第14章 数据整理和分析

第14章数据整理和分析数据整理和分析的步骤掌握数据的基本情况进一步了解数据中不同变量的关系和趋势对数据进行评价数据的描述方法特征值表示中心趋势的特征值表示离散程度的特征值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极差数据的描述—饼图饼图饼图的作用：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—饼图饼图将不同时期的同类饼图放在一起也可进行比较或显示趋势

2002下2003上2003下数据的描述—直方图直方图（频数直方图）作用：简明地表示出数据的分布状态大致判断数据是否符合正态分布大致判断过程满足要求的能力有助于发现过程是否出现显著性变化数据的描述—直方图

绘制步骤收集数据对数据分布范围分组，规定组界计算落入各组内的数据频数以数据的量值为横轴标尺，以频数作为纵轴标尺，以每个分组内数据的频数为高度画一个矩形，绘制完成直方图。数据的分析—直方图24.95925.046数据的分析—直方图直方图的解释对分布中心的考察要求低于要求高于要求与要求重合数据的分析—直方图直方图的解释对数据波动的考察要求波动小于要求波动大于要求数据的分析—直方图直方图的解释对过程能力的大致判断分布中心和散差满足要求，过程能力适当。分布中心严重偏离，过程能力不足（但潜在能力较高）。分布中心适当和散差太大，过程能力不足。分布中心和散差均不满足要求，过程能力严重不足。规范要求规范下限目标值规范上限数据的分析—直方图直方图的解释对形状的考察正常型偏峰型：有时操作时有的偏向倾向或测量的选择性。双峰型：通常是数据来自两个总体。锯齿型：数据不恰当、测量误差大、分组不合适均可形成锯齿状。平顶型：有可能数据来自多个总体或在某一区间符合均匀分布。孤岛型：通常是数据来自两个总体。数据的分析—直方图直方图分析时的注意事项：直方图不反映时间的变化，除非过程稳定，否则不能用于预测未来情况。数据少于50时，解释直方图须特别谨慎。对直方图的解释应经过直接观察来确认。数据的分析—运行图

主要作用：监视过程的水平和随时间的波动发现过程变化的趋势、周期和形式比较过程前后业绩水平测量值时间序列均值线数据的分析—运行图运行图的判读过程变化呈周期性过程呈现突变过程变化呈增长或下降趋势数据的分析—运行图运行图判读的注意事项：运行图在对过程的监视、判断上不如控制图。在不能获得足够数据或过程不要求受控时，不能用控制图取代运行图。数据量不够大时，对过程的判断需的谨慎。数据分析可用的质量工具排列图散布图其他数据分析—排列图排列图

原理：80%的过程问题往往是由20%的原因所造成的。排列图的作用：以直观的方式表现各类问题的相对重要程度找出引发80%问题的原因把注意力放在解决后能产生重要影响的问题上为其他质量改进活动提供有效的信息数据分析—排列图绘制排列图的步骤：确定要解决的问题。针对要研究的问题，列举可能的原因。。选择计量单位。最常用计量单位的是频次和费用。在计划的周期内收集相关数据。调查表是收集数据的简易有效的方法。整理数据，编制数据统计表制作排列图解释结果数据分析—排列图数据分析—排列图

排列图分析的注意事项：排列图基于帕累托原理，百分不一定非要求80/20，只要遵循“关键的少数”原则就行。两纵轴的刻度单位（测量值与百分比）应规定的协调，最好测量值以各项目的总量为最大值，百分比以100%为最大值。排列图还可以分层运用。如上例中可以对“空松”和“贴口”两项分别再进行排列图分析，找出这项不合格产生的关键原因。数据分析—散布图散布图——将两个变量的数据以坐标点的形式标注在图上，图上每个点都代表了一对数据。多个坐标点形成“点子云”，通过对点子云分布的状态来推断变量之间的相关模式。散布图的主要作用是观察两个变量之间的相关关系。散布图的应用步骤：选择可能相关的变量，成对收集测量数据。一般要求数据量至少为30对。绘制坐标轴。通常用横轴表示自变量，纵轴表示因变量。在图上标出点子。如有重复的点子，在相应的坐标点上画一个小圈。对完成的散布图进行解释。数据分析—散布图常见的点子散布模式：YX0YX0YX0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。YX0YX0YX0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

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。绩效评价和改进项目优先性排序可用质量工具重要度—绩效分析绩效指数绩效指数绩效评价和改进优先排序

—

重要度——绩效分析重要度—绩效分析：类似二维分析图或象限图法，也可以看成是散布图的延伸应用。重要度—绩效分析的应用步骤：收集研究对象的测量数据，要把产品或过程的质量要求分解成不同的质量特性，分别测量它们的绩效和重要度。把各个质量特性的绩效作为横坐标，重要度作为纵坐标绘制散布图，其中每个点子代表一个测量变量的绩效和重要度数据，每个点子应标注出它所代表的质量特性。把图划分为四个部分，分别规定为Ⅰ、Ⅱ、Ⅲ、Ⅳ四个象限。解释重要度—绩效分析的结果重要度-绩效分析

重要度—绩效分析结果的解释第Ⅰ象限：很重要，过程业绩也好，应加以保持。第Ⅱ象限：很重要，但业绩不好，必须尽快改进。第Ⅲ象限：业绩不太好，但不很重要，不是最急迫改进的项目。第Ⅳ象限：业绩很好，但不很重要。有可能出现过度提供，可以考虑适当调整资源投入方向。（应该保持）（应尽快改进）（可暂时维持）（可适当调整资源投入）ⅣⅠⅡⅢ重要度-绩效分析实例注意事项：如果质量特性是分层的，那么必须同一层次的特性在一起分析。由于要求是在不断变化，反映在对各个特性重要度的评价是在变化的，这种分析应该经常进行。另一方面也能从这种分析中发现顾客需求的变化倾向。经常作为顾客（或员工）满意调查的后续方法。重要度-绩效分析绩效指数当总体质量是由几个指标共同反映时，需要把这几个指标组合成一个综合指数，用于衡量总体状况，这个综合指数称为绩效指数。绩效指数的计算方法：把质量目标分解为几个关键的绩效指标。确定各个指标的度量方法。确定各个指标重要度的度量方法。把测量的得分制成表格。把每个项目的得分与重要度相乘得出该项绩效指数，各项相加就是综合绩数指数。综合满意度指数计算示例绩效指数某手机产品的综合满意度指数项目满意度得分权重（重要度得分除重要度总数）绩效指数品牌形象7.520.171.28外观造型7.340.151.11可靠性7.480.171.27产品功能7.630.131.01售前服务7.240.090.68售后服务7.070.130.93性价比7.440.151.12综