Μέτρηση και Ανάλυση Δεδομένων στο Six Sigma

 

Καλωσορίσατε στο 7ο κατά σειρά άρθρο της σειράς μας για το Six Sigma, την προσέγγιση που έχει αλλάξει τον τρόπο με τον οποίο οι επιχειρήσεις βλέπουν την ποιότητα και τη βελτίωση των διαδικασιών. Στο προηγούμενο άρθρο, εξερευνήσαμε τη σημασία των διακριτών και συνεχών δεδομένων, πώς να προσδιορίσετε τον τύπο δεδομένων που χειρίζεστε, και τη διαδικασία συλλογής και αξιοποίησης δεδομένων στο πλαίσιο του Six Sigma.

Σε αυτό το νέο άρθρο, θα προχωρήσουμε ακόμη περισσότερο, εστιάζοντας στην ανάλυση των δεδομένων. Θα καλύψουμε θέματα όπως τα μέτρα της κεντρικής τάσης, τα μέτρα διασποράς, και την ανάλυση συστήματος μέτρησης (MSA), μεταξύ άλλων.

Στόχος μας είναι να σας εξοπλίσουμε με τα απαραίτητα εργαλεία και γνώσεις προκειμένου να αντιμετωπίσετε με επιτυχία τις προκλήσεις της ποιότητας με συστηματικό αλλά και ταυτόχρονα επιστημονικό τρόπο.

Μέτρηση και Ανάλυση Δεδομένων στο Six Sigma.  Σε τι μας ενδιαφέρουν τα δεδομένα;

 

Στο πλαίσιο του Six Sigma, τα δεδομένα δεν είναι απλώς αριθμοί ή πληροφορίες. Είναι τα θεμέλια πάνω στα οποία χτίζουμε την κατανόηση και τη βελτίωση των διαδικασιών. Μας ενδιαφέρει να περιγράψουμε ένα σετ δεδομένων με βάση τρία κύρια στοιχεία: το σχήμα (Shape), το κέντρο (Center), και τη διασπορά (Dispersion). Αυτά τα στοιχεία μας βοηθούν να κατανοήσουμε την κατανομή, την τάση και την ποικιλομορφία των δεδομένων, αντίστοιχα.

 

Measure of Central Tendency

 

Measure of Central Tendency (Μέτρηση της Κεντρικής Τάσης)

Η κεντρική τάση είναι ουσιώδης για την κατανόηση του “τυπικού” ή “μέσου” χαρακτηριστικού των δεδομένων. Υπάρχουν διάφοροι τρόποι για να μετρήσουμε αυτό:

• Μέσος όρος: Αυτός είναι ο αριθμητικός μέσος όρος όλων των τιμών σε ένα σετ δεδομένων. Είναι χρήσιμος αλλά επηρεάζεται από ακραίες τιμές, γεγονός που μπορεί να παραπλανήσει την ανάλυση.
• Μέση τιμή: Αυτή είναι η τιμή που διαιρεί το σετ δεδομένων στα δύο, με το 50% των τιμών να είναι χαμηλότερες και το άλλο 50% να είναι υψηλότερες. Είναι λιγότερο επηρεασμένη από ακραίες τιμές και συχνά χρησιμοποιείται σε ανισόμορφες κατανομές.
• Κλίμακα (Μόδα): Αυτή είναι η τιμή ή οι τιμές που εμφανίζονται πιο συχνά στο σετ δεδομένων. Σε ένα γράφημα Pareto, αυτό θα ήταν η ράβδος με τη μεγαλύτερη συχνότητα. Η κλίμακα μπορεί να είναι μοναδική, διπλή ή ακόμα και πολλαπλή.

Η επιλογή του κατάλληλου μέτρου κεντρικής τάσης εξαρτάται από τη φύση των δεδομένων και τον σκοπό της ανάλυσης.

Μέτρα Διασποράς

 

Στην πρακτική του Six Sigma, δεν είναι αρκετό να γνωρίζουμε μόνο το “κέντρο” των δεδομένων μας, όπως τον μέσο όρο ή τη μέση τιμή. Είναι εξίσου σημαντικό να κατανοούμε πόσο “διασκορπισμένα” είναι τα δεδομένα γύρω από αυτό το κέντρο. Αυτό μας βοηθά να καταλάβουμε το εύρος της ποιότητας ή της απόδοσης σε μια διαδικασία ή σε ένα προϊόν. Παρακάτω παρουσιάζονται τρία βασικά μέτρα διασποράς:

Εύρος

 

Το εύρος είναι το απλούστερο μέτρο διασποράς και υπολογίζεται ως η διαφορά μεταξύ της υψηλότερης (max) και της χαμηλότερης (min) τιμής σε ένα σετ δεδομένων.

Είναι σημαντικό να σημειώσουμε ότι το εύρος είναι ευαίσθητο σε ακραίες τιμές και μπορεί να είναι παραπλανητικό σε σετ δεδομένων με ακραίες αποκλίσεις.

Διακύμανση (σ²)

 

Η διακύμανση είναι ένα πιο σύνθετο μέτρο διασποράς που υπολογίζει τον μέσο όρο των τετραγωνικών αποκλίσεων των τιμών από τον μέσο όρο (m) του σετ δεδομένων.

Τυπική Απόκλιση (σ)

 

Η τυπική απόκλιση είναι η τετραγωνική ρίζα της διακύμανσης και δίνει μια πιο “αντιληπτή” εικόνα της διασποράς, καθώς είναι στις ίδιες μονάδες με τα δεδομένα.

Αυτά τα μέτρα διασποράς είναι ζωτικής σημασίας για την ανάλυση και τη βελτίωση των διαδικασιών στο πλαίσιο του Six Sigma. Μας βοηθούν να κατανοήσουμε το πόσο σταθερή ή ασταθής είναι μια διαδικασία και πού υπάρχει χώρος για βελτίωση.

Τι είναι ένα Σύστημα Μέτρησης;

 

Μέτρηση είναι ουσιαστικά η διαδικασία με την οποία προσπαθούμε να “καταγράψουμε” την πραγματικότητα σε αριθμούς ή άλλες μονάδες, ώστε να την κατανοήσουμε καλύτερα ή να τη συγκρίνουμε με κάποιο πρότυπο. Φυσικά, καμία μέτρηση δεν είναι 100% ακριβής, αλλά το στόχος είναι να πλησιάσουμε όσο το δυνατόν περισσότερο την πραγματικότητα.

Ανάλυση Συστήματος Μέτρησης (MSA)

 

Ο σκοπός της ανάλυσης είναι να εξακριβώσουμε πόσο αξιόπιστο είναι το σύστημα μέτρησης που χρησιμοποιούμε. Με άλλα λόγια, θέλουμε να δούμε αν τα μέτρα που λαμβάνουμε είναι κοντά στην πραγματική αξία της μεταβλητής που μελετάμε, είτε αυτή είναι μια εισροή σε μια διαδικασία, είτε ένα τελικό προϊόν.

Εργαλεία για MSA:

 

1. Πλάνο Συλλογής Δεδομένων: Προγραμματίζουμε πώς, πότε και πού θα συλλέξουμε τα δεδομένα.
2. Μελέτη Μέτρησης R&R (Επαναληψιμότητα και Αναπαραγωγιμότητα): Εξετάζουμε πόσο συνεπείς είναι οι μετρήσεις, τόσο όταν τις κάνει το ίδιο άτομο (επαναληψιμότητα) όσο και όταν τις κάνουν διάφοροι χειριστές (αναπαραγωγιμότητα).

Μέτρηση R&R

 

Αυτό είναι ένα σετ από τεστ που μας βοηθούν να καταλάβουμε πόσο αξιόπιστο είναι το “εργαλείο” που χρησιμοποιούμε για τη μέτρηση, ή ακόμα και την ομάδα ατόμων που την διεξάγει. Το κύριο ερώτημα είναι: “Αν ξαναμετρήσω το ίδιο πράγμα, θα πάρω το ίδιο αποτέλεσμα;”

 

Διαδικασία:

 

• Διαφορετικοί Χειριστές: Διάφοροι άνθρωποι μετρούν το ίδιο αντικείμενο πολλές φορές.
• Αξιολόγηση Διακύμανσης: Τα αποτελέσματα μας δείχνουν πόσο μπορεί να διαφέρει μια μέτρηση ανάλογα με τον χειριστή.

Με αυτόν τον τρόπο, μπορούμε να είμαστε πιο σίγουροι για την αξιοπιστία των μετρήσεών μας, κάτι που είναι κρίσιμο για την επιτυχία κάθε προγράμματος Six Sigma.

Η Σημασία της Μέτρησης στη Διοίκηση

 

Είναι εύκολο να υποτιμήσουμε τη σημασία της ακριβούς μέτρησης στο διοικητικό περιβάλλον. Μπορεί να μην μετράμε φυσικά αντικείμενα, αλλά η ακρίβεια είναι εξίσου σημαντική όταν πρόκειται για την αξιολόγηση της απόδοσης, της ποιότητας της εξυπηρέτησης πελατών ή της αποτελεσματικότητας των διαδικασιών.

MSA στις Διοικητικές Υπηρεσίες

 

Στο διοικητικό περιβάλλον, τα συστήματα μέτρησης είναι πανταχού: από την αξιολόγηση των προσφορών πελατών και τον έλεγχο των αποθεμάτων ανταλλακτικών, μέχρι την ακρίβεια της μισθοδοσίας και την διαχείριση εγγράφων. Η ανάλυση αυτών των συστημάτων μπορεί να μας δώσει πολύτιμες πληροφορίες για τη βελτίωση των διαδικασιών.

 

Ορθότητα έναντι Ακρίβειας

 

Όταν μιλάμε για μέτρηση, δύο βασικοί όροι είναι η “ορθότητα” και η “ακρίβεια”.

• Ορθότητα: Αφορά το πόσο κοντά είναι η μέτρηση στην πραγματική αξία. Για να βελτιώσουμε την ορθότητα, συγκρίνουμε τα αποτελέσματα με ένα γνωστό πρότυπο και κάνουμε τις απαραίτητες προσαρμογές.
• Ακρίβεια: Αφορά το πόσο συνεπείς είναι οι μετρήσεις μεταξύ τους. Αν διάφοροι χειριστές ή το ίδιο εργαλείο παράγουν παρόμοια αποτελέσματα, τότε το σύστημα μέτρησης είναι ακριβές.

Η Εικόνα με τους Στόχους

 

Η εικόνα με τους τρεις στόχους είναι ένα εξαιρετικό παράδειγμα για να κατανοήσουμε τη διαφορά:

1. Precise but not Exact: Όταν τα βέλη είναι κοντά μεταξύ τους αλλά μακριά από το κέντρο, έχουμε ακρίβεια χωρίς ορθότητα.
2. Exact and Precise: Όταν τα βέλη είναι κοντά μεταξύ τους και κοντά στο κέντρο, έχουμε και ακρίβεια και ορθότητα. Αυτό είναι το ιδανικό σενάριο και συμβολίζεται με ένα εικονίδιο επιτυχίας.
3. Exact but not Precise: Όταν τα βέλη είναι μακριά μεταξύ τους αλλά κοντά στο κέντρο, έχουμε ορθότητα χωρίς ακρίβεια.

 

Σε κάθε περίπτωση, ο στόχος είναι να βελτιώσουμε και τα δύο στοιχεία για να επιτύχουμε την καλύτερη δυνατή μέτρηση, είτε πρόκειται για την ώρα του μεσημεριανού, είτε για την εκτόξευση ενός διαστημικού λεωφορείου.

Επαναληψιμότητα και Αναπαραγωγιμότητα στα Συστήματα Μέτρησης

Η εικόνα που ακολουθεί είναι ένας εξαιρετικός τρόπος για να κατανοήσουμε την πολυπλοκότητα των συστημάτων μέτρησης. Ας αναλύσουμε τα κύρια στοιχεία:

1. Επαναληψιμότητα (Repeatability): Αναφέρεται στη συνέπεια του ίδιου “εργαλείου” μέτρησης. Αν το ίδιο εργαλείο δίνει παρόμοια αποτελέσματα σε πολλαπλές μετρήσεις, τότε έχουμε υψηλή επαναληψιμότητα.
2. Αναπαραγωγιμότητα (Reproducibility): Αναπαραγωγιμότητα αναφέρεται στο πόσο κοντά είναι τα αποτελέσματα όταν διάφοροι άνθρωποι χρησιμοποιούν το ίδιο εργαλείο για μέτρηση. Αν όλοι πάρουν παρόμοιες μετρήσεις, τότε το εργαλείο θεωρείται αξιόπιστο ανάμεσα σε διάφορους χρήστες.
3. Κύριο Ενδιαφέρον: Η κύρια προτεραιότητα είναι η μείωση της συνολικής διακύμανσης στο σύστημα μέτρησης, το οποίο είναι ένας συνδυασμός της επαναληψιμότητας και της αναπαραγωγιμότητας.

Η Σχέση μεταξύ Διαδικασίας, Μέτρησης και Συνολικής Διακύμανσης

 

1. Διαδικασία (Process): Αναπαριστάται από δύο πανομοιότυπες καμπύλες, υποδηλώνοντας ένα σταθερό και ελεγχόμενο σύστημα.
2. Μέτρηση (Measurement): Εδώ βλέπουμε δύο καμπύλες, μία λεπτή και μία φαρδιά, που αναπαριστούν τη διακύμανση που προκύπτει από το σύστημα μέτρησης.
3. Συνολική Διακύμανση (Total Variation): Είναι το αποτέλεσμα της πρόσθεσης της διαδικασίας και της μέτρησης. Οι καμπύλες εδώ δείχνουν ότι η συνολική διακύμανση είναι μεγαλύτερη από τη διακύμανση της διαδικασίας μόνο, και αυτό είναι κάτι που πρέπει να αντιμετωπιστεί.

Συνοψίζοντας, η εικόνα υπογραμμίζει την ανάγκη για ένα σύστημα μέτρησης που είναι ταυτόχρονα επαναληπτικό και αναπαράγωγο, με στόχο τη μείωση της συνολικής διακύμανσης. Αυτό είναι ζωτικής σημασίας για τη βελτίωση της αποδοτικότητας και της αξιοπιστίας σε οποιοδήποτε περιβάλλον, είτε πρόκειται για τη βιομηχανία, είτε για διοικητικές διαδικασίες.

Ανάλυση R&R με τη χρήση του Minitab

 

Η ανάλυση R&R (Repeatability & Reproducibility) είναι ένας κρίσιμος παράγοντας στην αξιολόγηση ενός συστήματος μέτρησης. Το Minitab είναι ένα λογισμικό στατιστικής που είναι ευρέως χρησιμοποιημένο για την ανάλυση R&R.

Με τη χρήση του Minitab, μπορείτε να εκτελέσετε στατιστικές αναλύσεις για να κατανοήσετε την επαναληψιμότητα και την αναπαραγωγιμότητα του συστήματος σας. Το λογισμικό παρέχει διαγράμματα και μετρικές που μπορούν να βοηθήσουν στην αξιολόγηση της αποδοτικότητας του συστήματος μέτρησης.

Για να ξεκινήσετε, θα χρειαστεί να συλλέξετε δεδομένα από διάφορες πηγές και να τα εισάγετε στο Minitab.

Στη συνέχεια, μπορείτε να χρησιμοποιήσετε τις επιλογές ανάλυσης R&R για να πάρετε αποτελέσματα σχετικά με την επαναληψιμότητα και την αναπαραγωγιμότητα.

Πόσο καλό είναι το καλό;

Όταν πρόκειται για την αξιολόγηση ενός συστήματος μέτρησης, είναι σημαντικό να καταλάβουμε πόσο “καλό” είναι αρκετά καλό. Αυτό μπορεί να καθοριστεί με βάση τα ποσοστά διακύμανσης:

• Πάνω από 30%: Αν το σύστημα μέτρησης έχει διακύμανση πάνω από 30%, τότε χρειάζεται σοβαρή βελτίωση. Αυτό είναι ένα σημείο συναγερμού και πρέπει να αντιμετωπιστεί άμεσα.
• 10% έως 30%: Αυτό το εύρος μπορεί να είναι αποδεκτό, αλλά αυτό εξαρτάται από πολλούς παράγοντες όπως η σημασία της μέτρησης, το κόστος της αναθεώρησης του συστήματος, κ.λπ.
• Λιγότερο από 10%: Αν η διακύμανση είναι κάτω από 10%, τότε το σύστημα μέτρησης θεωρείται αποδεκτό και αξιόπιστο.

Η κατανόηση αυτών των ποσοστών και της εφαρμογής τους στο πρακτικό πεδίο είναι κρίσιμη για την αποτελεσματική διαχείριση της ποιότητας και τη βελτίωση των διαδικασιών.

 

Παράδειγμα MSA (Measurement System Analysis) στην εταιρεία κατασκευής ιστοσελίδων DreamWeaVer.gr

Ανάλυση κατάστασης και ζητουμένων:

 

Η Dreamweaver.Gr είναι μια εταιρεία που ασχολείται με τη δημιουργία και τη διαχείριση eshop. Ένα από τα κύρια ζητήματα που αντιμετωπίζει είναι η αξιολόγηση της αποδοτικότητας των διαφημιστικών καμπανιών στο διαδίκτυο και η επίδρασή τους στις πωλήσεις.

Στόχος του MSA:

Ο στόχος είναι να αξιολογήσουμε την ακρίβεια και την επαναληψιμότητα των μετρήσεων που σχετίζονται με την αποτελεσματικότητα των διαφημιστικών καμπανιών.

Εφαρμοσιμα Εργαλεία:

1. Πλάνο Συλλογής Δεδομένων: Συλλέγουμε δεδομένα για τον αριθμό των κλικ, την αναλογία μετατροπής, και το ROI (Return on Investment) από διάφορες διαφημιστικές πλατφόρμες.
2. Μελέτη Μέτρησης R&R (Επαναληψιμότητα και Αναπαραγωγιμότητα): Ελέγχουμε αν διάφοροι αναλυτές παράγουν παρόμοια αποτελέσματα όταν αξιολογούν την αποτελεσματικότητα των διαφημιστικών καμπανιών.

Αποτελέσματα:

• Πάνω από 30%: Αν η διακύμανση είναι πάνω από 30%, τότε το σύστημα μέτρησης χρειάζεται βελτίωση.
• 10% έως 30%: Αποδεκτό ανάλογα με τη σπουδαιότητα, το κόστος κ.λπ.
• Λιγότερο από 10%: Το σύστημα είναι αποδεκτό.

Συμπεράσματα:

Με τη χρήση του MSA, η Dreamweaver.gr μπορεί να βελτιώσει την αξιοπιστία των μετρήσεων της και να κατανοήσει καλύτερα την αποτελεσματικότητα των διαφημιστικών της καμπανιών. Αυτό θα της επιτρέψει να λάβει πιο ενημερωμένες αποφάσεις και να αυξήσει την αποδοτικότητα των επενδύσεών της στο μάρκετινγκ.

Επίλογος

 

Καθώς φτάνουμε στο τέλος του 7ου άρθρου του αφιερώματός μας στο Six Sigma, είναι σημαντικό να ανασκοπήσουμε τις βασικές αρχές και τεχνικές που εξετάσαμε. Από τη σημασία των διακριτών και συνεχών δεδομένων, την αξιοποίηση των μετρήσεων, μέχρι την κρίσιμη αξιολόγηση των συστημάτων μέτρησης, ο κάθε τομέας που καλύψαμε συμβάλλει στην κατανόηση του πώς τα δεδομένα και οι μετρήσεις ενσωματώνονται στη φιλοσοφία του Six Sigma.

Η επιστημονική και συστηματική προσέγγιση στη διαχείριση των δεδομένων είναι αναπόσπαστο κομμάτι της συνεχούς βελτίωσης και της επίτευξης της αριστείας στις επιχειρησιακές διαδικασίες. Είτε μιλάμε για μέτρα διασποράς, είτε για την αξιολόγηση της ακρίβειας και της επαναληψιμότητας των μετρήσεων, η ικανότητα να κατανοούμε και να ερμηνεύουμε τα δεδομένα είναι κρίσιμη.

Καθώς προχωράμε, είναι σημαντικό να αναγνωρίσουμε ότι αυτό το άρθρο αποτελεί μόνο ένα κομμάτι του πάζλ. Στο επόμενο άρθρο, θα εισέλθουμε στο συναρπαστικό και κρίσιμο κεφάλαιο της ανάλυσης στο Six Sigma. Εκεί, θα εξετάσουμε πώς οι τεχνικές και τα εργαλεία ανάλυσης μπορούν να μας βοηθήσουν να κάνουμε πιο ενημερωμένες και ακριβείς αποφάσεις, αυξάνοντας την αποδοτικότητα και την αποτελεσματικότητα των επιχειρησιακών μας διαδικασιών.

Σας ευχαριστούμε για την παρακολούθηση και τη συμμετοχή σας μέχρι τώρα. Είμαστε ενθουσιασμένοι για το τι μας περιμένει και ανυπομονούμε να συνεχίσουμε αυτό το ταξίδι προς την επιτυχία με το Six Sigma μαζί σας!

Εώς το επόμενο άρθρο, μείνετε προσεκτικοί, αναλυτικοί και πάντα έτοιμοι για βελτίωση.