【文章內容簡介】 這些上游測量量經常被忽視。 過程測量量 是過程的固有的東西。固定客戶的質量和運送的測量量、浪費和循環(huán)的時間。比如面包店的過程測量量可能是補充資金的時間。 跟下游測量量相比，這些測量量很多。這些一般是過程中很重要的點。當確定了測量的東西以后，容易犯一個通用的錯誤就是收集容易收集的數據。而那些與輸出測量關聯的測量量會給你帶來更有效的結果。 輸出測量量 輸出測量量就是那些能反映客戶的需求是不是能很好的達到數據。比如面包房的輸出測量量一般就是為客人服務的時間。 通常，輸出測量是過程里最重要的測量。是過程中最下游的測量量。 過程和測量 大多數人思考工作都是從輸入到輸出的順序。 改進和測量與工作正好相反，首先，你需要確定你的服務對象，然后，你要在過程中找出影響輸出的問題，最后，你要把焦點集中在輸入上，確定你的所有需要的材料和信息。 輸入 過程 輸出 輸入 過程 輸出 有效性和效率測量量 (Effectiveness effiiciency) 有效性測量量 有效性測量量是檢查客戶的需求達到的程度。是從客戶的角度去檢查你的工作。例如缺陷率，賬單準確性，交易結束的時間等 效率測量量 效率測量量反映過程運行的好壞。效率影響你的預算成績和你組織的收益。盡管客戶從價格降低等能看出你對效率的改進，但是效率仍然是固有的測量量。例如每個活動的時間，重復工作的數量和每個交易的成本。 選擇需要測量的東西 發(fā)展操作型定義 確定數據源 準備收集計劃 執(zhí)行和精煉測量值 測量計劃有 5個基本步驟 選擇要測量的東西 在定義階段，你的小組已經確定了項目里需要解決的主要問題，而且過程圖也標記測量點，現在，你需要去驗證和精煉你對問題的理解來達到客戶的要求。 選擇測量值的兩個主要標準是有用性 (usefulness)和可行性 (feasibility)。 有用性 是否客戶的需求有很高的優(yōu)先權？ 數據是否精確？ 測量解決的是相關領域還是偶然事件？ 過程中上流階段的測量能否預見下流的問題？ 可行性 用來測量的數據是否有用？ 用來測量的交付時間能否接受，是否是計劃表上的給定時間？ 用于獲得數據的成本是否易于管理？ 是否比較容易收集數據？ 可操作性定義 有一個清晰的、可理解的和明確的關于什么需要測量和怎樣測量的描述，這是非常重要的。可操作性定義就是這樣的描述。 確定數據源 一個好的數據源能提供過程中你想測量的精確的數據。有時可以組織現有的數據源，新的數據源也會經常被建立。 現有的數據源 有時，現有的數據源能提供精確的數據。使用這種數據源能最大的減少花費在測量階段的時間。 新的數據源 有時現有的數據源不能提供你所需要的數據。在這種情況下去還要堅持做下去會讓你損失慘重。所以最好建立一個新的數據源。 信息系統 Vs手動 數據源可以手動操作也可以經由信息系統自動操作。 信息系統 優(yōu)點： 數據精確。 投資小。 缺點： 不能總是得到你所需要的數據。 從大量的數據中收集相關信息會使工作量變得巨大。 手動 優(yōu)點： 靈活和適應你的需要。 缺點： 有人為錯誤的風險。 有故意篡改數據的風險。 收集數據需要一個統一的格式。 原因很簡單，當結束數據收集，從各個收集者那里匯總的數據需要做比較。如果每個收集者都用自己的格式，那么工作就會變得復雜，時間也會被浪費。 需要一個收集計劃 在做測量之前制作一個小計劃將能讓你把長時間的數據收集工作變得簡單。 大多數收集表可以按兩個主要的分類方式分類： 記錄表 (checksheet) 集中表 (concentration diagram). 當選擇數據收集表，你可能會用到典型表和標準表。但是有時你需要修改標準表去適應一些獨特的數據收集。 數據收集表 記錄表是一種能幫助你用標準的、一致的、明確的方式去收集數據的表。 記錄表通常描述數據的收集，提供空間去填入數據、注釋和分層因素。 記錄表 (checksheet) 集中表是一種特殊類型的數據收集表，在這里可以讓你把錯誤直接標記在目標圖上。在圖上，你可以迅速看到出現了什么問題，這些問題出現在哪里和這些問題是如何聚集的。 一個集中表不需要太多的文字，它很容易填寫和讓你看到問題集中在哪里。但是，有時無法繪出一個集中表，因為你需要一個實際的產品或者表。 集中表 (concentration diagram) 你有了數據表，但是你需要收集多少能用于測量的最具代表性的數據？是不是要測量每個實例？有多少數據？哪些是不切實際的？如果只選一些實例，能否反映整個數據？ 為了能回答這些問題，你需要去理解取樣。取樣就是收集一小部分可用數據然后就可以得到對整個數據的結論。取樣是非常必要的，因為收集所有的數據是不切實際的或者花費很高?？煽康慕Y論經常能從少量的取樣中得到。 取樣 (sampling) 取樣有群體取樣和過程取樣，區(qū)分他們是非常重要的，因為計算取樣的數量是不同的 群體取樣 Vs過程取樣 (population Vs Process sampling) 過程取樣 當有一個過程需要測量、分析或控制，這時候就要用過程取樣。 舉例：你想確定電話接待中心的答復電話過程的基本運行情況。 群體取樣 當你有一個很大的群體需要去描述，這時候就需要群體取樣。 舉例：你想測量最近 6個月網上銀行的訪客 % 。 由于偏好會造成取樣并不能反映實際。如果偏好沒有被察覺，那樣就會很影響你對過程得到的結論。 偏好 (bias) 方便的取樣 偏好產生于當數據易于收集的時候。比如，在事情快結束的時候收集數據很容易，但是這些數據能否反映繁忙時候情況？ 判斷取樣 你會根據受教育程度的不同去做出一些判斷，這就是產生了偏好。 避免偏好的取樣方法 系統的取樣 系統的取樣就是按照特定的時間間隔去取樣，可以是每小時或者每第 10個產品。 這種方法最能避免偏好，除非過程本身有固有的模式。 取樣收集的時候一定避免單一取樣，比如僅在一臺機器上每第 10個產品取樣，而忽略另外 3臺機器的產品。 隨機取樣 這種類型的取樣，會讓群體或過程有對等的選中機會。 事實上很難實現真正的隨機，除非采用電腦產生隨機數去取樣。 分組取樣 如果有一個結構存在于群體或過程中，那最好就建立一個分組取樣。 舉個例子，比如你的小組在做客戶調查，發(fā)現新客戶有著與老客戶不同的需求和選擇，這時候最好把客戶分成兩組：新客戶和老客戶，每組單獨取樣。 計算取樣的數量 有一些指導方針來確定取樣數量，在決定取樣數量之前去請教一個專家是一個很好的方法。不同的分析工具決定不同取樣的數量。比如一個排列圖需要大約 50個點。取樣的數量在連續(xù)和離散數據中是不同的。 連續(xù)數據 離散數據