Una delle situazioni che capitano più di frequente in azienda dopo aver eseguito un test o una modifica è quello di domandarsi se il KPI monitorato sia realmente migliorato come ci aspettavamo: la situazione è realmente migliorata?
Per riportare la questione su un tema attuale, in questi mesi abbiamo sentito parlare lungamente dell’efficacia dei vaccini. Semplificando molto la cosa, per fare questa verifica le aziende farmaceutiche inoculano il vaccino ad un certo numero di persone (popolazione vaccinata) e un placebo (potrebbe essere una soluzione fisiologica) ad un altro gruppo di persone. Ciò viene eseguito senza rivelare ai vari individui che cosa viene inoculato (placebo o farmaco). A distanza di qualche settimana sarà possibile valutare con degli strumenti statistici se vi è evidenza STATISTICA che i soggetti vaccinati si infettano di meno rispetto a quelli a cui è stato iniettata la soluzione fisiologica. Per fare questa verifica si utilizza il test di ipotesi e l’analisi della varianza.
Questo strumento è utile anche in azienda?
Certo che si! Pensate a voler valutare se vi è effettivamente una differenza di prestazioni o difettosità a seguito di una attività di miglioramento, se un fornitore ha migliorato il livello qualitativo a seguito di una modifica, se l’efficienza dell’impianto è aumentata a seguito di una taratura.
Valutare i miglioramenti solamente utilizzando la media non è sufficiente. Per determinare il miglioramento o meno di un indicatore dopo una modifica è sufficiente pensare al concetto di variabilità: tutti i processi hanno una variabilità e campioni diversi selezionati dallo stesso processo possono avere medie diverse.
Vi è la necessità di un test che mi permetta di capire se due campioni fanno parte dello stesso processo o popolazione o se provengono da due processi o popolazioni differenti, cioè se la differenza che è stata rilevata tra le medie delle popolazioni è “casuale”, perché frutto del fatto che sto misurando un campione e non l’intera popolazione, o se è legata a differenze reali. In altre parole, se i valori medi del KPI misurati prima e successivamente alla modifica sono differenti, possiamo dire che c’è stata effettivamente una variazione (miglioramento o peggioramento) o questa differenza è dovuta alla variabilità del campione?
Esempio grafico di curve normali con diverse medie e deviazioni standard. Quando dire che le medie sono statisticamente differenti?
Ad esempio, guardando la figura possiamo affermare che vi è differenza statistica tra le medie? La media NORD è diversa dalla media SUD? La media EST è diversa dalla media OVEST?
Per fare questa verifica devo utilizzare il test delle ipotesi.
Un test di ipotesi è un metodo che consente di definire se accettare o rifiutare un’affermazione su una popolazione in base alle prove fornite da un campione di dati. Il metodo esamina due ipotesi opposte su una popolazione: l'ipotesi nulla e l'ipotesi alternativa, dove l’ipotesi nulla è l'affermazione che viene testata e l’ipotesi alternativa è l'affermazione che si desidera dedurre in base alle prove fornite dai dati del campione.
In statistica il risultato è chiamato statisticamente significativo se è improbabile che si sia verificato per puro caso, secondo una predeterminata probabilità di soglia (livello di significatività).
Uno dei metodi più comunemente utilizzati è la verifica dell’ipotesi (AKA test sull’ipotesi nulla): supponendo che l’ipotesi nulla è vera, qual è la probabilità di osservare il valore campionato?
Supponiamo che una società stia testando un nuovo processo progettato per ridurre il tempo di ciclo di produzione; il test deve verificare se il tempo medio di ciclo è cambiato (o migliorato). Il solo confronto tra le medie NON è sufficiente!
La verifica delle ipotesi è uno strumento statistico fondamentale in fase di miglioramento dei processi aziendali poiché:
permette di stabilire statisticamente se un valore deve essere o meno interpretato come critico;
ci informa se due insiemi di dati sono differenti o meno;
ci informa se un parametro statistico (media, deviazione standard, …) è paragonabile a un valore di nostro interesse.
Ad esempio:
Il nuovo settaggio della macchina ha portato miglioramenti?
Il reagente che costa di più è effettivamente migliore?
I nuovi PC hanno velocizzato il tempo di accensione?
Il fornitore rispetta i parametri di qualità promessi?
Il test di ipotesi, con le opportune basi statistiche, un test veloce e semplice da svolgere. Con l’utilizzo di Excel o di software statistici come Minitab in pochi passaggi è possibile arrivare ad un risultato chiaroe d inequivocabile.
Il test di ipotesi per la valutazione dei miglioramenti viene trattato nei percorsi Lean Six sigma e nel testo "GUIDA PRATICA PER APPLICARE IL LEAN SIX SIGMA IN AZIENDA: GREEN BELT", disponibile su Amazon https://amzn.to/2ZoOeVq