راز تجزیه و تحلیل موثر داده ها

مangers معمولا با رژیم غذایی حاوی داده های کارت گزارش تغذیه می شوند. این داده‌ها معمولاً در خلاصه‌ها، میانگین‌ها و کل جمع‌آوری می‌شوند تا تصویر بزرگ را مشخص کنند. به همان اندازه که چنین خلاصه‌هایی می‌توانند مفید باشند، می‌توانند مانعی برای یک تحلیل مؤثر نیز باشند. در اینجا، نحوه اجتناب از این مانع را یاد خواهیم گرفت.

مثال ما از کارخانه ای است که فرمان تولید می کند. در پایان خط تولید، بازرسان یا چرخ‌ها را برای ارسال به کارخانه مونتاژ بسته‌بندی می‌کردند یا آن‌ها را روی خطی قرار می‌دادند که به بخش بازسازی می‌رفت. هر روز، اندی از ایستگاه بازرسی بازدید می کرد تا یک ممیزی 60 قطعه ای انجام دهد. وقتی یکی از بازرسان چرخی را رد می کرد، به اندی می گفت که چرا آن چرخ را رد کرده است. اندی یک علامت تیک به برگه‌اش اضافه می‌کرد و پس از گذشت 60 چرخ، به دفتر کیفیت آن طرف خیابان برمی‌گشت و داده‌ها را ثبت می‌کرد.

نموداری که اندی برای مصرف مدیریت تولید کرد، یک نمودار np بود که تعداد کل چرخ های رد شده برای هر ممیزی را نشان می داد. این نمودار گزارش کارت در شکل 1 نشان داده شده است.

شکل 1: تعداد رد شده در هر ممیزی 60 قطعه

خط مرکزی 22 نشان می دهد که حدود یک سوم چرخ ها قرار است دوباره کار کنند. سنبله و دویدن نزدیک به حد بالایی در انتها نشان می‌دهد که گاهی بیش از یک سوم چرخ‌ها دوباره کار می‌کنند. بنابراین اگرچه این گزارش کارت داستان بدی را بیان می کند، اما نمی تواند به ما بگوید که چه مشکلاتی باعث دوباره کاری شده است.

جدولی که اندی برای ایجاد نمودار در شکل 1 استفاده کرد در شکل 2 خلاصه شده است.

شکل 2: تفکیک رد در هر ممیزی

بررسی مقادیر در شکل 2 نشان می دهد که افزایش در حسابرسی 8 عمدتاً مواد خارجی بوده است. در حالی که موارد دیگری نیز ممکن است در جدول یافت شوند، بهترین راه برای درک مقادیر در شکل 2 این است که هر ردیف را در نمودار خود قرار دهید. شکل 3 نمودارهای np را برای هر ردیف از رکوردهای در حال اجرا از شکل 2 نشان می دهد.

شکل 3: نمودارهای np برای هشت دلیل رد شدن

در شکل 3، 16 نقطه بالاتر از حد بالا را می یابیم. اینها 16 سیگنال از تعداد بیش از حد مشکلات هستند. دو ممیزی آخر هر کدام شامل دو سیگنال بود. شکل 4 نمودار کارت گزارش شکل 1 را با 14 ممیزی نشان می دهد که حاوی یک یا چند سیگنال از مشکلات بیش از حد برجسته شده است.

شکل 4: تعداد رد شده در هر ممیزی 60 قطعه

اگرچه شکل 1 چند سیگنال را نشان می‌دهد، اما به سختی به نظر می‌رسد که 14 مورد از 21 ممیزی حاوی سیگنال‌هایی از تعداد بیش از حد مشکلات از یک نوع یا دیگری باشد. تجمیع داده ها در مجموع بیشتر این سیگنال ها را پنهان می کند. و این مشکل ذاتی نمودارهای گزارش کارت است، خواه شامل شمارش یا اندازه گیری باشد. همانطور که داده‌ها را از مشکلات، دسته‌ها یا بخش‌های مختلف ترکیب می‌کنیم، نویز هر کدام را جمع می‌کنیم و سیگنال‌ها در مجموع دفن می‌شوند.

هر چه مقادیر زیادتر جمع شوند، احتمال اینکه نمودار قابل پیش بینی به نظر برسد بیشتر است. نمودارهای کارت گزارش ممکن است رکورد مفیدی از آنچه بود ارائه دهند، همانطور که در حدود یک سوم از چرخ ها در ماه گذشته دوباره کار کردند، اما آنها در کاهش مقدار دوباره کاری مفید نیستند. آنها می توانند به شما بگویند که در چه مشکلی هستید، اما به شما نشان نمی دهند که چگونه از مشکل خلاص شوید.

تلاش‌های بهبود پسا

در این مورد، از ممیزی های روزانه به جای ثبت نتایج عملیات بازرسی 100% استفاده شد. علاوه بر استفاده برای تولید یک گزارش کارت برای مدیریت، دسته بندی های شکل 2 برای ایجاد نمودار پارتو برای برجسته کردن مشکلات در طول ماه گذشته استفاده شد. جلسه ای برای بحث در مورد پارتو برگزار می شود و گاهی ممکن است اقداماتی انجام شود.

در شکل 2، مشکلات اصلی در ماه جولای، مواد خارجی و لبه آسیب دیده بودند. استرس در رتبه چهارم و سینک در رتبه آخر قرار گرفتند. با این حال، در ماه اوت، سینک و استرس دو دسته برتر در پارتو بودند. وقتی دسته‌های نمودار پارتو شما ماهی به ماه صندلی‌های موسیقی پخش می‌کنند، معمولاً می‌بینید که هر دسته سابقه عملکرد غیرقابل پیش‌بینی را نشان می‌دهد (همانطور که در اینجا در شکل 3 مشاهده می‌شود).

جلسه سپتامبر برای بحث در مورد آگوست پارتو بر دو مقوله اصلی متمرکز شد: غرق شدن و استرس. وقتی پرسیدم دلایل سینک و استرس چیست، هیچکس مطمئن نبود. در آن مرحله، من پیشنهاد کردم که آنها قرار نیست با جمع‌آوری داده‌های انتهای خط بفهمند چه اتفاقی می‌افتد. آنها مجبور بودند بیرون بروند و روند را در زمان واقعی تماشا کنند تا ببینند غرق‌ها و استرس در کجا ایجاد می‌شوند. بنابراین، هنگامی که هر چرخ از پرس بیرون می آمد، برچسبی روی آن می گذاشتند که مطبوعات و زمان روز را مشخص می کرد. سپس، در بخش بازسازی، آنها متوجه شدند که همه سینک ها از یک پرس خارج می شوند و تمام استرس از پرس دیگر خارج می شود.

در حالی که به نظر می رسید هر دو پرس در دمای اسمی کار می کردند، یکی در واقع سرد بود و دیگری گرم بود. هنگامی که آنها ترموکوپل ها را دوباره کالیبره کردند، مشکلات سینک و استرس از بین رفت.

مشکلات تا زمانی که ندانیم چه زمانی و چگونه رخ می دهند حل نمی شوند. این نیاز به زمینه دارد. داده های جمع آوری شده در انتهای خط اغلب فاقد این اطلاعات زمینه ای هستند. به همین دلیل است که جدا کردن محصول ناسازگار ما در سطل‌ها و انجام تجزیه و تحلیل پس از انجام یک روش قابل اعتماد برای بهبود فرآیند نیست.

اهمیت بازخورد

پس از موفقیت با ترموکوپل ها، آنها شروع به ارسال نمودار کارنامه در بخش تولید کردند. این نمودار شامل جدول شمارش برای هر دلیل برای رد شد. آنها با سرکوب شمارش صفر، جدول را شبه گرافیکی کردند و به همه اجازه دادند که ببینند چه اتفاقی دارد می افتد. همانطور که در شکل 5 نشان داده شده است، طی چند ماه بعد، دلایل رد از 8 به 16 افزایش یافت.

شکل 5: تعداد رد شده در هر ممیزی 60 قطعه

وقتی از آنها پرسیده شد که چرا آنها دو دسته برای خطوط جریان دارند، پاسخ آنها در کتاب درسی کامل بود: “ما دو دسته داریم زیرا فکر می کنیم دو علت متفاوت وجود دارد.” و این راز استفاده موثر از داده های شمارش است. باید شمارش ها را تا حدی تفکیک کنید که بتوانید علل مختلف قابل تخصیص را شناسایی کنید.

در شکل 2، دسته مواد خارجی شامل پرز و چکه بخار است. (در واقع، سنبله در شکل 1 از 30 چرخ با لکه بینی قطره ای بخار ناشی می شود.) اما در شکل 5، می بینیم که پرز و قطره بخار از مواد خارجی موجود در رزین به دسته های جداگانه تبدیل شده اند.

همانطور که دسته بندی ها متمرکز شدند، انجام اقدامات اصلاحی آسان تر شد و تعداد چرخ های رد شده شروع به کاهش کرد. محدودیت های نشان داده شده در شکل 5 از ماه قبل آمده است. اما 12 مورد از 13 ممیزی اول در زیر خط مرکزی قرار گرفتند، بنابراین آنها تصمیم گرفتند محدودیت ها را دوباره محاسبه کنند. این محدودیت های جدید و 15 ممیزی بعدی در شکل 6 نشان داده شده است.

شکل 6: تعداد رد شده در هر ممیزی 60 قطعه

و سپس دوباره به زیر حد پایین رفتند. سطوح کیفیت بی سابقه! سپس، در دو روز گذشته در آنجا، شخصی به این فکر افتاد که با دادن تنها یک تیغ به هر یک از اپراتورهای تریم در هر شیفت، یک پنی پس انداز کند! تریم بد درج، حماقت این ایده را خیلی سریع آشکار کرد.

در نهایت، وقتی همه دستکش های نخی می پوشند، مشکل پرز نباید تعجب آور باشد. اما به رکورد دویدن پرز در شکل 7 نگاه کنید. اندی متوجه شد که تنها زمانی پرزهای زیادی به دست می آورد که ممیزی او شامل چرخ های دوباره کاری شده بود. از آنجایی که دوباره کاری شامل مالیدن چرخ با پارچه پنیر آغشته به استون بود، اندی پرز را آزمایش کرد. و بله، پرزها از دوباره کاری می آمدند، نه دستکش های نخی که همه می پوشیدند. آنها به استفاده از پارچه ارگاندی در کار دوباره تغییر کردند و پرزها ناپدید شدند. (اندی مطمئن شد که هر یک از 10 ممیزی آخر شامل چرخ‌های بازسازی شده است.)

شکل 7: تعداد رد شده در هر ممیزی برای لینت

تجزیه و تحلیل موثر داده ها

داده‌های جمع‌آوری‌شده در انتهای خط، چه با شمارش‌ها یا اندازه‌گیری‌ها کار کنید، ممکن است کارت‌های گزارشی را ارائه دهند، اما به ندرت حاوی اطلاعات مورد نیاز برای بهبود اوضاع هستند. همانطور که در اینجا نشان داده شده است، هنگامی که داده ها را در مجموع یا میانگین جمع می کنیم، همزمان نویز را جمع می کنیم. این نویز انباشته شده تمایل دارد تا سیگنال‌های فردی را پنهان کند و باعث می‌شود نمودارهای کارت گزارش قابل پیش‌بینی‌تر از فرآیندهایی که نشان می‌دهند به نظر برسند.

در واقع، مشاورانی هستند که با اصرار بر استفاده از داده های بسیار انبوه، از این واقعیت استفاده می کنند تا بتوانند پیشگوی مدیریت باشند. بنابراین عملیات را تنها بر اساس مقادیر گزارش کارت قضاوت نکنید.

یکی از رازهای تجزیه و تحلیل موثر داده ها، تفکیک است. همانطور که داده‌های کارت گزارش خود را تفکیک می‌کنیم، در زمان و مکان به جایی که اتفاقات رخ می‌دهد نزدیک‌تر می‌شویم. همانطور که زمینه را به دست می آوریم، اهرم مورد نیاز برای درک آنچه اتفاق می افتد و چگونگی رفع مشکلات را به دست می آوریم.

مرتب سازی از طریق چرخ ها در بخش بازسازی به آنها کمکی نکرد تا منبع استرس و غرق شدن را پیدا کنند. بلکه این تگ های روی چرخ ها بود که زمینه لازم را فراهم می کرد.

هیچ داده ای جدا از بافت خود معنایی ندارد.