为什么数据会骗我们？
在这用数据说话的起步阶段，我们总觉得我们测得工时不准确，不能够作为标准工时的依据。所以别人问我们标准工时的时候，我们总是觉得底气不足，心里虚虚哒。（这个是正常现象~，大家不要紧张）
其实大家感觉的没错，因为数据会“骗”我们。为什么会这样呢？我今天为大家总结科普一下。
原因一、霍桑效应 - Hawthorne Effect
当人意识到自己正在被别人观察时，他有改变自己行为的倾向。这种倾向可能导致他作业绩效变好，可能导致作业绩效变坏。
经常的，IE拿着摄像机到线上去测工时，总有一种感觉工人不是正常作业，总是感觉工人在欺骗你。在质检的时候，看到尾端随机抽检的人员来了，就把一些不良品先收着，等质检人员走了，再把不良品拿出来带条件放行。也有好的，感觉自己被重视了，更加努力的工作，绩效增长。
不论什么情况，观测被发现的时候，往往绩效是不准确的，这种不准确的程度到底是多少，很难有定论。有的公司采购了能远距离采集影像的设备，不让操作人员发现。有的公司采取了和工人聊天谈心，解除工人的心里防备。有的公司则用采集出来的数据做调整。这些做法都有利有弊，挑选哪种方法也是仁者见仁，智者见智了。
原因二、分辨率/精度 - Resolution
一般的，流水线的Takt Time会在10S-120S之间，有可能有更高，更低的，但是过高，过低的Takt Time会导致操作绩效的下降。
在这么一个要精确到5S级别的Takt Time下，工时数据收集的精度应该达到多少呢？一般性要达到精确程度的1/10，也就是0.5S。换句话说，如果你要精确到秒，那么测量的精度需要到0.1S。
所以测量精度到秒，那么只能精确到10S的级别。所以不要拿着测量到秒的工时数据和别人说，你看，我们是精确到秒的哦！
所以测量精度和数据的准确度不是1：1的。
原因三、抽样误差
大家都知道统计数据需要一定的采样数量，一组数据说明不了问题。因为这一组可能正好是很低的，也可能正好是很高的。我们知道我们需要一定的置信度。但是多少人关注到了抽样误差呢？在允许抽样误差在1*sigma（标准差）的时候，采样4组就能达到95%的置信度。而0.6*sigma需要11组数据。0.3*sigma就需要44组！很多企业都采集了3组，这就好比说，我知道人的寿命是在150岁以下，置信度是95%，这个95%的置信度又有何用呢？
好了，不知道以上有没有解决您的困惑呢？若有问题，可以留言给我哦~
Q：我们公司没有考虑这些因素有什么问题吗？
A：大问题没有，只是，这样的数据拿来做决策的参考依据性就弱了，那么做出决策的正确概率就低了。没有这样的数据，太阳明天依旧从东边升起的：-）
Q：我们公司现在操作人员都不按照我们的SOP做，上次还要罢工，我们了解了这些东西，有什么用呢？
A：是没有用，还是先安抚下一线人员的情绪吧。
参考书籍：All About 6 Sigma - the easy way to get started