3-1 观察事实，搜集数据
日常生活中，有很多我们谈论的事情并没有切合事实。再说，有时候发生的事情，可能就我们的感觉行事，然而它并非事实而只是个人的一己之见而已。
如果用这种方法处理问题，就不能科学地进行品质管制，同时也很难改善产品品质或是品管体系。
首先，我们必须用双眼去了解和观察工作现场及实际之不合格品。当问题发生的时候，有必要立即赶到工作现场察看，这叫做“现场确认”。
科学方法的基础是用资料和数据来掌握事实。所以我们应尽量不用文字描述，如“我想大概是......”之类的话，来检讨问题。
3-2 如何搜集数据
为了分析品质，收集能呈现事实的数据是很必要的。
开始新的工作前，有必要准备好收集资料之体系，因为原始数据比分析更为重要。
收集数据的话，我们须备有“查检表”，可分为下列两种类型：
(1) 记录用查检表 用以记录实际数据和不合格品数，或根据项目来分类。
(2) 点检用查检表 为生产优良产品，有很多制程因素如气压、焊锡温度等都需检查。
这些相关因素之窗体完成以后，要定期检查，同时在窗体上注明“ OK ”还是“ NG ”或是相关数据。
这些记录可充分体现工作职场的实情或产品标准，并且我们可根据记录找出真正之不良原因
3-3 重点性，效果性的分析法（柏拉图）
我们发现周围很多问题。要用相当有限的时间、人力和物力同时解决这些问题，几乎是不可能的。为了获得最大效益，我们必须知道哪些问题是最重要的，进而按照优先级来全力解决它们。柏拉图对此点是相当有帮助的。柏拉图将较大的项目排在左侧，而柏拉图认为 80% 的品质问题是从 20% 的主要项目产生的。
所以，假使只要针对2 或 3 个主要问题点来解决，建立优先级原则，忽略其它次要项目是有必要的。
3-4 特性要因分析研究（特性要因图）
为解决问题，了解真正原因及其相互联系是非常重要。例如，我们的汽车煞车失灵就会有很多原因。你能说得多少呢？用得太久、缺少汽油等。
我们把这些原因画成鱼骨图（特性要因图）。
大的分枝是影响最终结果的直接原因，中间分枝是大分枝的原因，小分枝又是中间分枝的原因；因此每个分枝都形成了一个原因 结果相互关系的格式。
如果分枝没有原因与结果的相互联系，这个分析图就失去了意义，因而鱼骨头甚至对猫都没有吸引力了。
特性要因图对我们找出问题原因，组织好相互联系关系有很大帮助。
3-5 品质总是有分布性的
我们一直都在生产大批的产品、组件和材料。因此这些产品的品质总会有一定程度的分散。
极好的产品其品质分散程度要少些，不然，我们的用户就会感到不方便了。比方说，规格上讲“这个电灯泡寿命为 2000 小时”这只是中间值。测试 100 个灯泡，一些最大寿命超过 2500 小时，而一些最低寿命不足 1500 小时。
我们可以把这种分散现象用直方图表现出来，这样我们就可以知道在最小值为 1600 小时标准值下的不良百分比。
品管人员应更重视分散性能而不是中间值。材料、操作和机器等的分散，都可能影响产生品质的分散。让我们从直方图来研究这种分散特性吧。
3-6 分析资料（一）--层别法
我们生产的任何产品在生产过程或尺寸上都会有分散，各种图标是用来减小这些分散，而且我们还必须了解分散的原因，但最后的数据本身通常说明不了原因。
能找出原因的一个最现实的方法是层别法，当某一机器的轴的直径超出了范围，且数据是两台机器产生，我们就必须分层地找出与各机器相关的数据。
然后我们就找出 A.B 两台机器的不同之处。如果 A 机的矫正方法不正确，我们就容易把它矫正过来。这就是“分层”之范例，并且如果我们从各方面来分层数据的话，我们就会找出最有效的原因。
重点：
(1) 分层是基于原因 特性要因图。
(2) 从不同角度分层取数据。
(3) 分层后，检查其分散之不同点。（散布图）
3-7 分析资料（二）--散布图，管制图
(1) 散布图
要了解原因和结果之间的关系（例如：气动扭力起子扭力和空压之间的关系），最方便的是画散布图，原因数据表示于x轴，结果数据表示于y轴，我们可以清楚地看到二者之间的关系，便于我们解决问题。
(2) 管制图
分散包含各种原因，一个是必然原因（如普通机器引起之分散），另一种是特殊原因（如：由材料的不同品质产生之分散）。我们必须控制好后者，通过管制图找到各种不同的起因。我们来研究管制图，因为如果我们习惯了使用管制图，这对我们的工作将大有益处。
