如何建立用於根本原因分析的決策樹
實踐證明,根本原因分析(RCA)是六西格瑪管理方法的一項寶貴技能。但是,我們如何使用根本原因分析達到最佳效果?什麼工具對這項任務最有幫助呢?這就不得不提“決策樹”了。這種方法在原因和結果之間進行分支,以說明選擇的結果。
下面是我們關於如何建立決策樹作為RCA的一部分的實用指南:
決策樹的一個偉大之處在於,它可以讓你輕鬆識別根本原因。他們透過突出每個因素及其原因以及幾種可能的糾正措施來工作。
樹狀圖來自於決策樹的分支方法。首先,你確定問題(這應該很容易!),然後你需要概述可能的原因和根本原因。這可能比聽起來更難,因為問題的原因和根本原因(沒錯,可能不止一個)並不總是顯而易見的。
解決這一問題的一個很好的工具是“5 Whys”,它涉及深入的提問,以找出問題的原因。接下來,你必須根據其餘部分中收集的資訊來設計糾正措施。例如:如果你的問題是你的車無法啟動,原因可能是它沒有燃料。造成這種情況的根本原因可能是你忘記給油箱加滿油,而糾正措施當然是加油。
使用決策樹可以將相當廣泛的類別分解為更小的類別,從而在每個步驟中實現更精細的細節級別。透過對映特定任務和場景的精細細節(即,你的汽車無法啟動),很容易找到困擾你的任何問題的根本原因,並從理論上提出解決方案。
上面是一個基本的決策樹,可以很容易地修改以適應任何情況。您還可以使用決策樹來傳達其他資訊,如潛在風險、缺點和後果。作為一種支援工具,決策樹在確定決策結果方面非常有效。
天行健六西格瑪顧問表示:當涉及到RCA時,不要低估決策樹等工具的價值。決策樹對於完成看似困難的目標和解決最初看起來難以克服的問題非常有用。涉及的關鍵因素是細節:深入、有組織、全面的資料。親自嘗試一下,看看決策樹能為你做些什麼。這可能會讓你吃驚!
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69993238/viewspace-2923539/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 關於決策樹的理解
- 決策樹模型(3)決策樹的生成與剪枝模型
- 如何為根本原因分析建立帕累託圖?
- 決策樹
- 決策樹示例
- 4. 決策樹
- Decision tree——決策樹
- 決策樹(Decision Tree)
- Python機器學習:決策樹001什麼是決策樹Python機器學習
- 基於資訊增益的ID3決策樹介紹。
- 分類——決策樹模型模型
- 決策樹演算法演算法
- ML《決策樹(三)CART》
- 【根本原因分析】如何找到問題的根源?
- 【Python機器學習實戰】決策樹和整合學習(二)——決策樹的實現Python機器學習
- 決策樹在sklearn中的實現
- 機器學習:決策樹機器學習
- 決策樹學習總結
- 決策樹和隨機森林隨機森林
- 如何有效進行根本原因分析 (RCA) ?
- 如何透過資料分析來支援TPM模式的決策?模式
- 決策樹模型(2)特徵選擇模型特徵
- 機器學習——決策樹模型機器學習模型
- 機器學習之決策樹機器學習
- 大資料————決策樹(decision tree)大資料
- ML《決策樹(一)ID3》
- ML《決策樹(二)C4.5》
- 基於資訊增益和基尼指數的二叉決策樹
- 【機器學習】實現層面 決策樹 並用graphviz視覺化樹機器學習視覺化
- Reinventing the wheel:決策樹演算法的實現演算法
- 決策樹中結點的特徵選擇方法特徵
- 決策樹演算法的推理與實現演算法
- 02決策樹-初識與構建
- 深入淺出學習決策樹(二)
- 決策樹模型(1)總體介紹模型
- 決策樹模型(4)Cart演算法模型演算法
- 決策樹演算法-實戰篇演算法
- 決策樹詳解,從熵說起熵