新QC七大手法之一矩阵数据分析法的一生

矩阵数据分析法
简称：
典型应用对象：矩阵图后各种方案选择，做决策的时候
定义1：是对矩阵图的数据进行整理和分析的一种方法。

这种方法主要用于影响产品质量的多因素分析、复杂的质量评价。

定义2：在矩阵图的基础上，把各个因素分别放在行和列，然后在行和列的交叉点中用数量来描述这些因素之间的对比，再进行数量计算，定量分析，确定哪些因素相对比较重要的。

变体：
发明人：
主要发明人介绍：
早期01：一种定量分析问题的方法。

目前，在日本尚广泛应用，只是作为一种“储备工具”提出来的。

应用这种方法，往往需求借助电子计算机来求解。

早期02：
早期03：
早期04：
早期05：
早期06：
早期07：
发展01：对矩阵图交叉点关系进行数据量化
发展02：与矩阵图法类似。

它区别于矩阵图法的是：不是在矩阵图上填符号，而是填数据，形成一个分析数据的矩阵。

发展03：
发展04：
发展05：
发展06：
发展07：
发展08：
概念01：
数据矩阵分析法是唯一种利用数据分析问题的方法，但其结果仍要以图形表示
概念02：
概念03：
应用工具：亲和图（KJ法）、过程决策程序图法（PDPC法）、QFD法（Quality Function Deployment，质量功能展开）
详细步骤如下：
①将以往软件项目积累的历史缺陷数据进行分类、统计列表。

②根据表数据计算均值、标准差和相关系数。

③根据相关系数矩阵(表4)求特征值、特征向量和贡献率。

由于计算量很大，方程的计
算用计算机完成。

④分析计算结果。

贡献率代表主成分的影响程度，数值越大代表性越大，特征向量表示项目与该主成分的关系。

从表可看到，第一、二、三主成分的贡献率达90．4％，已代表所有变量的绝大部分，也就是说在项目开发过程中，软件缺陷主要出现在项目生命周期的需求、构架和设计阶段。

这样由上述的主成分分析，找到了容易出现软件缺陷问题的阶段，在以后的改进过程中把注意力集中到特征值大的方面来，就可以有效地控制、预防软件缺陷问题。

优点：
缺点：。