QC七大手法講解 【必讀】QC七大手法詳解（五）

今天呢 我們繼續之前的內容的分享啊 我們繼續我們QC七大工具的這個內容的分享 那麼今天我們分享的兩個工具呢 是層面法和直方圖啊 因爲這個相對來說容易一些 所以我們這一次呢 就把這兩部分都講完啊 那這個呢 是我們今天直播的幾個章節內容啊 第一部分呢 我們去給大家說一下 這個分層法的應用舉例啊 第二部分呢 我們說一下分層法怎麼去做 那麼第三部分呢 我們去介紹一下 在我們進行這種層別啊 分層的時候 總會出現的一個誤區或者是陷阱啊 叫辛普森背論 我們去和大家簡單的去討論一下 那麼前三部分的是我們的這個層面法的內容啊 後兩部分的是我們直方圖的內容啊 直方圖呢 我們會給大家去看一下 直方圖的一些常見的類型啊 基本上對應了一些常見的原因是什麼 第二部分呢 我們去給大家用metab 演示一下我們的案例啊 在metab當中 我們怎麼操作我們的軟件 我們怎麼解讀我們的結果啊 這個是我們最後一部分內容 好 這個呢 就是我們老的QCC大工具啊 那麼我們第一個插件表已經講過了 我們之前啊 大家如果有沒聽呢 可以點點關注啊 去看一下回放 第二部分呢 阿雷託圖啊 這個我們也講過了 然後散佈圖呢 就是散點圖 我們也講過了啊 魚骨圖我們也講過了 我們今天呢 會把這個層面法和直方圖把它講完啊 然後明天開始我們去講這個控制圖啊 這個也是大家比較感興趣的 就是所謂的我們的這個SPC裏邊的這個常規控制圖 修華特控制圖 那這一部分呢 我們放到明天去講 那我們今天主要講這個層面法和直方圖 那這個就是我們QCC大手法的一些口訣啊 大家如果剛開始學的話呢 可以去記一下啊 我們今天先說這個分層啊 做解析 那麼其實呢 不管是6SIGMA也好 還是我們這些個簡單的工具 QCC大工具 那麼他的這個層別所謂的層別的這個概念非常的重要 那麼大家可以看出來 在我們的這個6SIGMA方法論裏邊 他就有非常重要的一個核心的思想 就是層別聚焦 只不過呢 我們6SIGMA處理的問題的比較複雜一些 所以他用的這個工具的也比較複雜一些 但是啊 基本上啊 一個核心的大的原理也是我們層別的這種手法 好 我們看一下什麼叫分層法啊 分層法 其實我們簡單的說啊 他還有一個別的名字 這個大家可能比較清楚 叫層別 層別法 層別法是什麼意思呢 他就是按照我們一定的類別 把我們記錄收集到的數據呢 加以分類整理的一種方法 聽起來呢 很簡單 用起來呢 也不難 所以基本上大家可以看到我們講的這個QCC七大工具 第一個我們講的最重要的是什麼 就是這個查檢表 查檢表 我們在用這種記錄用查檢表去解決我們一些不良問題的時候 那麼後邊呢 我們就會跟很多工具 比如說緊跟的是我們的這個層別法 或者是緊跟的是我們的這個帕雷託圖 然後層別法帕雷託圖之後呢 我們又會跟我們的這個魚骨圖 所以這個QCC七大工具 它之間是有關聯的 並不是說獨立的七個工具 那麼再說回來 那其實呢 大家如果學了這個記錄用的查檢表之後呢 大家就會看出來 那基本上用使用完這個數據的處理之後 你收集到了很龐大的原始數據 那肯定後續有一定的這種分析工作要去做的 或者我們這個剛開始學是這樣 但是啊 真正用起來的時候 其實是這樣 如果大家把這個七個工具都學會了 那麼在我們使用的邏輯上是應該是這樣的 我們先考慮我們要用層別法 那這裏邊層別法裏面這麼簡單 有沒有難點 有難點是什麼 難點就是這個按照一定的類別 按照什麼類別 這個是比較複雜的啊 或者說是不好做的 我們基本上呢 可以按照我們常熟知的 比如說不同的設備啊 或者是不同的時間 比如每天每週每月啊 或者說是我們不同的工藝方法 我們不同的供應商 或者我們常見的不同的我們的現場的作業員 不同的檢測手段等等等等都可以 所以這一等就麻煩了啊 我們基本上呢 在這個製造過程裏面 大家熟知的分類叫什麼叫5M1E 對吧 那麼光有5M1E 人機料法環測還是不夠的啊 還是不夠的 他只能做一個第一層別 也就是第一層的一個層別法 還是比較粗糙的 那麼後續呢 你還要進一步的去做層別 那麼我們就要說了 在工具的使用上來說的 我們要選定層別之後啊 最重要的是什麼 你要選定我們的數據要按照什麼類別去進行收集 那麼這個類別選定之後呢 其實也就是我們決定了我們的這個記錄用插件表 我們這個用來收集數據的記錄用插件表 他的表單裏面怎麼設計的 怎麼設計的 然後有了表單之後呢 我們後續分析的方法 再用這個層別法 但是大家要知道 這個是你先要知道啊 你不可能說我這個收集數據隨便收集對吧 你收集完數據之後肯定是有一定用處的 所以在用層別法之前 先要考慮這個不同的類別啊 這個也是難點啊 這個也是難點 爲什麼難點啊 因爲面對不同的行業 面對不同的這個工序 面對不同的情況 那麼這個類別都是在變的 都是在變的 這個很靈活啊 這個需要大家有一定的這個技術經驗 那麼我們這個分層法呢 常見的類別呢 就這些啊 比如說啊 剛纔我們也說了不同的班組之間 其實呢 這個所謂的班組之間 比如說有不同的機器對吧 我們有比如說有一號機 二號機 不同的原料 不同的作業條件 不同的型號 不同的產品 然後最上層的是什麼 最上層的就是我們不同的時間 所以這個是什麼 這個就是我們常說的5mE啊 但是呢 這裏邊大家要知道它是有層次關係的啊 它是有層次關係的 就跟我們學6sigma做這個變元研究是一樣的啊 這個有層次關係的 那麼最上層的就是時間 對吧 最上層是時間 然後下邊呢 我們可以再進行分類 當然了 層別法一般我們來說只分這一層不夠 基本上在解決問題上 我們可能要分很多的層 那麼我們來看一下最簡單的一個情況啊 最簡單的一個情況 這個叫什麼 這個就叫 其實這是一個時間的圍堵 這是一個時間的圍堵 隨着時間的一個簡單的推移圖啊 這個呢 基本上我們在公司裏邊啊 在製造業裏大家可能每天都會去做啊 每天都會去做一個簡單的推移圖 那麼大家可以看到啊 這個日期對吧 這是一個推移圖的橫座標 也就是說我們是隨着這個時間去描我們這些點的啊 那麼縱座標是什麼呀 縱座標就是我們每天當日的這個不良率 所以大家可以看出來在這個圖裏邊 基本上啊 這些叫什麼呀 這些就叫我們的原始數據 那麼我們在這個層裏邊 我們給他分了幾層啊 我們只給他分了一層 大家看到我們只給他分了一層 那麼這一層是什麼呀 叫改善的一個效果的對比 對吧 改善效果的一個對比 那麼這一層裏邊 我們說他有幾個水平啊 我們說有兩個水平 哪兩個水平啊 一個是我們改善前啊 一個是我們改善後 所以通過這樣簡單的層別 我們就能大致的看出來啊 把我們的數據怎麼樣 分爲了兩堆 一堆叫改善前 一堆叫改善後 那麼我們也可以簡單的從圖裏邊去看一下 這個改善前後的一個差異的對比 這是最簡單的一種層別法 這個大家要記住這些啊 我們說層別了幾層啊 一層對吧 哪一層 這一層叫什麼 叫改善的效果 那麼這一層裏邊 我們說有幾個水平啊 兩個水平啊 一個改善前 一個改善後 大家要記住這些詞 好 我們來看一下啊 大家可以看到啊 我們先說左邊的這個圖 其實你說六C這麼複雜的方法論裏邊對吧 我們有沒有這樣的工具啊 有嘛 對吧 我們那個工具叫什麼 叫SOV 變異元的拆解 那其實很多時候在做SOV之前啊 大家都學過一種定量的方法 對吧 做這個變異元 就學過一個定量的方法 叫ANOVA ANOVA是什麼呀 就是方差分析啊 那麼其實呢 很多時候我們在學的時候呢 很注重這種定量的分析工具 比如說ANOVA 這就是一個定量的分析工具 但是呢 往往我們忽視了另外一種工具 叫什麼 叫定性的分析工具 那比如說啊 針對SOV 我們定性的分析工具 大家可能接觸過六SIM的 可能知道叫什麼 叫多變異圖 對吧 那麼好多人呢 他就認爲我在做變異元分析的時候 我上來 我第一件事 我就要做定量分析 其實不是這樣的一個邏輯 我們是先做定性分析啊 做一個圖表出來 如果從我們的定性分析裏邊 能看出來很大的一個變異元存在了 很明顯了 我們能分出來誰是老大 誰是老二 誰是老三了 那麼我們就不需要再做定量分析了 只有在我們從圖形裏面區分不出來的時候 我們纔會沒有辦法去做定量分析 那麼對於這種研究來說 我們只要知道 這是不是一種層別 是啊 對吧 做這個變異元研究的時候 我們講的這個他分了幾層啊 我們常熟知的是time to time 對吧 最上層的時間之間 這是一層 然後呢 part to part 我們的怎麼樣 產品之間 這又是一層 再往下一層呢 叫location to location 我們的不同的一個產品不同的位置之間 可不可以再細分啊 還可以啊 比如說什麼 我們的測量測量這一層 所以我們簡單的看啊 DualSigma裏邊這些複雜的工具啊 簡單比如SOV這麼複雜 這麼核心的工具 他其實主要的這個原理啊 或者說邏輯是什麼呀 就是層別就是層別 所以很多東西沒有這麼複雜 大家可能看統計的東西看的比較多 就感覺很複雜 在解決問題的實戰當中沒有這麼複雜 層別是一個主要的一個核心思想 那麼我們又說回來了 非得要做定量分析嗎 我們先簡單的做這種圖形的定性分析 能不能幫助我們識別出來問題的原因是什麼 我們來看一下啊 大家可以看到左邊這個圖呢 這是什麼 是我們所有的數據怎麼樣分佈堆到一塊 我們呢 不按這個案例說 我們不說是三個型號啊 這樣大家感覺太簡單了啊 我們說複雜一點 比如說三天的 A代表週一 B代表週二 C呢 代表週三 或者說再複雜一點 我們這個設備上有三個相同的工位 這個我們這樣說 大家有沒有遇到過 我給大家畫一下 因爲現在自動化程度比較高 所以我們很多設備上的 比如說這樣 我們的一個縱向的一個設備啊 然後他過了某一個加工環節的時候呢 可能呢 會有怎麼樣三個相同的加工環節 這三個加工點的都是一樣的功能 大家有沒有在工作當中啊 或者在我們的製造流程裏邊 遇到過這樣的一個設備啊 或者遇到過這樣的一個情況啊 我們來討論一下 大家有沒有遇到過 大家有遇到過的可以扣個1 這樣我看大家就應該能理解啊 我再說一下 就是我們現在很多的製造設備呢 他爲了這個速度 就說所謂的我們的這個產能要提高啊 就是製造速度加快 那麼他可能在同樣的一臺設備上 這一臺設備上呢 他實現的這個加工環節 相同的加工工位有三個一模一樣 或者是兩個或者四個 大家有沒有遇到過這樣的問題啊 他的這個所在的公司啊 我們的製造環境裏有沒有這樣的情況啊 有的話我們可以扣個1 我們來看一下 我們現在的這個製造環境應該很多這樣的 對吧 那麼我們簡單的把它定義爲 這是我們的一個加工點啊 第二個加工點 然後第三個加工點 那麼我們的設備這個產品過來呢 有可能就分流了 有的產品去一號加工點了 有的產品呢 去二號加工點 有的產品呢 去三號加工點 那麼做完之後呢 又合流啊 從我們這個設備就出去了 那麼我們來看一下啊 我們最後做出來的這些產品呢 他的數據呢 我們假定說是圖一這樣的一個分佈 那麼從圖一這個分佈 我們能看出來我們的這個這臺設備啊 生產的產品有什麼問題呢 胖對吧 我們簡單的說叫胖 胖是什麼意思 變異波動比較大 對吧 有很多的這個超分點 那麼如果我們能對我們每一個產品去跟身份證一樣 給他記錄一個ID 那麼我們最後產出的數據呢 可能就是這樣的 我來給他簡單的描述一下 這邊呢 就是我們測量的一個結果了 這邊是我們的測量結果 我們就簡稱叫Y 這邊呢 是他的一個ID分佈 比如說你是在幾號加工點完成的 這邊可能是1 這邊可能是2 這邊可能是3 所以我們的數據呢 怎麼樣 他就在我們人爲的這種分析的過程當中呢 故意的給他分層了 分了幾層呢 還是分了一層 這一層叫什麼 叫不同的不同的加工點 不同的加工點 當然了 他們的加工作用是一樣的 然後我們就可以進行層比 那麼就會從圖1變成了圖2這樣的一個圖形 大家就可以看出來 那麼現在我們的問題是什麼 是我們的一號加工點 二號加工點和我們的三號加工點怎麼樣 他們之間的這個差異怎麼樣 比較大 A的加工中心在這裏 B的加工中心在這裏 C的加工中心的在這裏 如果啊 我們能通過數據分析出來 到這個層面之後 我們就可以怎麼樣 知道了現在問題出在哪 問題出在我們一二三 三個加工點之間的差異比較大 那後面的問題就清晰了 那我們就要找了 爲什麼這三個加工點對吧 它之間的差異這麼大 那這叫什麼過程 這個就是一個層別的過程 那我們說的三個加工點 一二三三個加工點 它的這個中心位置差異這麼大 這個叫什麼 叫組間變異吧 對吧 叫組間變異 所以這整個我們說的這種層別法 其實就是一個SOA的一個邏輯 沒有這麼複雜 那麼層別之後問題就會變得清晰 從我們層別之前的問題 什麼呀 我們這臺設備製造的產品波動太大 變異太大 在我們層別之後問題就變得清晰了 變成什麼了 變成了我們這臺設備三個加工點之間的差異太大 是它的原因造成的 那麼當然了 我們就要對着設備結構啊 爲什麼相同的加工點啊 作用都一樣的是吧 這個結構也一樣 哪都一樣 爲什麼會有這麼大的差異 把它搞定 那我們這個問題怎麼樣 就會波動就會變小 那這個問題就解決了 所以這個就是一個簡單的層別法的一個邏輯 那麼重要的是什麼 重要的是如何找到我們要層別的那個類別 這個是重要的 好 我們來看一下啊 我們來給大家去找一個思考題 我們給大家去找一個思考題 大家可以看一下 那麼我們的維修部 發現我們的這個產品啊 經常發現出現這種製冷液泄漏的這種問題 那麼通過我們現場的調查呢 我們發現了懷疑啊 懷疑泄漏的原因可能有兩個 一個是什麼 一個是我們的管子在裝的時候啊 因爲我們的這個裝配的操作人員不同 三個操作員加一名 那麼他們可能呢 各自的水平有差異 所以導致了這樣一個問題 第二呢 第二就是有可能我們懷疑是因爲管子和接頭的這個生產廠家不同 所以我們這裏邊懷疑的對象有兩類 第一類叫人 不同的操作人 幾個人呢 三個人 第二個我們懷疑的是什麼呀 不同的供應商 有幾個供應商啊 兩個對吧 所以大家知道了嗎 我們後續啊 要對這些個問題採集的時候 我們要整理成什麼樣的一個數據類型 大家可以想到啊 那麼你看我們是先有懷疑對象 然後去收集統計我們的數據 對吧 然後利用我們收集統計數據去進行層別 所以我們的原數據 大家感覺會怎麼樣啊 是不是每一個出現泄露的點 出現泄露的這種事故發生 我們就會記錄一個什麼呀 一列數據叫 那麼好 那你的這個原材 你的供應商是誰呀 然後你對應的操作人員是誰呀 那麼我們是不是要設計這樣的一個表出來呀 然後呢 收集數據 收集數據之後做什麼呀 做我們的層別 我們來看一下 那麼我們一共收集了多少數據呢 50個數據 那麼我們發現這種漏頁 這種不良不良的情況有多少個呢 19個 我們的不良率是多少 38% 大家可以看到啊 我們後邊就要分兩層 大家看到了 去記錄什麼 記錄我們的這個 你看這一層叫什麼 這一層叫針對不同的操作人員 甲 乙 丙 那麼每個人呢 去看他這個發生事故的有多少次 沒發生事故的多少次 我們統計一個什麼呀 發生率 統計一個發生率 那麼我們來討論一下 從這個表單裏邊 我們能不能得到一些結論 大家感覺是甲出了問題 乙出了問題 丙出了問題 還是 我不確定 好像都差不多 我們來討論一下 大家感覺哪一個操作人員 更值得我們去懷疑他 你看甲的發生率是多少 32% 乙的呢 25% 丙的呢 53% 是不是丙的問題 好像發生率更大呀 好像不太確定 對吧 我們再往下看 我們還我們的原始表單記錄的時候呢 還記錄了一類數據叫什麼 叫我們的這個供應商是誰 那麼供應商呢 我們說這一層呢 我們分爲了兩個水平 A和B 對吧 A呢 就是我們的這個大家看到了 這個配件A 配件廠家A 配件廠家B 那這個時候啊 我們在這一層裏面再看啊 大家感覺啊 那麼這個不良品的發生啊 這種泄露問題的發生 大家感覺和我們的這個廠家 不同的供應商有沒有關係 我們利用原始數據進行簡單的層別之後 得到這樣的一個結果 我和大家說一下 其實這一頁的重要的只需要這一列 對吧 加上這一列能不能知道 或者說我們說跟我們不同的供應商 有沒有關係 大家有沒有關係 就簡單的我們看一下佔比就可以了 對吧 你看A和B 它對應的不同的這個發生率是多少 都是38%左右 對吧 一個39% 一個37%差不多 那可能在這裏邊 我們就能做一個初步的結論是什麼呀 和誰有關 和人有關 和哪個人有關呢 比贏 那麼和我們不同的供應商有沒有關係 沒關係 對吧 爲什麼 因爲差不多嘛 對吧 發生率差不多嘛 所以大家要知道 這個是一個往下深入分析的一個聚焦的過程 層別法的層別法的原理是什麼 就是聚焦 聚焦 但有的公司呢 他有這種層別的使用層別法的習慣 他真的會用到這個工作當中的每一處角落裏 各種層別 比如說小時層別 每天層別 每週層別 每月層別 大家有沒有在工作裏面遇到過這樣的情況 這一個不良率一出現 月別 這個周別 日別 小時別 非常非常的多 但是我們說這樣去做 或者說我們說得到這樣的一個結論 有沒有問題 或者存不存在陷阱 這個就是做層別法最大的一個 我們來給大家看一下 我們要給大家介紹另外一個做層別法的陷阱 讓大家清楚叫辛普森悖論 這個辛普森悖論的很有名 我們來看看它是什麼 好 我們來說一下辛普森悖論 這個是做層別法的一個最大的陷阱 我們來看一下 什麼叫辛普森悖論 我們來看一個例子 看一個例子 那麼一所美國的高校 它的法學院和商學院新學期進行招生 那麼人們懷疑這兩個學院 有這個直播間能不能說 大家可以看一下 我還是別瞎說了 上次講這個獨立性的時候 說了一下這個東西 然後就就就就就直接黑屏了 他懷疑有這個 所以呢 對我們兩次招生室的不同的性別的報考人數 及錄取人數進行了一個統計 所以從這裏邊 大家就可以看出什麼 我們在用層別法的時候 一定不是說我要層別 我去層別 前邊一定有一個什麼東西 我們懷疑的對象 這個我們認爲這個問題發生 有可能是哪些個類別 或哪些個原因 有了懷疑對象 這個所謂的懷疑對象是什麼呀 就是後邊我們要層別時候 層別嘛 層別你層的那一個類別 所以一定是先有這些 這個也是我們做層別法最重要的一個內容 其他的都其實都不是很複雜 那麼這裏邊他懷疑什麼 他懷疑性別 所以大家可以看一下 這個是法學院的一個招錄數據 那麼他看他分了兩個類別嘛 男生對吧 和女生 然後呢 看一下男生錄取了八個人 拒絕了45個人 女生呢 錄取了51個人 拒絕了101個人 那麼後邊這個錄取比例 這個是我們要的 所以我們好像從這個數據裏面來看啊 這裏邊大家就不要說假設檢驗啊 這些東西了 爲什麼這個總體啊 這個就是總體 這個是總體 對吧 不涉及到樣本的推斷 是不是大家會看到 女生的這個被錄取比率 要明顯的高於男生 對吧 那麼我們再來看一下商學院 我們再來看一下商學院 商學院啊 同樣他也是啊 稱別男性和女性 那麼我們直接看我們最後的結果啊 女性的比例91% 男性的比例80% 那麼我們現在通過這兩個表啊 是不是就可以得出一個結論 確實是有這種歧視的情況出現啊 好像女性更容易被錄取一些 大家感覺是不是 大家感覺是呢 可以扣1啊 我們來討論一下 大家感覺不是呢 我們扣2啊 可能有人會說我不太確定 大家就扣2啊 我們來討論一下 這個是總體數據啊 總體數據這個不是樣本了啊 我們不需要做這些個檢驗啊 比例檢驗 但是啊 我給大家換一種數據格式來看一下啊 我如果不做稱別啊 我不做稱別 我我把我們的這個法學院和商學院的這個數據 兩個學院的數據 我不分開看 我一起去看啊 我把它結合到一起去看 你看男生201人對吧 女生呢 男生法學院錄取的是8人 商學院錄取的201人 我們合起來看 男生啊 被這個學校一共錄取的是209人 拒絕了95人 女生啊 這兩個學院合起來來看 一共被錄取了143人啊 被拒絕了110 我們再來看一下這個錄取比例 是不是完全的反了 對吧 這個男的68.8% 快70%了 完全高於女的這個55%左右啊 這個是怎麼回事啊 這個是怎麼回事 爲什麼出現這樣的一個情況啊 大家看一下 稱別對吧 我們稱不稱別稱別了吧 稱別完之後和我們這個結論完全的相反 爲什麼就是因爲這裏面涉及到一個權重的問題啊 這裏面涉及到一個權重的問題 這個就叫辛普森悖論 這個也是稱別法裏面的一個很大的陷阱 我曾經看到過一個情況是這樣的 我們是對不同的作業員 比如就說張三吧 和誰呢 和李四 這個數據呢 我找不到啊 張三和李四 然後他的張三的不良率呢 張三作業產品的不良率呢 5000ppm 李四作業的這個不良率呢 1000ppm 那麼如果我們只是在這個層面來看的話 這個張三明顯是有問題的 對吧 張三應該被懲罰 李四應該被怎麼樣 被褒獎 對吧 因爲李四的不良率比較低 但是後來我們又對不同的這個型號 他們作業的不同的產品的型號又進行了一次稱別 我們發現張三不論做哪一個型號都要比李四的不良率低 這是一個實際的辛普森悖論出現的一個情況 爲什麼出現這樣的情況 我們後來發現 因爲張三他在作業的這些個型號裏面 他有80% 他操作的這些個產品 作業的產品都是最難的那個最不好作業的那個型號 那麼李四是反着的 李四80%作業的這個型號都是一些簡單的型號 所以這個是層面法的一些陷阱 很危險 龐爾波說 報考佔比本來就不通 對啊 這裏面涉及到一個權重的問題 所以這個呢 我們要和他說一下 層面法容易不容易呢 容易啊 難難在哪 難就難在這個地方 要靠什麼樣的一個類別去進行層別 這個是我們要進行選擇的啊 這個是難的地兒 那麼有沒有陷阱呢 有啊 我們說的這個辛普森悖論呢 就是層面法裏面的一個很大的陷阱 但是大家知道一下 注意一下就可以了 也不用太擔心 爲什麼呢 畢竟這種稀少的情況也不會太常見 但是大家要要知道啊 有可能會出現這種情況 好 層面法呢 沒有這麼複雜 大家知道原理就可以了 一定要清楚啊 一定要清楚 我再和他說一下重點 重點啊 去掉這些華爾布什的東西 大家不要看很多的圖表啊 用這個excel ppt做的很漂亮 天花亂墜的感覺很厲害 這些都是表面的東西 真正層面法重要的東西 一定是這個類別 層別的這個類別 這個是最重要的 這個直接影響到我們層面法能不能成功 能不能幫助我們解決問題 這個是核心 好 其他有關層面法 大家有問題的呢 或者想討論的也可以打到公平上啊 我們一起去討論 好 我們來簡單的來看一個圖啊 這個放鬆一下 大家感覺啊 我們在這個圖裏面有很多的洞 對吧 大家感覺我們可以用哪些不同的類別去進行層別 我們來討論一下 對吧 我們來討論一下 這裏面有這麼多的洞 我們可以用哪一種層別 或哪一類 我們去記錄一下數據 看一看是不是某一類佔的比重比較大 來吧 我們來討論一下吧 飛禽走獸啊 這這飛禽走獸 這個不算不算類別啊 我們之前給我們的這個培訓的學員看啊 這個真的是隻要一討論千奇百怪啊 很多人的這個想法很有創意啊 黑不過墨的童說陸地上的和水裏上的 這就是一種層別 對吧 陸地跑的海流的 你看啊 海陸空啊 大部分我們大部分這個同學在看這個圖的時候都都會這麼說啊 海陸空啊 有在這個水裏遊的 有在海上這個有在陸地上跑的啊 顏色大小 對吧 啊 它的體型啊 就像他說肉食動物 這個就很不一樣是吧 肉食動物肉食動物素食動物 讀書說有幾條腿 這還有幾條腿 然後其他的同學呢 有沒有一些想法啊 這些都是比較常見的哈 大部分我們都會這麼分啊 這個就需要寫了吧 對吧 這個就需要思考了 假如說我們啊 體型對吧 體型假如說我們發現啊 海上的啊 水裏邊的佔了30% 陸地上的佔了30% 然後呢 天上飛的佔了30% 那麼基本上大家看到這個比例 差不多的時候啊 沒有一個很大的差異的時候 我們就說怎麼樣 這一類啊 這一類差異性不存在 不是他的原因啊 不是他的原因 但是我們要不要說啊 那那我們失敗了 那我們找的這個原因不對 我們失敗了 是不是呢 也不是啊 也不是這個沒有明顯差異 這也叫一個結果呀 對吧 你要有結果呀 這也是一個結果呀 對吧 大家能看到嗎 所以你看我們有了懷疑的對象 然後怎麼辦 緊跟着後面就是什麼呀 記錄用查檢表 對吧 也就是我們的數據信息分幾類呀 你看我們多少個動物 12345對吧 我們差不多1-25個動物 那你就要記錄啊 每一個動物都要記錄什麼呀 他是在什麼樣一個環境 對吧 是天上地下還是水裏 比如說他的這個體重啊 體態是多大啊 對吧 還有我們同學說他是什麼顏色呀 大家看到了吧 先有的這個懷疑的類別 再去收集數據 千萬不要說 你一開始要把它想好了 大家明白吧 要把它想好了 你說我們前面討論不充分 對吧 你說這用不用頭腦富邦 也用啊 你前面討論不充分 你說我只考慮了不同的環境和不同的體積 然後呢 我們的這個記錄的這個測量工作都已經進行一半了 你突然一拍腦門說 哎呀 好像還應該記錄一下顏色 那我們又要倒回去 那前面的工作全都是白乾了 你又要倒回去 所以這個類別很重要 這個是提前要定出來的 提前定出來的 好 那層面法這一部分的重點已經和大家說了啊 懷疑的對象懷疑的類別 而且一開始就要把它想好想全啊 不要說我在工作當中遇到很多人都是他坐着坐着就很隨性 一開始我記錄一下不同的設備吧 記錄記錄記錄 這個工作都快做完了 想起來了啊 我要再記錄一下那個 然後又要掉回去啊 從頭又開始重新幹 這個是不是很好的 要有規劃的話 我們提前規劃好 那大家我們想一下六Sigma難不難 難道六Sigma裏面的M階段重要的工作是什麼呀 測量嗎 對吧 測量工作裏邊重要的是什麼呀 兩項吧 第一測量哪些內容啊 測量哪些kpiv 對吧 第二呢 管理我們的測量計劃嘛 所謂的MSA都是做它的輔助的呀 那你看你做M階段的第一步工作的時候啊 制定測量項 插手測量項的時候依然是這些啊 依然是這些 所以沒有這麼複雜啊 沒有這麼複雜 好 大家有問題也可以打到公屏上啊 然後呢 我們後邊的來說一下這個直方圖啊 我們來說一下這個直方圖這個呢 也比較長勁啊 它是幹什麼用的 我們先來說它是幹什麼用的 首先大家要清楚直方圖啊 它基本上我們對應的數據還是連續型的數據 連續型的數據 那麼它是需要我們對這種連營的數據大量收集之後 進行的一種圖形的分析跟彙總 目的是什麼 目的是要看一下我們數據的一個分佈的狀況 這個分佈的狀況裏邊就出現幾個問題 要看什麼 第一 它的位置在哪裏 所謂的偏不偏 第二呢 波動是什麼樣的 變異是大是小 也就是胖不胖 第三 有沒有一些異常的情況 這個就是我們的直方圖 我們給大家看一下它長什麼樣 大家看到了 它就長這個樣子 對吧 然後我們來說一下 簡單說一下 我們先跳到最後 給大家看一下這一組數據什麼意思啊 我們先畫一個橫座標 然後呢 我們去定一下刻度 我不給大家畫太細緻了 因爲我這邊也不是很好畫 大家看到了 120到125 這個是我們的橫座標的刻度 然後那就是我們定5 對吧 130 然後135 再畫幾個 140 然後145 然後150 有了刻度之後 大家看到了 我們收集了很多的數據吧 和大家簡單的說 比如說 大家我們小時候都玩過一個遊戲 叫什麼叫俄羅斯方塊 對吧 那大家看啊 138這個數據出來了 那麼138 它在哪個範圍內啊 135到140之間 對吧 大家就簡單的想象啊 它就從上邊啊 就跟俄羅斯方塊一樣掉下來 掉了一個塊 落到哪了呢 落到了135和140之間 下一個數據呢 142 142會落在哪啊 140和145之間 再下一個數據呢 148 它落在了這個範圍裏 然後呢 145 140 141 我們簡單的畫一下 就是這樣 然後這些點啊 都跟俄羅斯方塊一樣 落進去之後 那麼最後就組成我們這樣的一個圖表 大家看到了吧 這個就是我們的直方圖了 那麼橫座標是什麼 橫座標是我們測量的一個數據的尺度啊 是我們測量數據的一個尺度 剛纔不給大家看了嗎 對吧 這個13021351402數據的一個尺度 縱座標是什麼呀 縱座標是我們的一個發生的頻率 對吧 那麼大家就會清楚了 那麼柱子最高的那個地方怎麼樣 就是我們發生頻率最大的那一個數據位置 最大的一個數據位置 這是簡單的一個直方圖 那麼一般呢 一般呢 我們呢會怎麼樣 畫還會在我們圖裏面標出來兩根什麼線 這個我們叫規格線 下規格線和上規格線 這樣我們就能更加的看出來 第一 我們數據的中心位置在哪裏 第二 我們數據的一個波動的程度在哪裏 如果單獨看的話 其實沒有太大的意義 加上的這兩根柱子 兩根門柱 我們的規格線 這樣更能看出來我們數據的一個分佈的情況和狀態 這個就叫直方圖 語蝶問和正態分佈有什麼區別 我們看到的這個 我們經常看到的這個 給大家畫一下 因爲語蝶在問啊 對 大家有問題的可以打到公屏上 我們去討論 我們經常看到的這個叫什麼呀 這個叫正態分佈的概率密度曲線 語蝶其實問了一個非常好的一個問題 概率密度曲線 你看我給大家簡單的畫一下 如果我們每一個柱子 大家看到中間這個點 我給大家描一下中間這個點 我們連成一個線 大家看到了吧 能理解我的意思吧 首先第一 如果我們是一個正態分佈 我們是一個正態分佈 然後呢 然後我們的數據量 還非常非常的大 那麼第三 我們分的組塊還非常非常的多 什麼叫組塊非常非常多呀 大家看到了吧 這就叫一個組塊 兩個組塊 三個組塊 四個組塊 我們弄得很密 那麼最後這個直方圖 它的這個 這個每個柱子這個連線 其實就是我們的一個概率密度函數的一個光滑的曲線 我給大家演示一下看一下 來我給大家生成一個隨機數據 我們現在生成多少呢 我們現在生成500吧 我們生成500 在這邊生成500 大家看到沒 這個就是我們的直方圖對吧 有沒有看到這個紅色的條線 這就是擬合的我們的一個正態分佈的概率密度曲線 那麼我們看看增加樣本量 我們不用500了 我們用5000看看會變成什麼樣 5000的其實是不夠的 5000是不夠的 但是弄太多 我怕這個電腦死一點 來我們再來看一下5000的數據量 5000的數據量變成什麼樣 大家看到了 右邊這就是5000啊 樣本量達到5000的一個能看出來 這個直方圖就很接近於我們的正態分佈這個曲線了吧 我們再增加樣本量 我們這回把它增加到50,000 我們增加到50,000 我不敢弄太多啊 我怕這個電腦死機 大家看到了50,000的數據 是不是這個直方圖對吧 很接近於這個曲線了 我們還能做50萬的啊 還能做50萬的 我們這回做到最多再加一個零 多可能會有一些卡頓 大家可以看到吧 這就是50萬的數據啊 一個正態分佈50萬的數據 它直方圖做出來什麼樣 就非常低 是不是樣本量足夠大 50萬的數據 第二是不是出現於啊 是不是來自於正態分佈的 是樣本量夠不夠大 夠大50萬 第三大家可以看到啊 大家可能我不知道你能不能看清啊 它這個組塊非常非常多 它分的這個每一條啊 所謂的柱形圖的每一個柱子分的很細很細了 大家可以看到吧 最後這個柱形圖 或者我們的這個直方圖 它的這個周邊就跟我們的概率密度曲線非常非常接近了 非常非常接近了 這個呢 這個可以簡單的叫仿真 大家感興趣自己也可以去做啊 去生成隨機數去做路徑了 在哪裏計算隨機數據 這個就是我們一般做仿真用的這個隨機數據生成的一個路徑 那麼你看啊 我們需要這個生成的這個隨機數啊 是來自於什麼分佈 比如說卡方正態對吧 還是均勻 那麼你看啊 你需要哪種分佈 這個是一般我們是第一做簡單隨機抽樣啊 第二呢 做這種仿真 我們會從這裏面取信