第二章常用的质量管理方法.ppt

焊缝质量鱼刺分析图 焊缝问题的对策表 相关检定表 老黄为何感冒？ 亲和图实例 用亲和图分析如何提高摩托车质量。 5.矩阵数据分析法 Factor Analysis 2.2质量管理的新七种工具－矩阵数据分析法 一、矩阵数据分析法概述 矩阵数据分析是多变量质量分析的一种方法。是统计学中主成分分析法在质量管理中的应用。是质量管理新7种工具中唯一利用数据分析问题的方法。 主成分分析法是一种将多个变量化为少数综合变量的一种多元统计方法。 （计算繁杂，须借助电脑，用专门的软件来处理。） 矩阵数据分析法与矩阵图的区别是：不是在矩阵图上填符号，而是填数据，形成一个数据分析的矩阵。 2.2质量管理的新七种工具－矩阵数据分析法 二、实例 例 2.6 为了了解人们对60种食品的嗜好程度调查，评分标准为1～9 分，即最喜欢的评9分，最不喜欢的评 1 分。将调查人群分为10组，每组50人，经过统计平均得出局部数据资料，如表 2.16 所示。 2.2质量管理的新七种工具－矩阵数据分析法 2.2质量管理的新七种工具－矩阵数据分析法 所研究的问题是男女及各种年龄对食品的嗜好有无差异。若有差异，则应估计出每个年龄组喜欢什么样的食品。而从上面的数据并不能反映出来，因为数据的相关因素太多，并没有达到调查的目的。对上述数据进行处理后，得到相关矩阵（即，协方差矩阵）R=[rij]，即 2.2质量管理的新七种工具－矩阵数据分析法 2.2质量管理的新七种工具－矩阵数据分析法 2.2质量管理的新七种工具－矩阵数据分析法 该协方差矩阵实际上是通过对原始数据进行标准化处理后，利用标准化后的样本估计，相对10组获得一个对称的协方差矩阵，从而可以通过计算得到反映系统特性的特征根。用计算机求解矩阵 R，得到特征根 λi 和相应的特征向量[ai]。由于在所有的特征根 λi 中由小到大排列的特征根前3个的累计贡献率为90.1%，因此取其前 3 位作为主成分来综合描述原来10项分组指标，更能反映人群对食品系列的嗜好程度。计算结果如表 2.17 所示。 2.2质量管理的新七种工具－矩阵数据分析法 2.2质量管理的新七种工具－矩阵数据分析法 从表 2.17 中的数据可以反映出各主成分的系数，3 个主成分的意义可用特征向量来表示。第一主成分下有 10 个数值，此即特征向量。各数值表示各观测组同该嗜好类型（主成分）的关系。 第一主成分下的数值大体相近，而且符号相同，表示不论哪一个年龄组均共同喜欢它。因此，称这个新的综合指标为一般嗜好指标。 第二主成分的特征值从第一组到第五组变小，第六组到第十组变小，表示男女各年龄组对嗜好喜欢程度随年龄增长而下降。因此，称这个新的综合指标为年龄影响嗜好指标。 2.2质量管理的新七种工具－矩阵数据分析法 第三主成分中，男性的特征向量为正值，女性为负值。由此看出男女之间的嗜好差别。因此，称该指标为性别影响嗜好指标。 以上分析可以看出，关于食品的嗜好调查分析可以用 3 个综合指标来描述。它们的影响率分别是64.5%、16.4%和 9.2%，累计贡献率为 90.1%。 更进一步分析，对食品按各种嗜好类型来排列一下。为此，用计算机求得主成分得分为 2.2质量管理的新七种工具－矩阵数据分析法 其中，ami为第m个主成分的第i个观测组所对应的特征向量值，具体数值在表2.17 中。根据 m=1，2，3的各主成分，求得各食品的 j=1，2，…，60 时的主成分得分，且将第一主成分与第二主成分的得分分别表示在横、纵坐标轴上。横轴正方向表示一般喜欢的食品，负方向表示不太喜欢的食品。纵轴向上表示年轻人喜好的食品，向下表示不太喜欢的食品。若将第一主成分与第二主成分的得分描在图中，可以得到一般嗜好和老少嗜好值相区别的情况。同理，也可以分析第三主成分的信息。 矩阵数据分析法就是利用主成分分析法来整理矩阵数据的，并借助计算机可从原始数据中获得许多有益的信息。 6.过程决策程序图法 Process Dicesion program Chart 2.2质量管理的新七种工具－过程决策程序图法 一、过程决策程序图法概述 过程决策程序图法又叫 PDPC 法（process decision program chart）。它是为了实现研究开发的目的或完成某个任务，在制定行动计划或进行系统设计时，预测可以考虑到的、可能出现的障碍和结果，并相应地提出多种应变计划，从而事先采取预防措施，择优把此过程引向最理想的目标的方法。 2.2质量管理的新七种工具－过程决策程序图法 具体而言，PDPC法实质就是一种我们习以为常的分析方法。在解决一些具体问题的过程中，即使在正常条件下，都会遇到许多无法预料的问题和事故。因此，采用PDPC法要不断取得新情报，并经常考虑按原计划执行是否可行；采取