Six-Sigma
Six-Sigma niewielu kojarzy się jako metodyka eksploracji danych, ale w literaturze (czy na szkoleniach) można się z takim poglądem zetknąć. Stąd nie mogło jej zabraknąć w zestawieniu.
Six-Sigma to przede wszystkim zbiór dobrych praktyk dla doskonalenia procesów, stosowanych przy zarządzaniu jakością, wypracowany w koncernie Motorola w połowie lat 80. Nazwa "Sześć Sigma" wywodzi się stąd, iż w statystyce literą sigma oznacza odchylenie standardowe zmiennej. Tym samym sześć sigm to zwyczajnie sześciokrotna wartość odchylenia standardowego. Zgodnie z wykresem rozkładu normalnego, który jest symetryczny, tylko 2 miliardowe wykresu wychodzą poza zakres (średnia - 6 sigma, średnia + 6 sigma), co oznacza, że na miliard przypadków dwa są poza tym zakresem. W praktyce celem wdrażania programu "Sześć Sigma" jest zmniejszenie liczby defektów do 3,4 defektów na milion okazji.
Wdrażanie Six-Sigma odbywa się zgodnie z tak zwanym DMAIC, która to nazwa pochodzi od pierwszych liter angielskich wyrazów opisujących poszczególne etapy wdrożenia:
- Define - W tym etapie powinny zostać zdefiniowane cele związane z procesami, które mają być udoskonalone, jednocześnie uwzględniając wymagania klienta oraz strategię przedsiebiorstwa.
- Measure - Ten krok to "pomiar" wyników działania aktualnie istniejących rozwiązań oraz gromadzenia danych dla dokonania porównań w przyszłości.
- Analyze - Analiza ma na celu znaleźć związki pomiędzy różnymi czynnikami wpływającymi na dany proces.
- Improve -Wprowadzanie udoskonaleń, poprawek usuwających wcześniej wykryte problemy.
- Control - Kontrola lub też monitorowanie wyników działania zastosowanych udoskonaleń.
W literaturze dotyczacej Six-Sigma poza powyżej wymienionym akronimem, można spotkać się także z metodologią nazywaną DMADV. Trzy pierwsze litery należy rozszyfrować tak samo jak powyżej, natomiast "DV" pochodzi od:
- Design - Sporządź szczegółowy projekt, zoptymalizuj go i zaplanuj jego weryfikację (być może z wykorzystaniem symulacji).
- Verify - Zweryfikuj projekt, przeprowadź niezbędne testy/próby, zaimplementuj w środowisku produkcyjnym.
Różnica bierze sie stąd, że metodologia DMAIC służy doskonaleniu istniejącego procesu biznesowego, podczas gdy DMADV ma na celu wspomóc wprowadzenie nowych wzorców produktów, bądź procesów w taki sposób, by otrzymane wyniki były mozliwie najlepsze. W artykule wymienionym w bibliografii autor postuluje, by właśnie DMAIC przyjąć jako jedną z możliwych metodologii przy projektowaniu i wdrażaniu systemów data mining.
Bibliografia: