Six Sigma Menedzsment
description
Transcript of Six Sigma Menedzsment
1
DEBRECENI EGYETEM
KÖZGAZDASÁG- ÉS GAZDASÁGTUDOMÁNYI KAR
Six Sigma menedzsment és a Lean
eszközök
Készítette: Kotsis Ágnes
Egyetemi adjunktus
Debrecen, 2013
2
„I look at Six Sigma as a foundation on wich you can build more innovation.” – JEFFREY R. IMMELT, A
GENERAL ELECTRIC ELNÖKE
Ahogy a fentebbi idézet is sugallja, a General Electric (GE) nagy hangsúlyt helyez a fejlesztés
eszközeként tekintett Six Sigma módszerre. 1995-ben kezdték el alkalmazni azzal a céllal, hogy 2000-
re Six Sigma vállalattá váljanak.1
Egy gyors Internetes kereséssel magunk is meggyőződhetünk arról, hogy a Six Sigma mennyire
népszerű minőségfejlesztési megközelítés. De számos különbséget figyelhetünk meg a hagyományos
minőségfejlesztési módszerekhez képest. Először is a Six Sigma nagyon átgondolt minőség fejlesztési
eszköztárat és elméletet foglal magában annak érdekében, hogy a minőség fejlesztési erőfeszítések
konkrétak, precízek és ugyanolyan eredményességgel bárhol alkalmazhatóak legyenek.
Másodszor, a Six Sigma középpontjában a hagyományos folyamatos fejlesztés (continuous
improvement) módszerekhez képest leginkább a költség-csökkentés áll. Emiatt is olyan népszerű a
vállalatvezetők körében. Valójában a „minőségügyisek” kevéssé foglalkoznak az eredményekkel azt
állítva, hogy ez a megközelítés ellentétben áll Deming számos tételével, (például azzal, amelyik a
költségcsökkentési célokkal foglalkozik). De a Six Sigma támogatói szerint éppen ez a profit
orientáltság adja a módszer erősségét.
A harmadik tényező az az módszer, ahogy a Six Sigma bevezetésre kerül. A Six Sigma tulajdonképpen
egy aranybánya a tanácsadóknak és tréningszervező vállalkozásoknak, mivel a bevezetéshez
szükséges a Szponzorok, fekete-övesek, zöld övesek és olykor sárga-övesek képzése.
Negyedikként a Six Sigma és a Lean kombinálásával létrejövő Lean – Six Sigma egy olyan fajtája az
eredeti modellnek, amely egyben a veszteség csökkentésére is fókuszál.
1. Mi a Six Sigma?
A sigma a görög szimbólumra utal, amelyet a szórás jelölésére használnak. A „six” azaz a hatos pedig
a távolságra utal a folyamat átlaga és egy meghatározott specifikációs határ között.
Két eredeti verziója létezik a Six Sigmának. Egyfelől a Six Sigma egy olyan program volt, amelyet a
Motorola vezetett be 1982-ben. Abban az évben a Motorola vezérigazgatója a költségek felére
csökkentését tűzte ki célul, majd megismételte ezt a következő évben is. Ezek az erőfeszítések
eredményezték, hogy a Motorolánál szükségessé vált a terméktervezés és az elemzési módszerek
fejlesztése. Így a Motorola elsősorban a termékfejlesztésre fókuszált a Six Sigma bevezetésekor.
1 Foster S. T. (2010): Managing Quality. 4th edition. Pearson Prentice Hall, Upper Saddler River, New Jersey.
könyve alapján fordítás, amely kizárólag oktatási célokat szolgál.
3
1. ábra. A Six Sigma folyamatok szórása
Az 1. ábra azt mutatja be, hogy mit is jelent mindez a statisztika nyelvén. Az (a) ábra mutatja egy
tipikus termék jellemzőjének eloszlását 3-szórásnyi specifikációs határokkal. Ebben az esetben a
termékek kb. 0,5%-a nem fog megfelelni az elvárásoknak (azaz kívül esik a specifikációs határokon). A
(b) ábrán a specifikációs határok 6 szigma távolságra vannak, így a nem megfelelősség valószínűsége,
nagyon kicsi lesz. Az 1. táblázat ehhez kapcsolódóan pedig azt mutatja be, hogyan változik az egy
millió darab termékre eső hibás darabok száma (ppm – parts per million) egy és hat szigmás
folyamatok esetében. Ezt a definíciót alkalmazva a Six Sigma lefordítható egy sokkal precízebb
termékmegjelenésre, radikálisan alacsony hibaszámra és ezáltal alacsony - a nem megfelelőségből
eredő - hibaköltségre.
1. táblázat. A folyamatok Sigma szintje és a hibaszám alakulása
Sigma szintje Hosszú-távú hibaszám (ppm*)
1 691 462
2 308 538
3 66 807
4 6 210
5 233
6 3,4 *: ppm= parts per million, azaz egy millió termékre eső hibaszám
A kezdeti koncepcióból, hogy fejlesszék a Motorola termékek precizitását és megbízhatóságát
(robosztusságát), a Six Sigma átalakult egy szervezeti szintű programmá, amelyeknek célja a fejlesztés
az egymásra épülő tréningek és szervezeti tanulás által. Ahogy majd látni fogjuk, egyik elemzési
eszköz sem új, amelyeket a Six Sigma alkalmaz. Ami újszerű az a koncepció, ahogyan csoportosításra
kerülnek, és ahogyan alkalmazzák azokat a szervezeten belül.
Néhányan úgy vélik, hogy a Six Sigma egy haladó minőség fejlesztési megközelítés, amely alkalmas a
legnehezebb minőségi problémák kezelésére is. Ahogy a 2. ábrából is látható, az alap minőség-
eszközök (7 basic tools of quality) a problémák 90%-nak kezelésére alkalmasak. De a maradék 10%
haladó képzéseket és komoly analitikai tudást igényel. Emellett néhány probléma olyan szakembert
kíván, akiket valószínűleg nem találunk majd a vállalaton belül. Így látható, hogy nem mindegy,
milyen problémákat kívánunk megoldani a Six Sigma projektekkel. A Six Sigma alapját a következő
egyenlet adja:
4
)(XfY = (1)
Nagyon szűken azt mondhatjuk, hogy az Y (a függő változó) az X függvénye (független változó). A Six
Sigma gyakorlóknak ez azt jelenti, hogy az eredmény az inputok és folyamatok függvénye, ahol
Y= az eredmény (alapvető üzleti célok, és annak mérése)
f= a függvény (a kapcsolat a kontrollálni kívánt és az irányított változó között)
X= kontrollálható és nem kontrollálható változók, amelyek hatással vannak az Y-ra.
Például egy vállalat nyereségességét (Y) számos tényező befolyásolja (X) például a fogyasztói hűség,
készletforgás, termelési költségek, stb. Ha az a célunk, hogy növeljük a nyereségünket, akkor ha
ezekre a tényezőkre fókuszálunk, projektről projektre javíthatjuk a teljesítményünket. Ebben az
esetben a menedzsment feladata, hogy azonosítsa és priorizálja a feladatokat a célok pl. a magasabb
profit elérése érdekében. A munkavállalóké pedig hogy megfelelő képzésekkel és szakértelemmel
megvalósítsák ezeket a feladatokat.
Ahogy láthatjuk, a Six Sigma egy konkrét vállalat megközelítésmódja volt a költségek csökkentése és a
minőség fejlesztése érdekében. Napjainkra több ennél. Magában foglalja a tervezést, szervezést,
képzést, emberi erőforrás tervezést és a tudás megtérülését. Ez megkíván mind szervezeti szintű
mind pedig egyéni együttműködéseket. A GE-nél a vezetés világossá tette, hogy a Six Sigmában való
részvétel előfeltétele a karrierben való előrehaladásnak.
2. A Lean – Six Sigma alkalmazása
Minden bizonnyal hallott már olyanokról, hogy Lean – Six Sigma fekete övesek. Ők olyan
szakemberek, akik szigorú és költséges fekete-öves képzéseken vettek részt és túl vannak már egy-
két eredményes Six Sigma projekten.2 Egy ilyen képzés költsége 10 000$ és 20 000$ között mozog.
Ezzel szemben a Six Sigma projektek várható nyeresége százezres nagyságrendben mérhető. Bár ezek
az arányok vonzóak lehetnek a menedzsment számára, a szervezet számára inkább kényszerítő
erejűek a minél kiválóbb eredmények elérésére.
Az alábbiakban néhány kulcsszereplőt mutatunk be, akik fontos szerepet játszanak a Six Sigma
bevezetésében:
Szponzor: A Szponzor feladata, hogy a fekete övesekkel vagy potenciális fekete övesekkel
együttműködve azonosítsák a lehetséges projekteket. Számos forrásból szerezhetnek
információkat ehhez, úgy mint a piac hangja (voice of the business – VOB), a vevő hangja (voice
off the customer – VOC), a munkavállalók hangja (voice of the employee – VOE). A 2. ábra azt
mutatja be, hogy a Szponzorok tölcsérszerűen összegyűjtik a projekt ötleteket, és Pareto
elemzés segítségével meghatározzák, melyik ötlet eredményezi a legnagyobb fejlődést. Ehhez
alkalmazzák a COPQ (cost of poor quality) elemzést vagy más, a minőséggel kapcsolatos
veszteségek meghatározására használt elemzéseket is, mint pl. a regresszió elemzéseket. A
Szponzorok szemszögéből a Six Sigma nem csak egy eszköz, de annak módszere, hogy hogyan
menedzseljük a folyamatokat és azok fejlesztését. A Szponzorok folyamatos támogatást
2 Ez a bizonyítványt kiállító szervezettől függ.
5
nyújtanak a projektekhez, és annak lezárultával ellenőrzik az eredményeket. Egy
kisvállalkozásban a Szponzor lehet a vezérigazgató, nagyobb szervezetnél lehet az igazgató-
helyettes is.
2. ábra. A Szponzorok döntéshozatala
Fekete-öves mester. Néhány vállalatnál a tapasztalt fekete-öveseket mesterekké nevezik ki.
Ebben az esetben a mester mentor szerepet tölt be és kiképzi az új fekete-öveseket. Ezzel a
tréningek házon belül bonyolíthatók le, ami jelentős költség csökkentést eredményez.
Fekete övesek. A fekete övesek kulcsszereplői a Six Sigma rendszernek. Ők olyan speciális
képzést kapott egyének, akik teljes idejükben költség-csökkentő projekteket visznek. (a
képzések általában 4 hónapig tartanak.) GE-nél a fekete övesekkel szembeni elvárás, hogy már
legalább két befejezett projekten túl legyenek. Mindegyik projekt ideje 2 hónap és egy év
között mozoghat. A fekete öves egy specialista. A Six Sigma bevezetését követő 9 hónapban, az
azt alkalmazó részlegeknél, a GE 115 fekete öves pozíciót hirdetett meg és hozott létre.3 Egy kis
és közepes vállalkozásnak elegendő 1-5 fekete övest alkalmaznia egyszerre. Az szakemberek
körülbelül 2 évet töltenek el fekete övesként, utána általában vezetői pozícióba kerülnek. A
fekete öves tapasztalat egyébként nagyon értékes a munkaerőpiacon és könnyű vele új
álláslehetőséget találni.
3 Hendricks, C. A. – Kelbaugh, R. L. (1998): Implementing Six Sigma at GE, Journal for Quality and Participation,
Vol 21., No. 4., pp. 48-53.
VOB
VOC pénzügyi adatok
stratégia
ötlet
szűkös
erőforrások
Szponzor
fekete öves projektek
VOE
6
Zöld övesek. A zöld övesek képesek a minőség alapeszközeinek (7B) alkalmazására és
alkalmasak minőség fejlesztési csoportmunkára. A zöld övesek részidőben foglalkoznak a
folyamatokkal és azok fejlesztésével. Néhány esetben az eredmény egyébként ugyanaz mint a
fekete öveseknél. Más szervezeteknél a zöld öveseket kevésbé kritikus projektekbe vonják csak
be. Egy 100 főt alkalmazó vállalkozásnál 1 fekete öves és 60 zöld övest érdemes alkalmazni.
Néhány vállalatnál vannak ún. sárga övesek is, ők olyan alkalmazottak, akik ismerik a
fejlesztendő folyamatot.
2.1.A Lean és a Six Sigma együtt
Azok a vállalatok, amelyek alkalmazzák a Six Sigmát úgy tapasztalják, hogy nagyon sok közös vonása
van a Lean-nel. Ahelyett, hogy a két modellt egymással versenyeztetnék, kombinálják azokat. Ezek a
vállalatok a DMAIC ciklus lépéseit követik. Ugyanakkor a Lean-nel a Six Sigma fókuszpontja eltolódik a
veszteségek megszűntetése felé. A veszteségeket a japán muda szóval jelölik (a veszteség 7 forrása).
A Lean a veszteségek csökkentésére törekszik, egyúttal nagy hangsúlyt fektet az éppen-időben-elv
(just-in-time) alkalmazására, amelyet a húzó rendszerű termelésen (pull production) keresztül juttat
érvényre. Eszerint minden folyamat tartalmaz veszteségeket, következésképpen fejleszthető.
Kiindulásként említhetjük Shingo 7 veszteség forrását: túltermelés, hiba, készlet, felesleges mozgás,
felesleges folyamatok, szállítás, várakozás.
3. ábra. Egy folyamat érték áram térképe
A lean szemléletben azonosítani kell az érték-áramot, ez a SIPOC4 ábra segítségével történhet, amikor
azonosítják azokat a lépéseket, amelyek nem teremtenek értéket a vevő számára. Így a Lean
segítségével csökkenthetjük a költségeinket, a selejtkibocsátást, és növelhetjük a fogyasztó számára
nyújtott értéket. A 3. ábra egy ilyen érték-áramot mutat be, tartalmazza az információ áramlás útját,
a folyamatlépéseket, az egyes lépések átlagos idejét. Néha tartalmazza a ciklus időt, a költséget, és a
4 SIPOC – táblázatos formában összegzi a folyamatok inputját és outputját, a táblázat oszlopainak
elnevezéséből származik a szó: supplier, inputs, process, outputs, costumers (szállító, inputok, folyamatok, eredmények, vevők)
7
gyártásközi készlet (WIP - work-in-process inventory) mennyiségét is. Ez alapot nyújt a
hatékonytalanságok vizsgálatára és megszűntetésére.
3. A DMAIC ciklus
A 2. táblázat tartalmazza a DMAIC kör lépéseit: define (meghatározás), measure (mérés), analyze
(elemzés), improve (fejlesztés), és control (ellenőrzés). Ez nagyon hasonlít a PDCA ciklushoz, amely
Shewart és Deming nevéhez kapcsolódik. Minden lépést kétszer tárgyalunk. Egyrészt itt definiáljuk,
majd mindegyik esetében bemutatjuk az alkalmazható minőség eszközöket. Ezekről a 4. ábra egy
nyújt áttekintést. Amennyiben a 7 alapvető eszközről van szó, abban az esetben említjük, de a
bemutatásra másik fejezetben kerül sor.
4. Meghatározás
Ebben a szakaszban történik a projektek azonosítása és kiválasztása. Ez mindig egy Szponzor
irányításával történik, de részt vehetnek benne a fekete öves mesterek, fekete övesek és zöld övesek.
4.1 esettanulmány kidolgozása
Ez magába foglalja a lehetséges projektek megfogalmazását, az esettanulmány megírását, és az
esettanulmány alapján probléma és cél megállapítását. A következőkben bemutatunk egy
Meghatározás Mérés Elemzés Fejlesztés Ellenőrzés
• Esettanulmány
• Projekt kívánság mátrix
• Probléma/cél megállapítás • Elsődleges/másodlagos mérőszámok • Változásvezetés
• VOC/QFD
• SIPOC
• Folyamatábra
• XY mátrix
• Folyamat FMEA • alapstatisztikák
• döntéshozatali módszerek
• Grafikus adatelemzési módszerek: o idősor-ábrák o szabályozó kártyák o Pareto-ábra o Hisztogram o Szóródási diagram o Kalicka ábra (box-plot) o eloszlás ábra
• Grafikus adatelemzési módszerek
• Multi-vari elemzés
• Statisztikai eszközök: o Konfidencia
intervallum o Mintanagyság
• Hipotézis vizsgálat o t-próba o egyenlő szórás teszt o Khi-négyzet próba o minősítéses próbák
• Korrelációelemzés
• Regresszió elemzés
• Folyamatmodellezés és elemzés
• Hipotézis teszt o Anova o Nem-parametrikus tesztek
• Kísérlettervezés (DOE)
• Haladó Regresszió elemzés
• Folyamatmodellezés
• Próba és teszt
• Megoldáskeresés: o Ellenintézkedés mátrix o Kockázat menedzsment
• Megoldás bevezetése o hibabiztos megoldások o átlátható szervezet
• Ellenőrzéstervezés o Képzés o Dokumentáció o Nyomon követés o Visszacsatolás o Szervezet és felépítés
• Szabályozó kártyák
• hipotézis vizsgálat
• Folyamatképesség értékelés • best practice megosztás
4. ábra. A Six Sigma projekt áttekintése
8
esettanulmányt. Ez egy rövid szöveg, amely felvázolja a célokat, a mérhető adatokat és a projekt
szükségességét igazolja.
Az utóbbi 4 hét alatt (2009. január 1. és február 1. között) a 4-es régióban található 3-as számú gyár
teljesítménye 57%-os kapacitás kihasználás volt, amely 5.6 millió $-os COPQ-ban, azaz a nem
megfelelő minőség miatti költségben nyilvánult meg. Ennek kiküszöbölésére a teljesítmény 50%-kal
való növelését, azaz a kapacitás 85%-osra növelését, ezáltal 3 millió $-os megtakarítását tűzzük ki
célul 2010. február 1-re. Ezzel a gyár megfelel majd a cég 2010-es céljának, amely az eladásokat az
adott régióban 10 millió $-ral kívánja növelni.
A RUMBA hivatott az esettanulmány megfelelőségének ellenőrzésére:
• Realistic: a célok elérhetőek, az időtáv megvalósítható legyen
• Understandable: Érthető legyen
• Measurable: Konkrét mérhető adatokat tartalmazzon
• Believable: Hihető legyen
• Actionable: kivitelezhető legyen
4.2 Projektértékelés
Számos módszer létezik a projektek értékelésére. Itt most ezek közül a projekt kockázat értékelést
fogjuk bemutatatni, mint egy lehetséges módszert.
Példa: Kockázat elemzés
Feladat: Az 5. ábra mutatja a jelölt projekt kockázat értékelését, minden értékelési szempontnál
lehetőség van „igen”, „bizonytalan” és „nem” válaszok adására. Mindegyik értékelési szempont
fontosságát 1-10 skálán határoztuk meg, és az igen – 0, a bizonytalan – 3, a nem – 5 pontot ér.
Megoldás: A válaszok pontértékét megszorozzuk az adott értékelési tényező fontosságával. A súlyok
összege 200 ebben az esetben, míg a szorzat összeg értéke 390 pont. Mivel a lehetséges maximális
pontszám 200*5=1000 pont, így a projekt kockázati faktora 390/1000=39%-os.
9
5. ábra. Projekt kockázat értékelés
A 6. ábra a projekt eredmény értékelését mutatja be. Ebben az esetben a potenciális projekt három
tényező mentén került értékelésre: növekedés, sürgősség, és hatás. Részletesen lásd az alábbi
keretes példában
10
6. ábra. Projekt eredmény értékelése
11
Példa: Projekteredmény értékelés
Feladat: Ahogy a projekt eredmény értékelő lap mutatja (6. ábra) mindhárom kategóriában a
projektünk értékelése kettes.
Megoldás: Összegezve a három értékelést az elért pontszám 6 a lehetséges 15-ből. Ez 40%-os
eredményt jelent. Összegezzük a két elemzés eredményét egy projekt kockázat és eredmény mátrix
segítségével (7. ábra). Ez alapján azt láthatjuk, hogy a projekt csak akkor éri meg, ha rövid idő alatt
befejezhető.
7. ábra. Projekt kockázat és eredmény mátrix
4.3. Pareto elemzés
A Bajnok feladata a nem megfelelősségből adódó költségek elemzése. Ez az ún. PAF paradigmán
alapul5. A belső és külső hiba költségek meghatározása segít annak meghatározásában, hogy hol
szükséges a leginkább fejleszteni. A 8. ábra egy kétszintes pareto elemzést mutat be a minőség
költségek alapján. Az első szintű elemzés azt mutatja, hogy 5.6$-os az „A” gyár minőségköltsége. Ez a
legnagyobb veszteséget produkáló üzem. Ha elemezzük a nem megfelelő minőség okait az „A” gyár
esetében, világossá válik, hogy a P folyamat adja az 5,6 millió $-os veszteség 62%-át. Így a projekt egy
jelentős költségcsökkentés reményét hordozza.
5 A PAF a minőség költéség kategóriáknak angol megfelelője: prevention cost (megelőzési költségek), approval
costs (vizsgálati költségek) és Failure costs (hibaköltségek)
0 10 20 30 40 50 60 70 80 90 100
Projekt kockázat
100
90
80
70
60
50
40
30
20
10
STARS
LOW-HANGING FRIUTS DOGS
? Pro
jekt e
red
mé
ny
12
8. ábra. Pareto elemzés
13
4.4. Feladat meghatározás
Amennyiben a kockázat és a pareto elemzés megtörtént, a projekt meghatározás során
megfogalmazzuk a megoldandó feladatot, a projekt célokat, az elsődleges és másodlagos
mutatószámokat, és kijelöljük a csoporttagokat.
Az alábbi 3. táblázat egy ilyen feladat meghatározást mutat be
3. táblázat. Feladat meghatározás
Feladat meghatározás 2009-ben az „A” üzem vesztesége 5.6 millió $ a nem megfelelő minőségből adódóan. Ebből 3,5 millió $ a P folyamatnak köszönhető. Ez a gyár nyereségességét csökkentette.
Projekt cél Az év végéig a P folyamat COPQ –jának 30%-os csökkentése.
a nem megfelelő minőség költsége (COPQ)
Állásidő
javítások aránya (a forgalom %-ban)
Forgalom
Elsődleges mutatószámok
Selejt (a forgalom százalékában)
Másodlagos mutatószámok
munka hatékonyság
Tagok Kovács István Kiss Éva Faragó Árpád Molnár János
5. Mérési szakasz
Ez a szakasz két fő lépést foglal magában:
• ki kell választani a megfelelő kimeneti mutatót,
• igazolni kell a méréseket.
5.1. A megfelelő kimeneti mutató kiválasztása
A következő eszközöket alkalmazhatjuk ebben a szakaszban: folyamat ábra, XY mátrix, FMEA, Gauge
R&R elemzés, folyamatképesség vizsgálat. Ahhoz hogy meghatározzuk a folyamat kimeneteit, meg
kell értenünk magát a folyamatot. Ez magában foglalja a folyamat térkép elkészítését. Ez egy olyan
folyamatábra, amely tartalmazza a felelősöket is. A következő ábra egy olyan folyamatábrát mutat
be, amely tartalmazza a Bajnok felelősségét a Six Sigma folyamatban. Fontos megjegyezni, hogy
bármelyik lépés tovább bontható alacsonyabb szintű folyamatábrává. A folyamatábra célja, hogy
azonosítsa az értéket nem teremtő lépéseket. Két mutató, amellyel mérni tudjuk a folyamat jóságát a
DPU (Defects Per Unit, azaz az egy termékre eső hiba), és DPMO (Defects, Per Million Opportunities,
az egy millió esetre jutó hibaszám).
14
Az XY mátrix a vizsgált folyamat inputjainak (X) és outputjainak (Y) azonosítására szolgál. A következő
ábra egy lehetséges XY mátrixot mutat be. Az inputok lehetnek különböző tulajdonságok, lépések,
amelyeket a munkafolyamati leírás (SOP – Standard Operating Procedures) tartalmaz, stb. Ezeket a
baloldali első oszlopban rögzítjük. Az outputok szintén lehetnek a termék meghatározó tulajdonságai,
ebben az esetben legyen a méretezés, a hegesztési pontok száma. Mindegyik outputnak van egy
fontossági mérőszáma egy 1-10 skálán. A mátrix pedig az inputok és az outputok közötti korrelációs
kapcsolatot írja le szintén 1-10 skálán. Minden sorban lévő kapcsolati koefficienst megszorzunk az
adott tényező fontossági súlyszámával, és az összeg alapján meghatározzuk a legfontosabb input
tényezőt, amely ebben az esetben a munkafolyamati leírás lesz, majd a hegesztési terv.
Példa:
Feladat: A 4. táblázat tartalmazza egy folyamat inputjainak és outputjainak kapcsolatát. Az inputok A-
tól G-ig az első oszlopban találhatók. Határozza meg, hogy melyik inputtényező a legfontosabb!
Megoldás: A 3. táblázat tartalmazza megoldást a fentebb ismertetett módszer szerint. Ez alapján az F
és a D inputok a leglényegesebbek és ezért érdemesebb ezeket közelebbről is tanulmányozni.
4. táblázat
Projekt: Szolgáltatási folyamat
Dátum 2012. szept. 20.
Ou
tpu
tok
Szá
llít
ó
kiv
ála
sztá
s
Alk
atr
ész
kiv
ála
sztá
s
Be
lső
átf
utá
si
idő
Kö
ltsé
g
Kis
záll
ítá
s
Szo
rza
t
So
rszá
m
Súlyok 7 10 8 9 5
Inputok
A 10 4 5
B 9 7 2
C 8 4 10
S 10 9 8
E 4 3 10
F 4 7 8 5 10
G 3 7 10
5. táblázat. Megoldás
Projekt: Szolgáltatási folyamat
Dátum 2012. szept. 20.
Ou
tpu
tok
Szá
llít
ó
kiv
ála
sztá
s
Alk
atr
ész
kiv
ála
sztá
s
Be
lső
átf
utá
si
idő
Kö
ltsé
g
Kis
záll
ítá
s
Szo
rza
t
So
rszá
m
Súlyok 7 10 8 9 5
15
Inputok
A 10 4 5 177 5
B 9 7 2 137 6
C 8 4 10 186 3
S 10 9 8 224 2
E 4 3 10 102 7
F 4 7 8 5 10 257 1
G 3 7 10 181 4
FMEA
Az Failure Mode and Effects Analysis – azaz a hibahatás elemzés – annak eszköze, hogy egy folyamat
vagy termék esetében meghatározzuk a folyamat kritikus hiba okait, hibáit és elemeit (alkatrész vagy
lépés).
5.2. A mérések igazolása
Ha ménünk kell egy folyamat kritikus tulajdonságait, akkor szükséges valamilyen űrmérték, tolómérő,
vagy valamilyen mérőeszköz alkalmazása. Bár legtöbbször ezek az eszközök nagyon pontosak, mégis
okozhatják a mérések különbözőségét. Ennek eredményeként szükséges a mérési rendszer elemzése
(MSA – measurement system analysis), amelynek célja, hogy meghatározza vajon a mérések
megfelelőek-e. Egy másik lehetőség, ha termék vagy folyamatképesség vizsgálatot futtatunk le.
Gauge R&R analízis
A leggyakrabban használt mérőrendszer-elemzés eszköz a Gauge Repeatability and Reproducibility,
azaz az ismételhetőségi és reprodukálhatósági elemzés, amely arra szolgál, hogy meghatározzuk a
mérések során a mérőeszközök pontosságát és a mérést végző személyek precizitását. Ha a mérések
nem pontosak, akkor ez a mérések szórásának növekedését eredményezi. Nyilvánvalóan nem célunk,
hogy ezen hibás (nem precíz) adatok alapján helytelen következtetéseket vonjunk le. A mérésekkel
kapcsolatos hibák a következőkből fakadhatnak:
• a mérőműszer hibája,
• az mérést végző személy nem megfelelően használja a mérőműszert,
• nem volt megfelelő a mérés betanítása,
• a mérőműszert hibásan kalibrálták.
A mérőrendszer-elemzéshez az ANOVA elemzést alkalmazhatjuk, amelynek segítségével
meghatározhatjuk hagy a szóródás a mérendő egységből, a mérést végző személyek
különbözőségéből, vagy a mérőműszerből fakad-e.
16
9. ábra. Az ingadozás forrásainak felbontása
Forrás: Sági Kiss Virág – Lencsés Gergő (2007): Mérőrendszer elemzés (Gauge R&R) jelentősége. Magyar Minőség, 10. sz.,
12-17
A fenti ábra alapján a különböző alkatrészekre kapott eredmények eltérését jellemző szórás a
következőképpen bontható fel:
mérésalkatresztelj222
σσσ += ()
A mérésnek tulajdonítható ingadozás is két részből áll:
reprodismmérés222
σσσ += ()
A reprodukálhatóság varianciáját tovább bontva:
kezeloalkatreszkezeloreprod *222
σσσ += ()
A szórásösszetevők becslését a terjedelem vagy az ANOVA-módszer segítségével végezhetjük. A
terjedelemből történő becslés egyszerűbb, de ez figyelmen kívül hagyja az alkatrészek és kezelők
közötti kölcsönhatást. Amennyiben a kölcsönhatás nem jelentős, a két módszer hasonló eredményt
ad. A professzionális statisztikai programokkal természetesen mindkét módszer szerint elvégezhetjük
az adatok elemzését, és a számszerű értékelésen túl grafikai szemléltetéssel is kiegészíthetjük a
vizsgálatot.
Mikor megfelelő a rendszer? Ha a mérési hiba σ2mérés minél kisebb. A mérési rendszer teljesítményét
a következőképpen számíthatjuk ki, és az értékelést 0 4. táblázat tartalmazza.
17
100%&2
2
teljes
mérésRR
σ
σ=
()
2. táblázat. A mérési rendszerrel szembeni elvárások
R&R% Minősítés
>30% nem elfogadható
10%< R&R%<30% feltételesen elfogadható
<10% megfelelő Forrás: Kövesi J. – Topár J. (2006): A minőségmenedzsment alapjai. Typotex Kiadó, Budapest.
Példa: Gauge R&R elemzés
Feladat: Az alábbi táblázat tartalmazza a mérések eredményeit. 3 mérést végző személyünk van, akik
mindegyike lemérte az adott alkatrészt kétszer. )Összesen 20 alkatrészt vizsgáltak meg. A
mérésekben megfigyelhető valamekkora szóródás, ugyanakkor nem tudjuk, hogy ez a különbözőség
az alkatrészből, a mérést végző személyből, vagy a mérőműszerből ered.
Megoldás: Futtassunk le két-utas ANOVA elemzést. Ahol a p szignifikancia érték kisebb, mint 0,05, ott
5%-os s szignifikancia szint mellett az adott tényezőnek nincs szerepe a mérések különbözőségében.
op 1 op 2 op3
1 21 20 19
20 20 21
2 24 24 23
23 24 24
3 20 19 20
21 21 22
4 27 28 27
27 26 28
5 19 19 18
18 18 21
6 23 24 23
21 21 22
7 22 22 22
21 24 20
8 19 18 19
17 20 18
9 24 25 24
23 23 24
10 25 26 24
23 25 25
11 21 20 21 20 20 20
12 18 17 18
19 19 19
13 23 25 25
25 25 25
14 24 23 24
24 25 25
15 29 30 31
30 28 30
16 26 25 25
26 26 27
17 20 19 20
20 20 20
18 19 19 21
21 19 23
19 25 25 25
26 24 25
20 19 18 19
19 17 17
Az SPSS elemzéshez az adatokat át kell alakítanunk. A mérések kerüljenek egy oszlopba, és vegyük fel az alkatrész és az
operátor változókat. Az alkatrész adja a mért alkatrészt (1-től 20-ig), az operátor pedig a mérést végző személy számát (1-től
3-ig).
Az SPSS-ben való elemzéshez keressük ki az analyze�General linear model�univariate parancsot. A dependent változó: a
mérés, a fixed factors: az operátor és az alkatrész. Az elemzés lefuttatásával az alábbi eredményeket kapjuk:
18
Tests of Between-Subjects Effects
Dependent Variable:meres
Source
Type III Sum of
Squares df Mean Square F Sig.
Partial Eta
Squared
v_alkatrész 1185,425 19 62,391 62,915 ,000 ,952
v_operator 2,617 2 1,308 1,319 ,275 ,042
v_alkatrész * v_operator 27,050 38 ,712 ,718 ,861 ,313
Error 59,500 60 ,992
Total 1274,592 119
a. R Squared = ,953 (Adjusted R Squared = ,907)
A szignifikancia értékek azt mutatják, hogy egyedül az alkatrész változó szignifikancia szintje kisebb mint 0,05, azaz a
szórásban csak ez játszik szerepet. Sem a kezelő sem pedig a kezelő és a mérés közti kapcsolat nem befolyásolta a
méréseket.
6. Elemzés szakasz
Az elemzés szakasz magába foglalja a kiválasztott fekete-öves folyamatra vonatkozó adatgyűjtést és
az adatelemzést. A következő lépéseket tartalmazza:
1. Határozzuk meg a teljesítmény célokat 2. Határozzuk meg a független változóakt (x) 3. Elemezzük a szórás forrásait.
6.1. Célok meghatározása
Amikor meghatározzuk a teljesítmény-célokat, olyan jellemzőket kell keressünk, amelyeket meg
szeretnénk változtatni majd a projekt során. Például a folyamat képesség elemzés alkalmazásával
megállapíthatjuk, hogy folyamat képes-e tartani az előírásokat. Ezzel megállapíthatjuk, hogy a vizsgált
jellemző (mennyiségi vagy minőségi tulajdonság) az átlag körül ingadozik-e, vagy miért nem teljesíti a
specifikációkat. Ha az átlag körül ingadozik, de túl nagy a szórása, akkor is érdemes beavatkozni, ha
viszont az átlag is eltolódik, akkor meg kell vizsgálni, hogy ennek milyen okai lehetnek. Ennek
lehetőségeit a fejlesztési fázisban ismertetjük.
6.2. A befolyásoló tényezők meghatározása
Ez azon változók meghatározását jelenti, amelyekről a későbbiekben adatokat kell gyűjtenünk. Ezek
olyan tényezők, amelyek hozzájárulnak a termék vagy folyamat bizonyos tulajdonságainak
változékonyságához. Folyamat térkép, XY mátrix, brainstorming, és FMEA eszközök lehetnek a
segítségünkre ebben.
6.3. A változékonyság okainak elemzése
19
Ez olyan statisztikai eszközök alkalmazását jelenti, amelyek segítenek megérteni azon X és Y változók
közötti kapcsolatot, amelyeket a további lépésekben használni kívánunk. Olyan eszközöket
alkalmazhatunk ebben a szakaszban mint a hisztogram, kalicka ábra (box-plot), pont-diagram,
regresszió elemzés, hipotézis vizsgálat.
7. Fejlesztési fázis.
Ez a szakasz ún. offline kísérletek, azaz a folyamattól külön zajló kísérletek lefuttatását jelenti. Ez
magában foglalja a korábban meghatározott változók tanulmányozását és ANOVA módszer
alkalmazásával annak meghatározását, hogy ezen változók szignifikánsan befolyásolják-e a függő
változónk szóródását. Ennek értékeléséhez a Taguchi-féle kísérlettervezés módszerét mutatjuk be.
8. Ellenőrzési szakasz
Az ellenőrzési szakasz a már javított folyamat nyomon követését jelenti, amely során alkalmazhatunk
különböző folyamat ábrákat. (Pl. ellenőrző kártyákat.)
9. Taguchi-féle kísérlettervezés
Számos különböző faktort, inputot vagy változót kell figyelembe vennünk, amikor elkészítünk egy
terméket. Például tegyük fel, hogy kekszet akarunk sütni. Mennyi liszt, mennyi tojás kell hozzá,
mennyi ideig, hány fokon szükséges sütni. Minden bizonnyal találunk valamilyen receptet, amit
követhetünk, de mi van, ha nincs recept, és úttörőknek számítunk, akik igyekeznek kikísérletezni a
megfelelő összetevők megfelelő kombinációját. Valószínűleg próba-szerencse alapon kell haladnunk.
Ugyanakkor van erre egy jobb megoldás, amely segít nekünk megtalálni a megfelelő összetevők
arányát.
A taguchi-féle módszer egy ilyen szabvány módszer. A megfelelő változókat a kísérlettervezésen
keresztül határozhatjuk meg. Ez segít mennyiségileg meghatározni az összetevőket annak érdekében,
hogy az eredmény magas minőségű termék legyen. Jelen könyvben egy átfogóbb, inkább
menedzsment szemléletűbb bemutatására törekszünk. A mérnökök számára készült könyvek ennek
sokkal technikai jellegűbb megközelítését tartalmazzák.
9.1. Robusztus tervezés6
Taguchi-féle robosztus tervezés azt jelenti, hogy a termékeket és szolgáltatásokat úgy kell
megtervezni, hogy azok belső hibáktól mentesek legyenek, és magas minőséget képviseljenek. Ez a
koncepció nem új keletű. Az hogy a termékeket és szolgáltatásokat magas minőségűen kell
előállítani, vagy hogy a folyamatoknak hiba-mentesnek kell lennie egy idős a tömegtermeléssel.
Ugyanakkor Taguchi ennek egy új megközelítését alkotta meg. A robusztus tervezést egy 3 lépésből
álló folyamaton keresztül lehet elérni, melynek elemei a koncepció-tervezés, paraméter-tervezés és
tolerancia-tervezés.
A koncepció-tervezés az, amikor különböző egymással helyettesíthető technológiákat vizsgálunk
meg, és választunk ki. Ez egyrészt magában foglalja a folyamattechnológiájának a kiválasztását és a
folyamattervezést. Mindezek helyes kiválasztása a költségek csökkenését és magas minőséget
6 A robusztusság annyit jelent, hogy a termék precízen kivitelezett, hibától mentes (a fordító)
20
eredményez. Egy fénymásoló üzletben a koncepció tervezés magában foglalja a megfelelő
fénymásolók kiválasztását és a fénymásolók elhelyezését. Mindegyik lehetséges fénymásolót külön
kell tesztelni, annak érdekében, hogy meghatározhassuk, alkalmas lesz-e arra a feladatra, amire
használni akarjuk. Pénzügyi szolgáltató vállalatok esetében ez a lépés magában foglalja a megfelelő
technikai eszközök és berendezések kiválasztását és a folyamatok meghatározását minden egyes
felhasználó csoport, VIR (vezetési információs rendszer) felhasználók és rendszerelemzők esetére.
A paraméter tervezés a különböző kontroll paraméterek kiválasztását és optimális szintjének a
meghatározását jelenti. Ezek azok a faktorok, amelyekre a hatással lehetünk. Például az
ügyfélszolgálatosok számára nyújtott képzések fajtája és hossza a vezetés által meghatározható.
Nyilvánvaló, hogy az ügyfélszolgálatos munkatársak által kapott tréningek mennyisége meghatározza
az ügyfélnek nyújtott szolgáltatás minőségét, azaz ebben az estben a képzés egy ilyen
kontrolltényező lesz. A kontrolltényezők nem befolyásolják ugyanakkor a termelési költségeket. Az
optimális szintjük elérése a cél a megfelelő teljesítményhez. Például egy papírlap hosszának esetében
a célérték 22 cm lesz. A lényeg, hogy az első lépésben a leghatékonyabb folyamat és szolgáltatás
designt találjuk meg. A paraméter tervezés során pedig azt biztosítjuk, hogy a legjobb teljesítményt
hozzuk ki ezekből. Például a süteményeket hány fokon és mennyi ideig kell sütni? Ezeket a
paramétereket kísérletezéssel tudjuk meghatározni.
A tolerancia-tervezés a specifikációs határok csökkentésére irányul. A tolerancia-tervezésre a
paraméter-tervezés után kerül sor, ha tudjuk, hogy az egyes paramétereknek milyen a hatása a
végeredményre, akkor az erőforrásokat arra fordíthatjuk, hogy kontrolláljuk a változékonyságot
néhány kulcstényező által. Ennek eredményeként gyakran növekednek a termelési költségek is.
Például a mérnökök szűken határozzák meg a specifikációs határokat, ezért magasabb minőségű
alapanyag felhasználása szükséges a gyártás során ezek teljesítéséhez.
10. A Taguchi modell háttere
A taguchi módszert először Dr. Genichi Taguchi alkalmazta 1980-ban az AT&T Bell Laboratories-nál.
Köszönhetően a széleskörű elfogadottságának és alkalmazhatóságának, napjaikra ez a módszer
hasonló fontosságú a minőségfejlesztés területén mint a statisztikai folyamatszabályozás (SPC), a
Deming megközelítés és a japán gyökerű teljes körű minőségszabályozás (TQC). Történelmi
szempontból Taguchi munkája a minőségfejlesztés területén folytatása Shewart statisztikai
minőségszabályozásának (SQC) és Deming munkájának a Japán minőségfejlesztés területén. A taguhi
módszer:
1. segít meghatározni a kapcsolatot a kontrollálni kívánt terméket vagy szolgáltatást meghatározó
tényezők és a folyamatkimenete között.
2. segít a folyamatjellemzőt az átlag körül tartani a kontrolltényezők optimalizálásával.
3. egy eljárás, amely segít megvizsgálni a kapcsolatot a véletlen zaj és a termék vagy szolgáltatás
változékonysága között.
A taguchi módszer egyedi megközelítése mögött áll többek között a taguchi-féle minőség
megközelítés, a minőség veszteség függvény (QLF – quality loss function) és a robusztus
terméktervezés koncepciója.
21
10.1. A taguchi-féle minőség definíció
A minőség hagyományos megközelítése közé tartozik a specifikációknak való megfelelés. Ugyanakkor
Taguchi némileg eltért ettől a megközelítéstől. Az Ő megfogalmazásában az ideális minőség az a
referencia pont, vagy célérték, amelynek a terméknek meg kell felelnie. Az ideális minőség elérhető,
ha a termék vagy a nem megfogható szolgáltatás az elvárt funkciót a megfelelő használati
körülmények között káros mellékhatások nélkül teljesíti végig a hasznos élettartam alatt. A
szolgáltatások esetében – mivel itt a szolgáltatás nyújtása és kivitelezése egy időpontra esik –, az
ideális minőség a vevői észlelés és elégedettség függvénye.
Taguchi a szolgáltatások minőségét a társadalomnak okozott veszteségként értékeli, amikor az nem
az elvártaknak megfelelően kivitelezett.
10.2. Minőségveszteség függvény
A következő ábrán ábrázoljuk egy termék mért kritikus tulajdonságát. Ezt az ábrán az „A” pont jelöli.
Ha az „A” a specifikációs határokon belül esik, a hagyományos megközelítés szerint nincsen
probléma. Ugyanakkor az "A" pont közelebb esik a specifikációs határhoz, mint a célértékhez. Ez azt
jelenti, hogy idővel ez problémákat okozhat. Taguchi ezt a potenciális problémát a társadalomnak
okozott potenciális veszteségként értékeli. Egy termelési folyamat esetén ezt a veszteséget nemcsak
a selejt, vagy újramunkálás szükségessége adja, de a környezetszennyezés, túl gyors elhasználódás,
vagy egyéb negatív hatások is jelentik. A veszteség a célértéktől való eltérés költsége.
10. ábra. A klasszikus QC-lépés függvény
Ahhoz hogy számszerűsítse ezt a veszteséget, Taguchi a kvadratikus veszteség függvényt alkalmazta.
A következő ábra azt mutatja, hogy bármilyen eltérés a T=6-os célértéktől a vállalatnak okozott
veszteségben mérhető. Gyakorlatilag a függvény a gazdasági és szociális költség, amely annak
eredményeként merül fel, hogy nem megfelelő terméket vásárolunk. Ilyen lehet pl. a karbantartási
költség, hibaköltség, a környezetre gyakorolt hatások, mint környezetszennyezés, vagy a termék
használatán felüli költségek. A QLF értékét a következő konstans segítségével számíthatjuk ki:
2T
CK = , ahol (1)
K= konstans
C= egy termék javításának költsége
LSL USL cél
A
Q(c)
Selejt költség
22
T= a tolerancia intervallum
A konstans alapján a függvény értéke a következőképpen számítható:
)unit/($VKL ⋅= ,ahol (2)
L= a gazdasági költségek, amelyet a fogyasztó elszenved, a termékjellemző ingadozása miatt
V2=a szórásnégyzet
11. ábra. A taguchi-féle kvadratikus veszteség függvény
Példa: QLF függvény alkalmazása
Feladat: Tegyük fel, hogy egy autóhűtő javításának költsége 200$. Számítsuk ki a QLF értékét, ha a
célérték 6±0,5mm, a szórásnégyzet pedig (1/6)2.
Megoldás:
8005,0
200
T
CK
22===
termékVKL /$22,226
1800
2
2=
⋅=⋅=
Az ingadozás által okozott veszteség 22,22$ termékenként. Ha összehasonlítjuk más alkatrészek által
okozott veszteséggel, akkor megállapíthatjuk a minőségfejlesztés sorrendjét.
A QLF a statisztikai alapú ellenőrző kártyák és a specifikációs határok meghatározásából ered, amely
szerint bármilyen a célértéktől való eltérés vevő számára okozott gazdasági veszteség.
11. A taguchi-folyamat
Bár a taguchi-folyamat erősen statisztikai és technikai oldalúnak tűnhet, a legfontosabb lépések
mégis a magatartás-tudományhoz kapcsolódnak és olyan lépéseket foglalnak magukban, mint team-
munka, és brainstorming. Nézzük most végig a taguchi folyamat menetét.
23
1. Probléma megfogalmazása:
Először is a folyamat vagy a szolgáltatás alapján meg kell határozni, hogy mit akarunk javítani.
2. Brainstorming szakasz (a faktorok, a faktorok értékeinek megállapítása, lehetséges kapcsolatok
meghatározása, cél)
A második lépés azoknak a tényezőknek a meghatározása, amelyek befolyással vannak a folyamat
vagy szolgáltatás minőségére. Ebben részt vesz a projektfelelős, a vezető és a folyamat által érintett
dolgozók. A vezetők jelenlétével ugyanakkor óvatosan kell bánni, nehogy elfojtsa a munkavállalók
ötletelését.
A kritikus tényezőket Taguchi faktoroknak nevezi. Ezek lehetnek kontrolltényezők (amelyekre
hatással lehetünk) és zaj faktorok (amelyekre nem lehetünk hatással). Kontroll faktorok lehetnek a
műveletek, a világítás mértéke, hőmérséklet, stb. Zaj faktorokra példa a nem befolyásolható
hőmérséklet változékonyság, az emberi-teljesítmény változékonysága, vagy a környezeti tényezők,
amelyeket nem tudunk befolyásolni.
Amikor ezek megvannak, akkor meg kell határozni a kontroll faktorok különböző értékét. Például
három-négy hőmérsékleti értéket. Legalább három értékét kell meghatározni annak érdekében, hogy
a függvényformákat (pl. interakciókat) meghatározassuk. A brainstorming során a lehetséges
kapcsolatokat is meg kell határozni. A zaj faktorokat is célszerű mérni a kísérletek során.
Ezután a kísérlet céljait kell meghatározni, amely lehet attól függően, hagy maximalizálni,
minimalizálni akarjuk az értéket, vagy egy konkrét célértékhez közelíteni.
• a legkisebb a legjobb: A kísérlet eredménye akkor a
legjobb, ha nullához közeli. Például egy keksz sütés során a lehető legkisebb „hibás” darabot
szeretnénk. Vagy egy tojás dobozolási folyamatban a lehető legkevesebb törött tojás legyen
• adott érték a legjobb: Például a papír legyen 8,5 cm
széles, vagy egy asztal szélessége 1m20cm.
• A legtöbb a legjobb: Ez éppen az első típusnak az
ellentéte, például a lehető legtöbb hibamentes számítógépes chip legyen egy sorozatban,
vagy a lehető legnagyobb súlygyarapodás a takarmányozás eredményeként.
3. Kísérlettervezés (a megfelelő ortogonális mátrix kiválasztása, kísérletterv)
Az előbbiekben meghatározott fatorok és célok alapján a kísérlet megtervezése. A kísérletet off-line
végezzük, ami a hagyományos folyamat közbeni minőségméréssel szemben a folyamattól elkülönülő
kísérlet lefuttatását jelenti. Ezért a kísérletterv kialakítása kulcsfontosságú a taguchi folyamatban.
Mint minden kísérletnél, a megfelelő számú ismétlés meghatározása, és az egyes esetekben a
megfelelő kondíciók meghatározása – mint a célok meghatározása, a mérések lebonyolítása, a
faktortényezők minimálisra csökkentése – körültekintéssel kell történjen. Az ismétlések számát
célszerű minden esetben előre rögzíteni.
4. A Kísérletek lefuttatása
24
Az egyes elemzések során komolyabb elemzési eszközöket is alkalmazhatunk, ilyen az ANOVA, jel-zaj
(S/N – signal-to-noise) arány, vagy eredmény ábra. bár ezek nem annyira elméleti megközelítések, de
hasznos eszközök a projektek tervezésében.
A szolgáltatások esetében a Ross-féle megközelítés lehet a leghatásosabb eszköz. Ez sokkal
könnyebben megérthető, és nagyjából hasonló eredményeket ad, mint az ANOVA, vagy az S/N arány.
A következő lépéseket célszerű követni ebben az esetben:
• Válasszuk ki a megfelelő ortogonális tömböt. (ezek olyan eszközök, amelyek biztosítják az
egymást követő kísérletek függetlenségét.) A megfelelő mátrix a faktorok számától és azok
lehetséges értékeinek számától függ.
• Futtassuk le a kísérleteket a szükséges számban.
• Határozzuk meg a kísérletek eredményeinek az átlagát minden egyes faktor minden egyes
értékére.
• Ábrázoljuk ezeket az értékeket egy eredmény ábrán jelölve a legjobb megoldást a kísérlet
céljának szempontjából.
5. Eredmények elemzése
A kísérlet során meghatároztuk a faktorokat és azok lehetséges értékeit, valamint a kísérlet
kimenetelének célfüggvényét. Ha a faktorok között kölcsönhatás is jelen van, akkor két lehetőség
van. Vagy figyelmen kívül hagyjuk ezeket az összefüggéseket (ennek van némi kockázata), vagy ha
ennek költsége nem jelent korlátot, akkor egy teljes-faktoriális kísérletet futtatunk le, hogy feltárjuk
ezeket az összefüggéseket. Ez ugyanis figyelembe veszi az egyes faktorok közötti kölcsönhatásokat is.
6. A lefuttatások megerősítése
Amikor meghatározzuk a faktorok optimális értékét, akkor ezekkel az optimális értékekkel lefuttatott
kísérlet eredményével validáljuk az eredményeinket. Ha nem sikerül megerősítenünk a korábbi
eredményeket, a kísérletünkbe valahol hiba csúszott. Ilyenkor előfordulhat, hogy a faktorok között
interakció van jelen, és ekkor újból meg kell ismételnünk a lépéseket.
Feladat: A következőkben egy taguchi-féle kísérlettervet mutatunk be. Egy fából készült termék
minőségét három tényező befolyásolja, amelyek a következők:
A: nyomás B: szárítási hőmérséklet C: folyamat ideje Mindegyik faktor esetében két értéket különböztetünk meg:
A: 250 atm, 300 atm B: 150 fok, 180 fok C: 3 óra, 4 óra Határozza meg a faktorok értékét, ha a cél a végérték minimalizálása.
Megoldás: Egy Taguchi kísérletterv lebonyolításához ki kell választanunk a megfelelő ortogonális
tömböt. Mivel három faktorunk van 2-2 értékkel, a teljes-faktoriális kísérletterv 23, azaz 8 darab
25
kísérlet lefuttatását igényelné. A taguchi módszer viszont ennél sokkal gazdaságosabb, mivel az L4(23)
ortogonális tömb alkalmazásával mindössze négy kísérletet elég elvégeznünk a következők szerint:
Faktorok
Próba A B C Eredmények
1 1 1 1 25
2 1 2 2 30
3 2 1 2 28
4 2 2 1 36
Az ortogonális tömb tartalmazza a három faktort és a négy kísérletet. Az első sorban láthatjuk, hogy
az első kísérlet során a faktorok beállításai: A1, B1, és C1, azaz 250 atm, 150 fok éa 3 óra. Ha
megnézzük a kísérlet eredményeit, akkor láthatjuk, hogy a fa termék 25-tel értékelhető. A második
kísérlet során 250 atm, 180 fok és 4 óra lesznek a folyamat beállításai.
Határozzuk meg a megfelelő értékeit a faktoroknak az átlagok meghatározásával és a szórás
elemzésével.
Minden egyes faktor minden értékére kiszámítjuk az eredmények átlagát:
5,272
3025:1 =
+A 32
2
3628:2 =
+A
5,262
2825:1 =
+B 33
2
3630:2 =
+B
5,302
3625:1 =
+C 29
2
2830:2 =
+C
0
5
10
15
20
25
30
35
A1 A2 B1 B2 C1 C2
Az "A" faktor esetében az első értékkel lefuttatott kísérletek átlaga adta a kisebb eredményt, így a
célfüggvényünk alapján 250 atmoszféra nyomás alkalmazása az optimális. A „B” faktor esetében
szintén az első, a „C” faktor esetében a második beállítás az optimális. Így az alkalmazandó
beállítások:
A: 300 atm B: 150 fok
26
C: 4 óra
12. A Six Sigmával való tervezés
A Six Sigmával való tervezés (DFSS – Design for Six Sigma) akkor alkalmazható, ha új terméket vagy
szolgáltatást akarunk tervezni, amelynek magas minőségét a fogyasztó-alapú kritikus minőség
módszerével akarjuk mérni. Ekkor a DMAIC módszer helyett a DMADV (design, measure, analyze,
design, verify) folyamat, azaz a tervezés, mérés, elemzés, tervezés, megerősítés alkalmazandó. Egy
mási megközelítés az IDOV (identify, design, optimize, verify) az azonosítás, tervezés, optimalizálás,
megerősítés, a végső tervezési optimalizálásra koncentrál. Ezek a módszerek fogyasztó orientáltak,
átfogják a teljes üzleti folyamatot, és alkalmazhatók mind termékekre mind szolgáltatásokra.
Ugyanakkor, míg a DMAIC a már meglévő folyamatok esetében, a DMADV új termékek és folyamatok
esetén alkalmazható
13. Lean – Six Sigma kontingencialista nézőpontból
Ahogy már korábban említettük, a Lean – Six Sigma nagyon népszerű eszköz a termékek és
folyamatok robosztusságának fejlesztésére. Ez nagyon sok technikai ismeretet és szakértők
bevonását igényli (pl. fekete-övesek). Nagyon hasznos lehet azon vállalatok számára, amelyek
szeretnék csökkenteni a költségeiket és növelni a hatékonyságukat.
Amikor a cégek azonban alkalmazni kezdik a Lean – Six Sigmát anélkül, hogy különösképpen
ismernék a folyamatokat, néha a várt eredmények elmaradnak. Ennek okaként a következőket
említhetjük:
• a Bajnokok vezetésének hiánya,
• a szerepek és a felelősségi körök félreértése,
• a fejlődéshez szükséges kultúra hiánya,
• a változással és a Six Sigma struktúrájával szembeni ellenállás,
• a bevezetés során követett hibás stratégia,
• adatok hiánya.
Mint számos más minőségfejlesztési eszköz, ehhez is szükséges egy kulturális háttér, vezetői
támogatás, és elkötelezettség, amely az erőfeszítéseket eredményessé teszi. Emellett
kulcsfontosságú, hogy megfelelő adatok álljanak rendelkezésre. Az olyan vállalatok, ahol nem
elérhetők adatok, nem fogják tudni eredményesen alkalmazni a Lean – Six Sigma eszköztárát.