3 phím để nhận dữ liệu đáng tin cậy trong minitab

Bạn có thể tin tưởng dữ liệu của bạn?

Đó là câu hỏi đầu tiên chúng ta cần hỏi khi thực hiện phân tích thống kê. Nếu dữ liệu không tốt, nó không quan trọng những phương pháp thống kê mà chúng ta sử dụng, cũng không phải bao nhiêu chuyên môn mà chúng ta có trong việc phân tích dữ liệu. Nếu chúng ta bắt đầu với dữ liệu xấu, chúng tôi sẽ kết thúc với các kết quả không đáng tin cậy. Rác rác, rác thải, như họ nói.

Vì vậy, bạn có thể tin tưởng dữ liệu của bạn không? Bạn có tích cực? Bởi vì, chúng ta hãy thừa nhận điều đó, nhiều người trong chúng ta quên đặt câu hỏi đó hoàn toàn, hoặc đáp ứng quá nhanh và tự tin.

Bạn không thể giả sử chúng ta có những dữ liệu tốt-bạn cần phải biết bạn. Điều đó có thể đòi hỏi phải làm việc nhiều hơn trước, nhưng năng lượng mà bạn dành để có được dữ liệu tốt sẽ bù đắp dưới hình thức các quyết định tốt hơn và cải tiến lớn hơn.

Dưới đây là 3 hành động quan trọng bạn có thể thực hiện để tối đa hóa cơ hội nhận dữ liệu dẫn đến kết luận chính xác.

1: Lập kế hoạch như thế nào, khi nào, và cái gì để đo lường – và ai sẽ làm điều đó.

Không lập kế hoạch là một cách tuyệt vời để có được dữ liệu không đáng tin cậy. Đó là bởi vì một kế hoạch vững chắc là chìa khóa để thu thập thành công dữ liệu. Hỏi lý do tại sao bạn đang thu thập dữ liệu khi bắt đầu một dự án sẽ giúp bạn xác định được dữ liệu bạn thực sự cần. Kế hoạch thu thập dữ liệu cần làm rõ:

Dữ liệu sẽ được thu thập.

Ai sẽ thu thập nó.

Khi nào nó sẽ được thu thập.

Nơi nó sẽ được thu thập.

Làm thế nào nó sẽ được thu thập.

Trả lời những câu hỏi này trước sẽ giúp bạn đạt được dữ liệu có ý nghĩa.

2: Kiểm tra hệ thống đo lường của bạn

Nhiều dự án cải tiến chất lượng yêu cầu dữ liệu đo lường cho các yếu tố như trọng lượng, đường kính, hoặc chiều dài và chiều rộng. Không xác minh tính chính xác của phép đo của bạn thực tế đảm bảo rằng dữ liệu của bạn – và do đó kết quả của bạn – không đáng tin cậy.

Một chi nhánh của thống kê được gọi là: Phân tích Hệ thống Đo lường cho phép bạn nhanh chóng đánh giá và cải tiến hệ thống đo lường của bạn để bạn có thể chắc chắn rằng bạn đang thu thập dữ liệu chính xác .

Khi thu thập dữ liệu định lượng, phân tích Gage lặp lại và Khả năng tái sản xuất (R & R) xác nhận rằng các dụng cụ và người vận hành đang đo các bộ phận một cách nhất quán.

Nếu bạn phân loại các bộ phận hoặc xác định khuyết tật, Phân tích Thỏa thuận thuộc tính xác minh rằng khác.

Người đánh giá đang đưa ra các phán quyết phù hợp với nhau và với các tiêu chuẩn đã được thiết lập.

Nếu bạn không kiểm tra hệ thống đo lường của mình, bạn có nhiều khả năng thêm biến thể và

Sự mâu thuẫn với dữ liệu của bạn có thể làm tắc nghẽn phân tích của bạn.

3: Hãy coi chừng Confounding hoặc Lurking biến

Khi bạn thu thập dữ liệu, hãy cẩn thận để tránh giới thiệu các biến không được định trước và chưa được lập biểu. Các biến “lẩn” này có thể làm cho những dữ liệu được thu thập cẩn thận nhất cũng không đáng tin cậy – và các nhân tố ẩn như vậy thường khó phát hiện.

Một ví dụ nổi tiếng liên quan đến các cuộc ném bom thời kỳ Thế chiến II. Phân tích cho thấy độ chính xác tăng lên khi các máy bay ném bom gặp máy bay chiến đấu của địch, gây bất ngờ cho mọi kỳ vọng. Nhưng một biến số quan trọng đã không được tính ra trong: điều kiện thời tiết. Vào những ngày nhiều mây, độ chính xác thật khủng khiếp

Bởi vì các máy bay ném bom không thể nhận ra điểm mốc, và kẻ thù đã không làm phiền các chiến binh.

Giả sử rằng dữ liệu cho sản phẩm chính của công ty bạn cho thấy một tỷ lệ khiếm khuyết lớn hơn nhiều cho các hạng mục được thực hiện bởi sự thay đổi thứ hai so với các hạng mục của người đầu tiên.

Khiếm khuyết trên mỗi ca

Chỉ đưa ra thông tin này, ông chủ của bạn có thể gợi ý một chương trình đào tạo cho lần chuyển đổi thứ hai, hoặc thậm chí có thể là hành động quyết liệt hơn.

Nhưng có chuyện gì khác đang diễn ra? Nguyên liệu của bạn đến từ ba nhà cung cấp khác nhau.

Dữ liệu tốc độ lỗi như thế nào nếu bạn bao gồm nhà cung cấp cùng với sự thay đổi?

Khiếm khuyết trên mỗi Shift cho mỗi Suppleir

Bây giờ bạn có thể thấy rằng tỷ lệ lỗi cho cả hai ca là cao hơn khi sử dụng vật liệu của nhà cung cấp 2. không phải

Tính đến yếu tố gây nhiễu này gần như đã dẫn đến một “giải pháp” tốn kém mà có lẽ sẽ làm ít để giảm tỷ lệ khuyết tật tổng thể.

Dành thời gian để lấy dữ liệu bạn có thể tin cậy …

Không ai để mất thời gian hoặc phá hoại nỗ lực của họ bằng cách không thu thập dữ liệu tốt. Nhưng tất cả đều quá dễ dàng để có được dữ liệu vấn đề ngay cả khi bạn đang cẩn thận! Khi bạn thu thập dữ liệu, hãy chắc chắn chi tiêu. Ít thời gian để đảm bảo dữ liệu của bạn thật sự đáng tin cậy.