06/03/2023
Een praktische illustratie
In een bedrijf dat meer dan 50 techniekers tewerkstelt voor externe onderhouds- en herstellingswerken, wenst men te weten of sommige techniekers beduidend meer of minder uren per werkdag presteren dan voorzien. Vermits dergelijke servicetaken vaak zeer variabel en onvoorspelbaar zijn, is het te verwachten dat een geplande werkdag van 8 uur zelden precies 8 uur zal duren. Dus wordt er – terecht – beslist om naar het gemiddeld aantal werkuren per technieker te kijken, en dit over een representatieve periode van meerdere maanden.
Statistiek helpt om de objectiviteit te bewaren
Echter, een tabel met gemiddeldes per technieker interpreteren is zeer subjectief.
Immers, elk gemiddelde zal verschillend zijn en dus is de hamvraag: vanaf wanneer beschouw je iets als ‘afwijkend’? Is een gemiddelde van een half uur lager iets om wakker van te liggen?
En wat met techniekers die nog maar enkele weken in dienst zijn?
Hier komt de statistiek te hulp om de objectiviteit te garanderen.
Maak statistische analyses visueel
Een zeer nuttige techniek om in deze situatie te gebruiken is de ANOM grafiek. ANOM is de afkorting voor ANalysis Of Means. Het is een visuele hypothesetest die – zoals de naam verklapt – toelaat om gemakkelijk gemiddeldes met elkaar te vergelijken ten opzichte van het globaal gemiddelde, door rekening te houden met de aanwezige variatie en het aantal beschikbare meetresultaten. Hieronder vind je de ANOM grafiek voor de werktijden van de onderhoudstechniekers.
De groene lijn geeft het globaal gemiddelde van 8 werkuren per dag aan. Dit betekent dat we gemiddeld gezien goed bezig zijn. De beide rode lijnen zijn statistisch berekende grenzen, op basis van het aantal beschikbare meetresultaten, en geven aan wat we in 99% van de gevallen nog kunnen verwachten, op basis van de aanwezige variatie. Deze rode lijnen fluctueren, omdat de grafiek ook rekening houdt met het aantal beschikbare metingen.
Dit vermijdt een te simplistische en willekeurige benadering zoals “alle waarden onder een bepaald niveau verdienen onze aandacht”.
Op basis van deze grafiek stellen we vast dat meerdere techniekers systematisch overuren presteren (de rode stippen boven de bovenste rode lijn), terwijl andere techniekers systematisch minder uren per werkdag presteren (de rode stippen onder de onderste rode lijn). In tegenstelling tot ‘gezond boerenverstand’ zegt deze weliswaar eenvoudige, maar statistisch gefundeerde grafiek ook dat het zeer laag cijfer van de technieker BH als ‘te verwachten’ wordt beoordeeld, terwijl een minder laag cijfer van de technieker BG als ‘anders’ wordt beoordeeld.
Hiermee wordt de oorspronkelijke vraag “zijn er techniekers die beduidend meer of minder uren per werkdag presteren” objectief beantwoord.
Uiteraard zal de volgende stap er in bestaan om uit te vissen wat de oorzaken hiervan zijn en welke bijsturingen er kunnen gebeuren.
Het gebruik van dit soort grafieken en nog talloze andere grafische en statistische technieken worden uitgebreid behandeld in de Amelior opleidingen ‘Praktische statistiek met Minitab’, Praktische statistiek met JMP’, ‘Lean Six Sigma Black Belt’ en ‘Upgrade van Lean Six Sigma Green naar Black Belt’.
Amelior biedt eveneens coaching en begeleiding aan bij het visualiseren, analyseren en interpreteren van data en het verbeteren van processen en producten.
Lees ook de andere blogs in deze reeks:
Meer info?
Onze collega helpt je graag verder!
