Power BI 中的控制图

控制图是有效的质量管理工具，用于跟踪和评估运营，确保产品生产或服务提供的可靠性和一致性。控制图最初由 Walter A. Shewhart 在 20 世纪 20 年代开发，后来由 W. Edwards Deming 和其他人改进，它以组织化的方式直观地展示了随时间变化的流程数据，使用户能够发现变化并确定需要改进的领域。

从根本上说，控制图有助于区分特殊原因变异（一种罕见事件，需要调查和纠正措施）和普通原因变异（固有于流程且在自然范围内可预见的）。通过了解这些变异并做出适当的调整，组织可以提高流程的稳定性，降低缺陷率，并最终为客户提供更高质量的产品和服务。

控制图的基本功能是以图形格式绘制流程数据相对于时间或序列顺序。标准图表显示流程平均值以及基于历史数据的上限和下限控制限。通过将当前数据点与预定义的控制限进行比较，组织可以评估流程的稳定性并发现可能需要进一步调查和纠正措施的变异。

控制图的类型

有各种类型的控制图，每种都旨在跟踪流程的特定要素并识别特定类型的偏差。

1. X-bar 和 R 图：X-bar（或 X-bar 和 S）图跟踪流程的中心趋势或平均值，而 R（范围）图跟踪流程的变异性。R 图显示子组数据的范围或分散度，而 X-bar 图显示子组数据的平均值。两者结合起来，可以深入了解流程的分散度和中心度。
2. 个体和 I-MR（移动范围）图：个体图适用于样本量小或无法进行子组化的流程，因为它们绘制的是个体数据点而不是子组平均值。除了个体图，移动范围图还通过跟踪连续数据点之间的变异性来提供对流程稳定性的洞察。
3. P 图与 NP 图：P 图跟踪流程中不合格单位的百分比，而 NP 图跟踪每个子组中的不合格数量。当数据为二元数据（例如，通过/失败，是/否）时，这些图表经常用于质量控制应用。
4. C 图和 U 图：C（计数）图跟踪流程中每单位的缺陷数量，而 U（单位）图跟踪每个子组的缺陷数量。这些图表在缺陷按单位或子组变化的流程中效果很好。

所收集数据的类型和正在观察的流程的具体情况决定了哪种控制图是最佳的。组织必须根据其目标和数据要求选择最佳的控制图类型。每种类型的控制图都有其优点和缺点。

使用控制图进行流程监控和改进的优势

采用控制图来监控和改进流程有许多优势。

1. 早期流程变异检测：控制图充当早期预警系统，使企业能够在性能变异成为严重问题之前识别出它们。通过识别特殊原因变异，组织可以采取补救措施来防止问题并确保产品或服务的质量一致。
2. 促进数据驱动的决策：控制图通过直观地描绘流程数据，帮助利益相关者解释和分析趋势和模式。这使得组织更容易做出数据驱动的决策，从而帮助他们找到变异的来源，对改进工作进行优先级排序，并明智地管理资源。
3. 流程优化和持续改进：通过随时间跟踪流程的性能，控制图有助于组织识别流程优化和持续改进的机会。通过解决变异的根本原因并最小化普通原因变异，组织可以提高效率和有效性，减少缺陷，并加强流程稳定性。
4. 改善协作和沟通：控制图为多个部门和组织层面提供了沟通流程性能的一致性词汇。通过标准化数据收集、分析和解释的方法，控制图促进协作和朝着共同质量目标的一致性。
5. 遵守质量标准和法规：控制图在各行各业都被广泛认可和接受为标准的质量控制工具。组织可以通过控制图在质量管理系统中证明遵守质量标准和法规，从而提高客户满意度和信心。

在 Power BI 中进行控制图可视化对希望有效监控、评估和改进运营的企业大有裨益。组织可以利用 Power BI 的高级功能创建动态和交互式仪表板，这些仪表板可以促进数据驱动的决策，推动持续改进计划，并提供对流程性能的实时见解。

为什么要在 Power BI 中可视化控制图？

1. 与数据源集成：Power BI 可以轻松地与电子表格、数据库和云服务等多种数据源进行交互。通过这种连接，组织可以将来自多个来源的数据整合到一个平台中，从而更轻松地实时分析和可视化流程数据。
2. 高级可视化功能：Power BI 拥有广泛的可视化功能，使企业能够设计高度定制化且适合其特定需求的交互式控制图。从传统的折线图到专门的控制图可视化，Power BI 允许您创建传达流程性能数据的图形。
3. 可扩展性和性能：Power BI 旨在处理大量数据并促进复杂的分析查询，因此适合各种规模的企业。
4. 协作和共享：Power BI 促进团队和部门之间轻松的协作和见解共享。通过将仪表板发布到 Power BI 服务或将它们集成到其他应用程序中，实体可以确保利益相关者始终能够跨任何平台访问最新的流程性能指标。

在 Power BI 仪表板中包含控制图的好处

1. 流程结果的整体视角：通过将统计过程控制 (SPC) 图与传统的业务 KPI 相结合，组织可以全面了解流程性能。通过利用这种集成方法，利益相关者可以有效地识别数据处理中的趋势、模式和异常，从而使他们能够做出更明智的决策。
2. 实时数据流和警报：Power BI 支持实时数据流和警报，使企业能够监控流程性能并在达到特定标准时收到警告。组织可以根据控制图的标准设置警报，主动识别和解决问题，以免影响客户满意度或产品质量。
3. 钻取和交互性功能：Power BI 仪表板通过提供钻取和交互功能，使利益相关者能够检查不同详细程度的流程数据。用户可以通过使用过滤器隔离特定数据子集或单击控制图中的数据点，从而获得对流程行为和性能驱动因素的更深入见解。这可以帮助进行根本原因分析和解决问题。
4. 与其他 BI 工具集成：Power BI 可以轻松地连接到其他商业智能 (BI) 平台和工具，使企业能够利用其当前的投资和基础设施。无论是与第三方 BI 解决方案、Microsoft Excel 还是 Azure 机器学习集成，Power BI 都为整个企业的流程数据可视化和分析提供了一个统一的平台。

可视化如何增强数据分析和决策

1. 更好的数据解释：与基于文本的报告或原始数字相比，控制图等可视化提供了更易于阅读和理解的数据图形表示。当流程数据以可视方式呈现时，组织可以通过更有效地识别趋势、模式和异常来做出更明智的决策。
2. 促进沟通：可视化为跨部门和组织层级解释复杂数据和见解提供了共同的语言。通过以易于理解且在视觉上吸引人的方式呈现流程性能指标，组织可以促进沟通和朝着共同质量目标的一致性。
3. 更快的决策：利益相关者可以快速发现机会或关注领域并采取必要的行动。无论是发现缺陷的突然激增还是过程均值的变化，可视化都能提供快速反馈，从而加速问题解决和决策过程。
4. 支持预测性分析：可视化，特别是当与机器学习等高级分析方法相结合时，通过识别过去数据中的模式和趋势来支持预测性分析，这些模式和趋势可以指导对未来绩效的期望。组织可以通过使用可视化来检查历史趋势并预测未来结果，从而主动管理风险和机会。

示例和案例研究

1. 制造业：一家制造公司使用 Power BI 来可视化其生产设施中关键流程参数（如温度、压力和湿度）的控制图。通过采用统计过程控制技术和实时参数监控，该公司可以识别与期望值的偏差，并实施补救措施以确保其产出的质量和一致性。
2. 医疗保健行业：一家医疗保健组织使用 Power BI 来分析急诊室的患者等待时间。通过可视化等待时间指标（如分诊到治疗和入院到出院）的控制图，该组织可以识别和解决患者流程中的任何瓶颈，从而提高整体满意度和效率。
3. 金融服务公司：一家金融服务公司使用 Power BI 来跟踪其多个银行部门的交易处理时间。通过可视化交易周转时间和错误率的控制图，该公司可以降低运营风险，改善客户服务，并发现流程效率低下之处。

这些案例研究都展示了 Power BI 如何通过利用可视化（如控制图）的力量，帮助企业成功监控、分析和改进其运营。组织可以通过将控制图集成到 Power BI 仪表板中并利用强大的可视化功能，来促进数据驱动的决策，并在整个企业开展持续改进计划，并获得对流程性能的深入了解。

为什么控制图分析需要良好的数据准备？

数据准备对于控制图分析至关重要，因为数据质量显著影响从控制图中获得的见解的准确性和可靠性。以下是数据准备重要性的一些解释：

1. 数据准确性：控制图分析的成功在很大程度上取决于数据的准确性。数据中的不准确或矛盾可能导致错误的结论和糟糕的决策。
2. 一致性：数据应标准化且一致，以便能够对不同时间或不同流程进行有意义的比较。为了确保准确的分析，必须使用一致的测量单位并将所有相关数据纳入研究。这种方法提供了流程性能的全面图景，防止了结果的任何失真，并确保没有遗漏重要信息。
3. 完整性：为了提供流程性能的全面图景，应将所有相关数据纳入研究。不完整或丢失的数据可能会扭曲结果并隐藏重要信息。
4. 数据清理：数据清理涉及查找和修复数据中的错误、异常或不一致之处。此过程消除了偏差或失真的来源，提高了分析的可靠性和质量。
5. 标准化：标准化通过确保数据处于一致的尺度上，从而促进比较和解释。根据数据类型，可以使用转换或标准化等标准化技术。

在 Power BI 中导入和使用自定义视觉对象可以极大地提高该工具的数据可视化能力，并允许用户创建更智能、更具吸引力的报告。让我们来审视一下控制图（XmR-chart）的功能并剖析其导入过程。

在 Power BI 中创建控制图

1. 要开始，请在 Power BI Desktop 或 Power BI 服务中启动您的报表。从“可视化”窗格中，选择省略号图标。此操作会显示一个包含多个选项的菜单。
   
2. 点击“获取更多视觉对象”菜单项。此选项会将您带到 Power BI 视觉对象库，您可以在其中浏览和下载比 Power BI 默认自带的更多的视觉对象。
   
3. 导航到 Power BI 视觉对象库中的“AppSource 视觉对象”类别，以查看可能已导入的精选视觉对象。此类别包括由外部发布者创建的各种独特视觉对象。
   
4. 浏览 AppSource 视觉对象类别，然后选择适合您需求的“控制图 (XmR-chart)”视觉对象或其他图表。
   
5. 选择视觉对象后，点击它以探索更多信息和选项。接下来，单击“立即获取”选项以将视觉对象集成到您的 Power BI 报表中。
6. 如果视觉对象发布者生成了示例 Power BI 语义模型和报表，您可以单击“下载示例”选项来下载它。此示例报表展示了视觉对象的外观和用法，并提供了有用的见解和提示。
7. 点击“确定”以确保已成功导入视觉对象。该视觉对象在您当前报表的“可视化”选项卡中有一个新的图标。
   

理解 XmR 图，或控制图视觉对象

控制图 (XmR-chart) 是跟踪和评估流程性能的有效工具。它包含 X 图和 mR 图两个图表。

以下是用于在 Power BI 中创建控制图的数据集

• X 图：这种类型的图表显示随时间变化的实际数据点以及计算出的平均值（通常称为中心线或 CL）。根据平均值确定上限和下限控制限。X 图有助于识别性能偏离预期的指标，并提供对流程变异性的洞察。
• mR 图显示连续数据点读数之间的移动范围 (mR)。由于结果以绝对值（正数）记录，因此它们有一个上限控制限和一个平均值，但没有下限控制限。mR 图通过提供有关流程变异和稳定性的更多详细信息，为 X 图的见解做出了补充。

要使用 Power BI 可视化数据并应用所需的参数，请执行以下操作：

数据设置

• 要开始，请打开 Power BI 和您的数据集。
• 将“日期”列拖到可视化窗格的“日期”字段中。
• 然后，将“实际值”列拖到可视化窗格的“实际值”字段中。
• 最后，将“目标”列拖到可视化窗格的“目标”字段中。

修改图表的设置

• 默认情况下显示 X 轴和 Y 轴。但是，您可以更改这些设置以隐藏它们（如果您愿意）。
• 默认情况下，图例是隐藏的，它通常提供图表颜色的线索。但是，您可以选择显示或不显示它。
• 默认情况下，自动重新计算处于关闭状态。这控制图表是否会响应数据更改而自动更新。您可以根据需要切换此参数。

默认情况下，隐藏的 mR 图代表连续数据点之间的变化范围。您可以根据需要更改此设置。

自定义和设置

控制图 (XmR-chart) 视觉对象提供了自定义选项和设置，以满足您独特的业务需求。其中包括：

• 图表设置：显示或隐藏图例、mR 图、X 轴和 Y 轴的能力。此外，您可以打开或关闭自动重新计算。
• 线条设置：调整目标点、实际线和中心线（CL）的颜色、宽度和样式。
• 轴设置：修改 X 轴和 Y 轴的颜色、线宽和标签类型。

这些选项使用户能够调整控制图的外观和行为，以确保流程性能指标能够清晰有效地传达。

自定义线条设置

• 中心线 (CL) 默认显示为蓝色，表示数据的计算平均值。但是，您可以更改此颜色以满足您的偏好。
• 默认情况下，CL 的宽度设置为 2。根据需要调整此宽度。
• 实际线表示实际数据点，默认颜色为灰色。您可以调整此颜色以最好地适应您的可视化。
• 默认情况下，实际线的宽度设置为 1。可以更改此宽度以使线条更明显或不那么明显。
• 在下限控制限 (LCL) 和上限控制限 (UCL) 之间，默认应用了柔和的蓝灰色调。更改此颜色以提高可见性或与您心中设想的样式相匹配。
• 默认情况下，目标点（代表数据集中目标值）的半径设置为 2.5。您可以调整此半径以更改目标点在其突出显示中的可见度。

更改轴设置

• 默认情况下，X 轴和 Y 轴线为灰色。您可以调整这些颜色以最好地适应您的可视化。
• 默认情况下，X 轴和 Y 轴线的宽度为 2。根据需要调整这些宽度。
• 默认情况下，X 轴和 Y 轴标签的大小为 14。调整这些尺寸以获得最佳可读性。
• 默认情况下，X 轴标签以 YYYY-MM-DD 格式显示日期。可以更改此格式以匹配您数据集中的日期格式。

通过遵循这些全面的说明，您可以有效地在 Power BI 中可视化您的数据，并修改您的控制图的外观以满足您独特的业务需求和品味。

要解释控制图，必须了解流程变异的常见信号及其对流程性能的影响。

关键注意事项

• 移位：流程中持续的变化可能表明输入或条件发生变化，需要进行调查和补救措施。
• 趋势：如果统计数据显示出持续的上升或下降趋势，则可能表明流程性能会随着时间的推移而逐渐改变，需要主动干预。
• 周期：周期性模式或振荡可能表明季节性变化或反复出现的流程中断，需要采取有针对性的纠正措施。

通过检查控制图中的这些模式和趋势，用户可以找到流程改进的机会，并采取必要措施来维护或改进流程性能。