矩陣數據分析法（Matrix Data Analysis Chart）

什麼是矩陣數據分析法

　　矩陣數據分析法（Matrix Data Analysis Chart），它是新的質量管理七種工具之一。

　矩陣圖上各元素間的關系用數據進行量化，使整理和分析結果更加精确，這種用數據表示的矩陣圖法，叫做矩陣數據分析法。在QC新七種工具中，數據矩陣分析法是唯一種利用數據分析問題的方法，但其結果仍要以圖形表示。

　　數據矩陣分析法的主要方法為主成分分析法（Principal component analysis），利用此法可從原始數據獲得許多有益的情報。主成分分析法是一種将多個變量化為少數綜合變量的一種多元統計方法。

　　矩陣數據分析法，與矩陣圖法類似。它區别于矩陣圖法的是：不是在矩陣圖上填符号，而是填數據，形成一個分析數據的矩陣。

　　它是一種定量分析問題的方法。目前，在日本尚廣泛應用，隻是作為一種“儲備工具”提出來的。應用這種方法，往往需求借助電子計算機來求解。

矩陣數據分析法的原理

　　在矩陣圖的基礎上，把各個因素分别放在行和列，然後在行和列的交叉點中用數量來描述這些因素之間的對比，再進行數量計算，定量分析，确定哪些因素相對比較重要的。

矩陣數據分析法的應用時機

　　當我們進行顧客調查、産品設計或者其他各種方案選擇，做決策的時候，往往需要确定對幾種因素加以考慮，然後，針對這些因素要權衡其重要性，加以排隊，得出加權系數。譬如，我們在做産品設計之前，向顧客調查對産品的要求。利用這個方法就能确定哪些因素是臨界質量特性。

和其他工具結合使用

　　1.可以利用親和圖（affinity diagram）把這些要求歸納成幾個主要的方面。然後，利用這裡介紹進行成對對比，再彙總統計，定量給每個方面進行重要性排隊。

　　2.過程決策圖執行時确定哪個決策合适時可以采用。

　　3.質量功能展開。兩者有差别的。本辦法是各個因素之間的相互對比，确定重要程度；而質量功能展開可以利用這個方法的結果。用來确定具體産品或者某個特性的重要程度。

　　當然，還有其他各種方法可以采用，但是，這種方法的好處之一是可以利用電子表格軟件來進行。

如何使用矩陣數據分析法

　　下面通過例子來介紹如何進行矩陣數據分析法。

　　1、确定需要分析的各個方面。我們通過親和圖得到以下幾個方面，需要确定它們相對的重要程度：易于控制、易于使用、網絡性能、和其他軟件可以兼容、便于維護。

　　2、組成數據矩陣。用Excel或者手工做。把這些因素分别輸入表格的行和列，如表所示。

　　3、确定對比分數。自己和自己對比的地方都打0分。以 “行”為基礎，逐個和“列”對比，确定分數。“行”比“列”重要，給正分。分數範圍從9到1分。打1分表示兩個重要性相當。譬如，第2行“易于控制”分别和C列“易于使用”比較，重要一些，打4分。和D列“網絡性能”比較，相當，打1分。…………如果“行”沒有“列””重要，給反過來重要分數的倒數。譬如，第3行的“易于使用”和B列的“易于控制”前面已經對比過了。前面是4分，現在取倒數，1/4=0.25。有D列“網絡性能”比，沒有“網絡性能”重要，反過來，“網絡性能”比“易于使用”重要，打5分。現在取倒數，就是0.20。實際上，做的時候可以圍繞以0組成的對角線對稱填寫對比的結果就可以了。

　　表1：矩陣數據分析法

　　4、加總分。按照“行”把分數加起來。在G列内得到各行的“總分”。

　　5、算權重分。把各行的“總分”加起來，得到“總分之和”。再把每行“總分”除以“總分之和”得到H列每個“行”的權重分數。權重分數愈大，說明這個方面最重要，“網絡性能”34.9分。其次是“易于控制”26.2分。

矩陣數據分析法案例分析

案例一：矩陣數據分析法在軟件項目中的應用[1]

　　軟件缺陷的産生是由多方面的因素造成的，缺陷數據反映了開發過程中多個因素相互作用的對應關系。在實施了多個軟件項目的開發以後，已經積累了一定數量的曆史缺陷數據，我們如何利用這些數據找到開發過程中容易産生質量問題的環節和因素呢?如果隻是粗略地看曆史統計數據，是很難看出各項目之間及項目的生命周期各階段的缺陷率的差異的。我們可以用這些曆史數據來設計一個矩陣，用矩陣數據分析法就能求出多個項目的各個階段産生缺陷率的高低，找到産生缺陷的關鍵因素，這樣可以幫助了解引入的缺陷，從而對新開發的項目會引入的缺陷數做出一個相當合理的預測，達到控制缺陷率，提高軟件質量的目的。随着實施的軟件項目數量的增加，收集到的缺陷數據越來越多，生成的矩陣越大，對未來缺陷率預測和控制的準确性也就越高，軟件整體質量呈螺旋式穩步上升。

　　下面通過一個例子來說明矩陣數據分析法在軟件缺陷管理中的具體應用。為了确定軟件缺陷主要出現在項目生命周期六個階段中的哪幾個階段，我們對n個開發項目進行統計，每個項目計算六個階段的缺陷密度，為了驗證結果重複性，又将這n個項目分為Ⅰ、Ⅱ兩組，每組n／2個項目，然後對數據求均值、标準差、相關系數、特征值、特征向量，得出三個主成分，也就确定了項目生命周期中出現大部分缺陷的幾個階段，為改進項目薄弱環節提供依據。詳細步驟如下：

　　①将以往軟件項目積累的曆史缺陷數據進行分類、統計列表。各項目在生命周期各階段的曆史缺陷率數據見表3。

　　② 根據表3數據計算均值、标準差和相關系數，計算結果見表4。

　　③根據相關系數矩陣(表4)求特征值、特征向量和貢獻率。由于計算量很大，方程的計算用計算機完成。計算結果見表5。

　　④ 分析計算結果。貢獻率代表主成分的影響程度，數值越大代表性越大，特征向量表示項目與該主成分的關系。從表5可看到，第一、二、三主成分的貢獻率達90．4％ ， 已代表所有變量的絕大部分，也就是說在項目開發過程中，軟件缺陷主要出現在項目生命周期的需求、構架和設計階段。這樣由上述的主成分分析，找到了容易出現軟件缺陷問題的階段，在以後的改進過程中把注意力集中到特征值大的方面來，就可以有效地控制、預防軟件缺陷問題。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!