质量控制中的常见误区(2):真的改进了吗?
现在大家已经逐渐认识到,作报告,写总结, 写论文要有数据来做支撑。比如, 通过改进设备,生产工时由原来的4分10秒降到了4分钟, 或者产品合格率由95%提高到97%, 等等，不一而足。大家有没有遇到这样的情况, 那就是过几天,生产工时就又回到原先的水平4分10秒, 合格率也再次下降到改进前的95%。在这里,我们假设员工是诚实的, 没有数据造假, 哪会是什么原因造成的呢? 又如何避免类似的问题?并且如何可以对自己得出的结论充满信心? 这就需要你懂得一点统计的知识。用一个案例来说明。
X公司原来的生产周期是60分钟, 为了缩短工时, 他们购买了一台新的设备用以替换老旧的设备。为了验证措施是否有效, 他们计算了26个新样本, 计算出新平均周期为57分钟。他们可以说他们提高了5%的效率吗? 不能,他们还需要知道这26个新样品的标准差, 然后通过统计分析才能知道这个变化到底是由于新设备还是由于随机因素造成的。 我们假设标准差是10。
我们采用的显著性水平为0.01。
(显著性水平的定义：原假设为真时, 拒绝原假设的概率) A.提出原假设和备择假设
Ho: 生产周期均值>=60分钟
H1: 生产周期均值<60分钟
B.因为样本数小于30, 使用t分布。这里就不列出公式了，这个公式在统计书中很容易找到。
计算得出t=-1.530
C.查t分布表, 单尾，自由度为25(26-1=25),
显著性水平为0.01，得到交点值为-2.485。
D.因-2.485小于-1.530, 不能拒绝原假设。改进前和改进后的3分钟差异是随机因素造成的。
E.到此, 你可以自信地说, 新设备没有缩短工时。(这个结论错误的概率为1%)。 期望每个工程开发人员，质量人员会使用统计工具是不现实的,但是有这个观念很重要。
:)
页:
[1]