Minitab描述性统计与图形分析（三）

昨晚由于被某著名整车厂的客户SQE提出了今早9点半必须要出一份8D报告，整到半夜12点半，所以没有及时更新......话说回来，在当今各大主机厂对零部件厂商降低成本提高质量的压力下，汽配行业也逐渐陷入了打破成本与质量自相矛盾的僵局之中...就像六西格玛 管理在一开始就重点介绍了质量成本这一概念，质量真的越高越好吗？如果一个公司的质量水平远远高于其他指标，那么这个公司会有什么样的结局呢？就在今天还在跟一国内著名合资主机厂做质量的朋友讨论，如何找到质量与成本的平衡点，才是高水平的质量管理人员应该追求的。说点实际的个人感受，如果一个公司的质量水平做的不好，那么老板以及其他部门都不好过。但如果这公司只有质量部门做得好，那估计老板跟其他部门就没法过。（个人感受，欢迎交流）

吐槽完毕，接下来进入正题，今天跟大家分享的是Minitab中利用不同的图形工具去分析和说明数据，虽然简单，但却十分有用.理解掌握后，与其花费大量体力与口水去跟别人扯皮，不如打出简洁有力的数据及图表。

另外在与领导的汇报中，老板难得抽出时间听你汇报，但是你毫无逻辑性的主观描述与一堆让人密集恐惧症 就要病发的原始数据，远远不如你的几张图表，来换取老板的好心情和对你的支持.

（四） 数据图形化分析工具

4.1图形化分析优势

· 单纯的数字和符号往往比较抽象乏味；

· 合适的统计图形显著增强数据的感染力，帮助我们理解统计分析 结果；

4.2 常用统计图形 工具

· 条形图和柏拉图（Bar Chart and Pareto Chart）

· 饼图（Pie Chart）

· 直方图（Histograms）

· 点图(Dot Plot)

· 单值图（Individual Value Plot）

· 箱线图（Boxplots）

· 时间序列图 （Time Series Plots）

4.2.1 条形图和柏拉图

· 用途

条形图（Bar Chart）：使用条形图可以比较计数，均值或其他汇总统计量 ，并使用条形来标识组或类别。条形的高度显示组的计数、变量函数 （均值，和，标准差等）或汇总值 。

柏拉图（Pareto Chart）：使用Pareto 图可以标识出最常出现的缺陷，缺陷最常见原因或最主要的客户投诉原因，可以帮助我们着重识别改进能获得最大收益的方面。

实例：一家汽车供应公司的质量工程师想降低汽车门板因喷漆瑕疵而报废的数量。质量工程师想确定喷漆瑕疵类型与给门板喷漆的班次（白天，晚上，夜晚，周末）之间是否存在关系（原始数据如下）。

首先通过Pareto分析，可以看出：超过80%的缺陷集中在起皮，擦痕和其他。而通过条形图分析，得出三种缺陷都是在“夜晚”班次分布最多。所以可以得出推论，后续需要针对“夜班”班次的生产状况进行进一步的调查分析。

4.2.2 饼图（Pie Chart）

· 目的

饼图（Pie Chart）：使用饼图显示属性统计资料，不同大小和颜色的扇形代表不同的属性变量，面积之和（整圆）代表所有属性变量的整体。适合体现某个整体的成分构成和各成分之间的对比关系，与条形图相比，容易显示精确比例。

实例：沿用上面喷漆瑕疵类型与给门板喷漆的班次例子。

Tips: 在操作minitab 时，把想显示在一个整圆中的不同属性（班次）选择为类别变量（Categorical Variable），然后点击“多图形”，选择“按变量分组”，选择“瑕疵”作为分组变量（By Variables with groups on same graph）.点击“标签”，选择“扇形区标签”，在菜单中选择想要显示在饼图中的指标（类别名称，频率，百分比）

针对分布较为集中的三个缺陷（擦痕，起皮和其他），观察班次所占的比例关系，可以得出缺陷主要产生在“夜晚”班次.

4.2.3 直方图 （ Histogram）

· 目的

直方图（Histogram）：使用直方图了解数据的分布情况，比较容易直接看到数据的位置状况、离散程度 和分布形状，并且可与要求的分布进行比较。

在有些情况下，直方图中会出现一些相对其他数据极端小或极端大的数据点，并且数据没有落在其他数据附近，这些数据叫做异常值（outlier）.

任意样本数量的数据都可以绘制直方图，但是样本量较小时，直方图形 显示较为稀少，并不是最合适的图形。当样本量达到至少25~30时，直方图能够提供一个比较有参考价值的分布趋势。------这时，就引出了点图(Dot plot)

4.2.4 点图（ Dotplot）

· 目的

点图（Dotplot）：当样本数据量较少是，适合使用点图了解数据的分布情况，比较容易直接看到数据的位置状况，识别出异常值。

4.2.5单值图（ Individual Value Plot）

· 目的

单值图（Individual Value Plot）：使用单值图可以评估和比较样本数据分布。单值图对于一个组中每个观测值的实际值显示一个点，这便于发现异常值（outlier）并查看或比较分布的散布。当样本量小于大约50时，单值图 效果最佳。

实例：比较两条饼干生产线(Line1 and Line2)产品的重量特性，如下:

可以看出，Line1生产的产品重量比Line2产品重量较低，并且分布更为发散；

太晚了，明早还要带孩子去上英语课，后续会继续更新剩下的箱线图 和时间序列图，在实际问题解决过程中都是很实用的工具，以及关于描述性统计 指标（平均值，中位数 ，方差，标准差等）的minitab应用，要去睡了，晚安各位.

武汉格发信息技术有限公司，格发许可优化管理系统可以帮你评估贵公司软件许可的真实需求，再低成本合规性管理软件许可,帮助贵司提高软件投资回报率，为软件采购、使用提供科学决策依据。支持的软件有: CAD,CAE,PDM,PLM,Catia,Ugnx, AutoCAD, Pro/E, Solidworks ,Hyperworks, Protel,CAXA,OpenWorks LandMark,MATLAB,Enovia,Winchill,TeamCenter,MathCAD,Ansys, Abaqus,ls-dyna, Fluent, MSC,Bentley,License,UG,ug,catia,Dassault Systèmes,AutoDesk,Altair,autocad,PTC,SolidWorks,Ansys,Siemens PLM Software,Paradigm,Mathworks,Borland,AVEVA,ESRI,hP,Solibri,Progman,Leica,Cadence,IBM,SIMULIA,Citrix,Sybase,Schlumberger,MSC Products...