Một cách đơn giản để đánh giá năng lực quy trình mà không cần những giả định phức tạp
Các biện pháp năng lực quy trình, chẳng hạn như Cpk và Ppk, đo lường mức độ hiệu quả của quy trình của bạn so với thông số kỹ thuật của khách hàng. Chúng ta hãy xem xét một số kiến thức cơ bản về phân tích năng lực và sau đó đi sâu vào một ước tính năng lực khác, Cnpk, có thể có một vị trí rất hữu ích trong kho vũ khí phân tích năng lực của bạn.
Thống kê năng lực được giải nén
Sử dụng một con số duy nhất, thống kê năng lực cung cấp một thước đo không có đơn vị để đánh giá liệu một quy trình có khả năng đáp ứng các yêu cầu cụ thể hay không và để xác định các lĩnh vực cần cải thiện. Để đạt được mục đích đó, những ước tính phổ biến này có thể được coi là tỷ lệ giữa “Tiếng nói của Khách hàng” với “Tiếng nói của Quy trình”.
Chúng ta có thể dễ dàng đo lường “Tiếng nói của khách hàng” – đó là dung sai chấp nhận được hoặc khoảng cách giữa các giới hạn thông số kỹ thuật. Đo lường “Tiếng nói của quy trình” phức tạp hơn một chút và thường được thực hiện bằng cách giả định các phép đo đến từ một quần thể có hình dạng giống như một đường cong hình chuông. Điều này có đặc tính thuận tiện là rộng khoảng 6 độ lệch chuẩn, khiến “Tiếng nói của quy trình” gấp khoảng 6 lần độ lệch chuẩn.
Nếu độ dung sai và độ lan truyền quy trình có cùng độ dài, thì tỷ lệ của “Tiếng nói của Khách hàng” so với “Tiếng nói của Quy trình” khi đó sẽ gần bằng 1,0. Tuy nhiên, lý tưởng nhất là chúng ta có một chút vùng đệm giữa các thông số kỹ thuật của mình và nơi quy trình rơi vào để đảm bảo các khuyết tật ở mức tối thiểu. Do đó, đối với một quy trình có ít khuyết tật, độ dung sai phải rộng hơn độ lan truyền quy trình khiến tỷ lệ của chúng lớn hơn 1. Trên thực tế, các chuẩn mực chung cho các số liệu thống kê về khả năng chấp nhận được như Cpk và Ppk là 1,33 và 1,67.
Thống kê năng lực trong thực tế
Thật không may, các tình huống thực tế thường phức tạp hơn ví dụ trong sách giáo khoa này. Ví dụ, đôi khi chúng ta chỉ có một giới hạn thông số kỹ thuật, thường thì phân phối không nằm giữa các giới hạn thông số kỹ thuật của chúng ta và hóa ra độ lệch chuẩn có thể được đo theo nhiều cách. Tham khảo phần thảo luận này để biết thêm thông tin về các vấn đề quan trọng này. Ngoài ra, khi chúng ta đang suy nghĩ về dữ liệu trong thế giới thực, chúng ta có thể sẽ phát hiện ra rằng có nhiều tình huống khi dữ liệu không tuân theo đường cong hình chuông của phân phối chuẩn.
Trong bối cảnh Phân tích năng lực, hình dạng của dữ liệu là thành phần chính trong cách chúng ta đo lường sự lan truyền của quy trình. Nếu dữ liệu lệch đáng kể so với phân phối giả định, các số liệu như Cpk và Ppk sẽ không phản ánh chính xác năng lực quy trình. May mắn thay, Phần mềm thống kê Minitab bao gồm một bộ công cụ Phân tích năng lực phi chuẩn mạnh mẽ khi bạn gặp phải tình huống dữ liệu phi chuẩn khó chịu đó.
Nhưng nếu bạn đã thử các tùy chọn đã được thử nghiệm và đúng cho các tình huống khi phân phối chuẩn không phù hợp thì sao? Nói cách khác, chúng ta có thể làm gì khi các giá trị p Anderson-Darling từ Stat > Quality Tools > Individual Distribution Identification đều thấp hơn chuẩn 0,05, cho thấy không có phân phối hoặc chuyển đổi nào được cung cấp là phù hợp?
Khi Phân phối/Chuyển đổi Thay thế Không đạt yêu cầu
Gần đây tôi đã gặp phải trường hợp chính xác này khi làm việc với một công ty sản xuất ống dùng cho các thiết bị y tế truyền dịch IV. Công ty này cần chứng minh với Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ rằng ống của họ có khả năng đáp ứng thông số kỹ thuật về độ bền kéo đã nêu.
Dưới đây là kết quả tôi thu được từ phần mềm thống kê Minitab về Nhận dạng phân phối cá nhân.
Khi sử dụng Kiểm định mức độ phù hợp Anderson-Darling, giá trị p trên 0,05 thường chỉ ra rằng việc sử dụng phân phối hoặc chuyển đổi tương ứng khi ước tính khả năng là phù hợp. Tuy nhiên, trong trường hợp này, không có phương pháp nào đáp ứng được tiêu chí đó.
Hãy xem xét kỹ hơn dữ liệu này để xem vấn đề nằm ở đâu. Sử dụng Graph Builder ( Graph > Graph Builder ), tôi có thể thấy từ biểu đồ bên dưới rằng một trong những đoạn ống mẫu bị vỡ ở lực thấp hơn dự kiến và một đoạn ống khác thì bền hơn dự kiến. Các giá trị ngoại lệ là lý do phổ biến nhất khiến phân phối hoặc chuyển đổi không giúp ích trong những trường hợp như thế này. Theo định nghĩa, một giá trị ngoại lệ cực đoan sẽ không phù hợp với mô hình chung của dữ liệu.
Điều quan trọng là phải điều tra các giá trị ngoại lệ cực đoan và cố gắng hiểu nguyên nhân gây ra chúng. Các giá trị ngoại lệ có thể là lỗi đo lường hoặc lỗi nhập dữ liệu, trong trường hợp đó, chúng không đại diện cho quy trình thực sự và cần được điều chỉnh phù hợp. Nếu chúng là các giá trị hợp lệ, ưu tiên số một của bạn là ngăn chặn các giá trị ngoại lệ trong tương lai xảy ra và phấn đấu cho sự ổn định của quy trình, nhưng có lẽ bạn vẫn cần ước tính khả năng để đưa sản phẩm của mình ra thị trường.
Một giải pháp không phân phối để đánh giá năng lực
Một trong những tính năng mới tốt nhất trong Phiên bản 22 của Phần mềm Thống kê Minitab là Phân tích Khả năng Không tham số. Phân tích này cung cấp ước tính hợp lý về khả năng của quy trình của bạn mà không cần giả định phức tạp hơn về phân phối. Để truy cập tính năng hữu ích này, hãy chọn Stat > Quality Tools > Capability Analysis > Nonparametric .
Đối với dữ liệu ống y tế, bạn có thể thấy rằng ngay cả với sự cố của hai giá trị ngoại lệ, quy trình vẫn có khả năng đáp ứng giới hạn thông số kỹ thuật thấp hơn của nó. Bạn có thể diễn giải thống kê khả năng phi tham số, Cnpk, giống như bạn sẽ làm với các thống kê khả năng khác như Cpk và Ppk. Trong trường hợp này, Cnpk = 1,39 vượt quá mục tiêu khả năng của công ty là 1,33.
Giả định phân phối là cần thiết cho phân tích năng lực vì chúng hỗ trợ các tính toán, diễn giải, suy luận và quyết định dựa trên kết quả phân tích. Tuy nhiên, điều quan trọng là phải nhận ra rằng dữ liệu thực tế không phải lúc nào cũng tuân thủ hoàn toàn các giả định này. Thêm một phương pháp đơn giản, không phân phối vào bộ công cụ của bạn sẽ cho phép bạn có được ước tính năng lực phù hợp ngay cả khi dữ liệu thực tế của bạn không tuân theo mô hình của bất kỳ phân phối nào đã biết.
Nghiên cứu đánh giá quá trình đo lường (Nghiên cứu EMP) trong Minitab
Nếu bạn đã thực hiện hoặc có kế hoạch thực hiện công việc cải tiến quy trình, thì có lẽ bạn đã tự hỏi liệu mình có thực sự có được các phép đo đủ chính xác hay không. Bạn phải tin tưởng vào dữ liệu của mình trước khi sử dụng nó để đưa ra các quyết định quan trọng về việc điều chỉnh và phân bổ nguồn lực. Phân tích hệ thống đo lường (MSA) nói chung đề cập đến các quy trình ước tính và đánh giá lượng biến động trong một hệ thống đo lường. Một loại là nghiên cứu EMP, còn được gọi là Phương pháp Wheeler. EMP là viết tắt của Đánh giá quy trình đo lường.
Nếu bạn đã thực hiện hoặc có kế hoạch thực hiện công việc cải tiến quy trình, thì có lẽ bạn đã tự hỏi liệu mình có thực sự có được các phép đo đủ chính xác hay không. Bạn phải tin tưởng vào dữ liệu của mình trước khi sử dụng nó để đưa ra các quyết định quan trọng về việc điều chỉnh và phân bổ nguồn lực. Phân tích hệ thống đo lường (MSA) nói chung đề cập đến các quy trình ước tính và đánh giá lượng biến thiên trong hệ thống đo lường. Một loại là nghiên cứu EMP, còn được gọi là Phương pháp Wheeler. EMP là viết tắt của Đánh giá quy trình đo lường. Nghiên cứu EMP đánh giá hai nguồn biến thiên đo lường:
Độ lặp lại: Sự thay đổi được quan sát thấy khi cùng một người đo cùng một bộ phận nhiều lần, sử dụng cùng một thước đo, trong cùng một điều kiện.
Độ tái tạo: Sự thay đổi được quan sát thấy khi nhiều người đo cùng một bộ phận nhiều lần, sử dụng cùng một dụng cụ đo, trong cùng điều kiện.
Dựa trên khả năng lặp lại và khả năng tái tạo, nghiên cứu EMP phân loại các hệ thống đo lường từ xếp hạng tốt nhất là Hạng nhất đến xếp hạng tệ nhất là Hạng tư. Về mặt thực tế, các lớp này giải thích mức độ hệ thống đo lường phát hiện sự dịch chuyển trong giá trị trung bình của quy trình ít nhất là 3 độ lệch chuẩn. Nếu hệ thống đo lường có thể phát hiện ra những sự dịch chuyển như thế này, thì hệ thống đo lường sẽ hữu ích cho các hoạt động cải tiến quy trình khác. Ví dụ, nhiều biểu đồ kiểm soát sử dụng giá trị trung bình của nhóm con cách giá trị trung bình chung hơn 3 độ lệch chuẩn làm tín hiệu cho thấy có nguyên nhân đặc biệt ảnh hưởng đến quy trình.
Ví dụ, một nhà sản xuất thiết bị giám sát thực phẩm tiêu dùng đóng gói các hộp ngũ cốc . Nhà sản xuất muốn đảm bảo rằng sự thay đổi từ các phép đo khác nhau đủ nhỏ để họ có thể sử dụng các phân tích cải tiến quy trình khác . Kết quả từ nghiên cứu EMP giúp xác định xem hệ thống đo lường có thể chấp nhận được hay không và cách cải thiện hệ thống đo lường.
Hệ thống đo lường có chấp nhận được không?
Thống kê EMP cung cấp hệ thống đo lường với phân loại của nó. Trong các kết quả này, phân loại là Hạng nhất. Nhóm có thể tự tin rằng hệ thống đo lường sẽ đủ tốt để sử dụng cho các hoạt động cải tiến quy trình khác.
Hệ thống đo lường có thể được cải thiện như thế nào?
Nghiên cứu EMP cũng bao gồm thông tin mà bạn có thể sử dụng để quyết định thời điểm ưu tiên cải tiến hệ thống đo lường. Phân tích phạm vi trung bình (ANOMR) và Phân tích hiệu ứng chính (ANOME) cho thấy khả năng tái tạo thấp so với biến thể quy trình. Trong ANOMR này, toán tử B ít nhất quán hơn hai toán tử kia. Cải thiện tính nhất quán cho toán tử B sẽ cải thiện hệ thống đo lường.
Trong ví dụ ANOME này, các toán tử khác nhau có xu hướng đo cao hơn hoặc thấp hơn nhau. Những cải tiến đưa các phép đo trung bình của các toán tử khác nhau lại gần nhau hơn sẽ cải thiện hệ thống đo lường.
Tin tưởng dữ liệu của bạn
Để hành động trên dữ liệu của bạn, bạn cần tin rằng dữ liệu là đúng. Nghiên cứu EMP trong Phần mềm Thống kê Minitab cung cấp cho bạn khả năng xem hệ thống đo lường của bạn có được chấp nhận hay không và cách cải thiện hệ thống đo lường của bạn. Khi bạn đánh giá độ chính xác của phép đo, bạn có thể tin tưởng rằng mọi thứ sau đó đều được xây dựng từ dữ liệu mà bạn có thể tin tưởng.
MiniTAB Workspace 1.5 | Phần mềm phân tích dữ liệu Quản lý dự án
Minitab Workspace: Một công cụ mạnh mẽ để quản lý và phân tích dữ liệu
Minitab Workspace là một chương trình phần mềm được sử dụng để phân tích dữ liệu và quản lý dự án trong các tổ chức. Nó đặc biệt nhấn mạnh vào việc phân tích dữ liệu thống kê và kiểm soát chất lượng sản phẩm hoặc quy trình trong nhiều ngành công nghiệp và doanh nghiệp khác nhau.
Minitab Workspace cung cấp nhiều khả năng phân tích dữ liệu, bao gồm tạo biểu đồ và đồ thị để tóm tắt dữ liệu. Thực hiện phân tích thống kê, chẳng hạn như tính toán phương tiện Phương sai Kiểm tra giả thuyết và nhiều hơn nữa
Sử dụng Minitab Workspace là lựa chọn tuyệt vời để quản lý và phân tích dữ liệu trong các tổ chức cần hiểu dữ liệu của mình để đưa ra quyết định hiệu quả hơn về việc cải thiện quy trình hoặc sản phẩm. Bằng cách cung cấp các công cụ và phương pháp phù hợp để phân tích và đưa ra quyết định chính xác.
Minitab Workspace là một gói phần mềm bao gồm các công cụ thiết yếu để quản lý và phân tích dữ liệu. Dễ sử dụng và phù hợp với mọi cấp độ người dùng. Không cần viết mã Phần mềm này cho phép người dùng
Thu thập và quản lý dữ liệu
Phân tích dữ liệu bằng thống kê
Tạo hình ảnh dữ liệu
Chia sẻ kết quả
Minitab Workspace là giải pháp nâng cao năng suất. Nó có các công cụ để trực quan hóa dữ liệu như sơ đồ xương cá, sơ đồ luồng giá trị và sơ đồ quy trình. Nó cũng có các công cụ để phân tích mô hình và hiệu ứng lỗi (FMEA), phân tích 5 Whys và mô phỏng Monte Carlo.
Minitab Workspace giúp bạn tăng cường hiệu quả công việc bằng các công cụ trực quan hóa dữ liệu mạnh mẽ. Sơ đồ quy trình Biểu đồ động não (sơ đồ động não) và tất cả các biểu mẫu đều có giao diện người dùng dễ hiểu. Sẵn sàng sử dụng Các công cụ của chúng tôi giúp bạn xây dựng quy trình và tìm kiếm cơ hội mới, giúp giải quyết vấn đề dễ dàng hơn.
Các tính năng chính của Minitab Workspace
Công cụ quản lý dữ liệu: Cho phép người dùng dễ dàng thu thập, nhập, sắp xếp và chỉnh sửa dữ liệu.
Công cụ phân tích dữ liệu: Bao gồm nhiều công cụ thống kê để phân tích dữ liệu chuyên sâu, chẳng hạn như phân tích hồi quy. Phân tích phương sai Phân tích mối quan hệ và nhiều hơn nữa
Công cụ trực quan hóa dữ liệu: Cho phép người dùng tạo nhiều dạng trực quan hóa dữ liệu như biểu đồ thanh, biểu đồ đường, biểu đồ hình tròn, biểu đồ phân tán, v.v.
Công cụ chia sẻ kết quả: Cho phép người dùng dễ dàng chia sẻ kết quả phân tích dữ liệu của mình với người khác.
Minitab Workspace phù hợp với ai?
Học sinh
Nhà nghiên cứu
Nhà phân tích dữ liệu
Chuyên gia Lean Six Sigma
Doanh nhân
Tổ chức kinh doanh
Lợi ích của việc sử dụng Minitab Workspace
Cải thiện năng suất: Minitab Workspace cho phép người dùng thực hiện các tác vụ Nhanh hơn và hiệu quả hơn
Đưa ra quyết định tốt hơn: Minitab Workspace giúp người dùng đưa ra quyết định tốt hơn dựa trên dữ liệu.
Khám phá thông tin chi tiết: Minitab Workspace cho phép người dùng khám phá thông tin chi tiết ẩn trong dữ liệu của họ.
Giải quyết vấn đề hiệu quả: Minitab Workspace giúp người dùng giải quyết vấn đề hiệu quả.
Ví dụ sử dụng Minitab Workspace
Phân tích chất lượng: Minitab Workspace có thể được sử dụng để phân tích dữ liệu chất lượng và xác định nguyên nhân gốc rễ của các vấn đề.
Phân tích quy trình: Minitab Workspace có thể được sử dụng để phân tích quy trình và xác định các lĩnh vực cần cải thiện.
Phân tích tài chính: Minitab Workspace có thể được sử dụng để phân tích dữ liệu tài chính và đưa ra quyết định kinh doanh.
Nghiên cứu khoa học: Minitab Workspace có thể được sử dụng để phân tích dữ liệu khoa học và rút ra kết luận.
Minitab Workspace có thể được mua một lần hoặc thuê theo tháng. Người dùng có thể lựa chọn mẫu phù hợp nhất với nhu cầu của mình.
Minitab Workspace là một công cụ mạnh mẽ để quản lý và phân tích dữ liệu. Nó dễ sử dụng và phù hợp với người dùng ở mọi cấp độ. Và với nhiều công cụ đa dạng đáp ứng nhu cầu của người dùng, Minitab Workspace cho phép người dùng thực hiện nhiều tác vụ khác nhau. Nhanh Hiệu quả Đưa ra quyết định tốt hơn Khám phá những hiểu biết sâu sắc và giải quyết vấn đề một cách hiệu quả
Đặc trưng:
Công cụ trực quan để cải tiến quy trình:
Sơ đồ quy trình: Tạo biểu diễn trực quan về quy trình của bạn để hiểu cách thức công việc diễn ra.
Biểu đồ xương cá (Nguyên nhân và kết quả): Xác định nguyên nhân gốc rễ tiềm ẩn của các vấn đề theo định dạng có cấu trúc.
Bản đồ luồng giá trị: Phân tích và cải thiện luồng giá trị (vật liệu và thông tin) trong một quy trình.
Biểu mẫu: Thu thập và sắp xếp dữ liệu một cách dễ dàng theo cách hợp lý.
Công cụ động não và giải quyết vấn đề:
Năm câu hỏi Tại sao: Tìm ra gốc rễ của vấn đề bằng cách đặt câu hỏi nhiều lần.
Phân tích chế độ lỗi và tác động (FMEA): Một phương pháp chủ động, có hệ thống để xác định rủi ro và ưu tiên những rủi ro gây thiệt hại nhiều nhất.
Quản lý và theo dõi dự án:
Hiến chương dự án: Xác định rõ ràng mục tiêu, phạm vi, bên liên quan và mốc thời gian của dự án.
RACI: (Ma trận phân công trách nhiệm): Đảm bảo phân công vai trò rõ ràng cho các nhiệm vụ của dự án.
Mô phỏng và phân tích dự đoán:
Mô phỏng Monte Carlo: Mô hình hóa tác động của sự không chắc chắn lên các quy trình bằng cách mô phỏng nhiều kịch bản khác nhau nhiều lần.
Những lợi ích bổ sung của Minitab Workspace
Giao diện trực quan: Giúp bạn dễ dàng bắt đầu, ngay cả khi bạn không có nhiều kinh nghiệm về cải tiến quy trình.
Hợp tác: Làm việc cùng nhau theo thời gian thực trong môi trường không gian làm việc chung.
Tùy chỉnh: Điều chỉnh các công cụ và biểu mẫu để phù hợp với quy trình và nhu cầu riêng của bạn.
Comments