מבוא ל- QDA (QDA - Quality Data Analysis)

3 רמות ניהול תהליך Knowledge יודע למה Information יודע מה יודע איך Data Level נתונים, נתונים, נתונים...

3 רמות ניהול תהליך כיבוי שריפות תפעולית אסטרטגית

הדרך מנתונים למידע אסוף נתונים מבט ראשוני תוך שימוש בכלים גרפיים ניפוי (ניקוי) נתונים טיפול בנתונים תוך שימוש בכלים כמותיים ניתוח (מסקנות והמלצות) מידע

כדי לקבל החלטות אנחנו זקוקים למידע. שאלה: " העולם מלא רעש,אז איך להפוך נתונים למידע ?" תשובה: בעזרת כלים סטטיסטיים

מה עשויה לעשות חשיבה סטטיסטית ? להפריד בין עובדות למבדות למקד תשומת לב בבעיה לשכנע לעבור מתיקונים לכוונונים להבין את המצב האמיתי שקיים לעזור לקבוע מטרות ויעדים נכונים לתרום לשיפור ערך

דוגמה לחוסר הבנה סטטיסטית נומינל = ממוצע –מעל ממוצע – טוב ! –מתחת לממוצע – רע ! פיזור = אפס יש למנוע (לסלק) כל מה שסוטה מערך נומינלי

סוגי נתונים נתון רציףבדיד

4 סולמות של נתונים סולם תאורפעולות מותרות סולם שמי סולם דירוגי סולם מרווחי סולם יחסי

תוכנית אסוף נתוני איכות צריכה לספק תשובה ל-5 שאלות 1.מה ?- יש לזהות תכונות קריטיות לאיכות 2.היכן ? – להגדיר נקודות קריטיות של התהליך 3.כמה ?- להגדיר מדגם אופטימלי 4.מתי ? – להגדיר תדירות הדגימה 5.איך ? – להגדיר שיטת בדיקה (מדידה) וכלים נחוצים

3 עקרונות של אסוף נתונים 1.בשלב התחלתי תוכנית אסוף נתונים צריכה להתייחס רק למטרות המחקר. 2.בשלב סופי תוכנית אסוף נתונים צריכה להתייחס רק לתוצאות המחקר. 3.תמיד תבדוק אישית את הנתונים שנאספו, אל תניח מראש שנתונים יאספו בדיוק בהתאם לתוכנית שפיתחת.

דרכים לאסוף נתונים אסוף נתונים שיטה סבילה (בחינה,SPC...) טוב לניטור שיטה פעילה (תכנון ניסויים-DOE) טוב לניתוח סיבתי

שיטה סבילה תשומות נבדקות (בחינת קבלה) תפוקות נבחנות (בדיקה סופית) פרמטרים של תהליך מבוקרות (מעקב אחר התהליך-SPC)

שיטה פעילה קלטים - should be changed תגובות - should be measured גורמים בלתי נשלטים – should be simulated גורמים נשלטים - should be changed

ניתוח מדדים ל: מגמה (ממוצע, חציון, שכיח) – מדגם קטן פיזור (שונות,סטיית תקן,טווח) - מדגם בינוני צורת ההתפלגות (skewness, kurtosis)- מדגם גדול

בעיות של נתונים העדר נתונים מחסור נתונים יותר מדי נתונים נתונים לא רלוונטיים נתונים שגויים (למשל:בעקבות שגיאות מדידה כגון:דיוק,דייק,אמינות,אי יציבות,כושר הבחנה) נתונים מורעשים אי שלמות של נתונים

איתור וניפוי חריגים חריג (outlier) – שונה לגמרי משאר האוכלוסייה/מדגם,לכן לגביו קיים חשד, שהוא בא מאוכלוסייה אחרת.

ניפוי חריגים אם, כתוצאה של שימוש באיזשהו test, הנתון מזוהה כחריג, יש להוציא אותו מהמדגם.אחרי זה נתן להפעיל את אותו test שוב על מה שנותר. מדיניות לגבי החריג שהוצא: פשוט להוריד אותו לנתח אותו בנפרד

שיטת ניפוי חריגים למשתנה חד מימדי Grubbs’ Test: if T>Tcr

טבלה ל- T cr גודל מדגםT cr

ניפוי חריגים למשתנים רב מימדיים Jackknife Cross-Validation