Bu modül boyunca tek bir tehlikenin etrafında döndük: ölçümün kendisinden şüphe etmek. Şimdi hepsini tek bir cümlede topluyoruz — bir Green Belt'in zihnine kazınacak cümle: yanlış veriyle, doğru karar verilemez. Ne kadar zeki olursan ol, altındaki veri bozuksa tüm o zekâ ve araç seni emin adımlarla uçurumdan aşağı taşır.
HİKÂYE AKIŞI
Kusursuz Bina, Çürük Temel
1
Kötü veri kötü görünmez
Bozuk araba ses çıkarır, çürük meyve kokar — ama bozuk veri düzgün bir tabloda, güzel bir grafikte, kesin bir ortalamada gelir. Hiçbir uyarı ışığı yanmaz; yanlış veri doğru veriyle tıpatıp aynı görünür.
2
Tek iplikte asılı zincir
Tüm DMAIC verinin doğruluğuna asılıdır: Ölç → Analiz → İyileştir → Kontrol, her faz bir öncekinin verisine güvenir. En baştaki ölçüm yanlışsa zehir tüm zinciri dolaşır — ve her halka kusursuz görünür çünkü hepsi tutarlı biçimde yanlıştır.
3
Bozuk pusula, sahte güven
Yanlış veri sana sahte güven verir; cesaretle yanlış yöne yürürsün. Bozuk yükseklik göstergesine güvenen pilot, emin adımlarla yanlış irtifaya iner. Bozuk gösterge, hiç gösterge olmamasından beterdir — çünkü pilot ona güvenir.
TEMEL PRENSİP
Garbage In, Garbage Out
Yanlış Veri → Yanlış Analiz → Yanlış Kök Neden → Yanlış Çözüm
GB projesi 3 ay sürdü, ekip çok çalıştı, çözüm uygulandı — ama problem devam ediyor. Neden? Ölçüm sistemi kötüydü ve kimse sormadı. Tek bir bozuk ölçüm, koca bir projeyi sessizce zehirler.
%GRR yüksekken hipotez testi
p-değeri anlamlı çıkabilir ama kaynağı ölçüm hatası. Süreçte gerçek bir fark olmayabilir. Yanlış faktöre müdahale edersin.
Düşük kappa ile regresyon
Y değişkeni güvenilmez sınıflandırılmış. Model anlamlı görünür ama gerçek ilişkiyi yansıtmaz. Yanlış faktör önemli görünür.
KONTROL LİSTESİ
Veri Kalitesi Kriterleri
🎯
DoğrulukKalibrasyon kaydı
Ölçüm değeri referans değere yakın mı? Sapma (bias) var mı?
🔁
GüvenilirlikMSA çalışması
Tekrar edildiğinde aynı sonucu veriyor mu? %GRR ve kappa kabul düzeyinde mi?
📊
BütünlükVeri kalite raporu
Veri eksiksiz mi? Kayıp değerler sistematik mi yoksa rastlantısal mı?
🕐
GüncellikZaman damgası
Veri karar zamanıyla uyumlu dönemden mi? Eski veri yanlış trendi yansıtabilir.
🔗
TutarlılıkVeri sözlüğü
Farklı kaynaklardan gelen veri çelişiyor mu? Aynı tanımla mı toplandı?
AKSİYON
MSA Sonucu Kötüyse Ne Yapılır?
%GRR > %30 ise:
EV/AV oranını kontrol et
EV baskınsa: alet bakım/değişim
AV baskınsa: eğitim + talimat
Her ikisi yüksekse: sistem tasarımı
Kappa < 0.6 ise:
Kalibrasyon seansı düzenle
Limit örnek seti oluştur
Karar kriterleri dokümanı yaz
Eğitim sonrası MSA'yı tekrarla
🚫 Yapılmaması gereken: Kötü ölçüm sistemiyle Analyze ve Improve fazlarına geçmek!
İNTERAKTİF
Hatalı Veri Dedektifi
4 senaryo: sorun ölçüm sisteminde mi, süreçte mi? Kendi cevabını seç, sonra gerçeği ve o gün sahada ne olduğunu gör.
MODÜLÜN DORUĞU
Bozuk Pusula — Cehaletten Beter
Yanlış veriye dayanan bir karar, kararsızlıktan daha tehlikelidir. Çünkü yanlış veri sana sahte bir güven verir: "Verimiz var, demek ki biliyoruz" der ve cesaretle yanlış yöne yürürsün. Hiç verin olmasaydı en azından temkinli olur, daha çok soru sorardın. Bozuk veri, cehaletten beterdir; çünkü cehalet seni durdurur, yanlış veri seni hızlandırır.
Bir uçağın bozuk yükseklik göstergesi, hiç göstergesi olmamasından daha tehlikelidir — çünkü pilot ona güvenir.
DENGE
Felç Olma, Sınırı Bil
Bu, "hiçbir veriye güvenme" demek değildir. Amaç mükemmel veri beklemek değil; verinin sınırlarını bilerek karar vermektir. Hiçbir veri kusursuz değildir; mesele ne kadar güvenebileceğini bilmek ve kararını o güven seviyesine göre vermektir.
Aşırı şüphe
Hiç karar veremeyen figür — mükemmel veri beklerken felç olur.
Aşırı güven
Çürük veriyle koşan figür — sahte güvenle yanlış yöne hızlanır.
Olgun denge
Verinin sınırını bilerek temkinli adım atar; küçük/geri alınabilir karara zayıf veriyle, büyük/geri dönüşsüz karara sağlam veriyle gider.
SAHADAN
İki Ekip, Aynı Problem
Biri çürük veriyle koştu; diğeri önce pusulasını kontrol etti.
İki ekip, aynı problemi çözüyor: bir çağrı merkezinde müşteri memnuniyetini artırmak. Birinci ekip hemen veriye dalıyor, hızlı analiz yapıyor, bir kök neden buluyor, çözüm uyguluyor — ve altı ay sonra hiçbir şey iyileşmemiş oluyor. Neden? Memnuniyet anketinin soruları belirsizmiş, farklı temsilciler müşterilere farklı soruyormuş; veri en baştan çürükmüş.
İkinci ekip ise işe verinin kendisini sorgulayarak başlıyor: anket tanımını netleştiriyor, ölçümü standartlaştırıyor, küçük bir güvenilirlik testi yapıyor. Bir hafta "kaybediyorlar" gibi görünüyor. Ama sonra topladıkları veri sağlam olduğu için doğru kök nedeni buluyorlar ve gerçek bir iyileşme sağlıyorlar.
Birinci ekip hızlı koştu ama yanlış yöne; ikinci ekip önce pusulasını kontrol etti. Yanlış veriyle hızlı gitmek, hiç gitmemekten kötüdür.
Örnek: Çağrı merkezi memnuniyeti; belirsiz anket + tutarsız toplayıcılar → çürük veri → 6 ay boşa. Verinin kendisini önce sorgulamak gerçek iyileşmeyi getirdi.
SIK YAPILAN HATALAR
Veri Güvenini Kaybettiren Tuzaklar
Veriyi görünüşüne bakıp güvenmek
Kötü veri kötü görünmez — düzgün tablo, güzel grafik, kesin ortalama olarak gelir; özel olarak sorgulamak gerekir.
Kararı verip sonra veriyi sorgulamak
İlk refleks 'ne diyor?' değil 'bu veri güvenilir mi?' olmalı — karar öncesi veri hijyeni, ameliyat öncesi el yıkama gibi.
Ölçüm sistemini doğrulamadan Analyze/Improve'a geçmek
Tek bir bozuk ölçüm tüm DMAIC zincirini zehirler; önce MSA (Gage R&R / kappa) geçmeli.
Aşırı şüpheyle hiç karar verememek (felç)
Amaç mükemmel veri değil; verinin sınırını bilerek karar vermek — güven seviyesine göre adım at.
AI çıktısını körü körüne almak
AI de 'çöp girer çöp çıkar'a tabidir; bozuk veriyle akıcı ama yanlış üretir — gerçekliği sahada sen doğrularsın.
DMAIC İÇİNDE YERİ
Measure'ın Vicdanı
Bu modülün tüm araçları — Gage R&R, uyum analizi, operasyonel tanım — tek bir amaca hizmet eder: karar vermeden önce altındaki zemine güvenip güvenemeyeceğini bilmek.
Measure → hepsi
Her faz bir öncekinin verisine güvenir; en baştaki ölçüm yanlışsa zehir tüm zinciri dolaşır (yanlış kök neden → yanlış çözüm → yanlış başarı iddiası).
Güven etiketi
MSA araçları verinin 'güven etiketi'dir; bir Green Belt'i ayıran şey çoğu zaman daha iyi analiz değil, analizden önce veriyi sorgulama disiplinidir.
Son söz insanda
AI tutarsızlıkları gösterir, araçlar güven etiketi verir; ama verinin gerçeği yansıtıp yansıtmadığına sahayı bilen insan karar verir.
AI KÖŞESİ
AI: Hem Veri Hijyeni Aracı, Hem Risk
Yapay zekâ bir veri setindeki tutarsızlıkları, aykırı değerleri, eksik tanımları ve olası yanlılıkları işaret eder — 'bu veriye dayanarak karar vermeden önce şunları kontrol et' der. Ama özel incelik: AI'nın kendisi de 'çöp girer, çöp çıkar'a tabidir; bozuk veri verirsen akıcı, ikna edici ama yanlış bir analiz üretir. Onu veriyi sorgulamak için kullan, yanlış veriyle kullanmaya karşı uyanık ol.
AI Asistanı
Karar vermeden önce veriyi bir hijyen kontrolünden geçireyim: operasyonel tanım, toplayıcı tutarlılığı, örneklem temsili, ölçüm güvenilirliği, tutarsızlık/aykırı değer. Her madde için risk seviyesi veririm — ama verinin gerçekliğini sahada sen doğrularsın.
Bir Yalın Altı Sigma Ölç fazı mentoru gibi davran. Aşağıdaki veriye dayanarak BÜYÜK bir karar vermek üzereyim. Karar vermeden ÖNCE güvenilirliğini bir kontrol listesiyle sorgula: (1) Operasyonel tanım net mi? (2) Ölçenler tutarlı mı? (3) Örneklem temsili mi? (4) Ölçüm sistemi güvenilir mi? (5) Tutarsızlık/aykırı/eksik nokta var mı? Her madde için risk seviyesi ver.
Devam et: (6) Bu veriye dayanarak büyük bir karar vermek güvenli mi, yoksa önce neyi düzeltmeliyim? (7) UYARI: Eğer bu veri bozuksa senin analizin de yanlış olur — bunu bana açıkça hatırlat. [Veri: müşteri memnuniyeti anketi; farklı temsilciler farklı zamanlarda topluyor, soru metni standart değil.]
AI de çöp veriyle yanılır — gerçekliği sahada sen doğrularsın.
KENDİNİ SINA
Hızlı Kontrol
Tüm analiz veriye dayanır; veri güvenilmezse karar da güvenilmez — doğru görünen yanlış kararlar üretilir (garbage in, garbage out).
Karardan önce ölçümün güvenilirliğini doğrulamak (MSA / Gage R&R / kappa) şarttır; veri hijyeni ameliyat öncesi el yıkama gibidir.
Cehalet seni durdurur ve daha çok soru sordurur; bozuk veri ise sahte güven verip yanlış yöne hızlandırır — pilotun bozuk göstergeye güvenmesi gibi.
MODÜL 5 TAMAMLANDI
MSA Özeti — 7 Ders
Ms1Ölçüm hatası bileşenleri ve formülü
Ms2EV (tekrarlanabilirlik) ve AV (yeniden üretilebilirlik)
Ms3Gage R&R çalışması ve %GRR yorumu
Ms4Nitel MSA ve görsel standartlar
Ms5Cohen & Fleiss Kappa — denetçi uyumu
Ms6AQL ve örnekleme planları
Ms7Veri kalitesi ve GIGO prensibi
Artık güvenilir veriyle gerçek kök nedeni avlamaya hazırız. Sıradaki: Modül 6 — Kök Neden Araçları (hipotez, balık kılçığı, 5 neden).
SON SÖZ
Yanlış veriyle doğru karar verilemez — ve verinin doğru olup olmadığına, en sonunda, sen karar verirsin.
Bir karar, bir grafik önüne geldiğinde ilk refleksin 'ne diyor?' değil 'bu veri güvenilir mi?' olsun. Zemini sorgula, sonra karar ver — çünkü verinin doğru olup olmadığına karar veren, en sonunda, sensin.
