Według zmarłego dr. W. Edwardsa Deminga, ojca japońskiej rewolucji przemysłowej, jakość jest najważniejszym czynnikiem sukcesu dla trwałej przewagi konkurencyjnej. Nawet jeden drobny błąd - myślę o problemach z hamulcami Toyoty w 2010 roku - może zaszkodzić reputacji ciężko wypracowanej firmy. Aby ocenić jakość, musisz znać procentową wydajność, która jest wadliwa. Szacuje się to za pomocą statystycznego próbkowania, które sprawdza część danych wyjściowych, aby oszacować ogólną jakość.
Określić charakterystykę populacji. To jest wszechświat, z którego twoja próbka jest narysowana. Jeśli jesteś w branży narzędzi, to każdy rodzaj narzędzia może reprezentować osobną populację próbki. Jeśli prowadzisz firmę transkrypcyjną, populacja składa się z transkrybowanych dokumentów.
Określ rozmiar próbki. Jeśli tworzysz narzędzia, możesz przyjrzeć się losowym partiom tysiąca na linii montażowej. Jeśli jesteś w transkrypcji, możesz spojrzeć na losowe próbkowanie 10-minutowych segmentów audio.
Określ, co stanowi wadę. Dla narzędzia, które może być wadliwą częścią. W przypadku transkrypcji może to być błędnie napisane słowo, które zmienia kontekst zdania.
Policz liczbę defektów w swojej próbce. W większości przypadków oznacza to kontrolę audiowizualną. Na niektórych liniach montażowych sprzęt można zaprogramować tak, aby automatycznie wykrywał i śledził określone rodzaje usterek.
Oblicz procent wadliwy. Jest to liczba wad podzielona przez wielkość próbki pomnożona przez 100. Tak więc, jeśli jedno narzędzie jest uszkodzone z próbki o wielkości 1000, twój procent wadliwy wynosi 0,1%. Następnie należy określić, jako część ogólnego programu zarządzania jakością, czy wskaźnik defektu spełnia akceptowalny poziom jakości (AQL) w organizacji.
Wskazówki
-
Według Dr. Deming firmy, które odnoszą sukcesy na dzisiejszym globalnym rynku, od samego początku budują jakość w swoim procesie rozwoju. Pomiar i poprawa jakości produktów i usług powinny być codziennym procesem, a nie czymś, co robisz raz lub dwa razy w roku.
Ostrzeżenie
Statystyczne pobieranie próbek wprowadza błędy, znane jako błędy próbkowania, ponieważ oceniasz cechy, takie jak jakość, patrząc na plaster, a nie na całą populację. Możesz zmniejszyć te błędy, zwiększając rozmiar próbki, ale to także zwiększy koszty.
