ISO 10017: ISO 9001: 2000 için İstatistiksel Teknikler Rehberi'nde belirtildiği üzere, bu belgenin amacı, kuruluşların Sürekli İyileştirme sürecinde faydalı olabilecek veri analizi tekniklerini belirlemelerine yardımcı olmaktır. ve karşılaştıkları çeşitli sorunları çözmede.
Çoğu süreçte en büyük düşman, ürünlerin ve süreçlerin ölçülebilir özelliklerinde gözlemlenebilen ve ürünlerin yaşam döngüsünün tüm aşamalarında var olan değişkenliktir, her kuruluşun amacı onların kontrolüdür..
Histogram, korelasyon analizi vb. Gibi istatistiksel teknikler, nispeten sınırlı miktarda veriyle bile değişkenliği ölçmeye, tanımlamaya, analiz etmeye, yorumlamaya ve modellemeye yardımcı olabilir. Bu tür verilerin istatistiksel analizi, değişkenliğin doğası, kapsamı ve nedenlerinin daha iyi anlaşılmasına yardımcı olabilir. Bu, bu tür değişkenlikten kaynaklanabilecek sorunları çözmeye ve hatta önlemeye yardımcı olabilir.
Sürekli iyileştirme-aracıBurada sunulan teknikler, karar vermeye yardımcı olmak için mevcut verilerin daha iyi kullanımına izin verebilir ve sonuç olarak müşteri memnuniyetini sağlamak için ürün kalitesini ve süreçlerini iyileştirebilir. Bu teknikler geniş bir faaliyet yelpazesi için geçerlidir.
Amacımız, kuruluşların veri analizi ve problem çözme için bazı uygun istatistiksel teknikleri öğrenmelerine yardımcı olmaktır.
Seçilen tekniklerin her biri için , "tekniğin" ne olduğu, " ne için kullanıldığı " ve " temel faydalarının " ne olduğu tanımlarını ekliyoruz. Ayrıca bazı " sınırlamalar " a ve " uygulama örneklerine " dikkat çekmenin yanı sıra, her bir aracı "geliştirmenin bir yolunu " ve kullanımıyla ilgili bazı " ipuçlarını " öneriyoruz. Bu belgeyi hiçbir zaman benzersiz veya ayrıntılı olarak görmüyoruz, bunun yerine okuyucuyu ISO 10017 standardının kendisi gibi başka bilgi kaynaklarını aramaya ve burada sunulan tekniklerin uygulanması ve kullanımında profesyonel yardım aramaya davet ediyoruz. Grupo Kaizen SA, bu konularla ilgili kurslar sunmaktadır.
Okuyuculardan, Grupo Kaizen SA'nın bir yararı olarak iş dünyasına ücretsiz olarak sunduğumuz materyali zenginleştirmeye yardımcı olabilecek örnekler, faydalar, sınırlamalar ve diğer konularla işbirliği yapmalarını istiyoruz.
Neden Etki Analizi uygulama talimatı
- Bu ne:
Belli bir problemi nitel bir şekilde etkileyen nedenleri tanımlamaya izin veren, balık kılçığı şeklinde grafik bir temsildir. Sebep-sonuç diyagramı, yaratıcısının adından sonra balık kılçığı diyagramı veya Iskikawa diyagramı olarak da bilinir.
- Ne için kullanıyorsun:
Belli bir sorunu etkileyen nedenlerin ve sonuçların ilişkisini sistematik bir şekilde keşfetmeye çalışır.
Ek olarak, nedenleri farklı dallara veya 4 M olarak bilinen ana nedenlere ayırmaya izin verir: Yöntem, İşçilik, Makine, Malzemeler. Bazı durumlarda, Orta ve Kontroller gibi diğer M'ler de dahil edilir, ancak başlangıçta önerildiği gibi 4'ü fazlasıyla yeterli.
- Yararları:
En büyük yararı, bir sorunu etkileyen nedenlere sistematik bir şekilde odaklanmaya ve bu nedenlerle incelenen sorun arasındaki karşılıklı ilişkileri net bir şekilde kurmaya ve ana nedenleri birincil, ikincil ve üçüncül nedenlere ayırmaya izin vermesidir.
- Sınırlamalar ve Uyarılar:
Analize dahil olan kişilerin ön bilgilerine çok bağlıdır. Ayrıca bazen önemli olmayan belirli bir nedeni nereye yerleştirmek zordur.
İlişki özneldir, dolayısıyla bunların gerçekten sorunun kaynağı olan nedenler olduğu söylenemez.
- Uygulama örneği: Geç teslimatların nedenleri
Ürün kusurları
Hizmet sunumundaki hatalar
Üretim Sorunları
- Ayrıntılı olarak açıklandığı gibi:
Bir kağıt yaprağının sağ tarafında bir kutu içine alınarak bir sorun seçilir ve not edilir. (Sağ tarafa yazmak, yalnızca yaratıcısı Japon kökenli, sağdan sola yazdığını bildiğimiz Kaouru Iskikawa'nın yönergelerine uyarak yapılır).
Daha sonra problemin kapalı olduğu kutunun sol tarafına bir balık iskeletinin omurgası gibi yatay bir çizgi çekilir. Ardından sorunu etkileyen başlıca nedenler büyük dikenler veya çizgiler şeklinde yazılır ve bir kare içine alınır.
Ana nedenler şunlardır: Malzemeler (Hammadde, Bilgi, belgeler), Makine (Ekipman, Yazılım), Yöntem (Prosedürler, talimatlar), İşçilik (Personel, merkez).
Birincil nedenleri etkileyen ikincil nedenler yazılır ve ardından üçüncül nedenler yazılır.
Bazen her faktöre önem verilir ve soruna dahil olanların görüşlerine göre, sorun üzerinde önemli bir etkiye sahip olduğu görülen özellikle önemli olanlar işaretlenir. Daha sonra göreceğimiz Teftiş Formu ile veri toplayarak ilişkiyi doğrulamanız tavsiye edilir.
7 İpuçları
Potansiyel hayal kırıklıklarından kaçınmak için grubun kontrolünün ötesine geçmemeye dikkat edin. Fikirlerin gelmesi yavaşsa, yardımcı olmak için birincil nedenleri kullanın: Belgelerin (materyallerin) nedeni nedir?
Kısa ve öz olun, birkaç kelime kullanın.
Sorunu en iyi tanımlayan ifade üzerinde herkesin hemfikir olduğundan emin olun.
Kendinize sorun: Bu neden neden oluyor?
Tarih, yapan, işlem vb. Gibi gerekli bilgileri etiketleyin.
NEDEN-ETKİ ŞEMASI
Muayene Sayfasının uygulanması için talimat
- Bu ne:
Analiz edilen problem hakkında veri toplamak için kullanılan bir araçtır. Basit bir format tasarlayarak, göstergeler, sorunların nedenleri vb. Hakkında bilgi toplanır. Aynı zamanda Doğrulama Formu veya Kontrol Formu olarak da bilinir.
Bir şeyin kaç kez gerçekleştiğini gösteren bir bilgi kaydındaki inceleme sayfası, örneğin kasada saat başına hizmet verilen kişi sayısı, destekçilerin yanıt süresi, iade edilen kontrollerin nedenleri, reddedilen başvuruların nedenleri, kusurlar ürünler vb.
Biçim aşağıdaki bilgileri içermelidir:
- Servis, verinin başvurduğu departman Toplama tarihi ve gerekirse saat
Verilerin özelliklerini ve toplama formatını belirlemek için bilgiye verilecek kullanımın belirlenmesi çok önemlidir.
- Ne için kullanıyorsun:
Bu format türünde, sorunların olası nedenlerinin ortaya çıkma sıklığını veya müşterilerin belirli bir dönemde ortaya çıkma sıklığını bilmek ve bir müşteriye veya bir müşteriye hizmet vermek için geçen süreyi kaydetmek için kullanılır. istek. Ürün ağırlıklarını, fırın sıcaklıklarını vb. Toplamak için de kullanılabilir.
- Yararları:
İyi yapılandırılmışsa, bilgiyi kaydeden kişinin işini kesintiye uğratmaması için basit ve pratik bir şekilde bilgi toplamanıza olanak tanır.
Soruyu cevaplayalım Ne zaman olur? Nerede oluyor? Nelerden oluşuyor? Neden oluyor? Nasıl oluyor? Ne sıklıkla ? yanı sıra verilerin kaynağı (Ürün türü, İşlem, kutu, departman ve verileri alan kişi).
Bilgilerin tablo haline getirilmesini kolaylaştırır.
- Sınırlamalar ve Uyarılar:
Bilgilerin gerçek zamanlı olarak kaydedilmesine özen gösterilmelidir; bu, inceleme sayfası iyi tasarlanmamışsa sorun olabilir.
Uygulama örneği:
Geç teslimatların nedenleri
Ürün kusurları
Hizmet sunumundaki hatalar
Kontrollerin hazırlanmasındaki hatalar, yazım hataları
ATM'lerde işlem süreleri
Müşterilerin yüz yüze veya telefonla geliş sıklığı
Fırın sıcaklığı
Ürünler ağırlığı
- Ayrıntılı olarak açıklandığı gibi:
Doğrulama veya inceleme sayfası, bilginin kullanıcısının ihtiyaçları kadar karmaşık veya basit olabilir.
Toplamanız gereken bilgi türünü belirleyin.
Sorularınızı yanıtlamak için doğru miktarda bilgi oluşturun.
Elinizdeki bilgileri mümkün olduğunca kullanın
Tek bir veri toplama metodolojisi oluşturun ve bunu nasıl özetleyeceksiniz Gerekirse metodolojiyi yönlendirin ve ayarlayın
- İpuçları
Veri toplama sürecinin verimli olduğundan emin olun, böylece insanlar bunu yapmak için zamana sahip olsun.
Toplanacak veriler homojen olmalıdır (aynı kutu, aynı ürün, aynı vardiya, aynı makine) aksi takdirde verileri katmanlara ayırmanız (gruplama) gerekecektir.
Teftiş Sayfasını derlemek için Neden - Sonuç Şemasındaki bilgileri kullanın.
Gerekli tüm bilgileri (Tarih, Departman, İşlem, Kişi, Vb..) tamamlamayı unutmayınız.
DENETİM BELGESİ
Pareto Analizinin uygulanması için talimat
- Bu ne:
Birkaç "hayati" olanı birçok "önemli" olandan tanımlamanın ve ayırt etmenin veya belirli bir sorunu etkileyen bir dizi neden veya faktöre öncelik vermenin bir yoludur; bu, bir grafik veya tablo gösterimi aracılığıyla bir daha sık ortaya çıkan veya daha büyük bir insidansa veya ağırlığa sahip olan yönleri giderek azalır.
Ayrıca "pasta" tipi grafik gibi diğer format türlerinde de sunulabilir.
Pareto analizi, «genellikle birkaç nedenin (% 20) en çok sorunu (% 80) oluşturduğunu söyleyen Kanun 20-80 olarak da bilinir. Envanter analizi için kullanılan ABC Yasası olarak da bilinir.
Kökeni, Orta Çağ'da İtalyan iktisatçı Wilfredo Pareto'nun insanların gelirleri üzerine yaptığı araştırmalardan kaynaklanmaktadır.
- Ne için kullanıyorsun:
Bir sorunun nedenlerini analiz etmede en büyük çabaların nerede yoğunlaştırılması gerektiğini belirlemek için kullanılır. Bu, birçoğu bir Teftiş Sayfası kullanılarak elde edilebilen verileri gerektirir. Aşağıda Vital Client Selection içinde bir uygulama örneği bulacaksınız.
- Yararları:
En büyük yararı, sorunu gerçekten etkileyen nedenlere odaklanmanıza veya müşteriler tarafından yapılan satışları, ürünlere göre vb. Analiz etmek gibi çabaların nerede yoğunlaştırılması gerektiğini belirleyebilmenizi sağlamasıdır.
- Sınırlamalar ve Uyarılar:
Hacimli miktarda bilgi kullanırken, bir bilgisayar kullanımını gerektirir ve grafik gösterimi, yeterli bir temsil için daha fazla beceri gerektirir. Bir sınırlama, en sık veya maliyetli olayların her zaman en önemli olmadığıdır: ölümcül bir kaza 100 parmak kesiminden daha fazla dikkat gerektirir.
- Uygulama örneği: Geç teslimatların nedenleri
Ürün kusurları
Hizmet sunumundaki hatalar
Üretim Sorunları
ABC Envanter Analizi
Müşteri Analizi
Kaza analizi.
- Ayrıntılı olarak açıklandığı gibi:
Nedenlerin, ürünlerin veya müşterilerin listesi, nedenlerin her birinin oluşma sıklığına veya müşteriler veya ürünler tarafından yapılan satış hacmine göre azalan sırada (En yüksekten en düşüğe) sıralanır. Ürünler veya müşteriler söz konusu olduğunda bunu aynı ölçü biriminde yapmak önemlidir. En uygun olanı parasal değerdedir.
Her kategorinin ayrı ayrı yüzdesi, her birinin değerini toplam neden veya ürün sayısına bölerek hesaplanır.
Birikmiş yüzde, birikmiş formdaki her bir öğenin yüzdelerini azalan sırada ekleyerek hesaplanır.
Ürün bazında veya müşteriler tarafından yapılan satışların analizi için kullanılıyorsa, aşağıdaki kural geçerlidir:% 80'e kadar birikmiş değer içinde kalan ürünlere A denir.% 80.001'den% 95'e çıkan aşağıdaki ürünlere % B olarak adlandırılır ve% 100'ü tamamlayana kadar geri kalanı C olarak adlandırılır. Bu, incelenen ürünlerin yaklaşık% 20'si toplamın% 80'ini oluşturduğu için ABC Yasası veya 20-80 Yasası olarak bilinir. satış.
Grafiği çizin:
Bir çubuk grafik kullanarak, nedenleri yatay eksendeki (X) nedenleri ve sol dikey eksende (Y) belirli bir nedenin meydana geldiği değerleri veya frekansı not ederek en yüksekten en düşüğe doğru sıralayın. Yüzde, sağ dikey eksende belirtilir. Excel, bu tür bir bileşik grafik oluşturmanıza olanak sağlar.
7) İpuçları
Tabloyu tarih, analiz edilen süreç, bilgileri toplayan kişiler gibi gerekli bilgilerle tamamlayın.
Sağduyulu olun - en sık görülen veya maliyetli olaylar her zaman en önemli değildir: ölümcül bir kaza, 100 parmak kesiğinden daha fazla dikkat gerektirir.
Ölçüm modelini açıkça tanımlayın ($,%, sıklık). İnceleme Sayfasındaki verileri kullanın.
PARETO ŞEMASI
NEDENLERİ
Hayati Müşterilerin Seçiminde Pareto Analizinin uygulanması için talimat
- Bu ne:
Müşteriler, ürünler, tedarikçiler, hizmetler vb. Olsun, şirket veya departman için hayati unsurları sınıflandırmaya izin veren bir tekniktir.
- Ne için kullanıyorsun:
Miktar, parasal değer vb. Açısından işlem hacmine bağlı olarak sınıflandırma yapmak için kullanılır. yanı sıra kritiklik veya önem derecesi.
- Yararları:
Nesnel olarak, öznellikten uzak bir şekilde, bir müzakere kurmak veya bir memnuniyet anketi yürütmek için şirketin veya departmanın daha fazla dikkat etmesi gereken unsurları (müşteriler, ürünler, tedarikçiler, hizmetler) sınıflandırmaya izin verir. Bu şema, kritiklikle birlikte bize yeni bir müşteri sınıflandırması sağlayabilen ABC olarak bilinen sınıftan daha yüksek bir sınıflandırma yapmamıza izin verir: Platin, altın ve gümüş veya alfa, beta, aralık ürünleri.
- Sınırlamalar ve Uyarılar:
Bir miktar öznellik yaratabilecek kritiklik veya önem derecesi açısından değil, işlem sayısı veya parasal değer açısından bir miktar belirlemek daha kolaydır.
- Uygulama örneği:
Servis anketleri geliştirmek için müşterileri sınıflandırın.
Bir hesap yöneticisine karma bir portföy atamak için müşteri sınıflandırması.
Müşterilerin kart teslimi için sınıflandırılması: platin, altın, gümüş.
Daha iyi yönetim veya satın alma politikaları veya envanter seviyesi oluşturmak için envanterdeki ürünlerin sınıflandırılması.
Finansal ürünlerin sınıflandırılması.
Sağlanan hizmetlerin sınıflandırılması.
Müzakereyi ayırt etmek için dahili müşterilerin sınıflandırılması.
- Ayrıntılı olarak açıklandığı gibi:
- ABC sınıflandırması: İşlem hacmine göre bir ABC sınıflandırması yapın. Pareto analizi talimatını kullanın. Sınıflandırma 123: ABC sınıflandırma Listesinden her biri kritiklik derecesine göre belirlenir (Şirket imajının önemi, departmanın faaliyetlerine etkisi, ürün eksikliğine neden olabilecek sorunlar, tedarikçiden uzaklık, (1) benzersiz bir sağlayıcıysa ve ikame yoksa, (2) benzersizse ancak ikameleri varsa, (3) benzersiz değilse ve çok sayıda ikame varsa). Aşağıdaki liste örneğine bakın. Kategori ayarlayın: Kategori, her müşteri, ürün veya tedarikçi için aşağıdaki şekilde oluşturulur: Platinum Müşteriler: A1.A2.A3.B1, C1, Gold Müşteriler: B2, B3, C2, Silver Müşteri: C3 veya Alpha ürünleri: A1.A2.A3.B1, C1, Beta ürünleri: B2, B3, C2, Gama ürünleri: C3.
(Müşteriler, ürünler, hizmetler, tedarikçiler) listesi
| ad | ABC | Kritikliği | Kategori |
| bir | iki | 3 | |
| TO | Alfa | Alfa | Alfa |
| B | Alfa | Beta | Beta |
| C | Alfa | Beta | spektrum |
A: Yüksek hacim
B: Orta hacim
C: Düşük hacim
1: Çok kritik 2: Kritik
3: Kritik değil
Platinum İstemciler: A1.A2.A3.B1, C1
Altın Müşteriler: B2, B3, C2
Gümüş Müşteri: C3
Alfa İstemcileri: A1.A2.A3.B1, C1
Beta İstemcileri: B2, B3, C2
Aralık Müşteri: C3
7) İpuçları
Dış müşterilerin bir sınıflandırması için, yapılan satış veya iş hacmi, envanterdeki ürünler (hammaddeler, girdiler veya bitmiş ürünler) için ABC sınıflandırmasını yapmanın iyi bir yolu olabilir, hem talep edilen miktar hem de birim fiyatı bir ürünlerin ortak bir para biriminde taşınması. Hizmetler söz konusu olduğunda, hem satış değeri hem de kara katkı değeri için olabilir.
Yukarıda belirtilen unsurlara ek olarak kritiklik derecesi, müşteriler açısından şirket için önem seviyesinden kaynaklanıyor olabilir (Satın alma hacmine bakılmaksızın, imajla ilgilenir: örneğin, şirket tercih edilen müşterilere kart teslim etmek isterse, Cumhurbaşkanı'nın işlem hacmi çok az olabilir ama kurumun onu ilk müşterisi olarak sayması ve kartı kendisine teslim etmesi çok önemli.
Bir departman, müşterilerini sınıflandırmanın yanı sıra mülakat yapmak için bir örneklem büyüklüğü belirlemek isterse, aşağıdaki ipuçlarını kullanabilir:
Örnek büyüklüğünün hesaplanması için talimatlar:
- Evrenin boyutu veya nüfusun boyutu: Örneğin, 50.000 nüfuslu bir şehirde yaşayanların bir örneğini hesaplıyorsanız, evren 50.000 olacaktır. Maksimum kabul edilebilir hata: ulaşmak istediğiniz olasılıksal doğruluktur. Ulaşmanız gereken istatistiksel doğruluk ve kabul etmeye istekli olduğunuz hata seviyesidir. Aralık% 1 ile% 20 arasında olabilir İstenilen Güven Düzeyi, sonuçlar için istenen kesinlik düzeyini belirlemek için kullanılır. Örneğin, ayarlanmış güvenilirlik seviyesi% 95 veya% 90 olabilir. Arzu edilen güven seviyesi, sonuçların güvenilirliğinden ne ölçüde emin olmanız gerektiğini belirler. Normal olarak,% 95 (20 hata olasılığında 1) veya% 90 (% 10 hata olasılığında 1) seçilir.Tüm değerler belirlendiğinde, elde edilen sonuç, oluşturduğunuz hata ve güven olasılık düzeylerine sahip bir evren veya nüfus.
Örnekler: Bir şirketteki çalışan nüfusunun büyüklüğüne göre dikkate alınacak örnek.
Nüfus büyüklüğü (Evren): 100
Maksimum kabul edilebilir hata
| Güven seviyesi | iki% | % 3 | % 5 |
| % 95 | 96 | 91 | 79 |
| % 99 | 97 | 95 | 87 |
Nüfus Büyüklüğü (Evren): 90
Maksimum kabul edilebilir hata
| Güven seviyesi | iki% | % 3 | % 5 |
| % 95 | 87 | 83 | 73 |
| % 99 | 88 | 86 | 79 |
Nüfus Büyüklüğü (Evren): 75
Maksimum kabul edilebilir hata
| Güven seviyesi | iki% | % 3 | % 5 |
| % 95 | 73 | 70 | 63 |
| % 99 | 74 | 72 | 67 |
Frekans Dağılımı ve Histogramın detaylandırılması için talimat
- Bu ne:
Açılış saatleri, bakım yanıt süresi, çimento mukavemeti, bir borunun kalınlığı, çaplar vb. Gibi bir süreçte yapılan ölçümlerin dağılımının temsil edilme şeklidir.
Frekans dağılımları yatay veya dikey çubuk grafik şeklinde sunulabilir, ancak grupların benzer veya homojen olması gerekir. Frekans dağılımının amacı, verileri analiz etmek ve belirli bir sürecin davranışı hakkında bilgi elde etmektir.
- Ne için kullanıyorsun:
Her kategorideki birim sayısının grafiğini çizerek verilerin dağılımını keşfetmeniz ve göstermeniz gerektiğinde kullanın.
Histogram, sıcaklık, ağırlıklar, boyutlar vb. Gibi ölçüm verilerini alır ve dağılımlarını gösterir. Tekrarlanan tüm olayların zamanla değişen sonuçlar üreteceğini bildiğimiz için bu önemlidir. Histogram, bir sürecin doğasında bulunan varyasyon miktarını gösterir. Histogram, bir sürecin değişkenliğini bilen ilk unsurdur.
Bir işlemin veya ürün grubunun verilerinin, bir popülasyonun yaşlarının vb. Nasıl dağıtıldığını bilmek için kullanılır.
Bir örnekten elde edilen verilerin popülasyona karar vermek için nasıl bir temel oluşturduğunu göstermeye izin verir.
Histogramda çok sayıda veriyi düzenlemek, popülasyonu nesnel olarak anlamamızı sağlar.
Bunun için bir Muayene Formu kullanılarak elde edilebilecek verilere sahip olmak gerekir.
3) Faydalar:
Müşterilerin spesifikasyonlarını veya gereksinimlerini karşılamak için bir prosesin kapasitesini bir histogram aracılığıyla grafiksel olarak göstermeye izin verir.
Bir sürecin nasıl davrandığının ve ne zaman özel varyasyon nedenleri olduğunun anlaşılmasını kolaylaştırır.
Genellikle bir histogram olarak, en fazla sayıda birimin merkezde olduğunu ve yaklaşık olarak eşit sayıda birimin her iki tarafa dağıtıldığını belirtir. İstatistiksel kontrol altındaki birçok rastgele veri örneği bu yöntemi izler.
Diğer veriler, tüm verilerin merkezden uzak noktalarda "yığılmış" olduğu dağılımları gösterir, bu tür dağıtım "çarpık" olarak bilinir. Normal olması gereken ve olmayan dağılımları bulacağımızı hatırlamak önemlidir; Aynısı önceden çarpık olduğu bilinen dağılımlarda da olabilir. Dağıtım şeklini bilmenin yanı sıra aşağıdakileri de öğrenebilirsiniz:
- Eğrinin "yayılması" spesifikasyon dahilindeyse. Değilse, bunların dışında kalan miktar (Değişkenlik) Eğri doğru yerde ortalanmışsa. Verilerin çoğunun yüksek tarafa mı yoksa düşük tarafa mı düştüğünü söyleyebiliriz. (Önyargı).
- Sınırlamalar ve Uyarılar:
Hacimli miktarda bilgi kullanırken, bir bilgisayar kullanımını gerektirir ve grafik gösterimi, yeterli bir temsil için daha fazla beceri gerektirir. Halka kontrollü değişkenlerde (sıvılar, bazı sıcaklıklar vb.)
- Uygulama örneği:
Belirli saatlerde dikkat çeken kişi sayısı sıklığı, Bakım, satın alma, personel gibi departmanların yanıt sürelerindeki sıklık, Çimentonun direnci, borunun kalınlığı, çapları, ağırlıkları vb. Gibi belirli değerlerin sunulduğu frekans.
- Ayrıntılı olarak açıklandığı gibi:
Bir Histogramın detaylandırılması için, talimatlarda, görülen diğer araçlardan biraz daha fazla ayrıntıya gireceğiz; Bunun nedeni, sınıfların (çubukların) sayısına, gerekli veya sınıf sınırlarının kendilerine vb. Karar verirken oluşan kafa karışıklığıdır.
- Serideki veri miktarını sayın (n) Verinin aralığını (R) belirleyin. Aralık, veri setindeki en büyük ve en küçük değer arasındaki farktır. Aralık değerini ® K olarak anılan belirli sayıda sınıfa bölün. Aşağıdaki tablo, farklı veri miktarları için bize Kullanılacak önerilen sınıf sayısı H aralığını veya sınıf genişliğini belirleyin: Genlik.
Bunu yapmak için uygun bir formül şudur:
H = R / K
H'yi uygun bir sayıya yuvarlamak uygundur. Bu aralığın tüm frekans dağılımı boyunca sabit olması gerektiğini unutmayın. Bunu hesaplamanın başka bir yolu da K = 1 + 3.3 log değil, n'nin karekökü.
- Sınıf sınırlarını belirleyin:
Sınıf sınırlarının kolay belirlenmesi için, verilerden en küçük bireysel ölçümü alın. Bu sayıyı kullanın veya daha düşük bir sayıya yuvarlayın. Bu, birinci sınıf sınırın alt noktası olacaktır. Bu numarayı alın ve ona sınıf aralığını ekleyin. Tüm sayıları içeren doğru sınıf sayısını elde edene kadar sınıf aralığını alt sınıf sınırına art arda ekleyin.
- Sınıf işaretini veya orta noktayı tanımlayın ((LS-LI) / 2) Mutlak frekansı hesaplayın (Bir değerin sunulma sayısı) Göreli frekansı hesaplayın (toplamın toplamına göre her bir değerin yüzdesi) Hesapla kümülatif sıklık (Bireysel yüzdelerin kümülatif toplamı)
Histogram
Bir grafikteki grupları temsil eden bir dizi çubuktur. Dikey çizgi, her grubun içerdiği veri miktarını gösterir. Yatay çizgi, tüm grupların sınırlarını belirtir. Histogram, bir frekans tablosunun grafik gösterimidir. Histogram bize ölçülen karakteristiğin dağılımının hızlı bir görünümünü gösterir. Histogram, veri dağılımındaki varyasyonu kuş bakışı gösterdiği için çok önemli bir tanı aracıdır.
Histogram, bir sürecin ne kadar değiştiğini gösterir.
Histogram Türleri:
- Genel tip (simetrik veya çan şekli):
Histogramın ortalama değeri, veri aralığının merkezindedir. Sıklık merkezde en yüksektir ve aşırı uçlara doğru giderek azalır. Şekil simetriktir. En sık görülen biçimdir. Normal veya çan dağılımı olarak bilinir.
- Tarak tipi (çift modal)
Her üçüncü sınıfın daha düşük bir frekansı vardır. Bu form, sınıfa dahil edilen bilgi birimlerinin sayısı birinden diğerine değiştiğinde veya verilerin yaklaştırılma biçiminde belirli bir eğilim olduğunda ortaya çıkar.
- Pozitif önyargılı yazın (olumsuz önyargılı)
Asimetrik şekil. Histogramın ortalama değeri, aralığın merkezinin sağında (solunda) bulunur. Frekans sağa (sola) doğru daha keskin bir şekilde azalır, ancak yavaş yavaş sola (sağa) doğru azalır. Bu form, alt (üst) limit teorik olarak veya bir spesifikasyon değeri tarafından kontrol edildiğinde veya belirli bir değerden daha düşük (daha yüksek) değerler oluştuğunda oluşur.
- Sol uçurum tipi (Sağ uçurum)
Asimetrik şekil. Histogram ortalama değeri, aralığın merkezinden çok solda (sağda) bulunur. Frekans sola (sağa) ve yavaş yavaş sağa (sola) doğru keskin bir şekilde azalır. Bu, düşük işlem kapasitesi nedeniyle% 100 seçim yapıldığında ve ayrıca pozitif (negatif) önyargı daha da aşırı hale geldiğinde sıklıkla ortaya çıkan bir formdur.
- Düz Tip
Frekanslar bir düzlük oluşturur, çünkü sınıflar, aşırı uçlar dışında aşağı yukarı aynı frekansa sahiptir. Bu form, farklı ortalama değerlere sahip çeşitli dağılımların bir karışımı ile sunulur.
- Çift tepe tipi (çift modlu)
Frekans, bilgi aralığının merkezine yakın bir yerde düşüktür ve her iki tarafta da bir tepe vardır.
- İzoleli başak tipi
Genel bir histograma ek olarak küçük bir izole tepe sunulur. Bu, işlem anormalliği, ölçüm hatası veya farklı bir işlemden bilgi dahil edilmesi durumunda olduğu gibi, farklı bir dağıtımdan az miktarda veri dahil edildiğinde ortaya çıkan formdur.
7) İpuçları
Her dağılımın normal olmasını beklemeyin.
Elde edilen dağıtım türünü ve yerini izin verilen sınırlara göre analiz edin. Değişkenliğini bilmek için dağılımı gözlemleyin
Dağıtımın iki modlu (2 vardiya, iki makine, iki süreç) olup olmadığını gözlemleyin, bu da farklı veri kaynakları anlamına gelir
Gerekli tüm bilgileri yazın
Sınıfların sayısı (grafikteki çubuklar) dağıtımdaki görüntünün türünü belirler.
Bazı süreçlerin dağılımları doğası gereği çarpıktır Teftiş Sayfasındaki verileri kullanın
- FREKANS DAĞILIMI
| GRUP | DÜŞÜK SINIR | ÜST SINIR | SINIF İŞARETİ | MUTLAK TATLI |
YÜZDE |
BİRİKMİŞ YÜZDE |
| bir | ||||||
| iki | ||||||
| 3 | ||||||
| 4 | ||||||
| 5 | ||||||
| 6 |
HİSTOGRAM
F
YENİDEN
CU
VE
N-
INC
(SINIF İŞARETİ)
Korelasyon Analizi (Regresyon) veya Dağılım Diyagramı uygulaması için talimat
- Bu ne:
Bir değişkenin diğerine göre ilişkisini gösteren grafiksel bir temsildir (Mutlaka bir neden-sonuç ilişkisi olması gerekmez).
Regresyon analizi, ilgili bir özelliğin performansını (genellikle bağımlı değişken olarak da bilinen "yanıt veya etki" değişkeni olarak adlandırılır) potansiyel neden faktörleriyle (genellikle "açıklayıcı" değişken, neden veya bağımsız değişken "olarak adlandırılır) ilişkilendirir. Böyle bir ilişki, bilimden, ekonomiden veya mühendislikten vb. Olabilecek bir modelle belirlenir veya deneysel olarak türetilebilir. Amaç, yanıtta varyasyonun olası nedenlerini anlamaya yardımcı olmak ve her faktörün bu varyasyona nasıl katkıda bulunduğunu açıklamaktır. Bu, bağımlı değişkendeki varyasyonun neden veya bağımsız değişkendeki bir varyasyonla istatistiksel bir ilişkisi ile ve öngörücü ve gerçek yanıt arasındaki sapmayı en aza indirerek en iyi uyumu elde ederek elde edilir.
- Ne için kullanıyorsun:
Dağılım Grafiği, iki değişken arasındaki olası ilişkiyi incelemek için kullanılır. Bu tür bir diyagram, neden ve sonuç arasındaki olası ilişkileri test etmek için kullanılır ; bir değişkenin diğerinin nedeni olduğunu kanıtlamaya izin vermez, ancak bir ilişki olup olmadığını ve sahip olabileceği yoğunluğu açıklığa kavuşturur.
Regresyon analizi aşağıdakileri yapmanızı sağlar:
Potansiyel bir neden değişkeninin yanıt üzerindeki etkisine ilişkin hipotezleri test edin ve bu bilgiyi, neden değişkenindeki belirli bir değişikliğe karşılık olarak tahmin edilen değişikliği tanımlamak için kullanın;
Bağımsız değişkenin belirli değerleri için bağımlı değişkenin değerini tahmin edin;
Neden değişkeninin belirli değerleri verildiğinde, yanıtın beklendiği değer aralığını tahmin edin (belirlenmiş bir güven düzeyinde);
Bağımlı değişken ile neden, bağımsız veya açıklayıcı değişken arasındaki ilişkinin yönünü ve derecesini tahmin edin (böyle bir ilişki nedensellik anlamına gelmez). Bilgi, örneğin, diğer faktörler sabit kalırken, bir işlemin sıcaklığı gibi bir faktörü değiştirmenin etkisini belirlemek için kullanılabilir.
Balanced Scorecard (BSC) metodolojisi tarafından önerildiği gibi, iki gösterge (sonuç göstergeleri ve performans indükleyicileri) arasında ilişki kurmak istediğinizde
- Yararları:
Regresyon analizi, çeşitli faktörler ve ilgilenilen yanıt arasındaki ilişkiyi sağlayabilir ve bu tür bir ilişki, incelenen süreçle ilgili kararlara rehberlik etmeye ve nihayetinde süreci iyileştirmeye yardımcı olabilir.
Regresyon analizi, tutarlı verilere yanıt olarak davranışları tanımlama, ilgili verilerin farklı alt gruplarını karşılaştırma ve olası neden-sonuç ilişkilerini analiz etme becerisine sahiptir. İlişkiler iyi tasarlandığında, regresyon analizi, bağımsız değişkenin veya nedenin etkisinin göreceli büyüklüklerinin ve bu değişkenlerin göreceli gücünün bir tahminini sağlayabilir. Bu bilgi, bir prosesin çıktısının kontrol edilmesi veya iyileştirilmesi açısından potansiyel olarak değerlidir. Regresyon analizi, analizde iyi ölçülmemiş veya ihmal edilmiş faktörlerden gelen yanıttaki etki büyüklüklerinin ve kaynağının tahminini de sağlayabilir. Bu bilgiler, ölçüm sistemini veya süreci iyileştirmek için kullanılabilir.
Bir veya daha fazla bağımsız değişkenin verilen değerleri için, bağımlı değişkenin değerini tahmin etmek için regresyon analizi kullanılabilir; neden değişkenlerindeki değişikliklerin mevcut veya öngörücü bir etki üzerindeki etkisini tahmin etmek için de kullanılabilir. Eylemin etkinliği bilinmediğinde, bir soruna daha fazla zaman veya para yatırmadan önce böyle bir analiz yapmak faydalı olabilir. BSC'de, bir çalıştırma indükleyicisindeki gelişmenin gerçekten sonuç göstergesiyle bir ilişkisi olup olmadığını değerlendirmeye izin verir.
- Sınırlamalar ve Uyarılar:
Bir model tasarlarken, uygun regresyon analizini (örn. Doğrusal, üstel, çok değişkenli, vb.) Ve modeli iyileştirmek için tanılamayı belirlemek için özel bilgi gerekir. İhmal edilen değişkenlerin, ölçüm hatalarının ve diğer açıklanamayan varyasyon kaynaklarının varlığı, kullanılan modeli karmaşıklaştırabilir. Kullanılan regresyon modelinin arkasındaki varsayımlar ve mevcut verilerin özellikleri, problemin analizi için hangi tekniğin uygun olduğunu belirler.
Regresyon modellerini geliştirirken bazen karşılaşılan bir sorun, geçerliliği sorgulanabilir verilerin varlığıdır. Mümkün olduğunda, bu tür verilerin geçerliliği araştırılmalıdır çünkü bunların dahil edilmesi veya çıkarılması, model parametrelerinin tahminlerini ve dolayısıyla yanıtı etkileyebilir.
Açıklayıcı veya bağımsız değişkenleri en aza indirerek modeli basitleştirmek önemlidir. Gereksiz değişkenlerin dahil edilmesi, açıklayıcı veya bağımsız değişkenlerin etkisini belirsizleştirebilir ve modelin tahmininin kesinliğini azaltabilir. Bununla birlikte, önemli bir açıklayıcı değişkeni atlamak, sonuçların modelini ve kullanışlılığını ciddi şekilde sınırlayabilir.
- Uygulama örneği:
Regresyon analizi; çıktılar, kalite performansı, döngü süresi, test veya denetim hatası olasılığı ve çeşitli süreç eksikliği davranışları gibi üretim özelliklerini modellemek için kullanılır. Regresyon analizi, bu süreçlerdeki önemli faktörlerin çoğunu ve ilgili özelliklerdeki değişime katkılarının büyüklüğünü ve doğasını belirlemek için kullanılır.
Regresyon analizi, bir deneyin veya ileriye dönük veya geriye dönük kontrollü çalışmaların, malzemelerdeki veya üretim koşullarındaki varyasyon çalışmalarının çıktılarını tahmin etmek için kullanılır.
Regresyon analizi, bir ölçüm yönteminin diğeriyle ikame edildiğini doğrulamak için kullanılır;
tahribatsız veya zaman kazandıran yöntemle yıkıcı test veya zaman alıcı yöntem.
Göstergeler ve indüktörler arasındaki neden-sonuç ilişkisi
Stratejik hedefler ve süreç hedefleri arasındaki ilişki.
Zaman ve karşılık gelen ağırlık fonksiyonları olarak ilaç konsantrasyonlarının modellenmesi dahil doğrusal olmayan regresyon uygulamalarının örnekleri; kimyasal reaksiyonların zaman, sıcaklık ve basınç vb. fonksiyonu olarak modellenmesi.
6) Nasıl yapılır:
Dağılım diyagramı, yatay eksen (x ekseni) bir değişkenin değerlerini ve dikey eksen (y ekseni) diğerinin değerlerini temsil edecek şekilde çizilir.
İlişkilerini incelemek istediğiniz 50 ila 100 veri çifti (X, Y) toplayın. En az 30 veri çiftinin olması tavsiye edilir. Aşağıdakine benzer bir tablo oluşturun:
| Veri | Kilo cinsinden ağırlık | Metre cinsinden yükseklik |
| bir | 72 | 1.77 |
| iki | 81 | 1.55 |
| 3 | 99 | 1.90 |
| x | X | x |
| 30 | 47 | 1.55 |
Aynı uzunlukta ve uygun ölçeklerde yatay (X) ve dikey (Y) eksenleri olan bir grafik çizin. Her eksende yukarı ve sağa doğru hareket ettikçe değerler artmalıdır. Olası bir "neden" olarak araştırılan değişken genellikle yatay eksende (x) bulunur ve değişken dikey eksende bir etki olarak tanımlanır.
Veri çiftlerini grafiğe kaydedin
Değerlerin tekrarlandığını fark ederseniz, o noktayı gerektiği kadar daire içine alın.
Korelasyon olup olmadığını belirleyin ve yazın
Adı, tarihi, yazarı vb. Doldurun.
İsterseniz eşlemeyi Excell'i kullanarak çalıştırabilirsiniz:
İki veri sütununu tamamladıktan sonra, iki değişken arasındaki ilişkiyi gösteren XYB'yi (Dağılım) kullanarak bir grafik yapın. o Grafiğin çizilen herhangi bir noktasında kendinizi konumlandırın ve sağ düğmeyi tıklayın. o "Trend çizgisi ekle" yi seçin. o Tip seçin, genellikle "doğrusal" kullanılır. o Sonra "seçenekler" e gidin ve son iki seçeneği işaretleyin: "Denklemi sun ve grafikte mevcut R değeri". o Denklem, yeni bir Y değerini hesaplamanın yolunu tanımlar. o “r” değeri, iki değişken arasındaki korelasyon derecesini gösterir.
7 Yorum:
Çizilen noktalar belirli bir model oluşturur. Gruplamanın yönü ve birliği size değişken 1 ve değişken 2 arasındaki ilişkinin gücü hakkında bir fikir verir. Bu model düz bir çizgiye ne kadar çok benzerse, değişkenler arasındaki ilişki o kadar güçlü olur. Bunlar mantıklıdır çünkü düz bir çizgi, bir değişkenin her değiştiğinde diğerinin de aynı şekilde değiştiğini gösterir.
1.- Pozitif korelasyon:
"Y" 'lik bir artış, "X" artışına bağlıdır. "X" kontrol ediliyorsa, "Y" doğal olarak kontrol edilir, örneğin: eğitim ve performans. R = 0,9 2. - Olası pozitif korelasyon:
"X" artarsa, "Y" biraz artıyor, ancak "Y" nin "X" dışında başka nedenleri var gibi görünüyor. R = 0.6 3.- Korelasyon yok:
Korelasyon yok. "Y" başka bir değişkene bağlı olabilir. R = 0.0 4. - Olası negatif korelasyon:
"X" değerindeki bir artış, "Y" değerinde negatif bir azalma eğilimine neden olacaktır, örneğin kalite ve müşteri şikayetleri, eğitim ve retler. R = 0.6 5.- Negatif Korelasyon:
"X" deki bir artış "Y" de bir azalmaya neden olacaktır, bu nedenle 1. noktada olduğu gibi, "Y" yerine "X" kontrol edilebilir. R = 0.9
8 İpuçları
Negatif bir ilişki ("y" artarsa, "x" azalırsa), pozitif bir ilişki kadar önemlidir ("x" artarsa, "y" artar)
Sadece "y" ve "x" in ilişkili olduğu söylenebilir, birinin diğerinin nedeni olduğu söylenemez.
Değişkenler arasındaki tam ilişki derecesini test etmek için istatistiksel testler mevcuttur
Grafiğe bakmak her zaman uygundur.
Genellikle, y = a + bx olduğunda düz çizgi korelasyonu kullanılır. Ancak, genellikle bulunan tek ilişki türü bu değildir: logaritmik, üstel vb. Gibi başka ilişkiler de vardır., y = e, y = x 2, y 2 = x
Kontrol Grafiklerinin uygulanması için talimat
1) Nedir:
Kendine ait veya sürecin dışındaki nedenlerden dolayı değişkenlik hakkında bilgi sağladığından ve kontrol altında olup olmadığını belirlemeye izin verdiğinden problemleri tespit etmek için gerekli bir araçtır.
- Süreçteki değişiklikleri gösterir Özel varyasyon nedenlerinin varlığını gösterir
- Ne için kullanıyorsun:
Teslim süresi, işlem sayısı ve ağırlıklar, boyutlar, sıcaklıklar gibi çeşitli değerler gibi değişkenleri ölçmek istediğiniz belirli bir işlemden verileri kaydetmek için kullanılır.
En sık kullanımı, süreçleri kontrol etmek veya belirli bir süre boyunca toplanan bilgileri sunmaktır.
Süreç normal varyasyon nedenlerinden veya kontrolü dışındaki nedenlerden etkilendiğinde farklılaşın.
- Yararları:
Belli bir sürecin veya belirlenmiş bir hedefin eğilimlerini görsel bir şekilde tespit etmeye izin verir, hedeflerin veya spesifikasyonların hem üst hem de alt seviyelerde karşılanıp karşılanmadığını gösterir ve diğer departmanlar veya şirketlerle karşılaştırmaya hizmet eder.
İstatistiksel tekniklerin kullanıldığı daha derin bir analiz, süreçlerdeki olası değişikliklerin tespit edilmesini sağlar.
En büyük yararı, süreçleri kontrol etmek ve ne zaman eyleme geçileceğini veya hiçbir şey yapmayacağını belirlemektir.
Hat sonu incelemesini kullanmaktan kaçının, sorunu ortaya çıkmadan önce çözün.
- Sınırlamalar ve Uyarılar:
Veriler sunulduğu anda, sırasına saygı gösterilmeye çalışılarak toplanmalıdır. Hem değişkenler hem de öznitelikler için kullanılabilir, ancak her bir grafik türünün nasıl uygulanacağı konusunda daha fazla bilgi gerektirir.
Grafiğin türü ve nasıl uygulanacağı doğru çalışılmalıdır çünkü farklı türler vardır: bireysel değerlerin grafiği, basit ortalama, hareketli ortalama, ortalama aralık, ortalama standart sapma, yüzdelerin grafiği, hatalı parçalar, kusurlar ve kusurlar Birimi.
- Uygulama örneği:
Bunun bir örneği, kutulardaki dikkat süreleri, işleme operasyonlarındaki süreler, Organizatörlerin yanıt süreleri, kuryelerin teslimat süreleri vb.
Katılan operasyon sayısı.
Kusur sayısı
Sıcaklık kontrolü, ağırlık kontrolü, doldurma kontrolü, boyut kontrolü. Vb.
- Ayrıntılı olarak açıklandığı gibi:
Y ekseni, zaman, miktar, sıcaklık, ağırlık, hata miktarı vb. Gibi kaydedilecek değerlerin ölçeğini içermesi gereken grafiğin dikey çizgisidir.
X ekseni yatay çizgidir (Zaman, saatler, günler, aylar).
İşaretli bir nokta, belirli bir zamanda gözlemlenen ölçümü veya miktarı gösterir.
Yorumlanmasını kolaylaştırmak için noktalar birleştirilmelidir.
Süre ve ölçü birimi açıkça tanımlanmalıdır.
Kaydedilen değer birkaç gözlemin ortalaması ise, ortalama grafiğe bir aralık grafiği eşlik etmelidir.
Ortalamaları veya ortalamalarını düz bir çizgi ile çizin.
Üst ve alt limitleri noktalı bir çizgi ile çizin, bu limitler belirlenen hedef veya yarışmanın veya başka bir bölümün performansını temsil eden değer olabilir.
İstatistiksel olarak, normal varyasyon sınırları artı eksi üç standart sapmaya karşılık gelir veya başka yollarla, bu da grafiğe, verilere ve istatistiksel süreç kontrolünü uygulayanların bilgilerine bağlıdır. Limitleri hesaplamanın farklı yolları hakkında daha fazla bilgi elde edilebilir.
- İpuçları
Veri toplama sürecinin verimli olduğundan emin olun, böylece insanlar bunu yapmak için zamana sahip olsun.
Toplanacak veriler homojen olmalıdır (aynı kutu, aynı ürün, aynı vardiya, aynı makine, aynı süreç).
Kontrol Sayfasındaki bilgileri kullanın.
Gerekli tüm bilgileri (Tarih, Departman, İşlem, Kişi vb.) Tamamlamayı unutmayınız.
Verilerin sırası, toplandığı anda muhafaza edilmelidir.
Gerekli tüm bilgilerle tamamlayın.
Kullanılan grafiğe ve veri türüne göre kontrol sınırlarını hesaplamanın doğru yolu hakkında ek bilgi arayın.
Veri Sayfası
Kalite işlevinin konuşlandırılması (Kalite Evi), Hata Modu ve Etkileri Analizi, istatistiksel olasılık kavramı, teknik gibi sürekli iyileştirmeye ve problem çözmeye yardımcı olabilecek başka bir dizi teknik vardır. Altı Sigma'nın yanı sıra, daha fazla bilgiye ihtiyaç duyarsanız, [email protected] adresinden talep edebilir veya Grupo Kaizen SA'nın burada bahsedilen tüm konularda sunduğu seminerler hakkında bilgi talep edebilirsiniz.
KAYNAKÇA
- Veri Analizi için Temel Araçlar Kılavuzu, Sürekli İyileştirme için Hedef Temel Araçlar, Hitoshi Kume Deming Metodu Nasıl Uygulanır, Mary Walton ISO 10017 ISO 9001: 2000 için İstatistiksel Teknikler Kılavuzu.
