Deze site maakt gebruik van cookies, zodat wij je de best mogelijke gebruikerservaring kunnen bieden. Cookie-informatie wordt opgeslagen in je browser en voert functies uit zoals het herkennen wanneer je terugkeert naar onze site en helpt ons team om te begrijpen welke delen van de site je het meest interessant en nuttig vindt.
Histogram
Een histogram, wat is dat?Als je op Wikipedia naar histogram zoekt, krijg je de volgende definitie: ‘Een histogram of kolommendiagram is een grafische weergave van de frequentieverdeling van in klassen gegroepeerde data, afkomstig uit een continue kansverdeling.’ Nu kan ik me voorstellen dat je bij het lezen hiervan iets als ‘huh?’ denkt. Laten we het daarom makkelijker maken.
Wat is een Histogram?
Een histogram is een plaatje, een tekening, grafiek zo je wilt. Van data, continue data om precies te zijn. Continue data zijn, en ik citeer hier het woordenboek op onze website, gegevens die allerlei tussenliggende waardes kunnen aannemen. Voorbeelden zijn tijd, temperatuur en afstand. Vaak kun je er een komma tussen zetten; bij rapportcijfers bijvoorbeeld: je haalt een 6,8, een 9,2, of – in mijn geval vaak – een 5,5.
Vaak wordt een histogram met een pakket zoals Microsoft Excel gemaakt.
Voorbeeld van een Histogram
Waarom gebruik je een histogram?
Een histogram groepeert de data in intervallen – bijvoorbeeld 1 t/m 5, 6 t/m 10, 11 t/m 15, et cetera – en geeft de frequenties weer. Door frequenties te koppelen aan intervallen geeft het histogram het patroon van de data weer. Daarmee kan een histogram je helpen ontdekken of data normaal verdeeld zijn of niet.
Histogrammen en normale verdelingen
De normale verdeling kent een klokvormige curve, die symmetrisch is rond het gemiddelde. Het is de meest gebruikte statistische verdeling, die veel voorkomt in de natuur en sociale wetenschap. De normaalverdeling maakt veel statistische analyses mogelijk en wordt daarom graag gebruikt bij Six Sigma. Voor volledige zekerheid over de normale verdeling zul je overigens nog wel wat dieper moeten graven dan het histogram, maar daarover later en op een andere plek wellicht meer.
Hulpmiddel bij het speuren naar grondoorzaken
Na het definiëren van het histogram popt een nieuwe vraag op: waarom zou je een histogram maken? Anders gesteld: waarvoor gebruik je het, nog even los van het ontdekken van het al dan normaal verdeeld zijn van data? Het korte antwoord op deze vragen is: het histogram is wat Dr. John H. Watson was voor Sherlock Holmes. Ik begrijp dat enige toelichting op zijn plaats is.
Histogrammen in Lean Six Sigma
Veranderen met Lean Six Sigma gaat stapsgewijs, van probleem naar oorzaken naar oplossingen. De fase waarin we (grond)oorzaken zoeken en vinden, heet Analyse. Drie hulpmiddelen bij het zoeken naar (grond)oorzaken zijn:
- Brainstormen, bijvoorbeeld met een visgraatdiagram
- De procestekening interpreteren, er zogenaamde Kaizen Bursts aan toevoegen
- Data-analyse
Data-analyse wordt ook wel de Sherlock Holmes-fase van de Analyse-fase genoemd (ben je er nog?). Het visueel maken van data helpt ons mogelijke verbanden tussen oorzaak en probleem te zien. Daarna gaan we met hypothesetesten de diepte in. Een van de mogelijkheden om data visueel te maken, is het histogram. En zo is de cirkel rond.
Concluderend mogen we wel stellen dat er meer achter het histogram schuilgaat dan je aanvankelijk misschien zou denken. Alleen in dit artikel al worden twee toepassingen genoemd:
- Het histogram helpt ontdekken of data normaal verdeeld zijn (of niet)
- Het histogram helpt mogelijke verbanden tussen oorzaak en probleem te zien
In beide gevallen is het histogram een hulpmiddel bij veranderen, zeker als je dat met Lean Six Sigma doet.
In zowel de Green Belt– als de Black Belt opleiding leren we werken met een Histogram.