
第二步：找出所有数据中的最大值X最大和最小值X最小。本例最大值为23，最小值为10.
第三步：求出全体数据的分布范围R，即极差。R=X最大-X最小，本例R=23-10=13.
第四步：根据数据的个数进行分组，分组多少的原则一般是数据在50以内的分5～7组，50～100分7～10组，100～250分10～20组。本例可分7组，组数k=7.
第五步：计算组距h。
第六步：计算第一组的上、下界限值。
第七步：计算各组中心值xi。
第八步：记录各组的数据，整理成如下频数分布表：
第九步：统计落入各组的频数fi（本例为各组数值出现的次数），记入fi栏下面。
第十步：计算各组简化中心值ui。以频数（fi）最大一栏的中心值为x0，各组中心值为xi。
第十步：计算频数（fi）与简化中心值的乘积，即fiui。
第十一步：计算频数与简化中心值平方的乘积，即fiui2.
第十二步：计算平均值x-。
第十三步：计算标准偏差s。
2.直方图的观察分析
根据直方图，观察它的整体分布形状，推测生产过程中质量是否发生异常，主要从以下角度观察分析：整体分布位置是否适当，整体分布的宽度如何；整体分布形状是否向左或向右倾斜，是否对称，在整体分布中有无形成缺齿或折齿的情况；整体分布的左右有无陡壁状；整体分布是否过于尖峰状；有无孤岛型跳离整体之外，有无形成双峰形；整体分布是否过于平坦。
—基本与公差中心重合，质量特性分布的两边还有一定的余地，这是很理想的。
（2）质量特性分布范围B虽然落在公差范围T之内，但因偏向一边，故有超差的可能，应采取措施纠正。
（3）质量特性分布范围B落在公差范围T之内，但完全没有余地，说明总体已出现一定数量的废品，应设法使其分布更集中，提高工序能力。
（4）公差范围T比质量特性分布范围B大很多，此时应考虑是否可以改变工艺，以提高生产速度，降低生产成本，或者缩小公差范围T。
（5）质量特性分布范围B过分地偏离公差范围T，已明显看出超差，应立即采取措施加以纠正。
（6）质量特性分布范围B太大，两边产生了超差，要提高加工精度，应缩小分布范围。
3.工序能力指数
工序能力是指工序在一定时间内处于控制状态下的实际加工能力。对于任何生产过程，产品质量特性值总是分散地存在着。工序能力越高，产品质量特性值的分散就越小；反之，工序能力越低，产品质量特性值的分散就越大。一般工序能力B=6σ，其中σ为质量的标准偏差。
工序能力这个参数本身还不能反映出加工过程是否能满足产品的技术要求，要引入工序能力指数，一般用符号Cp表示工序能力指数。它是技术要求和工序能力的比值。
（1）当分布中心与公差中心重合时，
（2）在分布中心与公差中心偏离的情况下，Cp值要作修正，修正后用CpK表示。
另外，求出Cp值后也可以用计算法求总体不合格率p，这里从略。
（3）单向公差的情况下质量特性只限于某一单边范围：
以上是在计量值情况下工序能力指数的计算方法，计数值情况下工序能力指数的计算方法，这里从略。
10.4.5 控制图法
1.控制图法的含义
控制图利用控制界限对生产过程的质量状态进行控制，是用来分析研究质量特性在运动状态下分布波动情况的一种统计图，借助它可以区分出质量波动究竟是由偶然原因还是系统原因引起的，从而判明生产过程是否处于控制状态。
2.控制图的分类
（1）计量值控制图，包括平均值与极差控制图、中位值与极差控制图、单值控制图等。
（2）计数值控制图，包括不合格品数控制图）、不合格品率控制图、缺陷数控制图、单位缺陷数控制图等。
（3）其他控制图。
3.控制图的用途
（1）计量值控制图的用途。
①X-—R控制图，是一种应用比较普遍的控制图，它适用于控制对象为长度、重量、强度、纯度、时间和生产量等计量值的场合。X-图主要用于观察分布的平均值的变化，R图主要用于观察分布的分散情况的变化。而X-—R控制图则将二者联合应用，因此可以用来观察整个分布的变化。
②——R控制图，与X-—R控制图相似，只是用中位数代替平均数X-，由于的计算比X-简单，所以多用于工作现场。
③X控制图，是利用一个质量特性值X来管理工序，将测得的数据直接在图上打点，具有快速和简便的特点；但不易发现工序分布平均的变化状况，一般用于希望尽快发现并必须及时消除的不正常因素，或只能获得一个测定值和不需要取多个测定值的情况。它经常与移动极差Rs 配合起来应用，即X-Rs控制图（单位与移动极差控制图）。
（2）计数值控制图的用途。
①Pn控制图，用于控制对象为不良品个数的场合，由于不良品率计算费时，所以在样本大小相同的情况下，用Pn控制图比较方便。
②P控制图，用于控制对象为不合格率的场合，如废品率、交货延迟率、缺勤率以及邮电、铁道、交通等部门的差错率。
③C控制图，用于控制对象为一部机器、一个部件、一定的面积或任何一定的单位所出现的缺陷数目。
④U控制图，当样品的大小不一定时，换算为每单位的缺陷数后，就要使用U控制图。
4.控制图的作法（以X-—R控制图为例）
例：某厂生产的某一产品的质量特性（质量标准）要求伸长为8～24毫米，现在分10天随机抽样，每组为5件，抽取了50件。
5.控制图的观察分析
控制图上的数据（点子），反映了生产工艺过程质量的稳定程度。
（1）正常情况，点子不越出控制界限；点子排列无缺陷。
（2）不正常情况。如果点子在控制界限以外，说明生产工艺过程发生了异常变化；虽然点子未跳出控制界限，但其排列有下面情况的也应判为工艺过程有异常变化：①点子在中心线一侧连续出现7次以上；②连续7个点子一直上升或一直下降；③连续3个点子中至少有2个点子靠近控制线，即在上方或下方2σ横线以外出现；④点子出现周期性变动，忽上忽下，剧烈波动，有一部分接近控制线，等等。
10.4.6 散布图
散布图也叫相关图，它是一种分析变量与变量之间关系的数学方法。在原因分析中，常常会遇到一些变量共处于同一个统一体中，它们相互联系、相互制约，在一定的条件下又相互转化。有些变量之间存在着确定性的关系；有些变量之间却存在着相关关系，即这些变量之间既有关系，但又不能由一个变量的数值精确地求出另一个变量的数值。通常将两种有关的数据列出，并用点子填在坐标纸上，观察两种因素之间的关系，这种图称为散布图。对它进行的分析称为相关分析。
y=a+bx
如果影响y的因素不止一个而是若干个（x1，x2……，xn），可分别绘制y-x1，y-x2……，y-xn的散布图，确定相关的关系，并找出影响y的主要因素。①正强相关（x变大，y也显著变大）；②正弱相关（x变大，y大致变大）；③强负相关（x变大，y显著变小）；④弱负相关（x变大，y大致变小）；⑤不相关（x与y之间没有关系）；⑥非线性关系。
10.4.7 统计调查表法
统计调查表法是利用统计表进行数据整理和分析原因的一种工具。其格式有多种多样，一般随着调查质量的目的不同而有所区别。常用的有以下四种：
（1）调查缺陷位置用的统计表。每当缺陷发生时，经过若干次统计，我们可以找到产品缺陷位置出现的规律，发现影响产品质量的某个具体原因，从而使产品质量得到改进。
（2）工序内质量特性分布统计表。可以帮助我们大致了解产品质量分布的状况，判断工序内产品质量是否稳定。如前面讲到的直方图中的频数分布统计表。
（3）按不合格项目分类的统计表，即前面讲到的排列图法中的不合格产品统计表。
