现在大家已经逐渐认识到,作报告,写总结, 写论文要有数据来做支撑。比如, 通过改进设备,生产工时由原来的4分10秒降到了4分钟, 或者产品合格率由95%提高到97%, 等等，不一而足。
大家有没有遇到这样的情况, 那就是过几天,生产工时就又回到原先的水平4分10秒, 合格率也再次下降到改进前的95%。在这里,我们假设员工是诚实的, 没有数据造假, 哪会是什么原因造成的呢? 又如何避免类似的问题?并且如何可以对自己得出的结论充满信心?
这就需要你懂得一点统计的知识。用一个案例来说明。
X公司原来的生产周期是60分钟, 为了缩短工时, 他们购买了一台新的设备用以替换老旧的设备。为了验证措施是否有效, 他们计算了26个新样本, 计算出新平均周期为57分钟。他们可以说他们提高了5%的效率吗?
不能,他们还需要知道这26个新样品的标准差, 然后通过统计分析才能知道这个变化到底是由于新设备还是由于随机因素造成的。
我们假设标准差是10。
我们采用的显著性水平为0.01。
(显著性水平的定义：原假设为真时, 拒绝原假设的概率)
A.提出原假设和备择假设
Ho: 生产周期均值>=60分钟
H1: 生产周期均值<60分钟
B.因为样本数小于30, 使用t分布。这里就不列出公式了，这个公式在统计书中很容易找到。
计算得出 t=-1.530
C.查t分布表, 单尾，自由度为25(26-1=25),
显著性水平为0.01，得到交点值为-2.485。
D.因-2.485小于-1.530, 不能拒绝原假设。改进前和改进后的3分钟差异是随机因素造成的。
E.到此, 你可以自信地说, 新设备没有缩短工时。(这个结论错误的概率为1%)。
期望每个工程开发人员，质量人员会使用统计工具是不现实的,但是有这个观念很重要。
云质是一家提供质量管理软件，提供质量管理培训(如6 sigma)，质量管理信息化咨询，帮助企业提高质量管理水平与效率的公司。 顾问团队平均质量管理相关工作年限超过28年，曾服务于通用电气、伊莱克斯、米其林、康明斯、卡特彼勒、康迪泰克、博世、海拉、英格索兰等制造业名企，结合自身的质量管理及其信息化经验开发了一套用于企业质量数据存储与质量数据分析的在线软件系统。 该系统不但可以用于内部生产质量管理，而且非常适合用于供应商质量管理，尤其是对于大量中小型供应商，人员流动率高，质量控制风险高，同时质量人员质量管理知识比较有限的情形。该软件大大降低了进行质量改善所需要的质量知识，非常容易快速的就可以锁定质量问题，进行质量改善。 云质的质量管理软件产品包含了质量管理全过程模块，如： · 来料检验 · 过程检验 · 出货检验 · 问题整改 · 客户投诉 · 分层审核 · 稽查管理 · 8D报告 · 量具管理 · 质量评审等等。云质的质量管理软件具有如下优势： · 无纸化，免安装，录入界面简单 · 大数据量下，运行依然流畅 · 质量数据分析功能强大，挖掘质量数据价值 · 建立企业自己的质量知识库与数据库