MACD (Moving Average Convergence-Divergensen) Slik bruker du MACD i Forex Trading I: MACD Sist oppdatert: 14. desember 2012 MACD er en av de mest pålitelige indikatorene. Selv om vi ikke tror på å bruke noen indikatorer i vår egen handel, og vi alltid bruker lysestake kartlegging og Bollinger Bands for å finne handelsoppsettene, tror vi fortsatt at MACD er en sterk indikator spesielt for nybegynnere som er vant til å komme inn og ut av markedet for tidlig. MACD er en forsinkende indikator, og forsinkelsen gjør at du er tålmodig, ikke å skynde seg for å komme inn på markedet eller komme seg ut av det for tidlig. Nylig publiserte vi en annen artikkel om MACD for å vise våre følgere hvordan de kan bruke langsommere innstillinger av MACD for å få en bedre oppføring, og hold posisjonene lengre for å maksimere fortjenesten. Slik bruker du langsommere innstillinger av MACD-indikator Det er så mange profesjonelle handelsfolk ( både aksje - og valutahandlere) som stoler på denne indikatoren. Selvfølgelig bør vi ikke overdrive om denne indikatoren. Det er ikke et magisk verktøy for å vise deg buysell-signalene. Men i forhold til de andre indikatorene er det flott. Den kan brukes sammen med RSI for å bekrefte handelsoppsettene. Det er en million dollar spørsmål. Før vi forteller deg hvorfor MACD fungerer, foretrekker vi å forklare om en av de viktigste årsakene til forex traders8217 (og også alle andre typer traders8217) feil. Kanskje du har hørt dette mye fra oss, men det må også påminnes i denne artikkelen. Mangel på tålmodighet er en av de viktigste årsakene til forex traders8217 fiasko. De fleste handelsfolk er ikke tålmodige nok til å vente på en sterk handelskonfigurasjon. Etter flere minutter, timer eller dager som de venter på et handelsoppsett (avhenger av tidsrammen eller systemet de bruker), og de kan ikke finne noe, mister de tålmodigheten og tvinger seg til å ta stilling mens det ikke er skarp og klar handel oppsett. Så de mister. På den annen side, når de lykkes med å ta en god posisjon, kommer de ut for tidlig med liten fortjeneste, fordi de er redd for å miste fortjenesten de allerede har gjort. De har ikke nok tålmodighet til å holde en stilling til den treffer målet. Så de gjør deres fortjeneste begrenset, på grunn av mangel på tålmodighet. MACD er en løsning på disse problemene, fordi den er forsinket, og denne forsinkelsen tvinger deg til å vente mer, både når du venter på et handelsoppsett, og når du holder posisjon. That8217s hvorfor MACD anbefales både av forex og aksjehandlere. (Merk: Heikin Ashi er et av de andre verktøyene som hjelper deg med å vente mer både før handelsoppsettet og mens du er i markedet. Du kan lese om Heikin Ashi her.) Noen ganger viser dine andre indikatorer og til og med prisdiagrammet deg en Traderoppsett, men MACD forteller deg å vente, og det holder deg fra å gå imot trenden og tape penger. Det er også mange tilfeller du vil følge en trend, men MACD forteller deg at det er for sent, og trenden er utmattet og kan reversere når som helst. I denne artikkelen vil vi gjøre vårt beste for å dekke alle disse sakene og hjelpe deg med å bruke MACD i handelen din på best mulig måte. Hva er MACD-definisjon MACD står for Moving Average Convergence Divergence. MACD er en indikator som brukes i teknisk analyse. Denne indikatoren er utviklet av Gerald Appel, som var handelsmann og markedsanalytiker. MACD er forskjellen på et 12 og et 26 eksponentielt glidende gjennomsnitt. MACD trekker 26-perioden fra 12-perioden, og resultatet vises i en enkelt linje som er MACD-hovedlinjen. Typiske MACD indikatorer, har en ekstra linje, som er et eksponentielt glidende gjennomsnitt av hovedlinjen. Dette glidende gjennomsnittet er satt til 9 som standard og det kalles signallinje. I MetaTrader. standard MACD doesn8217t har den viktigste MACD-linjen. I stedet har den barer (histogram). På andre plattformer kan du se både MACD-hovedlinjen og MACD-histogrammet. MACD-histogrammet er forskjellen mellom MACD-hovedlinjen og det 9 eksponensielle glidende gjennomsnittet: MACD-histogram: MACD Main Line 8211 Signal linje Som du ser, er MACD ingenting annet enn kombinasjonen av to bevegelige gjennomsnitt. Til tross for dette er det en veldig sterk og pålitelig indikator fordi den eliminerer markedsstøy. Hvis du er en handelsmann, vil sannsynligvis MACD-formelen ikke ha noe for deg. Du trenger den, hvis du er programmerer og vil bruke MACD i å designe og utvikle en EA (ekspertrådgiver) eller robot. Formelen hjelper deg imidlertid med å forstå indikatoren bedre. Vi har allerede snakket om denne indikatoren8217s beregning: Hovedlinje: 12 EMA 8211 26 EMA Signal linje: 9 EMA av hovedlinjens histogram: Hovedlinje 8211 Signal linje nedlasting Den farget MACD: MACD som leveres med MetaTrader som standard, har bare en farge med histogrammet. Hvis du liker å ha samme farget MACD, har vi på våre diagrammer (under skjermbilder), last ned og installer den på plattformen din før vi begynner å forklare om MACD og måten vi bruker den i teknisk analyse og forex trading. Denne indikatoren fungerer i MetaTrader. Du må kopiere og lime det inn i eksperimentindikatormappen og deretter starte plattformen på nytt og bruke indikatoren på prisdiagrammet. Klikk her for å laste ned den farget MACD. For å installere den fargede MACD-en på MT4-plattformen må du kopiere indikatoren til indikatormappen. Klikk på Fil-menyen øverst til venstre på MT4-plattformen. Klikk på Open Data Folder. Åpne MQL4-mappen. Åpne mappen Indikatorer. Kopier og lim inn indikatoren til indikatormappen. Start MT4-plattformen på nytt. Åpne et prisoversikt. Trykk CtrlN for å åpne navigatoren. Åpne rullegardinmenyen Indikatorer. Dra LuckScout-MACD. ex4 og slipp den på diagrammet. Hvordan ser MACD ut på prislisten Nedenstående diagram viser hvordan farget MACD ser ut. Den har også Moving Average 9, men vi setter det alltid til null, fordi vi ikke bruker det. Det hjelper ikke. I indikatoren du lastet ned over, er den satt til null som standard, men du kan endre den tilbake til 9 hvis du vil. MACD-stengene (histogrammet) du ser nedenfor, gjenspeiler forskjellen mellom hoved - og signallinjene. På prisdiagrammet ser du hoved - og signallinjene. Den røde er hovedlinjen, og den grønne linjen er signallinjen. Som du ser, hvor avstanden mellom disse to bevegelseslinjene er større, vil MACD-stolpene bli lengre også, og hvor disse to linjene krysser, er lengden på den tilhørende MACD-linjen null (følg de svarte pilene). Som du ser, når det er oppadgående bevegelse og trykk (markedet er bullish), går MACD-histogrammer opp og endrer fargen til blå og når det er et nedadgående trykk og bevegelse (markedet er bearish), går de ned og endrer seg fargen til rød. MACD-barer danner høyder og nedturer. Når vi har en opptrinn, danner de høyere nedturer, og når vi har en downtrend, danner de lavere høyder, og når stolpene går under nullnivået danner de lavere nedturer: Hvordan lagrer MACD deg fra å gå mot trend Som vi nevnte, MACD er forsinket, og så når du ser et reverseringssignal med lysestaker og Bollinger Bands og du vil ta en posisjon mot trenden, forteller MACD deg 8220No8221. Selvfølgelig, hvis du vet om Elliott Waves og også syklusene, vil du ikke ta noen posisjoner mot trenden, selv om du ikke har MACD på diagrammet ditt, men som å vite syklusene og Elliott Waves er svært vanskelig, kan du bruke MACD å være på rett spor. Vennligst se på nedenstående reverseringssignal. Et lysestake er dannet helt ut av Bollinger Bands og så er det tre Bearish lysestaker som er alle reverseringssignaler. Tre lysestaker før dette, du hadde allerede et annet reverseringssignal, men du burde ha ignorert det, fordi det var friskt og det kom like etter et stort tullstearinlys. Men det andre selgesignalet (den gule sonen) sikrer at du kan gå kort. Let8217s sier at du ikke ville ha MACD på diagrammet ditt, eller du hadde det, men du ville ikke være oppmerksom på det. Du kan gå kort og sette ditt stoppfall over det høyeste høye. Og gjett hva ditt stoppfall ville bli utløst: Så å gå mot MACD er farlig. Selvfølgelig er signalet ovenfor dannet av lysestakerne ikke sterkt nok. Det er derfor prisen ikke reverserte og holdt på å gå opp. Som nybegynner er det ikke mulig å skille mellom de sterke lysestakerne. Å ha MACD kan være en stor hjelp for ikke å gå imot trenden basert på de svake handelsoppsettene. Å gå imot trenden basert på de svake lysestake-signalene, er ikke den eneste feilen du kan gjøre. MACD indikerer også om markedet er overkjøpt eller solgt. Når det er overkjøpt, er det mer risikabelt å gå lenge, og når det er oversold, er det risikabelt å gå kort. Når markedet er overkjøpt, kan Bulls (kjøpere) når som helst begynne å samle inn fortjeneste (de selger), og så kan prisen gå ned, og når markedet er oversolgt, kan Bears begynne å kjøpe når som helst, og så kan prisen gå opp. Selvfølgelig forteller stearinlyset også om markedet er overkjøpt eller oversolgt, men MACD er også en stor hjelp. La oss se på et eksempel: Du er en trendhandler. Du har en opptrinn her (under). Du ser noen reverseringssignaler, men du venter på et fortsettelsessignal for å gå lenge. En sterk Bullish lysestake former (den siste på nedenstående diagram) og samtidig den siste MACD-linjen endrer fargen og viser et oppadgående trykk. Dette er hva du har ventet på å gå lenge, men du tror ikke at markedet har gått opp lenge (overkjøpt) og kan reversere når som helst. Selvfølgelig kan det gå mye høyere, men vi vet aldri: Denne posisjonen går opp bare for en lysestake og går deretter ned og utløser stoppet ditt: MACD-kjøp-selger-signaler MACD-handel er så vanlig blant forexhandlere. De venter bare på en fersk MACD-bevegelse for noen barer, og deretter går de inn. MACD er veldig bra for trend trading. Det er også godt å bekrefte reverseringssignalene. Imidlertid må MACD brukes som en bekreftelse. Hovedindikatoren er prisen. Hvis du bruker MACD som en bekreftelse for støtte og motstandsavbrudd. det vil være en stor hjelp. De som handler basert på støttestøtten, må ha MACD på sine diagrammer, ellers vil deres suksessrate ikke være rimelig. Se på bildet nedenfor. Det er en trendlinje med gyldig og synlig støttelinje. Du venter på støtningsbrudd for å gå kort. MACD begynner å gå ned for flere lysestaker før breakout, men du går ikke kort fordi den kan hoppe opp så snart den berører støttelinjen. En av lysestakerne stenger under støttelinjen og samtidig ser du at MACD går ned, MEN det er friskt og det er ikke oversold. Det er over nullnivået også. Så du går kort ved åpningen av neste lysestake, sett ditt stoppfall over den høye prisen på siste lysestake og målet ditt vil være det neste støttenivået. Den går ned og treffer målet veldig enkelt. Se nå på bildet nedenfor, som er det samme som bildet ovenfor, men det viser bare en annen support-breakout som skjedde en stund etter den ovennevnte støttebrudd. Åpenbart er det en ny sjanse til å ta en annen kort posisjon, men se på MACD og dens forskjell med forrige posisjon. I forrige posisjon hadde MACD begynt å gå ned mens det var langt over nullnivået. Det betyr at du vil gå kort mens markedet er overkjøpt, noe som er en god beslutning. I denne posisjonen (nedenfor) er ikke bare MACD over nullnivået, men det har allerede begynt å gå opp og gjøre høyere nedturer. Så markedet er oversold og ditt salgssignal er ikke frisk. Det er et brukthåndssalgssignal og gjett hva som ville skje hvis du gikk kort, og du didn8217t vurdere MACD: Ja, posisjonen din utløser stoppet før det treffer målet. MACD Divergens er en av de mest kjente og sterkeste handelssignaler som MACD genererer. MACD Divergens skjemaer når prisen går opp og gjør høyere høyder, og samtidig går MACD-stengene ned og gir lavere høyder. Regelen sier at prisen vil endelig følge MACD retningen og vil gå ned. Problemet er imidlertid at du aldri vet når prisen vil følge MACD-retningen. Så, hvis du haster og tar en kort posisjon rett når du ser MACD-avviket, kan det fortsette å gå opp for flere lysestaker. Du bør gå kort når MACD Divergence blir fulgt av et godt salgssignal ved lysestakerne og eller et brudd på brudd. MACD Divergens kan ses på slutten av opptrender. Hva betyr det? Det betyr at hvis du er en trendhandler, bør du ikke gå lenge når du ser at MACD Divergens er dannet. Det kan kollapse når som helst. MACD-konvergens er også et berømt signal, men folk stoler på MACD-avviket mer fordi når markedet kollapser og går ned, går det raskere og sterkere. Frykt er sterkere enn grådighet, og når markeder går ned, er frykt den dominerende følelsen. MACD-konvergens danner når prisen går ned og danner lavere høyder eller lavere nedturer, men samtidig går MACD-barene opp og danner høyere høyder eller høyere nedturer. Regelen sier at prisen endelig endrer retningen og vil følge MACD, noe som betyr at den vil gå opp. MACD-konvergens kan ses på slutten av nedtrenden. Hva betyr det? Det betyr at hvis du er en trendhandler, bør du ikke gå kort når du ser at MACD Convergence er dannet. Den kan hoppe opp når som helst. Bli med våre 20 000 lojale følgere Få nå vår e-bok gratis 53 tanker om ldquo MACD (Moving Average Convergence-Divergensen) Slik bruker du MACD i Forex Trading rdquo Hei mange takk for at du deler dine tanker jeg har vært i markedene i over 12 år , men likevel din detaljerte tilnærming hjelper mye med å finjustere min strategi fra min erfaring macd er en av de beste indikatorene. Jeg kom til en ide å studere macd etter at en handelsmann som jeg visste fra en stor bank for noen år siden, gjorde millioner dollar om året ved hjelp av Elliott bølger med macd. men jeg tror macd selv er nyttig som å studere EW teori i over 3 år Jeg kom til den konklusjonen at Elliott bølger er bare for tvetydige8230 Har 2 spørsmål: 1) Hva er andre beste indikatorer å bruke med macd (du personlig preferanse) 2) å være en trendhandler (jeg antar at du er) hva er dine tanker om å bygge oppadadrettede stillinger, som for eksempel Bill Williams lærer på fraktalens gjennombrudd eller på reboundsdips, glad for å holde kontakten igjen takk for din webressurs Takk, dr. Chris, konseptet er bredt forklart. Jeg har et spørsmål om hvor mulig det er å bruke krysset av hoved - og signallinjen for å bestemme trendbevegelsen. Har det noen effekt, legger jeg merke til den overordnede oppadgående presensen av den røde linjen som er hovedlinjen i en oppadgående trend LuckScout Yes. MACD er en langsom og forsinkende indikator, og det er derfor bra å følge trenderne. I tillegg reflekterer krysset av hoved - og signallinjen gjenspeilt trendutmattelse og reversering. God dag, takk for at du forklarte konseptet, men hvorfor jeg kan åpne den fargede MACD-indikatoren. TAK DU MEGET MARTIN LuckScout Du må ikke åpne den. Du må kopiere og lime den inn i MT4-indikatormappen. Bare for å legge til, hvis du bruker MT48230, kan følgende teps hjelpe deg 1.File 8211 gt Åpne Data-mappe 2. MQL4 8211 gt Indikatorer 3. Kopier LuckScout-MACD. ex4 4. Lukk MT4 og gjenåpne 5. Åpne diagrammet og klikk på tilleggsindikator. bør 3. fra høyre på toppen 6. Velg Egendefinert 8211 gt LuckScout - MACD 7. Som forfatter, kan du bruke med HikenAshi-diagram, takk for dine detaljerte artikler. det hjalp meg mye og i8217m en ny handelsmann, jeg har 1 spørsmål. 1) Når jeg legger til MACD i diagrammet ber det meg om å velge ema tidsramme som er standard langsom 26 fst 12. Jeg legger til det, men det gir ikke histogramgrafikk akkurat som det du legger inn i denne artikkelen, det viser fremdeles en linjen nede under grafen, spesielt at i8217m bruker en annen platfom og ikke MTD4, hva jeg gjør i feil på grafen min, har jeg BB8217 og lysestakerne. LuckScout jeg vet ikke. Jeg beklager. Jeg trenger å vite hvordan du konfigurerer MACD-signallinjen. Jeg bruker MACD gitt av meta trader men det er bare MACD linje, signal linje er fraværende her. hvordan kan jeg sette opp signal line8230 LuckScout MT4 doesn8217t har MACD du vil ha. Du må laste ned 8220traditional MACD8221 og installere den på MT4-plattformen. hi. Chris8230. god forklaring8230. Selv om MACD er treg. Vi kan bruke den til å forsikre oss om riktig tidspunkt for å komme inn og holde seg unna8230 Kan vi sette hovedlinje og signallinje manuelt. Jeg mener uten MACD bruk bare EMA Vennligst Chris, fortell meg verdier .. Hovedlinje: 82308230 .. Signal linje: 8230823082308230. LuckScout Linjeinnstillingen er 12, 26. Og signallinjen er 9. Årsak og effekt Diagrammer Årsak - og-effektdiagrammer Et analyseverktøy er Årsak-og-Effekt (eller Fishbone) - diagrammet. Disse kalles også Ishikawa-diagrammer fordi Kaoru Ishikawa utviklet dem i 1943. De kalles fishbone diagrammer, siden de ligner en med den lange ryggraden og ulike sammenhengende grener. Fiskekartskjemaet organiserer og viser sammenhenger mellom ulike årsaker til effekten som undersøkes. Dette diagrammet hjelper til med å organisere brainstormingsprosessen. De viktigste kategoriene med årsaker er lagt på hovedgrener som knytter seg til ryggraden, og ulike delårsaker er knyttet til grenene. En trelignende struktur resulterer, og viser de mange fasene av problemet. Metoden for bruk av dette diagrammet er å få problemet løses i hodet, og fyll deretter inn hovedgrenene. Personer, prosedyrer, utstyr og materialer er ofte identifiserte årsaker. Dette er et annet verktøy som kan brukes i fokuserte brainstorming økter for å finne mulige grunner for målproblemet. Brainstormingsteamet skal være mangfoldig og ha erfaring i problemområdet. Mye god informasjon kan oppdages og vises ved hjelp av dette verktøyet. Kontrollskjemaer Andre diagrammer Styringsdiagrammer Ampere Andre diagrammer Enten om å lage mamma-oppskrift på spaghetti-saus eller innrømme pasienter til et beredskapsrom, er utfallet av en prosess aldri nøyaktig det samme hver gang. Fluktuasjon eller variabilitet er en uunngåelig komponent av alle systemer og forventes, og oppstår naturlig fra virkningen av ulike sjansehendelser. Variasjon utenfor et stabilt mønster kan imidlertid være en indikasjon på at prosessen ikke virker på en konsekvent måte. Hendelser som går ut over forventet variabilitet eller hendelser som danner et mønster som ikke er tilfeldig, indikerer at prosessen er ute av kontroll. Fra et kvalitetskontrollperspektiv er en ut-av-kontroll tjeneste eller produksjons system problemer. Det er sannsynligvis ikke å møte kundespesifikasjoner eller oppnå forretningsmål, og det er ingen måte å forutsi om det vil eller kan. Det er to generelle måter å oppdage at en prosess er ute av kontroll. Den første testen for en out-of-control-prosess spør, Er noe punkt som faller over eller under kontrollgrensene på kontrollskjemaet. Denne spesielle testen er veldig enkel å utføre ved å se kontrollskjemaet. Den andre form for regelbrudd er basert på mønstre av punkter på kontrollskjemaet og kan være vanskelig å oppdage. Noen SPC-programmer kan raskt og nøyaktig utføre slike tester på prosessdata ved hjelp av Western Electric Rules, som er definert i ATampTs Statistical Quality Control Handbook, den endelige kilden for regelbruddstandarder. Statistisk prosesskontrolldiagrammer representerer grafisk variasjonen i en prosess over tid. Når det brukes til å overvåke prosessen, kan kontrollkortene avdekke inkonsekvenser og unaturlige fluktuasjoner. Derfor brukes SPC-diagrammer i mange bransjer for å forbedre kvaliteten og redusere kostnadene. Kontrolldiagrammer viser vanligvis grensene som statistisk variabilitet kan forklare som vanlig. Hvis prosessen din utfører innenfor disse grensene, er det sagt å være i kontroll, hvis ikke, er den ute av kontroll. Det er viktig å huske hva du kan konkludere om et system som er i kontroll: Kontroll betyr ikke nødvendigvis at et produkt eller en tjeneste oppfyller dine behov, det betyr bare at prosessen opptrer konsekvent. Her er noen grunnleggende begreper og nøkkelord relatert til kontrolldiagrammer og andre diagrammer. Regler Testing Hvordan dømmer du når en prosess er ute av kontroll Ved å tegne et kontrollkart over utgangen av en prosess, er det mulig å oppdage spesielle eller unaturlige årsaker til variabilitet og indikasjoner på at prosessen går. Drifting er definert av middel eller variasjon av variasjonen som endres ettersom prosessen kjører. Den vanligste indikasjonen på endring er et punkt som faller utenfor kontrollgrensene, men andre tester for prosessinstabilitet er også verdifulle. Ulike regler er passende for variable data og attributtdata. Derfor velger du hvilke regler som skal gjelde, avhengig av hvilken type diagram som produseres. Zoner i kontrollskjemaer Mange av standardreglene undersøker punkter basert på soner. Området mellom hver kontrollgrense og midtlinjen er delt inn i tredjedeler. Den tredje nærmest midtlinjen er referert til som Sone A, den neste tredje er Sone B, og den tredje nærmest kontrollgrensene er Sone C. Merk at det er to av hver av sonene, en øvre og en nedre. Sone A er også referert til som 3-sigma sonen, Sone B er 2-sigma sonen, og Sone C er 1-sigma sonen. Disse segma-sonevilkårene er kun hensiktsmessige når 3-sigma brukes til kontrollgrensene. Sigma er det greske bokstaven for s og brukes i denne sammenheng til å betegne spredningen av data. Standard kontrollgrenser er plassert 3 sigma unna gjennomsnittet eller midtlinjen til diagrammet. Midtlinjen kalles også kontrolllinjen. Disse kalles 3 sigma grenser eller 3 sigma soner. Avstanden fra midtlinjen til kontrollgrensene kan deles inn i 3 like deler av en sigma hver. Statistisk teori forteller oss at i normal datadispersjon kan vi forvente at følgende prosenter av data skal inkluderes i sigmaen: Vi kan forvente at 99,7 av prosessresultatene skal ligge innenfor 3-sigma kontrollgrensene. Kontrollgrenser Kontrollgrenser beregnes statistisk fra dataene dine. De refereres til som den nedre kontrollgrensen (LCL) og den øvre kontrollgrensen (UCL) på et kontrollskjema. Disse er satt til 3-sigma som standard siden dette er den mest brukte grensen. Kontrollgrenser definerer sonen der de observerte dataene for en stabil og konsekvent prosess skjer nesten hele tiden (99,7). Eventuelle svingninger innenfor disse grensene kommer fra vanlige årsaker som er knyttet til systemet, for eksempel valg av utstyr, planlagt vedlikehold eller presisjonen av operasjonen som kommer fra designet. Disse normale svingningene tilskrives statistisk variabilitet. Et utfall utover kontrollgrensene skyldes en spesiell årsak. Spesielle årsaker er hendelser utenfor den ordinære driften av en produksjon eller tjeneste. Spesielle årsaker indikerer at det har vært en eller flere grunnleggende endringer i prosessen, og prosessen er ute av kontroll. Spesielle årsaker må undersøkes og elimineres før et kontrollskjema kan brukes som kvalitetsovervåkingsverktøy. En viktig faktor ved å forberede SPC-kartlegging er å avgjøre om du vil måle hvert produkt av prosessen, for eksempel måling av hver del, eller om du vil bruke undergrupper. Undergrupper er et utvalg av data fra de totale mulige dataene. Undergrupper brukes når det er upraktisk eller for dyrt å samle inn data på hvert enkelt produkt eller tjeneste i prosessen. Beslutninger om bruk av undergrupper eller ikke nødvendigvis nøye gjennomtenkt for å sikre at de representerer dataene nøyaktig. Undergrupper må være homogene i seg selv, slik at spesielle årsaker kan gjenkjennes, slik at problemområder skiller seg ut fra den normale variasjonen i undergruppen. Hvis du for eksempel har ansvaret for analyseprosesser i en rekke anlegg, bør en egen gruppe representere hvert anlegg, siden hvert anlegg har forskjellige prosesser for å gjøre de samme oppgavene. Hvert anleggsundergruppe bør sannsynligvis brytes ned enda lenger, for eksempel ved arbeidsskift. Undergrupper i Variable Control Charts Alle data i en undergruppe har noe til felles, for eksempel en vanlig tid for samling, alle data for en bestemt dato, et enkelt skift eller en tid på dagen. Undergruppedata kan ha andre faktorer til felles, for eksempel data knyttet til en operatør, eller data knyttet til et bestemt volum væske. Undergrupper i Egenskapskontrolldiagrammer En undergruppe er gruppen enheter som ble inspisert for å oppnå antall feil eller antall avslag. Antall feil vises med c diagrammer og diagrammer. Antall avvisninger, også kalt defekte elementer, vises ved hjelp av p-diagrammer og np-diagrammer. Avviser - Ikke-overensstemmende elementer Data Ikke-overensstemmende elementer avvises. En avvisning blir opptatt når en hel enhet ikke oppfyller godkjenningsstandardene, uavhengig av antall feil i enheten. Dette inkluderer feilprodukter eller uakseptable resultater. Mangler - Manglende overholdelse Data Manglende overholdelse er feil. En ikke-samsvar er noen karakteristikk, som ikke bør være tilstede, men er, eller et karakteristikk som må være tilstede, men ikke. Et defekt element kan ha flere avvik, for eksempel feil på forsikringsskjemaer, feil medisinering eller tjenesteklager. Bruk prosesskontrolldiagrammer OK, nok snakk. Lar oss gjøre noen faktiske kontroll kartlegging. Først må du bestemme hvilke data du har, og velg riktig diagram for dataene. Deretter lager du diagrammet og analyserer det for å se om prosessen er i kontroll. Datadefinisjoner for riktig diagramvalg Velge riktig diagram for en gitt situasjon er det første trinnet i hver analyse. Det er egentlig bare noen få diagrammer å velge mellom, og å bestemme det rette krever at du følger noen ganske enkle regler basert på de underliggende dataene. Disse reglene er beskrevet i flytskjemaet nedenfor: Kontrollskjema er delt inn i to grupper: Variable Charts Variable charts er basert på variable data som kan måles i kontinuerlig skala. For eksempel, vekt, volum, temperatur eller lengde på oppholdet. Disse kan måles til så mange desimaler som nødvendig. Individuelle, gjennomsnittlige og intervalldiagrammer brukes til variable data. Attributtskjema Attributtdiagrammer er basert på data som kan grupperes og regnes som til stede eller ikke. Attributtdiagrammer kalles også talltabeller, og attributtdata kalles også diskrete data. Attributtdata måles kun med hele tall. Eksempler er: Godtagbar vs ikke-akseptabel Skjemaer fullført med feil vs. uten feil Antall resepter med feil vs. uten Ved konstruksjon av attributt kontroll diagrammer er en undergruppe gruppen av enheter som ble inspisert for å oppnå antall feil eller nummer av defekte gjenstander. Feil og avfallsdiagrammer brukes til attributtdata. Variable Data Charts Individuelle, gjennomsnittlige og rekkeviddediagrammer Variable data krever bruk av variable diagrammer. Variable diagrammer er enkle å forstå og bruke. Individuelle diagrammer jeg kartlegger I diagrammet er også referert til som et individ-, element-, i - eller X-diagram. X refererer til en variabel X. Individuelle diagrammer viser prosessresultatene varierende over tid. Individuelle observasjoner er plottet på I-diagrammet, gjennomsnitt er ikke plottet på denne typen diagram. Individuelle diagrammer brukes til å plotte variable data samlet kronologisk fra en prosess, for eksempel en delmåling over tid. Disse diagrammene er spesielt nyttige for å identifisere skift i prosessgjenomsnittet. Når man overvåker et system, forventes det at like mange poeng vil falle over og under gjennomsnittet som er representert ved midtlinjen. Skift eller trender kan indikere en endring som må undersøkes. Det individuelle kontrollskjemaet er reservert for situasjoner hvor det kun utføres én måling hver gang dataene samles inn, hvor det er upraktisk eller umulig å samle inn en prøve av observasjoner. Når det ikke er nok datapunkter til å beregne gyldige kontrollgrenser, fungerer et enkelt diagram som et enkelt løpediagram. Gjennomsnittskarakterer X-bar-diagram Gjennomsnittlige diagrammer er laget ved å beregne gjennomsnitt av individuelle mål på diagrammet. Det gjennomsnittlige diagrammet kalles X-bar-diagrammet fordi, i statistisk notasjon, symboliserer en linje eller linje over variabelen (X) gjennomsnittet av X. X-bar er en kortfattet måte å si gjennomsnittet på X. En X-bar diagrammet er et variabelt kontrollskjema som viser endringene i gjennomsnittlig produksjon av en prosess. Diagrammet gjenspeiler enten endringer over tid eller endringer knyttet til en kategorisk datavariabel. Diagrammet viser hvordan konsistent og forutsigbar en prosess er å oppnå gjennomsnittet. X-bar-diagrammer måler variasjon mellom undergrupper. De er ofte paret med enten Standard Deviation (S) eller Range (R) diagrammer, som måler variasjon i undergrupper. Definisjon: Variable Data-undergrupper Undergruppedata har noe til felles, for eksempel data knyttet til en bestemt operatør, eller data knyttet til et bestemt volum væske. Range Chart R-Chart Range diagrammet kan kombineres med jeg diagrammer og X-bar diagrammer. Kartnavnet kombinerer de tilhørende diagraminitialene. Range diagrammer måler variasjonen i dataene. Et eksempel er værmeldingen i avisen som gir høye og lave temperaturer hver dag. Forskjellen mellom høy og lav er spekteret for den dagen. Moving Range Chart MR Chart Denne typen diagram viser det bevegelige området for suksessive observasjoner. Et flytende område diagram kan brukes når det er umulig eller upraktisk å samle mer enn et enkelt datapunkt for hver undergruppe. Dette diagrammet kan sammenkobles med et enkelt diagram, som deretter kalles et individuelt flytteområde (IR) diagram. Et individuelt diagram brukes til å markere endringene i en variabel fra en sentral verdi, gjennomsnittet. Flytningsdiagrammet viser variabilitet blant målingene basert på forskjellen mellom ett datapunkt og det neste. Individuelle og utvalgskjemaer IR-diagrammer Dette paret variabel kontrolldiagrammer tilbys ofte sammen for kvalitetskontrollanalyse. Individuelt diagram, det øvre diagrammet i figuren nedenfor, viser endringer i prosessutgangen over tid i forhold til midtlinjen som representerer gjennomsnittet. Moving Range-diagrammet, nedre diagrammet i figuren nedenfor, analyserer variasjonen mellom påfølgende observasjoner, som er et mål for prosessvariabilitet. Gjennomsnittlig amp Range Diagrammer X-Bar og R-diagrammer Variable og Range kontroll diagrammer vises ofte sammen for kvalitetskontroll analyse. X-bar-diagrammet, det øvre diagrammet i figuren nedenfor, er en grafisk fremstilling av variasjonen blant undergruppemidlene, R-diagrammet, nedre diagrammet i figuren under, ser på variabilitet i disse undergruppene. Variasjonen i undergruppene er representert av rekkevidden (R). Verdien av verdier for hver undergruppe er plottet på Y-aksen til R-diagrammet. Midtlinjen er gjennomsnittet eller gjennomsnittet av rekkevidden. X-Bar Standard Deviation Charts X-Bar og S-diagrammer Dette paret variabel kontroll diagrammer vises ofte sammen for kvalitetskontroll analyse. X-bar-diagrammet, det øvre diagrammet i figuren under, viser variasjonen i midlene mellom undergruppene. S-diagrammet, nedre diagrammet i figuren under, ser på variabilitet i disse undergruppene. I dette par diagrammet er variasjonen i undergrupper representert ved standardavviket. Standardavviket er plottet på y-aksen, og er et mål for spredningen av verdier for hver undergruppe. Senterlinjen er gjennomsnittet eller gjennomsnittet av disse standardgruppefeilene. Du kan velge å bruke et standardavviksdiagram, det vil si en s-diagram, i stedet for flytteområdet. Range diagrammet brukes ofte fordi standardavviket er en mer nøyaktig og derfor vanskeligere måling. Nå som datamaskiner beregner standardavviket automatisk, kan s-diagrammet brukes i alle situasjoner. Dette kalles X-bar S-diagrammet. En standardavviksformel brukes til å beregne forskjellene i dataene. Denne beregningen kan brukes i tilfeller hvor undergruppens utvalgsstørrelse er stor, og prøvetakingsmetoder støtter modelleringen av dataene som normalfordeling. Prosesskapasitetsdiagram cp Diagnostikkanalyser brukes til å justere prosessen til nesten alle produktutgangene oppfyller spesifikasjonene. Når prosessen virker i kontroll, forsøker evneanalyse å svare på spørsmålet: Er utgangsmøtespesifikasjonene, eller er prosessen i stand. Hvis ikke, kan prosessen justeres for å gjøre den i stand. Prosesskapasitetsdiagrammet inneholder en normal kurve overlagt over et histogram av dataene, etterfulgt av flere statistikker. En prosess sies å være i stand hvis produksjonen faller innenfor spesifikasjonene nesten 100 av tiden. Merk: Spesifikasjonsgrenser er grenser, eller toleranser, fastsatt av ledelse, ingeniører eller kunder som er basert på produktkrav eller servicemål. Spesifikasjonsgrenser er IKKE etablert av selve prosessen, og kan ikke engang være mulig innen den oppgitte prosessen. Et mål for statistisk prosesskontroll er å avgjøre om spesifikasjoner faktisk er mulige i den nåværende prosessen. Hvis følgende setninger er sanne, kan et prosesskapasitetsdiagram være et passende verktøy for å måle prosessenes iboende reproduksjonsevne og overvåke i hvilken grad det kan oppfylle spesifikasjoner: Prosessen er stabil og i kontroll. Dataene distribueres normalt. Spesifikasjonsgrenser faller på hver side av midtlinjen. Du undersøker om prosessen din er i stand til å møte spesifikasjoner. Attributtdata-diagrammer igjen Attributtdata representerer spesielle egenskaper for et produkt eller system som kan telles, ikke produktmålinger. De er egenskaper som er tilstede eller ikke tilstede. Dette kalles diskrete data, og måles kun med hele tall. Eksempler inkluderer: Godtagbar vs ikke-akseptabel Skjemaer fullført med feil vs. uten feil Antall resepter med feil vs. uten Attributtdata har en annen karakteristisk egenskap. I kvalitetskontrollanalyse faller disse telleverdige dataene inn i en av to kategorier: Feildata er antall avvik i et element. Det er ingen grense for antall mulige feil. Feildiagrammer teller antall feil i kontrollenheten. Avviser data der hele elementet vurderes å være i overensstemmelse med produktspesifikasjoner eller ikke. Avviser diagrammer teller antall avslag i en undergruppe. En måte å avgjøre hvilken type data du har er å spørre, kan jeg telle både forekomstene og ikke-forekomstene av de defekte dataene. For eksempel kan du telle hvor mange skjemaer det er feil og hvor mange ikke, men du kan ikke telle hvordan mange feil ble IKKE gjort på skjemaet. Hvis du kan telle både forekomster og ikke-forekomster, har du avvist data. Hvis ikke-forekomstene ikke kan bestemmes, har du feildata. Hvis du teller antall feil som er gjort på et forsikringsskjema, har du et eksempel på feilene per skjema. Det er ingen grense for antall feil som kan regnes på hver form. Hvis du teller totalt antall skjemaer som hadde en eller flere feil, har du en telling av de avviste enhetene. Dette er enten ett eller null avslag per enhet. Sammendrag av feil i forhold til avviser data Defekter diagrammer er attributtdiagrammer for tilfeller der de mulige hendelsene er uendelige eller ikke kan telles. De teller antall avvik i en vare. Avvisningsdiagrammer er attributt Datakart for de tilfellene der avvisede hele enheter teller. Disse tallene kan beskrives som forhold istedenfor bare teller. Undergruppestørrelse Konstant eller Endring av undergruppestørrelse er en annen viktig datakarakteristikk å vurdere når du velger riktig type diagram. Ved konstruksjon av attributtstyringsdiagrammer er en undergruppe gruppen enheter som ble inspisert for å oppnå antall feil eller antall avslag. For å velge riktig diagram må du avgjøre om undergruppestørrelsen er konstant eller ikke. Hvis konstant, for eksempel 300 former behandles hver dag, så kan du se på en rett telle av de defekte hendelsene. Hvis undergruppestørrelsen endres, må du se på prosentandelen eller brøkdelene av defekte hendelser. En organisasjon kan ha en dag der 500 forsikringsskjema behandles og 50 har feil vs. en annen dag hvor bare 150 behandles og 20 har feil. Hvis vi bare ser på antall feil, 50 vs 20, antar vi at 50 feildagen var verre. Men når vi vurderer den totale størrelsen på undergruppen, 500 vs 150, bestemmer vi at på den første dagen hadde 10 feil mens i dag 13,3 hadde feil. Nå som vi forstår de forskjellige typene attributtdata, kan vi gå videre til de spesifikke diagrammene for å analysere dem. Det finnes fire forskjellige typer attributtdiagrammer. For hver type attributtdata, defekter og avviser er det et diagram for undergrupper av konstant størrelse og en for undergrupper av varierende størrelse. Feildiagrammer teller antall feil i kontrollenheten. Avviser diagrammer teller antall avviste enheter i en undergruppe. Defekter Diagrammer De to feildiagrammer er c-diagrammet og u-diagrammet. C refererer til antall feil i en undergruppe med konstant størrelse. U er en perhets telling i en undergruppe med variabel størrelse. c Figur Konstant undergruppe Størrelse A c diagram, eller Count diagram, er et attributt kontrollskjema som viser hvordan antall feil, eller avvik, for en prosess eller et system endrer seg over tid. Antall feil er samlet for muligheten i hver undergruppe. Mulighetsområdet kan enten være en gruppe enheter eller bare en enkelt enhet der feiltelling utføres. C-diagrammet er en indikator på konsistensen og forutsigbarheten av feilnivået i prosessen. Ved konstruksjon av et c-diagram er det viktig at området for mulighet for en feil er konstant fra undergruppe til undergruppe siden diagrammet viser totalt antall feil. Når antall elementer testet i en undergruppe endres, må du bruke et diagram, da det viser antall feil per enhet i stedet for totale feil. u diagram variere undergruppestørrelse A u diagram (du er for enhet) er et attributtstyringsdiagram som viser hvordan frekvensen av feil, eller uregelmessigheter, endres over tid for en prosess eller et system. Antall feil er samlet for muligheten i hver undergruppe. Området for muligheter kan enten være en gruppe elementer eller bare ett enkelt element der feiltelling utføres. U-diagrammet er en indikator på konsistensen og forutsigbarheten av feilnivået i prosessen. Et diagram er passende når området for mulighet for en feil varierer fra undergruppe til undergruppe. Dette kan ses i skiftende UCL - og LCL-linjer som avhenger av undergruppens størrelse. Dette diagrammet viser antall feil per enhet. Når antall testede elementer forblir det samme blant alle undergruppene, bør et c-diagram brukes siden et c-diagram analyserer totale feil i stedet for antall feil per enhet. Avviser diagrammer De to typene Avvisningsdiagrammer er p-diagrammet og np-diagrammet. Navnet på p-diagrammet står for fordeling av avslag i en undergruppe. Navnet på np-diagrammet står for det norske avslaget i et p-type diagram. Du kan også huske det som ikke prosentvis eller ikke proporsjonalt. En mnemonic å huske at p-diagrammet og dets partner, np-diagrammet, representerer Rejects data, er å tenke på P som en ert og et konservesverk som avviser bønner av erter hvis de ikke er 100 akseptable. Som p og np er et lag, bør du kunne huske dette med samme historie. np Diagram Antall avvisningsdiagram for konstant undergruppeformat Et np-diagram er et attributtstyringsdiagram som viser endringer i antall defekte produkter, avviser eller uakseptable resultater. Det er en indikator på konsistensen og forutsigbarheten av feilnivået i prosessen. Np-diagrammet er bare gyldig så lenge dataene dine er samlet i undergrupper som er like store. Når du har en variabel undergruppestørrelse, bør et p-diagram brukes. p Diagramprosent diagram for variabel undergruppe Størrelse A p diagram er et attributt kontroll diagram som viser endringer i andelen defekte produkter, avviser eller uakseptable resultater. Det er en indikator på konsistensen og forutsigbarheten av feilnivået i prosessen. Siden et p-diagram brukes når undergruppestørrelsen varierer, plotter plottet andelen eller brøkdel av elementer som er avvist, i stedet for nummeret som er avvist. Dette indikeres av de skiftende UCL - og LCL-linjene som avhenger av undergruppens størrelse. For hver undergruppe beregnes andelen som avvises, som antall avslag divideres med antall inspiserte objekter. Når du har en konstant undergruppestørrelse, bruk et np-diagram i stedet. Flow Charts Flow Charts Etter at en prosess har blitt identifisert for forbedring og gitt høy prioritet, bør den da brytes ned i bestemte trinn og sette på papir i flytskjema. Denne prosedyren alene kan avdekke noen av grunnene til at en prosess ikke fungerer som den skal. Andre problemer og skjulte feller blir ofte avdekket når de arbeider gjennom denne prosessen. Flowcharting bryter også prosessen ned i sine mange delprosesser. Ved å analysere hver av disse, minimeres antall faktorer som bidrar til variasjon i prosessen. Etter at du har laget flytskjemaet, vil du kanskje ta en titt på fishbone-diagrammet og se om andre faktorer har blitt avdekket. I så fall må du kanskje også gjøre et annet Pareto-diagram. Kvalitetskontroll er en kontinuerlig prosess, der faktorer og årsaker blir gjennomgått kontinuerlig og endringer gjøres etter behov. Histogrammer Histogrammer Nå kan du sette dataene fra sjekkarkene inn i et histogram. Et histogram er et øyeblikksbilde av variasjonen av et produkt eller resultatene av en prosess. Det danner ofte den klokkeformede kurven som er karakteristisk for en normal prosess. Histogrammet hjelper deg med å analysere hva som foregår i prosessen, og bidrar til å vise evnen til en prosess, om dataene faller inne i klokkeformet kurve og innenfor spesifikasjoner. Et histogram viser en frekvensfordeling av forekomsten av de forskjellige målingene. Variabelen som måles, er langs den horisontale x-aksen, og grupperes i flere måleområder. Hyppigheten av forekomsten av hver måling er kartlagt langs den vertikale y-aksen. Histogrammer viser den sentrale tendensen eller gjennomsnittet av dataene, og dens variasjon eller spredning. Et histogram viser også måleområdet, som definerer prosessegenskapen. Et histogram kan vise kjennetegn ved prosessen som måles, for eksempel: Viser resultatene en normal fordeling, en klokkekurve Hvis ikke, hvorfor ikke, Indikerer omfanget av data at prosessen er i stand til å produsere det som kreves av kunden eller spesifikasjonene Hvor mye forbedring er nødvendig for å møte spesifikasjoner Er dette forbedringsnivået mulig i dagens prosess Pareto-diagrammer Pareto-diagrammer Pareto-diagrammet kan brukes til å vise kategorier av problemer grafisk, slik at de kan prioriteres riktig. Pareto-diagrammet er oppkalt etter et italiensk økonom fra 1900-tallet som postulerte at en liten minoritet (20) av folket eide en stor andel (80) av rikdommen i landet. Det er ofte mange aspekter ved en prosess eller et system som kan forbedres, for eksempel antall defekte produkter, tidsfordeling eller kostnadsbesparelser. Hvert aspekt inneholder vanligvis mange mindre problemer, noe som gjør det vanskelig å bestemme hvordan man skal nærme seg problemet. Et Pareto-diagram eller diagram angir hvilket problem du skal takle først ved å vise andelen av det totale problemet som hver av de mindre problemene består av. Dette er basert på Pareto-prinsippet: 20 av kildene forårsaker 80 av problemet. Et Grev Pareto-diagram er et vertikalt linjediagram som viser rang i synkende rekkefølge av betydning for kategorier av problemer, feil eller muligheter. Generelt får du mer ved å jobbe med problemet identifisert av den høyeste linjen enn å prøve å håndtere de mindre stolpene. Du bør imidlertid spørre deg selv om hvilket element på diagrammet som har størst innvirkning på bedriftens mål, fordi noen ganger er det mest vanlige problemet som vist i Pareto-diagrammet ikke alltid det viktigste. SPC er et verktøy som brukes av personer med erfaring og sunn fornuft som deres guide. Dette er et Pareto-diagram av defekttyper for piskede kremboller. Når et stort problem er valgt, må det analyseres for mulige årsaker. Årsak-og-effekt-diagrammer, spredningsdiagrammer og flytdiagrammer kan brukes i denne delen av prosessen. Sannsynlighetsgrader Sannsynlighetsgrader For å kunne bruke kontrolldiagrammer må dataene tilnærme en normal fordeling, for å danne den kjente klokkeformede kurven generelt. Sannsynlighetsplottet er en graf av de kumulative relativfrekvensene til dataene, plottet på en normal sannsynlighetskala. Hvis dataene er normale, danner det en linje som er ganske rett. Formålet med denne plottet er å vise om dataene tilnærmer seg en normal fordeling. Dette kan være en viktig antagelse i mange statistiske analyser. Selv om et sannsynlighetsdiagram er nyttig for å analysere data for normalitet, er det spesielt nyttig for å bestemme hvor dyktig en prosess er når dataene ikke distribueres normalt. Det vil si at vi er interessert i å finne grensene der de fleste dataene faller. Siden sannsynlighetsdiagrammet viser prosentandelen av dataene som faller under en gitt verdi, kan vi skissere kurven som passer best for dataene. Vi kan da lese verdien som tilsvarer 0,001 (0,1) av dataene. Dette betraktes generelt som den lavere naturlige grensen. Verdien som tilsvarer 0.999 (99.9) anses generelt som den øvre naturlige grensen. (Merk: For å være mer konsistent med de naturlige grensene for normal distribusjon, velger enkelte personer 0.00135 og 0.99865 for de naturlige grensene.) Scatterdiagrammer Scatterdiagrammer Scatterdiagrammet, eller diagrammet, er et annet problem med analyseverktøy. Scatter-plottene kalles også korrelasjonsdiagrammer. En scatter plot brukes til å avdekke mulige årsak-og-effekt forhold. Den er konstruert ved å plotte to variabler mot hverandre på et par akser. Et Scatter-plott kan ikke bevise at en variabel forårsaker en annen, men det viser hvordan et par variabler er relatert og styrken av det forholdet. Statistiske tester kvantifiserer graden av korrelasjon mellom variablene. I dette eksemplet ser det ut til å være et forhold mellom høyde og vekt. Etter hvert som studenten blir høyere, blir de tyngre. av Statit Software, Inc. Utmerket Analytics Tips 9: Utnyttelse Statistiske kontrollgrenser Absolutt antall er ikke veldig hjelpsomme (vi hadde 459.245 unike besøkende i forrige måned). Trender vi har innsett er bedre (des. 459.249 november 591.067 oktober 489.419). Men det er kundeinteraksjoner på nettstedene som resulterer i utfall for bedriften din, som gir trender som er ganske vanskelig å dechifrere og oversette til handling. En faktor som ikke er verdsatt nok er at hver metrisk KPI (Key Performance Indicator) som du rapporterer ut av ditt webanalyseværktøy (eller fra ERP eller CRM eller Data Warehouse), har en tendens til å ha en naturlig ldquobiorhythm rdquo, dvs. de beregner KPI vil svinge opp eller ned og endres på grunn av ldquonatural occurrencesrdquo som bare skjer (jeg kan se noen av dere cringe.)). Disse biorhythmene er vanskelig å forstå, enda vanskeligere å forutsi, og siden mange av oss bor i puslespillets verden i stedet for mysterierverdenen, spinner vi vår syklus som gal for å forstå tallene som skal forklare dem til ledelsen, slik at de kan ta noe tiltak. Tenk deg å få en daglig ukentlig trend, og den går opp og ned, og du har ingen anelse om hva pokker forårsaker det, selv etter at du har gjort deg skadelig for å isolere alle variablene. Resultatet av disse naturlige biorhythmene er at det får analytikere og markedsførere til å gjøre analyse og dyp dykk der det ikke er nødvendig, det fører til at noen av oss ser ldquobadrdquo fordi vi kan forklare dataene, og det fører til mangel på tro på evnen til data til gir innsikt. Her er et godt eksempel som illustrerer problemene: Det spiller ingen rolle hva tallene på denne grafen er og hva x-aksen er. Som du ser på dette i punkt 7 eller 17 eller 25, vil du vite hva trenden sier til deg, og hvis det er en grunn til bekymring, eller ting er ok, og du trenger ikke å gjøre noe, eller de høye punktene er årsaker til feiring. fantastisk verktøymetodikk som jeg har funnet å være fantastisk nyttig i å skille signal fra støy er fra verdens seks sigma-prosesskvalitet og det kalles Control Limits (eller Control Charts). Bare å sette kontroll diagrammer er veldig gode til å bruke statistikk for å vurdere arten av variasjon i enhver prosess. Oversatt til biorytmeproblemet i relevante situasjoner kan kontrollkartene utløse dyp analyse og handling. Kontrollskjemaer ble opprettet for å forbedre kvaliteten i produksjonssituasjoner (eller andre sånn), men de fungerer også bra for oss. Det er tre kjernekomponenter i et kontrollskjema. En linje i sentrum som er Middelet til alle datapunkter, en UCL (Øvre kontrollgrense) og en LCL (Nedre kontrollgrense). Her ser det ut som en trend som ser ut med kontrollgrenser overlappet på toppen: La oss forstå hva du ser på. Mean (X): Den grønne linjen over. Et statistisk beregnet tall som definerer gjennomsnittlig variasjon i KPI-trenden. For eksempel for den ovennevnte prosessen er det 39,29. UCL (Øvre kontrollgrense): Et statistisk beregnet tall som definerer høyere variasjonsgrense i KPI-trenden. I eksemplet ovenfor er det 45. LCL (Nedre kontrollgrense): Et statistisk beregnet tall som definerer den nedre grensen for variasjon i KPI-trenden. I eksemplet ovenfor er det 33. Kontrollskjemaet ovenfor illustrerer en naturlig biorytme i KPI-trenden som ligger mellom de to kontrollgrensene. Dette er poeng som viser naturlig variasjon i metriske og foreløpig er ikke årsaker til å gjøre noe, selv men som du tydeligvis ser, varierer de ganske mye fra ett datapunkt til det neste. The massively cool thing is that it shows all the points in the trend, think of it as days or weeks or months, when you should have taken action because there was something unusual that occurred. Det fortjener dessverre, hva hellingen skjedde, men det vil fortelle deg når du skal bruke din dyrebare tid til å grave dypere. Isnrsquot det awesome Tenk på hele tiden du ville ha bortkastet å løse puslespillet bak datapunktene under Mean, som ser ut som ldquoproblemsrdquo. Så hvordan beregner du disse fantastiske kontrollgrensene (UCL amp LCL) Den generelle tommelfingerregelen for beregning av kontrollgrenser er: (Gjennomsnittlig KPI-verdi) - (3 x (Standardavvik)) Kontrollgrenser beregnes 3 standardavvik over eller under mener av KPI dataverdiene dine. They are not assigned, but rather calculated based on the natural output of your data. Alt innenfor kontrollgrensene bør ses som forventet variasjon (naturlig biorytme). Alt utenfor kontrollgrenser garanterer undersøkelse. Ikke bare det, men hvis en rekke datapunkter faller utenfor kontrollgrensene, så er det et større rødt flagg når det gjelder noe som er svært effektivt, går galt. I en verden hvor vi er tonnevis av beregninger, hvor hvert instrumentpanel har femten grafer på det, er kontrollgrenser ekstremt nyttige når det gjelder å utnytte statistikkens evne til å være det første filteret når du skal grave dypere eller lete etter en sak. Hvis dine beregninger og trender har variasjoner fra dag til dag og uke til uke, er dette en fin måte å isolere hva som er ldquonormalrdquo og hva er ldquoabnormalrdquo i trenden. Kontrollskjemaene skaleres også veldig bra. Det ville være enkelt hvis for hvert mål du har det er et klart etablert mål som du skyter for. Det målet kan fortelle deg hvor bra, eller ikke, du utfører. Det er sjelden tilfellet for den massive mengden av beregninger du må takle. Det er skalerbart for deg å bruke kontrollgrenser til alle dine trender. Praktiske hensyn ved bruk av kontrolldiagrammer (grenser): Som med alle ting, statistikk desto flere datapunkter du har, desto bedre vil kontrollgrensene være, det ville være vanskelig å gjøre et kontrollskjema som gir mening med bare fem datapunkter (du kan skape det, det er bare veldig betydningsfullt). Kontrollgrenser fungerer best med beregninger KPIrsquos hvor det er litt lett å kontrollere for de påvirkningseffektene. For eksempel vil det være mindre innsiktsfullt å opprette kontrollgrenser for din samlede konverteringsfrekvens hvis du gjør direkte markedsføring, e-postkampanjer, søkemotormarkedsføring (Pay Per Click), affiliate markedsføring, og du har masse folk som kommer direkte til nettstedet ditt. Det er for mange variabler som kan påvirke din trend. Men du kan enkelt lage kontrollkart for dine e-postkampanjer og PPC-kampanjer eller direkte trafikk, og det vil være veldig innsikt fordi variabelen er bare en (eller bare et par), og du vil finne gode utløserpunkter for ytelse og igjen analyse og inn slå til handling. Du trenger å kunne forstå litt statistikk og ha litt grunnkunnskap rundt standardavvik, osv. Slik at du kan utnytte dette optimalt, men også forklare kraften til det du gjør med dine ledere. Praktisk eksempel på bruk av kontrollgrenser: Grafen ovenfor viser en potensiell konverteringsfrekvens for en nettside. Uten de røde (UCL) og Blue (LCL) linjene er det vanskeligere å vite hver måned hvordan ytelsen til direkte markedsføringskampanjer er faring. Det er lett å vite i januar 2005 at forestillingen var forferdelig. Det er mye vanskeligere å vite at mellom mars og juli statistisk var det ikke noe å krabbe om, selv om trenden går opp og ned. Dette siste punktet er viktig, alle kan øye ball og ta handling på en massiv sving. Hva stymies mest Analytikere er å skille signal fra støy for ikke-massive svinger i dataene. Overvei å bruke kontrollgrenser på KPIrsquos, for eksempel handlekurv og kasseavbrudd. yoursquoll bli hyggelig overrasket og glad på hva du lærer (som vil dine sjefer). Enhver anstendig statistisk programvare vil automatisk beregne kontrollgrenser og lage disse grafene for deg. Minitab er den som brukes mye av folk jeg kjenner (selv om det er litt tøff dyrt). Vi har også brukt våre standard forretningsinformasjonsverktøy til å beregne kontrollgrenser for oss (Brio, Business Objects, Cognos, MicroStrategy etc). Du kan også alltid bare juryrett utmerke seg for å beregne grensene for deg (kanskje en leser av bloggen kan lage en mal som jeg kan legge inn her for everyonesquos bruke Oppdatering: Clint Ivy til redning Here039s hans blogginnlegg og her039s det fantastiske regnearket he039s opprettet for oss. Vennligst last ned regnearket og sett inn dine egne tall.). Du kan også lese litt mer om Control Charts og prøve to kontrollkalkulatorer på SQC Online. I Hva-delen gir kontrollkalkulatoren for variabler et snurr. Dette er et langt og komplekst innlegg, men jeg håper at jeg har kommunisert til deg styrken av kontrollkort, den er litt tørr og tar litt kunnskap og tålmodighet, men det er så kraftig å hjelpe analysen din når det gjelder skille signal fra støy. Signal - gt Insights - gt Action - gt glade kunder - g penger, penger, penger. ) Hva tror du Har du brukt kontrolloversikt Hvilke beregninger tror du de vil fungere best med Bør leverandørene av webanalyser inkludere muligheten til å gjøre kontrollkort som standardalternativ i deres verktøy Er det ingen som gir mening Å dele tilbakemelding og kritikk via kommentarer. Liker dette innlegget For flere innlegg som dette, vennligst klikk her. Liker dette innlegget Del det: Jeg er midt i svart belteopplæring og føler meg gjennom applikasjonen til webstatistikk. Denne artikkelen og samtalen var veldig nyttig. En ting jeg ikke så merke til, var forskjellen mellom UCL og USL 8211 og LCL og LSL. UCL and LCL are determined by the process. Nettstatistikken i dette tilfellet. USL og LSL er bestemt av kundeforventning. They are the specification limits rather than the control limits. Kontroll diagrammer er utformet for å sammenligne den faktiske prosessvariasjonen til det som er tillatt av kundeforventning. Med webstatistikk tror jeg kundeforventning (med bedriftseieren som kunde) ville være større, er bedre for trafikk 8211 med en øvre spesifikasjon av serverens og virksomhetenes evne til å håndtere trafikken) og mindre er bedre for studs (med lavere spesifikasjon ikke mindre enn 0). Så, kundens forventninger 8211, prosessspesifikasjonene 8211 ville ikke begrense veksten. DMAIC 8211 Define, Measure, Analyse, Improve, Control In the measure phase, you have to first make sure you are in a state of control. Hvis du er i veksttilstand, kan noen endringer du implementerer ikke være virkelig fast bestemt på å bli forårsaket av endringen. Hvis du er i en tilstand av kontroll, forteller kontrollkartene om you039re prosessen fungerer innenfor kundens forventninger (spesifikasjonsgrenser), hvis det er sentrert mellom de to grensene, og hvis de er på målet (kundens forventning). Deretter lager du en hypotose, implementerer en endring, og gjør statistiske tester for å se om endringen har gjort en statistisk signifikant forskjell. Var den økte statistikken på grunn av tilfeldig tilfeldighet eller spesielle årsaker (avhengig av hvilken endring du implementerte.) Derfor kan du være i veksttilstand for å bruke seks-sigma for å identifisere muligheter for vekst. Under alle omstendigheter hjalp denne artikkelen og diskusjonene bak det med at jeg fikk hodet mitt rundt hvordan jeg vil bruke kontrollkort med min webstatistikk. Takket være Trackbacks 8230 I sin post utfordret Avinash sine lesere til å levere en Excel-løsning, siden det ikke finnes noen OOTB-løsninger for å introdusere konstanter, statistisk eller på annen måte, i diagrammer 8211 Excel prøver å sette oss inn i å bruke bare vertikale og horisontale akser skala kontroller. 8230 8230 Hva viser denne statistikken mye? Eller kanskje ingenting. Som de sier, tortur tall og de bekjenner til noe. Det er opp til deg å bestemme hva de viktigste resultatindikatorene for samfunnet ditt er. Når du har disse KPIene, er mitt beste råd å sette opp disse smarte øvre og nedre kontrollgrensene for å filtrere ut den statistiske støyen fra signalet. 8230 8230 For å oppsummere, trenger Six Sigma en forbedringsmulighet som utgangspunkt for å frigjøre sin makt for å forbedre prosessene. BI genererer mange av disse mulighetene med sine DWReportingAnalytics-komponenter, men håndhever ikke prosessimplementeringen. Jeg føler at det er mye synergi i å bringe begge sammen Six Sigma, venstre hånd og BI, høyre hånd når de blir samlet, kan tjene mange klap i søket for å skape læring, utføre organisasjoner. Bare for å prøve kraften i Six Sigma teknikker, ta en titt på følgende lenke: kaushikavinash200701exellent-analytics-tip-9-leverage-statistical-control-limits. html. som illustrerer bruken av kontrolldiagrammer (en av Six Sigmas kraftige verktøy) i metrisk KPI-styring. Fascinerende 8230 8230 For øvrig, selv om vi tar tallene for Aviemore Highland Resort i isolasjon, ved hjelp av de rå dataene (tilgjengelig hvis du har en Google-konto), kan vi se at begrepet aviemore highland resort nå utfører utenfor kontrollgrenser (definert som standardavvik x 3 8211 se mer her om kontrollgrenser) som vist i grafen nedenfor. 8230 8230 Til dags dato har jeg bare kommet over noen få referanser til Six Sigma-prinsippene som blir brukt til online markedsføring. Avinash 038 Eisenbergs har begge skrevet om å bruke seks sigma prinsipper til webanalyse og online markedsføring, så selv om snakkeren for dette emnet er minimal, kommer det fra noen få svært innflytelsesrike stemmer. 8230 8230 3) Get to know your KPIs better on all levels to learn what is normal and what is not in terms of their behavior. I dette henseende ser du KPIene dine som forutsigbare emner. In the same manner as criminal investigators or psychologists observe people and get to know what behavior is normal for a given individual and what is out of the line, you can practice the same with your KPIs to get the most out of your reporting. Avinash Kaushik har et godt innblikk i hvordan du gjør det, 8211 bruker de statistiske verktøyene for øvre og nedre kontroller for å definere det normale spillfeltet for dataene dine. 8230 8230 Tenk vekst Når du forstår PPC-kampanjen din i denne grad, så er du klar til å vokse den. Du er nå i stand til å ta med kontoen din til neste nivå, ved å bryte øvre og nedre statistiske grenser til kjernemålingene dine. Vær oppmerksom på at enkelte beregninger som AOV og CR, ikke er direkte i din kontroll, og bør ikke brukes til å måle veksten i kontoen din. Andre beregninger, som for eksempel CTR og CPC, kan være direkte manipulerbare. These are the metrics that should be focused on when growing a PPC account. 8230 8230 Die Frage ist nun, ob und ab welchem Schwellenwert eine Abweichung von diesem Band nach oben oder nach unten mehr als nur zufllig ist. Du er ikke sikker på om du vil ha en feilmelding. Standard dersom du ikke har en kontroll og begrensning. Ausfhrlich beskrieben wird das Thema Kontroll-Limits in der Webanalyse im Blogbeitrag von Avinash Kaushik. For å finne ut hvilke Excel-verktøy som er best for kontroll-grenser. Einfach die Daten aus dem Webanalyse Tool einfgen und analysieren. Und dø Standardabweichung adapten. 8230 Add your Perspective Cancel reply
No comments:
Post a Comment