gba2 data收集計(jì)劃ppt課件

1、DATA搜集方案 MeasureDefineAnalyzeImproveControl方法論 Analyze 概要 DATA搜集方案 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搜集方案 學(xué)習(xí)目的了解DATA搜集方案的概念 了解DATA搜集方法及步驟了解抽樣(Sample)方法DATA搜集方案 目的 為了確認(rèn)CTQ，從VOC搜集方案開(kāi)場(chǎng)、 MSA 、一次作成工程才干分析,在A階段里為了確認(rèn)輸出變量Y和輸入變量X的關(guān)系而作成. 適用能夠的工具 DATA搜集方案 抽樣方法DATA搜集方案對(duì)情報(bào)的需求分析DATA提問(wèn)結(jié)果導(dǎo)出DATA搜集方案回答的提問(wèn)是什么

2、? 怎樣找出對(duì)提問(wèn)的答案以及怎樣表現(xiàn)? 運(yùn)用什么樣的DATA分析工具?運(yùn)用這些工具來(lái)回答,需求什么種類(lèi)的DATA? 這個(gè)DATA在什么樣的Process中可以得到?能給這個(gè)DATA的人是誰(shuí)? 以最小的努力減少好幾個(gè)能夠性,如何搜集資料?DATA搜集方法 1. 構(gòu)成好的提問(wèn) 2. 選定確切的DATA分析技法 3. 決議測(cè)定方法 4. 定義DATA搜集Point 5. 選定沒(méi)有偏向的DATA搜集員,確認(rèn)他們的興趣 后教育 6. 利用DATA搜集款式方案和檢定 7. 檢討DATA搜集過(guò)程,并確認(rèn)其結(jié)果 第一階段 : 構(gòu)成好的提問(wèn) 構(gòu)成正確的提問(wèn)是中心,勝利數(shù)據(jù)搜集的第一階段。 - 為得到好情報(bào)的提問(wèn)

3、應(yīng)該是焦點(diǎn)明確而詳細(xì). - 明確顯示我們找的情報(bào),給予用那情報(bào)和結(jié)果執(zhí)行什么 的信任,讓他人協(xié)助我們就很容易.DATA搜集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不適宜,只能重新搜集DATA. - 更糟的時(shí)候,面對(duì)根據(jù)不充分的DATA決議意見(jiàn)的困難. - 搜集DATA前,一但沉思熟慮幾分種就可以防止這種困難.樣品抽出是如下的Process. 搜集可用DATA的一部分. 運(yùn)用樣品DATA導(dǎo)出結(jié)論. 對(duì)母集團(tuán)信譽(yù)卡帳戶(hù)的 書(shū)面調(diào)查件數(shù)(N=5,000)平均處理時(shí)間 (m)?樣品n=100 恣意選擇的調(diào)查件數(shù)平均處理時(shí)間 (X) = 1.2 日統(tǒng)計(jì)性推論

4、 第三階段: 決議測(cè)定方法 - 母集團(tuán)或樣品DATA搜集Process 要搜集一切的DATA因時(shí)間太長(zhǎng)而會(huì)發(fā)生DATA搜集上的失誤. 抽出母集團(tuán)中一部分樣品,以少的費(fèi)用得出更好的結(jié)果.抽樣 好的樣品應(yīng)具備的條件沒(méi)有偏向代表性Random性 - 抽樣是運(yùn)用少量的DATA也能得到好的答案. - 樣品對(duì)得出母集團(tuán)及 Process的情報(bào)有協(xié)助. - 能代表研討對(duì)象的母集團(tuán)或Process選擇樣品. - 現(xiàn)實(shí)性問(wèn)題重要. (費(fèi)用, 資源等) 抽樣簡(jiǎn)要有偏向(Bias)的抽樣 偏向的種類(lèi): 排除: 調(diào)查中的Process范圍的一部分被排除. 認(rèn)知: DATA搜集要員的態(tài)度和信心會(huì)影響他們所看的看法和記錄

5、. 交互作用: DATA搜集過(guò)程本身會(huì)影響研討對(duì)象Process. 運(yùn)用上: 不按規(guī)范步驟的情況就是最常見(jiàn)的運(yùn)用上的偏向. 無(wú)應(yīng)對(duì): 缺測(cè)DATA會(huì)產(chǎn)生偏向的結(jié)果，DATA漏掉的現(xiàn)實(shí)是暗示 與其它DATA以任何方式都不同的線(xiàn)索. 推定: 統(tǒng)計(jì)處置搜集的DATA時(shí)運(yùn)用的公式及方法, 能夠與特定種類(lèi)的偏向有關(guān)聯(lián).抽樣信任區(qū)間經(jīng)過(guò)測(cè)定對(duì)全部5,000件不滿(mǎn)事項(xiàng)的處理時(shí)間,算出“真正的平均處理時(shí)間.母集團(tuán)信譽(yù)卡關(guān)聯(lián) 顧客的不滿(mǎn)事項(xiàng)接納 (N=5,000)樣品n=100 恣意選擇的不滿(mǎn)事項(xiàng)例: 對(duì)顧客不滿(mǎn)事項(xiàng)的平均處理時(shí)間?取代表樣品，可以推定平均處理時(shí)間.或者實(shí)踐母集團(tuán)的平均和從樣品推定的平均值之間有

6、差嗎?信任區(qū)間意味著, 知母數(shù)真值的區(qū)間推定區(qū)間.母集團(tuán)“真 平均N=5,000從母集團(tuán)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(tuán)的“真平均值和從樣品推定的平均值之間有差別.抽樣信任區(qū)間單純恣意抽樣: 構(gòu)成母集團(tuán)的各個(gè)因子被選樣品的概率是一樣. 2. 層別恣意抽樣: 把母集團(tuán)區(qū)分幾個(gè)同質(zhì)的層后,在各層按單純 恣意抽樣抽出樣品.3. 群別恣意抽樣: 把母集團(tuán)分為多數(shù)集團(tuán)后, 對(duì)按抽樣單位選擇的群體進(jìn)展全數(shù)調(diào)查. 4. 系統(tǒng)恣意抽樣: 時(shí)間上或空間上隔一定間隔抽出樣品. 抽樣方法母集團(tuán)XXXXXOXXXXXXOXXXXOXXXXOXXXXXXXXXX

7、XXXOXXXOOOOO樣品闡明各單位(“O)被包括樣品的概率一樣.單純恣意抽樣層別恣意抽樣LMMMMSS層單位大中小LLLLLMMMMMMMMMMMMSSSSSSSSSS層別的范疇或Group 內(nèi)的恣意樣品. 各Group的樣品大小 普通和其Group的相對(duì) 大小成比例.母集團(tuán)樣品闡明其它抽樣方法 不符合統(tǒng)計(jì)學(xué)的原那么,但經(jīng)常運(yùn)用的慣例 固定百分率抽樣 : 與“經(jīng)常取10%樣品同樣的 “大約判別法 。 結(jié)果為小的母集團(tuán)總是選擇太小的樣品，大的母集團(tuán) 總是選擇太大的樣品。 判別抽樣 : 讓DATA搜集要員憑本人的判別選定X 個(gè) “代表性 樣品，就能拿到不偏向的樣品。 塊抽樣 僅憑工程便利集合的

8、理由來(lái)選定樣品，其結(jié)果會(huì)產(chǎn)生樣品的 偏向和非代表性。 舉個(gè)例子如下： “從v文件抽出D姓人們的訂購(gòu)記錄。 DATA搜集Process 第4階段 : 定義DATA搜集Point 理想的想法，我們要在盡能夠不防礙Process作業(yè)工序的范圍內(nèi) 搜集一切的DATA?？蛇@比料想不容易。 第5階段: 選定沒(méi)有偏向的DATA搜集員, 確認(rèn)他們的興趣,并教育. 誰(shuí)來(lái)搜集DATA,這個(gè)問(wèn)題很重要. DATA搜集員應(yīng)該是最容易,最快地接近相關(guān)現(xiàn)實(shí)的人. 例) 1920年代和1930年代: “Hawthorne 實(shí)驗(yàn) - 勞動(dòng)消費(fèi)性和工廠(chǎng)內(nèi)照明的關(guān)系分析 第6階段 : 設(shè)計(jì)DATA的搜集款式和指南后進(jìn)展Test.

9、 DATA的記錄應(yīng)容易做. KISS 原那么 (Keep It Simple, Stupid) 款式是從DATA的記錄或解釋中不會(huì)有失誤的能夠性而設(shè)計(jì). 款式應(yīng)包括未來(lái)的分析、參照及為了再確認(rèn)的追加情報(bào). 款式應(yīng)最大限制明確. Check Sheet或Data Sheet應(yīng)顯示有專(zhuān)業(yè)性. 用手制造,線(xiàn)不規(guī)那么,字寫(xiě)的亂, 還有假設(shè)給人不仔細(xì)作成的覺(jué)得, 那么容易讓搜集Data的人不留意. DATA搜集Process 第6階段 : 設(shè)計(jì)DATA的搜集款式和指南, 必需進(jìn)展Test 方案很仔細(xì),但是在DATA搜集過(guò)程中仍有能夠發(fā)生料想不到的問(wèn)題. 最常出現(xiàn)的問(wèn)題如下.對(duì)如何作成 DATA搜集款式的錯(cuò)誤了解而引起的失誤.設(shè)計(jì)款式的人沒(méi)了解與Process相關(guān)的一切變量, 發(fā)現(xiàn)搜集 追加情報(bào)的必要性.問(wèn)題發(fā)生的情況下,很難輸入DATA,所以搜集不完全的DATA.把DATA記錄在款式的人,怕收錄情報(bào)對(duì)他們有壞的影響而猶疑, 因此產(chǎn)生的不完全或有偏向的DATA.DATA搜集Process 第7階段: 檢討DATA搜集過(guò)程, 確認(rèn)其結(jié)果. 檢討完成