Hypotesprövning är en statistisk metod för att bedöma om urvalsdata ger tillräckliga belägg för att förkasta ett angivet antagande om en population eller process.
In DMAIC -projekt använder team hypotesprövningar för att undersöka misstänkta orsaker och utvärdera förändringar i prestanda. Nollhypotesen representerar vanligtvis ingen skillnad eller inget samband. Innan data analyseras definierar teamet jämförelsen och väljer en signifikansnivå, oftast 0,05. Ett p-värde under detta tröskelvärde stöder att nollhypotesen förkastas under testets antaganden. Det mäter inte sannolikheten för att nollhypotesen är sann.
Ett leverantörsreskontrateam skulle till exempel kunna testa om den genomsnittliga hanteringstiden för fakturor förändrades efter att ett reviderat godkännandeflöde infördes. Analysen måste ta hänsyn till skillnader i fakturornas komplexitet och om observationerna är oberoende. Att jämföra ojämna perioder med olika arbetsbelastning kan leda till en missvisande slutsats. Ett konfidensintervall hjälper granskaren att bedöma om den uppskattade minskningen är tillräckligt stor för att motivera ett genomförande.
Hypotesprövning hör hemma i faserna Analyze och Improve i DMAIC. Validering av mätsystemet fastställer om de underliggande data är lämpliga, medan försöksplanering kan strukturera jämförelser som undersöker orsakssamband. Statistisk signifikans i sig fastställer inte en grundorsak eller en finansiell nytta. Ett fakturahanteringsprojekt behöver fortfarande belägg som kopplar förändringen i arbetsflödet till den observerade minskningen, där frigjord personalkapacitet räknas av separat från minskade kostnader.
