如何做一个好报告模板

如何做一份好的报告谢宝军原料药事业部川南二分厂401室2013.5.4Slide2替老板思考-Don’tMakeMeThink看不懂Slide3理念Slide4解决问题的流程客户调查背景分析项目立项成立团队建立计划现场巡查收集数据测量基线可视化数据确立因果关系验证量化原因探索解决方案检验解决方案选择最优方案规避风险制定实施方案确定管理计划和责任制定长期跟踪计划项目总结Slide5具备一个好的框架Slide6基于可靠准确的数据Slide7紧密严谨的推理逻辑Slide8简要，通俗易懂的图表苹果Slide9精简明确的结论Slide10报告体现业务价值Slide11报告结构Slide12研究报告清晰描述整份报告的主要信息0.报告概述研究的前期工作，研究目的1.背景介绍实验设备，材料，过程或工艺2.实验部分数据分类汇总3.实验结果利用文字和图表对结果进行分析4.结果分析总结整分析内容并制定后续计划5.研究结论Slide13研究报告【范例】：可行性报告发致：抄送：雒总董事长页数：日期：52012-11-15关于：喷雾干燥后续工作的事宜1.喷雾干燥背景：1.1.喷雾干燥介绍喷雾干燥是将原料通过液用雾化器分散成雾滴，并用热空气（或其他气体）与雾滴直接接触的方式而获得粉粒状产品的一种干燥过程。喷雾干燥具有干燥速度快，适用于热敏性物料，颗粒度控制方便等优点。虽然因为早期此工艺热效率低的缺点，只在价格高的乳制品和高热敏性的生化制品领域有较多应用，但喷雾装置和工艺的不断完善，喷雾干燥已经广泛的应用于原料药，中药提取物，和西药制剂等的生产，可应用品种包括阿莫西林、安比西林、双氢链霉素、卡那霉素、维生素A、E、B12、荷尔蒙、烟酸、蛋白酶等。下图为离心干燥原理图和典型的喷雾干燥设备的照片。1.2.喷雾干燥结构和类型喷雾干燥系统一般由干燥室、喷雾器、热空气分配装置、进风机、空气过滤器、空气加热器、进料装置、粉尘回收装置及排风机。按流程可分为：开放式（适用于水为介质）、封闭循环式（适用于有机溶剂为介质）；Slide14项目报告0.内容摘要质量分析2.项目总结成本分析产能成本1.结果分析单耗分析进度分析安环分析其他分析3.数据附件Slide15项目报告【范例】：卡马西平5H-二苯并[b,f]氮杂卓-5-甲酰胺生产总结2012年4月–2013年3月卡马西平半成品(IP)12-001~12-017,13-001卡马西平成品(DS)12-001~12-006,13-001~13-005项目经理:____________________车间主任:____________________QC经理:_____________________QA经理:_____________________Slide16可视化数据类概念类饼形图条形图柱状图线形图散点图组织图要素图流程图矩阵图地图Slide17数据分析1.数据类型和数据分析概念Slide18数据类型--概念离散连续定性定量便宜，昂贵高，中，低批数：1,2,3合格率：85%温度：15.3度重量：10.23kg时间：1.5h•计数数据（观察到具同一属性的就可计入）•在十进制没有意义的地方（如4.5个事件）•比例•测量数据（测量精度决定数据位数）•其尺度范围与单位量都有意义Slide19数据类型—信息量不同赚钱亏本101010-100100100-10-10一分厂二分厂离散数据连续数据Slide20数据类型--描述方法离散数据通常用比例来描述(%,ppm)连续数据集中趋势测量均值=中位数离散度测量极差=标准偏差=用于指标评价：一组数据可用几个指标代替Slide21数据类型--图示方法X（影响因素）离散连续Y（结果）离散条形图，饼图，柏拉图分组频率图连续分组频率图散点图Slide22数据分析的意义数据分析的目的报告的终极目的是要：检查监督，作出决策。数据分析需要从结果出发，将影响因素X和结果Y关联起来，发现问题并解决问题。报告写作的误区罗列了大量的原始数据，但没有进行数据分析数据没有进行甄选，充满了无用的数据或图表报告可视性较差，多是文字描述Slide23数据分析方法简单分析因果分析差异分析•分类•排序•频次•因果图•主效应•回归•变异•箱线图•假设检验Slide24数据分析1.简单分析Slide251.1分类分析【概念】：分类法是所有手法中最基本的概念，即将多种多样的数据，因应用目的的需要分类成不同的“类别”，使之方便以后的分析【用途】：可用于不同类别数据间的对比分析或单一整体组成分析【图表】：条状图或饼图【范例】：不同设备操作时间比较（左），产品成本组成（右）设备1设备2设备3设备4目标实际0102030405060Slide261.2排序分析【概念】：遵循80/20原则，80%的问题由20%的原因导致。【用途】：用于找出问题的主要原因【图表】：柏拉图（将数据进行分类汇总后，按从大到小依次排序）【范例】：设备故障次数分析（找出最常见故障）Slide271.3频次分析【概念】：频数法是将不同区间数据按照发生频率分析的方法，【用途】：检查一组数据集中趋势和离散程度，分析其过程是否正常【图表】：直方图。【范例】：检查年度产品收率情况是否正常05101520253070%72%74%76%78%80%82%84%86%88%孤岛型直方图双峰型直方图折齿型直方图绝壁型直方图Slide28数据分析2.因果分析Slide292.1因果图【概念】：分析多个影响因素（X）对结果（Y）的影响，找出主要影响因素（定性）【用途】：利用图解法头脑风暴，找出其原因来【图表】：鱼骨图【范例】：呆滞库存产生的原因呆滞库存客户市场环境库存管理模式问题仓储库存管理方面出版社问题采购管理问题未作先进先出管制未作库存管制库存帐不准延迟交货印刷错误无理性采购决策未严密按照应采购量销售期已过定量法安全存量营销法客户取消订单Slide302.2回归分析【概念】：建立回归方程。对存在相关关系的变量，确定自变量和因变量，用数学模型来拟合它们的关系。【用途】：检查两组数据间是否有因果关系【图表】：散点图【范例】：pH与收率和杂质的关系6.26.16.05.95.85.75.65.588868482807876pHYieldYieldvspH6.26.16.05.95.85.75.65.50.400.350.300.250.200.150.10pHPeak4reduced%Peak4reduced%vspHyxyyxxr))((:相关系数Slide312.2回归分析【用途】：检查两组数据间是否有符合既定数学模型【范例】：液体是否符合假塑性的模型Slide322.2回归分析-注意事项统计出缬沙坦的收率（Y），分析其与夏季平均气温的关系（X）结论得出：气温越高，收率越高？如果没有收集足够的数据，则主因素可能被次要因素“淹没”相关与因果并不对等Slide332.3主效应分析【概念】：分析多个影响因素（X）对结果（Y）的影响，找出主要影响因素【用途】：实验设计中的因素分析，比如“反应温度”，“反应时间”，“加料量”不同情况下对杂质的影响【图表】：主效应图【范例】：不同金属，不同烧结时间对金属强度影响Slide342.4变异分析【概念】：研究分析流程中的参数随时间发展变化的规律，找出正常波动外特殊变异的方法【用途】：1.检查过程是否可控2.及时发现过程中的异常现象3.了解过程的制程水平【图表】：控制图（SPC）Slide352.4变异分析-变异的类型特殊原因处理一般原因处理一般原因变异系统本身造成，随机变化的噪音受控，可预测，稳定特殊原因变异外来原因造成，非随机的信号不可控，不可预测，不稳定针对特殊原因：正确反应就是立即采取行动，弄清这次究竟有什么不同针对一般原因：正确方法就是在特定事件上不要寻求细节，也不要对单一观察结果有什么反应。而应致力于改善流程，Slide362.4变异分析--一般原因/特殊原因Slide372.4变异分析--一般原因/特殊原因Slide382.4变异分析--一般原因/特殊原因Slide392.4变异分析--一般原因/特殊原因Slide402.4变异分析--一般原因/特殊原因Slide412.4变异分析--单值控制图控制限（CL）由数据计算得到，是过程实际波动的范围规格限（SL）是客户提出，是过程允许波动的范围控制限（CL）规格限（SL）,说明过程可以很好的满足客户需求，反之则说明此过程废品率较高，需要进行工艺改进Slide422.4变异分析—规格限和控制限的关系105040302010504830171050403020控制限（CL）规格限（SL）工艺水平高，管理水平高工艺水平高，但管理水平差工艺水平差，管理水平高Slide432.4变异分析—常见特殊变异判据Slide442.4变异分析—范例【范例】：产品干燥失重（LOD）随批次变化的情况Slide452.4变异分析—范例【范例】：产品杂质在进行技术改进前后的变化计算新的控制界限需要满足三个前提条件流程的变化可以用统计学证据证明你已经知道为什么发生变化（技术改进项目）你要确信流程会持续变化，至少得到24个新数据Slide46数据分析3.差异分析Slide47【概念】：箱线图（Boxplot）也称箱须图（Box-whiskerPlot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法【用途】：1）用于直观描述一组数据的集中趋势和分散度，2）发现异常数据3）并可用于简单的数据组的对比3.1箱线图中位数上四分位数下四分位数最大值最大值最小值异常值Slide483.1箱线图【范例】设备不同操作时间的差异分析Slide49【概念】：1.假设检验亦称“显著性检验是用来判断两组数据之间的差异的差异是显著的（本质区别）还是随机偶然发生的（统计误差或取样误差）。2.其基本原理是先对总体的特征作出某种假设，然后通过统计推理，对此假设应该被拒绝还是接受作出推断。【用途】：1车间是否比2车间的收率高？耙式干燥是否比双锥干燥时间短？工艺改进后是否杂质变小或变稳定？3.2假设检验Slide503.2假设检验-范例某车间生产一个产品，根据历史数据知，其杂质1为1.6%,标准差为0.32%。现采用新设备进行生产，随机抽取10批进行监测，结果平均杂质为1.35%。试问在α＝0.05的前提下，采用新设备前后，杂质有无明显差异？可建立假设如下：原假设H0：=16备择假设H1：16检验统计量Z仍为－2.47。由于−Zα＝－1.64，Z−Zα，落入了拒绝域，因此要拒绝H0，因此标明采用新设备后，杂质有明显差异Y轴杂质水平新新新新新新Slide51谢谢