A brief introduction to Six Sigma

Editor's Notes

• #2: ViljaDONG siden april 2012 En af de gamle ;-)Jeg vil fortælle lidt om Six Sigma Jeg er det man kalder blackbelt – Men bare rolig, jeg er ikke farlig ;-)
• #3: Agendaen ser således ud Den dækker over områder, der tilsammen, skal give et godt indblik i Six Sigma Jeg vil komme ind på …………Hvis der er spørgsmål undervejs, så spørg løs
• #4: Der ernokligeså mange meningeromhvad 6S er, som der er folk, der eruddanet I 6S.Jegharsamletnogleafdem man høreroftest:Symbol, værdieller et benchmarkDeter et græskbogtsav, der bruges I statistikken for std. afv (somer den gennemsnitlige distance for alledatapunktertil mean)For andreerdet et mål der arbejdeshenimod6S er +/- 3 stdafv. – detsvarertil at allepunkter ligger indenfor 99,7% aftoleranceneller 3,4 defekterprmiomulighederFor migselvog mange andreerdet en metodeog en værktøjskasseOgdetergodt med flereforskelligeværktøjer I kassen,Som en bekendtplejer at sige, hvis man kun har en hammer I værktøjskassen, såtror man at alt er et søm
• #5: Formålet er at reducere variationen vha datadrevet problemløsningDet ligger langt fra SPT, HUA og beslutninger truffet på baggrund af middelværdier alene (eksempel med lastbilkørsel)At arbejde med kontinuerlige forbedringerAt reducere omkostningerne for dårlig kvalitet og performance ved at forbedre processer og/eller pålidelighedenDet der er forskelligt ved 6S ift. andre metoder, er den tyngde statistikken harMarty Feldman ville have været en god udøver af 6SHan ville kunne fokusere klart på arbejdet med de bløde værktøjer med det ene øje, samtidigt med at han fokuserede på de hårde statistiske værktøjer med det andet
• #7: For at beskrive videns- eller erfaringsniveauet indenfor 6S bruger man de bæltfarver, man også bruger indenfor kampsport, det er ret smart, så ved folk intuitivt hvad det er for et niveau den man taler med har.Yellow - Kender DMAIC modellen, de 7 grundlæggende værktøjer og har lidt kendskab til statistik (normalfordelingen og dens parametre)Green - Har styr på DMAIC modellen og de statistiske værktøjer der ofte bruges. Kan bruges som 6S projektlederBlack - Stort kendskab til statistiske værktøjer og erfaring med de bløde værktøjer og design af eksperimenter. Kan coache green belts.Master black - Gammel gubbe der har prøvet det heleWhite - Typisk ledere og andre der fx sidder i styregruppen, eller folk der har behov for at vide hvad de 6S folk er for nogle og hvad de kan bruges til.
• #8: Der er to forskellige veje i 6S – en til ændring af noget eksisterende og en til design af noget nyt.Processer, produkter eller services.Til forbedring bruges DMAICTil design af noget nyt bruges DFSSModellen man bruger er DMADVNogen af værktøjerne er de samme, men ikke alle.Jeg vil gå mere i dybden med DMAIC, som er den mest kendte og brugte metode, til sidst fortæller jeg lidt om DFSS.
• #9: Her er en illustration af procesflowet i DMAIC processen.Der er 3 projektfaser (MAI) og to "aktiviteter" (DC).D Definere problem og formålM Hvad er det der skal forbedres og kan vi måle detA Analyser processen og definer de faktorer der har indflydelseI Identificere og implementere forbedringerC Sikre at forbedringer er varige
• #10: Jeg har en slide der viser nogle af de værktøjer der ofte bruges under de forskellige faser – det er selvfølgeligt ikke noget der ligger helt fast.I kender sikkert allerede mange af dem.Der er generelt to spor, et dataspor, hvor man bruger statistikken, og et processpor, hvor man bruger de blødere værktøjer (C&E matrice, FMEA, fishbone, etc.)EVOP Optimeringsteknik, der bygger på DoE. Man eksperimenterer og finder den ved der fører til størst forbedring – iterativ proces.Jeg vil ikke gennemgå alle værktøjerne, hvis man har lyst til at se nærmere på hvad det er for værktøjer kan man hente præsentationen fra Pondus.
• #11: I Define skal man:beskrive hvad problemet er og hvad det er man gerne vil forbedre eller ændrePrøve at kvantificere det i kroner og ørerIdentificere interessanterIdentificere hvad det er brugerne/kunderne gerne vil haveMan skal have et overblik over hvordan processen/produktet/servicen ser ud på nuværende tidspunktDe ting beskrives i et project charter, som så skal forelægges styregruppen – så får man forhåbentlig et GO til at gå videre
• #12: I M-fasen skal man:Have en grundig forståelse for hvordan processen fungererHvad er det for faktorer og output der er i spilIdentificer kritiske processerVerificere målesystemet (vigtigt, dur ikke med beskidte eller upålidelige data)Lave en dataopsamlingsplanog opsamle dataBeregne den nuværende kapabilitetPræsenteres og få en godkendelse af styregruppen til at gå videre
• #13: I A-fasen analyserer man data og undersøger deres sammenhæng med processen.Man identificerer de faktorer der giver anledning til variationen i processenKvantificerer hovedeffekter og interaktionerUdvikler modeller og be- eller afkræfter teorierIdentificerer mulige løsningerFår en godkendelse af styregruppen til at gå videre
• #14: I I-fasen evaluerer man løsningerne.Man optimerer måske (DoE + EVOP (optimere udbytte/processbetingelser))Man inddrager evt. brugere/kunderLaver en costbenefitOg vælger den endelige løsningMan implementere løsningen, det kan være man:laver en laver en beredskabsplan, hvis noget går galtMåske laver man et pilotprojektFuld implementeringBeregner kapabilitetenDer laves en kontrol plan til brug i C-delen.Får en godkendelse af styregruppen til at gå videre
• #15: I C-delen følger man løbende op på om forbedringerne er varige eller om der skal gøres yderligere.Efter nogen tid beregner man igen kapabilitetenDer sker måske et par småjusteringerDer laves en plan til løbende opfølgning for at sikre de varige forbedringer
• #17: Udviklings-/implementeringsfasenSammenligning af leverandører, komponenter eller systemer (hypotesetest – er der en væsentlig forskel)QA (SPC, kapabilitetsanalyse, MSA, etc.)GarantiperiodenVed bekymring af restlevetiden for en komponent kan man lave tests (DoE+ALT)Sammenligne performance (variansanalyse)Perioden efter garantiudløbOptimere yield (EVOP)RCA (DMAIC)Forbedre processer, kontroller, beredskab, etc.
• #18: Det var det jeg havde med, jeg håber det har givet et lille indblik i 6S-verdenen.Er der nogen der har nogle spørgsmål?
• #19: 6S og pålideligheds-engineering passer rigtigt godt sammen, begge områderlænerisg meget op af mange af de samme statistiske værktøjer, og arbejder med datadrevne beslutninger.Så jeg har lige taget en slide med, der viser badekarskurven og nogle beta-værdier fra Weibull fordelingen.Som man kan så er der en rigtig stor forklaringsgrad mellem betaværdierne og faserne i badekarskurvenFasen for tidlige svigtβ > 5 tyder på design fejl (høj β-værdi meget tidligere end designlevetiden = designfejl eller forkert drift)β < 1: Der bliver bedre styr på produktionen og småfejl bliver rettet til Normal levetidsfasenβ = 1, det svarer til exponentialfordelingen. Det er normalt den der opgives af leverandører – man medregner aldrig den første fase, hvilket man bør gøre, medmindre man har været igennem et forløb robusthedstests og produktionstest.Udslidningsfasenβ > 3, her har komponenten nået enden af sin levetid.
• #20: 3 fejltyper på den samme komponent, hvoraf de to måske er afhængige af hinandenFjerner man den første fjerner man måske den anden, men det kræver lidt mere analyse at vurdere det