第14章数据整理和的步骤讲解.ppt

直方图的特点 教材P191 运行图能够反映数据随 时间 变化而发生的变化。 散布图(相关图)是通过分析研究两种因素的数据的关系，来控制影响产品质量的相关因素的一种有效方法。 相关关系一般可为：原因与结果的关系；结果与结果的关系；原因与原因的关系。 两个变量的相关类型 在相关图中，两个要素之间可能具有非常强烈的正相关，或者弱的正相关。这些都体现了这两个要素之间不同的因果关系。一般情况下，两个变量之间的相关类型主要有六种：强正相关、弱正相关、不相关、强负相关、弱负相关以及非线性相关，如图所示。 排列图的应用 1.利用排列图寻找产品质量的改善重点； 2.利用排列图验证改善产品质量的效果； 之前 100% 之后 100% 实现的改善 排列图的应用 3.利用排列图对产品质量进行分层研究； A B C 教材P192 排列图是按重要程度或出现频次排序，显示各个原因变量的作用，从而识别改进机会的一种工具。（ ）正确 排列图的目的是寻找引发主要质量问题的 关键原因 。 汽车厂对某一批产品车身质量问题调查结果如下：油漆120个，防锈问题17个，空调280个，座椅50个，其他33个，请绘制排列图并指出影响汽车车身质量的主要问题。 列出统计表 序号 项目 频数 累计频数 累计百分比（%） 1 2 3 4 5 合计 汽车车身质量问题排列图 注意： 1.排列图中按频数多少排列，其他放在最后。 2.画出曲线。 3.写出项目名称，标注频数、总频数。 4.标注坐标值，左右纵轴协调。 5.解释结果：——、——是汽车车身存在的主要问题。 数据分析—散布图（一） 数据分析—散布图（二） 常见的点子散布模式： 强正相关 变量之间的正相关性，可能存在显著的因果关系。有可能建立有效的回归方程。 弱正相关 变量之间的有一定的正相关性，可能存在较弱的因果关系。 强负相关 变量之间的负相关性，可能存在显著的因果关系。有可能建立有效的回归方程。 Y X 0 Y X 0 Y X 0 Y X 0 Y X 0 Y X 0 弱负相关 变量之间的负相关性，可能存在较弱的因果关系。 曲线相关 变量之间可能存在某种非线性相关关系。 不相关 变量之间表现出的不相关性。有可能一个变量的改变不会对另一个变量产生影响。 数据分析—散布图（三） 散布图分析的注意事项： 散布图对变量间的相关关系可进行大致的判断，有时还需要进行更深入的统计分析。 如果变量选择时分层不够，也会掩盖本来存在的相关关系。 有时散布图上显示出的显著相关，有可能是通过这两个变量与第三个变量相关而体现的，这种情况要注意识别。 时间管理之“四象限法则” 重要性 紧迫程度 二：重要但不紧急 一：重要而且紧急 四：不重要且不紧急 三：不重要但紧急 时间管理之“四象限法则” 重要性 紧迫程度 二：重要但不紧急 1、准备工作、编制计划、维持关系。 2、去拜访VIP客户。 3、计划给员工进行培训。 4、回访客户。 一：重要而且紧急 1、紧急状况、迫切问题、限期完成。 2、一会儿要参加重要会议。 3、与客户沟通要做合同。 4、准备事项。 四：不重要且不紧急 1、处理一般性文件。 2、看电视消磨时光。 3、归档本周所有文件。 三：不重要但紧急 1、造成干扰的紧急事件。 2、打若干个沟通的电话。 3、帮助客户解决一个难题。 第14章 数据整理和分析的步骤 本章主要介绍： 1.数据告诉了我们什么？——过程和产品的基本情况 2.需要重点关注的问题和环节在哪里？ 介绍了质量工具有： （1）描述性统计： ①特征数：均值、中位数、标准差。 ②图表：饼分图、柱形图、条形图、雷达图。 （2）直方图 （3）运行图 （4）排列图 （5）散布图 （6）重要度—绩效分析 （7）绩效指数 数据的描述方法 特征值 表示中心趋势的特征值：均值、中位数、众数 表示离散程度的特征值：标准差、极差 图表法 饼图 直方图 运行图 数据的描述—中心趋势特征值 表示中心趋势的特征值 均值 中位数 众数 Mod=出现频率最高的数值 数据的描述—离散程度特征数 表示离散程度的特征数 样本方差: 样本标准差: 样本方差的平方根S称作样本标准偏差，它与样本方差一样，是反映一组数据分散程度的特性值 极差: 样本极差表示一组数据分布的范围，是指数据中最大值与最小值的差: 是一组数据中每一个数值与平均值之差的平方和的平均值，通常记为S2 数据的描述—图表法（饼图一） 饼图 饼图的作用：主要是直观地表示数据的构成。 类似作用的图形还有：柱形图、雷达图等。 数据的描述—图表法（饼图二） 饼图 将不同时期的同类饼图放在一起也可进