精华内容
下载资源
问答
  • 鱼骨图也是一种树状结构,跟功能树类似。...鱼骨分析法:又名因果分析法,是一种发现问题“根本原因”的分析方法,分为问题型、原因型及对策型鱼骨分析等几类。它是咨询人员进行因果分析时经常采用

    鱼骨图也是一种树状结构,跟功能树类似。

    树状结构有一个不好的情况是不能反应影响因子的交集。但是对于大部分情况来说,设计产品也好,工艺分析也好,故障分析也好,鱼骨图足以帮我们解决问题。

    另一个观点是,鱼骨图是配合5WHY一起使用的工具,并不是独立使用的工具。如果鱼骨图单立开来使用,那么大部分情况下,你们都会发现这个工具做到最后会像是脚踩西瓜皮,走到哪里滑到哪里?

    鱼骨分析法:又名因果分析法,是一种发现问题“根本原因”的分析方法,分为问题型、原因型及对策型鱼骨分析等几类。它是咨询人员进行因果分析时经常采用的一种方法,其特点是简捷实用,比较直观。

    一、鱼骨图分析法的由来

    鱼骨图是由日本管理大师石川馨先生所发明出来的,故又名石川图。

    鱼骨图是一种发现问题“根本原因”的方法,它也可以称之为“Ishikawa”或者“因果图”。

    二、鱼骨图示例

    三、用好鱼骨图的几个步骤和注意事项

    1. 明确要解决的问题

    一次只解决一个问题,一次鱼骨图分析只能用来解决一个问题,明确一个要解决的目标。不能多个目标。制作鱼骨图前,跟团队所有成员明确“问题”是什么?必须达成意见一致。

    该阶段成果:鱼骨图的鱼头和主骨完成。

    2. 主要因分类

    如果您或者团队没有很好的要因分类,那么建议按照常规的方法,从【人、机、料、法、环、测】这六个要素展开。

    如果问题比较明显,那么可以不用这么细分,直接从6M的某一个要素入手。

    该阶段成果:鱼骨图的第一层框架完成。

    3. 二级要因描述

    该阶段工作有几个注意事项提醒负责人:

    让所有成员表达心声,各抒己见,应尽可能多而全地找出所有可能原因

    鼓励大家参考他人的想法做微调或创新,以便于找到更多的原因

    禁止批评和评论,禁止阻碍个人新观点,所有原因全部记录保存

    这个阶段,其实都是在描述问题的表象,这个表象要符合已经确定的分类

    推荐的描述方法:XX不良,XX不足,没有XX,XX过X;举例:原料不良、辅料不良、工具不良,经验不足,培训不足,资源不足,电力不足,没有检查,没有检验、长度过长等等。

    如果是公认的主要问题,可以在该描述旁边做一些图形标注,譬如五角星,譬如带数字的圈。

    特别注意:这些描述最佳的来源是现场观察

    该阶段成果:二级鱼骨图完成。

    样本说明:

    上壳尺寸偏小,这是一个合格的描述

    非来料检验尺寸,这条应特别注意:如果,非来料检验尺寸是为了解释为何没有探测到上壳尺寸偏小,那么该条可以成为“上壳尺寸偏小”的下一层。“测”这里如果要描述,我更偏向于这样描述“装配过紧无法量化描述”

    作业手法指令不正确,这是一个合格的描述。

    未按要求操作,这是一个合格的描述。这里容易有常见的错误,就是把这个列到“法”这个类别里面。

    4. 三级、四级等要因描述(问题深究)

    该阶段工作进入实质性内容,是找到根本原因的重要步骤。大家开始深究问题了,深究问题需要配合使用5WHY的方法。每一层分鱼骨都要解释上一层鱼骨的原因,为什么会造成那样的问题。

    这里不列举具体的问题展开图了,展示一个样本。

    5. 鱼骨图制成后的后续工作

    做完鱼骨图之后,大家可以分头行动,对于找到的主要原因去做验证和深入分析,以确定我们真正找到了主因。

    鱼骨图是不错的工具,可以帮助员工锻炼解决问题的逻辑。但是整个过程还是比较复杂的。在人手紧缺,技术能力紧缺,质量基础薄弱的中小企业的实际操作上,还是遇到很大阻力。

    要破解这个阻力,企业唯一破解之道就是沉下心来专研产品技术或者工艺技术。有了技术底子,在找专业的老师在质量工具的应用上稍加辅导,就能达到“客户”的要求了。

    展开全文
  • 层次分析法

    2021-10-23 15:45:08
    层次分析法适用于评价类问题,可用于个目标或者方案中选取最优目标或方案。通过引入个判断标准,对每一个标准都分配不同的权重和分数,最后相乘根据结果选取最优目标或方案。 二.步骤 1.三个问题(选取判断标准...

    一.介绍

    层次分析法适用于评价类问题,可用于多个目标或者方案中选取最优目标或方案。通过引入多个判断标准,对每一个标准都分配不同的权重和分数,最后相乘根据结果选取最优目标或方案。

    二.步骤

    1.三个问题(选取判断标准)

    我们评价的目标是什么?
    我们为了达到这个目标有几种可选择的方案?
    评价的准则或者说指标是什么?

    前两个问题很容易回答。第三个问题需要根据题目提供的背景或者信息,从网络上搜索相应的内容等方式,是靠人的判断选取的,相对来说也是最重要的问题。

    2.构造判断矩阵

    两两对比,根据最终结果获取所有判断标准的权重分配,最得到的就是判断矩阵
    注意,由人来进行判断标准之间的两两对比。所以填在矩阵中的元素具有部分主观性。可以从网上搜索相关资料搜集专家意见进行填写。
    判断矩阵的特点:1.每一个元素都是与列相比,行的重要程度
    2.矩阵主对角线元素为1
    3.元素大于0且上三角元素与下三角对应元素相×为1(正互反矩阵)
    **可能出现的问题:**逻辑必须自洽!

    3.矩阵一致性判断

    **一致矩阵:**正互反矩阵满足Aij×Ajk=Aik
    **一致矩阵的判断标准:**各行(各列)之间成倍数关系
    计算过程:
    在这里插入图片描述

    4.获取权重

    权重共有三种计算方式:算数平均法,几何平均法,特征值法

    算数平均法

    第一步:将判断矩阵按照列归一化(每一个元素除以所在列的和)
    第二步:将归一化的各列相加(按行求和)
    第三步:将各行除以列数
    在这里插入图片描述

    几何平均法

    第一步:将A元素按行相乘得到新的列向量
    第二步:将新的向量每个分量开n次方
    第三步:将该列向量进行归一化
    在这里插入图片描述

    特征值法

    第一步:求出最大特征值和对应的特征向量
    第二步:对求出的特征向量进行归一化

    三.缺点

    1.如果判断标准太多,会导致判断矩阵和一致矩阵相差太大。

    可能的解决办法:1.使用判断标准的子集,根据效果选取最优。
    2.使用其他算法替代,如决策树、随机森林等。

    2.指标数据已知且不符合一致矩阵

    可能的解决办法:1.使用其他算法

    四.代码

    disp('请输入判断矩阵A')
    A=input('A=');
    [n,n] = size(A);
    % % % % % % % % % % % % %方法1: 算术平均法求权重% % % % % % % % % % % % %
    Sum_A = sum(A);
    SUM_A = repmat(Sum_A,n,1);
    Stand_A = A ./ SUM_A;
    
    disp('算术平均法求权重的结果为:');
    disp(sum(Stand_A,2)./n)
    % % % % % % % % % % % % %方法2: 几何平均法求权重% % % % % % % % % % % % %
    Prduct_A = prod(A,2);
    Prduct_n_A = Prduct_A .^ (1/n);
    disp('几何平均法求权重的结果为:');
    disp(Prduct_n_A ./ sum(Prduct_n_A))
    % % % % % % % % % % % % %方法3: 特征值法求权重% % % % % % % % % % % % %
    [V,D] = eig(A);
    Max_eig = max(max(D));
    [r,c]=find(D == Max_eig , 1);
    disp('特征值法求权重的结果为:');
    disp( V(:,c) ./ sum(V(:,c)) )
    % % % % % % % % % % % % %下面是计算一致性比例CR的环节% % % % % % % % % % % % %
    CI = (Max_eig - n) / (n-1);
    RI=[0 0.0001 0.52 0.89 1.12 1.26 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59];  %注意哦,这里的RI最多支持 n = 15
    % 这里n=2时,一定是一致矩阵,所以CI = 0,我们为了避免分母为0,将这里的第二个元素改为了很接近0的正数
    CR=CI/RI(n);
    disp('一致性指标CI=');disp(CI);
    disp('一致性比例CR=');disp(CR);
    if CR<0.10
        disp('因为CR<0.10,所以该判断矩阵A的一致性可以接受!');
    else
        disp('注意:CR >= 0.10,因此该判断矩阵A需要进行修改!');
    end
    
    展开全文
  • 数学建模方法层次分析法实例题目:当你临近毕业时选择工作,会考虑哪些因素?建立层次分析模型,给出各因素的成对比较阵,计算各因素在目标中的权重。解:很因素都会影响毕业生选择工作,就我个人而言,我重视的...

    数学建模方法层次分析法实例

    题目:

    当你临近毕业时选择工作,会考虑哪些因素?建立层次分析模型,给出各因素的成对比较阵,计算各因素在目标中的权重。

    解:

    很多因素都会影响毕业生选择工作,就我个人而言,我重视的因素为以下几点:

    薪水较高

    与所修专业联系较大

    工作地点为一二线城市

    工作环境不会影响身体健康

    公司比较有发展潜力

    由以上因素建立层次结构模型:

    其中A为目标层,Bi(i=1,2,3,4,5)为准则层

    两两比较Bi(i=1,2,3,4,5)对A的重要程度,构造出准则Bi对目标A的成对比较判断矩阵:

    用MATLAB软件求得矩阵A的最大特征根和相应的特征向量(已经归一化)。

    易得结论:通过检验。

    又因为上面已经求得Bi (i=1,2,3,4,5)对目标A的权重向量为:

    即各个因素在目标中的权重分别为:

    各因素对毕业生选择职业的影响

    影响职业选择的因素

    所占的权重

    B1

    薪水较高

    0.4389

    B2

    与所修专业联系较大

    0.0785

    B3

    工作地点为一二线城市

    0.3242

    B4

    工作环境不会影响身体健康

    0.8203

    B5

    公司比较有发展潜力

    0.1525

    结论:

    由上表可以简单明了地看出学生不再单一的重视收入如何,渐渐重视起来“工作环境对健康的影响”这一问题。在影响学生选择职业的因素中,所占比例最低的是“与所修专业联系是否密切”,可以看出学生对于工作性质、内容并不局限,只要适合自己,什么工作都可以尝试。

    附1:

    RI值参照表格

    .n

    1

    2

    3

    4

    5

    6

    7

    8

    9

    RI

    0

    0

    0.58

    0.90

    1.12

    1.24

    1.32

    1.41

    1.45

    附2:

    MATLAB软件计算矩阵特征值和特征向量的步骤:

    >> a=[1,5,2,1/3,4;1/5,1,1/6,1/5,1/4;1/2,6,1,1/3,3;3,5,3,1,6;1/4,4,1/3,1/6,1]

    a =

    1.0000 5.0000 2.0000 0.3333 4.0000

    0.2000 1.0000 0.1667 0.2000 0.2500

    0.5000 6.0000 1.0000 0.3333 3.0000

    3.0000 5.0000 3.0000 1.0000 6.0000

    0.2500 4.0000 0.3333 0.1667 1.0000

    >> [v,d]=eig(a)

    v =

    (回车执行操作,每列得到的是矩阵A的特征向量,此处不一一详述)

    d =

    (回车执行操作,主对角线上元素即为与上面求得的特征向量对应的特征值,此处不一一详述)

    展开全文
  • 何为层次分析法? 大名鼎鼎的层次分析法(Analytic Hierarchy Process, AHP)是将与决策相关的细分元素进行拆解,在此基础上做层次权重的方法,这是一种将定性与定量分析相结合的方法。 应用场景是啥呢? 当你需要...

    何为层次分析法?

    大名鼎鼎的层次分析法(Analytic Hierarchy Process, AHP)是将与决策相关的细分元素进行拆解,在此基础上做层次权重的方法,这是一种将定性与定量分析相结合的方法。

    应用场景是啥呢?

    当你需要根据多种因素(或元素),来对某个事物综合判断时,就可以用AHP啦:

    • 生活上,比如你毕业后想租房,自如给你推了几个房间,有的离公司近,有的租金便宜,有的环境好,有的周围生活便利,你要怎么选择?
    • 商品资源位的决策中,哪些商品应该放到最好的位置?
    • 商家价值衡量,除了能够量化的如销量、gmv等数字因素外,还有品牌价值、声量、战略部署等因素,如何选出价值最高的商家?

    而层次分析法就是来帮你做决策的~
    在这里插入图片描述

    如何应用AHP来解决上述问题?

    核心:确定不同方案在不同因素上的加权得分总和,然后对综合做排序找到得分最大的方案。

    基本步骤

    • 构建层次分析结构,确定决策目标,然后对影响决策目标的因素归类并建立一个多层次结构,对因素进行排序;
    • 构造方案判断矩阵,然后一致性检验(即保证各个因素之间顺序一致,不会出现A>B>C 却A<C的情况);
    • 计算决策因素权重,并结合对比方案矩阵计算各方案的总得分并排序,得到决策方案。

    层次分析法确实很难用“人话”的方式解释出来,不怕,我们有例子实操一下,继续看还有彩蛋。

    Case

    背景:现在有3个商品要做资源推广,现在选择商品的因素包括:毛利价值、品牌价值、标杆价值。
    其中后两个指标是无法量化的,就很适合用AHP方法来进行权重判段。

    Step 1: 首先我们要根据经验(或者叫做「专家打分法」)构建判断矩阵。通过两两对比做重要性评估时,一般采用1~9标度法,即最重要为9,最不重要为1/9,如果1则表示二者同等重要。
    比如下表格表示: A1较A2较不重要,A1打1分,A2强烈重要,打7分,A3较强烈重要,打5分; 对角线对称位置的互为倒数。第二行的打分也根据主观经验依此填写。
    在这里插入图片描述

    Step2: 其次,我们进行一致性检验,获得各个因素的权重。
    在这里插入图片描述

    Step 3: 然后,对每个因素,对三个商品再单独构建一个判断矩阵

    以不同商品毛利价值为例,我们根据经验先搞出对比矩阵(判断矩阵):
    在这里插入图片描述

    再计算毛利价值条件下,三个商品的权重(分数):在这里插入图片描述

    同样,我们可以根据品牌价值对比矩阵及标杆价值对比矩阵,计算出权重系数,此处略去。

    Step 4: 最后,我们把每个因素的权重值作为每个商品的相应分数,然后将其乘以第一步计算出来的因素权重求和,得到最终的排序结果:商品B > 商品A > 商品C。
    商品A = 0.7390.428+0.09380.178 + 0.1670.287 = 0.3809;
    商品A = 0.739
    0.428+0.09380.289 + 0.1670.337 = 0.3996;
    商品A = 0.7390.144+0.09380.533 + 0.167*0.376= 0.2192;
    在这里插入图片描述
    细心的朋友如果读到这里,可能会有个疑问,是如何从判断矩阵直接跳到各个因素的权重系数呢?
    那就是我们的彩蛋环节了:链接: link.
    AHP计算起来步骤很多,但是现在有了自动化的开源工具,就可以助大家事半功倍啦~

    最后的最后,AHP分析非常实用,但也有局限性

    • 不能使用太多决策变量,否则计算比较费时;
    • 决策变量比较主观
    • 决策变量间应该具有相对独立的特征,不能存在高度线性相关性。
    展开全文
  • 原标题:基本图形分析法:等腰三角形(一)当几何问题中出现了两条具有公共端点且不在一直线上的相等线段时,无论它们是在条件中出现还是在结论中出现,就应萌发应用等腰三角形的基本图形进行证明的意识。然后就应将这...
  • 层次分析法(附实例)

    千次阅读 2021-01-28 11:30:04
    层次分析法-AHP 问题:选择一部适合自己的手机 一、确定评价对象与评价指标 评价对象 评价指标 二、确定打分 比较矩阵 两两比较得到比较矩阵 判断比较矩阵是否能通过一致性检验 得分向量 归一化处理 求解得分向量 ...
  • 主成分分析法(PCA)——降维

    千次阅读 2021-02-09 01:46:23
    主成分分析是一种降维算法,它能将个指标转换为少数几 个主成分,这些主成分是原始变量的线性组合,且彼此之间 互不相关,其能反映出原始数据的大部分信息。一般来说, 当研究的问题涉及到变量且变量之间存在很...
  • 数学建模第一讲:层次分析法 前言:数学建模三大块 建模 建模手 编程 算法手 写作 论文手 误区:每个人只需要掌握其中的一块就好!另外两块交给队友就好! 实际上:真正比赛的时候,三个队友的工作会有很大的重叠...
  • 数学建模——层次分析法 数学建模:建模+编程+写作 层次分析法 应用:评价类问题 举例:哪种方案最好、谁的表现更优秀。。。 分析问题: (1)评价的目标是什么 (2)有几种方案可以达成目标(方案1、方案2、...
  • yaahp层次分析法软件

    千次阅读 2021-03-07 09:22:58
    yaahp层次分析法软件是一款非常出色的综合评价辅助软件。它主要是为利用层次分析法和模糊综合评价的决策过程提供模型构造和分析计算等功能,目前它已经被广泛的应用于评估和评价问题处理方面,给用户带来了非常巨大...
  • 聚类分析法-层次聚类

    千次阅读 2021-02-12 10:38:05
    聚类分析法 文章目录聚类分析法1.简介2.基本内容介绍1.数据变换2. 样品间亲疏程度的测度计算常用距离计算1. 闵式(Minkowski)距离2. 马氏(Mahalanobis)距离相似系数的计算1. 夹角余弦2.皮尔逊相关系数3.使用scipy....
  • 层次分析法——评价类问题 层次分析法的步骤及原理 分析各因素层次关系,建立系统层次结构 层次关系用层次结构图表示,如: 层次结构图分为目标层,准则层,方案层。准则层可以有多层,每个准则层可以对应一个...
  • PCA(主成分分析法)原理以及应用+代码实现

    千次阅读 多人点赞 2021-03-03 10:22:39
    PCA用于对数据特征集进行降维,也方便对数据集进行可视化操作,说白了最后进行结果展示那么特征向量要一起表示的话肯定很难展示,超过三维的数据就很难展示了。而PCA可对特征集进行简化,通俗的来讲也就是合并好...
  • 层次分析法之一般思路 确定目标--一般很容易确定 比如:选择最适合自己的电脑;选择最佳的旅游城市 ; 产生准则--通过网站搜索或者头脑风暴等方式 比如:电脑的尺寸、电脑的价格,电脑的配置、电脑的用途;距离,...
  • 原标题:基本图形分析法:教你如何利用重要线段解等腰三角形(一)【分析方法导引】当几何问题中出现了等腰三角形中的下列三种条件之一:顶角的平分线;底边上的高;底边的中点或出现了一线端(将其看作是某三角形的...
  • 线性分析法

    2021-05-23 08:13:53
    0x00 概述线性分析法、差分分析法作为SPN(Substitution Permutation Network)的常用解法,一直让密码学家痴迷。最近也因为0ctf的一些密码学题目,对线性分析法有了一定的了解,并想写篇博客将具体内容详细展示!0x01...
  • 1. 层次分析法(The analytic hierarchy process, 简称AHP) 建模比赛中最基础的模型之一,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) 通过相关的权重,算出分数,获取最...
  • 有了控制系统的数学模型后, 就能对控制系统的性能做具体分析, 在经典控制理论中, 常用的有三种: 时域分析法、 根轨迹法、 频域法, 将分别接下来的三章介绍。 本章介绍时域分析法。 实际上, 后两种方法都是在...
  • 文章目录Modified Nodal Analysis一、pandas是什么?二、使用步骤1.引入库2.读入数据总结 Modified Nodal Analysis ...示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。 二、使用步..
  • 文章目录数学建模算法(一)层次分析法 The analytic hierarchy process(AHP)解决评价类问题的一般步骤:层次分析法的过程:一致性检验的步骤:计算权重?一致矩阵:归一化处理判断矩阵将计算所得的权重填入权重表中...
  • CATIA二次开发技术设计搅拌罐螺旋线第26卷第1期 2007年2月重 庆 交 通 学 院 学 报JOURNALOFCHONGQINGJIAOTONGUNIVERSITYVol.26No.1Feb.,2007用MATLAB进行结构的有限元法分析李旭伟,刘艳珂,张永水(重庆交通...
  • 主成分分析法(PCA)原理和步骤

    千次阅读 2021-01-30 06:50:30
    主成分分析法(PCA)原理和步骤 主成分分析(Principal Component Analysis,PCA)是一种变量统计方法,它是最常用的降维方法之一,通过正交变换将一组可能存在相关性的变量数据,转换为一组线性不相关的变量,...
  • 机器学习基础篇(十一)——主成分分析法 一、简介 当我们对含有个变量的数据进行观测时,我们会收集大量的数据然后分析他们。 大样本的数据集固然提供了丰富的信息,但是在一定程度上增加了问题的复杂性。 如果...
  • 边界值分析法是对等价类划分法的一种补充方法。 边界分析使用条件: 输入条件明确了一个值的取值范围,或是规定了值的个数 输入条件明确了一个有序集合 一、 边值点定义 上点:边界上的点,如果域的边界是封闭的...
  • AHP | 层次分析法原理及Python实现层次分析法(Analytic Hierarchy Process,AHP)由美国运筹学家托马斯·塞蒂(T. L. Saaty)于20世纪70年代中期提出,用于确定评价模型中各评价因子/准则的权重,进一步选择最优方案。...
  • 笔记来自清风老师的数学建模系列课程,课程链接:层次分析法层次分析法例题,IMMC2020https://blog.csdn.net/yanyanwenmeng/article/details/1049074121. 指标选择途径(1)题目背景(2)中国知网、百度学术、谷歌学术等...
  • 数据对比分析法,看这篇就够了!

    千次阅读 2021-04-22 18:15:28
    任何事物都有对立面,站在不同的角度去分析问题,不仅是数据分析的方法,也是各行各业都会用到的思维模式。今天就来聊一下对比分析。01时间上的对比1纵比同一空间条件下,对不同时期数据的比较。如下...
  • 数值分析笔记——迭代+代码实现 问题:在可以使用直接求出精确解的情况下,为什么还要使用迭代求他的近似解呢? 因为我们求解的问题通常需要通过计算机设计算法来解决,当未知数非常,问题规模非常大的时候...
  • 分析:本题为评价类问题,且决策层(指标)的数据未知,可以使用层次分析法建模。 (1)评价目标是什么:选择最合适的目标景点 (2)有哪几种可选方案:苏杭、北戴河和桂林 (3)评价的指标是什么: 通过在知网、万方...
  • 同学都有困惑:“总说数据驱动业务,到底咋实现的??”想实现数据驱动,需要公司有尊重数据、规范管理的工作环境,也需要相应的数据分析方法指导。光指望每天喊“同比、环比、高了、低了”可驱不动...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 71,004
精华内容 28,401
关键字:

多角分析法

友情链接: pvrusb2-i2c-core.rar