六西格瑪培訓(xùn)資料-分析 gba-2 data收集計劃

1、DATA收集計劃 MeasureDefineAnalyzeImproveControl方法論 Analyze 概要 DATA收集計劃 Graph分析 假設(shè)檢定概要 平均的檢定 分散的檢定 比率的檢定 相關(guān)及回歸分析DATA收集計劃 學(xué)習(xí)目標理解DATA收集計劃的概念 理解DATA收集方法及步驟理解抽樣(Sample)方法DATA收集計劃 目的 為了確認CTQ，從VOC收集計劃開始、 MSA 、一次作成工程能力分析,在A階段里為了確認輸出變量Y和輸入變量X的關(guān)系而作成. 適用可能的工具 DATA收集計劃 抽樣方法DATA收集計劃對情報的需求分析DATA提問結(jié)果導(dǎo)出DATA收集計劃回答的提問是什么

2、? 怎么找出對提問的答案以及怎么表現(xiàn)? 使用什么樣的DATA分析工具?使用這些工具來回答,需要什么種類的DATA? 這個DATA在什么樣的Process中可以得到?能給這個DATA的人是誰? 以最小的努力減少好幾個可能性,如何收集資料?DATA收集方法 1. 構(gòu)成好的提問 2. 選定確切的DATA分析技法 3. 決定測定方法 4. 定義DATA收集Point 5. 選定沒有偏向的DATA收集員,確認他們的興趣 后教育 6. 利用DATA收集樣式計劃和檢定 7. 檢討DATA收集過程,并確認其結(jié)果 第一階段 : 構(gòu)成好的提問 構(gòu)成正確的提問是核心,成功數(shù)據(jù)收集的第一階段。 - 為得到好情報的提問

3、應(yīng)該是焦點明確而具體. - 明確顯示我們找的情報,給予用那情報和結(jié)果執(zhí)行什么 的信賴,讓別人幫助我們就很容易.DATA收集Process 第二階段: 選定確切的DATA分析記法 - 很不幸在很多情況因DATA不適合,只能重新收集DATA. - 更糟的時候,面對根據(jù)不充分的DATA決定意見的困難. - 收集DATA前,一但深思熟慮幾分種就可以避免這種困難.樣品抽出是如下的Process. 收集可用DATA的一部分. 使用樣品DATA導(dǎo)出結(jié)論. 對母集團信用卡帳戶的 書面調(diào)查件數(shù)(N=5,000)平均解決時間 (m)?樣品n=100 任意選擇的調(diào)查件數(shù)平均解決時間 (X) = 1.2 日統(tǒng)計性推論

4、 第三階段: 決定測定方法 - 母集團或樣品DATA收集Process 要收集所有的DATA因時間太長而會發(fā)生DATA收集上的失誤. 抽出母集團中一部分樣品,以少的費用得出更好的結(jié)果.抽樣 好的樣品應(yīng)具備的條件沒有偏向代表性Random性 - 抽樣是使用少量的DATA也能得到好的答案. - 樣品對得出母集團及 Process的情報有幫助. - 能代表研究對象的母集團或Process選擇樣品. - 現(xiàn)實性問題重要. (費用, 資源等) 抽樣簡要有偏向(Bias)的抽樣 偏向的種類: 排除: 調(diào)查中的Process范圍的一部分被排除. 認知: DATA收集要員的態(tài)度和信念會影響他們所看的看法和記錄

5、. 交互作用: DATA收集過程本身會影響研究對象Process. 運用上: 不按標準步驟的情況就是最常見的運用上的偏向. 無應(yīng)答: 缺測DATA會產(chǎn)生偏向的結(jié)果，DATA漏掉的事實是暗示 與其它DATA以任何方式都不同的線索. 推定: 統(tǒng)計處理收集的DATA時使用的公式及方法, 可能與特定種類的偏向有關(guān)聯(lián).抽樣信賴區(qū)間通過測定對全部5,000件不滿事項的解決時間,算出“真正的”平均解決時間.母集團信用卡關(guān)聯(lián) 顧客的不滿事項接收 (N=5,000)樣品n=100 任意選擇的不滿事項例: 對顧客不滿事項的平均解決時間?取代表樣品，可以推定平均解決時間.或者實際母集團的平均和從樣品推定的平均值之間

6、有差嗎?信賴區(qū)間意味著, 知母數(shù)真值的區(qū)間推定區(qū)間.母集團“真” 平均N=5,000從母集團抽出的樣品 (樣品的大小 n=100)樣品 1的平均樣品 2的平均 樣品 K的平均 母集團的“真”平均值和從樣品推定的平均值之間有差異.抽樣信賴區(qū)間單純?nèi)我獬闃? 構(gòu)成母集團的各個因子被選樣品的概率是一樣. 2. 層別任意抽樣: 把母集團區(qū)分幾個同質(zhì)的層后,在各層按單純 任意抽樣抽出樣品.3. 群別任意抽樣: 把母集團分為多數(shù)集團后, 對按抽樣單位選擇的群體進行全數(shù)調(diào)查. 4. 系統(tǒng)任意抽樣: 時間上或空間上隔一定間隔抽出樣品. 抽樣方法母集團XXXXXOXXXXXXOXXXXOXXXXOXXXXXXX

7、XXXXXXOXXXOOOOO樣品說明各單位(“O”)被包括樣品的概率相同.單純?nèi)我獬闃訉觿e任意抽樣LMMMMSS層單位大中小LLLLLMMMMMMMMMMMMSSSSSSSSSS層別的范疇或Group 內(nèi)的任意樣品. 各Group的樣品大小 一般和其Group的相對 大小成比例.母集團樣品說明其它抽樣方法 不符合統(tǒng)計學(xué)的原則,但經(jīng)常使用的慣例 固定百分率抽樣 : 與“經(jīng)常取10%樣品”同樣的 “大概判斷法” 。 結(jié)果為小的母集團總是選擇太小的樣品，大的母集團 總是選擇太大的樣品。 判斷抽樣 : 讓DATA收集要員憑自己的判斷選定X 個 “代表性” 樣品，就能拿到不偏向的樣品。 塊抽樣 僅憑項

8、目便利集合的理由來選定樣品，其結(jié)果會產(chǎn)生樣品的 偏向和非代表性。 舉個例子如下： “從v文件抽出D姓人們的訂購記錄?！?DATA收集Process 第4階段 : 定義DATA收集Point 理想的想法，我們要在盡可能不防礙Process作業(yè)工序的范圍內(nèi) 收集所有的DATA?？蛇@比預(yù)想不容易。 第5階段: 選定沒有偏向的DATA收集員, 確認他們的興趣,并教育. 誰來收集DATA,這個問題很重要. DATA收集員應(yīng)該是最容易,最快地接近相關(guān)事實的人. 例) 1920年代和1930年代: “Hawthorne 實驗” - 勞動生產(chǎn)性和工廠內(nèi)照明的關(guān)系分析 第6階段 : 設(shè)計DATA的收集樣式和指南

9、后進行Test. DATA的記錄應(yīng)容易做. KISS 原則 (Keep It Simple, Stupid) 樣式是從DATA的記錄或解釋中不會有失誤的可能性而設(shè)計. 樣式應(yīng)包括未來的分析、參照及為了再確認的追加情報. 樣式應(yīng)最大限度明確. Check Sheet或Data Sheet應(yīng)顯示有專業(yè)性. 用手制作,線不規(guī)則,字寫的亂, 還有如果給人不認真作成的感覺, 那么容易讓收集Data的人不注意. DATA收集Process 第6階段 : 設(shè)計DATA的收集樣式和指南, 必須進行Test 計劃很認真,但是在DATA收集過程中仍有可能發(fā)生預(yù)想不到的問題. 最常出現(xiàn)的問題如下.對如何作成 DATA收集樣式的錯誤理解而引起的失誤.設(shè)計樣式的人沒理解與Process相關(guān)的所有變量, 發(fā)現(xiàn)收集 追加情報的必要性.問題發(fā)生的狀況下,很難輸入DATA,所以收集不完全的DATA.把DATA記錄在樣式的人,怕收錄情報對他們有壞的影響而猶豫, 因此產(chǎn)生的不完全或有偏向的DATA.DATA收集Process 第7階段: 檢討DATA收集過程, 確認其結(jié)果. 檢討完成