A - Analyze Flashcards
Q:
Welke 4 stappen heeft de Analyze fase?
A:
- Oorzaken procesmatig vinden/verzamelen: FMEA. Fishbone/Ishikawa
- Procesanalyse: waarde, tijd, beweging/spagetti
- Data-analyse: stratificatie, hypothesen (X vs Y: gem. vergelijken of regressie/correlatie)
- Root Cause identificatie (Rode X) op basis proces+data analyse
Q:
Welke tools zijn er voor Oorzaken procesmatig verzamelen?
A:
- Verzamel X-en:*
- *Fishbone** / Ishikawa (zet probleem = Y in kop, X-en zoeken)
- Prioriteer X-en:*
- *IPO** (Input-Proces-Output) = Y links, X-en als kolom = selectie sterke/zwakke X. (ID belangrijke X om verder te onderzoeken)
- *FMEA** (Failure Mode & Effect Analysis) = geeft via S*O*D=RPN (Risk Prio Nr), per X om ze te sorteren op belang en verder te onderzoeken)
Q:
Hoe doe je een procesanalyse – waarde?
A:
Waardeanalyse: Processtappen in kaart en bepaal de waardetoevoegende (WT) stappen en de NWT/NNWT (niet-WT/Noodz.-NWT) stappen met TIMWOODS.
Waardeanalyse kent 3 begrippen:
MUDA = Waiste (TIMWOODS)
MURA = Onbalans (piek/dal-belasting, variatie)
MURI = Overbelasting (te fysiek werk met uitval, teveel draaiuren met downtime, te zware belading met slijtage)
Q:
Hoe doe je een procesanalyse – tijd?
A:
- *Process Cycle Efficiency (PCE)** = waardetoevoegende tijd/totale tijd*100% (15%)
- *Exit Rate (ER)** = aantal juist FiGo/tijd (200 per min)
- *Little’s Law** = onderhanden werk/ER (5 wachtende/ER0.5 p.m.= 10 min werk/wacht-tijd)
- *Procesdoorlooptijd/Process Lead Time (PLT)** = totale duur van proces WT+NWT+NNWT.
Q:
Hoe doe je een procesanalyse – beweging?
A:
Spagetti diagram: nummer stappen uit procesflow en zet nummers in een plattegrond.
Meet/teken de beweging tussen de nummers.
Q:
Hoe en waarom doe je Data-analyse: Datastratificatie?
A:
Why: Opsplitsen van de data in subgroepen (stratificeren) om mogelijke oorzaken te herkennen
- How:*
- *Pareto** = Pareto-grafiek (X & Y discreet), kijken wat vaakste voorkomt 80% klachten uit 20% oorzaken. (Let op is geen histogram want die kan werken met continue data.)
- *Box Plot** = Bij n>25 per categorie zoals dag (X discreet, Y continu), In de box zit 50% van de data waarvan 25% in het onderste gedeelte en 25% in het bovenste gedeelte van de box.
- *Individual Value Plot** = Bij n<25 per categorie (X discreet, Y continu),
- *Scatterplot** = Bij (X & Y Continu)
Je gebruikt de grafieken om inzichtelijk te hebben wat de verschillen zijn tussen (sub)groepen. Hier kun je geen statistische uitspraak over doen.
Q:
Hoe en waarom doe je Data-analyse: Hypothese toetsen?
A:
- WHY:* Om de invloed van een X op Y te evaluaren (correlatie).
- HOW:* 3 Hypothesetoetsen gebruiken we in GB voor vinden relaties (rode X):
- *1. Regressie analyse** (X & Y continu): P<0,05 (er is wel relatie), R2<50% dan geen of zwakke relatie, R2=50%-80% is matige relatie, R2>80% is sterke relatie
- *2. 2-sample T-test**: (X discreet, Y continu; gem. vergelijken) 2 groepen
- *3. ANOVA**: (X discreet, Y continu; gem. vergelijken) >2 groepen: vergelijkt bijv. 5 verschillende groepen de mean en CI en geeft dan een vergelijkbaar resultaat als 2-sample T-test.
Q:
Hoe doe je de Root Cause (Rode X) identificatie?
A:
HOW: process-analyse + data-analyse: geeft Rode X.
Process: Via Fishbone (X-en) en prio met FMEA/IPO: welke X meest belangrijk?
Verder procesanalyse op waarde (WT/NWT stappen), tijd (PCE), motie (Spagetti) bijdrage aan vinden belangrijke X in process?
Data-analyse: Welke X vs Y gaf een verband (Sign.verschil in gem. OF sterke correlatie): De Rode X heeft de laagste p-waarde en indien van toepassing de hoogste R-Sq.
P=low, H0 ….
P=low, H0 must go.
Q:
Wat zijn de 6 stappen om de hypothese statistisch te testen?
A:
1 Formuleer de hypothese
2 Bepaal het significantieniveau
3 Voer de relevante toets uit
4 Interpreteer de p-waarde
5 Behoud of verwerp hypothese
6 Bepaal sterkte van het verband
Q:
Hypothesen stel je op voor ….
A:
De hypothese toetsen die je uitvoert, hebben betrekking op de mogelijke oorzaken van het probleem, de X-en. Voor elke X voer je een afzonderlijke hypothese toets uit.
Bij het formuleren van de nulhypothese ga je ervan uit dat er geen verschil is tussen de verschillende X’en.
H0: Nulhypothese P-waarde > 0,05
Ha: Alternatieve hypothese P-waarde ≤ 0,05
p-value low, nulhypothese has to go
Q:
Wat is het Alfa-risico en wat het Beta-risico?
A:
- *Alpha** = kans onterecht verwerpen H0 (vaak 5%), bepaald door significantieniveau (0.95)
- *Beta** = kans onterecht houden H0 .
