Методические пояснения к практическим занятиям

Диаграмма разброса - это инструмент качества, который предназначен для выявления зависимости между двумя типами данных. Также с помощью этой диаграммы можно определить корреляцию между каким-либо параметром качества и влияющим на него фактором.

Применяется диаграмма разброса в том случае, когда необходимо отобразить что происходит с одной переменной при изменении другой, для определения причины возникновения неконтролируемых точек в ходе многовариантного статистического контроля процесса, подтверждения взаимосвязи, выявленной в результате применения причинно-следственной диаграммы (диаграммы Исикавы) и пр.

Диаграмма разброса строится в следующей последовательности:

1. Собираются парные данные, которые по предположению являются взаимосвязанными. Желательно, чтобы таких парных данных было не менее 20-25. Это позволит более объективно установить зависимость между данными.

2. Составляется список данных. В списке данных для каждого измерения по порядку указываются значения парных данных.

3. Определяются максимальные и минимальные значения по каждому из типов парных данных.

4. Выбираются шкалы для осей диаграммы разброса на основании разницы между максимальным и минимальным значением каждого из типов парных данных. При необходимости (если отображаемые величины имеют малые размеры) могут применяться коэффициенты масштабирования шкалы.

5. Рисуются горизонтальная (Х) и вертикальная (Y) оси диаграммы. Шкала значений данных, обозначаемая на осях должна увеличиваться при подъеме по вертикальной оси и при движении вправо по горизонтальной. При исследовании корреляции между причиной и следствием (например, после применения диаграммы Исикавы) данные, характеризующие причину, откладываются по горизонтальной оси, а данные, характеризующие следствие - по вертикальной.

6. На диаграмму наносятся парные данные. Если для разных измерений получаются одинаковые значения данных, то для отделения данных друг от друга используется другое обозначение (например, точки и треугольники) или данные обозначаются рядом друг с другом.

ПРИМЕР

Диаграмма разброса построена для парных данных – «износ инструмента» и «диаметр отверстия». Данные собирались, чтобы показать влияние износа инструмента на диаметр отверстия. Как предполагалось, чем больше износ инструмента, тем меньше должен быть диаметр отверстия.

Максимальное значение по параметру «износ инструмента» - 1,3 мм.

Минимальное значение по параметру «износ инструмента» - 0,1 мм.

Величина шкалы, на которой будут отображаться данные – 1,2 мм. Для отображения данных на диаграмме применим коэффициент масштабирования 10.

Максимальное значение по параметру «диаметр отверстия» - 12,5 мм.

Минимальное значение по параметру «диаметр отверстия» - 11,2 мм.

Величина шкалы, на которой будут отображаться данные – 1,7 мм. Для отображения данных на диаграмме применим коэффициент масштабирования 10.

Между точками на графике можно провести прямую линию, вдоль которой они концентрируются. Это свидетельствует о корреляции между исследуемыми парными данными. Диаграмма разброса показывается величину и наличие взаимосвязи между двумя переменными. Направление и «сжатость» кластера точек говорит о виде и силе взаимосвязи между двумя переменными. Чем больше этот кластер имеет сходство с прямой линией, тем сильнее корреляция между парными данными.

На основании проведенного анализа, который предоставляет диаграмма разброса, можно принимать дальнейшие решения. В частности, для приведенного примера можно установить допустимый предел износа инструмента в зависимости от разрешенного допуска на диаметр отверстия.

ВАРИАНТЫ КОРРЕЛЯЦИИ

Форма и расположение кластера точек на диаграмме разброса определяют различные варианты корреляции парных данных. Наиболее часто встречающиеся из них приведены на рисунках ниже.

Положительная (прямая) корреляция	Слабая положительная корреляция	Отсутствие корреляции
Отрицательная корреляция	Слабая отрицательная корреляция	Нелинейная корреляция

Диаграмма разброса является удобным и простым инструментом для выявления взаимосвязи парных данных. Однако сильная взаимосвязь не обязательно означает, что одна переменная напрямую связана с другой переменной. В частности, может быть третья переменная, которая влияет на исследуемые парные данные и которая в итоге «кластеризует» точки на диаграмме разброса.