京公网安备 11010802034615号
经营许可证编号:京B2-20210330
SPSS帮你绘制质量控制图_数据分析师
控制图(Control Chart)又称管理图,它是用来区分是由异常原因引起的波动,还是由过程固有的原因引起的正常波动的一种有效的工具。控制图通过科学的区分正常波动和异常波动,对工序过程的质量波动性进行控制,并通过及时调整消除异常波动,使过程处于受控状态。不仅如此,通过比较工序改进以后的控制图,还可以确认此过程的质量改进效果。因此,控制图在质量管理中有着广泛的应用。
控制图的种类很多,一般常按数据的性质分成计量值控制图和计数值控制图两大类。而最常用的是计量值控制图中的平均值-极差控制图,这两类控制图的特点与适用场合详见表1。
质量控制图的绘制
控制图有着重要的实践意义,因此在企业的生产过程、工序监控过程中有着广泛的应用。然而,令质量管理人员烦恼的是,虽然控制图的意义比较明显,但是控制图的绘制却要花费巨大的人力和时间。
现在,大多数企业都是通过人工来绘制控制图,首先通过计算器计算各种指标,然后再一步步地绘制控制图。在这个过程中,往往会出现计算错误或者误差过大等原因,使得最后的控制图达不到预期的效果,更为严重的是能使质量管理者产生错误的判断,做出错误的决策,从而产生较大的损失。也有的企业利用excel绘制控制图,从而提高其精确度,减少误差。然而,用excel绘制控制图的步骤比较繁杂,不容易掌握,容易在绘制过程中产生操作性失误,造成数据集的失真。
SPSS的图形工具非常强大,具有很强的统计分析功能。在质量数据管理中,经常要用到一些图形方法和工具,例如帕雷托图、直方图、散点图、控制图、序列图等,SPSS均可以有效地应用这些图形方法和工具来处理质量数据信息,这些功能集中在Graph菜单中。
点击“Group”下拉菜单中的“Control”项,将会弹出“Control Charts”对话框。从中选择所要绘制控制图的类型,“X-Bar,R,s”、“Individuals,Moving Range”、“p,np”、“c,u”分别表示“均值-极差控制图”、“单值-移动极差控制图”、“不合格品率控制图”和“缺陷数控制图”。“Data organization”则是选择以组为单位,还是以个体为单位进行分析。单击“define”按钮,则会弹出控制图各种参数确定的对话框,通过设置,就可以比较迅速地绘制出需要的控制图。
下面以一个实例介绍SPSS软件绘制质量控制图的过程。
实例介绍
例:某化学用品厂生产一种产品,每件产品需要反应试剂至少为1克,但是不能超过50克。为了控制生产过程,准备用控制图对生产过程进行监控,步骤如下:
第一步:建立数据文件。经确定,本例应用平均值—极差控制图,每5个观测值作为一组。
第二步:点击Graph菜单中的“control”项,弹出“Control Charts”对话框。选择其中的“X-Bar,R,s”表示均值-极差控制图。并选择数据组织方式为“Cases are units”表示观测量分类模式。
第三步:单击“Define”按钮,将弹出“X-Bar,R,s:Cases Are Units”对话框,其中,“Process Measurement”框用于选择工序变量,也就是待分析变量;“Subgroups Defined by”用于选择分组变量;“X-Bar and range”表示绘制平均值—极差控制图;“X-Bar and standard de?鄄viation”表示要绘制均值—标准差控制图。在此将变量“重量”选入“Process Measurement”;将变量“组号”选入“Subgroups Defined by”;选择“X-Bar and range”,即平均值—极差控制图。
第四步:单击“Options”按钮,打开“X-Bar,R,s:Options”对话框,其中,“Number of Sigmas”表示用于选择中心线以上或以下标准差的数值,在此根据质量管理的“3σ原则”,填入“3”; “Minimum subgroup size”为每组的最小样本容量,在此填入“5”,“Display subgroups defined by missing val?鄄ues”表示显示缺失值的组,在此不选择,点击“Continue”。“Statistics…”对话框中“Specification Limits”框用于设置上、下参考线,用以比较数据,在此可以分别填入“45”和“25”。
最后,点击“OK”,即可以绘出所要求的控制图,结果如图1和图2所示。
通过此控制图就可以看到均值、极差上下控制线以及平均值,还可以看到在25和45参考线以外的组号,并且通过分析,可以看出该控制图没有出现越出控制界限的点子,也未出现点子排列有缺陷的情况。因此,可以知道两张控制图无任何异常,说明生产过程是正常的,是受控的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01