Hvordan Mine din Six Sigma Data for Insight

Data mining er akkurat det navnet tilsier - det er arbeidsmarkedet graving og sortering gjennom Six Sigma data for ledetråder til hvor forbedrings gems kan ligge. Noen ganger må du gå gjennom en masse skitt å finne gems. Lete etter ledetråder i data er ikke mye annerledes.

Observasjonsstudier

Hvor skal du begynne søket for forbedringstiltak gems? Og hva er verktøy av handelen? Six Sigma utøvere har videreutviklet data mining prosessen til en effektiv, kraftig sett med verktøy.

Data, data overalt

En verden av potensielle data finnes alt rundt deg. Vurdere ting som

• Antallet pakker papir firmaet bruker i sitt kopisenter varierer fra dag til dag.
• Hvert klasserom inneholder et ulikt antall studenter.
• Forskjellige personer arbeider på en enkelt prosesstrinn, avhengig av deres daglige oppdrag.
• Matehastigheten for en fresemaskin er justert avhengig av oppgaven.

En måte å umiddelbart benytte seg av denne hurtigbuffer med informasjon er å bare begynne å observere alle mulige input og output variabler i ditt forbedringsprosjekt og ta dem.

Observasjonsstudier

Tenker, grubler over, og sondering innspilte observasjoner er en velprøvd vei til økt forståelse. I Six Sigma, er disse aktivitetene kalles observasjonsstudier. Observasjonsstudier dreier seg om å analysere variasjonen i den observerte kritisk utgang eller utganger og undersøke hvilken input variabler at variasjon er knyttet til. Hva du leter etter er potensielle kilder til variasjon.

Potensielle kilder til variasjon gjennom grafisk analyse

Å undersøke om en observert inngang har en effekt på en observert utgang, du opprette et sett med boks og whisker plott av den kritiske utgang, med hver boks og plott som tilsvarer en annen tilstand av input variabel. Flere dataprogrammer - inkludert Minitab, JPM, og Microsoft Excel - automatisk opprette disse plott (se del V).

Et eksempel

For eksempel, ser du en delvis liste over de innsamlede dataene for en transaksjonsprosess. Nøkkelen utgang (Y) er hvor mange elementer per time blir produsert. Den store nett av mulige input variabler omfatter avdelingen utfører transaksjonen (X _1), den time på dagen hvor transaksjonen ble behandlet (X _2), behandlingssystemet som brukes (X _3), og den faktiske personen som utfører transaksjonen (x _4).

Hvilken effekt har prosessoren (X ₄₎ har på elementene i timen utgang (Y)?

Har Bob, Joan, eller Sally har mye innflytelse på de elementene som utføres per time? Fra grafisk visning, kan du tydelig se at antall elementer overført per time er omtrent den samme for hver operatør; de har omtrent samme gjennomsnittsnivå og omtrent samme mengde av variasjon. Dette resultatet forteller deg at prosessoren variabelen (X ₄₎ er ikke en sentral bidragsyter til utgangen variasjon.

Statistikere ved hjelp av avanserte teknikker numerisk beregne variasjon mellom sentrene av variasjon for hver av de ulike X ₄ forhold og kaller denne verdien til mellom gruppen Vari en sjon. De deretter utføre en tilsvarende beregning for å kvantifisere gjennomsnittlig bredde på variasjon for hver enkelt tilstand og kalle den verdien det innenfor gruppen variasjon.

Hvis det mellom gruppen variasjonen er stor i forhold til den innenfor gruppen variasjon, konkluderer de med at undersøkt variable gjør faktisk påvirker produksjonen. Boksen og whisker metoden er bare en enkel og intuitiv måte å oppnå det samme og samtidig dempe all matematikk og tekniske.

Hva om avdelingen utfører transaksjonen (X _3)? Bidrar det til utgangen?

Grafisk, kan du raskt se at forskjellen mellom sentrene av variasjon fra avdeling A og avdeling B er signifikant sammenlignet med gjennomsnittlig bredde på variasjon innen avdelingene. Denne variasjonen forteller deg at avdelingen utfører transaksjonen har noen innflytelse på produksjonen. Denne variabelen vil passere gjennom trakten og undersøkes nærmere for bevis.

En annen måte å utføre observasjonsstudier er gjennom korrelasjonsberegninger. Disse beregningene gi deg samme innsikt, men er ikke grafisk, slik at de er vanskeligere å bruke og tolke.

Ytterligere studier

Mange andre verktøy står til din disposisjon når du utfører observasjonsstudier, blant annet følgende:

• Multi-variable studier: Multi-vari studier, som navnet blir ofte forkortet, tillate deg å undersøke effekten av flere input variabler om gangen på en kritisk utgang.
• Hovedeffektene tomter: Hoved effekter tomter er en grunnleggende grafisk teknikk. De er en svært enkel og effektiv måte å utforske prinsippet effekten av en variabel og dens ulike nivåer på en kritisk utgang.
• Samspillseffekter tomter: Noen ganger, ikke en variabel av seg selv ikke ha en stor innvirkning på en utgang. Men når du kombinerer det med andre variabler, har kombinasjonen en betydelig innflytelse kalt en interaksjonseffekt. For eksempel, legger egg i seg selv til en kake batter ikke umiddelbart innvirkning kaken tekstur. Men legger egg i røren og varme den i en ovn produserer en yummy dessert.

Hver av disse ekstra observasjonsstudier er tilgjengelig i de fleste off-the-sokkel Six Sigma programvarepakker (se del V). Denne tilgjengeligheten gjør utfører disse analysene automatisk mye enklere, og gir deg en stor fordel i forhold til dine forgjengere.