您的位置:主页 > 六西格玛专栏 >

         六西格玛对涉及流程改进问题的数据进行研究要有条理性、开放的心态、以及逻辑推理与创造性思维的结合(也许看起来很奇怪)。拥有一大堆类似AutoRec公司项目团队采集这类数据,我们想利用这些数据以及其他可获取的事实,让新的原因假设浮出水面,或者客观地对目前的假设进行检验,看看其是否与数据相吻合。
 
        原理推理分析法是所有人凭直觉就能采用的一种方式,至少是在某些时候。比如说,如果某个小孩儿告诉你,“狗狗吃曲奇了,”然而你却看到他满脸都是曲奇的碎屑,你就会对这个小朋友提出的“假设”表示怀疑。或者说另外一个例子,你的汽车(SUV)无法启动了,而且马达没有一点儿动静,但除此之外,灯光、收音机、雨刮器、电动车窗等都工作正常,这些证据显示蓄电池不是问题。在上述两个例子中,我们所观察到的(事实)并不支持最初的假设。
   
         原因推理法(严格地说是:逻辑推理)最突出的优势就是,不需要是某方面或某个技术领域的专家,我们就可以在缩小可能性原因范围方面做出贡献。这种原因推理分析的另一项好处是其客观 性以及对事实的强调。这项技巧(同时也是一种思维方式)以各种疑问为主导,并在大多数情况下以数据为支持,这些数据都是流程、问题或产品有关的分层数据。涉及具体的DMAIC项目,大家可以提出的典型的逻辑分析问题包括:

1、哪些类型或种类的问题更常?最常见问题的类型与其他问题的类型之间有什么不同?

2、问题在某些特定的地点(地区、事物自身上的不同区域)是否更突出?那些出现更多问题的区域有什么不正常?

3、在什么时间、哪些天、哪几周或其他哪些条件下,问题发生得最普遍?

4、什么因子或变量会随着问题的变化而变化(或与问题“相互关联”)?
 
      上述问题以及其他质疑,通过缩小问题范围,排除掉不可能的原因(发现真正原因过程中的重要一步)或对假设进行验证,为根本原因分析循环提供支持。如果最初收集的数据没有涵盖分层因素,那么项目团队实施原因推理分析的能力将会受到很大的限制。然而,正如我们之前所述,进行好几轮数据采集也并不新鲜。

随机推荐

图文聚集

热门排行

最新文章