gba-2 data收集计划.pptVIP

fn: SSIntro.ppt 方法论 DATA收集计划 ? 目的 为了确认CTQ，从VOC收集计划开始、 MSA 、一次作成工程能力分析,在A阶段里为了确认输出变量Y和输入变量X的关系而作成. ? 适用可能的工具 ? DATA收集计划 ? 抽样方法 DATA收集计划 DATA收集方法 1. 构成好的提问 2. 选定确切的DATA分析技法 3. 决定测定方法 4. 定义DATA收集Point 5. 选定没有偏向的DATA收集员,确认他们的兴趣 后教育 6. 利用DATA收集样式计划和检定 7. 检讨DATA收集过程,并确认其结果 DATA收集Process ? 第一阶段 : 构成好的提问 构成正确的提问是核心,成功数据收集的第一阶段。 - 为得到好情报的提问应该是焦点明确而具体. - 明确显示我们找的情报,给予用那情报和结果执行什么 的信赖,让别人帮助我们就很容易. DATA收集Process 抽样 有偏向(Bias)的抽样 ? 偏向的种类: 抽样信赖区间 抽样信赖区间 抽样方法 单纯任意抽样: 构成母集团的各个因子被选样品的概率是一样. 2. 层别任意抽样: 把母集团区分几个同质的层后,在各层按单纯 任意抽样抽出样品. 3. 群别任意抽样: 把母集团分为多数集团后, 对按抽样单位选择的群体进行全数调查. 4. 系统任意抽样: 时间上或空间上隔一定间隔抽出样品. 单纯任意抽样 其它抽样方法 ? 不符合统计学的原则,但经常使用的惯例 ? 固定百分率抽样 : 与“经常取10%样品”同样的 “大概判断法” 。 结果为小的母集团总是选择太小的样品，大的母集团 总是选择太大的样品。 ? 判断抽样 : 让DATA收集要员凭自己的判断选定X 个 “代表性” 样品，就能拿到不偏向的样品。 ? 块抽样 仅凭项目便利集合的理由来选定样品，其结果会产生样品的 偏向和非代表性。 举个例子如下： “从v文件抽出D姓人们的订购记录。” DATA收集Process ? 第4阶段 : 定义DATA收集Point 理想的想法，我们要在尽可能不防碍Process作业工序的范围内 收集所有的DATA。可这比预想不容易。 DATA收集Process ? 第6阶段 : 设计DATA的收集样式和指南后进行Test. ? DATA的记录应容易做. KISS 原则 (Keep It Simple, Stupid) ? 样式是从DATA的记录或解释中不会有失误的可能性而设计. ? 样式应包括未来的分析、参照及为了再确认的追加情报. ? 样式应最大限度明确. ? Check Sheet或Data Sheet应显示有专业性. 用手制作,线不规则,字写的乱, 还有如果给人不认真作成的感觉, 那么容易让收集Data的人不注意. DATA收集Process ? 第6阶段 : 设计DATA的收集样式和指南, 必须进行Test 计划很认真,但是在DATA收集过程中仍有可能发生预想不到的问题. 最常出现的问题如下. 对如何作成 DATA收集样式的错误理解而引起的失误. 设计样式的人没理解与Process相关的所有变量, 发现收集 追加情报的必要性. 问题发生的状况下,很难输入DATA,所以收集不完全的DATA. 把DATA记录在样式的人,怕收录情报对他们有坏的影响而犹豫, 因此产生的不完全或有偏向的DATA. DATA收集Process ? 第7阶段: 检讨DATA收集过程, 确认其结果. 检讨完成的样式,观察收集过程等，有必要对于DATA收集Process全面的显示.DATA收集员中有一部分理解错误时,应立即进行再教育. ** 有必要使用已收集的Raw Data,或利用新收集的Data时, 必须明确地表示Data收集位置、作成者、期间、 Data数 等Source ** Proprietary to Samsung Electronics Company Measure – DATA收集计划 - * Re