六西格玛分析阶段概要.ppt

边际图——Marginal plot 图形 边际图 从视觉可以知道两个因素之间关系 直方图和相关图同时出现在视觉上，更容易知道分布的倾向 利用A－03－销售能力对销售额与资历的关系进行图表分析 Histogram直方图 主要应用在了解数据的形状及形态 便于掌握数据的集中倾向、位置、平均、分布等 通过对A－01－采购订单例子的分析，作出A类产品材料采购订单的倾向、位置、平均、分布等，利用直方图进行分析 图形 直方图 直方图的制作必须要 有50个以上的数据。 Histogram直方图 图形 直方图 点击 点击 输出图表分析:直方图的形态 Histogram直方图 下面四个直方图是同样数据形成的，它的形状受柱子个数和间距的影响 5 8 10 15 随着区间的调整,数据的形状分布不尽相同 直方图可掌握数据的分布、居中趋势等 Histogram直方图 如何掌握图表分析 通过图表分析可掌握 通过Descriptive Statistics确认了数据的平均值，标准差，倾斜度，陡峭度，置信区间，数据的正态分布，还有四分位数； 通过Dot plot的图表分析，可确认全体数据平均值的倾向、异常点及分布； 通过Box plot的图表分析，可确认全体数据中位数值的位置、异常点及分布； 通过直方图可掌握全体数据的形态。 某公司为了改进采购计划的准确性，减小材料采购不准确造成生产和库存方面的压力，收集了2月份B类产品材料采购订单的数据进行分析，以找出需要改进的重点。下列数据是在2月份统计的各种材料订单计划时间和实际入库时间的差值(单位天)。 试问： 1.B类产品材料采购订单计划时间和实际入库时间的均值及标准偏差分别为多少？从分布图中能看到什么问题？ 2.做出dot plot/box plot及直方图并解释。 数据文件：A－01-采购订单.mtw 练习时间：10分钟 练习一 通过图表分析比较单个变量分布 我们在做项目的过程中，经常会碰到这种情况：要对两类或更多种类的数据进行比较分析 例如:通过图表分析很容易理解不同工序加工同一位置尺寸的差别，不同型号刀具加工寿命之间的差别，不同员工加工能力之间的差别。那么对多个数据进行比较时经常使用哪些图表 现在通过具体事例，利用图表分析比较分布 Box plot用于数据间的分布差异、中位数和波动大小的比较 利用A－01－采购订单例子，对两大类产品材料订单执行情况进行比较，用Box plot图表分析。 箱线图——Box plot 图形 箱线图 箱线图——Box plot 图形 箱线图 点击 点击 输出图表分析 箱线图——Box plot 两类产品的订单执行情况没有明显的差异，B类产品订单执行情况的波动大于A类产品。 单因素多组数据点图---Multiple Dot Plot 显示多个过程的平均值倾向、变动、分布 可比较两个或两个以上数据间的差别 利用A－01－采购订单例子对两大类产品材料订单执行情况进行比较，平均值的倾向、变动及分布进行Multiple Dot plot对比分析 点图——Dot plot 图形 点图 点图——Dot plot 图形 点图 点击 点击 通过Dot plot可以看出两类产品的材料采购订单执行情况没有明显的差异。 Multiple Dot plot的分布在数据很多的时候很容易看出两个或多个分布的区别 点图——Dot plot 输出图表分析 单个变量分布的构成 目的:确定某些特定事件在整个事件中所占的比例或者问题主要集中在哪些方面? 我们想知道以下问题 例如:1.发动机缺陷集中在哪些方面? 2.顾客反馈的意见主要集中在哪些方面? 3.成本浪费主要集中在哪里………. 通过变量分布构成的分析我们就可以解决以上问题 柏拉图——Pareto chart 统计 质量工具 Pareto 图 确定不良品、缺陷数、争议点、事故的现象或原因等集中在哪些方面，掌握主要的问题点（80/20原则） 打开文件:A－02－费用.MTW利用柏拉图进行分析 柏拉图——Pareto chart 统计 质量工具 Pareto 图 广告费的支出占大头 饼图——Pie chart 主要用于对原因或现象的构成比例进行分析，掌握某种现象在过程中的构成比例。 打开文件:A－02－费用.MTW利用饼图进行分析 图形 饼图 饼图——Pie chart 图形 饼图 ① 点击 ③ 点击 ② 利用饼图很容易知道各个类别在全体中所占的比率 饼图——Pie chart 利用图表分析对分布进行比较 到目前为止通过分布比较及构成比较分析得出 通过Box plot可以对不同数据的偏差,中心位置和离散程度进行确认 通过