نمودار پراکنده چیست؟

نمودار پراکندگی یک نمایش گرافیکی از مجموعه ای از داده ها است که در آن مقادیر جفت متغیرها بر روی یک سیستم مختصات ترسیم می شوند. این ابزار به طور گسترده در آمار و سایر زمینه های علوم و مهندسی برای نشان دادن روابط داده استفاده می شود.

• شروع شدن
  • مدیریت لاغر چیست؟
  • 5 اصل لاغر
  • رهبری مشترک چیست؟
  • تولید لاغر چیست؟
  • ارزش در لاغر چیست؟
  • 7 ضایعات لاغر
  • مورا چیست؟
  • موری چیست؟
  • 5S چیست؟
  • هزینه تأخیر چقدر است؟
  • نقشه برداری جریان ارزش چیست؟
  • سیستم کشش چیست؟
  • تنگنا چیست؟
  • تولید فقط به موقع
  • اجرای یک سیستم کشش Kanban
  • سیستم را در سطح نمونه کارها بکشید
  • کایزن چیست؟پیگیری مداوم خودسازی
  • پیشرفت مداوم چیست؟تعریف و ابزارها
  • مدیریت کیفیت داخلی بهبود مستمر
  • تکنیک Poka-Yoke چیست؟
  • چرخه برنامه-انجام-چک چیست؟
  • 5 WHYS: ابزار نهایی تجزیه و تحلیل علت ریشه
  • Gemba Walk: جایی که کار واقعی اتفاق می افتد
  • حل مسئله A3: با علت اصلی مبارزه کنید
  • چگونه می توان تجزیه و تحلیل علت اصلی را انجام داد؟
  • ابزارهای تجزیه و تحلیل علت اصلی
  • نمودار پارتو چیست؟
  • نمودار پراکنده چیست؟
  • نمودار ماهی قارچ چیست؟
  • هوشین کنری چیست؟
  • Hoshin Kanri Catchball چیست؟
  • ماتریس Hoshin Kanri X
  • مدل تحول لاغر توضیح داد
  • نقشه راه تحول لاغر - 8 مرحله جامع
  • زمان TAKT چیست؟
  • هاجونکا چیست؟
  • جیدوکا چیست؟
  • آندون چیست؟
  • اصول لاغر شش سیگما
  • ابزارهای لاغر شش سیگما
  • اجرای لاغر شش سیگما
  • شش سیگما چیست؟
  • DMADV چیست؟
  • DMAIC چیست؟

  نمودار پراکندگی همچنین نمودار نقشه پراکندگی ، نمودار XY و نمودار همبستگی نامیده می شود. نمودار پراکندگی یک نمایش گرافیکی دو بعدی از مجموعه ای از داده ها است. نمودارهای پراکندگی داده های عددی را با یک متغیر در هر محور جفت می کند تا به دنبال رابطه بین آنها باشد. اگر متغیرها در ارتباط باشند ، نقاط در امتداد خط یا منحنی قرار می گیرند. هرچه همبستگی بهتر باشد ، امتیازها خط را در آغوش می گیرند. نمودار پراکندگی یکی از هفت ابزار اساسی با کیفیت است که در تجزیه و تحلیل علت ریشه مورد استفاده قرار می گیرد.

  از نمودارهای پراکندگی به چند روش استفاده و استفاده می شود ، جایی که مهمترین فایده نشان دادن همبستگی بین دو متغیر است. اگر نقاط داده با همبستگی مثبت ، همبستگی منفی داشته باشند ، یا هیچ ارتباطی بین دو متغیر وجود ندارد ، نمودار پراکندگی به راحتی مشاهده می شود.

  دو چالش رایج وجود دارد که با استفاده از نمودارهای پراکنده همراه است - تفسیر علیت به عنوان همبستگی و بیش از حد. مهمترین چیزی که باید به یاد داشته باشید وقتی در مورد همبستگی صحبت می کنیم این است که به این معنی نیست که تغییرات مشاهده شده در یک متغیر مسئول تغییرات مشاهده شده در متغیر دیگر هستند. در صورت ترسیم بیش از حد نقاط داده ، بیش از حد وجود دارد. این منجر به همپوشانی نقاط مختلف داده می شود و شناسایی رابطه بین متغیرها را به چالش می کشد.

  نمودارهای پراکندگی برای چه مواردی استفاده می شوند؟

  از نمودارهای پراکندگی هنگامی استفاده می شود که می خواهید رابطه بین دو متغیر یا هنگامی که مجبور به شناسایی الگوهای داده هستید ، نشان دهید. نمودار پراکندگی در بسیاری از بخش ها از جمله در مدیریت لاغر برای تعیین تجزیه و تحلیل علت اصلی ، در اقتصاد برای نشان دادن روابط بین دو پدیده اقتصادی ، مانند اشتغال و تولید ، در مدیریت برای تجسم چگونگی تأثیر موجودی های محصول بر هزینه ها یا زمان تحویل ، در بازار استفاده می شود. به عنوان مثال ، تحقیق برای نشان دادن رابطه بین روشهای تبلیغاتی و فروش.

  آیا می توانید از نمودار ScatterPlot برای پیش بینی زمان چرخه در صفحه Kanban استفاده کنید؟

  بله ، می توانید از یک نمودار ScatterPlot برای پیش بینی زمان چرخه در صفحه Kanban استفاده کنید. در Kanban به آن زمان چرخه ScatterPlot گفته می شود. زمان چرخه ScatterPlot نسخه اقتباسی از نمودار ScatterPlot است. این در دنیای مدیریت لاغر مورد احترام است زیرا تصویری بسیار مفصل از یکی از معیارهای کلیدی در زمان چرخه لاغر - ارائه می دهد. زمان چرخه نشان می دهد که چه مدت طول می کشد تا کارها برای وسایل جداگانه در تابلوهای Kanban شما انجام شود. هدف از زمان چرخه ScatterPlot تجسم زمان چرخه تکالیف تیم شما در یک بازه زمانی از پیش تعریف شده است.

  ساختار این نمودار بسیار شبیه به ساختار یک پراکندگی معمولی است. محور افقی نمودار یک بازه زمانی انتخاب شده را با تاریخ تجسم می کند. عمودی نشان دهنده زمان چرخه وظایف انجام شده در این دوره محاسبه شده در روزها است. هر نقطه ای که می بینید در نمودار پراکنده است ، نشانگر است که یک کار را در یک کارت در صفحه Kanban شما نشان می دهد. موقعیت های نقاط تا تاریخ تکمیل تعیین می شود و مدت زمان لازم برای رسیدن کارت Kanban به ستون "انجام شده" چقدر است.

  انواع توطئه های پراکندگی چیست؟

  شما می توانید یک طرح پراکندگی را از بسیاری جهات طبقه بندی کنید. محبوب ترین مورد بر اساس همبستگی است و در مدیریت پروژه به طور گسترده استفاده می شود. با توجه به همبستگی ، توطئه های پراکندگی به سه دسته زیر تقسیم می شوند.

  1. همبستگی مثبت
  2. همبستگی منفی
  3. بدون همبستگی

  1. همبستگی مثبت

  طرح پراکندگی با همبستگی مثبت همچنین به عنوان "نمودار پراکندگی با شیب مثبت" شناخته می شود. در این حالت ، با افزایش مقدار x ، مقدار y نیز افزایش می یابد ، به این معنی که همبستگی بین دو متغیر مثبت است. اگر یک خط مستقیم را در امتداد نقاط داده بکشید ، شیب خط بالا می رود. به عنوان مثال ، اگر هوا سردتر شود ، فروش نوشیدنی گرم بالا می رود.

  2. همبستگی منفی

  طرح پراکندگی با همبستگی منفی نیز به عنوان "نمودار پراکندگی با شیب منفی" شناخته می شود. در این حالت ، با افزایش مقدار x ، مقدار y کاهش می یابد. اگر یک خط مستقیم را در امتداد نقاط داده بکشید ، شیب خط پایین می رود. به عنوان مثال ، اگر زمان چرخه گردش کار بالا برود ، تعداد کارهای انجام شده کاهش می یابد.

  3. بدون همبستگی

  طرح پراکندگی بدون همبستگی به عنوان "نمودار پراکندگی با درجه صفر همبستگی" شناخته می شود. در این حالت ، نقطه داده چنان به طور تصادفی پخش می شود که نمی توانید خط را از طریق نقاط داده ترسیم کنید. می توانید نتیجه بگیرید که این دو متغیر هیچ ارتباطی یا درجه صفر همبستگی ندارند. به عنوان مثال ، اگر هوا گرمتر شود ، نمی توانیم نتیجه بگیریم که فروش صندلی های چوبی بالا یا پایین می رود زیرا هیچ ارتباطی بین این دو متغیر وجود ندارد.

  مزایای استفاده از نمودار پراکندگی چیست؟

  مزایای زیر می تواند اهمیت یک نمودار پراکندگی را تعریف کند.

  • یک نمودار پراکندگی رابطه بین دو متغیر را تجسم می کند.
  • نمودار پراکندگی یکی از بهترین ابزارها برای نشان دادن الگوی غیر خطی است.
  • یک نمودار پراکندگی داده ها را برای تأیید یک فرضیه مبنی بر مرتبط بودن دو متغیر فراهم می کند.
  • یک نمودار پراکندگی دامنه جریان داده ها ، به عنوان مثال ، حداکثر و حداقل مقادیر را تعیین می کند.
  • نمودار پراکندگی الگوهای مشاهده شده را مشاهده می کند.
  • ترسیم یک نمودار پراکنده بسیار ساده است.
  • یک نمودار پراکندگی رابطه ای بین دو مجموعه داده های عددی برقرار می کند.
  • نمودار پراکندگی می تواند الگوهای و روند اقدامات مختلف را ردیابی کند.

  در هنگام استفاده از توطئه های پراکندگی چیست؟

  دو چالش رایج وجود دارد که با استفاده از نمودارهای پراکنده همراه است - تفسیر علیت به عنوان همبستگی و بیش از حد.

  1. در صورت ترسیم بیش از حد نقاط داده ، بیش از حد وجود دارد. این منجر به همپوشانی نقاط داده های مختلف می شود و شناسایی رابطه بین متغیرها را به چالش می کشد.

  2. تفسیر همبستگی به عنوان علیت ، دومین چالش استفاده از توطئه های پراکندگی است. مهمترین چیزی که باید به یاد داشته باشید وقتی در مورد همبستگی صحبت می کنیم این است که به این معنی نیست که تغییرات مشاهده شده در یک متغیر مسئول تغییرات مشاهده شده در متغیر دیگر هستند. علیت مشاهده می شود که یک واقعه اتفاق می افتد بر نتیجه مشخص تأثیر می گذارد. مراقب باشید که همبستگی را به عنوان علیت تفسیر نکنید.

  چگونه می توان یک نمودار پراکنده درست کرد؟

  روش های مختلفی برای ایجاد نمودار پراکندگی وجود دارد. اگر می خواهید یک نمودار پراکندگی ساده با یک کلیک ایجاد کنید ، بهترین راه برای انجام این کار با استفاده از یک سازنده نمودار پراکندگی آنلاین است که معمولاً استفاده از آن رایگان است. شما معمولاً باید زمینه های از پیش تعریف شده مانند نام نمودار ، مقادیر Y و Y ، مقدار سری ، رنگ و روند را پر کنید. روی دکمه قرعه کشی کلیک کنید ، و نمودار پراکندگی شما باید آماده باشد. اگر به چابکی بیشتری احتیاج دارید و باید یک نمودار پراکندگی پیچیده تر ایجاد کنید ، می توانید از Excel و PowerPoint استفاده کنید.

  برای ایجاد یک نمودار پراکنده ، باید برخی از داده های مقدماتی را داشته باشید. ابتدا جفت داده ها را که به یک رابطه مشکوک هستید ، جمع کنید. داده های خود را وارد کنید ، جایی که اطلاعات محور x در ردیف بالا می رود و داده های محور y در ردیف پایین می روند. محورهای X و Y خود را برچسب گذاری کنید ، بنابراین می دانید که آنها چه چیزی را نشان می دهند. اگر گزینه ای برای استفاده از کدهای رنگی برای هر یک از نقاط متغیر وابسته خود دارید ، برای محورهای خود ، مقادیر و عنوان نمودار خود رنگی را انتخاب کنید.

  آیا می توانید با استفاده از یک سازنده نمودار پراکنده ، نمودار پراکندگی ایجاد کنید؟

  بله ، می توانید با استفاده از یک سازنده نمودار پراکنده ، یک نمودار پراکنده ایجاد کنید. سازنده نمودار پراکندگی ابزاری آنلاین برای کمک به شما در ایجاد یک نمودار پراکندگی خیلی سریع است. بسیاری از این ابزارها به صورت رایگان ، مانند Alcula ، Mathcracker و RapidTables در دسترس هستند. فایده استفاده از یک سازنده نمودار پراکنده این است که با پر کردن چندین زمینه تنظیم شده ، می توانید به سرعت یک نمودار پراکندگی زیبا ایجاد کنید. برای ایجاد یک نمودار پراکنده ، عنوان نمودار را برای محور Y و X وارد کنید ، حداقل مقدار محور ، حداکثر مقدار محور و برچسب محور را وارد کنید. دکمه را فشار دهید تا یک طرح پراکندگی ایجاد شود. همچنین ماشین حساب های نمودار پراکندگی ساده وجود دارد ، جایی که تنها چیزی که شما نیاز دارید پر کردن مقادیر X و Y است. ضرر اصلی استفاده از یک سازنده نمودار پراکندگی آنلاین این است که فاقد انعطاف پذیری است. شما باید با آنچه توسط ابزارها ارائه می شود کار کنید.

  همبستگی در نمودار پراکندگی چیست؟

  نمودارهای پراکنده یک هدف بسیار خاص دارند. آنها نشان می دهند که چگونه یک متغیر تحت تأثیر دیگری قرار می گیرد. رابطه بین دو متغیر همبستگی نامیده می شود. اگر مقدار x افزایش یابد و مقدار Y نیز افزایش یابد ، این بدان معنی است که همبستگی بین دو متغیر مثبت است. اگر یک خط مستقیم را در امتداد نقاط داده بکشید ، شیب خط بالا می رود. اگر مقدار x افزایش یابد و مقدار y کاهش یابد ، این بدان معنی است که همبستگی بین دو متغیر منفی است. اگر یک خط مستقیم را در امتداد نقاط داده بکشید ، شیب خط پایین می رود. اگر نقطه داده آنقدر به طور تصادفی پخش شود که نتوانید خطی را از طریق نقاط داده ترسیم کنید ، این بدان معنی است که همبستگی بین دو متغیر منفی است.

  این همبستگی را می توان با قدرت اندازه گیری کرد - خواه همبستگی بین دو متغیر ضعیف باشد یا قوی. درک این نکته حائز اهمیت است که این همبستگی شواهدی از ارتباط را ارائه می دهد ، نه علت. هنگام توصیف رابطه بین دو متغیر ، همبستگی فقط یک قطعه از معما است. این اطلاعات لازم است اما کافی نیست. برای ارائه اطلاعات بیشتر باید تجزیه و تحلیل های دیگر نیز انجام شود.

  الگوهای همبستگی نمودار پراکندگی چیست؟

  • یک الگوی همبستگی مثبت قوی زمانی است که با افزایش مقدار X مقدار y افزایش می یابد.
  • یک الگوی همبستگی منفی قوی زمانی است که با افزایش مقدار X ، مقدار y کاهش می یابد.
  • یک الگوی همبستگی مثبت ضعیف زمانی است که با افزایش مقدار X مقدار y کمی افزایش می یابد.
  • یک الگوی همبستگی منفی ضعیف زمانی است که با افزایش مقدار X ، مقدار y کمی کاهش می یابد.
  • یک الگوی همبستگی پیچیده زمانی است که مقدار y به نظر می رسد که مربوط به ارزش x است ، اما رابطه آنها به راحتی قابل تعیین نیست.
  • هیچ الگوی همبستگی زمانی نیست که هیچ ارتباطی بین دو متغیر وجود نداشته باشد.

  چگونه می توان نمودار پراکندگی را خواند؟

  داده های مربوط به نمودار پراکندگی باید از چپ به راست خوانده شود و شما باید به دنبال روندها باشید. اگر هنگام حرکت از چپ به راست ، یک الگوی سربالایی را مشاهده می کنید ، این به معنای رابطه مثبت بین دو متغیر X و Y است. اگر مقادیر X افزایش یابد ، مقادیر Y نیز افزایش می یابد. همانطور که از چپ به راست حرکت می کنید و یک الگوی سراشیبی را مشاهده می کنید ، این بدان معنی است که ما بین دو متغیر x و Y رابطه منفی داریم. وقتی مقادیر X افزایش می یابد ، مقادیر y کاهش می یابد. اگر نقاط داده هیچ نوع الگویی نداشته باشند ، این نشان می دهد که هیچ ارتباطی بین متغیرهای X و Y وجود ندارد.

  قدرت نمودار پراکندگی چیست؟

  استحکام یک نمودار پراکنده به صورت ضعیف ، متوسط یا قوی اندازه گیری می شود. هنگامی که نقاط داده گسترش می یابد ، رابطه بین دو متغیر ضعیف است. اگر نقاط داده خوشه بندی شوند ، یا یک خط مستقیم یا منحنی را دنبال کنند ، رابطه بین دو متغیر قوی تلقی می شود.

  نمونه های نمودار پراکندگی چیست؟

  ما به یک نمونه از نمودار پراکندگی برای پیش بینی زمان چرخه نگاه خواهیم کرد. یکی از بزرگترین مزایای استفاده از یک پراکندگی زمان چرخه برای مدیریت لاغر این است که این امکان را به شما می دهد تا نتیجه کارهای آینده را پیش بینی کنید. اگرچه ممکن است در نگاه اول گیج کننده به نظر برسد ، اما نمودار می تواند پیش بینی های احتمالی را در مورد عملکرد آینده به شما ارائه دهد. برای این اتفاق ، بسته به تعداد کارهای تمام شده در یک بازه زمانی خاص ، باید خطوط افقی را در نمودار بکشید.

  نمودار پراکندگی

  به عنوان مثال ، بیایید بگوییم که شما 100 وظیفه دارید که در 30 روز به پایان رسیده است. اگر 25 نفر از آنها در 5 روز یا کمتر به پایان رسید ، در حالی که سایر موارد طولانی تر طول کشید ، شما 25 درصد فرصت دارید که هر کار آینده را در این بازه زمانی به پایان برسانید. یک خط افقی را در ارتفاع روز 10 در طول چرخه خود بکشید.

  بیایید بگوییم که 50 کار دیگر طی 10 روز به پایان رسید. خط افقی دوم باید 75 درصد باشد و باید در ارتفاع روز 10 باشد. هرچه صدک بیشتر باشد ، شانس انجام یک کار آینده در این بازه زمانی بیشتر است.

  هر زمان که به مهلت متعهد باشید ، باید به خطوط صدک موجود در صفحه پراکندگی خود نگاه کنید و بگویید که درصدی در روز x/هفته/ماه آماده هستید.

  چگونه می توان از طرح پراکندگی در شش سیگما استفاده کرد؟

  طرح پراکندگی یک نمایش گرافیکی دو بعدی از مجموعه ای از داده ها است. توانایی آن در نشان دادن روابط غیرخطی بین متغیرها به طور گسترده ای در شش سیگما استفاده می شود. توطئه های پراکندگی به طور گسترده ای به عنوان ابزاری برای تجزیه و تحلیل مشکلات در شش سیگما استفاده می شوند. توطئه های پراکندگی نشان می دهد که چگونه متغیرها با یکدیگر ارتباط دارند. این رابطه همبستگی نامیده می شود و سه نوع همبستگی وجود دارد: مثبت ، منفی و بدون همبستگی. در شش سیگما ، یک نقشه پراکندگی از نظر بصری ارتباط بین یک مشکل و یک علت را نشان می دهد ، خواه همبستگی مثبت ، منفی یا بدون همبستگی وجود داشته باشد. این به تیم های با کیفیت کمک می کند تا ارزیابی کنند که علت فرضی بیشترین تأثیر را در یک مشکل دارد و ابتدا باید حل شود.

  تاریخچه نمودارهای پراکندگی چیست؟

  نمودار پراکندگی مدرن برای اولین بار در سال 1833 در یک مطالعه در مورد مدارهای ستاره های دوتایی ظاهر شد. این مطالعه توسط جان فردریک دبلیو هرشل ، دانشمند انگلیسی انجام شده است. اعتقاد بر این است که تجسم اولین نمونه منتشر شده از نقاط داده ترسیم شده در یک برنامه دکارتی است. در سال 1886 ، استفاده از نمودار پراکندگی در جامعه علمی توسط فرانسیس گالتون ، یک پلیمات انگلیسی ویکتوریا ، محبوب شد. گالتون یکی از سازندگان مفهوم آماری همبستگی است. قبل از سال 1906 ، پراکندگی معمولاً به عنوان یک نمودار پراکنده گفته می شد ، با این حال ، کارل پیرسون ، یک ریاضیدان انگلیسی و زیست شناس با نامگذاری تجسم به عنوان یک پراکندگی اعتبار می یابد. در دهه 1980 ، این نمودار بیشتر توسط آمارشناسان ویلیام کلیولند و رابرت مک گیل محبوب شد. آنها تحقیقاتی را انجام دادند تا بفهمند که مردم اطلاعات را به سرعت و دقیق درک می کنند. نمودار پراکندگی برنده بزرگی بود زیرا مردم در جستجوی نکات بسیاری در یک نمودار و درک روابط خود بسیار تجربه می کنند.

  خلاصه

  نمودار پراکندگی یک نمودار همبستگی است که از نظر بصری رابطه بین دو متغیر را نشان می دهد. این بینش را در مورد چگونگی تأثیر دو متغیر در هنگام ترسیم بر روی نمودار ارائه می دهد. برخی از مزایای نمودارهای پراکندگی شامل موارد زیر است:

   

  • تجسم رابطه بین دو متغیر.
  • تجسم الگوهای و روندهایی که به راحتی قابل مشاهده هستند.
  • مکانیسم نقشه برداری آسان.