제품 보고서을 사용하여 복잡도 데이터를 불균형 표본 추출과 함께 사용

제품에 대한 다양한 벤치마크 통계값을 생성하려고 하는 데 사용 가능한 복잡도 데이터가 없다고 가정합니다.

총 기회 카운트는 657,092입니다. 총 DPMO는 1357.5, 전체 Z.ST는 4.498입니다. 이제 Z.ST가 가장 낮은(즉, 공정 능력이 가장 낮은) 성분 16을 살펴보겠습니다. 성분 16을 만드는 공정의 가동 중단이 예정되어 있기 때문에 성분 16을 100배 더 많이 만들고 결점도 100배 더 관측한다고 가정합니다.

총 기회 카운트는 큰 영향을 받지 않습니다. 657,092에서 734,609로 증가합니다. 그러나 총 DPMO는 1357에서 7953으로 (6배) 증가합니다. 총 Z.ST는 4.498에서 3.911로 감소하여 약 1/2 시그마가 획기적으로 줄어듭니다. 이 모든 변경은 공정 능력 감소의 결과가 아니라 성분 16의 생산을 늘린 결과입니다.

다음은 복잡도 데이터를 사용하여 동일한 데이터를 분석한 결과입니다.

이제 총 DPMO는 1300.7이고 총 Z.ST는 4.511입니다. 이 값들은 복잡도 데이터를 사용하여 단위 카운트와 결점 카운트를 조정했기 때문에 처음 값과는 약간 다릅니다. 이제 앞에서와 마찬가지로 성분 16의 생산량을 늘립니다. 이번에는 복잡도 데이터를 사용합니다.

성분 16의 관측된 단위 및 관측된 결점 수에 유일한 차이가 있다는 것을 알 수 있습니다. 복잡도 데이터를 사용하면 성분 16의 불균형적인 생산 및 표본 추출로 인한 모든 효과가 완전히 제거됩니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오