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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13