您的位置:主页 > 六西格玛专栏 >
        与六西格玛抽样有关的重要概念。正如Pivotal物流公司的项目团队所注意到的那样,某些抽样方法要比另外一些更胜一筹。他们所遇到的问题包括:

1、偏倚。抽样偏倚就像是海上航行路线上的冰山。收集到存在偏倚的样本就意味着数据并不是完全有效,而且根据这种数据所得出的任何结论很可能都是错误的。几乎所有的抽样方法都会存在某种形式的偏倚,技巧则是如何使其保持最小化。

2、随意抽样。收集那些最容易得到的样品不仅仅只是图省事的表现。这也是一种容易导致数据出现偏倚的抽样方式。

3、判断抽样。几乎同样糟糕的(尽管看起来似乎是更好一些)是试图根据“经验知识”对哪些事物或人员具有总体的代表性而做出各种猜 测。猜 测本身就是一种偏倚。

4、系统抽样。多数业务测量活动都推荐采用这种抽样方法。系统抽样就是按照一定的区间间隔(例如每半个小时、每20件事物,等等)在流程中抽取样品。一种系统性的总体抽样例子就是对数据库每10条记录进行检查。系统抽样注意事项是,一定要确保取样频率不要与会导致数据出现偏倚的某种规律发生重合。

5、随机抽样。尽管大家听说这是一种最佳的方法,但在现实的世界里,实现真正的随机比我们想象的可要困难。绝大多数业务在运用随机抽样时都会涉及以计算机技术为基础进行随机选择。
 
  其他一些与六西格玛抽样有关的概念还包括:

1、分层抽样。对样本进行分层有助于确保得到的数据能够代表所有各个关键的集合。假设Pivotal物流公司有两种主要类型的到货,为了确保每种类型的到货都有足够 的数据,他们可能需要对每种类型分别进行取样。

2、置信水平。这个术语描述的是,针对收集到的数据并得出能够 反映总体或流程真实情况的结论(又叫作“事实”),我们对其有多大的把握。通常都采用百分比来表示置信度,而且在业务流程的各种评价中,95%的置信水平是个不错的标准。

3、精确度。测量的准确性实际上与量具的类型或操作性定义的详细程度有关,而且精确度还会对样本量产生影响。例如,如果想要把对周期时间的衡量精确到以秒来计,那么我们就需要确保使用的计时器特别精准。
 
抽样的各种前提条件。在制订一套可靠的抽样计划的过程中,大家所面对的“第22条军规”(左右为难的困境)就是,必须对要收集的数据有所了解。结果是由于早期数据的获得只能以含有猜测成分的抽样计划为基础,所以早期的测量通常更不可靠。测量进行得越多,我们就越了解对象的各种特点,那么我们的样本选择就越合理。

下面是大家需要知道的一些最为常见的事项。

1、测量指标是连续型的还是离散型的?

2、如果是连续型的测量指标,那么流程的变化程度(标准偏差)有多大?

3、如果是离散型的测量指标,我们所寻找的事物多长时间出现一次(通常是指总体或过程中的“次品比例”)?

4、整个流程每天要处理多少件事物?每周呢?或者说,整个总体的数目是多少?

5、我们希望我们所进行的测量达到什么样的置信水平?

6、针对连续型数据,我们所期望的测量精确度是多少?
 
在表13-3中,我们对其他几种与抽样有关的重要术语/概念进行了介绍。
 
 

    记住 ,一开始对样品的获取通常都含有猜测成分(直到我们得到了数据的一些早期读数),而且不幸的是,样品的获取还受到找出我们想要观察的事物的可行性的影响。总的来说,窂记一条经验法则:(只要数据没有出现偏倚)抽样量越大,六西格玛培训数据就越准确。
 
   

随机推荐

图文聚集

热门排行

最新文章