双样本比率检验，是度量指标为不良率的两个样本的比较检验。基本原理是，将二项分布近似正态分布构成假设检验。

为方便编辑，截图如下。

当度量指标是离散型数据——不良率，检验不良率指标是否达到预期值，即为比率检验。
在此，先讨论单样本比率检验。

为编辑方便，以PPT截图发布如下。

样本容量在实践中，具有实际意义：
在运用统计手段进行分析决策中，需要收集一定的样本，如果样本量过多，会增加经济成本，如果太少，不能满足统计分析要求，导致分析决策失误。在此，以单样本均值检验为例，讨论一下样本容量的问题，其他检验类似。

为方便编辑，以PPT截图的形式发布如下。 收起阅读 »

配对样本，与双样本有所区别。在此，单独列出进行讨论如下。

双样本检验：检验两个样本的均值与均值、方差与方差之间的比较。

为编辑方便，以PPT截图形式发布如下。

概述：将实际问题转化为统计假设，根据样本对所提出的假设作出判定：是拒绝，还是不拒绝，从而推断总体的某些性质，对实际问题作出统计判断。

意义：通过假设检验，对流程/系统的变异或状态，作出合理的判断，或对关键输入输出变量，进行验证，以支持合理的管理决策。

原理：小概率原理是假设检验的基本依据，即认为小概率事件在一次试验中几乎是不可能发生的。当进行假设检验时，先假设H0成立，在此假设下，若小概率事件A出现的概率很小，假如P(A)=0.01，经过取样试验后，A发生了，则违反了上述原理，认为这是一个不合理的结果，拒绝假设H0。

统计学依据：单因子X为离散型，样本数据Y为连续型，且Y服从正态分布、相互独立，Y总体均值、方差的检验法。

单样本检验：检验样本的均值或方差，与标准值的比较。

在此强调：在假设H0为真的条件下，对应的统计量才服从对应的概率分布，才能将样本的均值X或标准差S代入统计量，计算统计量在对应分布下的概率p，考察概率p是否为小概率事件，从而作出拒绝或不拒绝H0的判断。
若不假设H0为真，对应统计量就不服从对应的概率分布，就不存在后续计算p值和判断。

为编辑方便，以PPT截图形式发布如下。 收起阅读 »

概述：计算置信区间和Z检验或T检验的条件是，样本数据是相互独立，且服从正态分布。所以，在此之前需要对采集的数据进行独立性检验和正态性检验。

独立性检验：采集后组成的有序数列中，具有相同的事件或符号的连续部分称为一个游程。当数据个数n一定，若数据相互独立，则游程的个数应该不是特别多，也不是特别少。样本量<40，可查表检验；25<样本量<40，可查表检验，也可软件正态近似检验；40<样本量，只能软件正态近似检验。

查表检验，在此不作讨论。下面以一个例子，讨论minitab检验数据的独立性。

为编辑方便，以PPT截图形式发布如下：
收起阅读 »

参数估计时，给定置信水平，推算出参数的一个取值范围，即置信区间。
这个范围是如何计算出来的？minitab又是如何计算的？知其所以然，才能更好的理解、掌握、运用工具进行分析工作。

为了编辑方便，以PPT截图发布如下。

为编辑方便，PPT截图如下。

变异：造成过程数据、特性或功能改变。
1、一般（普通）原因（common causes）：噪音、随机变异，不可避免，随时间显示稳定。当一个过程只存在普通原因变异的情况下，称处于受控状态。
2、特殊原因（special causes）：某个/系列干扰，一次性/永久改变，造成变量不可预测、失控。当一个过程存在特殊原因变异的情况下，称处于过程失控。

控制图：通过时间的推移对过程质量加以测定、记录，并从而进行跟踪、控制管理的一种方法。
目标：检测出引起过程重要变异的特殊原因，及时采取调查和纠正行动消除特殊原因，保持过程处于统计控制状态。

为编辑的方便，其他内容以PPT截图的形式发布如下。

收起阅读 »

收集数据后，利用测量系统分析，判断数据是否真实反映流程状态。
接着，
一、利用箱线图，考察数据是否具有代表性。主要是考察异常点
——若异常点能合理解释，则样本数据中删除异常点，进行后续数据分析
——若异常点不能合理解释，则样本数据中包含或不包含异常点，分别进行后续数据分析

二、利用箱线图，考察多个数据组分布特征
若能图形识别数据特征，做出决策的，就不用再做统计分析。

收起阅读 »

测量系统分析－离散(属性)MSA方法

为编辑方便，以PPT编辑，再截图如下：

在讨论测量系统分析前，先讨论六西格玛统计分析的流程思路。

数据收集——测量系统分析（数据是否真实反映流程状态）——箱线图（数据是否具有代表性，考察异常数据点）——统计过程控制（流程是否稳定）——过程能力分析（当前流程是否满足客户要求，绩效表现怎样）——多变量研究（当前流程的可控输入变量与噪音输入变量有哪些？采取怎样的数据收集方式）——图形比较——正态检验——点估计、置信区间估计——假设检验

统计过程控制（流程是否稳定）——过程能力分析（当前流程是否满足客户要求，绩效表现怎样）——试验设计DOE——多变量研究（当前流程的可控输入变量与噪音输入变量有哪些？采取怎样的数据收集方式）——数据收集

测量系统分析

在此以一个例子来讨论。为了编辑的方便，以PPT编辑完成后，截图发布如下： 收起阅读 »

“中国制造”，离精益还有多远？

改革开放后，中国制造一路高歌猛进，中国制造席卷全球。中国一跃成为制造大国，这也一直是我们所津津乐道的。但是，随着欧美经济危机的爆发，人民币升值，国内人工成本和材料成本走高，中国制造似乎一夜之间陷入泥沼，我们突然间认识到——中国制造，原来大而不强！
中国制造业发展的同时，也在不断苦练内功。
从上世纪90年代开始，中国制造就在学习精益，现在已经过去二十多年，纵观这二十几年的精益过程，我们不得不承认，精益遍地开花，却少有结果。君不见，中国真正精益的企业少之又少，凤毛麟角。
精益到底是什么？首先，我们可以肯定，精益不是噱头，不是狗皮膏药。我们来看——
上世纪初，美国福特汽车公司创造了批量生产的流水线方式，生产效率较原始的手工作坊大幅度提高，福特一跃成为世界第一大生产商。批量生产的流水线方式取代手工作坊的方式成为主流。
二战后，日本丰田公司首创了“精益生产”，生产效率较流水线方式大幅度提升，丰田公司战胜美国老牌的汽车，一跃成为最赚钱的汽车公司。而精益方式则在世界上大行其道！
还有摩托罗拉和通用的6sigma品质改善方式……
从结果导向制来看，不管是批量的流水线方式，还是丰田生产方式的精益生产，或者6sigma，都大幅度提高了企业的竞争力，显著增加了企业的效益。与之前的方式相比，新的方式更有竞争力，是一种突破性的提升，是一种质变！
但是，反观中国制造，我们精益了这么多年，制造业的效率提升了多少？盈利水平提高了多少？
如果企业真正的精益，代表了企业的效率和利润可以持续显著提升。那中国这么多实施精益的公司中，又有几家公司真正“精益”了？
如果是少数的几家企业实施精益不成功，我们可以认为是这几家企业的问题，但是，如果绝大多数企业的精益推行都不怎么成功的话，就不再是企业的问题了。
我们不禁要问——为什么制造业的精益之路就这么难？
中国制造几十年的精益历程，不是想证明精益在中国遍地开花，而是要以改善中国制造的现状。
企业的目标为了更强大的竞争力，从而获取更多的利润。精益就是为企业实现这个目标服务的。
是什么导致企业的盈利处于现状的水准，而不是更高呢？因为企业现状的问题。
企业的问题很多，有经营问题，销售问题，生产问题，管理问题、执行问题等等。企业要追求“完美”。似乎要全面解决这些问题。
但要解决这些问题，企业需要投入的资源太大。所有的企业，都会受到一个非常重要的约束——企业投入的资源是有限的。依据“二八原理”——企业虽然会有很多的问题，但是这些问题的重要程度是不一样的，只要我们解决了企业最重要的20%的问题，就可以从根本上改变现状，企业的盈利水平也可以在最短的时间内实现质的飞跃。
解决主要问题，抓主要矛盾，才是企业快速提升盈利水平，追求精益的捷径。才能真正符合企业的目标！（这也是我每次大喊中国制造可以有快速突破的精益之道的原因。在我的新书快速精益突破实战小说《冲出重围》中，有详细阐述！本书由机械工业初版社初版，预计十二月面世）
精益不是搞几下5S，不是实施几张看板，也不是弄几条cell线，真正的精益，是可以满足企业利润持续显著提升要求的。
若实施精益，企业利润不能提升，这种精益就是“伪精益”，只是打着精益的幌子而已！
收起阅读 »

在讨论统计分析前，需要先明确数据类型与分析工具的关系。

数据分为：连续数据和离散数据。能用仪器记录的，通常为连续数据；不能用仪器记录的，通常为离散数据。
对应用场景中，数据分X、Y的判断，以采用合适的分析工具。逻辑上，先有X，再有Y，X对Y构成影响，Y是X的反应结果。

注意：
单一X，单一Y，指分析对象是一维数据或一元数据。其可能为连续数据，也可能为离散数据。
X或Y若为离散数据，可能有多个取值水平，即取值范围有多个。其可能为一维数据，也可能为多维数据。

（待续 ） 收起阅读 »

在概率及统计基础中，中心极限定理具有基础性意义。在此，首先讨论。

定理：无论总体是什么分布，其子组的均值呈正态分布；随着子组的样本容量n增加，子组均值呈集中趋势。子组均值的标准差＝子组的标准差/n的平方根

各不相同的系统或过程，其分布不一定相同，但抽取出的子组样本的均值，则呈正态集中趋势，所以有如下实际意义。
通过监控子组均值，来监控系统/过程的变化。
1、如果系统/过程稳定，其子组均值在正态曲线内，变异归因于普通原因，可以不作干预；
2、如果系统/过程不稳定，其子组均值在正态曲线外，变异归因于特殊原因，需要作调查和改进。
注：正态曲线内、外，以检验标准确定。

下图，以Minitab操作验证中心极限定理。

（待续）
收起阅读 »

在项目涉及范围不大、数据量不多的情况下，项目的改进分析，更多的是定性分析，不会大量应用到六西格玛统计分析手段。比如，研发小组的单一问题解决，QCC改进项目等等。下面就定性分析的过程，讨论如下。

1、改进课题以业务过程或分类的形式展开（若课题与过程相关，则以过程展开，否则以逻辑分类展开），全面分析找出各种影响因素。——发散、完整
并对影响因素，进行可控性识别（当前的条件下，是否有改进的可能性）。——聚焦、关键

2、对可控的影响因素，利用pareto图或因果矩阵，分析找出关键影响因素。——聚焦、关键

3、将关键影响因素回归到业务过程或逻辑分类中，分析其存在的问题，以及问题背后所涉及的种种原因。——发散、完整

4、所有的原因在当前条件或措施下，通过RPN分析其影响度，找出关键的根因。——聚焦、关键

5、每个根因，拟定出所有可能的改进对策。——发散、完整

6、利用调查表，评估每个改进对策，选出合适的改进对策。——聚焦、关键

7、针对改进对策，制定改进措施实施计划，在业务中执行计划，验证、评估改进效果。

9、改进措施：流程化、标准化、日常化、管理固化

整个分析过程，思考方式是不断的发散、聚焦、发散、聚焦的过程。
在此，总结一下，常用的质量工具如下：
1、发散性工具——完整性——头脑风暴、CTQ树
2、聚焦性工具——关键性——亲和图、调查表、pareto图、因果矩阵、分层法
3、分析模型——规范性——SIPOC模型、FMEA、5why、控制图、PDCP、网络图

（待续） 收起阅读 »

在相关资料中，精益Lean常与六西格玛一并提到。在此，仅简单阐述精益Lean概念，后续再详细讨论。

精益：消除任何对于准时向客户交付优质产品和服务不是绝对必要的事物
注：精益关注效率改善，六西格玛关注质量稳定/改进

8种浪费：缺陷产品、过度生产、运输、等待、库存、多余动作、多余步骤、未试用过的创新

价值分析：确定流程步骤——>将每个步骤区分为：增值、非增值——>计算增值百分比：增值步骤时间和/总时间——>减少非增值步骤的时间

物理流程图Spaghetti图：依据流程，来进行物理布局，以使传递/运输最小化

错误防范Poka-Yoke：预防（防呆）、检测（及时告警）。
——注意：该项，在企业中重视不够。企业某环节出现问题时，管理层经常将责任推到某个执行人，并加以处罚和教育，结果是适得其反，问题以后同样再现，并挫伤员工的积极性，损害员工与企业的关系。其实，这里忽视了管理上应当如何改进。
网络上曾有一篇文章——《美国护士发错药vs中国护士发错药》，文字虽有所夸大，但值得各级管理层参考。

目视化管理：通过视觉感知现场的正常和异常状态，及时预防隐患和消除浪费。如：银行网点公示客流高峰时段；公交车内的路线示意图；

7S工作场所：Sort整理（只有必要物品）、Store整顿（摆放有序）、Shine清扫（清除整齐）、Standardize清洁（形成标准）、Sustaining习惯（持之以恒）、safety安全、saving节约

（待续） 收起阅读 »

Control：改进成果固化、日常监控，寻求持续改进方法。

经过验证，且有效的改进措施，在该阶段需要固化到企业的日常运营和管理制度，以制度保证企业管理的高效和运营成功。

当然，任何事物都是发展变化的。这里提到的固化，不是一成不变的。前阶段被验证有效的改进措施，在运营中，也需要存在不断完善的空间。

行之有效的改进措施，在基本相同的条件下，在企业内部、企业之间，还存在推广复制、经验的共享，以此提升社会整体生产力。

在该阶段，会用到：测量系统分析、过程能力分析、统计过程控制、假设检验、方差分析、DOE试验设计等，分析方法，在后续逐步涉及。

（待续） 收起阅读 »

Improve：寻找最佳改进方案并实施，使过程变异降至最低。

在获取关键根因后，在该阶段需要分析每个根因，在当前条件和措施下，如果发生问题，可能造成的后果（失效模式）和风险。FMEA（Failure Modes and Effects Analysis失效模式与影响分析），提供了分析模型。

在当前措施的基础上，以三个方面：查侦、预防、补救，通过创新技术、头脑风暴、TRIZ、Redesign，制定新的改进措施。

结合企业业务运营，制定改进计划、措施试行、评估（质量、周期、成本、新风险），进行DOE试验设计(design of experiment)。整体评估改进措施，及修正改进措施。构成一个闭环。

（待续） 收起阅读 »

Analyze：通过分析，确定影响Y的关键X，及其背后的根本原因。

在Measure阶段，分析出关键影响因子X后，需要确定影响因子存在的问题，以及问题背后的根本原因。

若影响因子的问题，与过程相关，则以过程/子过程逐步分析，构成原因结构图；
若影响因子的问题，与过程无关，则以事物的逻辑关系、职能部门、事物结构三方面（本身、界面、联系）等，进行分类分层，构成原因结构图。
在上述2种分析过程中，可以采用5why+5W2H的分析方法（后续再述），探究问题的原因。

根据原因结构图，
若可以进行数据收集，则对Y、x’进行数据收集、验证、抽样，进行假设检验，分析出关键根因；
若只能定性分析，则利用因果矩阵、RPN，进行量化的定性分析，得出关键根因。

事物结构三方面（本身、界面、联系），如图

（待续） 收起阅读 »

Measure：通过现有过程的测量和评估，制定目标，识别过程输出Y和输入X。验证测量系统有效性、过程能力。

在确定改进项目课题后，首先需要考察课题，是否与过程（前后顺序）有关。
若与过程（流程）有关，则通过SIPOC模型，逐环节进行输入输出分析（输入输出流程图，详细流程图）。列出改进总目标Y的所包含的子目标y’s，以及影响Y的所有可能的因子x’s。Y(y1,y2,…,yn)＝f(x1,x2…xn)
若与过程无关，则改进课题以分类的形式进行分析。通过逻辑结构图逐层分析，并列出改进总目标Y的所包含的子目标y’s，以及影响Y的所有可能的因子x’s。Y(y1,y2,…,yn)＝f(x1,x2…xn)

面对众多的影响因子x’s，需要区分哪些因子是可控的，哪些因子是不可控的。这里的可控，是指以当前的条件，有改进的可能性。

在可控的影响因子中，通过因果矩阵/ Pareto图，分析出关键的影响因子x’…x’’’

对关键影响因子，利用分层法，进行分层/分组。再对Y、x’进行数据收集、验证、抽样。

利用采集到的数据，进行如下步骤：
测量系统分析（测量系统是否反映流程的真实情况）——>统计过程控制（流程是否稳定）——>过程能力分析（当前流程是否满足客户要求，绩效表现怎样）——>多变量研究（当前流程的可控输入变量与噪音输入变量有哪些？采取怎样的数据收集方式）

当然，不是所有改进项目都必须完全按照上述方式进行。可以根据项目具体情况，数据量的大小，酌情分析。
大量数据统计方法定量分析
少量数据总体方法定性分析

改进目标的设定，基于客户需求、标杆水平及合理的投入产出，确定项目的改进目标：（具体到y1,y2,…,yn）
当前基线y——>目标（考虑收益）

（待续） 收起阅读 »

DMAIC，六西格玛改进路线图的5个阶段。

Dfine：确认客户关键需求、关键产品或流程、CTQ、改进项目的合理范围。

首先，需要确定改进的来源。主要的来源分为三个部分：Strategy + VOC + VOB。
Strategy，企业中长期的战略意图；
VOC，客户声音，广义的客户包含了：商品或服务接受者客户、企业股东、员工、社会监管。VOC的获取来源分为：被动来源：抱怨、电话记录、维保记录、法规等，主动来源：访谈、调查表、会议纪要、市场调研等
不管VOC是正或负面，均转换为：需要/期望…，构成改进项目的正面依据。
VOB（Voice of Business流程/业务声音），如可制造性。根据企业运营、行业规则、国家法规等等要求，作为项目改进的依据之一。

以上众多的改进来源，有些战略层面的，有些是战术层面的，有些是来自企业外部的，有些是来自企业内部的。这些众多的来源，需要经过“分类”、“聚类”加以整理，判断。在此，需要用到质量工具，如：亲和图、Kano模型、CTQ树、调查表/Pareto图，决策部门量化判断出“最紧迫、最重要、最主要”的改进课题。

另外，需要注意的是，两种改进项目，针对的客户对象不同：（见附件图）
离群点问题对应单个或几个客户（最不满意）
整体问题对应全部客户

（待续） 收起阅读 »

6Sigma管理即通过有组织、有计划地实施6Sigma项目来实现经济效益，同时也通过6Sigma项目的实施来促进员工观念和行为方式的改变。所以，6Sigma项目的选择对于迎合企业战略的实施，促进企业发展，培养人才等方面具有重要的意义。

那么，如何来选择确定6Sigma项目呢？一般来说，有四个步骤。

步骤一：确定项目的大方向——项目的Y

确定项目的大方向，就如同给大海中的船舶提供指明航向的灯塔。只有确定了正确的项目，我们做的事情才有利于企业效益提升，那么，要如何确定项目的大方向呢？

首先，要注意倾听客户和企业经营的声音。针对顾客关注或投诉的热点或长期困扰企业的难点进行项目的展开。要贴近企业的战略实施。如微波事业部2012年要立足中高端，推进战略转型。那么在寻找项目时，要选择能促进公司战略转型成功的项目。

其次，运用水平对比法或平衡计分卡等工具找出企业薄弱点，确定相应项目。例如平衡计分卡的四个指标中，较弱的应作为企业项目选择的大方向，以保证企业的平衡发展。

步骤二：将Y进行分解

项目中的大Y一般表现为公司级的指标，涉及面较广，一般难以针对Y直接进行改进。要先分析Y的主要方面，逐层分解，确定需要改进的主要y。然后根据y的范围和影响程度，确定项目的等级和成员。

步骤三：明确y的关键质量特性（CTQ）

6Sigma强调以客户为中心，所以在确定y后，我们要调查顾客对y最关心的是什么，确定y的CTQ。例如在确定炉门不良中的y为炉门划伤，那么要进一步确定顾客对于炉门划伤最关心的是门窗板的划伤、门框的划伤等。

步骤四：优选和确定项目课题

在确定y的CTQ以后，如果存在很多CTQ，那就根据组织的战略发展和项目的绩效来选择优先改进的对象。

确定项目时，可直接将顾客的CTQ确定为项目，若CTQ流程过多，可以选择影响CTQ的相关流程作为改善项目。项目名称可尽量量化。

总的来说，6Sigma项目可坚持SMART原则。S（special）即具体的，项目目标必须具体，不可宽泛而论，导致项目执行没有方向。M（measurable）即可测量的。项目目标尽量量化出来，如降低炉门门窗板划伤30%。A（attainable）即可行的。项目提出的指标必须可行，如太过挑战性，容易打击项目执行的积极性。太低达不到项目效果。R（relevant）即相关的。项目目标要跟企业战略一致。若企业战略为转型中高端，则项目对象可聚焦中高端产品。T（Time Bound）即有时间限制的。项目要确定时间节点，将总目标分解为分目标并确定完成的具体时间节点。这样项目的执行能达到有效率，按时输出结果的目标。

收起阅读 »

ANOVA 方差分析：将因素对质量特性的影响与误差对质量特性的影响加以区分并做出估计，然后进行比较，分析、推断哪些因素或哪些因素间的交互作用对质量特性有显著影响。

Attribute Data 计数数据：通过计数得到的不能连续取值的离散型数据。

Benchmarking 水平对比：将过程、产品和服务质量同公认的处于领先地位的竞争者进行比较，从而找到改进机会或确定突破目标。

Black Belt 黑带：来自企业各个部门，经过6西格玛改进过程和工具的全面培训，熟悉6西格玛改进过程，具有较强的组织与协调能力，指导或领导6西格玛改进项目的进行。

Bottom Line 底线：账面上的利润，是产品/服务的销售成本和费用的函数。

Box - plot 箱线图：同时展示每个子群分布特征的5个统计量的坐标图。

Business Culture 企业文化：区别于其他组织的价值、观点、期望、准则和行为。

Cause-Effect Diagram 因果图：也称“石川图”、“鱼刺图”，是揭示质量特性波动与潜在原因的关系，即表达和分析因果关系的一种图表。

Continuous Data 计量数据：通过测量得到的可任意取值的连续型数据。

Continuous Improvement 持续改进：逐步的、永无止境的不断改进循环。

Control Chart 控制图：以统计推断理论为基础，设置统计控制限，按时间坐标显示独立测量值、平均值或其他统计值的折线图。

COPQ （Cost Of Poor Quality）不良质量成本损失：由于缺陷或不良质量造成的成本损失。

CTQ （Critical to Quality）关键质量特性：满足关键的顾客要求或过程要求的产品或过程特性。

Defect 缺陷：不满足CTQ规范的任何事件。

DOE （Design of Experiment）试验设计：析因实验和相应的改进方法。

FMEA（Failure Mode and Effects Analysis）失效模式与影响分析：用来分析产品或服务及其过程由于失效导致风险的方法。

Histogram 直方图：用宽度相同的矩形表示数据分布的图形工具。

Multi-Vari Chart 多变量图：直观地提供过程各影响因素之间的关系以及它们对过程输出影响的坐标图。

Pareto Chart 排列图：也称帕累托图，由一个横坐标、两个纵坐标、几个按高低顺序排列的矩形和一条累积百分比折线组成的分析图表。

p-Value p值：偏离零假设的概率，是可能拒绝原假设而接受备择假设的显著性水平。

Regression Analysis 回归分析：变量间关系的分析方法。

Run Chart 运行图：按时间坐标显示统计量的折线图。

QFD（Quality Function Deployment）质量功能展开：将顾客的语言转换为企业内部技术术语的工具。

Scatter Plot 散布图：研究两变量间相关性的图形工具。

SPC （Statistical Process Control）统计过程控制：用控制图监控和改进过程的方法。

Top Line 顶线：真实表达顾客对企业满意的收入。

Z 西格玛水平：描述过程满足顾客要求能力的参数。
收起阅读 »

对具有一定的管理基础的企业来说，一般都保存很多历史数据，如果再进一步能妥善整理、分层、储存并给予获取的途径的话，那么六西格玛项目改进的团队就能容易地收集获取所需要的信息。然而，有时候改进团队发现所需要的信息或数据根本没有，或者要提取数据十分困难、费用昂贵，于是他们被迫手工采集数据。在这种情况下，改进团队应该如何确保所采集的数据是有用的信息呢？就需要掌握以下采集数据的技巧：
1、先精心设计采集数据时所要提的问题，确保提的问题完全针对所需要获得的信息；
2、再把所有问题按照数据分层的方法，设计一个询问和采集的计划表，确保所有的问题能"层层推进"，避免问题先后顺序的错乱或问题重复导致获得的信息有误；
3、设计数据采集计划表一定要遵循简单实用原则，这个计划层次越清晰、越全面，解决问题的机会就越大；
4、选择数据采集人员，这些人员都了解需要什么数据、从哪里、谁、什么时间采集等；
5、对数据采集人员进行培训，内容包括问题询问的技巧、问题的分层和顺序等；
6、采集人员在信息数据采集到后，在上述的采集表格与计划采集数据相应的栏中填写各自的姓名、数据采集的时间、地点和对象等，有助于必要时数据的核查和验证。
建议大家先去尝试一下上述的数据采集的技巧和方法，只有经过尝试才能发现这些方法是否有用。实践证明，如果准确地引用这些技巧，那么其结果可能会使改进团队大喜过望，每个成员在面对问题的水平上也会得到明显提高。 收起阅读 »