Histogram: Cara Menganalisis Variasi Proses

Histogram ialah salah satu alat paling praktikal dalam pengurusan proses kerana ia menukarkan lajur nombor menjadi gambaran tentang apa yang proses anda sebenarnya lakukan. Apabila pasukan anda berbalah tentang sama ada variasi itu "normal" atau masalah sebenar, histogram menyelesaikan perbahasan itu dalam beberapa saat.

Memahami cara menggunakan alat kualiti histogram bukan sesuatu yang boleh dipilih untuk diabaikan bagi pemimpin operasi. Ia kemahiran asas, dan mengabaikannya bermakna membuat keputusan berdasarkan purata yang menyembunyikan keseluruhan cerita.

Apakah Histogram?

Histogram ialah carta bar yang menunjukkan taburan frekuensi data berterusan yang dikumpulkan ke dalam julat dipanggil bin. Setiap bar mewakili berapa kerap ukuran jatuh dalam julat tertentu. Bersama-sama, bar-bar ini mendedahkan bentuk, pusat, dan sebaran variasi proses anda.

Histogram ialah salah satu daripada 7 alat kualiti asas (juga digelar 7 alat QC), asalnya diformalkan oleh Kaoru Ishikawa pada tahun 1960-an sebagai satu set kaedah visual yang mudah untuk analisis kualiti.

Histogram berbanding carta bar: Dalam carta bar biasa, bar mewakili kategori berasingan (jenis produk, wilayah, jabatan) dan terdapat jurang antaranya. Dalam histogram, data adalah berterusan (ukuran, masa, berat), bar bersentuhan antara satu sama lain, dan paksi-x mewakili skala berangka yang dibahagikan kepada julat sama.

Fakta Utama

• 7 alat kualiti asas, termasuk histogram, diformalkan oleh Kaoru Ishikawa sekitar 1968 untuk memberi pekerja barisan hadapan satu set alat praktikal untuk kawalan kualiti. (Ishikawa, "Guide to Quality Control," 1968)
• Histogram sebagai paparan statistik dinamakan dan diperkenalkan oleh Karl Pearson pada 1895 sebagai sebahagian daripada kerjanya tentang lengkung frekuensi. (Pearson, "Contributions to the Mathematical Theory of Evolution," 1895)
• Peraturan Sturges, panduan paling biasa untuk memilih bilangan bin dalam histogram, diterbitkan oleh Herbert Sturges pada 1926: k = 1 + 3.322 log(n), di mana n ialah saiz sampel. (Sturges, "The Choice of a Class Interval," Journal of the American Statistical Association, 1926)

"Purata menyembunyikan cerita; histogram menceritakannya."

Kenapa Menggunakan Histogram?

Jadual 200 ukuran memberitahu anda sangat sedikit dengan sekali pandang. Anda boleh mengira purata, tetapi purata tidak memberitahu anda sama ada semua bahagian anda berkelompok rapat di sekitar sasaran atau tersebar merata-rata.

Histogram melakukan tiga perkara yang jadual tidak boleh:

1. Menjadikan variasi kelihatan. Anda boleh nampak dengan serta-merta sama ada proses anda menghasilkan output yang ketat dan konsisten atau sebaran yang luas dan tidak dapat diramal.

2. Menunjukkan kedudukan berbanding had spesifikasi. Sebaik sahaja anda melukis garis menegak pada histogram untuk had spesifikasi bawah dan atas anda (LSL dan USL), anda boleh nampak dengan sekali pandang sama ada output proses anda muat di dalam tetingkap atau sama ada kecacatan terlepas pada satu atau kedua-dua sisi.

3. Mendedahkan corak tidak normal. Taburan senget, dua puncak, jurang, dan tebing semuanya menandakan sesuatu yang wajar disiasat. Kaedah kawalan proses statistik (SPC) mengandaikan data yang kira-kira normal, jadi mengesan corak ini awal melindungi analisis anda daripada kesimpulan yang salah.

Cara Membaca Histogram: Bentuk Biasa

Bentuk histogram membawa makna. Berikut ialah jadual rujukan bagi corak yang paling kerap anda akan temui:

Membaca bentuk dahulu, kemudian kedudukan, kemudian lebar memberi anda tafsiran berstruktur setiap kali.

Cara Mencipta Histogram

Anda memerlukan sekurang-kurangnya 50 titik data untuk histogram yang boleh dipercayai, dan 100 atau lebih menghasilkan corak yang lebih bersih. Berikut ialah enam langkah:

Langkah 1: Kumpulkan Data

Kumpulkan ukuran proses anda dalam satu senarai tunggal. Rekodkan saiz sampel (n). Pastikan data itu datang daripada satu keadaan proses; mencampurkan data sebelum dan selepas perubahan proses akan mencipta bentuk yang mengelirukan.

Langkah 2: Cari Julat

Tolak nilai terkecil daripada terbesar: Julat = Maksimum - Minimum. Ini memberitahu anda betapa lebar paksi-x anda perlu dibina.

Langkah 3: Pilih Bilangan Bin

Gunakan Peraturan Sturges sebagai titik permulaan: k = 1 + 3.322 x log(n). Bagi 100 titik data, itu memberikan kira-kira 8 bin. Kaedah punca kuasa dua lebih mudah: k = sqrt(n), yang memberikan 10 bin bagi 100 titik data. Kedua-duanya adalah titik permulaan yang munasabah. Laraskan naik atau turun untuk mengelakkan bar yang kelihatan kosong atau bar yang menggabungkan segalanya bersama.

Langkah 4: Tetapkan Lebar Bin

Lebar bin = Julat / Bilangan bin. Bundarkan kepada nombor yang mudah yang sepadan dengan ketepatan ukuran anda. Semua bin mesti sama lebar.

Langkah 5: Tally Frekuensi

Kira berapa banyak titik data jatuh dalam setiap bin. Helaian semak ialah alat berguna untuk langkah ini apabila anda men-tally secara manual.

Langkah 6: Lukis Bar

Plotkan frekuensi (kiraan) pada paksi-y dan julat bin pada paksi-x. Lukis bar bersentuhan, satu bagi setiap bin, dengan ketinggian bersamaan frekuensi. Tambah tajuk, labelkan kedua-dua paksi dengan unit, catatkan saiz sampel anda, dan lukis had spesifikasi anda sebagai garis menegak jika berkenaan.

Contoh Histogram Mengikut Fungsi

Pembuatan: dimensi bahagian. Satu pasukan pemesinan mengukur diameter 150 bahagian aci. Histogram menunjukkan bentuk loceng berpusat sedikit di atas sasaran, dengan ekor kanan melintasi USL. Ini memberitahu jurutera untuk melaraskan min proses ke bawah, bukan meningkatkan toleransi.

Sokongan pelanggan: masa pengendalian panggilan. Seorang pengarah sokongan memplot 200 masa pengendalian panggilan. Histogram itu senget kanan dengan ekor panjang melebihi 15 minit. Pasukan menyiasat ekor tersebut dan mendapati subset panggilan yang melibatkan kategori produk tertentu yang memerlukan skrip khusus.

HR: masa untuk mengambil pekerja. Seorang pengurus HR memplot 80 pengambilan pekerja terkini mengikut hari-ke-tawaran. Histogram itu menunjukkan corak bimodal: satu puncak pada 18 hari dan satu lagi pada 42 hari. Apabila pasukan mengasingkan data mengikut jenis peranan, mereka mendapati peranan teknikal mengikut satu laluan dan peranan pentadbiran mengikut laluan lain. Menggabungkan kedua-duanya dalam satu purata tunggal telah menyembunyikan ini sepenuhnya.

Contoh-contoh ini berkongsi satu corak: histogram mendedahkan satu segmen atau anjakan yang statistik ringkasan sembunyikan.

Histogram Berbanding Alat Kualiti Lain

Histogram bukan alat yang tepat untuk setiap soalan. Berikut ialah perbandingannya dengan dua saudara terdekat:

Histogram berbanding carta Pareto. Analisis Pareto meranking kategori kecacatan diskret (bahagian salah, label hilang, calar permukaan) mengikut frekuensi untuk menunjukkan kategori mana yang sedikit tetapi menyebabkan kebanyakan masalah. Gunakan carta Pareto apabila data anda berkategori. Gunakan histogram apabila data anda ialah ukuran berterusan.

Histogram berbanding carta jalanan atau carta kawalan. Histogram melipat masa keluar daripada gambaran. Ia menunjukkan taburan semua nilai sepanjang satu tempoh, tetapi bukan turutannya. Carta jalanan atau carta kawalan mengekalkan turutan masa dan mendedahkan trend, kitaran, atau anjakan mendadak. Untuk gambaran lengkap, gunakan kedua-duanya: histogram untuk bentuk taburan dan carta kawalan untuk gelagat berasaskan masa.

Fishbone diagram sepadan baik dengan histogram apabila anda menggunakan bentuk taburan untuk membentuk hipotesis tentang punca akar, kemudian menggunakan fishbone untuk menstruktur siasatan.

Rangka kerja DMAIC daripada Six Sigma biasanya menggunakan histogram dalam fasa Measure dan Analyze untuk mencirikan prestasi proses sebelum cuba menambah baik.

Program pengurusan kualiti menyeluruh menggunakan histogram sebagai diagnostik asas merentasi semua fungsi, bukan hanya pembuatan.

Untuk membandingkan hubungan antara dua pembolehubah berterusan, rajah serakan melanjutkan analisis yang dimulakan oleh histogram.

Amalan Terbaik

Saiz sampel minimum. Jangan terlalu percaya pada histogram dengan kurang daripada 50 titik data. Bentuk menjadi stabil dan boleh dipercayai pada 100+ pemerhatian.

Peraturan am bilangan bin. Peraturan Sturges (k = 1 + 3.322 log n) dan peraturan punca kuasa dua (k = sqrt n) kedua-duanya munasabah. Jika histogram anda kelihatan terlalu tajam, tambah lebih banyak bin. Jika ia kelihatan seperti satu atau dua gumpalan besar, kurangkan bin.

Labelkan segalanya. Sertakan nama pembolehubah, unit ukuran, saiz sampel, julat tarikh, dan keadaan proses. Histogram tanpa konteks mustahil untuk ditindaki enam bulan kemudian.

Satu keadaan pada satu masa. Jika anda mencampurkan data daripada dua mesin, dua pengendali, atau tempoh pra dan pasca perubahan, anda berisiko mencipta bentuk bimodal buatan. Stratakan dahulu, kemudian plot.

Lukis had spesifikasi. Melapiskan LSL dan USL anda pada histogram ialah cara paling pantas untuk melihat sama ada proses anda berkeupayaan. Jika bar melangkaui mana-mana had, anda mempunyai kadar kecacatan untuk diukur dan dikurangkan.

Soalan Lazim

Apakah perbezaan antara histogram dan carta bar?

Carta bar menunjukkan frekuensi atau nilai bagi kategori berasingan (wilayah, jenis produk, jabatan). Bar dipisahkan oleh jurang kerana kategori itu tidak berterusan. Histogram menunjukkan taburan frekuensi data berangka berterusan, dengan bar yang bersentuhan kerana julat itu bersebelahan. Anda menggunakan carta bar untuk "berapa banyak kecacatan bagi setiap barisan produk?" dan histogram untuk "apakah taburan ukuran tork merentasi 200 bolt?"

Berapa banyak bin sepatutnya dimiliki histogram?

Mulakan dengan Peraturan Sturges: k = 1 + 3.322 x log(n). Bagi 50 titik data, itu kira-kira 7 bin. Bagi 200 titik data, kira-kira 9. Kaedah punca kuasa dua lebih mudah: k = sqrt(n), yang memberikan kira-kira 14 bin bagi 200 titik data. Tiada satu jawapan yang betul. Matlamatnya ialah melihat bentuk dengan jelas tanpa terlalu banyak hingar (terlalu banyak bin) atau terlalu banyak pelicinan (terlalu sedikit bin).

Adakah histogram salah satu daripada 7 alat QC?

Ya. Tujuh alat kualiti asas ialah: rajah sebab-akibat (fishbone), helaian semak, carta kawalan, histogram, carta Pareto, rajah serakan, dan stratifikasi (atau carta alir dalam sesetengah versi). Set ini dipopularkan oleh Kaoru Ishikawa pada tahun 1960-an dan masih diajar dalam program kualiti ISO dan lean hari ini.

Bolehkah histogram menunjukkan sama ada proses saya berkeupayaan?

Histogram memberi anda petunjuk visual: jika taburan itu muat di dalam had spesifikasi anda dengan ruang berlebihan, keupayaan kelihatan munasabah. Tetapi untuk indeks keupayaan formal (Cp, Cpk), anda memerlukan min, sisihan piawai, dan andaian kenormalan hampir. Histogram membantu anda menyemak andaian kenormalan itu secara visual sebelum menjalankan pengiraan keupayaan.

Apakah maksud histogram bimodal?

Dua puncak biasanya bermakna dua aliran proses berasingan bercampur dalam data anda. Punca biasa: dua mesin beroperasi pada tetapan yang sedikit berbeza, dua pengendali dengan teknik berbeza, dua lot bahan mentah, atau dua tempoh masa (sebelum dan selepas perubahan yang tidak direkodkan). Pembaikannya ialah mengasingkan data mengikut sumber dan memplot setiap kumpulan secara individu sebelum membuat sebarang kesimpulan.

Histogram pantas dibina dan segera memberi hasil. Jika anda menjalankan inisiatif penambahbaikan proses dan belum memplot data garis dasar anda sebagai histogram, mulakan di situ. Bentuk taburan itu akan memberitahu anda lebih banyak dalam sekali pandang berbanding seminggu semakan hamparan.