数据分析教程1

《数据分析教程1》由会员分享，可在线阅读，更多相关《数据分析教程1（69页珍藏版）》请在金锄头文库上搜索。

1、2018/10/15,数据分析课程,1,南晟德管理顾问公司主讲：杨栋,数据分析课程,2018/10/15,数据分析课程,2,课程介绍,了解ISO9000：2000对数据分析的要求 了解数据的分类及相关术语 主要掌握数据分析的方法（QC七手法） 介绍ISO9000涉及的常用统计方法,2018/10/15,数据分析课程,3,ISO9001：2000对数据分析的要求,8.4数据分析组织应确定、收集和分析适当数据，以证实质量管理体系的适宜性和有效性，并评价在何处可以进行质量管理体系的持续改进。这应包括来自监视和测量的结果以及其他有关来源的数据。数据分析，应提供以下方面的信息：a）客户满意；（见8.2.

2、1）b）与产品要求的符合性；(见7.2.1)c）过程和产品的特性及趋势,包括采取预防措施的机会；（涉及条款8.2.3/8.2.4/8.5.3)d）供方。(涉及条款7.4) 其它相关条款：5.4.1质量目标 8.2.2内部审核等,2018/10/15,数据分析课程,4,数据的分类,数字数据 计量值数据：可连续取值的数据（如长度、电流等描述质量特性的数据） 计数值数据：只能间断取值的数据（如件数、缺陷数等数据），由此计算所得的如合格率也属于计数值数据，所以计数值数据又可分为：,2018/10/15,数据分析课程,5,相关术语,记录：阐明所取得的结果或提供所完成活动的证据的文件。 客观证据：支持事物

3、存在或其真实性的数据。 信息：有意义的数据。数据信息 相当 材料成品 只有数据经过加工处理成可利用的有效信息，数据才体现价值。,2018/10/15,数据分析课程,6,七工具的概述,1.1品质管制演变及七工具的出现古代：（石器-品管先端、古埃及坟墓上浮雕图像 约1450B.C) 近代： (1787-完全相同产品、1840单侧规格、1870-双侧规格、不合格概念、检验实务与随机抽样的应用） 1900年前：操作者的品质管制 1900：领班的品质管制 (品质是检查出来的) 1920：检验员的品质管制 1940：统计品质管制 (品质是制造出来的) 1950：品质保证 (品质是设计出来的) 1960：全

4、面品质保证/TQC (品质是习惯出来的、QCC、QIT) 1980：全面品质管制/TQM (品质是经营管理出来的、顾客导向、 方针、目标管理、流程管理、PQCDSM)在上述第六阶段的进化过程中,就产生了大量的(非全部)统计手法及品质管制手法,QC七工具也就相继产生(1897年产生柏拉图),2018/10/15,数据分析课程,7,七工具的概述,2018/10/15,数据分析课程,8,七工具的概述 七工具使用情形简析,2018/10/15,数据分析课程,9,2 检查表,2.1 定义 使用简单明了的表格或图形,相关人员填入规定之检查记录,再加以统计,提供量化分析或对比检查用途的表格或图形 2.2示例

5、：某五金零件不良检查表（见下页）内部质量审核检查表,某五金零件不良检查表,2018/10/15,数据分析课程,11,2 检查表,2.3 分类 点检用检查表(5S活动检查表、内审检查表）记录用检查表（不良项目检查表）2. 4 制作及记载时注意事项 5W1H原则（目的、对象、何人、何时、何处、方法） 格式（图形或表格）及记录方法（正、） 结果之整理：合计、平均、统计分析 传递途径：谁需要了解？要报告给谁）,2018/10/15,数据分析课程,12,2 检查表,2.5制作方法 列出需点检之项目或需要收集的数据 决定检查表的格式(注意项目顺序及层别) 决定记录的方式 决定检查的方法(谁检查、多久检查、

6、检查方法） 按上述各项绘制检查表,2018/10/15,数据分析课程,13,2 检查表,26 应用时注意事项数据之收集应注意样本取得之随机性与代表性 事实现物的观察要细心、客观，数据要准确 尽快将结果呈报您要报告的人，使相关人员也知道 检查完成后，可利用柏拉图加以整理，以便掌握问题重点,2018/10/15,数据分析课程,14,3 柏拉图,3.1定义 根据所搜集的数据,按不良原因,不良状况,不良项目等不同区分标准加以整理、分类、藉以寻求占最大比率之原因、状况或位置。按其大小顺序排列，再加以累积值的图形，又叫ABC图，亦称重点图或排列图有人又叫“8020”图,2018/10/15,数据分析课程,

7、15,3 柏拉图,3.2制作步骤及方法 决定数据的分类项目，如不良项目别、材料别、方式别、人、设备别，项目以不超过4-6项为原则 决定数据搜集的期间（一天、一月等）并按分类的项目，在期间内收集数据 依分类项目别，做数据整理，并作成统计表（数据按大小顺序排列，并求出不良率及累计影响度，其它项不可大于前三项，不然应再细分）。 记入图表中并依数据大小排列画出柱状图（纵轴左侧表示不良率，右侧表示累计影响度，横轴不宜长于纵轴，纵横轴之间距均应一致）。 柏拉图应用指引.doc,2018/10/15,数据分析课程,16,3 柏拉图 3.3示例,2018/10/15,数据分析课程,17,3 柏拉图,3.3柏拉

8、图的用途 不要企图“一口吃成大胖子” 把握重要要因或问题重点的有效工具以收事半功倍效果。 了解各项目对问题的影响度占百分比。 可明确重点改善项目是什么，大小顺序的内容是什么， 占大多数的项目又是什么。 订定改善目标的参考。 可发掘现场之重要问题点。,2018/10/15,数据分析课程,18,3 柏拉图,3.4案例 某印刷厂五月份报废统计如下：（单位：公斤） 起线：220 材料不良：78 大小边：67 走位：40 尺寸超差：55 贴合不良：30 贴反：10 请制作柏拉图，并列出主要改善的不良点,2018/10/15,数据分析课程,19,3 柏拉图,3.5应用注意事项 横轴依大小顺序柏拉，其他项最

9、末位。 横轴各柱形距离要相同。 纵轴的最高尺度含盖合计数且隔距应一致。 累积折线依正确画法。 柏拉图需标示累积百分比。 勿将两个以上角度混杂一起分类。 一般把欲优先解决之项目标示出(累积百分比占7080%之项目)。 柏拉图A项若难采取措施，则从B项开始，顺位虽低，但易改善，亦可采取措施。,2018/10/15,数据分析课程,20,4.鱼骨图,4.1定义 将结果(特性)与原因(要因)之间的关系及原因影响结果的情形表示出来的图形,因其形状象鱼骨,故又称特性要因图,亦称石川图.,2018/10/15,数据分析课程,21,4.鱼骨图,4.2制作步骤及方法 决定特性(品质、成本等）并将其写在右边，再自左

10、划上粗横线，在现场划时可用色笔划在一大张白纸上。 列出大要因（可依4M1E来分类）并用圈起来，加箭头，以60的倾斜度插到粗横线上。 各要因分别再记入中小要因（细分至能采取措施之小要因，没有小骨的鱼骨图是不行的） 根据过去之数据资料或投票方式圈4-6项重要要因。,2018/10/15,数据分析课程,22,4.鱼骨图,4.3示例,特性,中原因,小原因,大原因,中原因,细小原因,2018/10/15,数据分析课程,23,4.特性要因图,4.4制图之注意事项 集合全员之知识与经验(召集现场主管,技术人员、前后制程人员等，以自由，无拘束的方式发言，依脑力激荡法之原则进行 应用5W1H及4M1E法，把重点

11、放在解诀问题上。 将计量之要因（温度、速度、压力）与计数之要因（机械别、人别）分开；使管理责任明确，依部门别分类，按特性别，绘制各别的特性要因图 要因依其重要度不同，加上相应颜色表示，如红色，红色愈多表示愈重要,2018/10/15,数据分析课程,24,4.特性要因图,4.5案例 以近期出现的一单客户投诉做分析,2018/10/15,数据分析课程,25,5.散布图,5.1定义将两种相对应的数据先划好纵横尺度,点绘其测定值而得之图.,2018/10/15,数据分析课程,26,5.散布图,5.2制作方法 搜集50-100组两相关数据整理在数据表上. 在横轴及纵轴标上尺度(横轴愈向右其什愈大,纵轴愈

12、向上其值愈大) 肥数据点到期坐标上(二点重复时,画上二重圆号,三点重复时,画上三重圆号.,2018/10/15,数据分析课程,27,5.散布图,5.3散布图类型 具强烈的正相关关系 具微弱的正相关关系 具无相关 具强烈负相关关系 具微弱负相关关系 具曲线相关关系,2018/10/15,数据分析课程,28,5.散布图 5.1案例 据以下数据绘制一散布图,并确认其是否相关 X=强度 Y=膜厚,2018/10/15,数据分析课程,29,案例：,调查30名员工，食堂伙食对生产量之间的关系。 调查10000名深圳特区打工者，分析年龄与收入的关系。,请划出体重与身高之间的散布图,2018/10/15,数据

13、分析课程,31,定义： 直方图是将所收集的测定值、特 性值或结果值，分为几个相等的区间作为横轴，并将各区间内所测定值依所出现的次数累积而成的面积，用柱子排起来的图形。,6.直 方 图,2018/10/15,数据分析课程,32,能达成的目标,了解过程输出的变异情况，显示数据波动的形态（分布状况）； 了解过程能力； 决定在何处集中力量进行改进。,2018/10/15,数据分析课程,33,案例：,以下是A公司一个月以来开足工每天生产的产品数量（单位：K）：20、22、24、26、28、30、28、24、30、34、36、21、25、27、24、26、31、28、26、27、 24、26、28、30

14、、21、25、27 、26、28、30。 业务员拿一张订单找到您，客户订货60K，2天要求交货，如不交则每天扣款5%，请问接还是不接。,2018/10/15,数据分析课程,34,制作步骤（1）,收据数据 定组数（N） 找出最大值（L）、最小值（S）、并计算全距（R），R=L-S 定组距（C）=R/N 定组界 最小一组的下组界T11=S-测量值的最小位数*0.5 最小一组的上组界T12=T11+C 第二组的下组界 T21= T12，以此类推,2018/10/15,数据分析课程,35,制作步骤（2）,决定每组的中心点=（上组界+下组界）/2 制作次数分布表 制作直方图 填上次数、规格、平均数 计算

15、平均数算数平均数 (X) 计算标准差 () 计算样本标准差 (s) 观察,2018/10/15,数据分析课程,36,组数对照表,2018/10/15,数据分析课程,37,案例,138,131,140,145,135,137,例：某厂之成品尺寸规格为130至160mm，今按随机抽样方式抽取60个当样本，其测定值如附表，试制作直方图。,138,131,140,145,135,137,135,137,140,145,131,138,2018/10/15,数据分析课程,38,直方图,120.5,124.5,128.5,132.5,136.5,140.5,144.5,148.5,20,SL=130,Su=160,15,10,5,n=60 X=135.8 =4.87 s= n-1=4.91,2018/10/15,数据分析课程,39,可能出现的图形,正常型 说明：中间高，两边低，有集中趋势。 结论：左右对称分配(常态分配)，显示制程在正常运转下。,2018/10/15,数据分析课程,40,缺齿型 (凹凸不平型),说明：高低不一，有缺齿情形。不正常分配，系因测定值或换算方法有偏差，次数分配不妥当所形成。 结论：稽查员对测定值有偏好现象，如对5,10之数字偏好； 或是假造数据。测量仪器不精密或组数的宽度不是倍数时，亦会有此情况。,