FreshMail.pl

DMAIC – faza Analyse

Home / Uncategorized / DMAIC – faza Analyse

DMAIC – faza Analyse

Dziś omówienie kolejnej fazy projektów DMAIC –Analyse – która jest środkową i najważniejszą fazą w projekcie Lean Six Sigma. Zaczynamy!

Narodziny Lean Six Sigma

Dzisiejszy tekst zacznę jednak od tego, gdzie i kiedy powstała Lean Six Sigma. Jej kolebką jest firma Motorola, która postanowiła usprawnić swój proces podejmowania decyzji, budowania planów akcji i zarządzania zadaniami. Wynikało to z silnej konkurencji firm japońskich trafiających na rynek amerykański.

Największym problemem Motoroli było to, że efekty ich działań nie były skuteczne. Oni podejmowali decyzje, że realizują konkretne działania, angażowali w tym celu środki, zasoby, ludzi, projekty a na końcu okazywało się, że efekt był zupełnie inny od zamierzonego. Mimo podejmowanych działań, problem nie został wyeliminowany i ciągle powracał. Problemy dotyczyły wielu sfer, m.in. doskonałości operacyjnej czy jakości.

Do czego zmierzam? Całe podejście Lean Six Sigma jest skonstruowane po to, żeby poprawić jakość podejmowania decyzji odnośnie zmian w sposobie działania. Proste! Jaką zmianę zastosowali specjaliści z Motoroli? Zaczęli wykorzystywać metody statystyczne do podejmowania decyzji dotyczących zmian w procesach. Ich wykorzystanie do tych celów jest jedną z podstawowych cech wyróżniających Lean Six Sigmę na tle innych metod zarządzania procesami.

Jakość zależna od danych

Jakość podejmowanych decyzji zależy przede wszystkim od jakości danych. Na szczęście w fazie Measure dba się o to, żeby jakość zebranych danych była odpowiednia. Dzięki temu stojąc przed koniecznością pozyskania nowych informacji w fazie Analyse, będziemy wiedzieli, jak o to zadbać i właściwie to zrobić.

Natomiast w samej fazie Analyse analizujemy zebrane dane i podejmujemy decyzje. Z pewnością pamiętacie mój tekst o błędach popełnianych w ocenie sytuacji. Przypomnę: błędy α i β to najczęściej błędy wynikające z tego, że nasza ocena różni się od rzeczywistości. Takie same znaczenie mają w fazie Analyse.

Błędy, których należy unikać

Zastanówmy się, na czym polegają te dwa błędy z perspektywy historii powstania Lean Six Sigma. Jeżeli inżynierom Motoroli zależało na tym, żeby odpowiednio alokować swoje zasoby i czas w celu osiągnięcia właściwych efektów, to od Lean Six Sigma oczekiwali właśnie efektywności i skuteczności wykorzystywania zasobów. Nie zależało im na sytuacji, w której ciągle by błądzili bądź pracowali wokół nieistotnych zadań.

W związku z tym największym błędem, który możemy popełnić w Lean Six Sigma, jest wybór niewłaściwej przyczyny. Mówiąc wprost: wskazanie głównej przyczyny problemu, która w rzeczywistości nie ma nic z nim wspólnego. W takiej sytuacji alokujemy w fazie Improve środki i zasoby, żeby to zmienić. Natomiast na końcu okazuje się, że nie przynosi to żadnych efektów. I to jest właśnie ten poważniejszy błąd.

Drugim błędem jest sytuacja, w której zaprzeczamy, że dana przyczyna ma cokolwiek wspólnego z problemem i nie angażujemy żadnych środków w jej rozwiązanie, a w rzeczywistości okazuje się, że to była główna przyczyna problemu. Skoro została zbagatelizowana, problem również nie został rozwiązany.

Określenie zależności

W fazie Analyse musimy wiedzieć, jakiego typu błędy są ważniejsze i mniej istotne. W Lean Six Sigmie bardziej ryzykownym jest robienie czegoś, co nie przyniesie efektu niż nierobienie niczego i ciągłe drążenie tematu. W statystyce, a tym samym w Lean Six Sigmie, podejmowanie decyzji sprowadza się do prostej rzeczy. Tak naprawdę musimy podjąć jedną zasadniczą decyzję czy coś ma czy nie ma wpływu na poruszany problem. Należy odpowiedzieć sobie na pytanie, czy nasz proces zmienia się w wyniku występowania konkretnej przyczyny. Trzeba omówić dwa przypadki: ma / nie ma wpływu oraz widzimy / nie widzimy różnicy.

Weryfikacja hipotez

Cały proces powiązany jest z hipotezami, które powinniśmy zweryfikować.

Pierwsza z nich mówi o tym, że dana przyczyna nie ma żadnego wpływu na problem, a po jej wyeliminowaniu nie widzimy różnicy w procesie. Hipoteza, która wskazuje, że nie warto zajmować się daną przyczyną, to hipoteza zerowa.

Natomiast hipoteza, w której widzimy wpływ konkretnej przyczyny na problem, a po jej wyeliminowaniu różnice są zauważalne, jest hipotezą alternatywną.

Obie hipotezy nie mogą być prawdziwe jednocześnie. Dlatego w fazie Analyse zbieramy i analizujemy odpowiednie dane, żeby wskazać, która z nich jest prawdziwa.

Solidny wstęp do analizy

Od czego właściwie zaczyna się faza Analyse? Wyobraźcie sobie, że musicie przeanalizować pewną grupę przyczyn problemu. W tym momencie nie wiecie, czy hipoteza zerowa czy alternatywna jest prawdziwa. Zaczynacie je zatem analizować. Zbieracie dane zgodnie z fazą Measure (z wykorzystaniem systemów pomiarowych) i na końcu weryfikujecie dobry – zły, hipoteza zerowa – hipoteza alternatywna. Teoretycznie można by było to robić w nieskończoność do momentu znalezienia właściwej przyczyny.

Dlatego na początku fazy Analyse bardzo ważny jest sposób i metoda wyboru przyczyn do analizy. Może być w tym celu wykorzystana burza mózgów, następnie odpowiednie sita, które wskażą najbardziej prawdopodobne przyczyny. Dopiero tak wyselekcjonowane przyczyny należy analizować.

Charakter ciągły lub dyskretny

Sama analiza jest bardzo prosta, gdyż w większości przypadków sprowadza się do dwóch jej typów. Wybór konkretnej zależy od rodzaju posiadanych danych. Jak wiecie, dane mogą być ciągle lub dyskretne. Natomiast nasz problem (Y), który analizujemy, w 99% przypadków ma charakter ciągły. Wynika to z tego, że zebrane dane dotyczą wzrostów, spadków, zmiany Y w czasie itp. Obserwacja tych wskaźników ułatwia nam zauważenie problemu w procesie.

Co jednak, jeśli problem będzie jednak dyskretny? Wykorzystujemy wówczas PPM, DPMO czy różnego rodzaju wskaźniki pokazujące jak często i jak bardzo zmienia się problem w czasie (wtedy przyjmuje już charakter ciągły).

Jeżeli Y ma charakter ciągły, to typy analiz zależą tylko i wyłącznie od rodzajów przyczyny (X), którą analizujemy. Natomiast sam X może być ciągły albo dyskretny. Nad samym tematem analiz nie będę się rozwodził, gdyż mam nadzieję, że uda mi się przybliżyć rodzaje analiz statystycznych w najbliższym czasie. Powiem tylko krótko: jeśli mam X ciągły i Y ciągły – robimy regresję, korelację, R2 i z tego wyciągamy wnioski statystyczne. Jeżeli nasz X ma jednak wartość dyskretną, robimy testy, albo na średnią albo na standardowe odchylenie lub analizę Anova. Wiele ciekawych metod pozwoli nam na określenie, która z hipotez jest prawdziwa.

Hipoteza alternatywna poszukiwana

Jak sądzicie, która z hipotez jest najbardziej znacząca w projekcie? Tym, czego szukamy, jest hipoteza alternatywna. To ona wskazuje, że warto skupić się na danej przyczynie, poświęcić wewnętrzne koszty i zasoby, aby mieć cel i efekt.

Mam nadzieję, że udało mi się skutecznie i ekspresowo wytłumaczyć, czym jest faza Analyse. Jeżeli chcecie poznać wszystkie fazy projektu i nauczyć się prowadzić skutecznie projekt Lean Six Sigma, zapraszam na moje szkolenia.

Chcesz być na bieżąco i otrzymywać co tydzień maila o projektach, szkoleniach i sensorach?

Proszę zapisz mnie na newsletter. 

FreshMail.pl