质量基础知识-数据统计分析

一些质量基础知识数据统计分析交流我们今天交流的目的不是沟通具体的统计分析手法而是通过交流，培养对质量数据的敏锐感和收集意识。单纯的数据处理交给六西格玛统计、分析专家们来吧。交流提要培养对有用质量数据的敏锐性对影响质量的几大要素及质量数据的个人理解数字的游戏。统计技术在质量管理中的作用什么是“数据”和”“信息”，“统计”的重要性日常质量管理数据统计分析案例介绍(EXCEL统计插件）（常用数据分析的连续使用介绍，只介绍该用什么，不具体讲怎么用、初中级教材及六西格玛，网路上都有）统计分析时我们通常会犯的错误。数据Data：是记录客观事物的、可鉴别的符号。数据本身无意义，具有客观性信息Information：关于客观事实的可通信的知识。信息是指有新内容、新知识的消息，是经过加工以后、具有影响力的数据。具有事实性、时效性、不相关性、等级性。“数据”“信息”的概念及区别与联系信息与数据既有联系，又有区别，主要表现在：（1）信息是加工后的数据。信息是一种经过选摘、分析、综合的数据，它使用户可以更清楚地了角正在发生什么事。所以，数据是原材料，信息是产品，信息是数据的含义。（2）数据和信息是相对的。表现在一些数据对某些人来说是信息，而对另外一些人而言则可能只是数据。例如，在运输管理中，运输单对司机来说是信息，这是因为司机可以从该运输单上知道什么时候要为什么客户运输什么物品。而对负责经营的管理者来说，运输单只是数据，因为从单张运输单中，他无法知道本月经营情况，他并不能掌握现有可用的司机、运输工具等。（3）信息是观念上的。因为信息是加工了的数据，所以采用什么模型（或公式）、多长的信息间隔时间来加工数据，以获得信息，是受人对客观事物变化规律的认识制约，由人确定的。因此，信息是揭示数据内在的含义，是观念上的。“数据”“信息”的概念及区别与联系数据经过加工处理之后，成为信息。这个加工处理过程就是“统计分析”。“数据”与“信息”中统计技术所起的作用采集信息——整理、加工数据——提炼和精练信息——统计分析/运算——统计推断和预测——统计控制计量型数据分析的主要途径及步骤（3）统计推断（包含统计分析/运算）：依据样本提供的信息，通过统计计算和分析，对事物进行预测和推断。例如参数估计、假设检验、方差分析等。（4）统计控制：依据样本提供的信息，通过统计计算和分析，认识事物发展的现状、预测事物发展的趋势，并采取措施对过程实施有效的控制。例如过程能力分析，控制图等。（1）采集信息：通过科学地进行观测、调查或试验，从而经济有效地获取数据资料；（2）提炼、精炼信息（包含整理加工信息）：运用所获得的数据资料，用统计分析方法对实际问题的规律性及其因果关系进行科学地分析和推断。统计技术在质量管理中的作用描述性分析：图表/形法——是对统计数据进行整理和描述的方法；——常用曲线、表格、图形等反映统计数据和描述观测结果，以使数据更加容易理解，例如，可将统计数据整理成折线图、曲线图和频数直方图等。推断性分析：——是在对统计数据描述的基础上，进一步对其所反映的问题进行分析、解释和作出推断性结论的方法；——思考性统计方法（thinkingmethods，情理型方法或非定量统计方法）统计推断的输出一、何为质量？什么是我们所需要的“信息”信息是指有意义的数据；质量信息则是指对质量工作有意义的数据；好的质量信息是指？？首先我们要弄清楚---什么是好的质量一个伟大企业的名声，来自于最根本重要的又是创新、诚信、公众形象、公益支持等等方面好的质量当您在消费一件产品或一次服务的时候，一般会在哪些方面进行权衡。*Q=q+c+d+s+s+e…品质=质量/CTQ+价格/成本+交期/周期时间+服务+安全+环境=最终用户的评价=生意+利润一、唠叨的质量概念即通常所说大质量的概念说白了质量的“好坏”就是的与的距离感受期望顾客这其中“感受”“距离”就是我们所需要的信息什么是“质量”目前现状信息（QCDSSE）用户期望信息两者对比的二次信息由质量的定义可衍生出的统计信息的关键点有？补充三种信息的流程，同样对应QCDSSE数据的来源及去处统计信息的关健记录的作用和意义及与数据信息的关系影响质量的几大要素一个问题？关于问题分析的5MIE；人、机、料、法、环、测限于时间，我们今天只讲公司质量管理的人、法、环、测影响质量的几大要素—人（5种人）都包括哪些人：1、老板2、员工3、顾客4、供应商5、外部社会，如国家支持机构，质量监管机构，社会舆论及导向等综上所述每个人都需要控制质量，但--------请采纳“我控制质量”而不是“每个人控制质量”的理念---领导作用---全员参与(不等于全表)------以顾客为关注焦点（创新源泉，质量买单者）---互利的供方关系质量改进的外部支持影响质量的几大要素—法（3种方法）都有哪些方法：1、理清流程，明确职责的方法----过程方法2、丢卒保车，重点培育的方法----管理的系统方法3、以数据说话，有预计积极管理的方法----基于事实的决策方法虽然，凡事终有解决对策，但--------说到底质量是管理出来的影响质量的几大要素—环（几种环境）都有哪些环境：1、外部环境：市场、竞争对手、国家质量氛围、国民教育水平、替代新产品的问世…2、内部环境授权、创新、主动参与、学习、快速反应、执行我们要控制好质量需要1、分析、适应外部环境；特别是找对对手，迫使自己提升内部环境2、改善、提升内部环境，修炼好内功以应对外部环境变化。无论是外部还是内部环境，说到底我们要适应环境，而环境是不断变化的。所以我们时刻做到---------持续改进影响质量的几大要素--------基于数据的测量前面所述的人、法、环等是质量改进的影响因素，但这一切改进、及改进要素的起点都来源于对数据的测量和分析没有现状，就没有目标；没有CTQ，就没有办法找到、评估、实施与问题相对应的改进措施；没有数据对比，一切改善都是盲目的…….没有对数据的合理测量，所谓”持续改进”只能是一句名言。内部管理时应关心的数据------顾客、供方、产品的符合性、过程特性的变化趋势QMS8.4关于数据1、以顾客为关注焦点：顾客需求调查顾客满意程度调查顾客关系管理（合同履约、顾客区分等）2、领导作用：质量目标实现情况实施、改进质量管理体系的证据资源的提供情况3、全员参与：各部门岗位人员应有的职责和权限员工自主创新、合理化建议的实施情况集体改善活动的财务成果统计变化趋势等那么我们通常都需要关注哪些数据（以下仅代表个人看法）关于数据4、互利的供方关系包含供方选择、评价、再评价，供方改进措施的数据资料库；供方日常管理记录，如图纸发放回收、供方设计/工艺变更的记录、问题处理的响应速度/解决时限、供方改进、价格变化等；战略供应商的开发和关系管理等5、环境：对内外部“环”的测量极其重要，此项需根据公司情况不同进行设定测量数据6、持续改进包括:现状，目标，寻找、实施和评价解决办法，测量、验证和分析结果，的PDCA螺旋式数据讨论：（在一定意义上，顾客满意度调查就是对顾客不满意信息的调查）2、顾客满意如何测量？1、没有投诉是否意味着顾客满意（很多时候是由于我们没有认真的对顾客满意进行测量，没有投诉较之有投诉往往更可怕）关于数据准确：首要要务，一切数据收集的最基本要求。清晰：1、数据之间的逻辑关系要理清；2、数据的每个组成部分要描述清晰，易于理解；简要：1、必不可少的信息必不可少，务必针对关键控制数据，重点收集分析；2、数据要便于采集，便于整理汇总，应预先做好收集方案；完整（可结合计划做PDCA式检查）1、数据策划不应有缺失；2、针对问题的专项数据应包括复现该问题的完整步骤和其他本质信息；一致：1、数据应保持连续；统计分析方法也应在长区间内保持一致。2、新增数据收集计划应与原来的方式兼容；数据收集、整理需注意的方面：（仅代表个人观点）及时性关于数据数据收集、整理需注意的方面很多，但应首重：运用我们很多时候并不缺乏数据，而是缺乏对数据定期小结，分析，归档的习惯，因而造成很多数据最终无法使用,白白浪费了大家的收集数据所花的时间。例如而各项数据因其周期并不一致，需预先对收集和分析周期进行策划。常见质量名词解释QC(QualityControl)：质量控制或质量检验；IQC(InQualityControl):来料控制或来料检验。IPQC(In-ProcessQualityControl)：制程控制或过程检验，是指产品从物料投入生产到产品最终包装过程的品质控制。FQC(FinishorFinalQualityControl)：成品质量控制或最终检验OQC(OutQualityControl):出货质量控制或出厂检验。OQC通常在FQC之后做抽样。QA(QualityAssurance)：质量保证QE(QualityEngineer)：质量工程师各质量岗位对应的数据，及建议收集周期及生产一线检验对应的有意义的数据需要大家自己发掘一些推荐信息供大家借鉴1、工作自查表（确保该做的做到位，想到的及时记下来，做到PDCA）2、进厂检，供应商问题按周登记表，分析时需结合系统内月度供货批次做分析，对问题较多的供应商做SPC统计。质量管理体系应注意的数据：我们日常生活中应注意收集分析的数据：数据的最大区分：及不同的使用、分析方法（增加列表）连续型数据（计量型数据）：离散型数据（计数型数据）：多问WHY，工作过程中发现不合格品要及时改正；如无法马上改正应暂停工作查找原因；有解决不了的困难及时向有关人员求助，改善后才可以继续工作已经产生的不合格品要单独标识好，不可以与合格品混放在一起。不合格品的使用和报废要得到许可，并且保留记录。1、检验中发现不合格一般怎么处理？上面这些红色字体的也是需要关注的数据A、质量改善总是能找到方法的；B、关心数据，细致分析通常会得到我们埋头工作所想不到的改善效果；C、分析工具很多，往往越简单的越实用。如历史数据对比、时间序列排序、趋势研究等；D、很多时候会出现关心的数据却不是能解决问题的数据的情况，所有功夫在数据之外。课外之声以下理念，希望了解：