Yüzde Arızalı Nasıl Hesaplanır

İçindekiler:

Anonim

Japonya’nın sanayi devriminin babası Dr. W. Edwards Deming’e göre kalite, sürdürülebilir rekabet avantajı için en önemli başarı faktörü. Küçük bir aksaklık bile - 2010 Toyota fren problemlerini düşünün - bir şirketin zor saygınlığına zarar verebilir. Kaliteyi değerlendirmek için, çıktılarınızın kusurlu olan yüzdesini bilmeniz gerekir. Bu, genel kaliteyi tahmin etmek için çıktınızın bir kısmına bakan istatistiksel örnekleme kullanılarak tahmin edilir.

Popülasyon özelliklerini belirler. Bu, numunenizin çizildiği evrendir. Eğer alet işindeyseniz, her çeşit araç ayrı bir örnek popülasyonu temsil edebilir. Bir transkripsiyon şirketi işletiyorsanız, popülasyonunuz yazılı belgelerden oluşur.

Örnek boyutunu tanımlayın. Alet yapıyorsanız, montaj hattındaki binin rastgele yığınlarına bakabilirsiniz. Eğer transkripsiyondaysanız, 10 dakikalık ses segmentlerinin rastgele örneklemesine bakabilirsiniz.

Bir kusuru neyin oluşturduğunu tanımlayın. Bir araç için hatalı kısım olabilir. Bir transkripsiyon için, bir cümlenin içeriğini değiştiren yanlış yazılmış bir kelime olabilir.

Örnekteki kusur sayısını say. Çoğu durumda, bu bir sesli / görsel inceleme anlamına gelir. Bazı montaj hatlarında, ekipman bazı kusur türlerini otomatik olarak tespit etmek ve izlemek için programlanabilir.

Arızalı yüzdesi hesaplayın. Örnek büyüklüğüne bölünen ve 100 ile çarpılan kusurların sayısıdır. Öyleyse, bir araç 1000 örnek büyüklüğünden arızalıysa, kusurlu yüzdesiniz yüzde 0,1'dir. Daha sonra, genel kalite yönetim programınızın bir parçası olarak, bu kusur oranının kuruluşunuzun kabul edilebilir kalite seviyesine (AQL) uygun olup olmadığını belirlemeniz gerekir.

İpuçları

  • Deming'e göre, bugünün küresel pazarında başarılı olan işletmeler, en başından beri gelişim süreçlerine kalite kazandırıyor. Ürün ve hizmet kalitenizi ölçmek ve iyileştirmek, yılda bir veya iki kez yaptığınız bir şey değil, günlük bir işlem olmalıdır.

Uyarı

İstatistiksel örnekleme, örnekleme hataları olarak bilinen hataları getirir, çünkü kalite gibi özellikleri tüm popülasyondan ziyade bir dilime bakarak tahmin edersiniz. Örnekleme boyutunu artırarak bu hataları azaltabilirsiniz, ancak bu aynı zamanda maliyetleri de artıracaktır.