מבוא ל- QDA (QDA - Quality Data Analysis). 3 רמות ניהול תהליך Knowledge יודע...

מבוא ל- QDA

(QDA - Quality Data Analysis)

רמות ניהול תהליך 3

Knowledgeיודע למה

Information יודע מה• יודע איך•

Data Level

נתונים, נתונים, נתונים...

רמות ניהול תהליך3

כיבוי שריפות•

תפעולית•

אסטרטגית•

הדרך מנתונים למידע

אסוף נתונים•

מבט ראשוני תוך שימוש בכלים גרפיים•

ניפוי )ניקוי( נתונים•

טיפול בנתונים תוך שימוש בכלים כמותיים•

ניתוח )מסקנות והמלצות(•

מידע •

כדי לקבל החלטות אנחנו זקוקים למידע.

העולם מלא רעש,אז איך : " שאלהלהפוך נתונים למידע ?"

בעזרת כלים : תשובהסטטיסטיים

מה עשויה לעשות חשיבה ?סטטיסטית

להפריד בין עובדות למבדות•

למקד תשומת לב בבעיה•

לשכנע לעבור מתיקונים לכוונונים•

להבין את המצב האמיתי שקיים•

לעזור לקבוע מטרות ויעדים נכונים•

לתרום לשיפור ערך•

דוגמה לחוסר הבנה סטטיסטית

נומינל = ממוצעמעל ממוצע – טוב !–מתחת לממוצע – רע !–

פיזור = אפסיש למנוע )לסלק( כל מה שסוטה מערך נומינלי

סוגי נתונים

נתון

רציף בדיד

סולמות של נתונים 4

סולםתאורפעולות מותרות

סולם שמי

סולם דירוגי

סולם מרווחי

סולם יחסי

תוכנית אסוף נתוני איכות צריכה שאלות5לספק תשובה ל-

?- יש לזהות תכונות קריטיות לאיכותמה1.

? – להגדיר נקודות קריטיות של היכן2.התהליך

?- להגדיר מדגם אופטימלי כמה3.

? – להגדיר תדירות הדגימהמתי4.

? – להגדיר שיטת בדיקה )מדידה( וכלים איך 5.נחוצים

עקרונות של אסוף נתונים3

בשלב התחלתי תוכנית אסוף נתונים צריכה 1. המחקר.למטרותלהתייחס רק

בשלב סופי תוכנית אסוף נתונים צריכה 2. המחקר.לתוצאותלהתייחס רק

תמיד תבדוק אישית את הנתונים שנאספו, 3.אל תניח מראש שנתונים יאספו בדיוק

בהתאם לתוכנית שפיתחת.

דרכים לאסוף נתונים

אסוף נתונים

שיטה סבילה...(SPC)בחינה,

טוב לניטור

שיטה פעילה(DOE)תכנון ניסויים-

טוב לניתוח סיבתי

שיטה סבילה

תשומות נבדקות )בחינת קבלה(•

תפוקות נבחנות )בדיקה סופית(•

פרמטרים של תהליך מבוקרות )מעקב אחר •(SPCהתהליך-

שיטה פעילה

should be changed - קלטים•

should be measured - תגובות•

should be simulated – גורמים בלתי נשלטים•

should be changed - גורמים נשלטים•

ניתוח מדדים ל:

מדגם קטן )ממוצע, חציון, שכיח( – מגמה•

מדגם בינוני )שונות,סטיית תקן,טווח( - פיזור•

(- skewness, kurtosis )צורת ההתפלגות•מדגם גדול

בעיות של נתונים

העדר נתונים•מחסור נתונים•יותר מדי נתונים•נתונים לא רלוונטיים•נתונים שגויים )למשל:בעקבות שגיאות מדידה •

כגון:דיוק,דייק,אמינות,אי יציבות,כושר הבחנה(נתונים מורעשים•אי שלמות של נתונים•

איתור וניפוי חריגים

– שונה לגמרי משאר (outlierחריג )האוכלוסייה/מדגם,לכן לגביו קיים

חשד, שהוא בא מאוכלוסייה אחרת.

ניפוי חריגים

, הנתון testאם, כתוצאה של שימוש באיזשהו מזוהה כחריג, יש להוציא אותו מהמדגם.אחרי זה

שוב על מה שנותר . testנתן להפעיל את אותו

מדיניות לגבי החריג שהוצא:פשוט להוריד אותו•לנתח אותו בנפרד•

שיטת ניפוי חריגים למשתנה חד מימדי

Grubbs’ Test: if T>Tcr

),max( minmax

S

XX

S

XXT

Tcrטבלה ל-

Tcrגודל מדגם

1.153

1.675

2.1810

2.4115

2.5620

2.6625

2.9650

3.21100

ניפוי חריגים למשתנים רב מימדיים

•Jackknife

•Cross-Validation