Amikor egy gy\u00e1rt\u00e1si folyamat adatait elemzi, a k\u00f6zponti tendencia mutat\u00f3j\u00e1nak \u2013 \u00e1tlag vagy medi\u00e1n \u2013 kiv\u00e1laszt\u00e1sa jelent\u00e9ktelennek t\u0171nhet. Val\u00f3j\u00e1ban ez hat\u00e1rozza meg a k\u00f6vetkeztet\u00e9sei megb\u00edzhat\u00f3s\u00e1g\u00e1t, az ellen\u0151rz\u0151 diagramok relevanci\u00e1j\u00e1t \u00e9s a k\u00e9pess\u00e9gi indexek pontoss\u00e1g\u00e1t. Annak meg\u00e9rt\u00e9se, hogy mikor melyiket \u00e9rdemes haszn\u00e1lni, alapvet\u0151 k\u00e9szs\u00e9g minden Lean Six Sigma-gyakorl\u00f3 sz\u00e1m\u00e1ra.<\/p>\n
La \u00e1tlag<\/strong> (vagy aritmetikai \u00e1tlag) az \u00f6sszes \u00e9rt\u00e9k \u00f6sszege osztva azok sz\u00e1m\u00e1val. Ez figyelembe veszi az egyes m\u00e9r\u00e9si pontok adatait, ami rendk\u00edv\u00fcl hat\u00e9kony becsl\u0151v\u00e9 teszi, ha az adatok norm\u00e1lis eloszl\u00e1st k\u00f6vetnek \u2014 vagyis szimmetrikusak \u00e9s nincsenek kiugr\u00f3 \u00e9rt\u00e9kek.<\/p>\n La medi\u00e1n<\/strong> az a \u00e9rt\u00e9k, amely egy n\u00f6vekv\u0151 sorrendbe rendezett adathalmaz k\u00f6zep\u00e9n helyezkedik el. Ezt nevezik ellen\u00e1ll\u00f3<\/em> : egy sz\u00e9ls\u0151s\u00e9ges \u00e9rt\u00e9k \u2013 m\u00e9g ha nagyon elt\u00e9r is a t\u00f6bbi megfigyel\u00e9st\u0151l \u2013 csak kism\u00e9rt\u00e9kben befoly\u00e1solja azt. Ugyanakkor kevesebb inform\u00e1ci\u00f3t hasznos\u00edt, mint az \u00e1tlag, \u00e9s kis mint\u00e1k eset\u00e9n kev\u00e9sb\u00e9 lehet pontos.<\/p>\n A gyakorlatban a k\u00e9t \u00e9rt\u00e9k t\u00f6k\u00e9letesen egybeesik egy t\u00f6k\u00e9letesen szimmetrikus eloszl\u00e1s eset\u00e9n. Az inform\u00e1ci\u00f3 akkor v\u00e1lik hasznoss\u00e1, amikor elt\u00e9rnek egym\u00e1st\u00f3l: az elt\u00e9r\u00e9s\u00fck aszimmetri\u00e1ra vagy a folyamatban el\u0151fordul\u00f3 atipikus \u00e9rt\u00e9kekre utal.<\/p>\n Az \u00e1tlag a referencia\u00e9rt\u00e9k, amennyiben az adatok k\u00e9t felt\u00e9telt is teljes\u00edtenek: norm\u00e1l \u00e1llapot<\/strong> (vagy kell\u0151en szimmetrikus eloszl\u00e1s) \u00e9s indokolatlan kiugr\u00f3 \u00e9rt\u00e9kek hi\u00e1nya<\/strong>. \u00c9ppen ez\u00e9rt ez \u00e1ll a folyamatstatisztikai ir\u00e1ny\u00edt\u00e1s (MSP) legelterjedtebb statisztikai eszk\u00f6zeinek k\u00f6z\u00e9ppontj\u00e1ban:<\/p>\n Ha a folyamatot megfelel\u0151en ellen\u0151rzik, \u00e9s az adatok norm\u00e1lis eloszl\u00e1st mutatnak, akkor az \u00e1tlag a rendelkez\u00e9sre \u00e1ll\u00f3 inform\u00e1ci\u00f3k eg\u00e9sz\u00e9t figyelembe veszi, \u00e9s statisztikai \u00e9rtelemben a legpontosabb becsl\u00e9seket adja.<\/p>\n A medi\u00e1n h\u00e1rom gyakori helyzetben v\u00e1lik el\u0151ny\u00f6sebb\u00e9 \u2013 vagy elengedhetetlen\u00fcl sz\u00fcks\u00e9ges\u00e9 \u2013 az ipari k\u00f6rnyezetben.<\/p>\n Bizonyos folyamatok term\u00e9szet\u00fckn\u00e9l fogva aszimmetrikus eloszl\u00e1sokat eredm\u00e9nyeznek: ciklusid\u0151, szennyezetts\u00e9gi szintek, sz\u00e1ll\u00edt\u00e1si hat\u00e1rid\u0151k. Egyetlen, kiv\u00e9telesen hossz\u00fa m\u0171velet is felfel\u00e9 h\u00fazhatja az \u00e1tlagot, \u00e9s torz k\u00e9pet adhat a folyamat szok\u00e1sos viselked\u00e9s\u00e9r\u0151l. A medi\u00e1n ilyenkor jobban t\u00fckr\u00f6zi azt, amit a kezel\u0151 vagy az \u00fcgyf\u00e9l val\u00f3j\u00e1ban tapasztal.<\/p>\n Ha egy \u00e9rz\u00e9kel\u0151 esetenk\u00e9nt elt\u00e9r a norm\u00e1t\u00f3l, vagy egy rendk\u00edv\u00fcli esem\u00e9ny (g\u00e9p le\u00e1ll\u00e1s, nem megfelel\u0151 nyersanyag) sz\u00e9ls\u0151s\u00e9ges \u00e9rt\u00e9keket eredm\u00e9nyez az adatsorban, a medi\u00e1n tomp\u00edtja ezek hat\u00e1s\u00e1t. Ez nem menti fel a felhaszn\u00e1l\u00f3t a kiv\u00e1lt\u00f3 ok kivizsg\u00e1l\u00e1s\u00e1t\u00f3l \u00e9s kijav\u00edt\u00e1s\u00e1t\u00f3l, de megakad\u00e1lyozza, hogy a folyamatot mesters\u00e9gesen torz\u00edtott statisztikai adatok alapj\u00e1n vez\u00e9relj\u00e9k.<\/p>\n Az ordin\u00e1lis sk\u00e1l\u00e1n \u00e9rt\u00e9kelt jellemz\u0151k eset\u00e9ben (el\u00e9gedetts\u00e9gi pontsz\u00e1mok, hib\u00e1k s\u00falyoss\u00e1gi szintjei) az \u00e1tlag matematikailag kisz\u00e1m\u00edthat\u00f3, de jelent\u00e9sbeli szempontb\u00f3l megk\u00e9rd\u0151jelezhet\u0151. A medi\u00e1n viszont konkr\u00e9t jelent\u00e9ssel b\u00edr: a minta t\u00e9nyleges k\u00f6z\u00e9ppontj\u00e1t jel\u00f6li.<\/p>\n Vannak tov\u00e1bb\u00e1 medi\u00e1nalap\u00fa ellen\u0151rz\u0151 diagramok (X\u0303 \/ R-diagramok) is, amelyek kev\u00e9sb\u00e9 \u00e9rz\u00e9kenyek, mint az X-bar-diagramok, viszont megb\u00edzhat\u00f3bbak nem norm\u00e1lis eloszl\u00e1s\u00fa adatok eset\u00e9n, illetve olyan oper\u00e1torok sz\u00e1m\u00e1ra, akik nem j\u00e1rtasak az \u00e1tlagok kisz\u00e1m\u00edt\u00e1s\u00e1ban.<\/p>\n A bev\u00e1lt gyakorlat az, hogy ne vakon v\u00e1lasszunk, hanem a d\u00f6nt\u00e9s meghozatala el\u0151tt vizsg\u00e1ljuk meg az eloszl\u00e1st.<\/p>\n Ezek a l\u00e9p\u00e9sek b\u00e1rmely statisztikai elemz\u0151 szoftverben csup\u00e1n n\u00e9h\u00e1ny percet vesznek ig\u00e9nybe, \u00e9s megakad\u00e1lyozz\u00e1k, hogy a vezet\u00e9s nem megfelel\u0151 mutat\u00f3k alapj\u00e1n hozzon d\u00f6nt\u00e9seket.<\/p>\n A k\u00e9rd\u00e9s nem az, hogy az \u00e1tlag \u00abjobb-e\u00bb a medi\u00e1nn\u00e1l: mindkett\u0151 egy adott kontextusban \u00e9rv\u00e9nyes. Egy stabil, norm\u00e1lis eloszl\u00e1s\u00fa folyamat eset\u00e9ben az \u00e1tlag tov\u00e1bbra is a leghat\u00e9konyabb becsl\u0151. Amint aszimmetri\u00e1k vagy atipikus \u00e9rt\u00e9kek l\u00e9pnek sz\u00ednre, a medi\u00e1n hitelesebb k\u00e9pet ad a val\u00f3s helyzetr\u0151l. El\u0151sz\u00f6r diagnosztiz\u00e1lni, azt\u00e1n d\u00f6nteni: ez az a szigor\u00fa megk\u00f6zel\u00edt\u00e9s, amely megk\u00fcl\u00f6nb\u00f6zteti a Six Sigma-szak\u00e9rt\u0151t att\u00f3l, aki k\u00e9pleteket alkalmaz an\u00e9lk\u00fcl, hogy azok felt\u00e9telez\u00e9seit megk\u00e9rd\u0151jelezn\u00e9.<\/p>","protected":false},"excerpt":{"rendered":" Moyenne vs m\u00e9diane : laquelle choisir pour piloter votre proc\u00e9d\u00e9 ? Lorsque vous analysez les donn\u00e9es d’un proc\u00e9d\u00e9 de fabrication, le choix de l’indicateur de tendance centrale \u2014 moyenne ou m\u00e9diane \u2014 peut sembler anodin. En r\u00e9alit\u00e9, il conditionne la fiabilit\u00e9 de vos conclusions, la pertinence de vos cartes de contr\u00f4le et la justesse de […]<\/p>\n","protected":false},"author":4,"featured_media":0,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[7],"tags":[],"class_list":["post-4465","post","type-post","status-publish","format-standard","hentry","category-data-analysis"],"acf":[],"yoast_head":"\nAmikor az \u00e1tlag a legjobb v\u00e1laszt\u00e1s<\/h2>\n
\n
Amikor a medi\u00e1n a meghat\u00e1roz\u00f3<\/h2>\n
Aszimmetrikus vagy hossz\u00fa farok\u00fa adatok<\/h3>\n
Azonos\u00edtott kiugr\u00f3 \u00e9rt\u00e9kek jelenl\u00e9te<\/h3>\n
Kis mint\u00e1k ordin\u00e1lis adatokon<\/h3>\n
Hogyan lehet kipr\u00f3b\u00e1lni, melyiket \u00e9rdemes haszn\u00e1lni az adataidhoz?<\/h2>\n
\n
\n