Comment faire des cartes de contrôle pour les données d'attribut pour six sigma

Dans les initiatives Six Sigma, vous pouvez faire des cartes de contrôle pour les données d'attribut. Les données d'attributs

sont des données qui ne peuvent pas tenir dans une échelle continue, mais est plutôt fragmenté en distincte seaux, comme petit / moyen / grand, réussite / échec, acceptable / pas acceptable, et ainsi de suite.

Bien que la surveillance et le contrôle des produits, des services et des processus avec des données en continu plus sensible est préférable, données parfois continues est tout simplement pas disponibles, et tout ce que vous avez est données d'attribut moins sensibles. Mais ne désespérez pas, parce que certaines cartes de contrôle sont conçus spécifiquement pour les données d'attributs pour en tirer des informations surprenante et vous permettent de contrôler le comportement de votre processus.

Avec la connaissance des deux seules cartes de contrôle d'attribut, vous pouvez surveiller et processus de contrôle des caractéristiques qui sont constitués de données d'attribut. Les deux tableaux sont les p (proportion non conforme) et le u (non-conformités par unité) graphiques. Comme leurs homologues continues, ces cartes de contrôle d'attribut vous aider à prendre des décisions de contrôle. Avec leurs limites de contrôle, ils peuvent vous aider à capturer la vraie voix du processus.

Imaginez un bol de soupe. Si vous avez trouvé dix mouches en elle, vous seriez jugez inacceptable. Que faire si vous avez trouvé une seule mouche? Vous souhaitez toujours appelez inacceptable. Les données de cas comme celui-ci, où quelque chose de mal vous fait jugez inacceptable l'article dans son intégralité, sont appelés défectueuses. Une ou plusieurs choses qui font toute la situation mauvaise. Si vous êtes à la cartographie défectueux attribuent des données, vous utilisez un p tableau.

Certaines données d'attributs pour les cartes de contrôle sont des données de défaut - le nombre de rayures sur une portière de voiture, le nombre de champs manquants informations sur un formulaire de demande, et ainsi de suite. Si vous comptez et de garder trace du nombre de défauts sur un article, vous utilisez des données d'attribut de défaut, et que vous utilisez un u tracer pour effectuer un contrôle statistique du processus.

Bien que les mots sonnent presque identique, il est extrêmement important de savoir quel type de données d'attribut que vous avez: défectueuses (réussite / échec) des données ou des défauts (chiffre) les données. Si vous obtenez cette distinction mal, votre tableau de contrôle ultérieur sera complètement invalide.

Note: p Graphiques pour données défectueuses sont basées sur une distribution binomiale. u les arbres pour les données de défauts sont basées sur la distribution de Poisson.

Le tableau de p pour les données d'attribut

La p graphique trace la proportion d'unités de mesure ou sorties de processus qui sont défectueux dans chaque sous-groupe. Les sous-groupes séquentiels pour p graphiques peuvent être de taille égale ou inégale. Lorsque vos sous-groupes sont de tailles différentes, les limites de contrôle supérieures et inférieures ne sont pas, les valeurs horizontales constants - ils vont chercher inégale.

Mais les mêmes règles pour l'interprétation de la carte de contrôle demeurent - les limites de contrôle se déplacent seulement de sous-groupe de sous-groupe. Vous trouverez la proportion d'unités défectueuses, pour chaque sous-groupe en divisant le nombre d'unités défectueuses observées dans le sous-groupe par le nombre total d'unités défectueuses mesurées dans le sous-groupe.

Une application courante d'un p tableau est quand vous avez les données de pourcentage, et la taille du sous-groupe pour chaque calcul de pourcentage peut être différent d'un sous-groupe à l'autre - par exemple, le nombre de patients qui arrivent en retard chaque jour pour leurs rendez-vous dentaires ou le nombre de formes traitées chaque jour qui doivent être retravaillés dus à des erreurs ou des oublis (défauts).

Dans ces deux exemples, la taille totale des sous-groupes de mesure peut varier de jour en jour.

p les arbres sont généralement utilisés là où la probabilité d'un défaut est faible - généralement moins de 10 pour cent. Donc, pour être efficace, la taille du sous-groupe doit être suffisamment grand pour enregistrer un ou plusieurs défectueuses. Vous devez également tenir compte de la longueur de temps que représente un sous-groupe: longues périodes de temps peuvent faire repérer une cause spécifique difficile.

Rappelez-vous, tout comme avec les cartes de contrôle continu, vous devez être alerte pour d'autres indicateurs de la cause variante spéciale en plus de dépasser tout simplement les limites de contrôle. La présence de motifs inhabituels, comme des séries ou des tendances, même si tous les points sont dans les limites de contrôle, peut être la preuve d'une instabilité ou un out-of-the-ordinaire changement dans la performance.

Le tableau de u pour les données d'attribut

Comme avec le p graphique, le u graphique ne nécessite pas une taille de sous-groupe constant. Les limites de contrôle sur la u tableau varie avec la taille du sous-groupe et peut donc ne pas être constante.

Compter le nombre de défauts distincts sur un formulaire est une utilisation commune de la u tableau. Par exemple, les erreurs et les informations manquantes sur les formulaires de demande d'assurance (défauts) sont un problème pour les hôpitaux. En conséquence, chaque formulaire de demande doit être vérifié et corrigé avant d'être envoyé à la compagnie d'assurance.

Un hôpital a notamment mesuré ses défauts par le rendement des unités en calculant le nombre de défauts trouvés par unité pour les formes transformées de chaque jour.

Chaque point sur la carte représente les défauts moyens par formulaire de réclamation pour ce sous-groupe. Points de plus sur le graphique représentent un plus grand nombre de défauts par unité. La médiane, calculée à 1.870, indique une performance des processus moyenne globale de 1,87 défauts par formulaire.