Folyamatfejlesztési eszköztárunkból soha sem hiányozhat a „dolgok megmérése”, amelynek egyik legszemléletesebb formája a gembán történő stopperes időmérés, de akár az ERP rendszerünkből lekért tranzakciós adatokból számított termelési átfutási idő, vagy a készletnagyságok vizsgálata. Összességében tehát azt mondhatjuk, hogy vannak folyamataink, amelyeket különböző mutatószámokkal szeretnénk jellemezni, és ehhez méréseket, vizsgálatokat hajtunk végre.

Mi az első dolog, amit az adatokból ki szoktunk számítani? Természetesen az átlag. A probléma azonban az, hogy ezen a ponton sokan megállnak, és úgy gondolják, hogy a folyamatot megismerték és az átlag kellően jól fogja azt jellemezni, végeztünk a feladattal, mehetünk tovább. Ha így teszünk, akkor elengedtünk egy komoly lehetőséget arra vonatkozóan, hogy a vizsgált folyamatot jobban megismerhessük és megérthessük.

Miért baj, ha átlagot számítunk?

Nem baj, sőt, az átlag az első ajtó a megismerésben, de a korrekt vizsgálathoz nem elég. Nézzünk meg két egyszerű példát arra, amikor az átlag igencsak félrevezethet bennünket.

Példa 1. Két munkahely közül az átlagfizetés alapján kívánjuk eldönteni, hogy hol folytassuk tovább a munkánkat. Az első munkahelyen a fizetések a következők: 220, 230, 250, 260, 270, 270, 280, 290, 310, 320 ezer forint. A másik munkahelyen pedig: 100, 110, 110, 110, 120, 130, 140, 140, 850, 890 ezer forint. Valószínleg már sejted, hogy bár mindkét vállalatnál 270 ezer forint az átlagos fizetés (tehát megegyezik), mégis teljesen más karakterisztikát (esetünkben szórást) takar.

Példa 2. Egy nyelvvizsgára való felkészülés során kíváncsi voltam, hogy mennyi időbe telik egy-egy szót kikeresni a szótárból (ez egy nyelvvizsgán kritikus lehet). Az átlagos időszükséglet 30 másodperc volt, azonban az értékek azt mutatták, hogy bár néhányszor akár 50-55 másodpercig tart egy szó kikeresése, a legtöbb esetben 18-22 másodperc elegendő. Ez azzal magyarázható, hogy a folyamat nem normális eloszlású, az átlagos érték tulajdonképpen „nem középen van”, vagy éppen nem az a „leggyakoribb érték”.

Az előbbi két példa alapján beláthatjuk, hogy az átlag önmagában a rutinos a folyamatfejlesztő számára „semmit nem mond”. Azok, akik csupán az átlagot veszik figyelembe azonnal elkövetnek három hibát:

  • nem veszik figyelembe, hogy mennyire szóródnak az adatok, vagyis mennyire instabil a folyamat,
  • azt feltételezhetik, hogy a folyamat normális eloszlású (az úgynevezett harang görbe jelleg), vagyis az átlag alatt és felett nagyjából ugyanannyi számosságú érték van,
  • és elfelejthetik, hogy az „átlagos folyamat” nem létezik (legalábbis nem gyakori), mert jó eséllyel az adott folyamat mindig kisebb-nagyobb mértékben el fog térni az átlagtól.

A leíró statisztika

Sokszor tapasztalom, hogy a kevesebb gyakorlattal rendelkező folyamatfejlesztők egy kissé vonakodnak a statisztikától, pedig egyszerűen megérthető és rengeteg dolog kiderülhet egy folyamat stabilitásáról. A folyamataink számszerű vizsgálatának egyik szabatos eljárása, ha az átlagon kívül több leíró statisztika jellegű mutatószámot is meghatározunk. A folyamatunk nem fog változni, hiszen ugyanazokat az adatokat fogjuk elemezni, azonban sokkal mélyebb értelmezéseket teszünk. A leggyakoribb leíró statisztikai mutatószámok a következők egy (például megért folyamatból származó) adatsor esetében:

  • átlag és konfidencia intervallum,
  • szórás,
  • minimium, maximum, terjedelem,
  • medián, módusz,
  • gyakoriság hisztogram és eloszlásgörbe,
  • mintanagyság.

Véleményem szerint a mai technológiákkal (például Excel) ezeknek a mutatóknak az előállítása már nem megterhelő, sokkal inkább a megbízható adatfelvételen múlik a mérésünk megbízhatósága. Amennyiben nem is kívánunk mélyreható statisztikai elemzéseket végezni, az átlag mellett soha nem felejtsük legalább a szórást kiszámolni…

(A kép innen.)

Szerző: Fésüs Norbert

Lépjünk kapcsolatba!

Örülünk, hogy felkeresett bennünket! Kérjük, töltse ki az alábbi mezőket, és küldje el számunkra az üzenetét!

X
Írjon nekünk!