Como usar diferentes tipos de dados para seis sigma
Todos os dados não são criados iguais. Como você começar sua busca Six Sigma para organizar seus dados, você primeiro precisa saber que tipo de dados de desempenho que você tem. Assim como saber o que os peixes estão mordendo você diz qual isca usar, sabendo que tipo de dados que você está lidando com diz-lhe quais ferramentas usar. Há duas importantes categorias de dados: atributo e contínua.
| Tipo de dados | Descrição | Exemplos |
|---|---|---|
| Atributo / categoria | observações de dados caem em discreta, valor nomeado categorias. | cor dos olhos: castanho, azul, verde |
| Localização: Fábrica 1, Fábrica 2, Fábrica 3 | ||
| Não há operações matemáticas podem ser realizadas em matéria dados. | resultado de inspeção: pass, fail | |
| Tamanho: grande, médio, pequeno | ||
| verificação Fit: ir, no-go | ||
| Questionário resposta: sim, não | ||
| Você pode contar o número de ocorrências que você vê de cada categoria. | Presença: presente, ausente | |
| Funcionário: Fred, Suzanne, Holly | ||
| Processamento: tratamento A, tratamento B | ||
| Contínuo | observações de dados pode assumir valor numérico e aren&rsquo-t confinados a categorias nominais. | saldo da conta bancária: Dólares |
| Comprimento: metros | ||
| Horárias: segundos | ||
| A corrente elétrica: amps | ||
| Quaisquer dois valores de dados pode ser significativamente e adicionou subtraído. | resposta da pesquisa: 1 = discordo, 2 = neutro, 3 = concordo |
Atributo (categoria) de dados
Alguns dados consistem de medições que descrevem um atributo da caractertica ou processo. Estes dados são chamados atributo ou categoria dados.
Atributo de dados estão todos em torno de você:
códigos de área telefone
S, M, L, tamanhos de roupa XL, XXL
“Pass” ou “falha” julgamentos pronunciados em produtos recém-montados
“Bom” ou “mau” avaliações da saída de um processo
Como você sabe se você está trabalhando com dados de atributo? O teste revelador é de se perguntar: “Posso significativamente adicionar ou subtrair valores destes dados?”
Se a resposta for “não”, o que você tem é de dados de atributos. Por exemplo, o que você ganha quando você adiciona uma camisa S-sized a uma camisa tamanho M-? Nada significativo. Ou, se você subtrair o código de área do telefone 213 de código de área 415, se o código de 202 resultando área significa alguma coisa? Claro que não! E então você sabe que você está lidando com dados de atributos.
O que você pode fazer com os dados atributo é contar quantas vezes cada categoria ou atributo aparece. Por exemplo, você pode achar que um processo produz 152 “boas” itens e 28 “maus” itens ao longo de um determinado período de tempo. Você pode usar os resultados destes tipos de estudos categoria contando como o ponto de partida para as análises muitos Six Sigma.
A categoria subconjunto de dados atributo que fornece um pouco mais de potência é chamado dados ordinal (também conhecido como Dados ordem de classificação). dados ordinais são dados atributo que pode ser logicamente colocado em uma ordem do menor para o maior ou em uma ordem de tempo, tais como os meses do ano: janeiro, fevereiro, março e assim por diante.
Se você tiver dados “mês” sobre um conjunto de facturas do ano passado, você pode classificá-los em baldes de ocorrência começando com janeiro e em movimento durante todo o ano. Ou você pode não ter tempos de conclusão reais, mas você pode ter dados sobre o qual os funcionários terminaram uma tarefa primeiro, segundo, terceiro e assim por diante. Você tem um poderoso conjunto de dados ordinal que você pode usar para começar a análise e melhoria.
dados contínua (variável)
Se você achar que você pode significativamente adicionar ou subtrair quaisquer dois valores de seus dados, você está trabalhando com contínuo (ou variável) de dados, em vez de dados de atributos.
Ao testar se os dados é atributo ou contínua, certifique-se de aplicar a pergunta “adicionar significativamente ou subtrair os valores” para os dados brutos e não a quaisquer contagem resumida dos dados.
Por exemplo, o fato de que você pode subtrair cinco camisas M porte a partir de sete camisas L-sized para obter uma diferença de dois camisa não indica que você tem dados contínuos. Você tem que aplicar a pergunta para os dados brutos: uma camisa L-sized menos uma camisa tamanho M-não tem uma resposta significativa.
Ambos contínuo e variável são nomes ruins para este tipo de dados, mas por qualquer motivo, estes são os nomes que ficaram. O nome “contínuo” pretende transmitir a ideia de que este tipo de dados pode ter qualquer valor a partir de uma escala contínua, como a leitura em um termômetro de mercúrio.
“Variável” é uma tentativa de dizer a mesma coisa - que os valores medidos podem variar em qualquer lugar ao longo de uma dada escala. Você pode obter 98,23 graus Fahrenheit ou 98,25 graus Fahrenheit ou 98,37 graus Fahrenheit.
O problema é que não importa o quão contínua ou variável que você acha que a sua escala de medição é, assim que você gravar uma medição, você sempre truncar sua leitura a algum comprimento fixo, tornando-se não contínua. Mas os poderes que querem que você use os nomes contínuo e variável, então vá em frente e usá-los de qualquer maneira.
Mais alguns exemplos de dados contínuos incluir
Uma escala de GPA numeradas representando carta notas na escola
A temperatura no forno
A quantidade de dinheiro que você gasta em mantimentos
O tempo que leva para completar uma tarefa processo
O consumo de combustível do seu carro
Quaisquer dois valores de dados contínuos ou de variáveis sempre pode ser significativamente adicionados ou subtraídos. Por exemplo, uma contagem do número de crianças em cada família só pode ocorrer em valores inteiros - você não pode ter fisicamente 2,3 filhos - para que a escala de medida de crianças em uma casa não é contínua em tudo.
Mas você pode fazer a medição número inteiro de cada família e realizar operações matemáticas para calcular um desvio médio ou padrão significativo. Ser capaz de operar matematicamente em quaisquer dois valores de dados contínua é o que o diferencia de dados de atributos.