如何编制数据收集计划

前言

质量管理八个原则中有好多和数据有关。譬如“持续改进”、“根据事实做决定”。“事实”应当由正确的数据来反映。数据是测量工作过程的结果。数据正确与否，取决于测量工作过程的质量，也就是测量系统的质量。根据过程管理模式，数据测量工作也应当执行PDCA循环。事先要有数据收集计划。本文简单介绍如何编制数据收集计划。
文章是针对专题项目的，实际上每个改进的专题项目都是针对关键过程的改进，因此，实际上就是针对过程的测量，数据的收集、分析，确定过程是否稳定，是否满足顾客要求，或者，和过程改进前对比，确定是否达到改进的目标。文中提到的黑带、专题项目负责人、过程主管人员等应当根据具体情况来确定。譬如，您在测量某现有过程的能力、性能，就应当由该过程有关的人员组成小组，集体来编制计划，执行数据收集工作。，数据收集工作往往不是靠一个人所能完成的。
本文根据Patrick Waddick 的《Building a Data Collection Plan》译编的，文中斜体字是笔者所做的补充和说明。如有不妥，请指正。
数据收集五个步骤
数据收集工作分以下3个阶段，5个步骤：
第1步骤：确定收集数据的目的和目标。
第2步骤：有关人员对数据收集计划中规定的操作定义和数据收集的方法达成一致的意见。
第3步骤：确保所收集（和测量的）数据的重复性、再生性、准确性和稳定性。
以上为第一阶段：数据收集计划的编制P阶段。
第4步骤：严格执行数据收集过程。这是第二阶段。执行D。
第5步骤：数据检查。这是第三阶段。检查C。
现分别对每个步骤介绍如下：
步骤1: 确定收集数据的目的和目标：一份好的数据收集计划应该包括以下内容：
• 项目简述——对该六西格玛项目专题做一简要说明
收集数据与要完成的项目专题目标是紧密联系的。编制数据收集计划当然先要理解项目的目的和要求。项目目标如何定，也就决定了应该收集哪些数据。为专题项目的达标服务的。质量管理的持续改进，是否要建立专题项目和建立什么专题项目，这是领导，六西格玛管理是倡导者负责的，属于“做对事”。专题项目选错了，项目达到目标也是没有结果的。当项目交给黑带以后，黑带和过程主管负责完成。属于 “把事做对”。测量计划是为了达到这个目的做的。因此，必须理解公司建立该项目的目的，决定收集什么数据来监视项目的进展，展示项目目标的达成。如果该项目目标与公司目标是有联系的，项目达标就为公司达标做出了贡献。
• 必须要收集哪些特定的数据？
收集特定数据一定要体现以顾客满意为中心。听取“顾客声音”。如果是分析和改进过程，应当听取“过程声音”。数据有好多，我们应该选择这些数据中的“关键少数”。 在六西格玛管理中叫“临界质量特性”。当这些“关键少数”数据达到指标以后，内外顾客都满意了。
收集数据应该始终围绕顾客的需求和期望。以最低的成本及时向顾客提供优质的让顾客满意的产品和服务。关键在如何通过过程达到增值目的。一般根据以下三个原则来确定：
1、 产品或者服务通过过程是增值的。这些过程叫做“增值过程”。实际工作中，除了增值过程以外，由于各种原因，还必须暂时保留一些不增值，但是必要的过程，譬如，由于过程能力达不到顾客要求时，必须通过检验和试验来确保产品符合性的过程。
2、 增值使顾客满意的。我们提供的产品或者服务要使顾客增值。这样就把组织与大环境联系起来了。体现出组织存在的价值；
3、 每项工作都是一次成功的。没有多余、等待、停工、返工、报废等各种浪费现象。这样才能做到以最低的成本及时向顾客提供优质的让顾客满意的产品和服务。
注：在确定收集数据的时候，应该考虑选择合适的数据类型。它们分别有以下两组不同类型的数据：
1） 意见数据和可观察数据
意见性数据只要考察人们的感觉和想法，不强调知道什么。只考虑“怎么想的”；可观察数据强调看到、听到什么，可以用数字加以记录。它比意见数据要好。因为，意见数据往往落后于可观察数据。另外，意见数据所反映的往往是不同时间段的某一个侧面。如果你发现只有意见数据可以收集的话，那么，一定有某些可观察数据被遗漏了，应该进一步考虑。本文推荐采用可观察数据。另外一组分类法是：
2） 结果数据和过程数据
过程数据比结果数据好。因为，结果数据只告诉我们过程的结果，事情已经过去了，要有经验教训，只能用于以后的过程了；过程数据实际上也是前一道过程的结果数据，对本过程来说是过程的输入或者过程中观察到的数据，当我们发现问题的时侯，本过程的结果还不一定出问题，就有机会及时采取措施，调整过程，确保过程的结果保持符合要求。。
对以上两组类型通过矩阵可以得到四类数据。我推荐的次序是：1）可观察的过程数据；2）可观察的结果数据；3）意见类的过程数据；和4）意见类的结果数据。
• 为什么要收集这些数据？
通常测量收集数据是为了控制工作的进展，目的是为了达到目标。而这些目标也是根据外部顾客要求通过质量功能展开转化为对关键工作岗位的目标要求同时又和组织的宗旨、总的目标有联系的，实现目标达到双赢。因此，在数据收集计划中应当说明，为什么这些数据是“临界的”、是“关键的少数”。只有当团队成员理解了，才能认真收集这些数据。
• 这些数据对该专题项目的过程可能会提供哪些信息，对团队会有哪些帮助？
一组“数字”不等于就是“数据”，只有当一组“数字”正确反映了事物的内在客观规律性以后才算是“数据”。“数据”不等于“信息”。“有用的数据才是信息”。我们应该针对顾客满意来考虑应该收集哪些数据，从中分析得到有关的规律性。然后，利用规律性来指导自己的行动，实现目标达到双赢。以及
• 数据收集好以后要用这些数据做哪些工作。
收集数据所做的记录不是为了符合ISO9001标准要求，也不是为了给领导看、更不是为了统计而统计，记录而记录。我们应当分析。因此，要确定谁负责处理这些数据。通过分析确定过程是否正常，是否能够达到策划的目的，必要时利用数据告诉我们的事物内在的客观规律及时做出决定。采取相应的措施。确保项目任务的完成。
步骤2: 定义数据收集方法：无论是专题项目，还是过程的建立、分析改进，都应该组成团队，团队成员应该对数据收集计划达成一致意见。还要问一下内、外顾客，是否已经有数据可以利用。
数据收集方法应该考虑的内容包括：
• 必须观察收集多少数据。
针对前面确定的关键少数“临界质量特性”，每个特性的数据总量不应该少于100个。如果过程的结果只能取得唯一的数据，譬如化工产品、小组工作结果等，可以利用移动极差控制图的话，至少要收集25个数据。才能利用控制图来判断过程是否稳定，稳定后才能计算过程的能力。
• 每隔多少时间收集一次。
应该针对不同的数据对象规定抽样的次数，每次抽多少数量（子样数）。譬如，每个子组容量是4，就要25个子组才能满足总数100个要求。每个子组中抽样的时间要充分反映出过程中存在的各种普通原因引起的变异，子组和子组之间的间隔时间要设计得尽可能包含可能发生的普通原因和特殊原因引起的变异。这样安排，可以尽量让子组数据充分反映出过程的能力，让子组之间的数据充分反映特殊原因，控制好过程的稳定性。
• 是否要收集过去的、现在的和将来的数据。
为了省钱、对比分析，如有过去的数据，应当尽量利用。但要注意，这些数据是否属于同一个系统，是否是在稳定条件下所取得的。其中有一个不符合，就没有意义了。用这样的数据分析得出的结论是不可靠的。以及
• 数据收集的方法。
一定要设计好收集数据用的表格。表格内容要满足数据分析的要求。譬如，利用分层法、应当记录不同分层的数据。凡是过程发生变更的时间、地点等，不管是否有问题，都要记录，譬如材料、人员、设备、测量工具等的变动情况。便于将来发现、分析特殊原因。不然，就要“考古”了。
一旦收集方法定下来以后，就要连续一贯地贯彻下去。只有这样做才能用数据说明改进前后的变化。当然，发现数据收集计划有问题，必须做调整时另当别论了。
在数据收集计划中，一定要确定谁是测量者，谁是数据的分析和解释者。谁是被测量者。一定要分析测量过程中有没有会影响数据正确性的因素需要加以控制。当测量者和被测量者是同一个人的情况下，必须从第三者角度来分析，是否存在充分的理由不让别人对数据的正确性产生怀疑。如果有的话，要采取必要的措施，让别人相信数据是可靠的。
对数据收集过程中涉及到的各有关技术术语、过程的程序和指导文件大家都要有统一的理解。忽视这一点常常引起误导。严重影响数据的可靠性。
步骤 3: 确保数据收集（和测量的）重复性、再生性、准确性和稳定性：所收集（测量）到的数据一定要具有以上性能。重复性repeatability是指同一个人用同一套测量设备对同一个事物测量多次应该得到本质上相同的结果。再生性reproducibility是说所有测量同一个事物的操作人员用同一的设备测量的结果应该本质上应该相同的。准确性accuracy是指该测量系统所测量结果的平均值与已知相当的标准值的差异是在可接受范围内的。测量系统的稳定性Stability一般是用同一操作者用同一个测量设备在一定的时间周期内测量同一事物所得到的结果之间的变异程度要求在一定的范围之内。
项目的团队必须分析并认识到，在一定时间范围内所有可能会降低重复性、再生性、准确性以及稳定性的各种因素，换句话说，识别出会影响数据可靠性的各种因素。最好先在小范围进行测量试验，取得经验。必要时要模拟各种可能发生的因素，分析对数据准确性的影响。然后，针对问题采取必要的措施，确保数据以上各种性能。
这点认为测量过程是一个测量系统的活动。数据是测量过程的结果。数据和数据之间必然存在变异。我们一定要知道测量系统产生的变异有多大。它占被测量数据变异量的比例有多大。这个数值应该是可接受的。太大了，数据也就不可靠了。具体操作方法请参考美国三大汽车公司QS9000提出的《测量系统手册》。
以上这些都是为了确保数据正确而做的策划工作。它是PDCA循环的P 阶段。
步骤4: 数据收集过程：一旦数据收集计划编制好了，经过批准以后，一定要从头到尾坚持按照计划执行，确保前后的一致性和准确性。要确保各种数据都能让黑带和项目团队领导和项目成员知道，以便他们利用好这些数据，做好其他响应的工作。必要时应该在测量之前做好培训，以便大家有共同的理解。这一点在编制数据收集计划的时候就应该加以考虑。
在数据收集过程中，特别是一开始，黑带或者项目的领导应该经常与大家一起讨论、分析数据，取得共同的理解。分析根据这些数据是否满足了项目的要求了？测量和收集数据的目的是否达到了？这样做下去是否可以达到项目的目标？让大家知道，计划的执行是否正常。不要等出了问题以后再做。这就是阶段性的工作评审。
这是收集数据过程执行PDCA循环的D 阶段。
步骤5: 数据收集以后检查：回头再看看数据收集和测量系统的重复性、再生性、准确性和稳定性如何。黑带或者项目负责人有责任检查确保收集到的数据结果是可靠的，符合要求的。当结果不行的时候，应该及时做出处理，是否要终止现在的工作，对有问题的数据要和操作者和测量者共同分析处理。必要时评审操作方法和程序。
这是测量收集数据过程PDCA循环的C阶段。如果是新品、新工艺的研究过程，就是PDSA中的S（研究）阶段。根据情况确定是否要采取措施，如果要，就进入A阶段。如此循环不止。
六西格玛的专题项目，不仅要改进过程，达到专题项目的目标，还必须把成功的经验用标准程序（必要时用文件）固定下来，当黑带离开以后，生产线工作人员仍然能够正常操作。因此，必须考虑专题项目转移以后数据收集、分析、处理工作的文件化和培训落实工作。
数据收集计划的实例
目的和目标Goals And Objectives
项目专题的简述Description of the Project:
对本市最近一次投票选举结果的有效性考虑到计票过程而有问题。本州最新法律规定，利用机器计票的选举结果与手工再次统计数据的差异量要小于0.5%。但是，这次选举，既没有对计票机器的可靠性做过分析，也没有做过手工的计票。有必要再做一次，这些信息在法律上讨论我们州选举有效性来说是很有用的。因此，改进团队决定再收集一部分有关选举计票过程的数据。通过这些数据从经验上来分析采用冲孔方式的无记名选票是否有问题，譬如冲了同样的孔是否会得到不同的结果，通过计数机器计数的结果与人工计数的有什么不同，或者其他什么差错会发生。
要收集的数据Data To Be Collected:
计票机器统计数据的准确性Post-feed vote count accuracy.
要测量的内容Name of Measure (Label Or Identifier):
利用带有标志的无记名选票通过机器计数的数据。
如何测量的描述Description of Measurement (准确度Accuracy, 周期时间Cycle Time, 等Etc.):
准确性——选票送入机器前进行人工计数和机器计数结果进行对比。
收集数据的目的Purpose of Data Collection:
最终目的是要确定手工和机器统计选票结果的可靠性是否符合本州法定的要求。即两者的差异不能超过0.5%。
数据将提供些什么What Insight The Data Will Provide:
这些数据，就是送进计票机器前的数据和机器统计出来的数据的差异说明选票受到某种方式的污染，或者机器发生了什么毛病。
测量的类型Type of Measure (输入Input, 过程Process, 或者输出or Output):
过程测量。
数据类型Type of Data (是离散型计数数据Discrete-Attribute, 离散型计量数据Discrete-Count, 或者连续的计量型or Continuous):
离散的计数型。
数据将对改进团队有什么帮助How It Will Help The Improvement Team:
团队可以根据这些数据对整个选举结果有效性作出决定，或者机器的统计结果是否要做些修改。
数据收集后将要做些什么工作What Will Be Done With The Data After Collection:
选票的统计过程有几个步骤，利用这些数据可以判定各个步骤是否有问题，总的统计结果是否可靠。如步骤中有问题时，可以利用这些数据通过 分析确定哪个步骤有问题，以便采取相应的措施。
数据收集操作和方法的定义Operational Definitions And Methodology
谁测量Who? (作用和职责Roles, Responsibilities):
项目领导和过程的主管负责领导并监视这项工作，具体的统计工作由团队成员做。
测量什么What? (定义测量Define The Measure):
机器计票数据的准确性：不准确性=做好标志的选票数据和机器统计数据的差异
什么地方Where? (在源头Source, 当地Location):
在第9选区进行。数据的分析工作将在州政府的办公室。
范围Scope:
取样计划Sampling Plan (观察数据的数量Number Of Observations):
总的取1000个数据，每次取250个，共取4次。
什么时候When (次数Times, 间隔时间Intervals, 频次Frequencies):
从10月9日起到10月30日，每周四上午9时到10时。
以往的数据Past Data:
不适用。
当前的数据Present Data:
从10月9日起到10月30日收集数据。
将来的数据Future Data:
待定。
如何测量How (方法Methodology):
机器计票数据的准确性：加盖印章的无记名选票的右上角用不可涂改的笔写上5个侯选人名。团队成员在A室内针对要选的人在他们的上面打孔。打孔时团队的领导或者过程主管在场，并做要记录。当选票都做好以后，由团队成员把选票送到机器里去计票，看看结果与打的孔是否一致。然后记录在团队提供的一张表格中。团队领导或者过程主管因为要记录结果。当A室做好以后就做B室。一直做到计划要收集的数量为止。
如何记录How (记录数据Recording Data):
利用团队领导提供的表格做记录。当机器计数与打孔不一致的时候，用“0”表示，当一致的时候用“1”表示。
数据收集 (和测量) 的重复性、再生性、准确性和稳定性
检查重复性的计划 （本例不适用）
检查再生性的计划 （本例不适用）
检查准确性的计划（本例不适用）
检查稳定性的计划（本例不适用）