minitab应用实例.ppt
第三章测量阶段,第二节 测量什么-对象,“总体”代表着.所有的信息(人员，物品，事件，活动，等.)它构成一个我们感兴趣或关心的特定的集合。,在这个世界上，并不是每个人都如此！,什么是总体?,“如果我想了解.”“我的总体是.”1.俄亥俄州的学生平均阅读水平a.美国的所有人b.俄亥俄州的所有学生c.俄亥俄州的所有人2.对于GEL C&I客户平均的特殊 a.所有的GEL C&I 客户价格审批(SPA)处理时间b.所有的 GEL SPAsc.所有的 GEL C&I SPAs3.每盘白炽灯灯丝的长度偏差a.荧光灯灯丝盘b.60瓦白炽灯灯丝盘c.所有的白炽灯灯丝盘,抽取样本!,俄亥俄州每个学生的阅读水平对每一个C&I SPA的处理时间每盘白炽灯灯丝的长度,唉!我没有测量资源,抽样,观察少数.以估计总体,起草项目数据收集计划,建立数据收集目标,决定测量对象,决定如何测量,收集数据的目标或期望结果是什么?一般来讲，为了达到目的需要收集什么数据?为收集数据，你将监测什么过程和产品？,第1步,起草项目数据收集计划,建立数据收集目标,决定测量对象,决定如何测量,第2步,决定测量对象时，思考下列问题:我们需要什么数据?决定具体的测量数据(将被集中起来)以满足第1步所述的目标。确认所需的每一个Y 或X.对每一个测量，其操作定义是什么?写下每一个定义，以确保所有团队成员对于收集的数据有一个共同的理解.,起草项目数据收集计划,建立数据收集目标,决定测量对象,决定如何测量,第3步,当决定使用测量工具时，首先检查该工具是否存在;如果不存在,你将需要重新选择一个工具。下列是一些工具的例子：秒表，量具，眼睛，直尺，千分尺，计算机，测量图，温度计，天平，调查表和X-射线仪器。例如，如果你决定测量一个拜访电话打了多长时间，合适的测量工具可能是一只秒表，或者储存在拜访系统里的计时软件。,测量工具,准备抽样方案 抽样方案决定数据收集的频率和数量。,起草项目数据收集计划,建立数据收集目标,决定测量对象,决定如何测量,运用选取的样本，你能获得关于一个总体或过程的结论；这就是所谓的“统计推论”。如果样本是总体的代表，在实践就没有风险或不确定。然而，当样本尺寸被缩小到只有总体的一小小部分时，出现样本不能表达总体或者得出错误的结论的风险随之增加。对任何项目，必须平衡样本尺寸和风险等级以满足数据收集目标的要求。,总体,样本,小样本高风险,大样本低风险,好样本的特质:,样本必须是无偏颇的。一个样本的偏颇是指任何这种因素的出现或影响，这种因素使得被取样的总体或过程显得与其实际不同。当收集的数据与影响总体或过程的关键因素无关时，就产生了偏颇。,无偏颇有代表性随机的,总体,无代表性,有代表性,样本必须具有代表性。在一个有代表性的样本里，收集的数据应该精确地反应一个总体或过程。有代表性的抽样有助于避免偏颇于调查中的总体或过程的某一特定区域。,样本必须是随机的。在一个随机的样本里，数据的收集无序进行，每一个元素都有相等的机会被选来测量。随机抽样有助于避免偏颇于收集数据的特定时间和顺序，操作员，或数据收集员。,大多数的统计工具需要使用随机的和有代表性的数据。不论你是从一个过程还是从一个总体收集数据，你必须选定正确的抽样方法，以确保你的样本从统计角度看是有效的。,应采取什么方法从总体或过程抽样?,总体,过程,过程抽样,总体抽样,过程在运动,样本,样本,决定总体的特征,有助于理解过程的特性和状况,总体 当从总体抽样时，运用随机或分组随机抽样法有助于确保获得一个有效的数据系列或样本。在许多情况下，从一批中抽样可以被认为是从总体中抽样，并且适用于同样的规则。随机抽样最适用于只包含通常原因连续变量的总体。当一个总体具有明显的分类特征时，应用分组随机抽样法，或分区抽样，可清晰地了解每一个类别的表现。,警告 当决定抽样方案时，你应确保谨记数据收集目标。随机抽样可以提供一个总体的好样本，但是它可能不能让你发现罕见的或偶然的情况(特殊原因造成的数据点)。为了发现这样的缺陷，运用随机抽样法时你可能需要收集很大的样本。,总体,样本,从一个统一总体中抽样例子：如果从一箱材料中抽样，箱子的每个地方都有相等的机会被抽取为样品。例子：如果从一批单据中抽样以检查其正确度，被检查的单据应是可从这批单据的任何地方获取的。从一个分类总体中抽样,加工的轴2组的样本,加工的直径,总体,样本,过程抽样,总体抽样,过程在运动,样本,样本,决定总体的特征,有助于理解过程的特性和状况,抽样的方法,随机抽样,分组随机抽样,系统随机抽样,子群抽样,每第 n 个元素,过程在运动,在该点每小时3个样品,每个元素被选中的可能性相等,总体被分成若干组，在每组内随机选择,统计工具 最小样本尺寸,平均值标准偏差缺陷率(P)直方图或柏拉图散点图控制图,5-1025-30100 and nP5502520,大约需要抽取多少样品来计算置信区间?,Minitab Exercise,Minitab软件包简介和图表演示,问题陈述,问题宏观陈述:每周销售拜访的平均数低于要求的35个以上，造成LLC丢失销售机会和客户。输出变量&单位:每周销售拜访数数据来源:销售拜访登记簿问题的具体化:情况:根据客户调查，销售拜访在月初时很少，且间隔很长；而在月末时戏剧性地增加很多。程度:至少有3个客户由于LLC缺乏与他们的联系而降低了交易量，并主要由此原因将生意转给了其竞争对手。现状:测量单位是每周的拜访数量。以前我们只有来自客户经理们关于每周拜访数的估计。这样，我们将需要收集数据以了解每周实际拜访数。时间段:每周的销售拜访数的历史记录一直不同。然而，客户抱怨在最近6个月内一直在增加，并且客户在上个月已经采取了行动。规范:客户期望经常的和及时的销售联系。来自以前的绿带项目的数据显示，每个客户经理要求销售员每周给每个客户至少35个拜访。,PIVs客户经理经验每月工作时间客户类型销售区域,KPOV每周销售拜访数量,小结一下这个“研究”是为了确保收集到正确的数据!,记录销售拜访的指导方针:-与客户面对面-至少有30分钟-讨论客户的问题，新产品报价，客户产品需求，促销等。测量系统分析:说明客户的交互作用要求销售员给一些情形分类，用“销售拜访”或“无”培训所有客户经理直到他们能100%正确分类销售员用数据收集表记录调查结果,收集数据前.,如何测量拜访次数?,检查单,规定抽样计划和数据收集,收集多少样品?谁?什么时候?如何记录数据?,收集数据,当过程在“自然”状态下运行时收集数据.一直收集数据,直到记录下KPOV变量的80%为止!,客户经理:Sally Smith区域:北方FW:1拜访总数:35,销售经验:10年面向同类客户经验:5年 GEL经验:8年,5 1/3/98 Kmart 3 Fillrate discussion/price increase 1:00 3:15 2.25 hrs,销售员FW销售区域经验客户类型销售拜访1-Nancy King11-North1-没有经验1-小242-Sue Smith12-South3-经验丰富2-中等353-Jack Enjill13-East2-经验一般3-大254-George How14-West21235-Mike Sell1132326-Dan Dollar1213227-Jim Jones133130121122222233363232127424222652133336221124723323213113272323139333223643423385313140632122873333351411130242324234323384442137541324564213307433140,销售拜访摘要单,绘图!绘图!绘图!-直方图-时间序列图-散点图-盒子图-主效应图,让数据说话!让数据告诉你,KPIV对于KPOV是否真的很关键!,诠释数据,一直关注数据!哪些 KPIV 在驱动 KPOV?从统计角度讲,你需要检查什么?,直方图,过程居中，分散及形状,为什么使用直方图?汇总一定时间内收集的数据.用图形显示出数据的频率分布.如何使用?运用直方图显示数据的频率分布直方图有什么作用?体现数据分布频率揭示数据的居中，偏差及形状显示数据的分布。作为预测未来过程表现的工具帮助确定过程变化帮助回答如下问题:“该过程的能力是否能满足我的客户的需求?”用来显示大量数据的简单有用的工具,如何绘制直方图,计算 数据点的个数.确定整个数据系列的 范围(R)(最大值-最小值).用数据范围 除以 数据段数(K)(数据段数在 5 到 20 之间,由数据系列的大小决定)确定间距(H)(H=R/K).确定每根轴上的边界(第1点=最小值+H).将数据点放入合适的边界内（上),建立频率表.直方图 是显示频率表的图形.,注意-匹配好数据段数和数据段间距,以得到最好的图形效果,绘制直方图(在Minitab里),GraphHistogram,点击“Annotation”,绘制直方图(在Minitab里),是否达到销售拜访的目标(35个/周)?,4,7,.,5,4,2,.,5,3,7,.,5,3,2,.,5,2,7,.,5,2,2,.,5,1,7,.,5,7,6,5,4,3,2,1,0,销售拜访,l,直方图-销售拜访例子,频率,时间序列图或趋势图,1.收集数据.2.计算平均值或算术平均值.平均值等于所有测量值之和除以数据点的 个数.3.以时间为横(x)轴,在纵(y)轴上绘制测量输出的数据点.4.用平均值或算术平均值作为中心线(在平均值的水平线).5.沿横(x)轴绘制数据点.6.解释数据.,提示-不必在每次增加新数据是重画均值线.只有当过程发生重要变化时,才应重画均值线,并使用变化后的数据点.,如何绘制时间序列图或趋势图,-时间序列图 例#1,客户服务完成率在本质上是非常循环起伏的.,GraphTime Series Plot,绘制时间序列图或趋势图(在Minitab里),每周销售拜访,FISCAL WEEK,这些数据说明了什么?,时间序列图或趋势图-销售拜访例子,散点图,为什么使用?显示过程的变化.有什么作用?提供过程变化的图形比较,以确定对于存在潜在根本原因的过程的改进机会如何使用?确定 X 轴和 Y 轴按照数据范围对X 轴和 Y 轴标注刻度沿X 轴和 Y 轴绘制每个数据点,X 数据,绘制散点图(在Minitab里),GraphPlot,初步结论:,散点图-销售拜访例子,为什么使用?运用图形对数据进行汇总，帮助我出极限。,如何使用?一个长方形的盒子中包括大约50%的数据显示数据的正常分布线确定出局的数据(远离其它多数数据的数据),盒子图,有什么作用?描述数据分布 确定不同数据分布之间的区别,*,坏值,75%数,最小值,最大值,25%的数(1/4),中位数(50%数),盒子图结构,*IQR=Inter Quartile Range=Range of the Data,绘制盒子图(在Minitab里),GraphBoxplot,初步结论:,盒子图-销售拜访例子,如何使用?当某一个因子从一个水平变到另一个水平时,运用图形显示出KPOV 的平均反应.当某一个因子(KPIV)从一个水平变到另一个水平时,KPOV 的平均反应是否产生变化?图形绘制完后,水平线表示该输入因子(KPIV)不重要.斜度越大,该输入因子越重要,或者说,数据点与虚线的区别就越大.,该输入因子重要该输入因子不重要,主效应图,为什么使用?形象地显示输入变量或因子对于一个输出变量的影响.,9,6,.,7,9,5,.,9,9,5,.,1,9,4,.,3,9,3,.,5,R,e,s,i,s,t,a,n,主效应图,Account Mgr.,Sales Region,绘制主效应&相互作用图(在Minitab里),StatANOVAMain Effects Plot,主效应图-销售拜访例子,初步结论:,如何?当某一个因子从一个水平变到另一个水平时,运用图形显示出KPOV在另一个因子处于各种水平下的平均反应.绘制完毕后,相互平行线表示两个因子之间没有相互作用.如果直线相交,或者说相互不平行,那么两个因子之间可能存在相互作用.,相互作用图,研究两个相互作用的输入因子对于KPOV的影响.,没有相互作用,可能相互作用,销售 拜访,“经验丰富”“没有经验”,大 小 客户类型,“经验丰富”“没有经验”,大 小 客户类型,销售 拜访,Stats ANOVA Interactions Plot,绘制相互作用图(在Minitab里),4,4,4,3,3,3,2,2,2,1,1,1,4,4,4,3,3,3,2,2,2,1,1,1,4,4,4,3,3,3,2,2,2,1,1,1,4,4,4,4,3,3,3,3,2,2,2,2,1,1,1,1,7,7,7,6,6,6,5,5,5,4,4,4,3,3,3,2,2,2,1,1,1,FW,销售记录,经验,客户类型,初步结论:,相互作用图-销售拜访例子,销售员,初步 结论,下一步:检查统计的重要性,大多情况下,每周销售拜访数受以下因素(因子)影响:销售员 经验 财政周,每周销售拜访数似乎不受以下因素(因子)影响:客户类型 销售区域,KPIVS,PIVS,数据支持图形显示不凭主观猜测或直觉作出专业判断,初步 结论,专注于 统计的重要性 KPIV-KPOV 关系!,下面的步骤:检查统计的重要性放映试验,下面的步骤:改进/优化,
