Bu modülde güçlü araçlar öğrendik: Balık Kılçığı, Beş Neden, İlişkiler Diyagramı, Sebep-Sonuç Matrisi, FMEA. Ama hepsinin ortak, rahatsız edici bir gerçeği var: hiçbiri sana kök nedeni vermez — hepsi sadece şüpheli üretir, hipotez kurar. Bir hipotez, ne kadar mantıklı olursa olsun, kanıtlanana kadar bir tahmindir. Bu ders tüm Analiz fazının dönüm noktasıdır: şüpheliyi mahkûma çeviren an — veriyle doğrulama.
HİKÂYE AKIŞI
Şüpheliyi Mahkûma Çeviren An
1
Mahkemede kanıt gerekir
Şimdiye kadarki araçlar dedektifin işiydi: şüphelileri topla, sırala, en olası faili işaret et. Ama 'bence katil bu' demek birini hapse atmaya yetmez. Veriyle doğrulama o mahkemedir: 'Veri bu şüpheliyi mahkûm edecek kadar güçlü mü?' Yoksa şüpheli serbest kalır, aramaya devam edersin.
2
Veri, bin görüşten ağır
Bir terazinin bir kefesine yüzlerce 'kesinlikle sebep bu' görüş balonu koy — kefe kalkmaz. Diğer kefeye tek bir ağır veri bloğu düşür — kefe sertçe basar. Veriyle doğrulanmış tek bir neden, görüşle desteklenmiş bin nedenden değerlidir; çünkü veri kimin ne düşündüğünü umursamaz.
3
Hipotezini öldürmeye çalış
İnsan doğası inandığını destekleyen kanıt arar (doğrulama yanlılığı). Gerçek kanıt için tersini yap: 'Bu hipotez yanlışsa nasıl anlarım? Onu çürütecek hangi veriyi arayabilirim?' Çürütmeye çalışıp çürütemiyorsan, işte o zaman hipotezin gerçekten güçlüdür.
ARAÇLAR
Hipotez Doğrulama Yöntemleri
Scatter plot
Ne zaman: İlk keşif
X ile Y arasında görsel korelasyon var mı?
Tabakalaştırma
Ne zaman: Grup farkı
Farklı gruplarda (makine/vardiya) hata oranı değişiyor mu?
Hipotez testi
Ne zaman: Sayısal onay
p-değeri < 0,05? İstatistiksel anlamlı fark var mı?
DOE (Deney tasarımı)
Ne zaman: Karmaşık etkiler
Birden fazla X aynı anda nasıl etkiliyor?
İNTERAKTİF
Kanıt Değerlendirme Paneli
Her hipoteze tıkla → 3 boyutlu kanıt puanını (istatistiksel + pratik etki + veri kalitesi) gör. Toplam ≥12 doğrulandı, ≥8 kısmi destek, altı reddedildi. Ret de veridir.
💡 Doğrulanmış hipotez → Improve. Reddedilen → sonraki hipoteze geç. Ret de veridir.
MODÜLÜN DORUĞU
Veri, Bin Görüşten Ağırdır
Bir toplantı dolusu deneyimli insan 'kesinlikle sebep bu' diyebilir — ve hep birlikte yanılıyor olabilirler. Tarih 'herkesin emin olduğu ama yanlış çıkan' örneklerle doludur. Veri bu kolektif yanılgıyı kırar; çünkü veri, kimin ne düşündüğünü umursamaz.
Bir Green Belt'i sıradan bir problem çözücüden ayıran şey, çoğu zaman daha iyi sezgi değil; sezgisini veriyle test etme disiplinidir.
BİLİMSEL DÜŞÜNCE
Çürütmeye Çalış, 'Tutarlı'yı 'Kanıt' Sanma
Hipotezini beklentiye çevir
Her kök neden hipotezi bir tahmin içerir: 'Eğer bu sebep gerçekse, veride şunu görmeyi beklerim.' Hipotez 'akşam vardiyası hata yapıyor' ise beklenti 'akşam hata oranı gündüze göre belirgin yüksek olmalı' olur. Sonra veriyle yüzleştir.
Çürütmeye çalış
Bir hipotezi sadece destekleyen kanıt toplamak kolaydır ve aldatıcıdır. Onu öldürmeye çalışıp öldürememek gerçek kanıttır. 'Eğer yanlışsa nasıl anlarım?' diye sor.
'Tutarlı' ≠ 'Kanıtladı'
Veri hipotezinle tutarlı olabilir ama nedenselliği kanıtlamaz — belki akşam vardiyasında farklı bir makine/malzeme var. Gözlem verisi güçlü şüpheliye götürür; kesin mahkûmiyet için çoğu zaman bir deney (müdahale) gerekir.
KRİTİK AYRIM
İstatistiksel mi, Pratik mi Anlamlı?
İstatistiksel anlamlılık
p < 0,05 → fark rastlantı değil.
Sorun: Büyük örneklemle önemsiz fark bile anlamlı çıkabilir. p=0,001 ama fark yalnızca 0,1 mm ise pratik değeri yok.
Pratik anlamlılık
Etki büyüklüğü müşteri açısından önemli mi?
Cohen's d: 0,2 = küçük etki, 0,5 = orta, 0,8+ = büyük etki. Improve kararı için ikisi birlikte değerlendirilir.
⚖️ GB kuralı: p < 0,05 VE pratik etki büyük ise Improve'a geç. Sadece biri yetmez.
EN HIZLI YOL
Katmanlama + Riske Göre Kanıt
Doğrulamanın en basit ve en güçlü aracı katmanlamadır: veriyi hipotezinin işaret ettiği gruba göre kır ve karşılaştır (vardiya, tedarikçi, makine). Hipotez doğruysa o kırılımda belirgin bir fark görürsün. Çoğu zaman karmaşık bir teste gerek kalmaz; veriyi doğru kırdığında gerçek çıplak gözle görünür — ve sıradaki dersin konusu tam budur.
🎚️ Kanıtı kararın riskine göre ayarla: küçük/geri alınabilir karara basit kırılım yeter; büyük/geri dönüşsüz karara (milyonluk yatırım, güvenlik) kontrollü deney ara. Mükemmel kanıt beklemek de, kanıtsız atlamak da hatadır — riskle orantılı kanıt.
SAHADAN
Çağrı Merkezi: Çürüyen Hipotez
Ekip ikna olmuştu; veri hipotezi çürüttü, gerçek fark çağrı tipinde.
Bir çağrı merkezinde sebep-sonuç matrisi en güçlü hipotez olarak 'yeni işe alınan temsilcilerin uzun çağrı süreleri' çıkardı. Ekip ikna olmuştu; çözüme — daha çok eğitim — geçmek üzereydiler. Ama Green Belt durdu: 'Önce kanıtlayalım.'
Veriyi deneyime göre kırdılar. Beklenti: yeni temsilcilerin çağrıları belirgin uzun olmalı. Sonuç şaşırtıcı: yeni ve eski temsilciler arasında neredeyse hiç fark yoktu. Hipotez çürüdü. Eğer test etmeden çözüme geçselerdi, aylarca gereksiz eğitime yatırım yapıp problemi hiç çözmeyeceklerdi.
Veriye tekrar baktılar ve gerçek farkın temsilcide değil, belirli bir çağrı tipinde olduğunu buldular. Bir tek doğrulama adımı, projeyi yanlış yoldan kurtardı.
Örnek: Çağrı merkezi; 'yeni temsilci' hipotezi deneyime göre kırılınca çürüdü (fark yok); gerçek fark çağrı tipinde çıktı. Bir doğrulama adımı projeyi kurtardı.
SIK YAPILAN HATALAR
Doğrulamada Tuzaklar
Hipotezi kanıt sanmak
Tüm kök neden araçları sadece şüpheli üretir; kanıtlanmamış neden bir tahmindir — üzerine çözüm kurma.
Sadece destekleyen kanıt aramak
Doğrulama yanlılığına düşme; hipotezi çürütmeye çalış — öldüremiyorsan gerçekten güçlüdür.
'Tutarlı'yı 'kanıtladı' sanmak
Veri tutarlı olabilir ama gizli bir faktör de aynı sonucu verebilir; nedensellik çoğu zaman deney gerektirir.
Sadece p < 0,05'e bakmak
İstatistiksel VE pratik anlamlılık birlikte; büyük örneklemde önemsiz fark bile anlamlı çıkabilir (Cohen's d).
Doğrulamadan Improve'a geçmek
Yanlış nedene çözüm semptomu giderir ama kök devam eder; 3-6 ayda problem geri döner — zaman/para israfı.
DMAIC İÇİNDE YERİ
Analyze'ın Dönüm Noktası
Veriyle doğrulama, Analyze'ın kapanışı ve Improve'un kapısıdır: bütün araçların ürettiği hipotezleri gerçeğe bağlar.
Hipotez → beklenti
Her hipotezi 'doğruysa veride şunu görmeliyim' diye somut, ölçülebilir bir beklentiye çevir.
Kır, karşılaştır, çürütmeye çalış
Veriyi hipotezin grubuna göre katmanla; farkı ölç; alternatif açıklamaları ele — 'tutarlı' ile 'kanıt'ı ayır.
Doğrulanmış kök → Improve
Riskle orantılı kanıtla doğrulanan kök nedenle Improve'a geç; reddedileni sil, sonraki hipoteze bak.
AI KÖŞESİ
Yapay Zekâ Hipotezi Beklentiye Çevirir ve Çürütmeye Çalışır
Yapay zekâ her hipotezini verip 'bunu doğrulamak/çürütmek için hangi veriye, hangi kırılıma bakmalıyım; doğruysa veride neyi görmeyi beklemeliyim?' diye sorabildiğin bir araçtır. Hipotezi test edilebilir bir beklentiye çevirmekte ve veriyi o kırılıma göre analiz etmekte iyidir; onu 'çürütme' moduna da sokabilirsin. Ama 'veri hipotezini destekliyor' demesi bir kanıt değil, bir gözlemdir — onu da nedensellik şüphesiyle sınarsın; mahkûmiyet kararını, gizli faktörleri eleyerek ve sahada doğrulayarak sen verirsin.
AI Asistanı
Hipotezini ve verini ver; onu somut bir beklentiye çevireyim, veriyi işaret ettiği gruba göre kırıp karşılaştırayım, çürütme modunda alternatif açıklamaları arayayım ve 'tutarlı vs kanıtladı' ayrımını koruyayım. Ama gizli faktörü eleyip mahkûmiyeti sahada sen verirsin.
Bir Yalın Altı Sigma Analiz fazı mentoru gibi davran. Şu kök neden hipotezini veriyle DOĞRULA veya ÇÜRÜT: [hipotez + veri]. (1) Doğruysa veride tam olarak neyi görmeyi beklemeliyim — somut, ölçülebilir beklentiye çevir. (2) Veriyi hipotezin işaret ettiği gruba göre KIR ve karşılaştır: beklediğim fark var mı?
Devam et: (3) ÇÜRÜTME modu: bu hipotezi çürütecek hangi kanıtı aramalıyım, tutarsız bir şey var mı? (4) Bir fark görürsem bu KANITLAR mı yoksa sadece TUTARLI mı — ikisini açıklayabilecek gizli üçüncü faktör (örn. çağrı tipi) olabilir mi? (5) Hipotez çürürse veride başka hangi kırılım daha güçlü fark gösteriyor? (6) Kararımın büyüklüğüne göre basit kırılım mı, deney mi gerekir?
AI kanıtı değerlendirir — mahkûmiyet kararını sahada sen verirsin.
KENDİNİ SINA
Hızlı Kontrol
Bir sonraki öncelikli hipoteze geçilir. Ret bilgidir — nedenin 'bu olmadığı' kanıtlanmış, arama alanı daralmış demektir.
Hayır. İstatistiksel anlamlılık ile pratik anlamlılık birlikte değerlendirilmeli. Büyük örneklemde küçük fark istatistiksel anlamlı ama iş açısından önemsiz olabilir; Cohen's d gibi etki büyüklüğü ölçütleri kullanılır.
Yanlış neden için çözüm üretilir. Problem semptom düzeyinde giderilebilir ama kök neden devam eder — 3-6 ay içinde problem yeniden ortaya çıkar, zaman ve para israfı olur.
SON SÖZ
Veriyle doğrulama, hipotezi doğrulamak için değil — gerçeği bulmak için yapılır; reddedilen hipotez, yanlış yolda zaman kaybetmeni önler.
En güçlü hipotezini bulduğunda çözüme koşma; onu mahkemeye çıkar. Somut bir beklentiye çevir, veriyi kır, çürütmeye çalış, 'tutarlı'yı 'kanıt' sanma. Sıradaki ders — DERS-111: bu doğrulamanın en güçlü ve en pratik yolu, Stratification (tabakalaştırma) = M6 finali.
