在日常工作和日常生活中,我们每天都会遇到很多的问题,对于大多数的问题,可能比较简单,我们只需要通过经验判断、请教专家等简单的方法就可以解决。但是对于一些重复发生的问题或原因不清楚的问题,我们无法一下子找到有效的解决方案,这时,就应使用结构化的问题解决方法论,如DMAIC、PDCA等,一步步找出问题的关键原因,并找出适当的解决这些原因的方案,以解决问题。在寻找原因之前,我们往往需要做一项很重要的工作—聚焦问题。聚焦问题最有效的工具就是[排列图]。
排列图的来源
[排列图]又名[柏拉图]、[Pareto图]。意大利经济学家V.Pareto(1848-1923)在1897年分析社会经济结构时,赫然发现国民所得的大部份均集中于少数人身上,于是将所得的大小与拥有所得的关系加以整理。发现有一定的方程式可以表示,称为[柏拉图法则]。1907年美国经济学者M.O.Lorenz使用累积分配曲线来描绘[柏拉图法则],也就是经济学所谓的劳伦兹(Lorenz)曲线。美国质量大师J.M.Juran(朱兰博士)将劳伦兹曲线应用于品管上,同时创出[Vital Few, Trivial Many] (重要的少数,次要的多数)的见解,并借用Pareto的名字,将此现象定为[柏拉图原理]。[柏拉图]方法,由品管圈(QCC)的创始人日本石川馨博士介绍到品管圈活动中使用,而成为品管七大手法之一。
80/20原则,也称二八原则,即:在任何特定群体中,重要的因子通常只占少数,而不重要的因子则占多数,因此只要能控制具有重要性的少数因子即能控制全局。[排列图]就是应用80/20原则的一种图形工具,通过对问题现象的分析,可以找出问题的焦点(即代表80%问题的20%的问题分类)。我们集中精力和资源去解决焦点问题,可达到事半功倍的效果。
排列图的结构
排列图的制作
-
确定需要分析的问题,确定问题分类的维度及具体的分类
-
制作数据收集表(检查表)收集数据
-
收集数据
-
计算(汇总收集的数据)
-
处理数据(将汇总的数据进行排序,并计算占有率,累计占有率)
-
绘制排列图
-
利用排列图确定问题分析的焦点
排列图制作实例
1.确定需要分析的问题:对于显示器出厂检查的不良,需要首先明确不良的构成情况和需要重点分析的问题;我们以显示器具体的缺陷作为分类依据。
2.制作数据收集表(检查表)收集数据,:如下图
6.绘制排列图(根据合计的不良数、占有率、累计占有率几组数据绘制)
7.利用排列图确定问题分析的焦点
排列图制作注意事项:
-
排列图的柱子高度都差不多,没有明显的焦点,该怎么办?
一般的问题都应有焦点存在的,但如果通过排列图分析没有找到焦点问题,这时要确认:1)问题的分类是否有交叉重叠?2)收集的分类数据是否准确?3)是否还可以从其他维度来分析?
1)问题的分类是否有交叉重叠?
排列图分析前要首先确定分析的维度,如上例中,我们是从缺陷种类的维度进行分析,这时我们要确保缺陷种类的分类要清晰、独立,不能有交叉重叠的现象,每一个缺陷现象都应能被明确地归于一类。比如,某个缺陷分类里,包含“发票填写错漏”与“填写信息难以理解”两个分类,这两个缺陷分类里就出现了重叠,“填写信息难以理解”也包含“发票填写错漏”的缺陷。
2)收集的分类数据是否准确?
确定排列图分析的维度和具体的分类维度后,接下来我们要去收集数据,(六西格玛咨询)收集数据的过程要确保数据的准确性。数据是通过测量或专门人员判断出来的,或者说数据是通过测量系统得出的,要确保数据的准确性,就要首先确保测量系统的可靠性。以缺陷数据的收集为例,缺陷数据是通过检验人员判断得出的,那就要首先确保检验人员的检验能力,即检验人员与标准的一致性。简单来说,就是检验人员对同一缺陷现象多次检验的结果是否一致、检验结果与设定的标准是否一致。这个涉及了测量系统分析(MSA)工具的应用,在之后的期刊中我们会详细介绍。
3)是否还可以从其他维度来分析?
我们确保了分类的清晰和独立,确保了收集数据的准确性,但通过排列图分析后的发现还是没有找出焦点问题,这时就要考虑是否可以换个维度来分析。
以缺陷问题为例,我们可以从缺陷现象维度来分析,也可以从缺陷的位置、班组、供应商、作业者、设备、发生的时间甚至缺陷的形状等多个维度来分析,如果在某个维度找不到焦点,可以换个维度来分析。我们建议分析问题时,要从尽可能多的维度来同时分析,总有一个维度能找出焦点的。
分析的维度可以通过请教专家、查看标准文件或团队头脑风暴来确定。
注意:分析的维度可以是并行的展开,也可以是垂直的展开。如分析缺陷,缺陷的现象、班组、设备这三个维度可以并行单独分析,也可以按现象找出焦点后,再按班组找、再按设备找,垂直分析的顺序根据实际的情况而定。排列图的实际应用过程中,我们要根据实际情况来综合应用,直至找到合适的焦点。参考下图的分解过程。
-
排列图分析结果显示,“其他”类最高,怎么办?
这是因为我们的问题分类中归于“其他”类别的现象比较多,可能单个现象的数据不多,但累计起来的数据就比较多了。这时,我们应该将归于“其他”类别的现象分离出来,或者将累计占有率小于5%(可根据实际情况调整)的现象归于“其他”类别。这样就避免“其他”类别最高,而无从下手的情况了。
责任编辑:倪小兵
声明:制造中国文章---属冠卓咨询内部专家原创内容,代表个人观点,授权于冠卓咨询网站使用;如需转载请保留原意并注明来源:冠卓咨询。请尊重原创!
ell{posi