مقاله بررسی مقیاس یا اندازه گیری در 26 صفحه ورد قابل ویرایش

مقیاس یا اندازه گیری

تایچی اهنو با گفتن «جایی که در آن استانداردی وجود ندارد هیچ بهبود نمی تواند وجود داشته باشد» وعده می دهد. راه دیگر گفتن این است «جایی که هیچ چیزی اندازه‌گیری نشود، چیزی توسعه پیدا نخواهد کرد».

این فصل اندازه گیری‌های ابزارها را بررسی می کند و می فهمیم که اندازه گیری به تنهایی هیچ چیزی را توسعه نمی دهد. علم آمار یک وسیله قدرتمندی است که ابعاد نامرئی را به چیزهای مرئی و قابل فهم تبدیل می کند. هیچ راهی وجود ندارد تا در این متون صدها ابزار موجود را کاملاً تعریف کنیم. منابع اضافی در کتاب شناسی می تواند یافت شوند. به وسیله نگاشت جریان ارزش، نمودارهای اسپاگتی و داشبوردهای سمبولیک، تعداد زیادی از تکنیکها و روشهای اندازه گیری بیشتر بحث خواهد شد.
یک مسیر کوتاه در آمار

کلمه آمار می تواند باعث افسردگی یک اپراتور ماشین شود. هنوز علم آمار هر روز مورد استفاده قرار می گیرد میانگین لیگ پسر کوچک شما، میزان سوخت گاز وسیله شما، میانگین زمانی آموزش برای یک اپراتور یا میانگین اضافی کاری هفتگی. اینها نمونه‌هایی از علم آمار هستند که هیچ کس بجز ریاضی دانان نمی توانند آنها را بفهمند. و به طور معمول می بینیم که مردم از استفاده از علم آمار در بخش هایی که پیچیدگی آن نسبت به این مثالهای ساده زیاد نیست جلوگیری می کنند اما هنوز نیاز به آنها خیلی مهم و با ارزش می باشد. هیچ کتابی درباره Sixsigma نباید زمان کمی را برای بحث کردن درباره اصول و استفاده از آمار در یک برنامه بهبود مستمر صرف کند. علم آمار توصیفات عدد ساده می باشد. اندازه گیری به ما کمک می کنند تا چیزهای نامرئی را مجسم کنیم.

علم آمار راهی است که اعتمادمان را نسبت به یک مشاهده که از جهت دیگر فقط یک ایده است افزایش می دهد. آنها به ما کمک می کنند تا عملکرد یک تیم ورزشی را در مقابل تیم دیگر بسنجیم یا درباره خریدن یک ماشین یا انتخاب جایی برای زندگی، تصمیم بگیریم. دو نوع آمار اصلی وجود دارد: توصیفی و استنباطی.
آمار توصیفی

آمار توصیفی مقادیر زیاد اطلاعات را خلاصه می کند. برای مثال: در یک گروه از 42341 نفر افراد تماشا کننده به مسابقه فوتبال، 31656 نفر مجوز معتبر دارند.

بنابراین 75 درصد از کل افراد در یک مسابقه راننده های با مجوزی بودند. برای رسیدن به این درجه از دقت و لیاقت باید اطلاعات مورد نیاز برای هر شخص جمع‌آوری شود.


آمار استنباطی

آمار استنباطی از یک سری اطلاعات برای بدست آوردن نظر و ایده استفاده می کند برای مثال: اگر از 250 نفر افرادی که در یک مسابقه مصاحبه شدند و 180 نفر راننده‌های با مجوزی بودند ما می توانیم تشخیص دهیم یا استنباط کنیم که 72% از کل شرکت کنندگان راننده های با مجوزی بودند. این آمار استنباطی است که توجه کمتری نسبت به مصاحبه 100% از شرکت کنندگان دارد اما آن مقدار زیادی زمان و کار را صرفه جویی می کند. در این مورد نتایج استنباطی با دقت 96% با نتایج توصیفی مقایسه‌ می شوند. و 4% از راننده های دارای جواز توجیه ناپذیر هستند. وقتی که از روشهای نمونه برداری برای قضاوت کردن استفاده می کنیم یک مقیاسی از دقت بدست می آوریم.
داده ها

تعداد زیادی از انواع داده ها وجود دارد که برای اثبات و آنالیز کردن داده های آماری شامل داده های غیر واقعی ترتیبی و اختلاف و نسبت استفاده می شود. داده‌های غیر واقعی (نامی) در گروههای منطقی طبقه بندی می شوند. برای مثال شما 100 تا از وسایل نقلیه مسافری را که از جلوی منزلتان عبور می کنند را محاسبه کنید ودرصد هر وسیله نقلیه را مشخص کنید (مانند 35 اتوبوس- 25 کامیون و 40 Suvs).

اطلاعات ترتیبی، ارزش اندازه گیری را برای یک نمونه معین می کنند. برای مثال شما ارزش هر وسیله نقلیه را که عبور می کنند ارزیابی کنید (برای مثال کمتر یا بیشتر از 000/10 $ قیمت) اختلاف داده ها باعث مقایسه بین دو نمونه ها می شود برای مثال شما زمان بین ماشینهایی که از جلوی منزلتان عبور می کنند را اندازه بگیرید: نسبت داده‌ها معین می کند این که چطور زمان یک داده با داده دیگر متفاوت است. برای مثال شما تعداد افرادی که در ماشین هستند و زمانی که بیش از یک نفر در ماشین وجود دارند را محاسبه کنید.
اصطلاحات

همچنین بعضی اصطلاحات کلیدی در آمار وجود دارد که برای کمک به فهم ابزارها استفاده می شوند مانند جمعیت- تغییرات- نمونه- کیفی- کمی- میانگین- متوسط- حدود تغییرات (دامنه)- انحراف و تغییرات نمونه.

یک جمعیت مجموعه ای از اعداد می باشد. برای مثال همه ماشینهای قرمز یا همه ماشینهای با شیشه پایین. یک متغیر یک مشخصه فردی در جمعیت است که صرف نظر از بقیه دسته بندی می شود. برای مثال هر ماشین قرمزی که اتومبیل کروکی نیز می‌باشد.

یک نمونه کوچکترین جزء از یک جمعیت بزرگتر می باشد. برای مثال ممکن است شما به جای تماشای 100 ماشین که از جلوی منزلتان عبور می کنند. یک نمونه 10‌تایی از آن را بگیرید. داده های کیفی داده هایی می باشد که اندازه گیری آنها مشکل می‌باشد. برای مثال چه تعداد اتومبیلهایی هستند که شما به تمیزی آن توجه می کنید. داده کمی یک مشخصه قابل قبول است. برای مثال تمام ماشینهایی که فرمان 15 in یا 38cm دارند.

میانگین، ارزش متوسط یک جمعیت یا یک سری اطلاعات می باشد. برای مثال میانگین مقادیر 5و4و5و4و6 عدد 8/4 می باشد. مقادیر فوق را با هم جمع کرده و بر تعدادشان تقسیم کنید بنابراین 9=5÷24 می شود. متوسط عدد میانی یک سری از مقادیر می باشد. برای مثال مقادیر را در یک ردیف از کوچکترین تا بزرگترین مرتب کنید 6و5و5و4و4 و عدد مرکزی را بیابید که 5 می باشد.
SPC برای بخشهای خیلی کوچک

تولید برای سفارش، مغازه ها و کارهای مغازه داری را به ندرت برای داشتن بخشهای کافی دنبال می کند تا یک نمودار R و منصفانه ای داشته باشیم. بسیاری از این کارها زیر 25 واحد (مقدار) می باشند که به عنوان یک دلیل و اندازه نمونه آماری دیده می شوند. برای مثال اجازه دهید بگوئیم که سه بخش مختلف امروزی روی ماشینهای یکسان انجام می شوند. بخش اول یک ابعاد کلیدی از 4.125 دارد ما باید در تلرانس نگهداشته شود. بخش دوم شامل یک دیمانسیون 9.375 که بین همان تلرانس قرار می گیرد بخش سوم یک دیمانسیون 0.667 که همچنین در همان تلرانس نگهداشته می شوند.

هر بخش می تواند در حدود کنترل یکسانی مسیریابی شود. بعد از تنظیم ماشین و اختلاف بخشهای قابل قبول، اپراتور در ابتدا، پنج بخش را اندازه گیری می کند. اگر همه پنج بخش قابل قبول باشند.

اپراتور فرکانس بازرسی نرمال را به وسیله نمونه برداری پیش می گیرد که نقشه آن به وسیله مشتری یا بخشهای تضمین کیفیت شرح داده می شود. اپراتور ابعاد کلیدی را در یک نمودار معمولی ثبت می کند. یک وسیله نمونه برداری استاندارد شده ممکن است نیازمند اپراتور برای اندازه گیری و ثبت ابتدا پنج بخش و سپس هر یک پنج بخشها تا زمانی که 25 بخش وجود دارند باشند. (اگر بسیاری از بخشها تولید شود.) وقتی که اپراتور از تنظیم بخش (1) به تنظیم بخش جدید (2) حرکت می کند. فرایندها شروع به استفاده مجدد از همان حدود کنترل می کنند.

اهداف برای بخش 1 نسبت به بخش 2 مختلف است. اما اپراتور به سادگی تغییرات را از ابعاد هدف ثبت می کند. به عنوان مثال نشان داده شده در جدول 7-5 حدود ص 116. کنترل بخشهای خیلی کوچک می تواند به وسیله تقسیم مشخصات مشتری به یک چهارم محاسبه شود و آن مقادیر در جدول نشان داده شده (جدول 8-5) قرار می‌گیرند. از زمانی که همه بخش ما در این مثال یک تلرانس دارند تلرانس نصف می شود و هر طرف از هدف را در بر می گیرد. این یک منطقه سبز (جایی که هر چیزی ok است) و یک منطقه زرد (جایی که بعضی اوقات اشتباه نیز وجود دارد) را مشخص می کند. استفاده از این نوع ابزار احتمالاً آسانترین و سریعترین روش برای آموزش دستگاههای عمومی می باشد. اگر دو بخش متوالی در منطقه زرد (همان طرف) اندازه گیری شود سپس یک تعدیل باید صورت گیرد. اگر هر بخش خارج از منطقه زرد بیفتد (در منطقه قرمز) یک تعدیل باید صورت گیرد بدون آنکه آن بتواند بعنوان یک علت خاص تشخیص داده شود. اگر هر دو تکه متوالی در منطقه زرد بیفتد اما در طرف مخالف، وجود دارد تا یک محصول معیوب تولید شود. باید توجه خاصی بخشهای بعدی شود تا هیچ بخشی در منطقه قرمز نیفتد. ( جدول 8-5 ص 117 مراجعه شود)
خلاصه

بسیاری از تکنیکهای Sixsigma روی ابزارهای شبیه به توضیحات فوق پایه گذاری می شوند اگر شما بتوانید اضافه کنید، کاهش دهید، ضرب کنید و تقسیم کنید و یک میانگین را محاسبه کنید شما می توانید از اکثریت ابزار ما در جعبه ابزار SPC استفاده کنید. جدول (9-5) تاثیر SPC روی Sixsigma را تشریح می کند. ابزارهای دیگر SPC نیز وجود دارند اما در آنها فقط، اساس و استفاده کلی بوسیله اپراتورهای ماشین بحث می شود.