GPW改善培训教材03-DMAIC-Analyze

Analyze概要DMAICStep定义Phase

Define (定义)Measure (测定) Analyze (分析)Improve (改善) Control (管理) Step 1Project选定 2Project定义 3Project成认 4Y’s确认 5现水准掌握 6潜在X’s开掘 7Data收集 8Data分析 9VitalFewX’s选定 10改善案建立11VitalFewX’s最正确化 12结果检证 13管理方案建立 14管理方案实行 15文书化/共有 定义选定与经营目标相联的正确的6SIGMAProject设定Project的目标与范围,掌握期待效果Project实行方案登录及成认Project的核心成果指标Y’s决定掌握Y’s的现水准,设定改善目标掌握影响Y’s的潜在因素,优先顺序化收集核心因素确认必要的Data为核心因素检证分析Data以Data的科学分析结果为根底,选定核心因素建立依据核心因素特性的改善战略决定为目标达成的核心因素的最正确案检证最正确案,确认目标达成与否选定管理工程,建立管理方案实行管理方案,实施MONITORING掌握效果及Project结果文书化 Analyze-Analyze概要-2 输出物Project实行方案书成果尺度Matrix成果尺度Matrix优先顺序化的潜在X’s目录Data收集方案书分析结果VitalFewX’s目录改善战略最正确案最正确案检证结果管理方案书MONITORING结果财务效果分析表,完了报告书 Rev4.0Analyze-Analyze概要-3Rev4.0●Analyze概要

�Step7:Data收集

�Step8:Data分析

�Step9:VitalFewX’s选定●●●●●●●●●●定性分析问卷调查分析GRAPH分析假设检定概要平均的检定分期的同一性检定ANOVA比率的检定相关及回归分析非母数检定目录DefineMeasureAnalyzeImproveControlAnalyze-Analyze概要-4Rev4.0学习目标 学习完成后,学习者应该 �能够理解Analyze阶段的流程. �能够选择为检证潜在因素的分析方法 �能够建立按照分析方法的适当的Data收集方案 �利用收集的Data能够进行分析 �通过分析结果能够选定核心因素Analyze-Analyze概要-5Rev4.0分析必要性

�为什么要实施分析?

为什么此坝会经常倒塌?

无原因分析的对策实施会引起严重的灾难.Analyze-Analyze概要-6Rev4.0分析的定义

�事前意义:Analyze(分析)

•分析(分析):分开解释.

�在6SIGMA中,进行分析(Analyze)

•按照影响CTQ的潜在原因别分开后,解释Y.•收集原因别Data,•通过分析收集到的Data,•导出结论.:Data收集

:Data分析

:VitalFewX’s选定找出Y=f(X)为分析的目的.Analyze-Analyze概要-7Rev4.0分析的定义

�在6SIGMA中分析(Analyze)

考虑6SIGMA

的话 以前的业务方式�如何解决才好呢?�如何解决才能相互好呢?�是否可以躲避呢? …�“为什么会发生这样的问题呢” 那么浸在水面底下.

改善的业务方式�首先考虑“为什么会发生此类问题”

后,进行改善吧.�尽可能按照客观事实进行判断吧.�因为客观事实,是最好的Data.�向并非一个人的TEAM接近吧.�以Process为中心考虑吧. …Analyze-Analyze概要-8Rev4.0Analyze阶段RoadMapDefineMeasureAnalyzeImproveControlStep8:Data分析Step9:VitalFewX’s选定Step7:Data收集必要Data掌握收集方案建立 收集方案研讨收集及事后管理数值Data定性分析定量分析•Benchmarking•现场实查•技术资料•专家意见•Graph分析•假设检定•回归分析•问卷调查NoYes重要因素确认VitalFewX’s选定•技术分析•危险度分析•数值性分析LogicTree

管理SYSTEM登录分析的目的在于通过科学地分析Y’s功能降低的原因后,客观地进行证实Analyze-Analyze概要-9Rev4.0Analyze阶段ActivitiesSampling方法,MSA,Data收集方案书,,定性分析,,Graph分析,,平均的检定,,散布的检定,,ANOVA,计数值检定,,相关/回归分析,,非母数检定/ Data收集�必要Data掌握 �收集目的定义 �必要Data掌握�收集方案建立 �模拟Data研讨 �分析及Sampling方法决 定 �指南/样式设计�收集方案研讨 �收集过程及MSA研讨 �相关人力选定/教育�收集及事后管理 �Data收集方案书完成�Data收集及事后管理 X’sData收集方案书

Data分析�已收集的Data确认

�收集Data类型区分�分析方法决定

�非数值性Data分析

�语言性Data分析

�数值性Data分析�Data分析

�统计性结论导出Data分析结果

VitalFewX’s选定�重要因素确认

�实质性的重要性确认�Y&X’s关系整理

�VitalFewX’s与Y之间关 系的视觉性整理VitalFewX’s输出物工具阶段概要Step7:Data收集�定义 •收集对核心因素确认必要的Data.�学习目标 •能够选择为检证潜在因素的分析方法 •能够建立按照分析方法的适当Data收集方案必要Data掌握收集方案建立收集方案研讨收集及事后管理Analyze-Analyze概要-11Rev4.0Step7:Data收集Data收集Data分析VitalFewX’s选定 必要Data 掌握�潜在X’s确认�收集目确实认�必要Data决定 收集方案 建立�分析方法决定�Sampling方法决定�指南/样式设计 收集方案 研讨�收集过程研讨�MSA研讨�相关人力选定/教育 收集及 事后管理�Data 收集方案书完成�Data收集�事后管理Analyze-Analyze概要-12Rev4.0Data收集�Data的必要 在MeasurePhase导出的已优先顺序化的潜在X’s,未被证明是否真正影 响Y’s及是否为重要核心因素, 由于大局部Project中的几个因素对Y产生影响,所以找出重要核心因素为 最首要的 接着,因为如果要客观地证明是否为重要核心因素的话,一定需要相关 Data,因此必须收集符合目的的Data�Data收集时研讨事项 �想要知道什么内容? �需要什么样的Data? �利用何种方法(谁,几时,多少,在哪)收集Data? �利用什么方法进行分析? �通过分析要导出什么样的结论?Rev4.0必要Data掌握

�必要Data掌握

�所谓必要Data是?

想知道什么?

如何知道那个?

需要收集何种Data?

�为什么要掌握必要的Data?

�对在Measure阶段导出的潜在X’s进行客观化,

�为证明潜在X是否为VitalFewX,以及为研讨要收集何种Data

�必要Data掌握步骤潜在X’s确认收集目的确认

Analyze-Analyze概要-13必要Data决定

(提问)Analyze-Analyze概要-14Rev4.0必要Data掌握 �潜在X’s确认 在已优先顺序化的潜在X’s中,通过研讨如下事项,对因素实施具体化或 要遵照潜在因素开掘步骤 �是否能够变更因素的水准? -如果不能变更的话,会无法进行分析,所以必须进行删除或变更. �TEAM员是否管理或控制可能? -如果无法被管理/控制的话,必须代替成可能的因素. �当因素变更时,是否有由于受到无法知道的因素的影响,而不能掌握变动? -虽然变更了因素,但如果其他因素的影响大的话,会变得控制不可能. �因素是否遵照一般被共知的原理? �如果遵照一般原理的话,不需要必须进行. �即使产生影响,向后是否也变更/控制可能? �举例的话,虽然设备引进年度会影响不良,但分析后不能变更设备的引进年度或终 止设备的运营,所以通过管理设备的PM周期或零件的使用日期等来变更因素Analyze-Analyze概要-15Rev4.0必要Data掌握

�收集目的确认

收集目的在于明确想要知道的(因素别是否对Y产生影响).

例,潜在因素为温度时–收率受温度的影响.

潜在因素为压力时–不良率受压力的影响.

�必要Data决定(提问)

为提问必须决定具体Data的水准,并按照其水准再决定必要Data,此时尽可能地 利用过去的Data

�水准的决定时考虑事项

�工程的管理界限或设备控制可能的范围

�Eng’r经验上,被判断为影响多的范围

�变更时,发生更多其他影响的可能性

�TEAM员的管理范围

例,工程收率是否在温度100℃,120℃,140℃下,产生不同?

工程不良率是否在压力1.5kgf/

,2.0kgf/

下产生不同?Rev4.0收集方案建立 �收集方案建立 �何为Data收集方案建立? �决定对必要Data的Sampling,并设计样式的阶段. �为什么要建立Data收集方案? �为最小化由于错误的Data收集所造成的浪费 �收集方案步骤分析方法决定Sampling方法决定

Analyze-Analyze概要-16指南及样式设计Analyze-Analyze概要-17Rev4.0Data收集方案 �分析方法决定的必要性 �根据分析方法,Data的类型与收集方法会有所不同 �很多时候,由于Data不适合,所以造成反复收集Data的非效率 �更糟的时候,以不适合Data为根底,需要进行议事决定的问题 在收集Data之前,先深思熟虑分析方法后作出决定的话,能够决定问题点及能够 有效的议事决定与改善. �分析方法 �定性分析方法:非数值性方法 �Gap分析:Benchmarking,现场实查,技术资料分析,专家意见 �定量分析方法:数值性方法(Graph分析是所有分析的出发点) �因素重要性:平均检定,散布检定,ANOVA,χ2Test �相互关联性:相关分析,回归分析,Logistic回归分析 �问卷调查:问卷调查资料分析对信用卡帐号的书面查询件数(N=5,000)选择的查询件数Analyze-Analyze概要-18Rev4.0

母集团

对信用卡帐号的 书面查询件数

(N=5,000)平均解决时间(μ)是?

Sample

以n=100随机 选择的查询 件数平均解决时间是(X)=1.2日统计性推论收集方案建立 �Sampling方法决定 �是否要全部调查所有Data? �是否要调查局部Data? �如果只调查局部Data,要抽取何种资料为好? �Sampling方法 �尽可能地收集局部Data �利用收集的Data算出结论←统计性推论Analyze-Analyze概要-19Rev4.0收集方案建立 �Sampling特征 �Sampling的话,即使使用少量的Data,但也能得到好的答案 �有利于取得对母集团及Process的信息. �尽可能地选择能够代表研究对象,即母集团或Process的Sample �现实问题很重要.(迅速度与费用,资源,等)Analyze-Analyze概要-20Rev4.0没有偏向代表性 Random性�偏向(Bias)的种类 -排除:排除调查中Process范围的一局部. -认定:根据Data收集人员的态度所造成的偏向.(附加业务vs认定业务) -交互作用:Data收集过程本身会导致偏向发生 -运用上:未遵照标准步骤的情况为最常见的运营上的偏向. -无应答:

Data会导致偏向发生. -推定:根据统计处理发生的偏向.收集方案建立 �好的Sample必须具备的条件工具或统计值最小样本大小(经验性基准)平均,标准偏差25不良率(p)30Histogram,Pareto,Box-plot40散点图25Analyze-Analyze概要-21Rev4.0收集方案建立 �Sampling大小 �Sampling频率 �分屡次抽取小的SAMPLE比一次性抽取大SAMPLE更有效 �比不稳定的Process…更频繁地 �比稳定的Process…少频繁地Analyze-Analyze概要-22Rev4.0收集方案建立 �Sampling方法 �单纯RandomSampling: -构成母集团的各个因子被选定为样品的概率相同 �层别RandomSampling: -将母集团区分为几个相同性质的层后,在各层中以单纯随机抽样的方法 抽取样品 �群集RandomSampling: -将母集团区分为所谓群集的多数集团后,对以Sampling为单位被选定的群 集那么实施全数调查 �系统RandomSampling: -从时间上或空间上,隔一定的间隔后,抽取样品Rev4.0

母集团XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Sample

XXXXXAnalyze-Analyze概要-23

说明各单位(“X”)被包括于Sample的概率相同收集方案建立 �单纯RandomSamplingAnalyze-Analyze概要-24Rev4.0

LMMMM SSS层大中小单位LLLLLMMMMMMMMMMMMSSSSSSSSSS�内的任意样品�各Group的样品大小一般和其Group的相对大小成比例母集团样品

说明层别的范畴或Group收集方案建立 �层别任意抽样Analyze-Analyze概要-25Rev4.0收集方案建立 �其他抽样方法 虽然不符合统计学的原那么,但如果能够排除经常被使用的惯例偏向的话,不妨 考虑一下. �固定百分率方法(FixedPercentageSampling) -虽然看起来象论理性的“经常抽取10%的样品吧”,即推断性的作法,但究其结 果那么是,从小的母集团中抽取太小的样品,大的母集团中抽取太大的样品. �判断抽样(JudgmentSampling) -如果向Data收集人员下达凭自己的判断选定n个“代表性”Sample的指示的 话,会抽到有偏向的Sample �大块抽样(ChunkSampling) -仅凭工程集合很合理的理由选定样品的话,其结果那么不能具备代表性. >从文件箱中抽取全部姓“金”人氏的订购记录.Analyze-Analyze概要-26Rev4.0收集方案建立 �收集样式作成基准 �Data记录必须要容易.→KISS原那么(KeepItSimple,Stupid) �样式设计必须防止Data记录或解释的错误可能性. �样式必须包括未来的分析,参照及为再确认的追加信息. �样式尽量要明确. �CheckSheet或Data必须看起来有专业性. 当用手作成或线不规那么及难以识别字体时,又给人感觉即兴作成时,会引起收集 Data人员的不注意. �收集人力选定 �由谁收集Data的问题是最重要的.Data收集人员必须是最容易,最快接近 相关事实的人群 �必须选定无偏向的Data收集源.Rev4.0收集方案研讨 �收集方案研讨 �何为收集方案研讨? �与TEAM员一起研讨收集过程是否全部没有问题 �研讨对象:目的适合性,Data信赖性,收集过程,样品数,费用/人力问题等. �为什么要研讨收集方案? �因为Data收集是投入费用的作业,所以为了最小化Risk �为了引导通过与相关人力间的共享的平稳的支援 �收集方案步骤收集过程研讨MSA研讨

Analyze-Analyze概要-27

相关人力选定/教育Analyze-Analyze概要-28Rev4.0�MSA:当为新规测定的Data时,必须通过反复性/再现性,正确性,稳定性来研讨是否事前能够信赖Data,并且有必要了解Data信赖程度下降的所有可能发生的原因,比方,要明确掌握有何种原因,需要减少或排除什么收集方案研讨 �收集过程研讨 对研讨完成的样式及观察收集过程等Data收集的全部Process,需要 相关Monitoring �收集过程研讨时考虑事项 �目的适合性:研讨被收集的Data是否适合对潜在X’s实施客观化 �分析方法:研讨是否将定量性研讨事项太容易地进行抛弃 �Sampling:研讨Sampling样品数是否适合(考虑时间与费用)Analyze-Analyze概要-29Rev4.0MSA研讨及实施

�MSA研讨及实施

�如果收集Data的人利用相同的工具及经过多种时间取得数据的话,Data

收集及测定会是反复的

此Data要对进行相同测定的所有测定者都被再现,而且此类测定值的平均要与相关 标准值形成一致,在稳定性方面,还要研讨在经过目的期间时是否维持其结果

�ProjectTEAM要通过减少Data的反复性,再现性,正确度,稳定性,来掌握

Data信赖性下降的全部可能发生的原因

都有什么样的原因,并且要明确掌握减少及排除什么Analyze-Analyze概要-30Rev4.0收集方案研讨 �相关部门合议 �实际被收集的场所为ProjectTEAM的管辖外时,必须取得相关组织的合 议. �只有在相关组织理解实际必要性时,才能收集有实际效果的Data. �收集者教育 �必须要开发收集者能够理解的指南. �指南的具体程度会随着收集Data的复杂性与Data收集者大不相同,有时, 需要将作业相关的全部人员集中在一起,对必须遵照的指南进行教育, 反之,那么只利用记录到CheckSheet上的简单Guide也能够输入正确及可 以信赖的Data �请参与到Data被收集的现场吧,如果收集的人与分析的人不同时会产生 很多误解Rev4.0收集及事后管理

�收集及事后管理步骤Data收集方案书 完成Data收集

Analyze-Analyze概要-31事后管理No分析因素(X’sList)

现实性提问(想知道的内容)分析ToolsData收集详细方法Data类型样品数收集场所担当者记录方法1Solder温度Solder温度为240℃与230℃时,Solder不良率是否产生不同?(2-spl-t)不良品数(计数型)各50个PCBLineXXXSheet2Dipping深度Dipping深度为2mm,2.5mm,3.0mm时,Solder不良率是否不同?(ANOVA)不良品数(计数型)各50个PCBLineXXXSheet3Conveyor

速度当C/V速度设定为1.5m/min时,不良率是否不同?(1-spl-t)不良品数(计数型)各50个PCBLineXXXSheet4Conveyor

角度当C/V角度设定为1,3,5时,不良率是否不同?(ANOVA)不良品数(计数型)各50个PCBLineXXXSheet5Flux当Flux浓度为0.9,0.95时,不良率是否不同?(2-spl-t)不良品数(计数型)各50个PCBLineXXXSheet6将Flux温度设定为25℃时,不良率是否为2%以下?(1-spl-t)不良品数(计数型)各50个PCBLineXXXSheet7预热将预热温度设定为80℃,90℃,100℃时,Solder不良是否产生变动?(ANOVA)不良品数(计数型)各50个PCBLineXXXSheet

8 910必要Data掌握分析Tool决定分析用Data收集方案书Analyze-Analyze概要-32Rev4.0收集方案建立�分析用Data收集方案书作成(例) 分析用Data收集方案书Project名Soldering工程不良改善LEADER名XXX课长例题不是很好！Analyze-Analyze概要-33Rev4.0收集及事后管理 �Data收集 �一旦收集Process被方案及定义完成时,最正确的状态为不仅保证方案的持续 及正确的运行,而且还需要从始至终的持续;ProjectLEADER要持续地传达D ata收集者及相关人力需要收集何种Data与在其后面的理由是什么;收集者 要与ProjectTEAM一起,尽可能地通过全部定义,步骤,Guideline等的研讨可 能需要追加性的准备事项,为了提高对在方案中被定义的收集Process的理 解,有时会要求特别样式的提示或教育 �ProjectLEADER最好在Data收集开始的始点处进行监督,重要的是为了掌 握Data收集相关的人员是否正确理解,在始点处监督的失败,导致将来有可能 进行修改作业或甚至出现作了无用的事情,又为了防止遗漏Data或变更等,实 施持续性Monitoring也很重要 Bethere!!(请参与到收集的现场吧!!)Analyze-Analyze概要-34Rev4.0收集及事后管理

�事后管理

�ProjectLEADER当收集实际Data时,无论与收集相关的人力信息,时间信息等的根本信息,还要通过对收集时发生的异常病症,特异事项等的细微观察,最

终为形成圆满的分析而进行引导�又要考虑是否符合反复性,再现性,正确度,稳定性的同时,要对已收集的Data进 行合理研讨�又,必须决定Data如何被进行分类,并必须对疑心的Data决定需要做什么;要与收集相关人力一起,通过对运营定义与方法论的研讨,来最小化能够引起Data破损的错误的理解与错误的解释Step8:Data分析�定义

•为验证核心因素,进行Data分析�学习目标

•能够利用已收集的Data,实施分析Data分类定性分析定量分析Analyze-Analyze概要-36Rev4.0Step8:Data分析Data收集Data分析VitalFewX’s选定Data分类

�Data的特性及 分析方向决定

定量 分析�GraphicTools�统计分析�问卷调查

定性 分析�Benchmarking�现场实查�技术资料�专家意见Analyze-Analyze概要-37Rev4.0Data分析

�Data分析的目的

为确保对根据TEAM导出的潜在X的客观证据,实施分析

�Data分析的方法�定量Data分析

�通过调查过去Data,进行分析

�通过任意变更Process条件,进行分析

�向顾客进行问卷调查�定性Data分析

�求得专家的良言.

�调查相关资料.

�调查Process的现象.

顾客调查过去资料统计任意实验统计个人意见/TEAM意见 专家意见

BenchmarkingAnalyze-Analyze概要-38Rev4.0定性Data定量DataData分类

�收集Data类型区分

Benchmarking结果收集Data类型现场实查结果技术资料结果 专家意见 计量型Data

计数型DataGap分析 统计分析,,

问卷调查DataData分析的目的在于,为使对潜在X无论谁都能够产生共同感觉,而进行客观化的Analyze-Analyze概要-39Rev4.0定性Data分析 �什么叫定性分析? 主要作为,当对过去与未来的资料缺乏时,或取得计量/计数形态的Data后 ,分析困难时,由相关管理者或相应领域的专家利用他们自身的经验与主管 判断对未来的变化与需要进行预测或进行议事决定的工具来使用的一种 技法Analyze-Analyze概要-40Rev4.0原因区分成果BestPracticeIdealCurrent

现在Process

实际Process�过去研究事例

…谁都能引起共鸣的专家意见现在Process先进Process

GapGapToolsResultsBenchmarking现场实查技术资料

�技术论文专家定性Data分析

�定性Data分析Analyze-Analyze概要-41Rev4.0定性Data分析(Benchmarking)

�Benchmarking推进步骤

Step1: Benchmarking主题选定

�对什么实施Benchmarking?

Step2:Process分析

�我们是如何运行的呢?Step3: Benchmarking对象选定

�此领域的最高是谁?Step4: Benchmarking实施

�他们是如何做的?Step5:

结果分析及适用

�我们必须如何运行呢?What HowWeThey①④②③Rev4.0定性Data分析(现场实查)

�何为现场实查分析?

�理解所想的实际状态与实际正在形成的状态之间的差异

�对现实地正在形成的Process的Gap进行分析.

�理解理想的模样与实际模样的差异.我们曾经想过的实际Process理想的Process(Should-Be)

在现场正在形成的

Process为什么会有差异呢????

Analyze-Analyze概要-42Analyze-Analyze概要-43Rev4.0定性Data分析(技术资料&专家) �技术资料分析是? �对与潜在X’s相关的专门技术资料进行分析. �专家意见是? �共享相关Process的专家意见 →根据经验的方法(随意式指南) �长处 �很快. �容易使用. �短处 �并非数值性推定. �专家确实保很难. �很难断言被选定的专家是否为真正的“专家”.Analyze-Analyze概要-44Rev4.0定量Data分析 q定量分析方法 �Graph分析 -Graph分析是最易于表现Data属性的重要方法 -Histogram,Box-Plot,Multi-VariChart等. �统计分析 -区分为母数检定方法与非母数检定方法 -检定的种类 �对平均的假设检定. �对散布的假设检定. �比照率的假设检定. �相关/回归分析. �问卷调查Analyze-Analyze概要-45Rev4.0GraphABC

统计分析假设:

H0:三个集团是相同的.

H1:至少一个是不相同的.结论:p-Value=0.000<0.05所以,至少一个是不相同的.

问卷调查假设:

H0:根据方法,其满足度相同

H1:根据方法,其满足度不相同.结论:

p-Value=0.002<0.05

所以,根据方法,其满足度是不相同的.定量Data分析

�定量Data分析

Tools&ResultsAnalyze-Analyze概要-46Rev4.0qGraph分析 �目的 -为了更加易于理解CTQ或影响输出变数(Y)的因素,利用Graph进行分析. �适用可能Tool -Histogram,Box-Plot,Multi-VariChart等 �主要考虑事项:Data收集方案 -作成较好的提问 -为导出对主要提问的解答的Data收集/分析 �算出物:结论或追加分析必要性 -潜在因素或对策的妥当性与否 -向统计分析接近的必要性Analyze-Analyze概要-47Rev4.0定量Data分析(统计分析)

�母数统计检定与非母数统计检定Data类型D计数型

ata分析正态性

母数统计检定计量型计数型正态分布原因调查原因分析Data再构成

非母数统计检定非正态分布固有状态为非正态测定错误/混合※很多BB苦脑着在自己的Process中抽取的Data不遵循正态分布,但在决定大局部为非正态分布之前, 必须确认如下事项①②③④测定Data时,是否有错误的Data被混入?应该别离成其他类型的多种现象是否被混合?是否为遵照离散型分布,即二项分布,泊松分布的特性?是否为根据(Weibull)的故障特性的分布?

输出变数(Y)输入变数(X)计量型Data计数型Data计数型Data计量型Data�平均检定(t-Test)�散布检定(F-Test)�ANOVA�相关分析�回归分析�实验计划�Chi-SquareTest�ParetoAnalysis�相关分析�Logistic回归分析�实验计划Analyze-Analyze概要-48Rev4.0定量Data分析(统计分析)

�母数统计检定(知道Y的分布时)

�非母数统计检定(不知道Y的分布时)

�散布检定:Levene’sTest

�平均检定:Sign-Test,Wilcoxon-Test,Mann-WhitneyTest Kruskal-WallisTest,Mood’sMedianTest,FriedmanTest

�Random性检定:RunTestAnalyze-Analyze概要-49Rev4.0定量Data分析(母数统计检定)

�“计量型Y”vs“计数型X”

�问题:根据输入变数(X)类型,其(Y)的结果是否会不同?

�例:按照投递方法投递L/T是否产生不同?

�输出变数(Y):投递L/T(计量型),输入变数(X):投递方法(计数型)

�Data收集及分析Graph分析

统计分析1)分析方法:正态检定 →分散的同一性检定→ANOVA2)统计结论:分析结果三个集团间的 投递L/T有明显的差异. (p-Value=0.000)Analyze-Analyze概要-50Rev4.0Graph分析

统计分析1)分析方法:回归分析 →分析的妥当性骓(差异检定)2)统计结论: →投递L/T=0.34+1.12×产品体积

[R2(adj)=94.0%,p-value=0.000]定量Data分析(母数统计检定)

�“计量型Y”vs“计量型X”

�问题:根据输入因素(X)的各自数值,输入变数(Y)的结果是否不同?

�例:根据产品的体积,投递L/T是否不同?

�输出变数(Y):投递L/T(计量型),输入变数(X):产品体积(计量型)

�Data收集及分析Analyze-Analyze概要-51Rev4.0Graph分析

统计分析1)分析方法:Chi-SquareTest2)统计结论:根据交通堵塞程度,适当 的投递情况有明显的差异

(p-Value=0.004)定量Data分析(母数统计检定)

�“计数型Y”vs“计数型X”

�问题:根据输入变数(X)类型,输出变数(Y)的结果是否不同?

�例:根据交通堵塞程度(停止,延迟,平稳),适时的投递情况是否不同?

�输出变数(Y):适时投递情况(计数型),输入变数(X):交通堵塞(计数型)

�Data收集及分析Analyze-Analyze概要-52Rev4.0Graph分析

统计分析1)分析方法:BinaryLogistic Regression2)统计结论: ※适时投递失败可能性= -0.15+0.085×堵塞程度

※p-Value=0.008定量Data分析(母数统计检定)

�“计数型Y”vs“计量型X”

�问题:根据输入因素(X)的各自数值,输入变数(Y)的结果是否不同?

�例:根据交通堵塞程度(停止,延迟,平稳),适时的投递情况是否不同?

�输出变数(Y):适时投递情况(计数型),输入变数(X):交通堵塞(计量型)

�Data收集及分析Analyze-Analyze概要-53Rev4.0定量Data分析(非母数统计检定)

�适用例

�如果看了如下的Data时,我们会做何种判断? -A产品满足度:88,89,88,95,87 -B产品满足度:91,92,92,91,94

�哪一产品的满足度高?

�为什么会那样想?

�非母数Data分析是

�焦点对准Data的顺序后,进行分析的方法.

�母集团不一定要具备正态性Analyze-Analyze概要-54Rev4.0011234567891011121314ABCKruskal-WallisTest:Satis.vsMethod

MethodNMedianAveRankZABC144.00032.74.19143.00024.31.04141.0007.5-5.23Overall4221.5H=32.32DF=2P=0.000(adj)当Y与“满足度”相同的语言Data时,可以使用对象人力定量Data分析(问卷调查)

�分析方法

작업방법별만족도

满足指数

6 5 4 3 2作业方法别满足度定性分析6SIGMA定量分析Rev4.0Data分析方法vs危险性 �接近容易性比照危险的大小危险的大小高低

推进方向 容易 难

接近容易性危险的大小越大,越难引导改善的投资.

Analyze-Analyze概要-55Step9:VitalFewX’s选定�定义 •以Data的科学分析结果为根底,选定核心因素�学习目标 •通过分析的结果,能够选定核心因素重要因素确认VitalFew选定Analyze-Analyze概要-57Rev4.0Step9:VitalFewX’s选定Data收集Data分析VitalFewX’s选定

重要因素 确认�实质重要性研讨

VitalFew XX’s’s