六西格玛分析阶段.ppt

1、六西格玛普及培训-分析,第七步确定关键因素,目 录,一、分析阶段目的 二、图表分析 三、多变量分析,第一部分 分析阶段目的,分析阶段要做什么,最佳化的过程,30- 50,4 - 8,3 - 6,重要 Xs 选定,5 - 8,定义、测量,分析,确认重要 Xs,改进,重要 Xs最佳化,控制,2 - 4,重要 Xs 控制,分析阶段的目的： 通过对数据的分析，确认在测量阶段得出的对Y有影响的重要Xs 对Y影响小的Xs进行现水准管理 把关键因素(Xs)压缩到48个左右之后, 在改进阶段找出最适合的条件,分析阶段的步骤,制定数据收集计划 确定X的量化指标，数据类型、以及数据收集目标 根据X的特点确定采用的

2、分析方法，可以每个因子单独验证(如比较分析)，也可以几个因子合在一起验证(如多变量分析、回归分析、DOE) 制作数据收集表，包括X及其响应(Y)的数据，确定收集的样本量 如需要通过试验来收集，如通过人为改变X的状态来观察Y的变化，还需要做好试验计划 分析潜在关键因子对Y的影响 根据数据表收集数据 根据事先确定的分析方法来确认每个潜在的关键因子对Y是否有显著影响，或影响有多大 确定关键因子 对Y有显著影响的潜在因子确认为真正的关键因子，需要进行优化,主要使用的工具,图表分析 确认分布：直方图, 点图，箱线图、散点图、矩阵图、边际图、柏拉图、时间序列图. 多变量分析 比较分析 均值检验：1-sam

3、ple t, 2-sample t, Paired t (样本中同一个体测量两次前后比较总体不独立), ANOVA（正态总体=2） 方差检验：Test for Equal variance-F test（正态总体2），Bartletts Test(正态总体=2)，Levenes Test（非正态总体） 比率检验：1 Proportion, 2 Proportions, Chi-square test（总体=2） 回归分析,第二部分 图表分析,用图形对测量阶段找出的变量(KPIV)的“形态”进行描述，通过视觉来判断变量是否满足我们的期望，确定是否关键的KPIV,好的图表才能说明问题,引入图表分析

4、的目的,图表分析可以把数据转化为我们需要的信息,数据是信息的“原料” 加工处理的数据是提供可靠信息的源泉 可靠的信息是我们作决策的基础,图表分析的作用,六西格玛管理强调以数据为基础，以事实为依据！,图表分析的作用（续）,掌握变量分布的形状,平均值的位置及方差 比较各变量分布的特性 明确两个以上的变量之间的差异 比较变量相对重要度 掌握变量数据随时间的变化,图表分析的步骤,重点:可靠数据的收集和正确的图表解释,选择要分析的变量,我们要分析的变量来自测量阶段的结果,在利用图表分析前我们首先要确定变量的类型、分析的目的、选择什么方法等,搜集及整理数据,在运用图表分析时，应该明确以下重要问题: 由谁收

5、集数据 谁运用这些数据 收集数据的类型是什么 数据怎样收集 收集的数据在过程的哪个环节 收集数据的频率,在数据收集前别忘了先做测量系统分析,图表分析的主要方法,连续型数据,分析什么问题,分析方法,数据类型,点 图 箱线图,柏拉图 饼 图,连续型数据,描述性统计 点图、箱线图 直方图,确定单个变量（研究对象）的分布,比较在2个、多个或者1个变量（研究对象）在多种状态下分布的差异,连续型数据,散点图 边际图 矩阵图 时间序列图,确定2个或者多个因素之间的关系,确定变量（研究对象）的组成,离散型数据,图表菜单,Minitab 15 提供分析数据的图表工具!,在工作表中输入数据或把 EXCEL中的数据

6、粘贴过来,图表的选定及操作,单个变量分布图,目的:确定变量的基本信息,包括分布的形状（是否正态分布?）、居中趋势（平均值和我们期望的有什么差距?）、离散情况（波动是否超出了我们的要求?）等 我们想了解某些过程的基本信息 例如:1.顾客投诉问题的处理时间 2.加工尺寸 3.输出功率 与我们的要求(期望)有什么差异? 通过分布分析可以解决以上问题,确认基本统计量描述性统计,描述性统计（Descriptive Statistics）可提供多种图表和数据的平均值及标准差，偏度，峰度，置信区间，正态分布等信息，帮助我们确认基本统计量。,统计 基本统计量 显示描述性统计,要养成首先做出基本统计量的习惯,下

7、面得到的数据，是某生产厂家统计的两个月材料采购计划时间和实际交货时间的差值。 数据的收集来源： - 该生产厂家2大类产品的物料； - 记录两大类产品材料采购订单的执行情况(60个订单）。,用Minitab分析一下该生产厂家A类产品材料采购订单的基本统计值（打开数据文件: A01采购订单.MTW）,举 例,描述性统计,统计 基本统计量 显示描述性统计,选择图形不仅可以查看基本统计量,还可以看出全体分布的柱状图,输出结果分析:,标准差(StDev):,四分之一分位数: 把数据从小到大排列时,分位数为25%； 四分之三分位数: 把数据从小到大排列时, 分位数为75%； Trimmed Mean: 把

8、数据的上下分位各去掉5%后求平均。,标准误差 (SE Mean ):,描述性统计,描述性统计: A类产品差值 平均值 下四分 上四分 变量 N N* 平均值 标准误 标准差 最小值 位数 中位数 位数 A类产品差值 30 0 1.40 1.84 10.06 -18.00 -6.00 4.00 6.00 变量 最大值 A类产品差值 30.00,输出图表分析:,描述性统计,统计 基本 图形化汇总,图形结果汇总,点击,输出图表分析:,图形结果汇总,点图Dot plot,通过对A01采购订单例子的分析，做出A类产品材料采购订单的分布图，利用Dot Plot对订单时间的变动进行分析,对数据的平均、波动、

9、倾向、分布都很容易看出来 利用变量功能的话，集团之间的变动也容易区分出来,图形 点图,通过点图可以看出大部分订单的时间差值集中在-68天左右，最低为-18，最高为30，波动较大。有几个订单相对异常，需分析原因。,输出图表:,通过点图,可以看出过程中异常状态的数据.,点图Dot plot,异常点 这几单发生了什么事情？,图形 点图,箱线图Box plot,通过对A01采购订单例子的分析,做出来A类产品材料采购订单的分布图,利用 Box Plot对订单执行情况的变动进行分析,对数据的中位数、波动、倾向都很容易看出来 利用变量功能的话，集团之间的变动也容易区分出来,图形 箱线图,箱线图Box plo

10、t,图形 箱线图,点击,点击,箱线图Box plot,通过 Box plot可以看出： 50%的订单集中在基本集中在-6和6之间左右 出现了异常点,Box plot的数据数量在10以下时很容易失去有效性！,箱线图的理解,注：箱子的高度内四分位极差 IQR Inter Quartile Range Q3-Q1,数据由小到大排列,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A01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。,Histo

11、gram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

12、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：A01-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

13、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A01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-Mult

14、iple 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A01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

15、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:A02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:A02费用.M

16、TW利用饼图进行分析,图形 饼图,饼图Pie chart,图形 饼图,点击,点击,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Multiple Dot plot可以确认各数据间分布展开的程度及异常点 通过Pareto chart把少数核心问题用图表更容易地表现出来 通过Pie chart可以确认该项目在全体中所占的构成比,请用的数据做以下分析,1.不同型号的加工尺寸有什么区别？ 2.不同操作员的加工尺寸有什么区别？ 数据文件：

17、A加工尺寸.mtw 3.不同型号的缺陷构成如何？ 4.不同缺陷类型的缺陷构成如何？ 数据文件：A产品缺陷.mtw,练习二,两个变量间关系,利用一些时间看一下MINITAB 提供的图表有哪些技能,在许多情况下当两个因素或一个因素与Y有密切关系时，把它们作成一个图表，更容易知道问题点的所在 另外，随着时间有什么变化(周期或倾向)，可以推测其产生问题的原因,相关分析,目的:分析输入变量(X)之间或者输入变量(X)和输出变量(Y)之间的相关关系，为我们深入分析它们之间的函数关系奠定了基础。 我们想知道以下问题 例如:1.广告费用和销售额之间有什么关系？ 2.用户的消费与其收入、年龄有什么关系 . 通过

18、相关分析我们就可以解决以上问题。,相关关系,相关关系可以用数据来看出两个变量(Y与X,或两个X)间紧密程度如何。两者之间关系的强度通过相关系数(r)计数化,r值,r 接近 -1,r 接近 +1,(+) 正的相关关系 () 负的相关关系 接近0时几乎没有相关关系,相关性的分类,相关关系图示,相关性的判断原则跟样本容量有很大的关系 如果样本容量大于9，相关系数达到0.7时，我们就认为两个变量之间确实存在相关性； 如果样本容量大于15，相关系数达到0.5时，我们就认为两个变量之间确实存在相关性； 如果样本容量大于25，相关系数达到0.4时，我们就认为两个变量之间确实存在相关性。,相关性的判断基准,事

19、例分析,利用A03销售能力分析销售人员销售额与其销售经验等因素之间的关系,统计 基础统计量 相关,相关的滥用与误用,即使证明Y与X间具有相关关系，也并不意味着Y的变动一定是X的变动引起的，即两个变量间有相关关系并不意味着必然有因果关系,可能存在引起X与Y同时变动的第3个隐藏变量。要想真正了解变量之间的因果关系，有必要进行试验设计分析。 相关分析主要考察两个变量之间是否存在线性的相关关系。相关系数接近“0”表示两个变量间直线关系弱，并不意味着两个变量间没有关系。,散点图Scatter plot,利用A03销售能力画出散点图，以便直观判断销售经验与销售额之间的关系,主要用于评价两因素间的相互关系，

20、在视觉上判断因素之间的关系 两因素的数据分布的密集度及相关性,图形 散点图,散点图Scatter plot,图形 散点图,点击,点击,从视觉上可以看出，销售额与销售经验之间有较密切的正相关关系，即销售经验越多，其销售额越高。,散点图Scatter plot,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A03销售能力对销售额与资历的关系进行图表分析,边际图Marginal plot,图形 边际图,点击,点击,确认销售额与资历的关系，在这个图上即可以看出两因素间的关系，也可以了解单个变量的分布。,边际图M

21、arginal plot,运用边际图在散点图里画出直方图,矩阵图Matrix plot,应用于比较多个因素间的相互关系 与Scatter Plot相比较更适用于多个因素一起比较,利用A03销售能力例子对资历、年龄、受教育程度、销售经验之间的关系进行Matrix plot分析,图形 矩阵图,矩阵图Matrix plot,图形 矩阵图,点击,点击,利用矩阵图可以在图表里看出全部因素间的关系,销售经验、资历与消费之间均有很强的相关关系，而受教育程度和年龄则与销售额之间没有显著的相关关系,矩阵图Matrix plot,时间序列图Time Series plot,随时间的变化对观测值进行推测及排列，主要

22、使用Time series plot进行分析,图形 时间序列图,时间序列图分析是对未来数据的倾向或周期的一种分析方法,受时间影响的数据叫Time Series数据，先画出图表，掌握大概的Time Series数据形态后，对受时间变化影响较大的数据进行分析,收集Time Series资料,设定统计模型,未来成果,时间序列数据的形态,时间序列数据的各种类型,利用Minitab 图表分析方法(时间序列数据分析)对以上数据进行趋势分析,打开数据文件: A04销售额.MTW,事例分析,某区域经理为了了解某一个销售网点每月销售额的变化情况，每月收集了该网点销售额的数据，希望从中找出变化的规律。 为此收集了

23、2005年112月的数据，通过时间序列图来了解销售额的变化情况。,时间序列图Time Series plot,图形 时间序列图,点击,点击,利用时间序列图进行分析,很容易确认长期的趋势,指标呈稳定的趋势，但5月份和10月份的突变值得研究？,时间序列图,两因素间关系及时间序列图分析,到目前为止通过图表分析可以从视觉上判断因素间的关系是怎样的 通过Scatter plot分析因素间的相关关系； 通过Marginal plot可同时分析因素之间的关系及分布； 通过Matrix plot可同时分析多个因素间关系； 通过Time series plot可分析某因素随时间变化的倾向。,A03客户消费，利用 Scatter plot分析消费与客户收入之间的关系； A03客户消费，利用Marginal Plot分析消费与用户收入之间的关系； A03客户消费，利用Matrix plot分析消费与年龄及收入之间的关系； A04销售额，利用Time series plot分析B区域和C区域销售额随时间变化的倾向。,给大家20分钟练习时间，把刚才讲的例子重新操作一遍！,练习三,注意要点,收集数据画图表 应用哪个图表分析工具 可能的话使用全部工具； 然后选择最能说明问题的