Comment utiliser différents types de données pour les six sigma

Toutes les données ne sont pas créés égaux. Comme vous commencez votre quête Six Sigma pour organiser vos données, vous devez d'abord savoir quel type de données de performance que vous avez. Tout comme savoir ce que les poissons mordent vous dit ce qui attrait à utiliser, savoir quel type de données que vous avez affaire avec vous raconte les outils à utiliser. Il existe deux catégories de données importantes: attribut et continue.

Attribut (catégorie) des données

Certaines données sont constituées de mesures qui décrivent un attribut de la caractéristique ou le processus. Ces données sont appelées attribut ou catégorie données.

Les données d'attributs sont tout autour de vous:

• Indicatifs régionaux de téléphone

• S, M, L, XL, XXL tailles de vêtements

• “ Passez ” ou “ l'échec ” prononcé des jugements sur les produits simplement assemblés

• “ Bonne ” ou “ mauvaise ” l'évaluation de la sortie d'un processus

Comment savez-vous si vous travaillez avec des données d'attribut? Le test révélateur est de vous demander, “ Puis-je véritablement ajouter ou soustraire des valeurs de ces données ”?;

Si la réponse est “ ne, n ° 148; ce que vous avez est les données d'attribut. Par exemple, qu'est-ce que vous obtenez lorsque vous ajoutez une chemise de S-taille à une chemise de taille M? Rien de significatif. Ou, si vous soustrayez téléphone indicatif régional 213 à partir de l'indicatif régional 415, ne l'indicatif régional résultant de 202 signifie quelque chose? Bien sûr que non! Et si vous savez que vous avez affaire à des données d'attribut.

Qu'est-ce que vous pouvez faire avec les données de l'attribut est compter combien de fois chaque catégorie ou un attribut apparaît. Par exemple, vous pouvez constater que le processus produit 152 “ bonne ” Articles 28 et “ mauvaise ” les articles sur une période de temps donnée. Vous utilisez les résultats de ces types d'études catégorie de comptage que le point de départ de nombreuses analyses Six Sigma.

Une catégorie de sous-ensemble de données d'attribut qui fournit un peu plus de puissance est appelé données ordinale (aussi connu comme les données de l'ordre de classement). Les données ordinales sont des données d'attribut qui peut être logiquement placé dans un ordre du plus petit au plus grand ou dans un ordre de temps, comme les mois de l'année: Janvier, Février, Mars, et ainsi de suite.

Si tu as “ n ° 148 mois; des données sur un ensemble de factures de l'année dernière, vous pouvez les trier dans des seaux d'occurrence commençant par Janvier et se déplacent tout au long de l'année. Ou vous ne pouvez pas avoir des temps de réalisation effective, mais vous pouvez avoir des données sur les employés qui ont terminé une tâche première, deuxième, troisième, et ainsi de suite. Vous disposez d'un puissant ensemble de données ordinales que vous pouvez utiliser pour commencer l'analyse et l'amélioration.

Continu (variable)

Si vous trouvez que vous pouvez utilement ajouter ou soustraire deux valeurs de vos données, vous travaillez avec continu (ou variable) Des données plutôt que des données d'attributs.

Lors de l'essai si les données sont attribut ou continue, assurez-vous d'appliquer la “ utilement ajouter ou soustraire les valeurs ” question aux données brutes et non à tous les chefs d'accusation résumés des données.

Par exemple, le fait que vous pouvez soustraire cinq chemises M taille de sept chemises L taille pour obtenir une différence de deux-shirt ne signifie pas que vous avez des données continues. Vous devez appliquer la question aux données brutes: une chemise de L taille moins une chemise de M-taille n'a pas de réponse significative.

Les deux continu et variable sont des noms pauvres pour ce type de données, mais pour une raison quelconque, ce sont les noms qui ont collé. Le nom “ continue ” est destiné à véhiculer l'idée que ce type de données peut avoir une valeur à partir d'une échelle continue, comme la lecture sur un thermomètre à mercure.

“ variable ” est une tentative de dire la même chose - que les valeurs mesurées peuvent varier n'importe où le long d'une échelle donnée. Vous pouvez obtenir 98.23 degrés Fahrenheit ou 98,25 degrés Fahrenheit ou 98,37 degrés Fahrenheit.

Le problème est que peu importe comment continu ou variable que vous pensez que votre échelle de mesure est, dès que vous enregistrez une mesure, vous tronquer toujours sa lecture une certaine longueur fixe, ce qui rend plus continue. Mais les pouvoirs en place veulent que vous utilisez les noms continu et variables, alors allez-y et de les utiliser de toute façon.

Quelques autres exemples de données continues comprennent

• Une échelle GPA numérotée représentant les notes en lettres à l'école

• La température dans le four

• Le montant d'argent que vous dépensez sur les produits d'épicerie

• Le temps qu'il faut pour accomplir une tâche de processus

• La consommation d'essence de votre voiture

Tous les deux valeurs de données continues ou variables peuvent toujours être utilement ajoutés ou soustraits. Par exemple, un comptage du nombre d'enfants dans chaque ménage ne peut se produire dans des valeurs entières - vous ne pouvez pas avoir physiquement 2,3 enfants - si l'échelle de mesure des enfants dans un ménage est pas continu à tous.

Mais vous pouvez prendre la mesure de l'entier de chaque ménage et effectuer des opérations mathématiques pour calculer un écart moyen ou une norme significative. Être capable de fonctionner mathématiquement sur les deux valeurs de données en continu est ce qui le distingue de données d'attribut.