精华内容
下载资源
问答
  • 层次分析法

    千次阅读 2020-09-15 23:15:38
    层次分析法 2012a 国赛论文也可以使用了层次分析法来计算权重。 平均随机一致性指标 RI = [0, 0, 0.52, 0.89, 1.12, 1.26, 1.36, 1.41, 1.46, 0.49, 0.52, 1.54, 1.56, 1.58, 1.59]; 一共 15 个。 层次分析法(The...

    层次分析法

    2012a 国赛论文也可以使用了层次分析法来计算权重。

    平均随机一致性指标

    RI = [0, 0, 0.52, 0.89, 1.12, 1.26, 1.36, 1.41, 1.46, 0.49, 0.52, 1.54, 1.56, 1.58, 1.59];
    

    一共 15 个。


    层次分析法(The analytic hierarchy process,AHP)是建模比赛最基础的模型之一,其主要用于解决评价类问题(例如:选择哪种方案最好、哪位运动员或者员工表现的更优秀)。

    image-20200722054452453


    权重 即重要性程度

    权重表如下:image-20200706083102468

    引出层次分析法

    当题目让你 确定评价指标、形成评价体系 时,那么这就是一个评价类问题,一定要首先想到 3 个问题:

    1. 我们评价的目标是什么?
    2. 我们为了达到这个目标有哪几种可选的方案?
    3. 评价的准则或者说指标是什么?(我们根据什么东西来评价好坏)(一般题目中不会告诉你准则或指标

    例题:image-20200706083600829

    一般而言,前两个问题的答案是显而易见的,第三个问题的答案需要我们根据题目中的背景材料、常识以及 网上搜集到的参考资料 进行结合,从中筛选出最合适的指标。

    怎么在网上搜索参考资料?

    优先选择知网(或者万方、百度学术、谷歌学术等平台)搜索相关文献。image-20200706084047827

    因为引用别人的论文 会显得很专业 ,另外别人的研究方法也可以借鉴,因为你们的研究方向差不多。

    没有相关文献怎么办?

    image-20200706084318227

    **强烈推荐一个很腻害的网站:**虫部落快搜

    假设之前的例题中,我们已经搜索到了要从 景色、花费、居住、饮食 和 交通来进行评价,所以我们可以使用 权重表image-20200706091144833

    怎么获得每个单元格(因子)的权重?

    当然,不能直接问小明,因为这样往往比较片面和不周全(说不定,隔一天问他答案可能就变了)image-20200706091553702

    采用分而治之的思想

    分而治之:我们先来确定权重图中指标的权重。

    但是,一次性考虑景色、花费、居住、饮食 和 交通这五个指标之间的关系,往往考虑不周。因此,**我们两个两个指标进行比较,最终根据两两比较的结果来推算出权重(这就是层次分析法的思想)。**在本次例题中,一共需要比较的次数为: 组合数 ==》C52 ,即 5! / (2! * 3!) = 10。

    层次分析法设置权重时的规则:image-20200706093009822

    首先,你要知道,小明对于一个景点,认为哪几个因素最重要。

    比如此例题,我们要绘制一个方阵(行和列数相等的矩阵),此矩阵的主对角线元素全部为 1,这是因为 比较两个一模一样的元素是,比值当然是 1,都一样重要。

    image-20200706093356792

    我们只需要算矩阵中一半的元素,另外一半完全可以取倒数。在线性代数中,这个方阵叫做 正 互反矩阵。而实际上,用层次分析法的角度来看,上述矩阵就被称为 判断矩阵。(要记住这些矩阵的特点)

    得到了判断矩阵,就可以计算出权重了。

    我们刚才填写的是指标的判断矩阵,用于获得指标的权重。但是我们还没有获得关于任意一个指标(比如 景色),对于不同的旅游景点的判断矩阵。image-20200706095136163

    其他比较因素的判断矩阵。image-20200706095344969

    但是,获得表之后,我们会发现,很有可能有 bug。比如上表:

    image-20200706095719722

    A > B,A = C,但是 B > C。这显然自相矛盾。因此,我们介绍 一致矩阵来解决 bug 问题。

    一致性矩阵解决 bug

    image-20200706100206774

    比如说, a(1, 3)。

    a(1, 3) 应当等于 a(1, x) * a(x, 3)。

    但是,在出 bug 的矩阵中,a(1, 3) != a(1, 2) * a(2, 3),a(1,3) = 5而 a(1, 2) * a(2, 3) = 4。

    一致矩阵,各行和各列之间,一定是成倍数关系的。image-20200706100603290

    一致矩阵的定义

    image-20200706100932761

    实际上,可以直接通过判断各行或者各列之间是否成倍数关系即可判断是否为一致矩阵。

    绝对的一致,往往是不现实的。我们需要将不一致控制在一个程度之内。

    一致性检验

    原理:检验我们构造的判断矩阵和一致矩阵是否有太大的差别。

    λ 为判断矩阵的特征值。

    一致性检验的步骤

    image-20200706101841044

    平均随机一致性指标 RI 如何计算?image-20200706102022381

    为什么要这样构造 CI,为什么要以 0.1 为划分依据?image-20200706102107704

    结论:image-20200706102147369

    一致性矩阵如何计算权重?

    假设我们的判断矩阵已经通过了一致性检验,那么怎么通过判断矩阵获得权重?

    看一致性矩阵的每一列(或 每一行)来计算不同旅游景点的权重。权重一定要进行归一化处理:image-20200706102844718

    因为一致性矩阵的不同列成倍数关系,所以权重的总和,一定为 1 ,我们也只需要计算其中的一列信息即可。

    但是 判断矩阵 又该如何计算权重呢?

    因为 判断矩阵 不同行、列之间往往不成倍数关系,所以我们需要用到所有的信息。

    1. 首先计算所有列(或行)的权重。

      image-20200706103307173

    2. 方法1 :算术平均法求权重

      image-20200706103543051

      以上步骤,可以写入论文中,但是要将文字叙述,转化为数学描述。image-20200706103725719

    3. 方法2:几何平均法求权重(与算术平均法没有太大的区别)

      image-20200706103921067

    4. 方法3:特征值法求权重(最常用,国赛一般都使用这种方法)

      image-20200706104513270

      如果判断矩阵的一致性可以接收,那么就可以使用第一列的向量即最大特征值对应的特征向量就可以代表它的权重。

      image-20200706104656422

    5. 将计算结果填入权重表中

      [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-yN9j2Jc2-1600182789478)(C:\Users\Sun and Snow\AppData\Roaming\Typora\typora-user-images\image-20200706104958573.png)]

    使用 matlab 计算权重

    image-20200706105121379

    汇总结果得到权重矩阵

    image-20200706105356421

    计算各方案的得分image-20200706105447457

    image-20200706105503909

    如何快速计算最终得分?

    1. 可以使用 C++ 二维数组,将元素录入,然后逐个计算;
    2. 可以使用 matlab 关于矩阵元素的计算方法;
    3. 可以使用 excell 表(啊,不会~)。

    层次分析法步骤

    层次分析法第一步

    image-20200722083718585

    image-20200722083619254

    如果使用了层次分析法,一定要在论文中画层次结构图。

    准则层其实可以有多个:image-20200722091502059

    更特殊的,一个准则可以对应多个方案,比如:image-20200722091848331

    构造判断矩阵

    image-20200722084200530

    判断矩阵中的数值如果能找到现实数据,那当然最好。要是找不到只能自己填写合理数值,论文中不说明数据怎么来的即可混一下。image-20200722084456288

    第三步,计算权重

    image-20200722084924655

    image-20200722085540742

    image-20200722085524042

    计算各层元素对系统目标的合成权重,并进行排序

    image-20200722085721620

    层次分析法的局限性

    评价的决策层不能太多,n 最多为 15

    如果决策层中的指标数据已知,也不能用层次分析法,因为我们的判断矩阵是自己填写的。

    image-20200722090035339

    别人论文的可取之处

    image-20200903194925110

    为了减少查重,还是得用自己的语言来写的。

    参考视频

    展开全文
  • 5个Why分析法

    2019-04-08 14:09:45
    5个Why分析又称5问法,最初由丰田公司提出并在丰 田公司广泛采用,因此也被称为丰田5问法。 5个Why报告在日系企业利用的很多,其首创是丰田公司的大野奈一,来源于一次新闻发布会,有人,丰田公司的汽车质量怎么...
  • 数学建模方法——层次分析法(AHP)

    万次阅读 多人点赞 2019-12-04 17:10:33
    0. 层次分析法简介 层次分析法(Analytic Hierarchy Process,简称AHP)主要是对于定性的决策问题进行定量化分析的方法。举个例子,在日常生活中,我们经常需要进行感性的判断,比如报高考志愿,感觉清华北大都很好...

    目录:

    1. 层次分析法简介
    2. 层次分析法基本原理
    3. 构造判断矩阵
    4. 一致性检验
    5. 一致性检验通过的判断矩阵求权重
      4.1 算数平均法求权重
      4.2 几何平均法求权重
      4.3 特征值法求权重
    6. 总结

    0. 层次分析法简介
    层次分析法(Analytic Hierarchy Process,简称AHP)主要是对于定性的决策问题进行定量化分析的方法。举个例子,在日常生活中,我们经常需要进行感性的判断,比如报高考志愿,感觉清华北大都很好,到底要报哪个;再比如去市场买菜,到底是买青椒做青椒炒鸡蛋,还是买黄瓜做黄瓜炒鸡蛋;再比如想去出游,到底是去公园A还是公园B。上面提到的这些问题,都是决策,也叫做评价类问题,最终的目的就是要评价到底哪个更好。这个方法在数学建模比赛,比如美赛等比赛中有时会用到,另外对日常的生活也有一定的指导。

    那么如何用数学的评价体系去解决这类看似非常感性的问题呢,这就诞生了我们今天要讲的层次分析法。这里我们从浅入深对于层次分析法进行一个讲解。

    1. 层次分析法基本原理

    这里我们举一个例子让大家大致的了解层次分析法的基本原理。假如,小明想买一瓶饮料喝,他在纠结到底是买可乐好,还是雪碧好,还是汇源果汁,他非常的纠结,于是想建个模型来分析到底买哪种饮料好。

    为了实现这个评价,首先我们要确定评价的指标,比如这里我们设定三种指标:饮料的口味,饮料的价格和饮料健康程度,那么最直观的量化方法就是给各个因素一个权重,然后给各个饮料进行打分,如下表:
    在这里插入图片描述

    表格中相同颜色的区域加和需要为1,这是为了标准化。所以我们来看一下这个表格,在评价指标方面,小明很注重健康因为给了健康0.5的权重,其次是口味0.3,最后是价格0.2; 具体的在口味方面,小明觉得可乐和雪碧差不多(0.35),果汁稍微差一点是0.3 以此类推,小明就只做了这张表格,为了计算每种饮料的得分,我们只需要把备选方案的权重乘对应的评价指标的权重并且加和即可,也就是:

    可乐的最终得分是0.35×0.3+0.4×0.2+0.1×0.5 = 0.1005;
    雪碧的最终得分是 0.35×0.3+0.4×0.2+0.2×0.5 = 0.1505;
    汇源果汁的最终得分是 0.3×0.3+0.2×0.2+0.7×0.5 = 0.379;

    通过比大小我们就看得出来汇源果汁的最终得分最高,所以小明应该选择汇源果汁。

    回顾一下,为了量化的评价,我们需要确定评价指标,和备选方案两个重要的因素,接着分配权重(记得加和为1),最终通过乘法然后加和的方式得到最终的量化得分,从而做出最终的评价。

    2. 构造判断矩阵

    层级分析法就是简单的编造几个权重然后进行抉择么?当然不是,如何客观合理的设定表格中的权重才是重中之重,因此,我们这里介绍如何构造判断矩阵。

    在现实问题中,往往存在很多个评价指标,让小明从饮料的口味,价格,健康,瓶盖能不能兑奖,瓶子是不是好看,自己是不是汇源果汁的代言人……等很多评价指标中给出合理的权重是一个非常困难的事情,也许小明现在给出的权重和一会儿给出的权重就完全不同,所以,为了简化思维过程,我们首先进行评价指标的两两比较,再将比较结果汇总成最终的权重。

    为了量化两两比较的结果,我们要祭出一个评价体系表格(不要问我从哪里来~它的故乡在远方)说白了,就是在A和B两者比较中划分了一个1到9的重要等级。
    在这里插入图片描述

    举个例子,假如说饮料的健康性(A)和口味(B)相比,健康要明显重要,则我们就可以说A比B的权重是5。之后我们开始构建我们的判断矩阵。

    在这里插入图片描述

    上述的表格就是一个判断矩阵,我们可以看到这个判断矩阵有几个特点,对角线都为1,而且对角线对称的元素相乘都为1,这样的矩阵也被称为正互反矩阵。
    为了更加数学的描述,我们设定矩阵的元素定义为a_ij代表了与j相比i的重要性,其中i表示行,j表示列, 其中a_ij>0而且a_ij×a_ji=1即对称元素相乘为1。当i=j时,也就是元素在对角线上时,元素为1。另外理想的情况下要满足a_ij=a_ik×a_kj 这个理想的条件我们在以后说明

    在构造判断矩阵的过程中我们的元素是两两进行判断的,所以是不是有可能出现问题呢?答案是有可能的,我们将表格中的元素进行一个更改,并用绿色标记出,随后得到了如下的表格

    在这里插入图片描述

    我们看第一行,口味比价格重要(口味>价格)同时健康比口味重要(健康>口味),那么按照正常的推理我们是不是应该得到健康比价格重要(健康>口味>价格)然而实际上表格中填写的是价格比健康重要(价格>健康)这就出现了矛盾,也就是不一致现象。在理想情况下,在这里插入图片描述
    ,所以说,在理想的情况下a_ij=a_ik×a_kj 。理想的情况下的判断矩阵也有一些很好的性质,比如行列成比例,也就是说矩阵的秩为1,这里不进行深入的讨论。但是大部分的情况下,没办法达到如此的完美,那么为了量化评价这种不一致现象的大小,就需要在运算权重之前进行一致性的检验。

    回顾一下,为了更合理的得到层次分析法表格中的权重,我们引入了数值为1-9的标度体系,并且用两两比较的方法构建了一个判断矩阵用于之后的权重计算,然而判断矩阵存在不一致的问题,因此我们要从数值的角度评价不一致的大小,以此引出一致性的检验。

    3. 一致性检验

    为了构建一个一致性的指标来验证矩阵的一致性,学者们主要参考了线性代数中的两个定理:

    定理1:若A为一致性矩阵,则A的最大特征值λ_max⁡ = n,其中n为矩阵A的阶,A的其余特征值均为0。

    定理2:n阶正互反矩阵为一致性矩阵,当且仅当其最大特征值λ_max⁡ = n,并且当正互反矩阵非一致时,必有λ_max⁡ > n。

    从定理2的后半句中,我们可以看到,当一个正互反矩阵为非一致的矩阵的时候必有最大的特征值大于矩阵的阶,所以就想到可以使用最大特征值和矩阵的阶的差值来定义不一致性。这种想法看似复杂,其实超级朴素,比如时间不能倒流,所以出生后经过的年数就定义为你的年龄(年数-0)。

    为此就定义了一致性指标CI,CI = (λ_max – n) / (n -1)。也就是说一致性指标CI越大,整个矩阵就越不一致,当CI是0的时候是完全理想的一直矩阵。(难道这不应该叫不一致性指标么???)

    另外,为了得到计算出来的一致性指标到底是大还是小,我们又构建了平均随机一致性指标RI,该指标的构建方法是随机构建1000个正互反矩阵,并计算一致性指标的平均值。这里的RI也就是说当矩阵的阶数为n的时候随机的平均一致性。这相当于一把尺子,告诉大家如果完全随机(瞎蒙)的填写这个判断矩阵的结果的话,那么你的一致性指标的期望就大概是这个RI的值。RI如何计算呢?查表就可以了。
    在这里插入图片描述
    当CI和RI的比值小于0.1的时候,我们认为这个矩阵是一致的,也就是说你矩阵的一致性指标,要比平均的瞎蒙的一致性指标小一个数量级的时候,我们认为你就不是乱猜的了。这样我们就构建了我们的一致性比例CR = CI/ RI。如果说一个正互反矩阵的一致性比例没有小于0.1,那么就需要调整矩阵以满足要求。

    在这里插入图片描述

    举个例子,我们以这个判断矩阵为例,计算它是否满足一致性的要求,第一步是计算其最大的特征值,在matlab中,我们可以使用[x,y] = eig([1,3,1/5;1/3,1,1/6;5,6,1]); l_max = max(diag(y)); 计算得到,最后计算得到的最大特征值为3.0940, 我们可以看到这个值满足我们定理2中所说的要比矩阵的阶数3大。CI = (l_max -3) / ( 3 -1 ); 计算CI值是0.0470。RI值通过查表得到是0.52,最后我们的RI值就是CI/RI = 0.0904 < 0.1 所以这个矩阵满足一致性的要求。

    回顾一下,这里主要讲如何验证矩阵的一致性,为了验证一致性构造了一致性比例CR,满足CR小于0.1的就认为该判断矩阵合理,不满足的就要对判断矩阵进行调整,得到合理的判断矩阵,得到合理的判断矩阵之后,就可以进行最初的,层次分析法的计算了。

    4.一致性检验通过的判断矩阵求权重

    得到了合理的判断矩阵我们这里就要计算每个影响因素所占的权重,这里主要有三种方法,算数平均法,几何平均法,和特征值法求权重
    4.1 算数平均法求权重:(列归一化,行平均值)
    对每列进行归一化处理,并且按照行求平均值就得到了我们最终的权重,这是最简单的计算方法,具体的方法如下:step1:列归一化
    最左上角的元素归一化就是1/(1+1/3+5)=0.18;
    第一行第二个元素的计算方法就是3/(3+1+6)=0.30以此类推;

    在这里插入图片描述

    Step2:行平均值
    口味:(0.18+0.30+0.17)/3 = 0.22;
    价格:(0.06+0.10+0.14)/3 = 0.10;
    健康:(0.88+0.60+0.83)/3 = 0.77;
    正常权重的加和是1,这里因为四舍五入的原因有一定的偏差。得到了权重之后,我们就可以写入最开始的表格了(还记得嘛?在算了这么多之后一定要牢记使命,别忘了最开始计算这些东西的目的是什么)

    在这里插入图片描述

    4.2 几何平均法求权重:(行相乘开n次方,列归一化)

    这里的计算方法就是将行的元素都相乘,然后再开对应的n次方,并对得到的n个数字进行归一化即可。

    4.3 特征值法求权重:(最大特征值的特征向量归一化)

    特征值法其实是应用最多的一个方法,就是求最大特征值所对应的特征向量并进行归一化处理,matlab的计算方法如下:[x,y] = eig([1,3,1/5;1/3,1,1/6;5,6,1]); vec_max = x(:,1);得到的vec_max就是最大特征值对应的特征向量了。在本例中是0.26,0.12,0.96在对其进行归一化的处理,得到0.19,0.09,0.72 这样我们就用另一种方法求得了权重。

    回顾一下这里介绍了三种不同的方法对判断矩阵的权重进行计算。除了这三个影响因素的判断矩阵以外,具体的表格中可乐,雪碧和汇源果汁的判断矩阵构造方法也是一样的。只需要列出以下的表格,检验一致性并最终计算即可。

    在这里插入图片描述

    5. 总结
    以上就是层次分析法的全部过程,有几个小的问题需要进一步的讲解,当判断矩阵不满足一致性的时候我们调整的方法就是重新梳理整个矩阵的各个元素,可以利用理想状态下,行和列的元素成比例的性质进行微调。另外,层次分析法考虑的因素不能过多,不论是候选的种类,还是评价的指标都不能太多。除此之外,层次分析法主要是在主观的评价体系中进行决策,或者满意度的评价,当在一个问题中,已经有很多已知的数据的时候,这种方法就显得不太好了。

    展开全文
  • 5W1H 和 鱼骨分析法

    千次阅读 2015-09-24 20:47:34
    1. 5W1H 分析法 解决事件 Who (谁来做) When?(何时做) Where?(何地做) What? (做什么) Why? (为什么做) How? ( 怎么做)。 5W1H 思考点 人WHO 第一步  用利益分析法把这个...

    1.  5W1H 分析法

    解决事件 Who  (谁来做) When?(何时做) Where?(何地做) What? (做什么) Why? (为什么做) How? ( 怎么做)。

    5W1H
    思考点
    人WHO
    第一步
          用利益分析法把这个事件的所有参与人员罗列出来  既是这个事件对谁有利对谁有害
     
    第二步
    用过去现在将来分析法分析
          过去 这样的事情曾经在谁身上发生过(过去为什么会在他们身上发生)
    现在 这个事情现在的参与人员(现在为什么会在他们身上发生)
    将来 这样的事情还会发生在谁身上(将来为什么还会在他们身上发生)

     
    第三步
          用正逆分析法分析
          这件事情 本位思维现在发生在谁身上 
            正向思维应该发生在谁身上
             逆向思维 还有其他可能性吗或者说还会发生在其他人身上吗
     
     第四步
      用特点分析法分析寻找人物特征 特点
    时间WHEN
    第一步
    用利益分析法分析
    了解这个时间发生这个事件对谁有利 对谁有害 再问一下为什么
     
    第二步
    用过去现在将来分析法分析
    过去 了解这件事情以前发生过没有
    现在 现在的发生时间
    将来 以后还会在什么时间发生
     
    第三步(问为什么)
    用正逆思维法分析
    发生时间 为什么会在这个时间段发生

            为什么不会在其他时间段发生
             应该在什么时间段发生
    持续时间 为什么会持续这么长时间
             这个事件应该在什么时间就可以结束了 为什么持续这么长或为什么这么短
    结束时间 为什么在这个时间段结束
            还有其他时间段结束的可能性吗
             
    第四步
     
    用特点分析法分析了解时间特征特点特点 
    地点WHERE
    第一步
    了解发生在这个地点发生这个事件对谁有害或者对谁有利
     
    第二步
     
    过去 了解以前在哪里发生过这样的事件(为什么会在那里发生)
    现在 发生地点(为什么会在这里发生)
    将来 以后可能还会在哪里发生(为什么会在那里发生)
     
    第三步
     
    问这个事件可能会不会在其他地点发生(既其他地点发生的可能性)
    问应该在哪里发生
     
    第四步 
     
    地点特点(环境特点)
    什么事 WHAT 
    1  用利益分析法分析发生的原因目标既对什么利益个体有好处或坏处(利益分析)
    2 用过去现在将来分析法分析
      过去  问事情以前发生过没有
      现在  为什么现在会发生
      将来  这样的事情会不会再次发生
    3 用正逆思维法分析
      本位     为什么事情会发生在你身上
      其他     为什么不会发生在别人身上
      应该     应该发生在谁身上
    4 这个事情有什么特殊性质(特点)
    目的又称为什么 WHY


    1 用利益分析法理解事情的目的性(为什么干这件事)
    2 了解真相
    3 这件事情是否可以避免        (逆向)(过去)
      这件事情需不需要现在马上解决(本位)(现在)
      如果以后发生将如何处理      (正向)(将来)
    决策 HOW
    用什么方法解决(在构思新的方法时,可以运用取消、合并、重排、简化等“四种技巧”)
    1 解决方法及如何操作
    2 (为什么)用这种方法解决
    3 有没有更好的方法

    2.  5W1H 实例

    (1)工作中的5W1H

    工作中的5W1H思考点
    WHO责任者 人员 由谁执行 
    1现在这个事情是谁在干?
    2为什么要让他干?
      用利益分析法来分析为什么由他来干,而不是别人 对生产有利或有害吗
    3 用过去 现在 将来分析法 分析这个人过去干过什么,现在干的怎么样,以后适合这个岗位吗, 
      还能干什么
    4 用正逆分析法分析这个岗位换个人来执行是否更合适,或者说应该由谁来执行
    5 用特点分析法分析执行者或代替者的性格特征,熟练程度,或者这个岗位的特殊性来分析执 
      行者的适用范围
    WHEN时间
    什么时间执行 什么时间完成 
    1 用利益分析法分析 例如现在这个工序或者零部件是在什么时候干最合适最有利 ?
      为什么要在这个时候干?
    2 用过去 现在 将来分析法分析以前是什么时候干的 现在是什么时候干的,以后可能在还会在 
      什么时候干
    3用正逆分析法分析 能不能在其他时候干?这个时间干合适吗 最后以后在什么时间干
      把后工序提到前面或延迟行不行在时间段上想问题?到底应该在什么时间干? 
    4 用特点分析法分析这个工序或零部件对时间有没有特殊要求 
    WHERE工作岗位 地点 在什么地方执行

    1 用利益分析法分析在哪里生产干最合适最有利
    2 用过去 现在 将来分析法分析以前在哪里干的 现在在哪里干的 以后准备在哪里干
    3 用正逆分析法问换个地方行不行 问为什么偏要在这里干 其他地点有更合适的吗 到底应该 
      在什么地方干?
    4 用特点分析法分析这个工作岗位或地点的特殊性既是对地点的特殊要求

    WHAT工作内容
    1 用利益分析法分析公司生产什么产品 车间生产什么零配件?生产这些产品对公司的效益如  
      何?为什么要生产这些产品,
    2 用过去 现在 将来分析法分析公司过去生产什么产品 将来准备生产什么产品
    3 用正逆分析法分析公司能不能生产别的 ,或将来生产其他产品对公司更有利?我到底应该生 产什么?
    4 用特点分析法分析公司的特点更适合生产什么产品
    WHY为什么 目的 为何这么做

    1 用利益分析法分析什么目的为什么干这件事对什么有利 对什么有弊
    2 用过去 现在 将来分析法分析以前有没有这种目的要求 公司将来是什么目的要求
    3 用正逆分析法分析有没有别的目的 应该是什么目的
    4 用特点分析法分析 这个目的要求的特点 
    决策 HOW
    怎么执行采取哪些有效措施
    1 用利益分析法找出最佳的手段也就是工艺方法,例如,现在我们是怎样干的?为什么用这种 
      方法来干?
    2 用过去 现在 将来分析法分析按过去的经验的处理方式 现在一般是怎么处理的 将来可能会 
      怎么处理 

    3 用正逆分析法分析有没有别的方法可以干?现在这么干行不行 到底应该怎么干?
    4 用特点分析法 寻找另外特殊的处理方法

    (2)描述事情中的5W1H

    描述事情中的5W1H
    WHO谁?
    WHEN什么时间发生的?
    WHERE在哪里发生?
    WHAT什么事?
    WHY为什么发生这样的事?
    HOW现在的结果如何了?

    (3)QC(质量管理) 上的5W1H

    QC(质量管理) 上的5W1H
    思考点
    人WHO负责人
    1  这个工作由谁来作?
    2  负责人是谁?
    时间WHEN
    1  什么时间来作?
    2  多少时间完成?
    3  完成期限是什么时间?
    地点WHERE
    1  完成的地点在哪里?
    2  开放式地方还是封闭式地方?
    对策WHAT 
    1  针对这种情况,需要作什么?
    2  采取什么对策?
    3  对策需要什么流程?
    WHY 目标

    1  为什么这样作?
    2  这样作是最好的方法吗?
    3  有没有经过实际操作?
    4  有没有不好的结果或不足?
    5  这样作的最终目标是什么?

    措施 HOW
    1  如何作?
    2  采取什么方法和措施?
    3  措施恰当吗?

    3. 鱼骨分析法

    因果分析法,是一种发现问题“根本原因”的分析方法。
    问题的特性总是受到一些因素的影响,通过头脑风暴找出这些因素,并将它们与特性值一起,按相互关联性整理而成的层次分明、条理清楚,因其形状如鱼骨,所以叫鱼骨图。

    使用步骤

    (1)查找要解决的问题;
    (2)把问题写在鱼骨的头上
    (3)召集同事共同讨论问题出现的可能原因,尽可能多地找出问题;
    (4)把相同的问题分组,在鱼骨上标出
    (5)根据不同问题征求大家的意见,总结出正确的原因;
    (6)拿出任何一个问题,研究为什么会产生这样的问题;
    (7)针对问题的答案再问为什么?这样至少深入五个层次(连续问五个问题);
    (8)当深入到第五个层次后,认为无法继续进行时,列出这些问题的原因,而后列出至少20个解决方法。


    展开全文
  • KANO模型分析法简介与应用

    千次阅读 2020-04-07 16:02:12
    KANO模型分析法可以帮助产品管理团队分析用户对功能的需求度,从而更好地筛选出MVP功能。 一、什么是KANO模型分析法? KANO模型分析方法是狩野纪昭(东京理工大学教授)基于KANO模型对用户需求的细分原理,开发的...

    在需求分析阶段,进行MVP(核心)功能选择的时候,产品经理往往难以进行正常的把握,导致做出来的功能并不是用户所需,既导致产品难以成功的同时又大量浪费了开发人力。KANO模型分析法可以帮助产品管理团队分析用户对功能的需求度,从而更好地筛选出MVP功能。

    一、什么是KANO模型分析法?

    KANO模型分析方法是狩野纪昭(东京理工大学教授)基于KANO模型对用户需求的细分原理,开发的一套结构型问卷和分析方法。KANO模型分析方法并不直接用来测量用户的满意程度,主要用于识别用户需求,帮助企业了解不同层次的用户需求,确定使用户满意的关键要素。
    在这里插入图片描述
    KANO模型分析方法主要通过调查问卷来实现信息收集,问卷中每个问题都由正向和负向两个问题构成。根据用户正反向问题答案分为期望型需求(0)、基本型需求(M)、魅力型需求(A)、反向型需求(R)、无差异需求(I)五种类型
    在这里插入图片描述
    O:期望型需求,正向问题的回答是“我喜欢”,负向问题的回答是“我不喜欢”.
    M:基本型需求,正常沟通中用户不会刻意强调,但产品中一旦没有就要被吐槽.
    A:魅力型需求,没有此功能一般用户意识不到,具备此功能让用户眼前一亮.
    R:反向型需求,拥有此功能会遭受用户吐槽.
    I:无差异需求,对参与调研的用户来说,此功能有没有无所谓.
    Q:可疑结果,顾客的回答一般不会出现这个结果,除非这个问题的问法不合理、或者是顾客没有很好地理解问题、或者是顾客在填写问题答案时出现错误。

    二、KANO模型分析法应用示例

    通过购物软件支持的功能来详细说明KANO模型分析法的应用,为了解用户对购物软件的实际需求,开展四个功能(商品分类、购物车、物流实时动态、收藏)的问卷调查。
    1、分析调研功能在不同需求类型中出现的频率。
    应用KANO模型分析方法识别用户对每个功能的需求类型后,就可以计算每个功能在不同需求类型中出现的频率。
    在这里插入图片描述
    对四个功能的调研结果进行梳理,可以看出商品分类和购物车是基本型需求,物流实时动态是魅力型需求,收藏是期望型需求。
    2、根据用户对功能的满意影响力和不满意影响力的分析,来判断顾客对这些功能的敏感程度。
    满意影响力(SI)和不满意影响力(DSI)的计算公式如下:
    SI=(A+O)/(A+O+M+I)
    DSI=-1×(O+M)/(A+O+M+I)
    根据公式得到功能敏感性分析结果:
    在这里插入图片描述
    将各功能以SI值为横坐标、DSI值为纵坐标纳入敏感性矩阵中。离原点越远的因素,敏感性越大,可以确定商品分类、购物车和物流实时动态功能是关键要素,而收藏功能的敏感性则不大,可暂时不予以考虑。

    在这里插入图片描述
    若长度值相同的情况下,越靠近纵坐标的功能属于基本型功能,越靠近横坐标的为用户的期望型、魅力型需求。在产品构建之初,建议以基本型功能为主,保证用户正常应用需求的同时,附带少量的魅力型、期望型需求,让用户使用过程中有吸引点。在产品成功后逐步拓展魅力型、期望型需求,增加产品的竞争力的同时提高用户满意度。

    参考文档:MBA智库·百科https://wiki.mbalib.com/wiki/KANO%E6%A8%A1%E5%9E%8B

    展开全文
  • 数学建模学习笔记之评价问题层次分析法 我们评价的目标是什么? 我们为了达到目标有哪几种可选的方案? 评价的准则或者指标是什么?(我们根据什么来评价好坏) 层次分析法(AHP) 模型建立 ...
  • 需求分析——用HMW分析法需求

    千次阅读 2019-10-14 17:33:47
    HMW需求分析法: 否定:如何让用户放弃这个想法 积极:如何让用户提升自己来解决问题 转移:如何让其他人解决这个问题,继而解决用户这个问题 脑洞大开:以前不敢想的方案 分解:把很大的问题分成2-3步 ...
  • 层次分析法模型(数学建模学习)

    千次阅读 2020-07-24 17:32:00
    层次分析法模型 一、层次分析法应用场景 层次分析法(The Analytic hierarchy process/AHP)是比赛中最基础最常用的模型,应用场景在于解决评价类问题。比如哪个人最优秀,哪种方案最好之类。
  • 所谓 5WHY 分析法,又称“5法”,也就是对一个问题点连续以 5 个“为什么”来自,以追究其根本原因。 虽为 5 个为什么,但使用时不限定只做“5 次为什么的探讨”,主要是必须找到根本原因为止,有时可能只要 3 ...
  • 层次分析法 (AHP) 含代码

    千次阅读 2020-05-14 02:39:41
    层次分析法主要应用在不确定情况下及具有多数个评估准则的决策问题上。 层次分析法发展的目的是将复杂的问题系统化,由不同层面给予层级分解,并透过量化的运算,找到脉络后加以综合评估。(维基百科) 文章目录1、...
  • 用层次分析法解决手机选择困难症

    千次阅读 2015-10-15 20:42:28
    最近一舍友,想换一部手机,价格1000上下,向我咨询应该选什么手机?... 于是乎,就想着通过层次分析法来帮他做个理智的判断,并通过这篇文章帮助大家在以后做出选择时提供一些依据.现在把选择的过程
  • 5W2H七何分析法

    千次阅读 2016-08-09 14:01:24
    5W2H分析法又叫七何分析法,是二战中美国陆军兵器修理部首创,简单、方便,易于理解、使用,富有启发意义,广泛用于企业管理和技术活动,对于决策和执行性的活动措施也非常有帮助,也有助于弥补考虑问题的疏漏。...
  • 第03期 5W1H需求分析法 KANO模型分析法 ● Part00 了解5W1H分析法 ● 基本概念: 5W1H分析法,中文也叫六何分析法。 What (是何)、 Why (为何)、 Who (何人)、 Where (何地)、 When (何时)、 How (如何)...
  • MATLAB数学建模必备算法--层次分析法AHP

    千次阅读 多人点赞 2020-04-19 13:19:27
    数学建模层次分析法,看不懂你来打我
  • 方法论-5WHY分析法(找出根因)

    千次阅读 2020-11-28 22:33:35
      所谓“5WHY”分析法,又称“5法”,就是连续反复使用5次“为什么”方式自问,以打破砂锅到底方式寻找问题的根本原因的方法。“5WHY”不限定必须或只做5次为什么的提问,以找到问题根因为准,也许是3次,也许...
  • 产品需求分析神器:KANO模型分析法

    千次阅读 2019-06-28 16:56:45
     KANO模型分析法是授野纪昭基于KANO模型对顾客需求的细分原理,开发的一套结构型问卷和分析方法。KANO模型是一个典型的 定性分析 模型,KANO模型分析法并一般不直接用来测量用户的满意程度, 主要用于识别用户对新...
  • 数学建模--层次分析法

    千次阅读 2020-04-09 11:50:04
    写在前面: 笔记为自行整理,内容出自课程《数学建模学习交流》,主讲人:清风 文章相关代码参考链接: 层次分析法Python实现. The analytic hierarchy process(AHP) 多用于评价类模型(如:选择哪种方案最好、哪位...
  • (4)为验证实验可行性(九种方法之间存在差异),最开始本来准备采用ANOVA(analysis od variance),也即方差分析法滴,但是由于数据是不满足方差一致性的,所以就改成了welch-ANOVA。 (5)为证明不同算法的...
  • 清风老师数学建模视频课程第1讲层次分析法

    万次阅读 多人点赞 2019-08-17 12:41:10
    一道引出层次分析法的例题 23 / 94  填好志愿后,小明同学想出去旅游。在查阅了网上的攻略后,他初步选择 了苏杭、北戴河和桂林三地之一作为目标景点。 请你确定评价指标、形成评价体系来为小明同学选择最佳的...
  • SWOT分析法 又称为态势分析法,它是由旧金山大学的管理学教授于20世纪80年代初提出来的,SWOT四个英文字母分别代表:优势(Strength)、劣势(Weakness)、机会(Opportunity)、威胁(Threat)。所谓SWOT分析,即...
  • 所谓5why分析法,又称“5法”,也就是对一个问题点连续以5个“为什么”来自,以追究其根本原因。虽为5个为什么,但使用时不限定只做“5次为什么的探讨”,主要是必须找到根本原因为止,有时可能只要3次,有时...
  • 数学归纳及例题分析

    万次阅读 多人点赞 2019-03-27 15:57:42
    学算法,不得不提的就是数学归纳。许多算法都会用到归纳假设的思想,其追溯回去便是数学归纳。 数学归纳 最简单和常见的数学归纳是证明当n等于任意一个自然数时某命题成立。证明分下面两步: 证明当n= 1...
  • 数值分析(一) 牛顿插值及matlab代码

    万次阅读 多人点赞 2020-06-22 18:20:13
    目录数学: 数值分析一、牛顿插值原理1.牛顿插值多项式2.差商2.1 定义2.2 性质2.3 差商表3.牛顿(Newton)插值公式二、牛顿插值公式matlab代码1. matlab实时在线脚本2. 牛顿插值代码3.实例三、总结 数学: 数值...
  • [回溯算法] 大常用算法之回溯

    万次阅读 多人点赞 2018-02-12 14:40:46
    算法入门6:回溯一. 回溯 – 深度优先搜素 1. 简单概述 回溯思路的简单描述是:把问题的解空间转化成了图或者树的结构表示,然后使用深度优先搜索策略进行遍历,遍历的过程中记录和寻找所有可行解或者最优解...
  • 算法设计与分析之蛮力

    千次阅读 2020-12-01 22:55:02
    蛮力是指采用遍历(扫描)技术,即采用一定的策略将待求解问题的所有元素依次处理一次,从而找出问题的解。依次处理所有元素是蛮力的关键,为了避免陷入重复试探,应保证处理过的元素不再被处理。
  • 第二只猴子把剩下的桃子又平均分成份,又多了一个,它同样把多的一个扔入海中,拿走了一份,第三、第四、第只猴子都是这样做的,海滩上原来最少有多少个桃子? 解法一 编程解法。看一个问题是否具备编程来...
  • SWOT分析模型

    万次阅读 2013-02-11 11:36:55
     SWOT分析法(也称TOWS分析法、道斯矩阵)即态势分析法,20世纪80年代初由美国旧金山大学的管理学教授韦里克提出,经常被用于企业战略制定、竞争对手分析等场合。 SWOT分析模型简介  在现在的战略规划报告里,...
  • 关于主成分分析个问题

    千次阅读 2011-01-13 11:26:00
    第一:为什么要降维?在实际分析问题时,研究者往往选择很多的指标。这些指标之间经常会存在一定程度的线性相关,这样就会导致信息的重叠。直白说就是用多个指标分析一个问题,由于某些指标反映的是问题的...
  • 代码之谜()- 浮点数(谁偷了你的精度?)

    万次阅读 多人点赞 2012-11-13 12:27:14
    下面我从数量级分析一下,32bit 浮点数的表示范围是 10 的 38 次方,而表示个数呢,是 10 的 10 次方。 能够被表示的数只有 1/100000000…. (大概有30个零),这个数多大呢?还记得那个国际象棋和麦子的故事吗? ...
  • 梯度-最优化算法设计与分析之一

    千次阅读 2017-06-10 18:41:39
    例如无约束优化.此二维空间的最优化问题该如何求解。从图形上反应的图形为如图一所示: 缩小图形尺寸,得到的微缩图形如图二所示。从图像上可以看出,最优解为x*=(1,1),最优值为f(x*)=0。 梯度 : 梯度是...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 48,802
精华内容 19,520
关键字:

五问分析法