Jesteśmy najlepsi

Aktualności

Aenean sagittis mattis purus ut hendrerit. Mauris felis magna, cursus in venenatis ac, vehicula eu massa. Quisque nunc velit, pulvinar nec iaculis id, scelerisque in diam. Sed ut turpis velit. Integer dictum urna iaculis vestibulum finibus. Etiam tempus dictum rhoncus. Nam vel semper eros. Ut molestie sit amet sapien vitae semper. Pellentesque habitant morbi tristique senectus et netus et malesuada fames ac turpis egestas. 

18 grudnia 2017
Kilka znaczących cyfr dla bezpieczeństwa żywności – swego rodzaju numerologia J do zastosowania również
27 października 2017
Jednym z narzędzi, którego użyjemy podczas poszukiwania przyczyny źródłowej problemu będzie diagram korelacji, który
    1. Strona główna
    2. Szkolenia otwarte
    3. Szkolenia zamknięte u klienta
    4. Aktualności
    5. Kontakt
  1. Certyfikacja kompetencji
  2. Webinar on-line z trenerem
  3. Audit
  4. Consulting
  5. Strefa studenta
  6. Referencje
  7. FAQ
  8. Galeria
  9. Pełnomocnik i Auditor FSSC 22000 | ISO 22000
  10. Pełnomocnik i Auditor ISO 9001
  11. Auditor BRC FOOD v8
  12. Lean Six Sigma Yellow Belt
  13. Auditor IFS Food v6.1
  14. Lean Six Sigma Green Belt
  15. Pełnomocnik i Auditor PN-N 18001 | OHSAS 18001
  16. Wymagania HACCP wg Codex Alimentarius
  17. ISO 9001 (zarządzanie jakością)
  18. FSSC 22000/ ISO 22000 (bezpieczeństwo żywności)
  19. BRC FOOD v8 (bezpieczeństwo żywności)
  20. IFS FOOD v6.1 (bezpieczeństwo żywności)
  21. GMP+ (bezpieczeństwo pasz)
  22. HACCP (bezpieczeństwo żywności)
  23. TRANSPORT AGRI & FOOD
  24. BRC for Packaging and Packaging Materials v5 (BRC IoP)
  25. OHSAS 18001 (BHP)
  26. Informacja ogólna
  27. Pełnomocnik i Auditor ISO 9001 (zamknięte)
  28. Pełnomocnik i Auditor FSSC (ISO) 22000 (zamknięte)
  29. Lean Six Sigma Yellow Belt (zamknięte)
  30. Lean Six Sigma Green Belt (zamknięte)
  31. Auditor BRC FOOD v8 (zamknięte)
  32. Auditor IFS FOOD v6.1 (zamknięte)
  33. Pełnomocnik i Auditor PN-N 18001 | OHSAS 18001 (zamknięte)
  34. Wymagania HACCP (zamknięte)
  35. Wymagania ISO 9001:2015. Jak przejść na nowa normę?
  36. Wymagania ISO 9001:2015 (zamknięte)
  37. Problem solving quality tools
  38. Problem Solving Tools (zamknięte)
  39. Zarządzanie ryzykiem w ISO 9001
  40. Zarządzanie ryzykiem w ISO 9001 (zamknięte)
  41. Strefa klienta
  42. Auditor BRC FOOD/ IFS FOOD
  43. Auditor BRC FOOD/ IFS FOOD (zamknięte)
  44. Pełnomocnik i Auditor GMP+ B3
  45. SPC i MSA
  46. SPC i MSA (zamknięte)
  47. Auditor Wewnętrzny BRC - STUDENT
  48. Pełnomocnik i Auditor ISO 9001 - STUDENT
  49. Food defence
  50. Pełnomocnik i Auditor FSSC 22000 - STUDENT
  51. Lean Six Sigma Yellow Belt - STUDENT
  52. Front Line Manager - Manager Pierwszej Linii
  53. Auditor BRC PACKAGING
  54. Designing innovation and experiment
  55. Inspektor Kontroli Jakości (Kontroler Jakości)
  56. naLIJ wiedzy...

Diagram korelacji | Współczynnik Pearsona

Jednym z narzędzi, którego użyjemy podczas poszukiwania przyczyny źródłowej problemu będzie diagram korelacji, który pozwoli graficznie pokazać jaki wpływ ma określony czynnik (X) na określoną zmienną lub wynik (Y)

Kiedy użyjemy?

  • W celu sprawdzenia/ przetestowania podejrzanej przyczyny (jaki ma wpływ na wynik końcowy?)

  • Porównanie - w jaki sposób różne czynniki wpływają na wynik (co ma większy a co mniejszy wpływ na wynik? Co nie ma znaczenia?)

  • Prognozowanie wpływu czynnika na efekt - na podstawie danych, które już posiadamy


Pamiętajmy również o tzw. „szumach” – czyli innych zmiennych, które mogą zaburzać wpływ jednego czynnika na drugi – analiza dotyczy wpływu jednej przyczyny a nie kilku (szerzej – przy okazji…)

Książkowy przykład korelacji: wysokie temperatury i sprzedaż lodów są silnie skorelowane
Dlaczego?
Oczywista oczywistość – im wyższa temperatura tym więcej kupujemy lodów (KORELACJA DODATNIA)

 



Żeby jeszcze bardziej zobrazować proponuję przeanalizować fikcyjny, banalny, wyssany z palca przykład:


zależność pomiędzy wzrostem a masą ciała (zakładamy, że przykład dotyczy tylko mężczyzn, żeby nie było reklamacji ze strony płci pięknej )

Do stworzenia diagramu będziemy potrzebowali danych z dwóch lub więcej czynników

  • Dane: Wzrost [cm]/ masa ciała [kg]

167/65; 176/65; 159/50; 177/90; 167/70; 188/90; 187/80; 169/70; 170/70; 168/60; 190/88; 185/70; 176/70; 177/73; 165/60; 178/70
 

  • Po naniesieniu danych na osie X – wzrost i masa ciała – Y otrzymujemy wykres pokazujący, że jest silna korelacja dodatnia – im ktoś wyższy tym więcej waży (wykres po lewej)

 

  • Współczynnik korelacji Pearsona (r) dla tego przykład = 0,8 (celowo nie podaję wzoru – wystarczy Excel i użycie funkcji PEARSON) u

 


 

INTERPRETACJA

  • DODATNIA: wzrost jednego czynnika powoduje wzrost drugiego

  • UJEMNA: odwrotnie

  • MIESZANA: zależność wzrasta lub maleje tylko do pewnego momentu a następnie zmienia kierunek


WSPÓŁCZYNNIK KORELACJI

  • Brak: 0

  • Słaba: -0,4 do <0 (ujemna)/ 0< do 0,4 (dodatnia)

  • Średnia: -0,4 do -0,7 (ujemna)/ 0,4 do 0,7 (dodatnia)

  • Silna: -0,7 do -0,9 (ujemna)/ 0,7 do 0,9 (dodatnia)

  • Bardzo silna: -0,9 do -1 (ujemna)/ 0,9 do 1 (dodatnia)


Przy braku lub słabej korelacji – nie ma sensu dalej badać czynnika

 


 

 

Krzysztof Bielański 

27 października 2017