لایه بندی بیشتر در مرحله تعریف پروژه شش سیگما استفاده می شود. زمان استفاده از تکنیک طبقه بندی هنوز بر عهده افراد درگیر در پروژه است. با این حال نشانه های نسبتا خوبی با این واقعیت ارائه می شود که گسترش داده ها بسیار زیاد است. اگر نقاط در سرتاسر منحنی پراکنده باشند، احتمالاً نمونه گرفته شده اشتباه است.

طبقه بندی اساساً تکنیکی برای حل خطای نمونه برداری است. این یکی از هفت ابزار اساسی کیفیت مورد استفاده در شش سیگما است. در اینجا نحوه استفاده از طبقه بندی برای نتایج بهتر آورده شده است.

نتایج خیلی کلی هستند؟

یک نمونه خوب تضمین می کند که بیشتر نقاط در نزدیکی میانگین قرار دارند. همیشه اینطور نیست، اما باید تلاش کرد تا به این مرحله رسیده باشد. این به این دلیل است که احتمالاً فقط در این مرحله نتیجه گیری های معناداری انجام می شود.

بنابراین اگر تیم پروژه شش سیگما پدیده های زیر را در پروژه های خود مشاهده کند، باید از طبقه بندی استفاده کند:

• نتایج خیلی گسترده یا کلی هستند که نمی‌توان نتیجه‌گیری خاصی کرد
• تعداد زیادی استثنا برای نتیجه گیری های آماری که در حال انجام است وجود دارد

اگر تیم پروژه مشکوک باشد که نتایج بسیار گسترده است، می‌توان از فرآیند طبقه‌بندی در حین انجام نمونه‌گیری استفاده کرد یا می‌توان آن‌ها را پس از به‌دست‌آمدن نتایج و یافتن مفید بودن آن اجرا کرد.

به مرحله زیر فرآیند بروید

در مورد فرآیندهای بزرگ با مراحل زیاد، معمولاً باید از طبقه بندی استفاده شود. بنابراین تیم شش سیگما باید این مشکل را درک کند و از یک رویکرد لایه ای استفاده کند. این بدان معنی است که فرآیندها را می توان به تعدادی زیر فرآیند تقسیم کرد. سپس این فرآیندهای فرعی را می توان به بخش های کوچکتر تقسیم کرد. این روند می تواند تا رسیدن به آخرین فعالیت ادامه یابد. با این حال، تیم پروژه باید داده‌هایی را که می‌خواهد جمع‌آوری کند بداند و در نقطه‌ای متوقف شود که احتمالاً آنچه را که از فرآیند می‌خواهد به دست می‌آورد.

داده ها را به طبقات همگن تقسیم کنید

در حالی که فرآیند تقسیم فرعی با استفاده از طبقه بندی، الزامی نیست که دنباله آن رعایت شود. در بیشتر موارد، داده های مورد جستجو مربوط به علل زمینه ای است. بنابراین اگر یک اپراتور یا همان ماشین، امکانات و غیره در مراحل مختلف استفاده می شود، می توان آنها را زیر گروه بندی کرد.

ایده این است که داده‌ها را تا حد امکان همگن کنیم بدون اینکه مجموعه داده‌ها غیرقابل مدیریت یا بیش از حد پیچیده شوند.

نتایج خاص تر را رسم کنید

فرآیند تکراری است. نتایج باید ترسیم شوند تا بفهمیم آیا آنها قابل عمل هستند یا خیر. اگر نه، باید از طبقه بندی بیشتر استفاده کرد.

طبقه بندی یک ابزار اساسی اما حیاتی مدیریت کیفیت است. نتایج فرآیند تا حد زیادی به برنامه های جمع آوری داده های مربوطه بستگی دارد و از این رو آنها باید به دقت طراحی شوند تا نیازهای سازمان را برآورده سازند.