凯特勒科技 - 专注提供云SPC,MSA软件解决方案
全国服务电话:0755-28457327 邮箱地址:YunSpc@163.com

直方图

使用 直方图(Histogram chart) 可以检查数据的形状和散布。表示数据变化情况的一种主要工具。用直方图可以解析出资料的规则性,比较直观地看出产品质量特性的分布状态,对于资料分布状况一目了然,便于判断其总体质量分布情况。直方图将样本值分成多个区间并使用条形表示每个区间中的数据值频率。当样本数量最少为 20 时,直方图效果最佳。但是,远大于 20 的样本数量可能更能表示分布。

检查分布的尖峰和散布。评估样本数量对直方图外观的影响。

标识尖峰(即,条的最高聚类)。尖峰表示样本中最常见的值。评估样本的散布以了解数据的变异程度。

如果直方图含拟合分布线,请评估条形的高度对分布线形状的服从紧密程度。如果下面的条形紧密地服从拟合分布线,则数据能够很好地拟合分布。

直方图的常见作用有以下三点:

  1. 显示质量波动的状态;
  2. 较直观地传递有关过程质量状况的信息;
  3. 通过研究质量波动状况之后,就能掌握过程的状况,从而确定在什么地方集中力量进行质量改进工作。
了解更多

帕累托图

帕累托图(Pareto chart) 是将出现的质量问题和质量改进项目按照重要程度依次排列而采用的一种图表。帕累托图又叫排列图、主次图,是按照发生频率大小顺序绘制的图表,表示有多少结果是由已确认类型或范畴的原因所造成。

使用 帕累托图用来分析质量问题,确定产生质量问题的主要因素。按等级排序的目的是指导如何采取纠正措施:项目组应首先采取措施纠正造成最多数量缺陷的问题。从概念上说,帕累托图来源于帕累托法则,该法则认为相对来说数量较少的原因往往造成绝大多数的问题或缺陷。

帕累托图用双直角坐标系表示,左边纵坐标表示频数,右边纵坐标表示频率。分析线表示累积频率,横坐标表示影响质量的各项因素,按影响程度的大小(即出现频数多少)从左到右排列,通过对排列图的观察分析可以抓住影响质量的主要因素。

帕累托法则往往称为二八原则,即百分之八十的问题是百分之二十的原因所造成的。帕累托图在品质管理中主要用来找出产生大多数问题的关键原因,用来解决大多数问题。

在帕累托图中,不同类别的数据根据其频率降序排列的,并在同一张图中画出累积百分比图。帕累托图可以体现帕累托法则:数据的绝大部分存在于很少类别中,极少剩下的数据分散在大部分类别中。这两组经常被称为“至关重要的极少数”和“微不足道的大多数”。

帕累托图能区分“微不足道的大多数”和“至关重要的极少数”,从而方便人们关注于重要的类别。帕累托图是进行优化和改进的有效工具,尤其应用在质量检测方面。

了解更多

散点图

使用 散点图(Scatter Plot chart) 可以调查一对连续变量之间的关系。散点图在一个坐标平面中显示一对经过排序的 x 和 y 变量。
评估数据与模型的拟合程度,以估计 X 和 Y 之间关系的强度。当关系较强时,回归方程会准确地对数据建模。

如果您有拟合回归线,请将指针放在拟合回归线上以查看回归方程和 R 平方值。R 平方值越大,回归方程对数据的建模越准确。 

用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。

通过观察散点图上数据点的分布情况,我们可以推断出变量间的相关性。如果变量之间不存在相互关系,那么在散点图上就会表现为随机分布的离散的点,如果存在某种相关性,那么大部分的数据点就会相对密集并以某种趋势呈现。数据的相关关系主要分为:正相关(两个变量值同时增长)、负相关(一个变量值增加另一个变量值下降)、不相关、线性相关、指数相关等,表现在散点图上的大致分布如下图所示。那些离点集群较远的点我们称为离群点或者异常点。

散点图通常用于显示和比较数值,不光可以显示趋势,还能显示数据集群的形状,以及在数据云团中各数据点的关系。

了解更多

运行图

使用 运行图(Run chart) 可以在数据中查找可指示是否存在特殊原因变异的模式或趋势。运行图按照过程数据的收集顺序绘制过程数据。

了解更多