在六西格玛项目中,鱼骨图常用于识别问题的潜在原因,这些原因不一定都是正确的,也不一定对结果有显著影响。在改进过程中,我们只需要考虑那些对结果有显著影响的因素。因此,筛选和确认这些原因非常重要,这也是整个DMAIC项目的核心任务。
要知道哪些因素是主要原因,通常会先使用因果矩阵(Cause and Effect Matrix,简称C&E Matrix)和假设检验这两种方法。这些方法帮助团队系统地分析和验证各种潜在因素,以确定最终的关键原因,特别是假设检验往往是最重要,而又是最多工程师忽略的方法,如果主因没有经过验证,任何改善举措都会变得无意义。
因果关系矩阵(C&E Matrix)
我先讲讲因果关系矩阵,因果关系矩阵是一种用来定量评估各个原因对结果影响程度的工具,它可以帮助团队成员共同评价和比较不同原因的重要性和优先级,特别用于我们的过程有大量的相关因子的时候。
在使用C&E Matrix时,团队成员会基于每个原因对项目关键输出的影响程度、发生频率以及检测难度进行评分。这些评分后续被用来计算权重,从而确定哪些原因是主要的。
操作步骤:
列出所有潜在原因:这些原因可以直接从鱼骨图中获取。
定义评分标准:一般包括影响程度、发生频率、检测难度。
团队评分:团队成员基于个人经验和可用数据对每个原因进行评分。
计算权重:将各个评分加权求和,确定每个原因的综合分数。
选择主要原因:高分原因被视为最有可能的主要原因。
假设检验(Hypothesis Test)
因果关系矩阵只能作为一种消除关系不大的因子的方法,所以最重要一步还是使用假设检验方法。使用统计假设检验来验证这些原因与问题之间是否存在显著的关系。假设检验可以帮助确定因果关系的统计显著性,从而支持或反驳某一原因是主因的假设。
操作步骤:
制定假设:通常设立零假设(H0)和备择假设(H1)。零假设表示没有影响,备择假设表示有影响。
选择合适的统计检验:根据数据类型和分布,选择如t检验、ANOVA、卡方检验等。
收集数据:进行必要的数据收集,确保数据可靠性。
进行统计检验:计算p值,根据p值与预设的显著性水平(通常为0.05)比较,判断是否拒绝零假设。
做出结论:如果p值小于显著性水平,拒绝零假设,接受备择假设,认为该因素是主要原因。
通过结合因果矩阵和假设检验,团队可以更科学、系统地确定和验证问题的主要原因。这样的方法论不仅提高了问题解决的准确性,还加强了团队对解决方案的信心。
以上两种方法可以在六西格玛绿带或黑带课程中学到,所以如果要成为一个出色的质量工程师,学习六西格玛是所有质量工程师的一个重要里程碑。