Processo DMAIC del Six Sigma - Fase Analizzare - Esempi di analisi

Esempio di test t a un campione:
Definizione: Un test t a un campione confronta una media della popolazione con un valore di riferimento specificato.
Situazione: Abbiamo 50 osservazioni del tempo di completamento e vogliamo sapere se la media della popolazione supera il benchmark del concorrente di 4,5 minuti.

Nulla: Tempo medio di completamento <= 4,5 minuti
Alternativa: Tempo medio di completamento > 4,5 minuti

Row	TAT (in Mins)	TAT (in Mins)	TAT (in Mins)	TAT (in Mins)	TAT (in Mins)
1	4.82	4.41	4.60	4.68	4.80
2	4.76	4.62	4.83	4.49	4.67
3	4.52	5.04	5.09	4.48	4.91
4	4.71	4.62	5.46	5.01	4.44
5	5.09	4.68	4.67	4.63	4.58
6	5.03	4.77	4.55	4.20	4.97
7	4.86	5.16	4.87	4.94	4.44
8	4.68	4.98	5.04	4.62	4.47
9	4.71	4.58	4.91	4.55	4.84
10	4.49	4.93	4.74	5.50	4.94

Apri il diagramma a grandezza naturale ↗

Tempo di completamento (in minuti)

Apri il diagramma a grandezza naturale ↗

Risultato dell’analisi

Risultato: Il p-value unilaterale è inferiore a 0,05, quindi rifiutiamo l’ipotesi nulla. I dati forniscono evidenza che il nostro tempo medio di completamento supera 4,5 minuti: il processo è più lento del benchmark del concorrente.


Esempio di test t a due campioni:
Definizione: Un test t a due campioni con varianza combinata confronta due medie della popolazione sotto un modello di uguaglianza delle varianze.
Situazione: Abbiamo turni mattutino e notturno e vogliamo sapere se le loro medie della popolazione del tempo di completamento differiscono.

Nulla: I turni mattutino e notturno hanno la stessa media della popolazione del tempo di completamento.
Alternativa: I turni mattutino e notturno hanno medie della popolazione del tempo di completamento diverse.

Row	Morning Shift	Morning Shift	Morning Shift	Morning Shift	Morning Shift	Night Shift	Night Shift	Night Shift	Night Shift
1	13.79	15.58	16.70	13.92	14.00	15.56	16.37	21.67	13.37
2	15.29	14.68	18.71	14.11	9.14	11.28	17.62	20.78	20.95
3	13.40	12.37	20.12	8.83	18.97	15.04	23.15	18.33	18.02
4	12.10	12.76	12.99	17.04	16.53	22.29	14.92	19.14	12.11
5	16.00	17.41	18.67	12.38	10.02	16.78	20.96	17.75	17.34
6	12.53	17.03	18.68	15.25	12.64	20.12	20.83	14.67	16.65
7	14.75	18.77	11.83	15.49	13.58	19.27	18.23	19.39	9.89
8	21.10	15.56	10.69	11.51	15.89	16.65	16.84	16.76	17.81
9	14.18	13.79	17.26	14.84	15.56	14.97	18.19	13.65	15.07
10	12.06	15.53	11.85	10.70	9.81	16.38	19.30	19.90	16.72
11	15.25	15.74	17.77	11.44	14.92	15.81	13.09	15.54	18.46
12	13.46	12.85	14.83	14.33	17.45	19.96	15.97	15.17	21.92
13	12.06	15.41	20.58	19.73	18.34	17.31	16.90	19.45	15.23
14	14.86	12.16	13.06	11.67	14.02	16.66	22.23	10.25	19.07
15	14.25	16.78	12.68	15.05	19.83	14.35	21.28	16.63	14.65
16	13.97	8.36	9.85	17.59	21.92	18.58	21.77	19.34
17	14.76	14.65	11.58	17.41	11.80	17.06	16.92	17.37
18	13.83	18.58	20.19	15.82	11.21	14.18	14.40	17.38
19	15.63	12.42	12.09	18.24	10.97	16.45	14.91	20.09
20	15.34	16.46	15.91	16.19	15.46	13.59	13.69	22.73

Apri il diagramma a grandezza naturale ↗

Dati dei turni mattutino e notturno

Apri il diagramma a grandezza naturale ↗

Risultato dell’analisi

Risultato: Il p-value bilaterale è inferiore a 0,05, quindi rifiutiamo l’uguaglianza delle medie della popolazione. I turni mattutino e notturno differiscono nel tempo medio di completamento; il mattino ha la media campionaria minore. L’intervallo di confidenza è relativo a mattino meno notte.


Esempio di ANOVA a una via:
Definizione: L’ANOVA a una via verifica se tre o più medie della popolazione sono tutte uguali.
Situazione: Confrontiamo le medie del tempo di completamento di Addetto1, Addetto2, Addetto3 e Addetto4.

Nulla: Le quattro medie della popolazione del tempo di completamento sono uguali.
Alternativa: Non tutte le quattro medie della popolazione del tempo di completamento sono uguali.

Row	Staff1	Staff1	Staff2	Staff2	Staff3	Staff3	Staff4	Staff4
1	20.56	13.43	18.18	16.17	13.55	8.93	19.43	21.40
2	13.84	14.43	16.86	14.61	6.55	9.82	19.15	14.67
3	14.30	12.51	15.27	20.12	15.84	11.88	15.55	17.75
4	15.66	12.49	18.80	19.62	15.83	13.16	17.18	14.29
5	15.26	18.64	15.44	14.15	14.07	14.20	18.84	19.72
6	12.77	13.80	15.19	13.72	13.08	12.82	18.03	18.98
7	8.38	14.08	16.81	15.71	15.94	15.84	19.08	22.14
8	14.01	16.49	16.21	18.98	8.55	11.83	19.35	15.58
9	13.34	15.25	19.54	14.40	14.00	12.82	16.10	16.30
10	13.28	14.02	16.01	18.63	9.92	17.53	18.59	15.17
11	14.95	13.12	19.18	18.34	15.63	11.96	19.05	15.48
12	18.64	10.43	16.86	15.29	16.04	12.08	21.64	17.42
13	14.22	12.08	14.87	14.17	14.20	14.13	20.26	16.74
14	15.30	13.33	17.34	17.53	13.24	13.61	20.94	17.82
15	15.77	10.63	16.98	16.06	16.26	19.32	20.29	11.04
16	17.27		16.84		15.59		14.12
17	19.22		20.73		11.76		19.52
18	17.25		18.77		11.01		14.36
19	12.90		17.28		12.40		19.40
20	15.80		16.98		10.17		19.85

Apri il diagramma a grandezza naturale ↗

Dati degli addetti 1, 2, 3 e 4

Apri il diagramma a grandezza naturale ↗

Risultato dell’analisi

Risultato: Il p-value è inferiore a 0,05 e fornisce evidenza che non tutte le quattro medie della popolazione sono uguali. Rifiutiamo l’ipotesi nulla di uguaglianza delle medie. L’ANOVA da sola non identifica quali coppie di addetti differiscono; per questa conclusione servono confronti a coppie.


Esempio del test della mediana di Mood:
Definizione: Il test della mediana di Mood confronta le mediane della popolazione di due o più gruppi.
Situazione: Confrontiamo le mediane del tempo di completamento di Addetto1, Addetto2, Addetto3 e Addetto4, usando le stesse 35 osservazioni mostrate per addetto nell’esempio dell’ANOVA.

Nulla: Le quattro mediane della popolazione del tempo di completamento sono uguali.
Alternativa: Non tutte le quattro mediane della popolazione del tempo di completamento sono uguali.

Row	Staff1	Staff1	Staff2	Staff2	Staff3	Staff3	Staff4	Staff4
1	20.56	13.43	18.18	16.17	13.55	8.93	19.43	21.40
2	13.84	14.43	16.86	14.61	6.55	9.82	19.15	14.67
3	14.30	12.51	15.27	20.12	15.84	11.88	15.55	17.75
4	15.66	12.49	18.80	19.62	15.83	13.16	17.18	14.29
5	15.26	18.64	15.44	14.15	14.07	14.20	18.84	19.72
6	12.77	13.80	15.19	13.72	13.08	12.82	18.03	18.98
7	8.38	14.08	16.81	15.71	15.94	15.84	19.08	22.14
8	14.01	16.49	16.21	18.98	8.55	11.83	19.35	15.58
9	13.34	15.25	19.54	14.40	14.00	12.82	16.10	16.30
10	13.28	14.02	16.01	18.63	9.92	17.53	18.59	15.17
11	14.95	13.12	19.18	18.34	15.63	11.96	19.05	15.48
12	18.64	10.43	16.86	15.29	16.04	12.08	21.64	17.42
13	14.22	12.08	14.87	14.17	14.20	14.13	20.26	16.74
14	15.30	13.33	17.34	17.53	13.24	13.61	20.94	17.82
15	15.77	10.63	16.98	16.06	16.26	19.32	20.29	11.04
16	17.27		16.84		15.59		14.12
17	19.22		20.73		11.76		19.52
18	17.25		18.77		11.01		14.36
19	12.90		17.28		12.40		19.40
20	15.80		16.98		10.17		19.85

Apri il diagramma a grandezza naturale ↗

Dati degli addetti 1, 2, 3 e 4

Apri il diagramma a grandezza naturale ↗

Risultato dell’analisi

Risultato: Il p-value è inferiore a 0,05, quindi rifiutiamo l’uguaglianza delle mediane della popolazione. Il test complessivo non stabilisce che ogni coppia di addetti differisca. Questi conteggi, mediane e intervalli di confidenza utilizzano le 35 osservazioni mostrate per ciascun addetto.


Esempio di test chi-quadrato:
Definizione: Un test chi-quadrato confronta conteggi categoriali con quelli attesi sotto l’ipotesi nulla. Qui confrontiamo le proporzioni di accordo di due gruppi indipendenti.
Situazione: Vogliamo sapere se le proporzioni di accordo e disaccordo differiscono tra i gruppi di uomini e donne.

Nulla: Le proporzioni di accordo sono uguali nei due gruppi.
Alternativa: Le proporzioni di accordo differiscono tra i due gruppi.

	Men	Women
Agree	15	20
Disagree	30	35

Apri il diagramma a grandezza naturale ↗

Dati per il test chi-quadrato

Apri il diagramma a grandezza naturale ↗

Risultato dell’analisi

Risultato: Il p-value supera 0,05, quindi non rifiutiamo l’uguaglianza delle proporzioni di accordo. Questi dati non forniscono evidenza di un’associazione tra gruppo e risposta. Il risultato non dimostra che le proporzioni della popolazione siano identiche.