矩陣數(shù)據(jù)分析法參考模板

1、矩陣數(shù)據(jù)分析法（Matrix Data Analysis Chart），它是新的質(zhì)量管理七種工具之一。 矩陣圖上各元素間的關(guān)系如果能用數(shù)據(jù)定量化表示，就能更準(zhǔn)確地整理和分析結(jié)果。這種可以用數(shù)據(jù)表示的矩陣圖法，叫做矩陣數(shù)據(jù)分析法。在QC新七種工具中，數(shù)據(jù)矩陣分析法是唯一種利用數(shù)據(jù)分析問題的方法，但其結(jié)果仍要以圖形表示。 數(shù)據(jù)矩陣分析法的主要方法為主成分分析法（Principal component analysis），利用此法可從原始數(shù)據(jù)獲得許多有益的情報。主成分分析法是一種將多個變量化為少數(shù)綜合變量的一種多元統(tǒng)計方法。 矩陣數(shù)據(jù)分析法，與矩陣圖法類似。它區(qū)別于矩陣圖法的是：不是在矩陣圖上填符號

2、，而是填數(shù)據(jù)，形成一個分析數(shù)據(jù)的矩陣。 它是一種定量分析問題的方法。目前，在日本尚廣泛應(yīng)用，只是作為一種“儲備工具”提出來的。應(yīng)用這種方法，往往需求借助電子計算機(jī)來求解。 編輯矩陣數(shù)據(jù)分析法的原理 在矩陣圖的基礎(chǔ)上，把各個因素分別放在行和列，然后在行和列的交叉點中用數(shù)量來描述這些因素之間的對比，再進(jìn)行數(shù)量計算，定量分析，確定哪些因素相對比較重要的。 編輯矩陣數(shù)據(jù)分析法的應(yīng)用時機(jī) 當(dāng)我們進(jìn)行顧客調(diào)查、產(chǎn)品設(shè)計或者其他各種方案選擇，做決策的時候，往往需要確定對幾種因素加以考慮，然后，針對這些因素要權(quán)衡其重要性，加以排隊，得出加權(quán)系數(shù)。譬如，我們在做產(chǎn)品設(shè)計之前，向顧客調(diào)查對產(chǎn)品的要求。利用這個方法

3、就能確定哪些因素是臨界質(zhì)量特性。 編輯和其他工具結(jié)合使用 1.可以利用親和圖（affinity diagram）把這些要求歸納成幾個主要的方面。然后，利用這里介紹進(jìn)行成對對比，再匯總統(tǒng)計，定量給每個方面進(jìn)行重要性排隊。 2.過程決策圖執(zhí)行時確定哪個決策合適時可以采用。 1 / 53.質(zhì)量功能展開。兩者有差別的。本辦法是各個因素之間的相互對比，確定重要程度；而質(zhì)量功能展開可以利用這個方法的結(jié)果。用來確定具體產(chǎn)品或者某個特性的重要程度。 當(dāng)然，還有其他各種方法可以采用，但是，這種方法的好處之一是可以利用電子表格軟件來進(jìn)行。 編輯如何使用矩陣數(shù)據(jù)分析法 下面通過例子來介紹如何進(jìn)行矩陣數(shù)據(jù)分析法。 1

4、、確定需要分析的各個方面。我們通過親和圖得到以下幾個方面，需要確定它們相對的重要程度：易于控制、易于使用、網(wǎng)絡(luò)性能、和其他軟件可以兼容、便于維護(hù)。 2、組成數(shù)據(jù)矩陣。用Excel或者手工做。把這些因素分別輸入表格的行和列，如表所示。 3、確定對比分?jǐn)?shù)。自己和自己對比的地方都打0分。以 “行”為基礎(chǔ)，逐個和“列”對比，確定分?jǐn)?shù)?！靶小北取傲小敝匾?，給正分。分?jǐn)?shù)范圍從9到1分。打1分表示兩個重要性相當(dāng)。譬如，第2行“易于控制”分別和C列“易于使用”比較，重要一些，打4分。和D列“網(wǎng)絡(luò)性能”比較，相當(dāng)，打1分。如果“行”沒有“列”重要，給反過來重要分?jǐn)?shù)的倒數(shù)。譬如，第3行的“易于使用”和B列的“易于

5、控制”前面已經(jīng)對比過了。前面是4分，現(xiàn)在取倒數(shù)，1/4=0.25。有D列“網(wǎng)絡(luò)性能”比，沒有“網(wǎng)絡(luò)性能”重要，反過來，“網(wǎng)絡(luò)性能”比“易于使用”重要，打5分。現(xiàn)在取倒數(shù)，就是0.20。實際上，做的時候可以圍繞以0組成的對角線對稱填寫對比的結(jié)果就可以了。 表1：矩陣數(shù)據(jù)分析法 ABCDEFGH 1易控制易使用網(wǎng)絡(luò)性能軟件兼容便于維護(hù)總分權(quán)重% 2易于控制04131926.2 3易于使用0.2500.200.330.251.033.0 4網(wǎng)絡(luò)性能150331234.9 5軟件兼容0.3330.3300.33411.6 6便于維護(hù)140.33308.3324.2 總分之和34.37 4、加總分。按照

6、“行”把分?jǐn)?shù)加起來。在G列內(nèi)得到各行的“總分”。 5、算權(quán)重分。把各行的“總分”加起來，得到“總分之和”。再把每行“總分”除以“總分之和”得到H列每個“行”的權(quán)重分?jǐn)?shù)。權(quán)重分?jǐn)?shù)愈大，說明這個方面最重要，“網(wǎng)絡(luò)性能”34.9分。其次是“易于控制”26.2分。 編輯矩陣數(shù)據(jù)分析法案例分析編輯案例一：矩陣數(shù)據(jù)分析法在軟件項目中的應(yīng)用軟件缺陷的產(chǎn)生是由多方面的因素造成的，缺陷數(shù)據(jù)反映了開發(fā)過程中多個因素相互作用的對應(yīng)關(guān)系。在實施了多個軟件項目的開發(fā)以后，已經(jīng)積累了一定數(shù)量的歷史缺陷數(shù)據(jù)，我們?nèi)绾卫眠@些數(shù)據(jù)找到開發(fā)過程中容易產(chǎn)生質(zhì)量問題的環(huán)節(jié)和因素呢?如果只是粗略地看歷史統(tǒng)計數(shù)據(jù)，是很難看出各項目之間

7、及項目的生命周期各階段的缺陷率的差異的。我們可以用這些歷史數(shù)據(jù)來設(shè)計一個矩陣，用矩陣數(shù)據(jù)分析法就能求出多個項目的各個階段產(chǎn)生缺陷率的高低，找到產(chǎn)生缺陷的關(guān)鍵因素，這樣可以幫助了解引入的缺陷，從而對新開發(fā)的項目會引入的缺陷數(shù)做出一個相當(dāng)合理的預(yù)測，達(dá)到控制缺陷率，提高軟件質(zhì)量的目的。隨著實施的軟件項目數(shù)量的增加，收集到的缺陷數(shù)據(jù)越來越多，生成的矩陣越大，對未來缺陷率預(yù)測和控制的準(zhǔn)確性也就越高，軟件整體質(zhì)量呈螺旋式穩(wěn)步上升。 下面通過一個例子來說明矩陣數(shù)據(jù)分析法在軟件缺陷管理中的具體應(yīng)用。為了確定軟件缺陷主要出現(xiàn)在項目生命周期六個階段中的哪幾個階段，我們對n個開發(fā)項目進(jìn)行統(tǒng)計，每個項目計算六個階段

8、的缺陷密度，為了驗證結(jié)果重復(fù)性，又將這n個項目分為、兩組，每組n2個項目，然后對數(shù)據(jù)求均值、標(biāo)準(zhǔn)差、相關(guān)系數(shù)、特征值、特征向量，得出三個主成分，也就確定了項目生命周期中出現(xiàn)大部分缺陷的幾個階段，為改進(jìn)項目薄弱環(huán)節(jié)提供依據(jù)。詳細(xì)步驟如下： 將以往軟件項目積累的歷史缺陷數(shù)據(jù)進(jìn)行分類、統(tǒng)計列表。各項目在生命周期各階段的歷史缺陷率數(shù)據(jù)見表3。 根據(jù)表3數(shù)據(jù)計算均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)，計算結(jié)果見表4。 根據(jù)相關(guān)系數(shù)矩陣(表4)求特征值、特征向量和貢獻(xiàn)率。由于計算量很大，方程的計算用計算機(jī)完成。計算結(jié)果見表5。 分析計算結(jié)果。貢獻(xiàn)率代表主成分的影響程度，數(shù)值越大代表性越大，特征向量表示項目與該主成分的關(guān)系。從表5可看到，第一、二、三主成分的貢獻(xiàn)率達(dá)904