Hypothesetestting er en statistisk metode for å vurdere om utvalgsdata gir tilstrekkelig bevis for å forkaste en angitt antakelse om en populasjon eller prosess.
In DMAIC -prosjekter, team bruker hypothesetester for å undersøke mistenkte årsaker og evaluere endringer i ytelse. Nullhypotesen representerer vanligvis ingen forskjell eller ingen sammenheng. Før dataene analyseres, definerer teamet sammenligningen og velger et signifikansnivå, vanligvis 0,05. En p-verdi under denne terskelen støtter å forkaste nullhypotesen under testens forutsetninger. Den måler ikke sannsynligheten for at nullhypotesen er sann.
For eksempel kan et leverandørreskontroteam teste om gjennomsnittlig behandlingstid for fakturaer endret seg etter innføring av en revidert godkjenningsarbeidsflyt. Analysen må ta hensyn til forskjeller i fakturakompleksitet og om observasjonene er uavhengige. Sammenligning av usammenlignbare perioder med ulik arbeidsmengde kan føre til en misvisende konklusjon. Et konfidensintervall hjelper vurdereren med å avgjøre om den estimerte reduksjonen er stor nok til å rettferdiggjøre gjenomføring.
Hypothesetestting passer inn i Analyze- og Improve-fasene i DMAIC. Validering av målesystemet avklarer om de underliggende dataene er egnet, mens forsøksplanlegging kan strukturere sammenligninger som undersøker årsakssammenhenger. Statistisk signifikans alene etablerer ikke en rotårsak eller en økonomisk gevinst. Et fakturabehandlingsprosjekt trenger fortsatt bevis som kobler endringen i arbeidsflyten til den observerte reduksjonen, der frigjort personalkapasitet bokføres separat fra reduserte kostnader.
