导图社区 第三节 质量数据资料分析的基础工具(两图一表:排列图、因果图、对策表)
第三节 质量数据资料分析的基础工具思维导图,包含排列图、因果图、对策表、直方图、 散布图、矩阵数据分析法等。
社区模板帮助中心,点此进入>>
项目时间管理6大步骤
项目管理的五个步骤
电商部人员工作结构
暮尚正常运转导图
产品经理如何做好项目管理
车队管理
创业者10条创业经
创业十大思维误区
管培生课程作业
商业模型
第三节 质量数据资料分析的基础工具(两图一表:排列图、因果图、对策表)
排列图(帕累托图)
概念
排列图是建立在帕累托原则之上,即80%的结果源于20%的原因
排列图的目的是比较不同的缺陷类型所导致的结果或对顾客的影响,以便找出最重要的需要优先解决的问题
帕累托是将质量改进项目从最重要到最次要进行排列的一种图,是为寻找主要问题或影响质量的主要因素所使用的图
应用步骤
明确分析对象,收集某时间段内的数据,并确定缺陷项
将各项缺陷的频数按从大到小的顺序排列,计算各自占总缺陷数的比例和累计比例
将横坐标按从大到小的顺序,依次列出各种缺陷项,将量值最小的1个或几个项目归并成“其他”项,放在最右端,数量可超过倒数第2项
以左侧纵坐标为缺陷发生频数,右侧纵坐标为比例。左边总频数的刻度与右边总频率的刻度(100%)高度相等
在横坐标上的每个缺陷处,画出与其发生频数对应的柱形图
由左至右累加每个缺陷项的比例,画出累计频率曲线
因果图(石川馨图、鱼刺图)
因果图是一种用于分析质量特性(结果)与可能影响质量特性的因素(原因)的一种工具
因果图是揭示过程输出缺陷或问题与其潜在原因之间关系的图表,也是表达和分析其因果关系的重要工具和文档
确定质量特性,并将其填入因果图右侧的方框中
确定其可能原因的主要类别,画出因果图的各个“主枝”,可采用典型分类方法(5M1E分类法):人员、机器设备、材料、方法、测量、环境
采用头脑风暴法,将产生问题的所有可能原因,按其不同的分类填入各个主枝中
找出影响质量问题的关键因素(3-5个),用圆圈或方框口框起来,作为实施质量改进措施的重点考虑对象
对策表(措施计划表)
对策表一般包括重要原因现状、对策、目标、措施、完成地点、完成时间和负责人等
对策表既是改进措施计划实施的表格,又是检查改进措施计划是否完成的依据
确定要纠正的重要原因
明确重要原因的现状,需采取的对策及措施,完成的人员及完成时间等
将上述内容制成表格
直方图(频数直方图)
直方图就是将数据按其顺序分成若干间隔相等的组,在横坐标上以组距为底边,以落入各组的频数为高的若干长方形排列的图
直方图常用于了解数据的分布情况,是一组数据的图形表示,这种展示数据的方法可以清晰地体现数据的分散程度和中心趋势,并与要求的分布进行比较
类型
标准型(对称型):数据的平均值与最大值和最小值的中间值相同或接近,平均值附近数据的频数最多,频数从中间值开始向两边缓慢下降,平均值左右对称,是最常见的形状
锯齿型:作频数分布表时,如分组过多,会出现此种形状;当测量方法有问题或读错测量数据时,也会出现这种形状
偏峰型:数据的平均值位于中间值的左侧(右侧),从左至右(从右至左),数据分布的频数增加后突然减少,形状不对称;当下限(上线)受到公差等因素限制时,由于心理因素,往往会出现这种形状
陡壁型:平均值远左离(右离)直方图的中间值,频数自左至右减少(增加),直方图不对称;当工序能力不足,使用经过全数检验后合格的产品数据,或过程中存在自动反馈调整时,常出现这种形状
平顶型:当几种平均值不同的分布混在一起,或过程某种要是缓慢劣化时,常出现这种形状
双峰型:靠近直方图中间值的频数较少,两侧各有一个“峰”;当有两种不同的平均值相差大的分布混在一起时,常出现这种形状
孤岛型:在标准型的直方图的一侧有一个“小岛”
建立直方图的步骤
收集和记录所需分析的数据
确定数据的最大值和最小值,并计算出极差
决定分组数和组距
确定分组组界
做频数分布表
绘制直方图
散布图(散点图)
散布图是用来分析研究两个对应变量之间是否存在相关关系的一种作图方法
散布图通过将两种对应的变量的数据点绘在平面坐标上,判断两组变量之间是否存在相关关系及相关的程度如何
散布图只能定性地、近似地解决两个变量之间是否存在线性相关关系,为了能定量地、精确地度量两变量之间的线性相关程度,需要计算它们的相关系数
明确研究对象,收集成对的数据整理成数据表,数据一般要在30组以上
在坐标纸上建立平面直角坐标系,为便于分析相关关系,两个坐标数值的最大值与最小值之间的范围应基本相等
把数据组分别标在平面直角坐标相应的位置上
当散布图上出现明显偏离其他数据点的异常点时,应查明原因,以便决定是否删除或校正
必要时,可将相关资料注记在散布图上
强正相关:y随着x的增大而增大,且点子分散程度小
弱正相关:y随着x的增大而增大,且点子分散程度大
强负相关:y随着x的增大而减少,且点子分散程度小
弱负相关:y随着x的增大而减少,且点子分散程度大
不相关:x与y无明显规律
非线性相关:x与y呈曲线变化关系
矩阵数据分析法(主成分分析法)
概念:通过矩阵图把各因素之间的关系用一定量来表达,即在其交点上可以标出数值资料,把多种质量因素或多个变量之间的对应关系,定量的加以表达,从而对大量数据进行预测、计算整理分析的方法,是多参量解析法的一种方法
确定需要分析的各个方面
组成数据矩阵
确定对比分数
主要用途:可以应用于产品实现整个过程等各个方面
用于预测
用于工序质量分析
用于了解产品设计过程中顾客的满意程度