GPW改善培訓(xùn)教材03-DMAIC-Analyze

Analyze概要DMAICStep定義Phase

Define (定義)Measure (測定) Analyze (分析)Improve (改善) Control (管理) Step 1Project選定 2Project定義 3Project成認(rèn) 4Y’s確認(rèn) 5現(xiàn)水準(zhǔn)掌握 6潛在X’s開掘 7Data收集 8Data分析 9VitalFewX’s選定 10改善案建立11VitalFewX’s最正確化 12結(jié)果檢證 13管理方案建立 14管理方案實(shí)行 15文書化/共有 定義選定與經(jīng)營目標(biāo)相聯(lián)的正確的6SIGMAProject設(shè)定Project的目標(biāo)與范圍,掌握期待效果Project實(shí)行方案登錄及成認(rèn)Project的核心成果指標(biāo)Y’s決定掌握Y’s的現(xiàn)水準(zhǔn),設(shè)定改善目標(biāo)掌握影響Y’s的潛在因素,優(yōu)先順序化收集核心因素確認(rèn)必要的Data為核心因素檢證分析Data以Data的科學(xué)分析結(jié)果為根底,選定核心因素建立依據(jù)核心因素特性的改善戰(zhàn)略決定為目標(biāo)達(dá)成的核心因素的最正確案檢證最正確案,確認(rèn)目標(biāo)達(dá)成與否選定管理工程,建立管理方案實(shí)行管理方案,實(shí)施MONITORING掌握效果及Project結(jié)果文書化 Analyze-Analyze概要-2 輸出物Project實(shí)行方案書成果尺度Matrix成果尺度Matrix優(yōu)先順序化的潛在X’s目錄Data收集方案書分析結(jié)果VitalFewX’s目錄改善戰(zhàn)略最正確案最正確案檢證結(jié)果管理方案書MONITORING結(jié)果財務(wù)效果分析表,完了報告書 Rev4.0Analyze-Analyze概要-3Rev4.0●Analyze概要

?Step7:Data收集

?Step8:Data分析

?Step9:VitalFewX’s選定●●●●●●●●●●定性分析問卷調(diào)查分析GRAPH分析假設(shè)檢定概要平均的檢定分期的同一性檢定ANOVA比率的檢定相關(guān)及回歸分析非母數(shù)檢定目錄DefineMeasureAnalyzeImproveControlAnalyze-Analyze概要-4Rev4.0學(xué)習(xí)目標(biāo) 學(xué)習(xí)完成后,學(xué)習(xí)者應(yīng)該 ?能夠理解Analyze階段的流程. ?能夠選擇為檢證潛在因素的分析方法 ?能夠建立按照分析方法的適當(dāng)?shù)腄ata收集方案 ?利用收集的Data能夠進(jìn)行分析 ?通過分析結(jié)果能夠選定核心因素Analyze-Analyze概要-5Rev4.0分析必要性

?為什么要實(shí)施分析?

為什么此壩會經(jīng)常倒塌?

無原因分析的對策實(shí)施會引起嚴(yán)重的災(zāi)難.Analyze-Analyze概要-6Rev4.0分析的定義

?事前意義:Analyze(分析)

?分析(分析):分開解釋.

?在6SIGMA中,進(jìn)行分析(Analyze)

?按照影響CTQ的潛在原因別分開后,解釋Y.?收集原因別Data,?通過分析收集到的Data,?導(dǎo)出結(jié)論.:Data收集

:Data分析

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

?在6SIGMA中分析(Analyze)

考慮6SIGMA

的話 以前的業(yè)務(wù)方式?如何解決才好呢??如何解決才能相互好呢??是否可以躲避呢? …?“為什么會發(fā)生這樣的問題呢” 那么浸在水面底下.

改善的業(yè)務(wù)方式?首先考慮“為什么會發(fā)生此類問題”

后,進(jìn)行改善吧.?盡可能按照客觀事實(shí)進(jìn)行判斷吧.?因?yàn)榭陀^事實(shí),是最好的Data.?向并非一個人的TEAM接近吧.?以Process為中心考慮吧. …Analyze-Analyze概要-8Rev4.0Analyze階段RoadMapDefineMeasureAnalyzeImproveControlStep8:Data分析Step9:VitalFewX’s選定Step7:Data收集必要Data掌握收集方案建立 收集方案研討收集及事后管理數(shù)值Data定性分析定量分析?Benchmarking?現(xiàn)場實(shí)查?技術(shù)資料?專家意見?Graph分析?假設(shè)檢定?回歸分析?問卷調(diào)查NoYes重要因素確認(rèn)VitalFewX’s選定?技術(shù)分析?危險度分析?數(shù)值性分析LogicTree

管理SYSTEM登錄分析的目的在于通過科學(xué)地分析Y’s功能降低的原因后,客觀地進(jìn)行證實(shí)Analyze-Analyze概要-9Rev4.0Analyze階段ActivitiesSampling方法,MSA,Data收集方案書,,定性分析,,Graph分析,,平均的檢定,,散布的檢定,,ANOVA,計(jì)數(shù)值檢定,,相關(guān)/回歸分析,,非母數(shù)檢定/ Data收集?必要Data掌握 ?收集目的定義 ?必要Data掌握?收集方案建立 ?模擬Data研討 ?分析及Sampling方法決 定 ?指南/樣式設(shè)計(jì)?收集方案研討 ?收集過程及MSA研討 ?相關(guān)人力選定/教育?收集及事后管理 ?Data收集方案書完成?Data收集及事后管理 X’sData收集方案書

Data分析?已收集的Data確認(rèn)

?收集Data類型區(qū)分?分析方法決定

?非數(shù)值性Data分析

?語言性Data分析

?數(shù)值性Data分析?Data分析

?統(tǒng)計(jì)性結(jié)論導(dǎo)出Data分析結(jié)果

VitalFewX’s選定?重要因素確認(rèn)

?實(shí)質(zhì)性的重要性確認(rèn)?Y&X’s關(guān)系整理

?VitalFewX’s與Y之間關(guān) 系的視覺性整理VitalFewX’s輸出物工具階段概要Step7:Data收集?定義 ?收集對核心因素確認(rèn)必要的Data.?學(xué)習(xí)目標(biāo) ?能夠選擇為檢證潛在因素的分析方法 ?能夠建立按照分析方法的適當(dāng)Data收集方案必要Data掌握收集方案建立收集方案研討收集及事后管理Analyze-Analyze概要-11Rev4.0Step7:Data收集Data收集Data分析VitalFewX’s選定 必要Data 掌握?潛在X’s確認(rèn)?收集目確實(shí)認(rèn)?必要Data決定 收集方案 建立?分析方法決定?Sampling方法決定?指南/樣式設(shè)計(jì) 收集方案 研討?收集過程研討?MSA研討?相關(guān)人力選定/教育 收集及 事后管理?Data 收集方案書完成?Data收集?事后管理Analyze-Analyze概要-12Rev4.0Data收集?Data的必要 在MeasurePhase導(dǎo)出的已優(yōu)先順序化的潛在X’s,未被證明是否真正影 響Y’s及是否為重要核心因素, 由于大局部Project中的幾個因素對Y產(chǎn)生影響,所以找出重要核心因素為 最首要的 接著,因?yàn)槿绻陀^地證明是否為重要核心因素的話,一定需要相關(guān) Data,因此必須收集符合目的的Data?Data收集時研討事項(xiàng) ?想要知道什么內(nèi)容? ?需要什么樣的Data? ?利用何種方法(誰,幾時,多少,在哪)收集Data? ?利用什么方法進(jìn)行分析? ?通過分析要導(dǎo)出什么樣的結(jié)論?Rev4.0必要Data掌握

?必要Data掌握

?所謂必要Data是?

想知道什么?

如何知道那個?

需要收集何種Data?

?為什么要掌握必要的Data?

?對在Measure階段導(dǎo)出的潛在X’s進(jìn)行客觀化,

?為證明潛在X是否為VitalFewX,以及為研討要收集何種Data

?必要Data掌握步驟潛在X’s確認(rèn)收集目的確認(rèn)

Analyze-Analyze概要-13必要Data決定

(提問)Analyze-Analyze概要-14Rev4.0必要Data掌握 ?潛在X’s確認(rèn) 在已優(yōu)先順序化的潛在X’s中,通過研討如下事項(xiàng),對因素實(shí)施具體化或 要遵照潛在因素開掘步驟 ?是否能夠變更因素的水準(zhǔn)? -如果不能變更的話,會無法進(jìn)行分析,所以必須進(jìn)行刪除或變更. ?TEAM員是否管理或控制可能? -如果無法被管理/控制的話,必須代替成可能的因素. ?當(dāng)因素變更時,是否有由于受到無法知道的因素的影響,而不能掌握變動? -雖然變更了因素,但如果其他因素的影響大的話,會變得控制不可能. ?因素是否遵照一般被共知的原理? ?如果遵照一般原理的話,不需要必須進(jìn)行. ?即使產(chǎn)生影響,向后是否也變更/控制可能? ?舉例的話,雖然設(shè)備引進(jìn)年度會影響不良,但分析后不能變更設(shè)備的引進(jìn)年度或終 止設(shè)備的運(yùn)營,所以通過管理設(shè)備的PM周期或零件的使用日期等來變更因素Analyze-Analyze概要-15Rev4.0必要Data掌握

?收集目的確認(rèn)

收集目的在于明確想要知道的(因素別是否對Y產(chǎn)生影響).

例,潛在因素為溫度時–收率受溫度的影響.

潛在因素為壓力時–不良率受壓力的影響.

?必要Data決定(提問)

為提問必須決定具體Data的水準(zhǔn),并按照其水準(zhǔn)再決定必要Data,此時盡可能地 利用過去的Data

?水準(zhǔn)的決定時考慮事項(xiàng)

?工程的管理界限或設(shè)備控制可能的范圍

?Eng’r經(jīng)驗(yàn)上,被判斷為影響多的范圍

?變更時,發(fā)生更多其他影響的可能性

?TEAM員的管理范圍

例,工程收率是否在溫度100℃,120℃,140℃下,產(chǎn)生不同?

工程不良率是否在壓力1.5kgf/

,2.0kgf/

下產(chǎn)生不同?Rev4.0收集方案建立 ?收集方案建立 ?何為Data收集方案建立? ?決定對必要Data的Sampling,并設(shè)計(jì)樣式的階段. ?為什么要建立Data收集方案? ?為最小化由于錯誤的Data收集所造成的浪費(fèi) ?收集方案步驟分析方法決定Sampling方法決定

Analyze-Analyze概要-16指南及樣式設(shè)計(jì)Analyze-Analyze概要-17Rev4.0Data收集方案 ?分析方法決定的必要性 ?根據(jù)分析方法,Data的類型與收集方法會有所不同 ?很多時候,由于Data不適合,所以造成反復(fù)收集Data的非效率 ?更糟的時候,以不適合Data為根底,需要進(jìn)行議事決定的問題 在收集Data之前,先深思熟慮分析方法后作出決定的話,能夠決定問題點(diǎn)及能夠 有效的議事決定與改善. ?分析方法 ?定性分析方法:非數(shù)值性方法 ?Gap分析:Benchmarking,現(xiàn)場實(shí)查,技術(shù)資料分析,專家意見 ?定量分析方法:數(shù)值性方法(Graph分析是所有分析的出發(fā)點(diǎn)) ?因素重要性:平均檢定,散布檢定,ANOVA,χ2Test ?相互關(guān)聯(lián)性:相關(guān)分析,回歸分析,Logistic回歸分析 ?問卷調(diào)查:問卷調(diào)查資料分析對信用卡帳號的書面查詢件數(shù)(N=5,000)選擇的查詢件數(shù)Analyze-Analyze概要-18Rev4.0

母集團(tuán)

對信用卡帳號的 書面查詢件數(shù)

(N=5,000)平均解決時間(μ)是?

Sample

以n=100隨機(jī) 選擇的查詢 件數(shù)平均解決時間是(X)=1.2日統(tǒng)計(jì)性推論收集方案建立 ?Sampling方法決定 ?是否要全部調(diào)查所有Data? ?是否要調(diào)查局部Data? ?如果只調(diào)查局部Data,要抽取何種資料為好? ?Sampling方法 ?盡可能地收集局部Data ?利用收集的Data算出結(jié)論←統(tǒng)計(jì)性推論Analyze-Analyze概要-19Rev4.0收集方案建立 ?Sampling特征 ?Sampling的話,即使使用少量的Data,但也能得到好的答案 ?有利于取得對母集團(tuán)及Process的信息. ?盡可能地選擇能夠代表研究對象,即母集團(tuán)或Process的Sample ?現(xiàn)實(shí)問題很重要.(迅速度與費(fèi)用,資源,等)Analyze-Analyze概要-20Rev4.0沒有偏向代表性 Random性?偏向(Bias)的種類 -排除:排除調(diào)查中Process范圍的一局部. -認(rèn)定:根據(jù)Data收集人員的態(tài)度所造成的偏向.(附加業(yè)務(wù)vs認(rèn)定業(yè)務(wù)) -交互作用:Data收集過程本身會導(dǎo)致偏向發(fā)生 -運(yùn)用上:未遵照標(biāo)準(zhǔn)步驟的情況為最常見的運(yùn)營上的偏向. -無應(yīng)答:

Data會導(dǎo)致偏向發(fā)生. -推定:根據(jù)統(tǒng)計(jì)處理發(fā)生的偏向.收集方案建立 ?好的Sample必須具備的條件工具或統(tǒng)計(jì)值最小樣本大小(經(jīng)驗(yàn)性基準(zhǔn))平均,標(biāo)準(zhǔn)偏差25不良率(p)30Histogram,Pareto,Box-plot40散點(diǎn)圖25Analyze-Analyze概要-21Rev4.0收集方案建立 ?Sampling大小 ?Sampling頻率 ?分屢次抽取小的SAMPLE比一次性抽取大SAMPLE更有效 ?比不穩(wěn)定的Process…更頻繁地 ?比穩(wěn)定的Process…少頻繁地Analyze-Analyze概要-22Rev4.0收集方案建立 ?Sampling方法 ?單純RandomSampling: -構(gòu)成母集團(tuán)的各個因子被選定為樣品的概率相同 ?層別RandomSampling: -將母集團(tuán)區(qū)分為幾個相同性質(zhì)的層后,在各層中以單純隨機(jī)抽樣的方法 抽取樣品 ?群集RandomSampling: -將母集團(tuán)區(qū)分為所謂群集的多數(shù)集團(tuán)后,對以Sampling為單位被選定的群 集那么實(shí)施全數(shù)調(diào)查 ?系統(tǒng)RandomSampling: -從時間上或空間上,隔一定的間隔后,抽取樣品Rev4.0

母集團(tuán)XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

Sample

XXXXXAnalyze-Analyze概要-23

說明各單位(“X”)被包括于Sample的概率相同收集方案建立 ?單純RandomSamplingAnalyze-Analyze概要-24Rev4.0

LMMMM SSS層大中小單位LLLLLMMMMMMMMMMMMSSSSSSSSSS?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(tuán)樣品

說明層別的范疇或Group收集方案建立 ?層別任意抽樣Analyze-Analyze概要-25Rev4.0收集方案建立 ?其他抽樣方法 雖然不符合統(tǒng)計(jì)學(xué)的原那么,但如果能夠排除經(jīng)常被使用的慣例偏向的話,不妨 考慮一下. ?固定百分率方法(FixedPercentageSampling) -雖然看起來象論理性的“經(jīng)常抽取10%的樣品吧”,即推斷性的作法,但究其結(jié) 果那么是,從小的母集團(tuán)中抽取太小的樣品,大的母集團(tuán)中抽取太大的樣品. ?判斷抽樣(JudgmentSampling) -如果向Data收集人員下達(dá)憑自己的判斷選定n個“代表性”Sample的指示的 話,會抽到有偏向的Sample ?大塊抽樣(ChunkSampling) -僅憑工程集合很合理的理由選定樣品的話,其結(jié)果那么不能具備代表性. >從文件箱中抽取全部姓“金”人氏的訂購記錄.Analyze-Analyze概要-26Rev4.0收集方案建立 ?收集樣式作成基準(zhǔn) ?Data記錄必須要容易.→KISS原那么(KeepItSimple,Stupid) ?樣式設(shè)計(jì)必須防止Data記錄或解釋的錯誤可能性. ?樣式必須包括未來的分析,參照及為再確認(rèn)的追加信息. ?樣式盡量要明確. ?CheckSheet或Data必須看起來有專業(yè)性. 當(dāng)用手作成或線不規(guī)那么及難以識別字體時,又給人感覺即興作成時,會引起收集 Data人員的不注意. ?收集人力選定 ?由誰收集Data的問題是最重要的.Data收集人員必須是最容易,最快接近 相關(guān)事實(shí)的人群 ?必須選定無偏向的Data收集源.Rev4.0收集方案研討 ?收集方案研討 ?何為收集方案研討? ?與TEAM員一起研討收集過程是否全部沒有問題 ?研討對象:目的適合性,Data信賴性,收集過程,樣品數(shù),費(fèi)用/人力問題等. ?為什么要研討收集方案? ?因?yàn)镈ata收集是投入費(fèi)用的作業(yè),所以為了最小化Risk ?為了引導(dǎo)通過與相關(guān)人力間的共享的平穩(wěn)的支援 ?收集方案步驟收集過程研討MSA研討

Analyze-Analyze概要-27

相關(guān)人力選定/教育Analyze-Analyze概要-28Rev4.0?MSA:當(dāng)為新規(guī)測定的Data時,必須通過反復(fù)性/再現(xiàn)性,正確性,穩(wěn)定性來研討是否事前能夠信賴Data,并且有必要了解Data信賴程度下降的所有可能發(fā)生的原因,比方,要明確掌握有何種原因,需要減少或排除什么收集方案研討 ?收集過程研討 對研討完成的樣式及觀察收集過程等Data收集的全部Process,需要 相關(guān)Monitoring ?收集過程研討時考慮事項(xiàng) ?目的適合性:研討被收集的Data是否適合對潛在X’s實(shí)施客觀化 ?分析方法:研討是否將定量性研討事項(xiàng)太容易地進(jìn)行拋棄 ?Sampling:研討Sampling樣品數(shù)是否適合(考慮時間與費(fèi)用)Analyze-Analyze概要-29Rev4.0MSA研討及實(shí)施

?MSA研討及實(shí)施

?如果收集Data的人利用相同的工具及經(jīng)過多種時間取得數(shù)據(jù)的話,Data

收集及測定會是反復(fù)的

此Data要對進(jìn)行相同測定的所有測定者都被再現(xiàn),而且此類測定值的平均要與相關(guān) 標(biāo)準(zhǔn)值形成一致,在穩(wěn)定性方面,還要研討在經(jīng)過目的期間時是否維持其結(jié)果

?ProjectTEAM要通過減少Data的反復(fù)性,再現(xiàn)性,正確度,穩(wěn)定性,來掌握

Data信賴性下降的全部可能發(fā)生的原因

都有什么樣的原因,并且要明確掌握減少及排除什么Analyze-Analyze概要-30Rev4.0收集方案研討 ?相關(guān)部門合議 ?實(shí)際被收集的場所為ProjectTEAM的管轄外時,必須取得相關(guān)組織的合 議. ?只有在相關(guān)組織理解實(shí)際必要性時,才能收集有實(shí)際效果的Data. ?收集者教育 ?必須要開發(fā)收集者能夠理解的指南. ?指南的具體程度會隨著收集Data的復(fù)雜性與Data收集者大不相同,有時, 需要將作業(yè)相關(guān)的全部人員集中在一起,對必須遵照的指南進(jìn)行教育, 反之,那么只利用記錄到CheckSheet上的簡單Guide也能夠輸入正確及可 以信賴的Data ?請參與到Data被收集的現(xiàn)場吧,如果收集的人與分析的人不同時會產(chǎn)生 很多誤解Rev4.0收集及事后管理

?收集及事后管理步驟Data收集方案書 完成Data收集

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

現(xiàn)實(shí)性提問(想知道的內(nèi)容)分析ToolsData收集詳細(xì)方法Data類型樣品數(shù)收集場所擔(dān)當(dāng)者記錄方法1Solder溫度Solder溫度為240℃與230℃時,Solder不良率是否產(chǎn)生不同?(2-spl-t)不良品數(shù)(計(jì)數(shù)型)各50個PCBLineXXXSheet2Dipping深度Dipping深度為2mm,2.5mm,3.0mm時,Solder不良率是否不同?(ANOVA)不良品數(shù)(計(jì)數(shù)型)各50個PCBLineXXXSheet3Conveyor

速度當(dāng)C/V速度設(shè)定為1.5m/min時,不良率是否不同?(1-spl-t)不良品數(shù)(計(jì)數(shù)型)各50個PCBLineXXXSheet4Conveyor

角度當(dāng)C/V角度設(shè)定為1,3,5時,不良率是否不同?(ANOVA)不良品數(shù)(計(jì)數(shù)型)各50個PCBLineXXXSheet5Flux當(dāng)Flux濃度為0.9,0.95時,不良率是否不同?(2-spl-t)不良品數(shù)(計(jì)數(shù)型)各50個PCBLineXXXSheet6將Flux溫度設(shè)定為25℃時,不良率是否為2%以下?(1-spl-t)不良品數(shù)(計(jì)數(shù)型)各50個PCBLineXXXSheet7預(yù)熱將預(yù)熱溫度設(shè)定為80℃,90℃,100℃時,Solder不良是否產(chǎn)生變動?(ANOVA)不良品數(shù)(計(jì)數(shù)型)各50個PCBLineXXXSheet

8 910必要Data掌握分析Tool決定分析用Data收集方案書Analyze-Analyze概要-32Rev4.0收集方案建立?分析用Data收集方案書作成(例) 分析用Data收集方案書Project名Soldering工程不良改善LEADER名XXX課長例題不是很好！Analyze-Analyze概要-33Rev4.0收集及事后管理 ?Data收集 ?一旦收集Process被方案及定義完成時,最正確的狀態(tài)為不僅保證方案的持續(xù) 及正確的運(yùn)行,而且還需要從始至終的持續(xù);ProjectLEADER要持續(xù)地傳達(dá)D ata收集者及相關(guān)人力需要收集何種Data與在其后面的理由是什么;收集者 要與ProjectTEAM一起,盡可能地通過全部定義,步驟,Guideline等的研討可 能需要追加性的準(zhǔn)備事項(xiàng),為了提高對在方案中被定義的收集Process的理 解,有時會要求特別樣式的提示或教育 ?ProjectLEADER最好在Data收集開始的始點(diǎn)處進(jìn)行監(jiān)督,重要的是為了掌 握Data收集相關(guān)的人員是否正確理解,在始點(diǎn)處監(jiān)督的失敗,導(dǎo)致將來有可能 進(jìn)行修改作業(yè)或甚至出現(xiàn)作了無用的事情,又為了防止遺漏Data或變更等,實(shí) 施持續(xù)性Monitoring也很重要 Bethere!!(請參與到收集的現(xiàn)場吧!!)Analyze-Analyze概要-34Rev4.0收集及事后管理

?事后管理

?ProjectLEADER當(dāng)收集實(shí)際Data時,無論與收集相關(guān)的人力信息,時間信息等的根本信息,還要通過對收集時發(fā)生的異常病癥,特異事項(xiàng)等的細(xì)微觀察,最

終為形成圓滿的分析而進(jìn)行引導(dǎo)?又要考慮是否符合反復(fù)性,再現(xiàn)性,正確度,穩(wěn)定性的同時,要對已收集的Data進(jìn) 行合理研討?又,必須決定Data如何被進(jìn)行分類,并必須對疑心的Data決定需要做什么;要與收集相關(guān)人力一起,通過對運(yùn)營定義與方法論的研討,來最小化能夠引起Data破損的錯誤的理解與錯誤的解釋Step8:Data分析?定義

?為驗(yàn)證核心因素,進(jìn)行Data分析?學(xué)習(xí)目標(biāo)

?能夠利用已收集的Data,實(shí)施分析Data分類定性分析定量分析Analyze-Analyze概要-36Rev4.0Step8:Data分析Data收集Data分析VitalFewX’s選定Data分類

?Data的特性及 分析方向決定

定量 分析?GraphicTools?統(tǒng)計(jì)分析?問卷調(diào)查

定性 分析?Benchmarking?現(xiàn)場實(shí)查?技術(shù)資料?專家意見Analyze-Analyze概要-37Rev4.0Data分析

?Data分析的目的

為確保對根據(jù)TEAM導(dǎo)出的潛在X的客觀證據(jù),實(shí)施分析

?Data分析的方法?定量Data分析

?通過調(diào)查過去Data,進(jìn)行分析

?通過任意變更Process條件,進(jìn)行分析

?向顧客進(jìn)行問卷調(diào)查?定性Data分析

?求得專家的良言.

?調(diào)查相關(guān)資料.

?調(diào)查Process的現(xiàn)象.

顧客調(diào)查過去資料統(tǒng)計(jì)任意實(shí)驗(yàn)統(tǒng)計(jì)個人意見/TEAM意見 專家意見

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

?收集Data類型區(qū)分

Benchmarking結(jié)果收集Data類型現(xiàn)場實(shí)查結(jié)果技術(shù)資料結(jié)果 專家意見 計(jì)量型Data

計(jì)數(shù)型DataGap分析 統(tǒng)計(jì)分析,,

問卷調(diào)查DataData分析的目的在于,為使對潛在X無論誰都能夠產(chǎn)生共同感覺,而進(jìn)行客觀化的Analyze-Analyze概要-39Rev4.0定性Data分析 ?什么叫定性分析? 主要作為,當(dāng)對過去與未來的資料缺乏時,或取得計(jì)量/計(jì)數(shù)形態(tài)的Data后 ,分析困難時,由相關(guān)管理者或相應(yīng)領(lǐng)域的專家利用他們自身的經(jīng)驗(yàn)與主管 判斷對未來的變化與需要進(jìn)行預(yù)測或進(jìn)行議事決定的工具來使用的一種 技法Analyze-Analyze概要-40Rev4.0原因區(qū)分成果BestPracticeIdealCurrent

現(xiàn)在Process

實(shí)際Process?過去研究事例

…誰都能引起共鳴的專家意見現(xiàn)在Process先進(jìn)Process

GapGapToolsResultsBenchmarking現(xiàn)場實(shí)查技術(shù)資料

?技術(shù)論文專家定性Data分析

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

?Benchmarking推進(jìn)步驟

Step1: Benchmarking主題選定

?對什么實(shí)施Benchmarking?

Step2:Process分析

?我們是如何運(yùn)行的呢?Step3: Benchmarking對象選定

?此領(lǐng)域的最高是誰?Step4: Benchmarking實(shí)施

?他們是如何做的?Step5:

結(jié)果分析及適用

?我們必須如何運(yùn)行呢?What HowWeThey①④②③Rev4.0定性Data分析(現(xiàn)場實(shí)查)

?何為現(xiàn)場實(shí)查分析?

?理解所想的實(shí)際狀態(tài)與實(shí)際正在形成的狀態(tài)之間的差異

?對現(xiàn)實(shí)地正在形成的Process的Gap進(jìn)行分析.

?理解理想的模樣與實(shí)際模樣的差異.我們曾經(jīng)想過的實(shí)際Process理想的Process(Should-Be)

在現(xiàn)場正在形成的

Process為什么會有差異呢????

Analyze-Analyze概要-42Analyze-Analyze概要-43Rev4.0定性Data分析(技術(shù)資料&專家) ?技術(shù)資料分析是? ?對與潛在X’s相關(guān)的專門技術(shù)資料進(jìn)行分析. ?專家意見是? ?共享相關(guān)Process的專家意見 →根據(jù)經(jīng)驗(yàn)的方法(隨意式指南) ?長處 ?很快. ?容易使用. ?短處 ?并非數(shù)值性推定. ?專家確實(shí)保很難. ?很難斷言被選定的專家是否為真正的“專家”.Analyze-Analyze概要-44Rev4.0定量Data分析 q定量分析方法 ?Graph分析 -Graph分析是最易于表現(xiàn)Data屬性的重要方法 -Histogram,Box-Plot,Multi-VariChart等. ?統(tǒng)計(jì)分析 -區(qū)分為母數(shù)檢定方法與非母數(shù)檢定方法 -檢定的種類 ?對平均的假設(shè)檢定. ?對散布的假設(shè)檢定. ?比照率的假設(shè)檢定. ?相關(guān)/回歸分析. ?問卷調(diào)查Analyze-Analyze概要-45Rev4.0GraphABC

統(tǒng)計(jì)分析假設(shè):

H0:三個集團(tuán)是相同的.

H1:至少一個是不相同的.結(jié)論:p-Value=0.000<0.05所以,至少一個是不相同的.

問卷調(diào)查假設(shè):

H0:根據(jù)方法,其滿足度相同

H1:根據(jù)方法,其滿足度不相同.結(jié)論:

p-Value=0.002<0.05

所以,根據(jù)方法,其滿足度是不相同的.定量Data分析

?定量Data分析

Tools&ResultsAnalyze-Analyze概要-46Rev4.0qGraph分析 ?目的 -為了更加易于理解CTQ或影響輸出變數(shù)(Y)的因素,利用Graph進(jìn)行分析. ?適用可能Tool -Histogram,Box-Plot,Multi-VariChart等 ?主要考慮事項(xiàng):Data收集方案 -作成較好的提問 -為導(dǎo)出對主要提問的解答的Data收集/分析 ?算出物:結(jié)論或追加分析必要性 -潛在因素或?qū)Σ叩耐桩?dāng)性與否 -向統(tǒng)計(jì)分析接近的必要性Analyze-Analyze概要-47Rev4.0定量Data分析(統(tǒng)計(jì)分析)

?母數(shù)統(tǒng)計(jì)檢定與非母數(shù)統(tǒng)計(jì)檢定Data類型D計(jì)數(shù)型

ata分析正態(tài)性

母數(shù)統(tǒng)計(jì)檢定計(jì)量型計(jì)數(shù)型正態(tài)分布原因調(diào)查原因分析Data再構(gòu)成

非母數(shù)統(tǒng)計(jì)檢定非正態(tài)分布固有狀態(tài)為非正態(tài)測定錯誤/混合※很多BB苦腦著在自己的Process中抽取的Data不遵循正態(tài)分布,但在決定大局部為非正態(tài)分布之前, 必須確認(rèn)如下事項(xiàng)①②③④測定Data時,是否有錯誤的Data被混入?應(yīng)該別離成其他類型的多種現(xiàn)象是否被混合?是否為遵照離散型分布,即二項(xiàng)分布,泊松分布的特性?是否為根據(jù)(Weibull)的故障特性的分布?

輸出變數(shù)(Y)輸入變數(shù)(X)計(jì)量型Data計(jì)數(shù)型Data計(jì)數(shù)型Data計(jì)量型Data?平均檢定(t-Test)?散布檢定(F-Test)?ANOVA?相關(guān)分析?回歸分析?實(shí)驗(yàn)計(jì)劃?Chi-SquareTest?ParetoAnalysis?相關(guān)分析?Logistic回歸分析?實(shí)驗(yàn)計(jì)劃Analyze-Analyze概要-48Rev4.0定量Data分析(統(tǒng)計(jì)分析)

?母數(shù)統(tǒng)計(jì)檢定(知道Y的分布時)

?非母數(shù)統(tǒng)計(jì)檢定(不知道Y的分布時)

?散布檢定:Levene’sTest

?平均檢定:Sign-Test,Wilcoxon-Test,Mann-WhitneyTest Kruskal-WallisTest,Mood’sMedianTest,FriedmanTest

?Random性檢定:RunTestAnalyze-Analyze概要-49Rev4.0定量Data分析(母數(shù)統(tǒng)計(jì)檢定)

?“計(jì)量型Y”vs“計(jì)數(shù)型X”

?問題:根據(jù)輸入變數(shù)(X)類型,其(Y)的結(jié)果是否會不同?

?例:按照投遞方法投遞L/T是否產(chǎn)生不同?

?輸出變數(shù)(Y):投遞L/T(計(jì)量型),輸入變數(shù)(X):投遞方法(計(jì)數(shù)型)

?Data收集及分析Graph分析

統(tǒng)計(jì)分析1)分析方法:正態(tài)檢定 →分散的同一性檢定→ANOVA2)統(tǒng)計(jì)結(jié)論:分析結(jié)果三個集團(tuán)間的 投遞L/T有明顯的差異. (p-Value=0.000)Analyze-Analyze概要-50Rev4.0Graph分析

統(tǒng)計(jì)分析1)分析方法:回歸分析 →分析的妥當(dāng)性騅(差異檢定)2)統(tǒng)計(jì)結(jié)論: →投遞L/T=0.34+1.12×產(chǎn)品體積

[R2(adj)=94.0%,p-value=0.000]定量Data分析(母數(shù)統(tǒng)計(jì)檢定)

?“計(jì)量型Y”vs“計(jì)量型X”

?問題:根據(jù)輸入因素(X)的各自數(shù)值,輸入變數(shù)(Y)的結(jié)果是否不同?

?例:根據(jù)產(chǎn)品的體積,投遞L/T是否不同?

?輸出變數(shù)(Y):投遞L/T(計(jì)量型),輸入變數(shù)(X):產(chǎn)品體積(計(jì)量型)

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

統(tǒng)計(jì)分析1)分析方法:Chi-SquareTest2)統(tǒng)計(jì)結(jié)論:根據(jù)交通堵塞程度,適當(dāng) 的投遞情況有明顯的差異

(p-Value=0.004)定量Data分析(母數(shù)統(tǒng)計(jì)檢定)

?“計(jì)數(shù)型Y”vs“計(jì)數(shù)型X”

?問題:根據(jù)輸入變數(shù)(X)類型,輸出變數(shù)(Y)的結(jié)果是否不同?

?例:根據(jù)交通堵塞程度(停止,延遲,平穩(wěn)),適時的投遞情況是否不同?

?輸出變數(shù)(Y):適時投遞情況(計(jì)數(shù)型),輸入變數(shù)(X):交通堵塞(計(jì)數(shù)型)

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

統(tǒng)計(jì)分析1)分析方法:BinaryLogistic Regression2)統(tǒng)計(jì)結(jié)論: ※適時投遞失敗可能性= -0.15+0.085×堵塞程度

※p-Value=0.008定量Data分析(母數(shù)統(tǒng)計(jì)檢定)

?“計(jì)數(shù)型Y”vs“計(jì)量型X”

?問題:根據(jù)輸入因素(X)的各自數(shù)值,輸入變數(shù)(Y)的結(jié)果是否不同?

?例:根據(jù)交通堵塞程度(停止,延遲,平穩(wěn)),適時的投遞情況是否不同?

?輸出變數(shù)(Y):適時投遞情況(計(jì)數(shù)型),輸入變數(shù)(X):交通堵塞(計(jì)量型)

?Data收集及分析Analyze-Analyze概要-53Rev4.0定量Data分析(非母數(shù)統(tǒng)計(jì)檢定)

?適用例

?如果看了如下的Data時,我們會做何種判斷? -A產(chǎn)品滿足度:88,89,88,95,87 -B產(chǎn)品滿足度:91,92,92,91,94

?哪一產(chǎn)品的滿足度高?

?為什么會那樣想?

?非母數(shù)Data分析是

?焦點(diǎn)對準(zhǔn)Data的順序后,進(jìn)行分析的方法.

?母集團(tuán)不一定要具備正態(tài)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)當(dāng)Y與“滿足度”相同的語言Data時,可以使用對象人力定量Data分析(問卷調(diào)查)

?分析方法

????????

滿足指數(shù)

6 5 4 3 2作業(yè)方法別滿足度定性分析6SIGMA定量分析Rev4.0Data分析方法vs危險性 ?接近容易性比照危險的大小危險的大小高低

推進(jìn)方向 容易 難

接近容易性危險的大小越大,越難引導(dǎo)改善的投資.

Analyze-Analyze概要-55Step9:VitalFewX’s選定?定義 ?以Data的科學(xué)分析結(jié)果為根底,選定核心因素?學(xué)習(xí)目標(biāo) ?通過分析的結(jié)果,能夠選定核心因素重要因素確認(rèn)VitalFew選定Analyze-Analyze概要-57Rev4.0Step9:VitalFewX’s選定Data收集Data分析VitalFewX’s選定

重要因素 確認(rèn)?實(shí)質(zhì)重要性研討

VitalFew XX’s’s