Hầu hết những người thực hành Lean Six Sigma dựa vào việc sử dụng thống kê tóm tắt (trung bình hoặc trung bình) để phân tích hiệu suất và báo cáo kết quả. Tôi cũng bị mắc kẹt trong quy ước này trong một thời gian dài. Tuy nhiên, việc sử dụng con đường thông thường này sẽ lấy đi những thông tin chi tiết hữu ích trong việc phân tích và ra quyết định của chúng tôi. Đây là một nhận thức mà tôi đã nhận ra gần đây khi tôi sử dụng biểu đồ hộp cho một báo cáo.
Ví dụ về hiệu suất hàng ngày
Hãy lấy một ví dụ. Giả sử tôi lấy dữ liệu đầu ra của dây chuyền lắp ráp HGA (một quy trình lắp ráp chất bán dẫn) và lấy giá trị trung bình để biểu thị hiệu suất hàng ngày. Mức trung bình được tính toán là 29,4 KHGA. So sánh với mục tiêu 31 KHGA, tôi kết luận rằng chúng ta có vấn đề không đạt yêu cầu. Tuy nhiên, vẽ cùng một tập dữ liệu bằng cách sử dụng một biểu đồ hộp có thể cho một góc nhìn khác.
Hãy đặt điều này sang một bên và xem xét một số khái niệm cơ bản về sơ đồ hộp trước khi chúng ta tiếp tục.
Một Ô Hộp Trông Như Thế Nào?
Hình 1 cho thấy giải phẫu của một ô hộp. Kỹ thuật đồ họa này dựa trên nguyên tắc của tứ phân vị. A phần tư chia toàn bộ tập dữ liệu thành bốn phần bằng nhau (phần tư thứ nhất đến phần tư thứ tư, Q). Phần tư thứ hai, hoặc Q2, cũng là trung vị và đóng vai trò là cơ sở của xu hướng trung tâm cho một biểu đồ hình hộp. Một nửa số điểm dữ liệu giảm xuống dưới giá trị của Q2 và nửa còn lại trên giá trị đó. Logic tương tự áp dụng cho phần còn lại của phần tư.
Hình 1: Giải phẫu của một ô hộp
Các IQR (khoảng giữa các phần tử) là thước đo độ phân tán của một ô hộp và cũng được sử dụng để xác định điểm cuối của râu trên và râu dưới. Râu trên và râu dưới được tính bằng cách cộng 1,5 chiều cao của IQR vào Q3 và Q1 tương ứng. Bất kỳ điểm nào nằm ngoài những sợi râu này được coi là ngoại lai.
Hình 2: Ô đầu ra dòng
Bạn nghĩ như thế nào bên ngoài âm mưu hộp?
Một điều tốt về biểu đồ hộp là nó cung cấp ảnh chụp nhanh về sự phân bố dữ liệu và trong nháy mắt có thể cung cấp thông tin chi tiết về xu hướng trung tâm và độ phân tán của dữ liệu.
Về cơ bản, một biểu đồ hộp được sử dụng vì hai lý do phổ biến:
- Để xem sự phân phối của một tập dữ liệu cho thiết lập cơ sở và / hoặc mục tiêu
- Để so sánh việc phân phối các tập dữ liệu trên một danh mục nhất định
Hãy áp dụng lý do đầu tiên và tạo một biểu đồ hộp cho dữ liệu đầu ra của dây chuyền lắp ráp HGA. Hãy nhớ rằng, trong ví dụ, đầu ra dòng trung bình là 29,5 KHA.
Sử dụng biểu đồ hộp được tạo trong Hình 2, chúng ta có thể hiểu rõ hơn so với việc sử dụng thống kê tóm tắt (trung bình). Q1 ở mức 29,1 KHGA, có nghĩa là khoảng ba phần tư các điểm dữ liệu được vẽ trên đồ thị đã đạt được mục tiêu yêu cầu. Quý 3 của chúng tôi ở mức 31,3 KHGA, có nghĩa là một phần tư của các điểm dữ liệu đã thể hiện mục tiêu dòng 31 KHGA. Chúng tôi cũng có thể thấy một số ngoại lệ mở rộng lên đến vùng ~ 21 KHGA. Chỉ nhìn vào giá trị trung bình, chúng ta sẽ không nắm được thông tin này. Nhưng với một sơ đồ hộp như thế này, chúng tôi nhận được thông tin về sự biến đổi trong một nhóm.
Bây giờ, giả sử chúng tôi được hỏi rằng chúng tôi đã sẵn sàng như thế nào với yêu cầu 31 KHGA. Chúng tôi không thể trả lời dễ dàng với một số thống kê tóm tắt; chúng ta cần tham khảo sự phân phối của tập dữ liệu. Với kết quả biểu đồ hộp, thông tin chi tiết có thể được so sánh với đường cơ sở – tức là một phần tư số điểm dữ liệu đã đạt được mục tiêu; do đó, mục tiêu 31KHGA là khả thi.
Hãy áp dụng lý do 2 cho cùng một tập dữ liệu, nhưng lần này là dựa trên cơ sở hàng ngày.
Hình 3: Lô đầu ra Dòng – Hàng ngày
Nhìn vào sơ đồ hộp trong Hình 3, bạn có thể thấy rằng sản lượng dòng thay đổi theo từng ngày. Những người ngoại lai hiện diện hàng ngày và có thể gây ra những câu hỏi như:
- Điều gì gây ra sự thay đổi được nhìn thấy hàng ngày?
- Các ngoại lệ có từ cùng một dòng không?
- Các điều kiện hiện có / hiện có khi dây chuyền đạt được sản lượng mục tiêu là gì?
Bằng cách trả lời những câu hỏi này, bạn có thể hiểu sự khác biệt giữa các nhóm và thực hiện các hành động để giảm bớt và tối ưu hóa hiệu suất.
Bối cảnh là tất cả
Bối cảnh là tất cả mọi thứ – đặc biệt là trong thống kê hoặc phân tích dữ liệu. Biểu đồ hộp có thể hữu ích trong việc hiểu dữ liệu về xu hướng trung tâm và mức chênh lệch. Các ứng dụng của nó sẽ khác nhau tùy thuộc vào sự sáng tạo của bạn để làm như vậy. Nó sẽ không phải là công cụ đồ họa cho tất cả các yêu cầu, nhưng hãy giữ nó tiện dụng trong hộp công cụ của bạn và cân nhắc khi nào nó có thể được sử dụng.
Bạn cũng có thể thích
Nguồn: www.isixsigma.com
