如ISO 10017：ISO 9001：2000的统计技术指南中所述，本文档旨在帮助组织确定数据分析技术，这些技术在持续改进过程中可能会有用。解决他们面临的各种问题。
在大多数过程中，最大的敌人就是可变性，可变性可以在产品和过程的量化特征中观察到，并且存在于产品生命周期的所有阶段，任何组织的目的都是控制它。 。
统计技术，例如直方图，相关分析等，即使数据量相对有限，也可以帮助测量，描述，分析，解释和建模可变性。对此类数据进行统计分析可以帮助您更好地了解可变性的性质，程度和原因。这可以帮助解决甚至防止由于这种可变性而导致的问题。
持续改进工具此处介绍的技术可以更好地利用可用数据来辅助决策，因此可以提高产品和流程的质量，以达到客户满意度。这些技术适用于各种各样的活动。
Nuestro propósito es ayudar a las organizaciones a conocer algunas de las técnicas estadísticas apropiadas para el análisis de datos y la solución de problemas.
对于每种选择的技术，我们都包括对“ 什么是技术”，“ 将要使用的 ”及其“ 主要好处 ”的定义。我们还指出了一些“ 局限性 ”，以及“ 应用示例 ”，并提出了“ 开发”每种工具的方式以及一些“ 提示 ”。我们决不会认为本文档具有唯一性或穷举性，而是请读者寻找其他信息来源，例如ISO 10017标准本身，并在应用和使用此处介绍的技术时寻求专业帮助。 Grupo Kaizen SA提供与这些主题相关的课程。
我们要求读者与示例，优势，局限性和其他主题进行协作，以帮助丰富我们免费提供给企业的资料，这是Grupo Kaizen SA的一项优势
因果分析应用说明
- 它是什么：
它是鱼骨形式的图形表示，使我们能够定性地确定影响某个问题的原因。因果图也被称为鱼骨图或Iskikawa图，以纪念其创建者的名字。
- 用于什么用途：
尝试系统地发现影响某个问题的因果关系。
此外，它允许将原因分为不同的分支或主要原因，称为4 M：方法，人工，机械，材料。在某些情况下，还包括其他M，例如“中间”和“控件”，但按照最初的建议，这4个绰绰有余。
- 好处：
最大的好处是，它可以系统地关注影响问题的原因，并以清晰的方式建立这些原因与研究中的问题之间的相互关系，并将主要原因细分为主要，次要和三次原因。
- 限制和注意事项：
在很大程度上取决于分析人员的先验知识。有时也很难确定某个原因，这并不重要。
这种关系是主观的，因此不能说这些确实是问题的原因。
- 应用示例：交货延迟的原因
产品缺陷
提供服务方面的错误
生产问题
- 详细说明：
选择了一个问题并将其记录在一张纸的右侧，将其封闭在一个盒子中。（在右边写下它只能遵循其创造者Kaouru Iskikawa的指导，他是日本血统，据我们所知，他们从右到左书写）。
随后，在封闭问题的框的左侧绘制一条水平线，就像鱼骨架的脊柱一样。接下来，以大的刺或线的形式写下影响该问题的主要原因，并用正方形将它们包围起来。
主要原因是：物料（原料，信息，文件），机械（设备，软件），方法（程序，说明），人工（人员，总部）。
会写出影响首要原因的次要原因，其次是次要原因。
根据涉及问题的人的观点，有时将重要性分配给每个因素，而那些特别重要的因素似乎对问题产生了重大影响。建议通过使用我们稍后将看到的检查表收集数据来验证关系。
7个秘诀
尽量不要超出小组的控制范围，以免造成挫败感。如果想法产生缓慢，请使用主要原因来提供帮助：是什么原因导致文档（材料）产生？
简明扼要，少用几句话。
确保每个人都同意最能说明问题的短语。
问自己：为什么会发生此原因？
带有必要信息的标签，例如日期，制造者，过程等。
因果图
检验表的使用说明
- 它是什么：
它是用于收集所分析问题的数据的工具。通过设计一种简单的格式，可以收集有关指标，问题原因等的信息。也称为验证表或检查表。
信息记录中的检查表，指示发生事情的次数，例如，每小时的服务人数，发起人的响应时间，退回支票的原因，拒绝请求的原因，缺陷产品等
该格式必须包含以下信息：
- 数据所指向的服务部门，收集日期和时间（如有必要）
为了确定数据的特征和收集格式，确定信息的用途非常重要。
- 用于什么用途：
在这种格式中，它用于了解问题的可能原因出现的频率或在一定时期内客户出现的频率，以及记录服务客户或客户所需的时间。请求。它还可以用于收集产品重量，烤箱温度等。
- 好处：
如果结构合理，则可以使您以简单实用的方式收集信息，从而不会干扰正在注册信息的人员的工作。
让我们回答这个问题什么时候发生？它在哪里发生？它由什么组成？它为什么发生？它如何发生？ 多常 ？，以及数据的来源（产品类型，过程，包装盒，部门和获取数据的人员）。
便于信息汇总。
- 限制和注意事项：
必须注意实时记录信息，如果检查表设计不当，可能会出现问题。
应用实例：
交货延迟的原因
产品缺陷
提供服务方面的错误
准备支票时出现错误，输入错误
自动柜员机的处理时间
客户亲自或通过电话到达的频率
炉温
产品重量
- 详细说明：
验证或检查表可以随使用信息的人的需求而复杂或简单。
确定您需要收集的信息类型。
建立适当数量的信息来回答您的问题。
尽可能使用您已有的信息
建立独特的数据收集方法以及如何对其进行总结试点测试并在必要时调整方法
- 提示
确保数据收集过程高效，以便人们有时间这样做。
要获取的数据必须是同质的（相同的包装盒，相同的产品，相同的班次，相同的机器），否则，您将需要对数据进行分层（分组）。
使用“因果图”中的信息来制作检查表。
不要忘记填写所有必要的信息（日期，部门，过程，人员等）。
检验表
帕累托分析应用说明
- 它是什么：
这是一种识别和区分少数“重要”，许多“重要”或优先考虑影响某个问题的一系列原因或因素的方法，该方法可以通过图形或表格形式识别出现频率更高或发生率或体重更高的方面正在减少。
它也可以以其他类型的格式显示，例如“柔和”图形。
帕累托分析也被称为20-80号法律，其中说：“通常，少数原因（20％）会产生最多数量的问题（80％）。它也被称为用于库存分析的ABC法。
其起源是由于中世纪意大利经济学家威尔弗雷多·帕累托对人们的收入进行的研究。
- 用于什么用途：
它用于确定在分析问题原因时应将最大的精力集中在什么地方。这需要数据，许多数据可以通过使用检查表获得。在下面的重要客户选择中，您将找到一个应用示例。
- 好处：
最大的好处是它使您可以专注于真正影响问题的原因，或者确定应将精力集中在什么地方，例如按客户，按产品分析销售等。
- 限制和注意事项：
当使用大量信息时，它需要使用计算机，而图形表示则需要更高的技巧来进行适当的表示。局限性是，最频繁或最昂贵的事件并不总是最重要的：致命事故需要比100个手指割伤更多的注意力。
- 应用示例：交货延迟的原因
产品缺陷
提供服务方面的错误
生产问题
ABC库存分析
客户分析
事故分析。
- 详细说明：
原因，产品或客户的列表根据出现每个原因的频率或客户或产品的销售量以降序排列（从高到低）。对于产品或客户，以相同的度量单位进行操作非常重要。最方便的是货币价值。
计算每个类别的单独百分比，将每个类别的值除以原因或产品总数。
计算累积百分比，然后以递减顺序添加累积形式的每个项目的百分比。
如果将其用于按产品或客户进行的销售分析，则适用以下规则：那些累计值不超过80％的产品称为A。以下产品从80,001％到95 ％被称为B，其余的直到完成100％为止被称为C。这就是所谓的ABC法或20-80法，因为所研究的产品中约有20％产生了总产品的80％销售。
画图：
使用条形图，按从高到低的顺序排列原因，并在水平轴（X）上记录原因，并在左侧垂直轴（Y）上记录发生某种原因的值或频率。百分比在右侧垂直轴上注明。Excel允许您制作这种类型的复合图。
7）提示
在图表上填写必要的信息，例如日期，分析的过程，收集信息的人员等。
使用常识-最频繁或最昂贵的事件并不总是最重要的：致命的事故需要比100个手指割伤更多的注意力。
清楚地确定测量标准（$，％，频率）。使用检查表中的数据。
帕累托图
原因
在重要客户选择中应用帕累托分析的说明
- 它是什么：
这项技术可以对公司或部门的重要要素进行分类，包括客户，产品，供应商，服务等。
- 用于什么用途：
它用于根据数量，金额等方面的交易量进行分类。以及关键程度或重要性。
- 好处：
它可以无主观地客观地对公司或部门应建立讨论或进行满意度调查的要素（客户，产品，供应商，服务）进行分类。与ABC相比，该方案可以进行更高的分类，而ABC则可以与关键性相结合，为我们提供新的客户分类：铂金，黄金和白银，或alpha，beta或范围产品。
- 限制和注意事项：
根据交易数量或货币价值来确定金额比较容易，但是根据少量主观性可能会产生的关键程度或重要性，则更容易确定金额。
- 应用实例：
对客户进行分类以制定服务调查。
客户分类，将混合投资组合分配给客户经理。
卡交付客户的分类：铂金，黄金，白银。
库存中产品的分类，以便更好地管理或建立采购策略或库存水平。
金融产品分类。
提供的服务分类。
内部客户的分类以区别谈判。
- 详细说明：
- ABC分类：按交易量分类ABC。使用说明进行帕累托分析。分类123：在ABC分类列表中，每个分类均按其关键程度进行标识（对公司形象的重要性，对部门活动的影响，产品缺乏可能引起的问题，与供应商的距离，（1 ）如果它是单个提供者并且没有替代者，则（2）如果它是唯一的但是有替代者，（3）如果它不是唯一的并且有很多替代者）。请参阅下面的示例清单。设置类别： 每个客户，产品或供应商的类别如下：白金客户：A1.A2.A3.B1，C1，金客户：B2，B3，C2，白银客户：C3或Alpha产品：A1.A2.A3.B1，C1，Beta产品：B2，B3，C2，范围产品：C3。
清单（客户，产品，服务，供应商）
| 名称 | 美国广播公司 | 关键性 | 类别 |
| 之一 | 二 | 3 | |
| 至 | Α | Α | Α |
| 乙 | Α | 贝塔 | 贝塔 |
| C | Α | 贝塔 | 光谱 |
答：高音量
B：中等音量
C：低音量
1：非常关键2：严重
3：不重要
白金客户：A1.A2.A3.B1，C1
金卡客户：B2，B3，C2
白银客户：C3
Alpha客户：A1.A2.A3.B1，C1
Beta客户：B2，B3，C2
客户范围：C3
7）提示
对于外部客户的分类，销售量或业务量可能是进行ABC分类的好方法，对于库存产品（原材料，投入品或制成品），必须同时考虑需求量及其单价将产品带到一个通用货币单位。就服务而言，可以是销售额的价值，也可以是利润贡献的价值。
除了上述要素之外，关键程度还可能归因于公司对客户的重要性（无论他们的购买量如何，形象都值得关注：例如，如果公司要向首选客户交付卡，则可以共和国总统的交易额很少，但对于机构来说，将他视为第一位客户并交付信用卡非常重要。
如果一个部门除了要确定其客户的分类之外，还想要确定一个要采访的样本量，可以使用以下技巧：
计算样本量的说明：
- 宇宙大小或人口大小：例如，如果要计算一个人口为50,000的城市的样本，则宇宙将为50,000。最大可接受误差：是要达到的概率精度。这是您需要达到的统计准确性以及您愿意接受的错误级别。范围可以在1％到20％之间，所需的置信度用于确定结果的所需确定度。例如，设置的可靠性级别可以是95％或90％。理想的置信度确定您需要在多大程度上确保结果的可靠性。通常选择95％（20分之几的概率）或90％（10分之几的概率）。当所有值都确定后，获得的结果将是具有代表性的案例数具有确定的错误和置信度水平的宇宙或总体。
示例：根据公司员工人数来考虑的样本。
人口规模（宇宙）：100
最大可接受误差
| 置信度 | 二％ | 3％ | 5％ |
| 95％ | 96 | 91 | 79 |
| 99％ | 97 | 95 | 87 |
人口总数（宇宙）：90
最大可接受误差
| 置信度 | 二％ | 3％ | 5％ |
| 95％ | 87 | 83 | 73 |
| 99％ | 88 | 86 | 79 |
人口总数（宇宙）：75
最大可接受误差
| 置信度 | 二％ | 3％ | 5％ |
| 95％ | 73 | 70 | 63 |
| 99％ | 74 | 72 | 67 |
详细说明频率分布和直方图的说明
- 它是什么：
它是表示过程中测量值分布的方式，例如工作时间，维护响应时间，水泥电阻，管子厚度，直径等。
频率分布可以以水平或垂直条形图的形式表示，但是组必须相似或同质。频率分布的目的是分析数据并获取有关特定过程行为的信息。
- 用于什么用途：
需要通过条形图显示每个类别中的单位数来发现和显示数据分布时使用它。
直方图获取测量数据，例如温度，重量，尺寸等，并显示其分布。这很关键，因为我们知道所有重复事件都会产生结果，并且结果会随时间而变化。直方图显示了过程中固有的变化量。直方图是了解过程可变性的第一个元素。
它用于了解过程或一组产品的数据的分发方式，人口年龄等。
它可以演示从样本获得的数据如何作为决定总体的基础。
在直方图中组织大量数据可以使我们客观地了解总体。
为此，必须具有可通过使用检查表获得的数据
3）好处：
它允许通过直方图以图形方式显示满足客户规格或要求的过程能力。
它有助于理解流程的行为方式以及何时有特殊的变化原因。
通常，作为直方图，它指示最大数量的单元位于中心，并且大约相等数量的单元分布在两侧。在统计控制下从数据中随机抽取的许多样本都遵循这种方式。
其他数据显示所有数据都“堆叠”在远离中心点的分布，这种分布称为“偏斜”。重要的是要记住，我们会发现应该是正态分布而不是正态分布。在事先已知有偏差的分布中也会发生同样的情况。除了了解分发形式之外，您还可以了解以下内容：
- 曲线的“扩展”是否在规格范围内。如果不是，则什么量落在它们之外（可变性）如果曲线在正确位置居中。我们可以判断大多数数据是处于高端还是低端。（偏压）。
- 限制和注意事项：
当使用大量信息时，它需要使用计算机，而图形表示则需要更高的技巧来进行适当的表示。在环形控制变量（流体，某些温度等）中无效
- 应用实例：
在一定的关注时间表中出现的人数频率，
维护，采购，人员，部门等部门响应时间的频率
显示某些值的频率，例如水泥强度，管子厚度，直径，重量等。
- 详细说明：
为了详细说明直方图，我们将在说明中比在其他工具中进行更多研究。这是由于在确定类（条）的数量，必要或类限制自身等时造成的混乱。
- 计算系列（n）中的数据量。确定数据范围R。范围是数据集中最大和最小值之间的差，将范围®的值除以一定数量的称为K的类别。建议使用的类别数，确定间隔H或类别宽度：幅度。
执行此操作的合适公式如下：
高= R / K
将H舍入到合适的数字。请记住，此间隔在整个频率分布中必须恒定。另一种计算方法是K = 1 + 3.3 log，而不是n的平方根。
- 确定班级限制：
为了轻松确定等级限制，请从数据中进行最小的单个测量。使用此数字或四舍五入为一个较小的数字。这将是头等舱限值的最低点。取这个数字并加上上课间隔。连续将班级间隔添加到班级下限，直到获得正确的班级数量，其中包含所有编号。
- 定义类别标记或中点（（LS-LI）/ 2）计算绝对频率（显示值的次数）计算相对频率（每个值相对于总和的百分比）计算累积频率（各个百分比的累积总和）
直方图
它是一组代表图表中各组的条形图。垂直线表示每个组包含的数据量。水平线标记所有组的边界。直方图是频率表的图形表示。直方图向我们展示了所测特性的分布的快速视图。直方图是非常重要的诊断工具，因为它显示了数据分布变化的全景图。
直方图显示一个过程有多少变化。
直方图类型：
- 普通型（对称或钟形）：
直方图平均值位于数据范围的中心。频率在中心较高，并逐渐减小到末端。形状是对称的。这是最常见的形式。它被称为正态分布或钟形。
- 梳型（双模态）
每三等班的频率较低。当类别中包含的信息单元的数量彼此不同时，或者当数据的近似方式出现特定趋势时，就会出现这种形式。
- 带正偏的类型（带负偏的类型）
不对称形状。直方图的平均值位于范围中心的右侧（左侧）。频率向右（左）减小得更快，但向左（右）逐渐减小。当下限（上限）在理论上受到控制或由一个规范值控制，或者当呈现的值低于（高于）某个特定值时，就会发生这种形式。
- 左侧的悬崖类型（右侧的悬崖）
不对称形状。直方图平均值位于距离范围中心最左（右）的位置。频率向左（右）急剧减小，然后向右（左）逐渐减小。当由于处理能力低而选择了100％时，以及当正（负）偏压变得更加极端时，这种形式就会经常出现。
- 普通型
频率形成一个简单的频率，因为除极端频率外，频率或多或少具有相同的频率。该表格以几种具有不同平均值的分布的混合形式呈现。
- 双峰型（双峰）
信息范围中心附近的频率很低，并且每侧都有一个峰值。
- 喙类型隔离
除了一般的直方图，还显示了一个小的孤立峰。当包含少量来自不同分布的数据（例如过程异常，测量错误或包含来自不同过程的信息）时，就会出现这种形式。
7）提示
不要期望所有的分配都是正常的。
分析获得的分布类型及其相对于允许极限的位置。查看分布以了解其可变性
查看分布是否为双峰分布（2个班次，两台机器，两个过程），这意味着不同的数据源
写下所有必要的信息
类的数量（图形上的条形图）确定分布中图像的类型。
某些过程的分布因天性而有偏差使用检验单中的数据
- 频率分布
| 组 | 下限 | 上限 | 类品牌 | 绝对率 |
百分比 |
累计百分比 |
| 之一 | ||||||
| 二 | ||||||
| 3 | ||||||
| 4 | ||||||
| 5 | ||||||
| 6 |
直方图
F
回覆
铜
和
ñ
INC
（CLASS MARK）
应用相关分析（回归）或散点图的说明
- 它是什么：
它是一个图形表示，显示了一个变量相对于另一个变量的关系（不一定有因果关系）。
回归分析将目标特征（通常称为“响应或效应”变量，也称为因变量）的性能与潜在原因因素（通常称为“解释性”变量，原因或自变量”）联系起来。这种关系由可以来自科学，经济学或工程学等的模型指定，或者可以凭经验推导。目的是帮助理解响应变化的潜在原因，并解释每个因素如何导致该变化。这是通过因变量的变化与原因或自变量的变化之间的统计关系来实现的，并通过最小化预测响应与实际响应之间的偏差来获得最佳拟合。
- 用于什么用途：
散点图用于研究两个变量之间的可能关系。这种类型的图表用于测试因果关系之间的可能关系。它不允许我们证明一个变量是另一个变量的原因，但是它确实阐明了是否存在关系以及它可能具有的强度。
回归分析使您可以执行以下操作：
测试关于潜在原因变量对响应的影响的假设，并使用此信息来描述针对给定原因变量变化的响应估计变化；
为自变量的特定值预测因变量的值;
在给定原因变量的特定值的情况下（在确定的置信度下）预测预期响应的值范围;
估计因变量与原因，独立或解释变量之间的关联的方向和程度（这种关联并不表示因果关系）。该信息可用于例如确定更改诸如过程温度之类的因素的效果，而其他因素保持不变。
当您想要根据平衡计分卡（BSC）方法建议在两个指标（结果指标和绩效诱因者）之间建立关系时
- 好处：
回归分析可以提供各种因素与兴趣响应之间的关系，并且这种关系可以帮助指导与正在研究的过程相关的决策，并最终改善过程。
回归分析具有描述响应一致数据的行为，比较相关数据的不同子组以及分析潜在因果关系的能力。如果关系设计得当，则回归分析可以提供对独立变量或原因影响的相对大小以及这些变量的相对强度的估计。该信息对于控制或改进过程的输出可能具有潜在的价值。回归分析还可以提供估计值的大小和对响应影响的来源，这些影响来自尚未很好测量或未从分析中忽略的因素。此信息可用于改进测量系统或过程。
对于一个或多个自变量的给定值，回归分析可用于预测因变量的值; 它也可以用来预测因变量变化对现有或预测性影响的影响。当行动的有效性未知时，在为问题投入更多时间或金钱之前进行此类分析可能会很有用。在BSC中，它可以评估绩效提升因素是否确实与结果指标有任何关系。
- 限制和注意事项：
在设计模型时，需要特殊知识来指定适当的回归分析（例如，线性，指数，多元等），并需要进行诊断以改进模型。变量的遗漏，测量误差以及其他无法解释的变化源可能会使所使用的模型复杂化。所使用的回归模型背后的假设以及可用数据的特征决定了哪种技术适合于问题分析。
在开发回归模型时有时会遇到的问题是数据的存在，其有效性值得怀疑。只要有可能，应研究此类数据的有效性，因为它们的包含或遗漏可能会影响模型参数的估计值，进而影响响应。
通过最小化解释变量或自变量来简化模型很重要。包含不必要的变量会掩盖解释变量或自变量的影响，并降低模型预测的精度。但是，省略重要的解释变量会严重限制结果的模型和有用性。
- 应用实例：
回归分析用于对生产特性进行建模，例如输出，质量性能，周期时间，测试或检查失败的可能性以及过程中的各种缺陷行为。回归分析用于确定这些过程中的大多数重要因素，以及它们对所关注特征变化的影响的大小和性质。
回归分析用于预测实验或受控的前瞻性或回顾性研究，材料变化或生产条件的研究结果。
回归分析用于验证一种测量方法对另一种测量方法的替代，例如替代一种
通过无损或省时的破坏性测试或耗时的方法。
指示器和电感器之间的因果关系
战略目标与流程目标之间的关系。
非线性回归应用的示例，包括将药物浓度建模为相应的时间和权重函数；根据时间，温度和压力等对化学反应进行建模
6）如何制作：
绘制散点图，使水平轴（x轴）代表一个变量的值，垂直轴（y轴）代表另一个变量的值。
收集要研究其关系的50到100对数据（X，Y）。建议至少有30对数据。建立类似于以下内容的表：
| 数据 | 重量（公斤） | 以米为单位的高度 |
| 之一 | 72 | 1.77 |
| 二 | 81 | 1.55 |
| 3 | 99 | 1.90 |
| X | X | X |
| 30 | 47 | 1.55 |
用相同长度和适当比例的水平（X）和垂直（Y）轴绘制图形。当您在每个轴上向上和向右移动时，值应增加。被调查为可能的“原因”的变量通常位于水平轴（x）上，并且该变量被标识为对垂直方向有影响
在图表上记录数据对
如果您发现重复的值，请根据需要圈出该点多次。
识别是否存在相关性和类型
完整填写姓名，日期，作者等-
如果需要，可以使用Excell运行地图：
完成两列数据后，使用XYB（散点图）制作一个图形，该图形显示两个变量之间的关系。o转到图形上的任何绘制点，然后单击鼠标右键。o选择“添加趋势线”。o选择类型，通常使用“线性”。o然后转到“选项”并检查最后两个选项：“存在方程式并在图中显示R值”。o等式确定了计算新值Y的方式。o“ r”值表示两个变量之间的相关程度。
7解读：
绘制的点形成一定的图案。群集的方向和并集使您可以深入了解变量1和变量2之间的关系。这种模式越像直线，变量之间的关系越强。这是合乎逻辑的，因为一条直线表示每当一个变量更改时，其他变量都以相同的方式更改。
1.-正相关：
“ Y”的增加取决于“ X”的增加。如果控制“ X”，则自然控制“ Y”，例如：训练与性能。R = 0.9 2.-可能的正相关：
如果“ X”增加，则“ Y”将稍微增加一点，尽管“ Y”似乎是“ X”以外的原因。R = 0.6 3.-不相关：
没有关联。“ Y”可能取决于另一个变量。R = 0.0 4.-可能的负相关：
“ X”的增加将导致“ Y”的减少的负面趋势，例如质量vs.客户投诉，培训vs.拒绝。R = 0.6 5.-负相关：
“ X”的增加将导致“ Y”的减少，因此，如点1所示，可以控制“ X”而不是“ Y”。R = 0.9
8个秘诀
负关系（如果“ y”增加，“ x”减少），与正关系一样重要（如果“ x”增加，“ y”增加）
只能说“ y”和“ x”是相关的，而不是一个是另一个的原因。
统计测试可用于测试变量之间的确切关系程度。
查看图表始终是一个好主意。
通常使用直线相关，其中y = a + bx。但是，这不是通常找到的唯一关系类型：还有其他关系，例如对数，指数等。，y = e，y = x 2，y 2 = x
控制图的使用说明
1）什么是：
它是检测问题的必不可少的工具，因为它提供了有关由于其自身原因或非过程原因而引起的可变性的信息，并允许确定其是否处于受控状态。
- 指示过程中的变化显示出引起变化的特殊原因
- 用于什么用途：
它用于记录要测量变量的特定过程的数据，例如交货时间，交易数量和各种值，例如重量，尺寸，温度等。
它最常用于控制过程或显示一段时间内收集到的信息。
当流程受正常的变化原因或与变化无关的原因影响时，进行区分。
- 好处：
它可以直观地检测到某个过程或既定目标的趋势，显示在上层和下层是否都达到了目标或规格，并可以与其他部门或公司进行比较。
使用统计技术进行更深入的分析，可以检测过程中可能发生的变化。
它的最大好处是控制流程并确定何时采取行动或什么都不做。
通过在问题发生之前进行攻击来避免使用线下检查。
- 限制和注意事项：
数据应在呈现时收集，以遵守其顺序。它既可以用于变量也可以用于属性，但是需要更多有关如何应用每种图形的知识。
图的类型及其应用方法必须正确研究，因为存在不同的类型：单个值图，简单平均值，移动平均值，平均值范围，平均标准偏差，百分比图，缺陷零件，缺陷和缺陷单元。
- 应用实例：
例如，包装箱中的关注时间，处理操作中的时间，发起人的响应时间，快递员的交付时间等。
参加的行动数量。
缺陷数量
温度控制，重量控制，填充控制，尺寸控制。等等。
- 详细说明：
Y轴是图形的垂直线，其中必须包含要记录为时间，数量，温度，重量，错误数量等的值的小数位数。
X轴是水平线（时间，小时，天，月）。
标记点表示在给定时间内观察到的测量值或数量。
点必须连接起来以便于解释。
时间段和度量单位必须明确标识。
如果记录的值是多个观测值的平均值，则平均图必须伴有距离图。
用实线绘制平均值或平均值。
用虚线画出上限和下限，这些上限可以是既定目标或代表比赛或其他部门绩效的值。
在统计上，正态变化的极限对应于正负三个标准偏差，或通过其他方式，这取决于图表，数据和进行统计过程控制的人员的知识。有关计算限制的不同方式，可以获得更多信息。
- 提示
确保数据收集过程高效，以便人们有时间这样做。
要获取的数据必须是同质的（相同的包装盒，相同的产品，相同的班次，相同的机器，相同的过程）。
使用检查表上的信息。
不要忘记填写所有必要的信息（日期，部门，过程，人员等）。
数据的顺序必须在收集时保持。
完成所有必要的信息。
查找有关基于使用的图形和数据类型计算控制极限的正确方法的其他信息。
数据表
还有其他一系列可以帮助持续改进和解决问题的技术，例如质量功能的部署（质量屋），失效模式和影响分析，统计概率的概念，技术6西格玛（Six Sigma）以及统计过程控制（SPC），如果您需要更多信息，则可以请求[email protected]或索取有关Grupo Kaizen SA在此处提到的所有主题的研讨会的信息。
参考书目
- 数据分析基本工具手册，持续改进的目标基本工具手册，久米仁人（Hitoshi Kume）如何应用命名方法，Mary Walton ISO 10017 ISO 9001：2000统计技术指南。
