Doğanın ve Verinin Kusursuz Dengesi: Normal Dağılım
- 3 Tem
- 3 dakikada okunur
Toplumumuzda ve eğitim sistemimizde genellikle mükemmel olmamız beklenir; çocukluktan itibaren en çok çabaladığımız şey "hata yapmamak" üzerine kuruludur. Ancak hayat, sadece doğru şıkları bulmaya çalıştığımız kusursuz bir test değildir. Mühendislik ve üretim dünyasında da durum tamamen böyledir; hiçbir süreç kusursuz çalışmaz, makineler her seferinde aynı parçayı üretemez ve her zaman belirli bir hata (varyasyon) payı vardır. İşte bu kaçınılmaz "hataların" ve dalgalanmaların karakterini anlamak, onları yönetilebilir kılmak için kullandığımız en temel matematiksel model Normal Dağılım'dır.
"Doğaya derin bakın, o zaman her şeyi çok daha iyi anlayacaksınız." — Albert Einstein
Normal dağılım (genellikle çan eğrisi olarak bilinir), doğadaki ve endüstrideki birçok sürekli verinin ortalama bir değer etrafında simetrik olarak kümelendiğini gösteren istatistiksel bir olasılık dağılımıdır. Bu eğride verilerin çoğu merkeze yakındır ve uç değerlere (ekstrem hatalara) gidildikçe frekans giderek azalır.
Neden Önemli?
Altı Sigma ve Yalın Üretim felsefelerinin temel taşıdır. Bir sürecin davranışını tahmin edebilmek ve kontrol altında olup olmadığını anlamak için sürecin normal bir dağılım gösterip göstermediğine bakarız. Süreç normal dağılıyorsa, sadece doğal (genel nedenli) varyasyonlar vardır. Eğer dağılım bozuksa, süreçte acilen müdahale edilmesi gereken özel nedenli bir problem var demektir.
Kullanım Alanları
Kalite Kontrol: İstatistiksel Proses Kontrol (SPC) kartlarının oluşturulması ve kontrol limitlerinin belirlenmesi.
Üretim Mühendisliği: Makine ve parça toleranslarının (hurda oranlarının) hesaplanması.
Finans ve Risk Yönetimi: Riske Maruz Değer (VaR) hesaplamaları ve piyasa dalgalanmalarının modellenmesi.
Veri Bilimi ve Makine Öğrenmesi: Algoritmaların eğitimi öncesinde verilerin standartlaştırılması.
Temel Kavramlar
Ortalama (μ): Veri setinin aritmetik merkezidir. Çan eğrisinin tam tepe noktasını oluşturur.
Standart Sapma (σ): Verilerin ortalamadan ne kadar uzağa yayıldığını ölçer. Eğrinin genişliğini veya sivriliğini belirler.
Z-Skoru: Belirli bir veri noktasının, ortalamadan kaç standart sapma uzaklıkta olduğunu gösteren standartlaştırılmış değerdir.
Nasıl Çalışır?
Everyone believes in the normal law, the experimenters because they imagine that it is a mathematical theorem, and the mathematicians because they think it is an experimental fact. — Gabriel Lippmann1
Normal dağılımın matematiksel temeli, sürekli bir rastgele değişkenin olasılık yoğunluk fonksiyonuna dayanır. Hesaplaması çok uzun ve zor olan bu fonksiyonun formülü aşağıdaki şekilde ifade edilir:
Endüstride formülün kendisinden ziyade 68-95-99.7 Kuralı (Ampirik Kural) kullanılır. Eğer veriniz normal dağılıyorsa:
Verilerin %68.2'si ortalamanın ±1σ aralığındadır.
Verilerin %95.4'ü ortalamanın ±2σ aralığındadır.
Verilerin %99.7'si ortalamanın ±3σ aralığındadır.
Bu olasılıkların hesaplanmasındaki güçlük sebebiyle matematikçiler tarafından tüm olasılıklar hesaplanıp standart normal dağılım tablosu (Z-Tablosu) hazırlanmıştır.
Örnek Vaka
Bir CNC torna tezgahında üretilen çelik millerin çapını ölçtüğümüzü varsayalım. Hedeflenen ortalama çap μ = 50 mm ve sürecin standart sapması σ= 0.1 mm olsun. Eğer bu tezgah stabil çalışıyorsa (normal dağılım), ürettiğimiz millerin %99.7'si 49.7 mm ile 50.3 mm arasında olacaktır. Eğer kalite kontrol sırasında 50.5 mm çapında bir parça bulursanız, bunun rastgele bir hata olmadığını, takım aşınması veya operatör hatası gibi özel bir nedenden kaynaklandığını hemen anlarsınız.
Avantajlar
Öngörülebilirlik: Sürecin gelecekte nasıl davranacağını ve ne kadar hatalı ürün üreteceğini matematiksel olarak tahmin etmenizi sağlar.
Evrensellik: Merkezi Limit Teoremi sayesinde, anakütle normal dağılmasa bile, yeterince büyük örneklem ortalamaları her zaman normal dağılıma yaklaşır. Bu da t-testi veya ANOVA gibi güçlü analizleri kullanabilmemizin yolunu açar.
Dikkat Edilmesi Gerekenler
Sahada yapılan en büyük mühendislik hatalarından biri, her veri setinin normal dağıldığını varsaymaktır. Arıza süreleri (Weibull dağılımı), müşteri bekleme süreleri (Üstel dağılım) veya vardiyadaki kaza sayıları (Poisson dağılımı) normal dağılmaz. Veriyi körü körüne normal varsayıp tolerans belirlemek, 6 Sigma projelerinde kök neden analizini tamamen yanlış yönlendirir. İşe her zaman bir "Normallik Testi" (örn. Anderson-Darling) yaparak başlanmalıdır.
Verinin normal dağılıp dağılmadığını Normality uygulamasıyla hesaplayabilirsiniz.
Sonuç
Tıpkı kişisel gelişimimizde hatalarımızdan öğrenip doğrusunu bulduğumuz gibi, mühendislikte de süreçteki sapmaları anlamak gelişimin temelidir. Normal dağılım, mühendislerin bu kaotik varyasyon dünyasında düzeni görmesini sağlayan en berrak lenstir. Varyasyonu ölçemezseniz yönetemezsiniz; ölçmenin ilk adımı da bu çan eğrisinin dilini konuşabilmektir.
Sık Sorulan Sorular
Soru: Çan eğrisi ile normal dağılım tamamen aynı şey midir?
Cevap: Görsel ve pratik anlamda evet. Normal dağılımın grafiğe dökülmüş hali bir çana benzediği için bu isimle anılır. Ancak her çan şeklinde görünen eğri, matematiksel olarak kusursuz bir normal dağılım olmayabilir.
Soru: Altı Sigma'daki "6" rakamı normal dağılımla mı ilgili?
Cevap: Kesinlikle. Müşterinin kabul ettiği alt ve üst spesifikasyon limitleri arasına, sürecin standart sapmasından (σ) tam 6 adet sığdırabilme hedefini ifade eder. Bu seviyede hata oranı milyonda 3.4'tür (3.4 DPMO).
Soru: Verilerim normal dağılmıyorsa projeyi çöpe mi atmalıyım?
Cevap: Hayır. Verileriniz normal dağılmıyorsa, Box-Cox veya Johnson gibi veri dönüşüm (transformation) yöntemlerini kullanarak veriyi normalleştirebilir ya da analizlerinizi parametrik olmayan (non-parametric) istatistiksel testlerle yapabilirsiniz.
Notlar
1 "Matematikçiler normal dağılımın deneysel bir gerçek olduğunu, fizikçiler ise matematiksel bir teorem olduğunu düşünürmüş." İşin ne kadar zor olduğunu ve sorumluluğu diğer uzmanlara atan komik bir yaklaşım.
