您还没有绑定微信,更多功能请点击绑定

分析问题时容易犯的错


   1、有问题时直接给原因,下对策。
   有产品的地方,就会有产品缺陷;有产品缺陷时,就需要去找原因;那么,产品有缺陷问题时,是不是会直接进入给原因、下对策?

   如果我们去医院就医时,你只告诉医生说我身体不舒服,医生能不能给开药呢?可以肯定没有哪位医生会直接开药的,医生都会望、闻、问、切。
   那么医生会问:

   医生:你哪里不舒服?
   病人:我脚痛
   医生:你哪只脚痛?
   病人:我左脚痛
   医生:你左脚哪里痛?
   病人:我左脚底板痛

   那为什么在解决产品问题时就直接跳入原因,给对策呢?而不经过望、闻、问、切呢?产品有问题,我们是否应该先去确认该问题的属性,属于技术问题还是管控问题,若把问题原因寻找范围定义为100%时,确认问题属性后就可以把范围缩小至50%;所有的原因都可以归到三类族系里面来,产品内,产品对产品,时间对时间,找到族系后,范围由50%变成16.67%;想想从100%的范围内找到原因的可能性大,还是从16.67%的范围内容易呢?

   2、原因验证时仅用了一组数据
   假如某个产品,验证了某个参数,得出了一组数据:
   A参数:(3/86)96.5%;B参数:(4/73)94.5%,会如何判定呢?判定A参数优于B参数,认同吗?

   如果认同的话,接着看下面的问题:
   假如我告诉你,我有一套可以一买就能中大奖(500万)的机会,要你花50万来买时,你会愿意吗?
   你一定会说,“神经病”;
   可是很不幸,第一天购买时,中了500万;
   这时你会说,这小子运气真好;
   第二天购买时,又中了500万;
   这时你会不会有所心动呢?
   第三天购买时,又中了500万;
   这时你会不会很后悔了,会不会提钱来购买这套中奖方法呢?

   那么为什么会中奖时第一次会归到运气上去;而在解决问题时,只用了一组数据却判断呢?如果我们要确保改善效果的持续性,那么必须至少有三组以上随机化的试验验证来确认。

   3、分析数据时,通常只看规格范围

    产品有问题时,通常会去测量尺寸,看测量数据有没有在规格范围内,是也不是?回答,是,也是正常的,因为都是这样的;回答不是,那又能怎么办呢?

   如果有这一组数据给我们时,会如何判定
   产品尺寸规格0.3+/-0.05
   测量了一组数据:
   0.31;0.28;0.29;0.28;0.3;0.31;0.32;0.31;0.31;0.29;0.31;0.31
   这样的一组数据会如何看呢?看数值都是规格范围内,认为这组数据没有问题,这个很正常,没有问题。

   如果再加一个条件后,又会如何呢?(NG代表不合格产品值,OK代表合格产品值)
   0.31(NG);0.28(NG);0.29(NG);0.28(NG);0.3(NG);0.31(NG);0.32(OK);0.31(OK);0.31(OK);0.29(OK);0.31(OK);0.31(OK); 

   那么现在能看出什么来了没有?

3 个评论

游客无法查看评论和回复, 请先登录注册