層別図

この記事では、層別グラフとは何か、またその用途について説明します。また、層別図の作り方や作例もご覧いただけます。

層別図とは何ですか?

層別グラフは、データを層またはグループごとに分類したグラフです。簡単に言うと、層別チャートは、情報をより適切に分析するために、共通の特性を持つグループに分類したチャートです。

層別チャートは、単一のチャートでさまざまなグループを評価できるため、品質管理で頻繁に使用されます。さらに、異なるグループを視覚的に比較することもできます。

たとえば、層別グラフを使用して企業の売上の推移を時間の経過とともに表し、所在地ごとに分けることで、どの店舗が最も売上が高いかを知ることができます。

品質管理では、重要な品質特性を評価し、人員、機械、製品タイプ、時間などに基づいて情報を分離するために層別チャートが広く使用されています。実際、層別チャートは基本的な品質ツールの 1 つと考えられています。

層別図の作り方

層別図を作成する手順は次のとおりです。

  1. 分析したい品質特性、つまり層別図に表示される情報を定義します。
  2. 層別係数を選択し、その係数に基づいてデータを分離します。
  3. 前のステップで取得した各階層のデータをグラフ化します。異なるグループは比較しやすい方法で表す必要があることに注意してください。通常は、ヒストグラム、棒グラフ、または散布図が使用されます。
  4. 図内のさまざまな層を比較して、結果の層別図を分析します。
  5. 以前の分析から結論を導き出し、調査対象のプロセスまたは製品の品質を向上させるための決定を下します。
参照: 制御図

層別チャートの例

層別チャートの定義を確認したら、概念の理解を完了するためにどのように行われるかを示す解決例を見ていきます。

  • ある産業会社は製品の品質に関する研究を行っています。このため、同社は 4 日間連続して製造された不良品に関するデータを収集しました。収集した情報をもとに層別図を作成します。

この場合、層別図の階層は機械となるため、欠陥のあるユニットを、それを製造した機械に従って分離して表現します。

この場合、すべてのデータを表すために棒グラフを使用しました。バーは日ごとに区切られており、その高さは不良品の数に応じて異なり、さらに各バーは対応する機械に応じて異なる色に塗装されていました。

層別図

層別図から、マシン 1 が毎日より多くの不良品を生産していることがわかります。なお、4日目は不良品が最も多く発生した日です。

結論として、データをマシンごとに分離したという事実のおかげで、マシン 1 が最も欠陥のあるユニットを生成するマシンであり、したがって最初にレビューする必要があるマシンであることがわかります。

ご覧のとおり、層別グラフは棒グラフに似ていますが、さらに、データはさらなる分析のためにグループに分割されます。

参照:棒グラフ

積層点群

層化は棒グラフだけでなく、他の種類のグラフにも適用できます。したがって、品質管理では、散布図をより適切に分析できるように一般的に層別化されます。

次の例を見てください。まず、一連のデータをまとめて散布図で表しました。より正確には、それは、ある人口の住民が給与に応じて支払う毎月の支出に対応します。

まず、グラフ データから、人の月々の支出は月々の給与に関連していると結論付けることができます。したがって、これら 2 つの統計変数には、一方の値が増加すると他方の値も増加するため、正の相関関係があります。

ただし、データは回答者の年齢に従って階層化することもできます。これにより、同じグラフ内で 35 歳未満の人々に属するデータを 1 つの色で表現し、一方で 35 歳以上の人々に対応するデータを別の色で表現することができます。

データを階層ごとに分離することで、異なる結論に達しました。 35 歳未満の人は給料が上がるにつれて支出が増えますが、35 歳以上の人では給料による月々の支出の変動がはるかに小さくなります。これは、高齢者はより保守的で、退職後のことを考えるとより多くの貯蓄をする傾向があるためと考えられます。

参照:点群

高品質オーバーレイの利点

品質管理において、図内でデータを階層化することには次のような利点があります。

  • 層別グラフを使用すると、データをグラフィカルに視覚化し、さまざまな層が何であるかをすぐに確認できます。
  • これにより、さまざまなデータ グループを簡単に比較できます。
  • 情報を階層に分けることで、データを分析して結論を導き出すことができます。
  • 一般に、層別グラフでデータを表すと、より正確な結論が得られるため、より適切な意思決定が行われます。

論理的には、層別図は実際に異なる層が存在する場合にのみ作成できます。すべての観測値が同じ特性を持つ場合、データセットを分離することは現実的ではありません。

コメントを追加する

メールアドレスが公開されることはありません。 が付いている欄は必須項目です