Six Sigma Study Guide

Huvudeffektsdiagrammet är det enklaste grafiska verktyget för att bestämma den relativa effekten av en mängd olika indata på den aktuella produktionen. Vid försöksplanering eller variansanalys visar huvudeffektsdiagrammet det genomsnittliga utfallet för varje oberoende variabels värde, genom att kombinera effekterna av de andra variablerna. Med andra ord, genomsnittliga svarsvärden på varje nivå av processvariabeln.

När man använder huvudeffektplottar

Huvud effektplottans grundläggande syfte är att jämföra förändringarna i medelvärdena för att identifiera den mest kategoriska variabeln som påverkar svaret. Den visar medelvärdena för varje grupp inom en kategorisk variabel.

Haupteffekten är effekten av en oberoende variabel på en beroende variabel med ett medelvärde över nivåerna för alla andra oberoende variabler.Termen används ofta i samband med faktoriella konstruktioner och regressionsmodeller för att särskilja huvudeffekter från interaktionseffekter i förhållande till en faktoriell konstruktion. I variansanalysen kommer nollhypotesen för huvudeffekt att testa om det finns bevis för en effekt av olika behandlingar. Huvudeffekttestet är dock ospecifikt och kommer inte att möjliggöra en lokalisering av specifika parvisa jämförelser av medelvärden.

Tolkning av huvudeffektsdiagrammen

Huvudeffektsdiagrammen är de grafer som visar medelvärdena för varje värde av en kategorisk variabel. Detta används för att avgöra om huvudeffekten finns för den kategoriska variabeln eller inte.

Haupteffektsdiagram
  • Om linjen är horisontell, med andra ord parallell med x-axeln, så finns det ingen huvudeffekt. Svarsmedelvärdet är detsamma över alla faktornivåer.
  • Samma sak: Om linjen inte är horisontell finns det en huvudeffekt. Med andra ord är svarsmedelvärdet inte detsamma över alla faktornivåer. Lutningen bestämmer storleken på huvudeffekten.
  • Trots att plotten visar huvudeffekten rekommenderas det att utföra ANOVA-testet för att utvärdera den statistiska signifikansen.

Interaktionsplott

Effekten av en oberoende variabel beror på nivån av den andra oberoende variabeln. Interaktionsdiagrammet är ett kraftfullt grafiskt verktyg som visar medelvärdena för nivåerna av en oberoende variabel på x-axeln och en separat linje för varje nivå av en annan variabel.

I interaktionsdiagrammen behöver linjerna inte korsa varandra för att det ska vara fråga om en interaktion (se nedan exempel 2: 6 och 8 graferna). Linjerna bör dock inte vara parallella. För att det ska finnas en interaktion ska lutningarna på de två linjerna vara olika. Linjerna behöver inte korsa varandra inom dataområdet.

Också om de två punkterna korsar varandra nästan i mitten av linjerna (se exempel 2: diagram 7) kallas det ofta för en interaktion mellan två punkter. I detta fall är genomsnittet av de två linjerna nästan detsamma, så det finns ingen huvudeffekt som existerar för de två oberoende variablerna.

Typer av huvudeffektdiagram

Hovjeffekterna är effekterna av en oberoende variabel på den beroende variabeln. Huvudeffektens tecken visar vilken riktning effekten har. Med andra ord visar det om det genomsnittliga svarsvärdet ökar eller minskar. I grund och botten finns huvudeffektsdiagrammet i tre varianter.

  • Positivt:
  • Negativ effekt: En ökning av den oberoende variabeln minskar den beroende variabeln.
  • Negativ effekt: En ökning av den oberoende variabeln minskar den beroende variabeln.
  • Ingen effekt: Ingen ökning eller minskning av den beroende variabeln beroende på den oberoende variabeln.

Exempel på huvudeffektsdiagram

Exempel 1: En tillverkare av självhäftande tejp som undersöker effekterna av blötläggningstid och lösningar.

% förändring av draghållfastheten efter att ha blötlagt tejperna i två olika lösningar i 8 timmar och 24 timmar.

Teckna diagram för lösning 1 och 2, med timmar (8 och 24) på X-axeln & procentuell förändring av draghållfastheten på Y-axeln.

Plott med huvudeffekter

Grön färg representerar lösning 1 och streckad blå färglinje representerar lösning 2

Steg 1: Huvudeffekter: Undersök huvudeffekterna av nivåerna av en faktor (timmar) samtidigt som man bortser från nivåerna av andra faktorer (lösning).

Kontrollera om uppgifterna för 8 timmar skiljer sig från uppgifterna för 24 timmar. Samtidigt som man ignorerar data för lösning 1 eller 2.

Gör ett genomsnitt av data för 8 timmar och ett genomsnitt av data för 24 timmar. Markera det på grafen.

Haupteffektsdiagram

Det ovanstående diagrammet visar tydligt att det finns en huvudeffekt av blötläggningstiden samtidigt som man ignorerar lösning 1 eller 2.

Steg 2: Huvudeffekter: Undersök huvudeffekterna av nivåerna för den ena faktorn (Lösningar) medan man ignorerar nivåerna för den andra faktorn (Timmar)

Kontrollera om data för lösning 1 skiljer sig från data för lösning 2 timmar. Samtidigt som man ignorerar uppgifterna om blötläggningstid.

Ta ett medelvärde av uppgifterna för Lösning 1 och ett medelvärde av uppgifterna för Lösning 2. Markera det på grafen.

Haupteffektsdiagram

Ovanstående diagram visar tydligt att det inte finns någon huvudeffekt av lösning 1 eller lösning 2 samtidigt som man ignorerar blötläggningstiden.

Interaktionseffekt

Steg 3: Interaktionseffekter: Undersök interaktionen – Om en faktor påverkar den andra faktorns prestanda. Med andra ord, ändrar nivåerna av en faktor prestationen över nivåerna av den andra faktorn?

Interaktion är egentligen att undersöka skillnaden av skillnader. Beräkna skillnaden mellan lösning 1, åtta timmars data med 24 timmars data. Beräkna på samma sätt skillnaden mellan lösning 2, åttatimmarsdata med 24-timmarsdata. Markera det på grafen.

Differensen mellan lösning 1, åtta timmars data och 24 timmars data är nästan 69 %, medan skillnaden mellan lösning 2, åtta timmars data och 24 timmars data bara är 5 %.

Det finns en stor skillnad på % i lösning 1 och 2. Därför kan vi dra slutsatsen att det finns en interaktion.

Exempel2: I en tillverkningsanläggning påverkar de två oberoende variablerna (temperatur och tryck) på två nivåer den beroende variabeln (hastighet). Följande är de olika scenarierna för huvudeffekter och interaktionseffekter.

Varje diagram ovan skildrar de olika scenarierna med avseende på huvudeffekterna av temperatur och tryck och deras interaktion.

Videor om huvudeffektsdiagram

Six Sigma Green Belt Huvudeffektsdiagram Frågor

Fråga: När en Belt gör en grafisk analys av DOE-resultat använder ofta Main Effects Plot för att bestämma den relativa effekten av en mängd olika inputs på den aktuella produktionen. Det är lätt att identifiera den mest betydelsefulla insatsen eftersom linjens lutning på huvudeffektdiagrammet är __________________.

A) Den brantaste
B) Negativt korrelerad
C) Positivt korrelerad
D) Den grundaste

Detta avsnitt kräver att du är medlem i Pass Your Six Sigma Exam. Logga in eller registrera dig på några sekunder med knapparna nedan!

Logga in på ditt konto
OR
Registrera dig på Pass Your Six Sigma Exam

Frågor, kommentarer, problem? Lämna en kommentar i kommentarerna nedan!

Detta avsnitt kräver att du är inloggad.

Contributors

  • Avatar

Lämna ett svar

Lämna ett svar

Din e-postadress kommer inte publiceras.