Teď když už máme data naměřena, tak je důležité vybrat ty správné prostředky pro jejich interpretaci. Nesprávnou volbou tohoto prostředku (grafu) nemusím vždy nakročit ke správné cestě pro odhalení kořenových příčin problému.
Histogram
Histogram je vhodným nástrojem pro grafické znázornění distribuce vzorku dat, pomocí sloupcových grafů stejné šířky, vyjadřující šířku intervalů, přičemž výška sloupců vyjadřuje četnost sledované veličiny v daném intervalu. Je důležité zvolit správnou šířku intervalu, neboť nesprávná šířka může snížit informační hodnotu diagramu a tedy může dojít k dezinterpretaci dat či ke zkreslení.
Paretův diagram
Paretova analýza využívá tzv. Paretův princip 80:20, který říká, že 80% následků způsobuje 20% příčin. Princip 80:20 se dá aplikovat do mnoha podob a odvětví. Je velice vhodný v případech, kdy potřebujeme zúžit nebo více konkretizovat oblast projektu.
Na obrázku níže je Paretova analýza stížností na poště. V tomto případě nám pomůže zúžit rozsah projektu, kdy 80% stížností tvoří první 4 (Nedoručená zásilka, Doba doručení, Doba čekání a výdej zásilek)
Boxplot
Boxplot nebo někdy bývá česky označován také jako krabicový graf. Pomocí toho typu grafu můžeme vyjádřit a vizualizovat kvartily sledovaného datového souboru. Boxplot je tedy ohraničen (1. a 3. kvartil Q1 a Q3) kvartily. Krabice rozdělená vedví nám zobrazuje medián souboru dat. Následně je z krabice možné sledovat tzv. “vousy”, které nám pak udávají variabilitu dat pod první a nad třetí kvartilem.
Dalším jevem, který u tohoto typu grafu můžeme pozorovat je tzv. outlier. Outlierem se rozumí odlehlé hodnoty datového souboru. Jsou-li ojedinělé, většinou se z datového souboru odstraňují a dále se s nimi nepracuje. Při vyšším počtu outlierů, je nezbytné se jimi v projektu dále zabývat a hledat jejich příčiny.
Vhodným využitím Boxplotu je především v porovnávání sledovaných vzorků dat. Například u případu níže pozorujeme čas obsluhy klienta na třech vybraných pobočkách banky. Na první pohled je patrný rozdíl mezi pobočkami pomocí této jednoduché vizualizace. Dalším krokem by měla být otázka proč se tak děje.
Regulační diagram
Regulační diagram (Control chart) je vizuální nástroj pro přehledné zobrazení průběhu procesů v čase. Monitoruje časový vývoj sledovaných parametrů procesu, sleduje jejich kolísání, sezónnost a pomáhá určovat jejich trendy. Vypovídá o stabilitě a zvládnutí celého procesu
Regulační diagram je jedním ze základních nástrojů řízení kvality a nástrojem statistické regulace procesu (SPC z anglického Statistical Process Control). V podobě grafu se používá ke znázornění změn klíčové metriky procesu v průběhu času. Každý regulační diagram má vždy střední hodnotu (CL – Central Line), horní a dolní mez (UCL – Upper Control Line a LCL – Lower Control Line), které udávají hranice procesu. Ty jsou dány buď hlasem zákazníka či vývojem historických dat daného procesu. Z časového průběhu diagramu je možné, udělat závěr, zda je chování procesu ve statisticky zvládnutelném stavu nebo zda je nepředvídatelné (hodnoty za hranicemi procesu).
Výběr regulačního diagramu
Výběr vhodného regulačního diagramu závisí na typu veličiny, která je sledována (atributivní a spojitá data). Typ veličiny rozhoduje o tom, jakým způsobem se vypočte centrální přímka a regulační meze diagramu. Nevhodný regulační diagram by mohl ukazovat falešné signály nebo naopak by neupozornil na nestabilní proces. Rozcestník výběru vhodného regulačního diagramu je zobrazen níže.
I-MR chart
Na grafu níže můžete pozorovat jednoduchý proces v ustáleném stavu, kdy ani horní mez (UCL) a ani dolní mez (LCL) nejsou překročeny. V diagramu lze však provést celou řadu dalších testů, které ověřují kvalitu našeho procesu. Více o těchto testech a grafu moving range (pohyblivá mez) zde.
Ukázku a příklady použití ostatních typů regulačních diagramů naleznete zde.
Proces v neustáleném stavu
Na obrázku níže můžeme pozorovat naměřený proces, který se nachází v neustáleném stavu, kdy horní i dolní mez jsou překročeny (červené body). V takovémto případě chybovosti je nutný co nejrychlejší zásah.
