Como usar diferentes tipos de dados para Six Sigma
Todos os dados não são criados iguais. À medida que você começar sua busca Six Sigma para organizar seus dados, você primeiro precisa saber que tipo de dados de desempenho que você tem. Assim como saber o que os peixes estão mordendo você diz qual isca usar, sabendo que tipo de dados que você está lidando com diz-lhe quais ferramentas usar. Há duas importantes categorias de dados: atributo e contínua.
| Tipo de dados | Descrição | Exemplos |
|---|---|---|
| Atributo / categoria | observações de dados cair discretas, valuecategories nomeados. | A cor dos olhos: marrom, azul, verde |
| Localização: Fábrica 1, Fábrica 2, Fábrica 3 | ||
| Sem operações matemáticas pode ser realizada na rawData. | resultado de inspeção: pass, fail | |
| Tamanho: grande, médio, pequeno | ||
| verificação Fit: ir, no-go | ||
| Questionário de resposta: sim, não | ||
| Você pode contar o número de ocorrências que você vê de eachcategory. | Presença: presente, ausente | |
| Funcionário: Fred, Suzanne, Holly | ||
| Processamento: tratamento A, tratamento B | ||
| Contínuo | observações de dados pode assumir valor numérico e aren'tconfined a categorias nominais. | saldo da conta bancária: Dólares |
| Comprimento: metros | ||
| Horárias: segundos | ||
| A corrente elétrica: amps | ||
| Quaisquer dois valores de dados podem ser significativamente adicionado andsubtracted. | resposta da pesquisa: 1 = discorda, 2 = neutro, 3 = concordo |
Atributo (categoria) de dados
Alguns dados consistem de medições que descrevem um atributo da característica ou processo. Estes dados são chamados atributo ou categoria dados.
Atributo de dados estão todos em torno de você:
códigos de área de telefone
S, M, L, tamanhos de roupas XL, XXL
# 147-Pass # 148- ou # 147-fail # 148- julgamentos pronunciados em produtos recém-montados
# 147-Bom # 148- ou # 147-bad # 148- avaliações da saída de um processo de
Como você sabe se você está trabalhando com dados de atributo? O teste revelador é perguntar-se, # 147-Can I significativamente adicionar ou subtrair valores de dados # 148?;
Se a resposta for # 147-não, # 148- o que você tem é o atributo de dados. Por exemplo, o que você ganha quando você adiciona uma camisa S-sized a uma camisa tamanho M-? Nada significativa. Ou, se você subtrair o código de área do telefone 213 do código de área 415, que o código de 202 resultando área significa alguma coisa? Claro que não! E assim você sabe que você está lidando com dados de atributos.
O que você pode fazer com os dados atributo é contar quantas vezes cada categoria ou atributo aparece. Por exemplo, você pode achar que um processo produz 152 # 147 boas # 148- itens e 28 # 147-bad # 148- itens ao longo de um determinado período de tempo. Você usa os resultados destes tipos de estudos categoria contando como o ponto de partida para as análises muitos Six Sigma.
A categoria subconjunto de dados atributo que fornece um pouco mais de potência é chamado dados ordinal (também conhecido como Dados ordem de classificação). dados ordinais são dados de atributo que pode ser logicamente colocado em uma ordem do menor para o maior ou em uma ordem de tempo, tal como os meses do ano: janeiro, fevereiro, março e assim por diante.
Se você tem # 147 meses # 148- dados sobre um conjunto de facturas do ano passado, você pode classificá-los em baldes de ocorrência começando com janeiro e que se deslocam ao longo do ano. Ou você pode não ter tempos de conclusão reais, mas você pode ter dados sobre o qual os funcionários terminaram uma tarefa primeiro, segundo, terceiro e assim por diante. Você tem um poderoso conjunto de dados ordinal que você pode usar para começar a análise e melhoria.
contínua de dados (variável)
Se você achar que você pode significativamente adicionar ou subtrair quaisquer dois valores de seus dados, você está trabalhando com contínuo (ou variável) de dados, em vez de dados de atributos.
Ao testar se os dados é atributo ou contínua, não se esqueça de aplicar o # 147 significativamente adicionar ou subtrair os valores # 148- pergunta aos dados brutos e não a quaisquer contagens resumida dos dados.
Por exemplo, o fato de que você pode subtrair cinco camisas M-porte a partir de sete camisas L-sized para obter uma diferença de dois camisa não indica que você tem dados contínuos. Você tem que aplicar a pergunta para os dados brutos: uma camisa L-sized menos uma camisa tamanho M-não tem uma resposta significativa.
Ambos contínuo e variável são nomes ruins para este tipo de dados, mas por qualquer razão, estes são os nomes que ficaram. O nome # 147 contínua # 148- destina-se a transmitir a ideia de que este tipo de dados pode ter qualquer valor a partir de uma escala contínua, como a leitura em um termômetro de mercúrio.
# 147-Variable # 148- é uma tentativa de dizer a mesma coisa - que os valores medidos podem variar em qualquer lugar ao longo de uma dada escala. Você pode obter 98,23 graus Fahrenheit ou 98,25 graus Fahrenheit ou 98,37 graus Fahrenheit.
O problema é que não importa o quão contínua ou variável que você acha que a sua escala de medição é, assim que você gravar uma medição, você sempre truncar sua leitura a algum comprimento fixo, fazendo com que ele não é mais contínua. Mas os poderes que querem que você use os nomes contínuo e variável, então vá em frente e usá-los de qualquer maneira.
Mais alguns exemplos de dados contínuos incluem
Uma escala de GPA numeradas representando carta notas na escola
A temperatura no forno
A quantidade de dinheiro que você gasta em compras
O tempo que leva para completar uma tarefa processo
O consumo de combustível do seu carro
Quaisquer dois valores de dados contínuos ou variável podem sempre ser significativamente adicionado ou subtraído. Por exemplo, uma contagem do número de crianças em cada família só pode ocorrer em valores inteiros - você não pode ter fisicamente 2,3 filhos - para que a escala de medida de crianças em uma casa não é contínua em tudo.
Mas você pode fazer a medição número inteiro de cada família e realizar operações matemáticas para calcular um desvio médio ou padrão significativo. Ser capaz de operar matematicamente em quaisquer dois valores de dados contínua é o que o diferencia de dados de atributos.