gba2 data收集计划ppt课件

1、DATA搜集方案 MeasureDefineAnalyzeImproveControl方法论 Analyze 概要 DATA搜集方案 Graph分析 假设检定概要 平均的检定 分散的检定 比率的检定 相关及回归分析DATA搜集方案 学习目的了解DATA搜集方案的概念 了解DATA搜集方法及步骤了解抽样(Sample)方法DATA搜集方案 目的 为了确认CTQ，从VOC搜集方案开场、 MSA 、一次作成工程才干分析,在A阶段里为了确认输出变量Y和输入变量X的关系而作成. 适用能够的工具 DATA搜集方案 抽样方法DATA搜集方案对情报的需求分析DATA提问结果导出DATA搜集方案回答的提问是什么

2、? 怎样找出对提问的答案以及怎样表现? 运用什么样的DATA分析工具?运用这些工具来回答,需求什么种类的DATA? 这个DATA在什么样的Process中可以得到?能给这个DATA的人是谁? 以最小的努力减少好几个能够性,如何搜集资料?DATA搜集方法 1. 构成好的提问 2. 选定确切的DATA分析技法 3. 决议测定方法 4. 定义DATA搜集Point 5. 选定没有偏向的DATA搜集员,确认他们的兴趣 后教育 6. 利用DATA搜集款式方案和检定 7. 检讨DATA搜集过程,并确认其结果 第一阶段 : 构成好的提问 构成正确的提问是中心,胜利数据搜集的第一阶段。 - 为得到好情报的提问

3、应该是焦点明确而详细. - 明确显示我们找的情报,给予用那情报和结果执行什么 的信任,让他人协助我们就很容易.DATA搜集Process 第二阶段: 选定确切的DATA分析记法 - 很不幸在很多情况因DATA不适宜,只能重新搜集DATA. - 更糟的时候,面对根据不充分的DATA决议意见的困难. - 搜集DATA前,一但沉思熟虑几分种就可以防止这种困难.样品抽出是如下的Process. 搜集可用DATA的一部分. 运用样品DATA导出结论. 对母集团信誉卡帐户的 书面调查件数(N=5,000)平均处理时间 (m)?样品n=100 恣意选择的调查件数平均处理时间 (X) = 1.2 日统计性推论

4、 第三阶段: 决议测定方法 - 母集团或样品DATA搜集Process 要搜集一切的DATA因时间太长而会发生DATA搜集上的失误. 抽出母集团中一部分样品,以少的费用得出更好的结果.抽样 好的样品应具备的条件没有偏向代表性Random性 - 抽样是运用少量的DATA也能得到好的答案. - 样品对得出母集团及 Process的情报有协助. - 能代表研讨对象的母集团或Process选择样品. - 现实性问题重要. (费用, 资源等) 抽样简要有偏向(Bias)的抽样 偏向的种类: 排除: 调查中的Process范围的一部分被排除. 认知: DATA搜集要员的态度和信心会影响他们所看的看法和记录

5、. 交互作用: DATA搜集过程本身会影响研讨对象Process. 运用上: 不按规范步骤的情况就是最常见的运用上的偏向. 无应对: 缺测DATA会产生偏向的结果，DATA漏掉的现实是暗示 与其它DATA以任何方式都不同的线索. 推定: 统计处置搜集的DATA时运用的公式及方法, 能够与特定种类的偏向有关联.抽样信任区间经过测定对全部5,000件不满事项的处理时间,算出“真正的平均处理时间.母集团信誉卡关联 顾客的不满事项接纳 (N=5,000)样品n=100 恣意选择的不满事项例: 对顾客不满事项的平均处理时间?取代表样品，可以推定平均处理时间.或者实践母集团的平均和从样品推定的平均值之间有

6、差吗?信任区间意味着, 知母数真值的区间推定区间.母集团“真 平均N=5,000从母集团抽出的样品 (样品的大小 n=100)样品 1的平均样品 2的平均 样品 K的平均 母集团的“真平均值和从样品推定的平均值之间有差别.抽样信任区间单纯恣意抽样: 构成母集团的各个因子被选样品的概率是一样. 2. 层别恣意抽样: 把母集团区分几个同质的层后,在各层按单纯 恣意抽样抽出样品.3. 群别恣意抽样: 把母集团分为多数集团后, 对按抽样单位选择的群体进展全数调查. 4. 系统恣意抽样: 时间上或空间上隔一定间隔抽出样品. 抽样方法母集团XXXXXOXXXXXXOXXXXOXXXXOXXXXXXXXXX

7、XXXOXXXOOOOO样品阐明各单位(“O)被包括样品的概率一样.单纯恣意抽样层别恣意抽样LMMMMSS层单位大中小LLLLLMMMMMMMMMMMMSSSSSSSSSS层别的范畴或Group 内的恣意样品. 各Group的样品大小 普通和其Group的相对 大小成比例.母集团样品阐明其它抽样方法 不符合统计学的原那么,但经常运用的惯例 固定百分率抽样 : 与“经常取10%样品同样的 “大约判别法 。 结果为小的母集团总是选择太小的样品，大的母集团 总是选择太大的样品。 判别抽样 : 让DATA搜集要员凭本人的判别选定X 个 “代表性 样品，就能拿到不偏向的样品。 块抽样 仅凭工程便利集合的

8、理由来选定样品，其结果会产生样品的 偏向和非代表性。 举个例子如下： “从v文件抽出D姓人们的订购记录。 DATA搜集Process 第4阶段 : 定义DATA搜集Point 理想的想法，我们要在尽能够不防碍Process作业工序的范围内 搜集一切的DATA。可这比料想不容易。 第5阶段: 选定没有偏向的DATA搜集员, 确认他们的兴趣,并教育. 谁来搜集DATA,这个问题很重要. DATA搜集员应该是最容易,最快地接近相关现实的人. 例) 1920年代和1930年代: “Hawthorne 实验 - 劳动消费性和工厂内照明的关系分析 第6阶段 : 设计DATA的搜集款式和指南后进展Test.

9、 DATA的记录应容易做. KISS 原那么 (Keep It Simple, Stupid) 款式是从DATA的记录或解释中不会有失误的能够性而设计. 款式应包括未来的分析、参照及为了再确认的追加情报. 款式应最大限制明确. Check Sheet或Data Sheet应显示有专业性. 用手制造,线不规那么,字写的乱, 还有假设给人不仔细作成的觉得, 那么容易让搜集Data的人不留意. DATA搜集Process 第6阶段 : 设计DATA的搜集款式和指南, 必需进展Test 方案很仔细,但是在DATA搜集过程中仍有能够发生料想不到的问题. 最常出现的问题如下.对如何作成 DATA搜集款式的错误了解而引起的失误.设计款式的人没了解与Process相关的一切变量, 发现搜集 追加情报的必要性.问题发生的情况下,很难输入DATA,所以搜集不完全的DATA.把DATA记录在款式的人,怕收录情报对他们有坏的影响而犹疑, 因此产生的不完全或有偏向的DATA.DATA搜集Process 第7阶段: 检讨DATA搜集过程, 确认其结果. 检讨完成