A Six Sigma módszetan története során többszörösen is bebizonyosodott, hogy alkalmazásában igen komoly innovációs potenciál rejlik (Six Sigma és költségcsökkentés). A másik oldalon viszont ennek a potenciálnak a kiaknázásása igen költséges tud lenni.
- Szükség van olyan vezetőkre és szakemberekre a szervezetben, akik megértették az adatalapú döntések fontosságát és értenek a szervezetben keletkező adatok feldolgozásához.
- A hozzáértő szakemberek kezébe olyan eszközöket kell adni, amelyek segítségével gyorsan és hatékonyan tudják elvégezni az adatok feldolgozását és ezzel támogatni tudják a vezetői döntéseket
- Kellenek adatok, amelyeket fel lehet dolgozni, és amelyek alapján a tényleges vezetői döntéseket meg lehet hozni. A kézzel gyűjtött adatok összegyűjtése és rendszerezése a működési költségekben, az automatikus adatgyűjtések (pl.: szenzorok és érzékelők segítségével) pedig erősen beruházás igényesek.
A három tényező közül a harmadik a legdrágább, de ha az első két tényező nem áll rendelkezésre, akkor a harmadik pont megtérülése erősen megkérdőjelezhetővé válik. A statisztikai szoftverekbe történő beruházás az egyik leginkább fogfájós történet, nagyon nehéz egy vezetőnek elmagyarázni, hogy miért éri meg egy vállalatnak beruházni egy szoftverbe, amely nem termel pénzt.
Itt jönnek be a képbe az ingyenes szoftverek, amelyek alkalmazásával ezt a beruházási költséget meg lehet spórolni. Ilyen szoftver az R, amely napjainkra az egyik legelterjedtebb statisztikai szoftverré vált. Az R-nek viszont nagy hátránya, hogy nehezen áttekinthető és elég sokat kell kutakodni ahhoz, hogy valaki megtalálja azt a statisztikai eszközt, amelyre az éppen aktuális problémája miatt szüksége van.
A következő gyűjteményben azt próbálom összefoglalni, hogyan lehet kihasználni a Six Sigma statisztikai eszköztárának előnyeit az R és az RStudio alkalmazásával. Az alábbi cikkek kutatóknak és egyetemi és phD hallgatóknak is hasznos segítséget adhat a kutatásaik során keletkezett adatok feldolgozásához. A lista folyamatosan bővülni fog a jövőben...
„Six Sigma in R” sorozat – Leíró statisztika R-ben
Diagramkészítés lustáknak – A „Six Sigma in R” sorozat újabb gyöngyszeme
Ne hanyagold el! - Normalitásvizsgálatok R-ben (Six Sigma in R)
Ha nem normál eloszlás, akkor micsoda? – adatsor eloszlásának azonosítása R-ben (Six Sigma in R)
Mi is az a hipotézis vizsgálat?
Senki többet harmadszor? – Újra az egymintás Z-próbáról, most R-kóddal
Ráadás diagram egymintás Z-próbához
És mégis miért kellene normálisnak lennie?
Amikor túl kevés a vizsgálandó minta…
Van benne rendszer… - Statisztikai eloszlások függvényei R-ben
A t-próba elegendő bizonyíték?
Kívülállók... - Adatsorok kieső értékeinek vizsgálata R-ben
Egyformán szórnak? – Adathalmazok varianciáinak összehasonlítása R-ben
Minden „sikeres” minta mögött áll egy sokaság – Kétmintás t-próba R-ben
Két legyet egy csapásra – Egytényezős varianciaanalízis R-ben