散布图教材课件

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,2020/6/3,#,勤威（天津）工业有限公司,QC,七大手法,-,散布图,-,邵文明,2011/09/01,勤威（天津）工业有限公司QC七大手法,1,散布图：将成对的二组数据制成图表，以视察数据相互间的关系。,单位不良率,作成者：河合,时间：,7,月,11,日,-19,日,n=36,g,张力荷重,图,7.1,张力荷重与单位不良率之散布图,散布图：将成对的二组数据制成图表，以视察数据相互间的关系。单,2,在我们的工作现场中，例如比重及浓度、电流密度及电镀厚度或者业务部门的访问次数及成交率等，像这些调查二个两个数据之间的关系者常常会出现。这时所使用的图标就是散布图。,解决问题的重点在于不良率发生时，要找出发生不良情形的真正原因。因此，必须明确地了解其因果关系，即发生不良的结果与造成不良的原因之间的关系，并从根据事实而收集到的数据加以判断。散布图对这种以数据来解析因果关系的情形，是相当好用的手法。,现场问题解决的捷径就是调查二中数据的关系。这时，请考量这些数据是否可作为结果的数据，抑或是表示原因的数据，其考量内容如下：,（,1,）结果的数据及原因的数据。,（,2,）结果的数据及结果的数据。,（,3,）原因的数据及原因的数据。,再取得数据之前，请先考量他们是属于那种关系之后，在做收集的行动。,特性要因的关系（结果的数据及原因的数据）：在,QCC,活动中使用散布图时，其关系似乎是最多的。因特性，也就是表示品质的性质，其是因许多要因（主要原因）而产生的结果。所以从观察特性及要引导数据关系中，便可以直接地监察处二者之间的因果关系。例如，制品的不良率及原料的纯度、涂装膜的厚度及涂料的粘度等都属于这种类型。,在我们的工作现场中，例如比重及浓度、电流密度及电镀厚度或者业,3,特性的关系（结果的数据及结果的数据）：某结果与其他结果之间的关系可认为两者的共同原因。只要追究其共同原因，便可以找出问题的解决及日常的管理等重要的关系。,例如，我们的体重及身高都是特性。可是，体重及身高之间有一定的关系，所以只要调查身高就能大致地推定体重。应用这种方法就是为了管理健康而经常使用的（身高,-110=,体重），这也是控制体重的做法,针对于某一个特性有二个要因的关系（原因的数据及原因的数据）：二个要因的关系如果像特性要因图的主干与分支时，则可以假设他们具有因果关系。不过，有时也会发生二种要因没有主干与分支的关系，甚至被认为是一点关系也没有，但在制作成散布图之后，却产生了关系。所以我们可以由散布图的制作而找出真正的要因。,特性的关系（结果的数据及结果的数据）：某结果与其他结果之间,4,散布图的作法,步骤一：收集成对的数据，整理成数据表,首先，收集想知道有没有相关关系的成对之二组数据，整理成数据表。数据数量如果太少，就不容易看出相关关系，所以至少要收集,30,组以上的数据才行。,表,7.1,是一周内所收集的数据。在二组数据中，一个是原因时，另一个是结果，故将假设为原因的数据设为,X,假设结果的数据设为,Y,，这里张力荷重 是,X,，而单位不良率是,Y,。,步骤二：在方格纸上表示下数据的刻度,收集数据完成便可以完成图表。首先，在方格纸上表示数据的刻度。横轴（,X,轴）是假设为原因的数据之范围，而直轴（,Y,轴）则是假设为结果的数据之范围，并以此作为考量来标出的刻度。（现以图,7.1,的例子来演习散布图的作法）,NO.,x,Y,NO.,x,Y,NO.,x,Y,1,120,0.3,13,110,0.1,25,116,0.2,2,110,0.1,14,115,0.1,26,118,0.2,3,114,0.2,15,106,0.1,27,128,0.3,4,121,0.2,16,103,0.1,28,115,0.1,5,114,0.2,17,101,0,29,123,0.3,6,120,0.2,18,104,0,30,125,0.3,7,116,0.2,19,115,0.2,31,123,0.3,8,125,0.2,20,122,0.2,32,126,0.3,9,120,0.2,21,108,0.1,33,124,0.2,10,128,0.2,22,113,0.2,34,125,0.3,11,117,0.2,23,110,0.2,35,118,0.2,12,122,0.2,24,108,0.1,36,123,0.3,表,7.1,数据表,X,：所设定的张力荷重（,g),Y:,因其设定而生产的单位不良率（,%,）,散布图的作法步骤一：收集成对的数据，整理成数据表NO.xY,5,刻度的单位请以方便数据作记好者为准。此外，横轴的最大、最小范围及知直轴的最大、最小范围要大致对等，这样再容易既由刻度观察出皮茨的关系。刻度的平衡未取得时，可能会产生观看图表而判断错误的情形。请看图,7.2,的及图。由于刻度的划分不好，使得无法正确地掌握,X,及,Y,的关系。如考量各个数据的最大值及最小值，它大致呈正方形时，则即使是同一种数据，也会如图般很容易了解,X,及,Y,的关系。,横轴是向右延伸，直轴则是往上延伸数值愈大。,n=36,n=36,n=36,X,正确例,X,错误例,X,错误例,刻度的单位请以方便数据作记好者为准。此外，横轴的最大、最小范,6,步骤三：将图表中成的数据作上记号,作记号是以成对的,1,组数据为基准，在横轴与直轴交叉的地方画一点。如图,7.3,（张力荷重,120g,时的不良率是,0.3%,）而作上记号。数据在作记号时，如果同一种数据的点重叠时，则可以画双圈或圆圈来加以区别。,步骤四：记入必要事项。,最后，在散布图适当的空白处，记入主题、数据数值、调查时间、担当者等。如果不记入这些资料，则日后将无法了解这个数据的详细来源。,100,120,(g),110,130,0,0.1,0.2,0.3,(%),NO.1,的数据,X=120,Y=0.30,NO.2,的数据,X=110,Y=0.1,单位不良率,张力荷重,图,7.3,成对数据在图表上作记号,NO.,x,Y,1,120,0.3,2,110,0.1,3,114,0.2,4,121,0.16,5,114,0.21,步骤三：将图表中成的数据作上记号1,7,散布图的看法,（,1,）散布图的看法,散布图是在取得成对的,X,及,Y,数据后，与图标上作记号而做成的。从散布图上点的分布情形，就可以了解,X,及,Y,是否有关系，以及关系的深度程度。,现在就,X,是原因的数据，,Y,是结果的数据，来说明其关系的深浅程度。,正相关强：如图,7.4,的情形，即为,X,与,Y,之间是正向关强。从这个图上看，,X,若增加，,Y,也会随之增加，也就是说，,Y,会变化，大部分是因为,X,。所以，如果确实的掌握,X,，则可以管理,Y,的大部分。,正相关弱：图,7.4,的是,X,若增加，,Y,也增加的这种正相关少。与前个图比较，其关系就没有那么密切了，这种情形就认为是正相关弱。也就是说，,Y,的变化也可以考量,X,是部分的原因，但处,X,以外，尚有其他的原因。与图,7.4,的相比，则,X,的影响程度小。,n=30,n=30,n=30,y,y,y,x,x,x,正相关强,正相关弱,负相关强,散布图的看法（1）散布图的看法,8,负相关强：图,7.4,的是,X,增加时，,Y,则减少的情形。认为是负相关强。,负相关弱：图,7.4,是负相关弱的散布图，随着,X,的增加，,Y,则略微减少。这种关系程度弱者就认为负相关弱。将它和,7.4,的相比时，则可发现,X,对,Y,的影响比较小。,无关：如图,7.4,的之散布图就是,Y,的变化与,X,毫无关系的情形。这个时候，就在,X,与,Y,之间无关系。在正（负）相关及无关的案例中，必须再调查了,X,以外的原因。,曲线关系：在实际的现场中，有时会出现如图,7.4,的的一般，作记号的点会呈现某种特定的形状。,X,与,Y,并没有呈直线一定比例的变化，但是点的并列方法欲有一定的方向。例如，在化学反应情形中，作业度与吸收量的关系是吸收量最大时为最适当的温度，这个时候就会出现这种散布图，也就说，根据散布图的制作，就可以发现吸收量最大时的条件。,y,y,n=30,x,x,x,y,n=30,n=30,负相关弱,无关,曲线关系,负相关强：图7.4的是X增加时，Y则减少的情形。认为是负,9,（,2,）找出异常点,在使用散布图时，必须注意一些事项。第一点是看看有无异常点。如果有远离点聚集处的异常点时，如果发现是作业条件的变更，或规定的错误等明确与其他不同的原因时，要去掉异常点，重画散布图，再加以判断。,（,3),成别在分析,其次要注意的是成别观察。如图,7.5,的左图，在观察整体点的状态时会觉得毫无相关，但以,A,、,B,二个条件开成别观察后，如中间的图表示，在,A,、,B,各个条件下，,X,与,Y,之间时常出现了相关的情形。在取得数据时，被认为是要因者要先成别来收集数据，先变成如右图的点记号比较好。,n=60,n=30,n=30,n=30,y,y,y,y,x,x,x,x,B,A,A=B=,为成别的散布图,用不同记号成别记入同一个散布图的情形,A,、,B,成别的散布图,（2）找出异常点,10,此外，还有一种与之相反的，就是如图,7.6,的上图所示，观察整体也可以看出相关的情形，依,A,、,B,、,C,机械来成别的话，即使每个机械之间的差异很大，,X,与,Y,之间的关系也观察不出来。这种情形也同样地依机械别和材料的种类别预先成别来收集数据，在作记号时，根据成别内容，利用记号或利用颜色的变化来清楚的表示出个各要因的影响程度。,y,y,y,y,x,x,x,x,图,7.6,成别后反而无相关,机械,C,n=22,n=60,机械,B,n=22,机械,A,n=22,此外，还有一种与之相反的，就是如图7.6的上图所示，观,11,散布图也和其他,QC,手法一样，会因生产情形中的作业者别，装置别，原料别和营业的地域别等，根据乘别的数据后，在图标上作记号，使得,x,与,y,得关系因乘别的变化而有不同，更进一步得到重要的资讯。,（,4,）考量具备关系的技术性意义,我们可以说出散布图中两种特性值之间有无关系。可是，为什么有相关，或者没有相关的理由却说不上来。所以确定一下，当可了解散布图中彼此相关时，是否可以技术性说明为何有相关情形产生的理由，也就是,X,与,Y,之间的关系要能说明。,有时会技术性地认为全然无关，甚至说明,X,与,Y,之间没有因果关系，但在制成散布图后，却发现有相关关系。像这样没有注意观察相关的情形，即使采取了行动也无法解决问题，这样的错误在多数的情形中偶尔也会发生。,7.4,散布图数据收集要点,接下来是所整理归纳的散布图的要点,（,1,）目的的明确化,首先要想要解析什么，也就是说其目的的明确化，因为想知道的东西不同，所收集的数据也不同。,数据有,【,张力荷重的分不情形,】【,什么样的不良项目多,】,等的一种数据即可的一种情形；也有以,【,不良,】,为结果以及与之对照,【,原因,】,的这种必须二种数据的情形，者二种的数据处理方法就是散布图,。,散布图也和其他QC手法一样，会因生产情形中的作业者别,12,（,2,）确认二种数据的关系,二种数据在制成散布图后而误下判断的情形也会发生，所以先考虑二组数据之间究竟具有何种关系之后，在制作散布图。如果在技术上无法找出明确的理由，就假设可能有什么样的关系，然后在制作散布图，其结果如果有相关时，稍后必须做更深刻的调查。,(3),取得对应的数据,一旦知道这二种数据之间可能有某种关系时，就可以收集数据了。这时，数据取得要利用从相互的连接关系中，一个接一个的对应的方法。图,7.1,的例子就是在某,【,张力荷重,】,时为何会出现,【,短线不良率,】,的情形，将原因及结果二种一对应的方式来收集而成的。,（,4,）数据要记入必要事项，并最好是成别收集,请先了解数据产生的过程。那么，便可以依作业者别、机械别、材料别、作业方法别等，从各个程面来成别，以便追究原