Comment créer et interpréter des boîtes à moustaches pour un projet de six sigma

Comme mettre deux personnes dos-à-dos pour voir qui est plus grand, Six Sigma utilisations boîtes à moustaches (ou juste boîtes à moustaches) de comparer directement les deux ou plusieurs distributions de variation. Lorsque vous avez besoin de comparer les distributions de valeur pour de multiples caractéristiques, peu de choses sont plus rapides à faire ou faciles à interpréter que une boîte à moustaches et barbes.

Une boîte à moustaches et barbes est constitué d'un case, qui représente la masse centrale de la variation, et des lignes fines, appelée moustaches, qui étendent de chaque côté et représentent les queues amincissement de la distribution.

Pour créer une boîte et l'intrigue moustache, il suffit de suivre ces étapes:

1. Classez les mesures de données dans l'ordre de moins à la plus grande.

2. Déterminer la médiane des données.

   Trouver la valeur observée dans les données hiérarchisés où la moitié des données se trouve ci-dessus et la moitié se trouve en dessous.

3. Lorsque le nombre de points observés (n) Dans votre ensemble de données est impair, prendre

   

   Cette valeur dans la séquence de rang ordonnée est votre médian. Par exemple, si n est égal à 99, de prendre 99 + 1 = 100, puis diviser le résultat par 2 pour obtenir 50. Le nombre 50e dans votre liste est la médiane.

4. Quand n est pair, la médiane est la moyenne de la

   

   et le

   

   valeurs dans la séquence de rang ordonnée. Si n = 100, vous pouvez trouver 100 # 2 et 247- (100 # 247- 2) + 1. Ces expressions vous donnent 50 et 51, de sorte que vous pouvez trouver les 50e et 51e valeurs et la moyenne eux pour trouver la médiane.

5. 
   
   
   
   

   Trouver le premier quartile, Q1.

   La premier quartile marque le point dans vos hiérarchisés sequence- trois quarts de 25 pour cent des données sont encore à venir.

6. Trouver le troisième quartile, Q3.

   La le troisième quartile est le point dans votre rang ordonné sequence- un quart des données de 75 pour cent est à gauche.

7. Trouver la plus grande valeur observée, X_MAX, et la valeur observée la plus petite, X_MIN.

8. Tracez une ligne horizontale, représentant l'échelle de mesure de la caractéristique.

   Cette échelle peut être en millimètres pour la longueur, livres pour le poids, minutes pour le temps, le nombre de défauts constatés sur une partie inspecté, ou toute autre chose qui quantifie quel aspect de la caractéristique qui vous intéresse.

9. Marquez vos médiane et quartile des valeurs de 2 à 4 étapes et de construire la boîte.

   Faites vos points pour la médiane et le quartile des valeurs. Dessiner une zone couvrant du premier quartile (Q₁) À la troisième quartile (Q₃) Et tracez une ligne verticale dans la case correspondant à la valeur médiane.

10. Ajouter la valeurs minimales et maximales de l'étape 5 et construire les moustaches.

    Dessinez deux lignes horizontales, on étendant à partir de la Q₁ la valeur à la plus petite observation observée, X_MIN, et une autre extension à partir de la Q₃ la valeur à la plus grande valeur observée, X_MAX.

11. Répétez les étapes 1 à 8 pour chaque caractéristique supplémentaire d'être tracée et comparée à la même échelle horizontale.

Lorsque vous avez un grand ensemble de données pour une caractéristique, vous voudrez peut-être d'étendre les moustaches sur seulement aux 10e et 90e percentiles, ou pour les 5e et 95e percentiles et ainsi de suite, plutôt que les valeurs maximales et minimales. Ensuite, lorsque les points de données aberrantes tombent au-delà de ces extrémités des moustaches, vous pouvez les tirer comme des points déconnectés ou étoiles.

Cette méthode est un excellent moyen d'identifier et de communiquer graphiquement la présence de valeurs aberrantes dans vos données.

Boîtes à moustaches sont idéales pour la comparaison de deux ou plusieurs distributions de variation, comme avant et après des vues d'un procédé ou des moyens caractéristiques ou alternatives de mener une opération. Essentiellement, quand vous voulez trouver rapidement si deux ou plusieurs distributions de variation sont différents (ou le même), vous créez une boîte à moustaches.

Répartition B a clairement le niveau le plus bas. Mais il recouvre encore la performance de la distribution UN, ce qui indique qu'il ne peut être que différent. Répartition C, d'autre part, a une valeur beaucoup plus élevée et pas de chevauchement avec les distributions UN et B. Il dispose également d'une diffusion beaucoup plus large à sa variation.

Autres choses à rechercher dans les parcelles comparatives de la boîte sont les suivantes:

• Les différences ou les similitudes dans l'emplacement de la médiane

• Les différences ou les similitudes dans les largeurs de boîte

• Les différences ou les similitudes dans la propagation moustache à moustaches

• Chevauchements ou des lacunes entre les distributions

• Variation biaisée ou asymétrique des distributions

• La présence de valeurs aberrantes