过程分析的第三阶段:证实或排除原因

从过程分析中识别和验证原因比从数据分析中更容易。为什么呢因为过程分析的判断标准很简单，就是任何没有增值的过程步骤，任何增加时间但是没有增值的步骤都是浪费时间，应该尽可能的删除。

但是，你将不得不做更多的调查工作，因为有些缺陷对客户来说很重要，很容易被他们注意到，而且你不知道过程步骤中的疑虑或变量是否真的导致了那些缺陷，所以你必须对它们进行清晰的分析并得出结论。如果在物流运输过程中，张三总是把航班标签贴在箱子中央，而李四总是贴在右下角，会怎么样它们对运输效率有影响吗只要这种情况在运输过程中实际存在，就可能成为影响运输效率的原因。

1.提示确认流程原因

运用因果关系的逻辑，就像数据分析一样。

如果你还没有这样做，画一个详细的流程图，看看流程步骤是否有重要的区别。

定点测试中的“测试”是验证过程中的缺陷是否真的有影响的另一种好方法。

只要你在过程中人为地“测试”一个预定的波动(当然，波动尺度较小)，你就可以通过测量波动的影响来确定缺陷是否是真正的原因。例如，如果在操作人员总是将标签贴在固定位置的情况下，物流部门可以更快地完成任务，那么使用这种方法测试一两个星期，看看是否减少了处理时间。

当然，最终的目的是彻底去掉任何在客户眼中无法增值的步骤，包括花时间返工和检查等等。通过去掉上面列出的许多不增值的步骤，你很可能会缩短整个过程的周期时间来增加利润，这也会让你的客户感到高兴。六西格玛团队可能经常会将客户认为花费在返工和其他没有增值的步骤上的时间去掉70%-80%。然而，对于团队来说，仅仅加快问题解决的过程并不是最重要的。团队必须努力消除已经分析和揭示的缺陷，然后才能进入改进阶段。

2.高级分析工具

大多数情况下，六西格玛 team 六西格玛工具都可以做得很好，利用帕累托图进一步探究关键事实，利用流程图找出特殊原因，通过团队深入探讨如何让流程真正走得好(以及如何让流程走得更好)，这只是一个开始，减少缺陷还有很长的路要走。

①有更有效的工具来测试变量X和输出y之间的关系，团队应该考虑以下问题:

测试几批数据之间是否有明显差异。

对问题的原因提出一个有效的假设。

或者否定关于原因的各种假设。

②为了回答这些问题，六西格玛团队可以使用以下一系列统计推断来检验假设，包括:

x2检验

t检验

方差分析(ANOVA)

多元分析

虽然这些测试对不同种类的数据使用了不同的技术，但它们的目的是回答这样一个问题:数据中看到的差异(或原因)是真的吗有没有统计学上的显著差异