您还没有绑定微信,更多功能请点击绑定

测量系统一致性分析 | 这个汤真的那么辣吗?

熊妈妈已经忍无可忍了。最近一次关于她做的汤有多辣的争论以张牙舞爪而结束,而且把小女孩吓坏了。

熊妈妈认为问题出在小女孩身上。自从有了金凤花姑娘之后,所有人都无法就任何事情达成一致。床不是太软就是太硬。粥不是太烫就是太凉。今晚,金凤花姑娘抱怨汤太辣,熊爸爸抱怨汤不够辣。

为了使家庭恢复安宁,熊妈妈觉得小女孩需要离开。但是,每当熊妈妈提到这点时,熊爸爸就会跑过去为金凤花姑娘辩护。熊妈妈需要使用数据来为自己辩护,她明白该怎么做:使用一种名为“属性一致性分析”的测量系统分析。熊妈妈知道,使用 Minitab中的“协助”会使事情变得简单容易。

首先,她煮了六份汤。在其中的三份汤中,熊妈妈仅添加了足够的胡椒粉和香料,使汤美味但不会太辣。她在其余三份汤中加了过量的辣椒酱。

接着,熊妈妈使用 Minitab来设置、收集和分析数据,她希望确定为什么家庭成员如此频繁地出现意见不一致。


设置属性一致性分析

选择协助 > 测量系统分析 (MSA)…



“协助”显示一个决策树,该决策树中包括用于“评价”数据的 MSA。



熊妈妈打算让每个家庭成员都品尝六份不同的汤,并让他们评价是好(“好喝!”)还是差(“难喝!”)。每个评价者对每份汤都品尝 4 次,因此熊妈妈不仅能够查看不同检验者的意见是否一致,还能查看每个检验者每次品尝后的评价是否一致。

但是,她的数据收集计划能够满足此分析的需要吗?单击“属性一致性工作表”下面的“更多…”即可显示一列需要检查的要求。例如,“协助”建议评价者对相同数量的好和差项目进行评分,还建议至少有 3 个评价者,熊妈妈的计划中涵盖了这两项要求。



现在,熊妈妈确信她的计划非常恰当。她单击“返回”,然后单击“属性一致性工作表”并按如下所示填写对话框:



在单击“确定”之后,Minitab 将针对每个评价者和每份汤生成一组(共四个)随机试验,并创建一个匹配的数据表。



Minitab 还允许打印一整套随时可用的数据收集表单(每个试验和评价者有一份对应的表单)。



接着,熊妈妈加热这六份汤,并让每个检验者按照 Minitab 所指定的随机顺序对每份汤品尝四次。然后,她只需将结果输入到其数据表的相应列中就可以了:



分析数据
将结果输入到工作表中之后,熊妈妈可以继续进行分析。返回到协助 > 测量系统分析 (MSA)…,但这一次的目标是分析数据,而不是设置研究:





按如上所示填写对话框,单击“确定”。Minitab 将生成所有输出,熊妈妈需要使用这些输出来为自己辩护。



汇总报告显示,总体而言,家庭成员正确识别汤辛辣程度的正确率仅为 75%。按评价者计算的准确度百分比显示每个评价者对汤进行识别的准确度。熊妈妈和熊宝宝的得分最高,他们的准确度分别为 95.8% 和 87.5%。熊爸爸的准确度为 79.2%,不算太低。

但是,金凤花姑娘的准确度为 37.5%,很低。

“协助”的准确度报告为熊妈妈提供了有关每个评价者表现的具体细节。准确度报告右侧的按评价者计算的准确度百分比图和标准图显示,在三头熊中,每头熊都非常擅长识别美味的汤,但是,金凤花姑娘正确识别出美味的汤的概率不到 20%。



“协助”还有另外两个输出——“误分类报告”和“报告卡”。





证据在汤里

通过属性一致性分析的结果,可以清楚地判定有关汤辣不辣的大多数不一致源自何处,以及(按照熊妈妈的观点)不一致应当在何处终结。使用由“协助”创建的简单图形,甚至连熊爸爸也可以轻松看出,金凤花姑娘对汤的评价分歧可能会导致家庭成员产生冲突。

无论您喜欢清淡的汤还是喜欢超辣的汤,您都已经成功完成了此测量系统分析。您已了解如何创建属性一致性分析工作表,以及如何分析您收集的数据以使用“协助”来确定评价者在何处一致,在何处不一致。

0 个评论

游客无法查看评论和回复, 请先登录注册