slide1
Download
Skip this Video
Download Presentation
מבוא ל- QDA

Loading in 2 Seconds...

play fullscreen
1 / 21

מבוא ל- QDA - PowerPoint PPT Presentation


  • 161 Views
  • Uploaded on

מבוא ל- QDA. (QDA - Quality Data Analysis). 3 רמות ניהול תהליך. 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.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' מבוא ל- QDA' - olathe


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

מבוא ל- QDA

(QDA - Quality Data Analysis)

slide3
3 רמות ניהול תהליך
  • כיבוי שריפות
  • תפעולית
  • אסטרטגית
slide4
הדרך מנתונים למידע
  • אסוף נתונים
  • מבט ראשוני תוך שימוש בכלים גרפיים
  • ניפוי (ניקוי) נתונים
  • טיפול בנתונים תוך שימוש בכלים כמותיים
  • ניתוח (מסקנות והמלצות)
  • מידע
slide5

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

תשובה: בעזרת כלים סטטיסטיים

slide6
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
slide7
דוגמה לחוסר הבנה סטטיסטית

נומינל = ממוצע

  • מעל ממוצע – טוב !
  • מתחת לממוצע – רע !

פיזור = אפס

יש למנוע (לסלק) כל מה שסוטה מערך נומינלי

slide10
תוכנית אסוף נתוני איכות צריכה לספק תשובה ל-5 שאלות
  • מה ?- יש לזהות תכונות קריטיות לאיכות
  • היכן ? – להגדיר נקודות קריטיות של התהליך
  • כמה?- להגדיר מדגם אופטימלי
  • מתי ? – להגדיר תדירות הדגימה
  • איך ? – להגדיר שיטת בדיקה (מדידה) וכלים נחוצים
slide11
3 עקרונות של אסוף נתונים
  • בשלב התחלתי תוכנית אסוף נתונים צריכה להתייחס רק למטרות המחקר.
  • בשלב סופי תוכנית אסוף נתונים צריכה להתייחס רק לתוצאות המחקר.
  • תמיד תבדוק אישית את הנתונים שנאספו, אל תניח מראש שנתונים יאספו בדיוק בהתאם לתוכנית שפיתחת.
slide13
שיטה סבילה
  • תשומות נבדקות (בחינת קבלה)
  • תפוקות נבחנות (בדיקה סופית)
  • פרמטרים של תהליך מבוקרות (מעקב אחר התהליך-SPC)
slide14
שיטה פעילה
  • קלטים - should be changed
  • תגובות - should be measured
  • גורמים בלתי נשלטים – should be simulated
  • גורמים נשלטים - should be changed
slide15
ניתוח מדדים ל:
  • מגמה (ממוצע, חציון, שכיח) – מדגם קטן
  • פיזור (שונות,סטיית תקן,טווח) - מדגם בינוני
  • צורת ההתפלגות (skewness, kurtosis)- מדגם גדול
slide16
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
slide17
איתור וניפוי חריגים

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

slide18
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
slide19
שיטת ניפוי חריגים למשתנה חד מימדי

Grubbs’ Test: if T>Tcr

ad