新建
上传
首页
助手
最?/div>
资料?/div>
工具

品管七大手法

 

七大手法:检查表、层别法、柏拉图、因果图、散布图、直方图、控制图

 

五、散布图

 

将因果关系所对应变化的数据分别描绘在

X-Y

轴坐标系?/p>

,

以掌握两个变量之?/p>

是否相关及相关的程度如何

,

这种图形叫做

?/p>

散布?/p>

?/p>

,也称为

?/p>

相关?/p>

?/p>

?/p>

 

1

、分?/p>

 

1

)正相关:当变量

X

增大时,另一个变?/p>

Y

也增大;

 

2

)负相关:当变量

X

增大时,另一个变?/p>

Y

却减小;

 

3

)不相关:变?/p>

X

(或

Y

)变化时,另一个变量并不改变;

 

4

)曲线相关:变量

X

开始增大时?/p>

Y

也随着增大,但达到某一值后,则?/p>

X

?/p>

增大时,

Y

反而减小?/p>

 

2

、实施步?/p>

 

1

)确定要调查的两个变量,收集相关的最新数据,至少

30

组以上;

 

2

)找出两个变量的最大值与最小值,将两个变量描?/p>

X

轴与

Y

轴;

 

3

)将相应的两个变量,以点的形式标上坐标系?/p>

 

4

)计入图名、制作者、制作时间等项目?/p>

 

5

)判读散布图的相关性与相关程度?/p>

 

3

、应用要点及注意事项

 

1

)两组变量的对应数至少在

30

组以上,最?/p>

50

组至

100

组,数据太少时,?/p>

易造成误判?/p>

 

2

)通常横坐标用来表示原因或自变量,纵坐标表示效果或因变量;

 

3

)由于数据的获得常常因为

5M1E

的变化,导致数据的相关性受到影响,在这

种情况下需要对数据获得的条件进行层别,

否则散布图不能真实地反映两个变量

之间的关系;

 

4

)当有异常点出现时,应立即查找原因,而不能把异常点删除;

 

5

)当散布图的相关性与技术经验不符时,应进一步检讨是否有什么原因造成?/p>

象?/p>

 

七、控制图

 

1

、控制图法的涵义

 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

品管七大手法

 

七大手法:检查表、层别法、柏拉图、因果图、散布图、直方图、控制图

 

五、散布图

 

将因果关系所对应变化的数据分别描绘在

X-Y

轴坐标系?/p>

,

以掌握两个变量之?/p>

是否相关及相关的程度如何

,

这种图形叫做

?/p>

散布?/p>

?/p>

,也称为

?/p>

相关?/p>

?/p>

?/p>

 

1

、分?/p>

 

1

)正相关:当变量

X

增大时,另一个变?/p>

Y

也增大;

 

2

)负相关:当变量

X

增大时,另一个变?/p>

Y

却减小;

 

3

)不相关:变?/p>

X

(或

Y

)变化时,另一个变量并不改变;

 

4

)曲线相关:变量

X

开始增大时?/p>

Y

也随着增大,但达到某一值后,则?/p>

X

?/p>

增大时,

Y

反而减小?/p>

 

2

、实施步?/p>

 

1

)确定要调查的两个变量,收集相关的最新数据,至少

30

组以上;

 

2

)找出两个变量的最大值与最小值,将两个变量描?/p>

X

轴与

Y

轴;

 

3

)将相应的两个变量,以点的形式标上坐标系?/p>

 

4

)计入图名、制作者、制作时间等项目?/p>

 

5

)判读散布图的相关性与相关程度?/p>

 

3

、应用要点及注意事项

 

1

)两组变量的对应数至少在

30

组以上,最?/p>

50

组至

100

组,数据太少时,?/p>

易造成误判?/p>

 

2

)通常横坐标用来表示原因或自变量,纵坐标表示效果或因变量;

 

3

)由于数据的获得常常因为

5M1E

的变化,导致数据的相关性受到影响,在这

种情况下需要对数据获得的条件进行层别,

否则散布图不能真实地反映两个变量

之间的关系;

 

4

)当有异常点出现时,应立即查找原因,而不能把异常点删除;

 

5

)当散布图的相关性与技术经验不符时,应进一步检讨是否有什么原因造成?/p>

象?/p>

 

七、控制图

 

1

、控制图法的涵义

 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

品管七大手法

 

七大手法:检查表、层别法、柏拉图、因果图、散布图、直方图、控制图

 

五、散布图

 

将因果关系所对应变化的数据分别描绘在

X-Y

轴坐标系?/p>

,

以掌握两个变量之?/p>

是否相关及相关的程度如何

,

这种图形叫做

?/p>

散布?/p>

?/p>

,也称为

?/p>

相关?/p>

?/p>

?/p>

 

1

、分?/p>

 

1

)正相关:当变量

X

增大时,另一个变?/p>

Y

也增大;

 

2

)负相关:当变量

X

增大时,另一个变?/p>

Y

却减小;

 

3

)不相关:变?/p>

X

(或

Y

)变化时,另一个变量并不改变;

 

4

)曲线相关:变量

X

开始增大时?/p>

Y

也随着增大,但达到某一值后,则?/p>

X

?/p>

增大时,

Y

反而减小?/p>

 

2

、实施步?/p>

 

1

)确定要调查的两个变量,收集相关的最新数据,至少

30

组以上;

 

2

)找出两个变量的最大值与最小值,将两个变量描?/p>

X

轴与

Y

轴;

 

3

)将相应的两个变量,以点的形式标上坐标系?/p>

 

4

)计入图名、制作者、制作时间等项目?/p>

 

5

)判读散布图的相关性与相关程度?/p>

 

3

、应用要点及注意事项

 

1

)两组变量的对应数至少在

30

组以上,最?/p>

50

组至

100

组,数据太少时,?/p>

易造成误判?/p>

 

2

)通常横坐标用来表示原因或自变量,纵坐标表示效果或因变量;

 

3

)由于数据的获得常常因为

5M1E

的变化,导致数据的相关性受到影响,在这

种情况下需要对数据获得的条件进行层别,

否则散布图不能真实地反映两个变量

之间的关系;

 

4

)当有异常点出现时,应立即查找原因,而不能把异常点删除;

 

5

)当散布图的相关性与技术经验不符时,应进一步检讨是否有什么原因造成?/p>

象?/p>

 

七、控制图

 

1

、控制图法的涵义

 

Ͼλ">
Ͼλ
Ŀ

QC七大手法之控制图 - 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

品管七大手法

 

七大手法:检查表、层别法、柏拉图、因果图、散布图、直方图、控制图

 

五、散布图

 

将因果关系所对应变化的数据分别描绘在

X-Y

轴坐标系?/p>

,

以掌握两个变量之?/p>

是否相关及相关的程度如何

,

这种图形叫做

?/p>

散布?/p>

?/p>

,也称为

?/p>

相关?/p>

?/p>

?/p>

 

1

、分?/p>

 

1

)正相关:当变量

X

增大时,另一个变?/p>

Y

也增大;

 

2

)负相关:当变量

X

增大时,另一个变?/p>

Y

却减小;

 

3

)不相关:变?/p>

X

(或

Y

)变化时,另一个变量并不改变;

 

4

)曲线相关:变量

X

开始增大时?/p>

Y

也随着增大,但达到某一值后,则?/p>

X

?/p>

增大时,

Y

反而减小?/p>

 

2

、实施步?/p>

 

1

)确定要调查的两个变量,收集相关的最新数据,至少

30

组以上;

 

2

)找出两个变量的最大值与最小值,将两个变量描?/p>

X

轴与

Y

轴;

 

3

)将相应的两个变量,以点的形式标上坐标系?/p>

 

4

)计入图名、制作者、制作时间等项目?/p>

 

5

)判读散布图的相关性与相关程度?/p>

 

3

、应用要点及注意事项

 

1

)两组变量的对应数至少在

30

组以上,最?/p>

50

组至

100

组,数据太少时,?/p>

易造成误判?/p>

 

2

)通常横坐标用来表示原因或自变量,纵坐标表示效果或因变量;

 

3

)由于数据的获得常常因为

5M1E

的变化,导致数据的相关性受到影响,在这

种情况下需要对数据获得的条件进行层别,

否则散布图不能真实地反映两个变量

之间的关系;

 

4

)当有异常点出现时,应立即查找原因,而不能把异常点删除;

 

5

)当散布图的相关性与技术经验不符时,应进一步检讨是否有什么原因造成?/p>

象?/p>

 

七、控制图

 

1

、控制图法的涵义

 



ļ׺.doc޸Ϊ.docĶ

  • ݿ¹浹⡢µ𲽵Լ
  • ҹ·ڵҪdz
  • 2013-2017йƽҵоͶǰ - ͼ
  • ִСѧĿýѧں
  • سCK6140Qļ
  • йƵϵͳƽн
  • ֤ۿ()
  • ͨߵѧУȫͳһԻѧ(Ͼ,)
  • ҩѧĩϰ(ӡ)
  • 01յˮάбļ

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)