DEBRECENI EGYETEM KZGAZDASG- S GAZDASGTUDOMNYI KAR

Six Sigma menedzsment s a Lean eszkzk

Ksztette: Kotsis gnes Egyetemi adjunktus

Debrecen, 2013 1

I look at Six Sigma as a foundation on wich you can build more innovation. JEFFREY R. IMMELT, A GENERAL ELECTRIC ELNKE

Ahogy a fentebbi idzet is sugallja, a General Electric (GE) nagy hangslyt helyez a fejleszts eszkzeknt tekintett Six Sigma mdszerre. 1995-ben kezdtk el alkalmazni azzal a cllal, hogy 2000re Six Sigma vllalatt vljanak.1 Egy gyors Internetes keresssel magunk is meggyzdhetnk arrl, hogy a Six Sigma mennyire npszer minsgfejlesztsi megkzelts. De szmos klnbsget figyelhetnk meg a hagyomnyos minsgfejlesztsi mdszerekhez kpest. Elszr is a Six Sigma nagyon tgondolt minsg fejlesztsi eszkztrat s elmletet foglal magban annak rdekben, hogy a minsg fejlesztsi erfesztsek konkrtak, preczek s ugyanolyan eredmnyessggel brhol alkalmazhatak legyenek. Msodszor, a Six Sigma kzppontjban a hagyomnyos folyamatos fejleszts (continuous improvement) mdszerekhez kpest leginkbb a kltsg-cskkents ll. Emiatt is olyan npszer a vllalatvezetk krben. Valjban a minsggyisek kevss foglalkoznak az eredmnyekkel azt lltva, hogy ez a megkzelts ellenttben ll Deming szmos ttelvel, (pldul azzal, amelyik a kltsgcskkentsi clokkal foglalkozik). De a Six Sigma tmogati szerint ppen ez a profit orientltsg adja a mdszer erssgt. A harmadik tnyez az az mdszer, ahogy a Six Sigma bevezetsre kerl. A Six Sigma tulajdonkppen egy aranybnya a tancsadknak s trningszervez vllalkozsoknak, mivel a bevezetshez szksges a Szponzorok, fekete-vesek, zld vesek s olykor srga-vesek kpzse. Negyedikknt a Six Sigma s a Lean kombinlsval ltrejv Lean Six Sigma egy olyan fajtja az eredeti modellnek, amely egyben a vesztesg cskkentsre is fkuszl.

1. Mi a Six Sigma?
A sigma a grg szimblumra utal, amelyet a szrs jellsre hasznlnak. A six azaz a hatos pedig a tvolsgra utal a folyamat tlaga s egy meghatrozott specifikcis hatr kztt. Kt eredeti verzija ltezik a Six Sigmnak. Egyfell a Six Sigma egy olyan program volt, amelyet a Motorola vezetett be 1982-ben. Abban az vben a Motorola vezrigazgatja a kltsgek felre cskkentst tzte ki clul, majd megismtelte ezt a kvetkez vben is. Ezek az erfesztsek eredmnyeztk, hogy a Motorolnl szksgess vlt a termktervezs s az elemzsi mdszerek fejlesztse. gy a Motorola elssorban a termkfejlesztsre fkuszlt a Six Sigma bevezetsekor.
Foster S. T. (2010): Managing Quality. 4th edition. Pearson Prentice Hall, Upper Saddler River, New Jersey. knyve alapjn fordts, amely kizrlag oktatsi clokat szolgl.
1

1. bra. A Six Sigma folyamatok szrsa

Az 1. bra azt mutatja be, hogy mit is jelent mindez a statisztika nyelvn. Az (a) bra mutatja egy tipikus termk jellemzjnek eloszlst 3-szrsnyi specifikcis hatrokkal. Ebben az esetben a termkek kb. 0,5%-a nem fog megfelelni az elvrsoknak (azaz kvl esik a specifikcis hatrokon). A (b) brn a specifikcis hatrok 6 szigma tvolsgra vannak, gy a nem megfelelssg valsznsge, nagyon kicsi lesz. Az 1. tblzat ehhez kapcsoldan pedig azt mutatja be, hogyan vltozik az egy milli darab termkre es hibs darabok szma (ppm parts per million) egy s hat szigms folyamatok esetben. Ezt a defincit alkalmazva a Six Sigma lefordthat egy sokkal preczebb termkmegjelensre, radiklisan alacsony hibaszmra s ezltal alacsony - a nem megfelelsgbl ered - hibakltsgre.
1. tblzat. A folyamatok Sigma szintje s a hibaszm alakulsa

Sigma szintje 1 2 3 4 5 6

Hossz-tv hibaszm (ppm*) 691 462 308 538 66 807 6 210 233 3,4

*: ppm= parts per million, azaz egy milli termkre es hibaszm

A kezdeti koncepcibl, hogy fejlesszk a Motorola termkek precizitst s megbzhatsgt (robosztussgt), a Six Sigma talakult egy szervezeti szint programm, amelyeknek clja a fejleszts az egymsra pl trningek s szervezeti tanuls ltal. Ahogy majd ltni fogjuk, egyik elemzsi eszkz sem j, amelyeket a Six Sigma alkalmaz. Ami jszer az a koncepci, ahogyan csoportostsra kerlnek, s ahogyan alkalmazzk azokat a szervezeten bell. Nhnyan gy vlik, hogy a Six Sigma egy halad minsg fejlesztsi megkzelts, amely alkalmas a legnehezebb minsgi problmk kezelsre is. Ahogy a 2. brbl is lthat, az alap minsgeszkzk (7 basic tools of quality) a problmk 90%-nak kezelsre alkalmasak. De a maradk 10% halad kpzseket s komoly analitikai tudst ignyel. Emellett nhny problma olyan szakembert kvn, akiket valsznleg nem tallunk majd a vllalaton bell. gy lthat, hogy nem mindegy, milyen problmkat kvnunk megoldani a Six Sigma projektekkel. A Six Sigma alapjt a kvetkez egyenlet adja: 3

Y = f (X )

(1)

Nagyon szken azt mondhatjuk, hogy az Y (a fgg vltoz) az X fggvnye (fggetlen vltoz). A Six Sigma gyakorlknak ez azt jelenti, hogy az eredmny az inputok s folyamatok fggvnye, ahol Y= az eredmny (alapvet zleti clok, s annak mrse) f= a fggvny (a kapcsolat a kontrolllni kvnt s az irnytott vltoz kztt) X= kontrolllhat s nem kontrolllhat vltozk, amelyek hatssal vannak az Y-ra. Pldul egy vllalat nyeresgessgt (Y) szmos tnyez befolysolja (X) pldul a fogyaszti hsg, kszletforgs, termelsi kltsgek, stb. Ha az a clunk, hogy nveljk a nyeresgnket, akkor ha ezekre a tnyezkre fkuszlunk, projektrl projektre javthatjuk a teljestmnynket. Ebben az esetben a menedzsment feladata, hogy azonostsa s priorizlja a feladatokat a clok pl. a magasabb profit elrse rdekben. A munkavllalk pedig hogy megfelel kpzsekkel s szakrtelemmel megvalstsk ezeket a feladatokat. Ahogy lthatjuk, a Six Sigma egy konkrt vllalat megkzeltsmdja volt a kltsgek cskkentse s a minsg fejlesztse rdekben. Napjainkra tbb ennl. Magban foglalja a tervezst, szervezst, kpzst, emberi erforrs tervezst s a tuds megtrlst. Ez megkvn mind szervezeti szint mind pedig egyni egyttmkdseket. A GE-nl a vezets vilgoss tette, hogy a Six Sigmban val rszvtel elfelttele a karrierben val elrehaladsnak.

2. A Lean Six Sigma alkalmazsa

Minden bizonnyal hallott mr olyanokrl, hogy Lean Six Sigma fekete vesek. k olyan szakemberek, akik szigor s kltsges fekete-ves kpzseken vettek rszt s tl vannak mr egykt eredmnyes Six Sigma projekten.2 Egy ilyen kpzs kltsge 10 000$ s 20 000$ kztt mozog. Ezzel szemben a Six Sigma projektek vrhat nyeresge szzezres nagysgrendben mrhet. Br ezek az arnyok vonzak lehetnek a menedzsment szmra, a szervezet szmra inkbb knyszert erejek a minl kivlbb eredmnyek elrsre. Az albbiakban nhny kulcsszereplt mutatunk be, akik fontos szerepet jtszanak a Six Sigma bevezetsben: Szponzor: A Szponzor feladata, hogy a fekete vesekkel vagy potencilis fekete vesekkel egyttmkdve azonostsk a lehetsges projekteket. Szmos forrsbl szerezhetnek informcikat ehhez, gy mint a piac hangja (voice of the business VOB), a vev hangja (voice off the customer VOC), a munkavllalk hangja (voice of the employee VOE). A 2. bra azt mutatja be, hogy a Szponzorok tlcsrszeren sszegyjtik a projekt tleteket, s Pareto elemzs segtsgvel meghatrozzk, melyik tlet eredmnyezi a legnagyobb fejldst. Ehhez alkalmazzk a COPQ (cost of poor quality) elemzst vagy ms, a minsggel kapcsolatos vesztesgek meghatrozsra hasznlt elemzseket is, mint pl. a regresszi elemzseket. A Szponzorok szemszgbl a Six Sigma nem csak egy eszkz, de annak mdszere, hogy hogyan menedzseljk a folyamatokat s azok fejlesztst. A Szponzorok folyamatos tmogatst

Ez a bizonytvnyt killt szervezettl fgg.

nyjtanak a projektekhez, s annak lezrultval ellenrzik az eredmnyeket. Egy kisvllalkozsban a Szponzor lehet a vezrigazgat, nagyobb szervezetnl lehet az igazgathelyettes is.
2. bra. A Szponzorok dntshozatala

VOC VOB

VOE

pnzgyi adatok stratgia

tlet

Szponzor szks erforrsok

fekete ves projektek Fekete-ves mester. Nhny vllalatnl a tapasztalt fekete-veseket mesterekk nevezik ki. Ebben az esetben a mester mentor szerepet tlt be s kikpzi az j fekete-veseket. Ezzel a trningek hzon bell bonyolthatk le, ami jelents kltsg cskkentst eredmnyez. Fekete vesek. A fekete vesek kulcsszerepli a Six Sigma rendszernek. k olyan specilis kpzst kapott egynek, akik teljes idejkben kltsg-cskkent projekteket visznek. (a kpzsek ltalban 4 hnapig tartanak.) GE-nl a fekete vesekkel szembeni elvrs, hogy mr legalbb kt befejezett projekten tl legyenek. Mindegyik projekt ideje 2 hnap s egy v kztt mozoghat. A fekete ves egy specialista. A Six Sigma bevezetst kvet 9 hnapban, az azt alkalmaz rszlegeknl, a GE 115 fekete ves pozcit hirdetett meg s hozott ltre.3 Egy kis s kzepes vllalkozsnak elegend 1-5 fekete vest alkalmaznia egyszerre. Az szakemberek krlbell 2 vet tltenek el fekete vesknt, utna ltalban vezeti pozciba kerlnek. A fekete ves tapasztalat egybknt nagyon rtkes a munkaerpiacon s knny vele j llslehetsget tallni.

Hendricks, C. A. Kelbaugh, R. L. (1998): Implementing Six Sigma at GE, Journal for Quality and Participation, Vol 21., No. 4., pp. 48-53.

Zld vesek. A zld vesek kpesek a minsg alapeszkzeinek (7B) alkalmazsra s alkalmasak minsg fejlesztsi csoportmunkra. A zld vesek rszidben foglalkoznak a folyamatokkal s azok fejlesztsvel. Nhny esetben az eredmny egybknt ugyanaz mint a fekete veseknl. Ms szervezeteknl a zld veseket kevsb kritikus projektekbe vonjk csak be. Egy 100 ft alkalmaz vllalkozsnl 1 fekete ves s 60 zld vest rdemes alkalmazni. Nhny vllalatnl vannak n. srga vesek is, k olyan alkalmazottak, akik ismerik a fejlesztend folyamatot.

2.1.A Lean s a Six Sigma egytt

Azok a vllalatok, amelyek alkalmazzk a Six Sigmt gy tapasztaljk, hogy nagyon sok kzs vonsa van a Lean-nel. Ahelyett, hogy a kt modellt egymssal versenyeztetnk, kombinljk azokat. Ezek a vllalatok a DMAIC ciklus lpseit kvetik. Ugyanakkor a Lean-nel a Six Sigma fkuszpontja eltoldik a vesztesgek megszntetse fel. A vesztesgeket a japn muda szval jellik (a vesztesg 7 forrsa). A Lean a vesztesgek cskkentsre trekszik, egyttal nagy hangslyt fektet az ppen-idben-elv (just-in-time) alkalmazsra, amelyet a hz rendszer termelsen (pull production) keresztl juttat rvnyre. Eszerint minden folyamat tartalmaz vesztesgeket, kvetkezskppen fejleszthet. Kiindulsknt emlthetjk Shingo 7 vesztesg forrst: tltermels, hiba, kszlet, felesleges mozgs, felesleges folyamatok, szllts, vrakozs.
3. bra. Egy folyamat rtk ram trkpe

A lean szemlletben azonostani kell az rtk-ramot, ez a SIPOC4 bra segtsgvel trtnhet, amikor azonostjk azokat a lpseket, amelyek nem teremtenek rtket a vev szmra. gy a Lean segtsgvel cskkenthetjk a kltsgeinket, a selejtkibocstst, s nvelhetjk a fogyaszt szmra nyjtott rtket. A 3. bra egy ilyen rtk-ramot mutat be, tartalmazza az informci ramls tjt, a folyamatlpseket, az egyes lpsek tlagos idejt. Nha tartalmazza a ciklus idt, a kltsget, s a
SIPOC tblzatos formban sszegzi a folyamatok inputjt s outputjt, a tblzat oszlopainak elnevezsbl szrmazik a sz: supplier, inputs, process, outputs, costumers (szllt, inputok, folyamatok, eredmnyek, vevk)
4

gyrtskzi kszlet (WIP - work-in-process inventory) mennyisgt is. Ez alapot nyjt a hatkonytalansgok vizsglatra s megszntetsre.

3. A DMAIC ciklus
A 2. tblzat tartalmazza a DMAIC kr lpseit: define (meghatrozs), measure (mrs), analyze (elemzs), improve (fejleszts), s control (ellenrzs). Ez nagyon hasonlt a PDCA ciklushoz, amely Shewart s Deming nevhez kapcsoldik. Minden lpst ktszer trgyalunk. Egyrszt itt definiljuk, majd mindegyik esetben bemutatjuk az alkalmazhat minsg eszkzket. Ezekrl a 4. bra egy nyjt ttekintst. Amennyiben a 7 alapvet eszkzrl van sz, abban az esetben emltjk, de a bemutatsra msik fejezetben kerl sor.

4. bra. A Six Sigma projekt ttekintse

Meghatrozs

Mrs

Elemzs

Fejleszts

Ellenrzs

Esettanulmny Projekt kvnsg mtrix Problma/cl megllapts Elsdleges/msodlago s mrszmok Vltozsvezets VOC/QFD SIPOC Folyamatbra

XY mtrix Folyamat FMEA alapstatisztikk dntshozatali mdszerek Grafikus adatelemzsi mdszerek: o idsor-brk o szablyoz krtyk o Pareto-bra o Hisztogram o Szrdsi diagram o Kalicka bra (box-plot) o eloszls bra

o o

Hipotzis teszt Anova Nem-parametrikus tesztek Ksrlettervezs (DOE) Halad Regresszi elemzs Folyamatmodellezs Prba s teszt

Grafikus adatelemzsi mdszerek Multi-vari elemzs Statisztikai eszkzk: o Konfidencia intervallum o Mintanagysg Hipotzis vizsglat o t-prba o egyenl szrs teszt o Khi-ngyzet prba o minstses prbk Korrelcielemzs Regresszi elemzs Folyamatmodellezs s elemzs

o o

Megoldskeress: Ellenintzkeds mtrix Kockzat menedzsment Megolds bevezetse o hibabiztos megoldsok o tlthat szervezet Ellenrzstervezs o Kpzs o Dokumentci o Nyomon kvets o Visszacsatols o Szervezet s felpts Szablyoz krtyk hipotzis vizsglat Folyamatkpessg rtkels best practice megoszts

4. Meghatrozs
Ebben a szakaszban trtnik a projektek azonostsa s kivlasztsa. Ez mindig egy Szponzor irnytsval trtnik, de rszt vehetnek benne a fekete ves mesterek, fekete vesek s zld vesek.

4.1 esettanulmny kidolgozsa

Ez magba foglalja a lehetsges projektek megfogalmazst, az esettanulmny megrst, s az esettanulmny alapjn problma s cl megllaptst. A kvetkezkben bemutatunk egy 7

esettanulmnyt. Ez egy rvid szveg, amely felvzolja a clokat, a mrhet adatokat s a projekt szksgessgt igazolja. Az utbbi 4 ht alatt (2009. janur 1. s februr 1. kztt) a 4-es rgiban tallhat 3-as szm gyr teljestmnye 57%-os kapacits kihasznls volt, amely 5.6 milli $-os COPQ-ban, azaz a nem megfelel minsg miatti kltsgben nyilvnult meg. Ennek kikszblsre a teljestmny 50%-kal val nvelst, azaz a kapacits 85%-osra nvelst, ezltal 3 milli $-os megtakartst tzzk ki clul 2010. februr 1-re. Ezzel a gyr megfelel majd a cg 2010-es cljnak, amely az eladsokat az adott rgiban 10 milli $-ral kvnja nvelni. A RUMBA hivatott az esettanulmny megfelelsgnek ellenrzsre: Realistic: a clok elrhetek, az idtv megvalsthat legyen Understandable: rthet legyen Measurable: Konkrt mrhet adatokat tartalmazzon Believable: Hihet legyen Actionable: kivitelezhet legyen

4.2 Projektrtkels
Szmos mdszer ltezik a projektek rtkelsre. Itt most ezek kzl a projekt kockzat rtkelst fogjuk bemutatatni, mint egy lehetsges mdszert. Plda: Kockzat elemzs Feladat: Az 5. bra mutatja a jellt projekt kockzat rtkelst, minden rtkelsi szempontnl lehetsg van igen, bizonytalan s nem vlaszok adsra. Mindegyik rtkelsi szempont fontossgt 1-10 skln hatroztuk meg, s az igen 0, a bizonytalan 3, a nem 5 pontot r. Megolds: A vlaszok pontrtkt megszorozzuk az adott rtkelsi tnyez fontossgval. A slyok sszege 200 ebben az esetben, mg a szorzat sszeg rtke 390 pont. Mivel a lehetsges maximlis pontszm 200*5=1000 pont, gy a projekt kockzati faktora 390/1000=39%-os.

5. bra. Projekt kockzat rtkels

A 6. bra a projekt eredmny rtkelst mutatja be. Ebben az esetben a potencilis projekt hrom tnyez mentn kerlt rtkelsre: nvekeds, srgssg, s hats. Rszletesen lsd az albbi keretes pldban

6. bra. Projekt eredmny rtkelse

10

Plda: Projekteredmny rtkels Feladat: Ahogy a projekt eredmny rtkel lap mutatja (6. bra) mindhrom kategriban a projektnk rtkelse kettes. Megolds: sszegezve a hrom rtkelst az elrt pontszm 6 a lehetsges 15-bl. Ez 40%-os eredmnyt jelent. sszegezzk a kt elemzs eredmnyt egy projekt kockzat s eredmny mtrix segtsgvel (7. bra). Ez alapjn azt lthatjuk, hogy a projekt csak akkor ri meg, ha rvid id alatt befejezhet.
7. bra. Projekt kockzat s eredmny mtrix
100 90 80 70 60 50 40 30 20 10

STARS

4.3. Pareto elemzs

A Bajnok feladata a nem megfelelssgbl add kltsgek elemzse. Ez az n. PAF paradigmn alapul5. A bels s kls hiba kltsgek meghatrozsa segt annak meghatrozsban, hogy hol szksges a leginkbb fejleszteni. A 8. bra egy ktszintes pareto elemzst mutat be a minsg kltsgek alapjn. Az els szint elemzs azt mutatja, hogy 5.6$-os az A gyr minsgkltsge. Ez a legnagyobb vesztesget produkl zem. Ha elemezzk a nem megfelel minsg okait az A gyr esetben, vilgoss vlik, hogy a P folyamat adja az 5,6 milli $-os vesztesg 62%-t. gy a projekt egy jelents kltsgcskkents remnyt hordozza.

Projekt eredmny

LOW-HANGING FRIUTS

DOGS

10

20

30

40

50

60

70

80 90 100 Projekt kockzat

A PAF a minsg kltsg kategriknak angol megfelelje: prevention cost (megelzsi kltsgek), approval costs (vizsglati kltsgek) s Failure costs (hibakltsgek)

11

8. bra. Pareto elemzs

12

4.4. Feladat meghatrozs

Amennyiben a kockzat s a pareto elemzs megtrtnt, a projekt meghatrozs sorn megfogalmazzuk a megoldand feladatot, a projekt clokat, az elsdleges s msodlagos mutatszmokat, s kijelljk a csoporttagokat. Az albbi 3. tblzat egy ilyen feladat meghatrozst mutat be
3. tblzat. Feladat meghatrozs

Feladat meghatrozs

Projekt cl Elsdleges mutatszmok

Tagok

2009-ben az A zem vesztesge 5.6 milli $ a nem megfelel minsgbl addan. Ebbl 3,5 milli $ a P folyamatnak ksznhet. Ez a gyr nyeresgessgt cskkentette. Az v vgig a P folyamat COPQ jnak 30%-os cskkentse. a nem megfelel Msodlagos llsid minsg kltsge mutatszmok (COPQ) javtsok arnya (a Forgalom forgalom %-ban) Selejt (a forgalom munka hatkonysg szzalkban) Kovcs Istvn Kiss va Farag rpd Molnr Jnos

5. Mrsi szakasz
Ez a szakasz kt f lpst foglal magban: ki kell vlasztani a megfelel kimeneti mutatt, igazolni kell a mrseket.

5.1. A megfelel kimeneti mutat kivlasztsa

A kvetkez eszkzket alkalmazhatjuk ebben a szakaszban: folyamat bra, XY mtrix, FMEA, Gauge R&R elemzs, folyamatkpessg vizsglat. Ahhoz hogy meghatrozzuk a folyamat kimeneteit, meg kell rtennk magt a folyamatot. Ez magban foglalja a folyamat trkp elksztst. Ez egy olyan folyamatbra, amely tartalmazza a felelsket is. A kvetkez bra egy olyan folyamatbrt mutat be, amely tartalmazza a Bajnok felelssgt a Six Sigma folyamatban. Fontos megjegyezni, hogy brmelyik lps tovbb bonthat alacsonyabb szint folyamatbrv. A folyamatbra clja, hogy azonostsa az rtket nem teremt lpseket. Kt mutat, amellyel mrni tudjuk a folyamat jsgt a DPU (Defects Per Unit, azaz az egy termkre es hiba), s DPMO (Defects, Per Million Opportunities, az egy milli esetre jut hibaszm).

13

Az XY mtrix a vizsglt folyamat inputjainak (X) s outputjainak (Y) azonostsra szolgl. A kvetkez bra egy lehetsges XY mtrixot mutat be. Az inputok lehetnek klnbz tulajdonsgok, lpsek, amelyeket a munkafolyamati lers (SOP Standard Operating Procedures) tartalmaz, stb. Ezeket a baloldali els oszlopban rgztjk. Az outputok szintn lehetnek a termk meghatroz tulajdonsgai, ebben az esetben legyen a mretezs, a hegesztsi pontok szma. Mindegyik outputnak van egy fontossgi mrszma egy 1-10 skln. A mtrix pedig az inputok s az outputok kztti korrelcis kapcsolatot rja le szintn 1-10 skln. Minden sorban lv kapcsolati koefficienst megszorzunk az adott tnyez fontossgi slyszmval, s az sszeg alapjn meghatrozzuk a legfontosabb input tnyezt, amely ebben az esetben a munkafolyamati lers lesz, majd a hegesztsi terv.

Plda: Feladat: A 4. tblzat tartalmazza egy folyamat inputjainak s outputjainak kapcsolatt. Az inputok Atl G-ig az els oszlopban tallhatk. Hatrozza meg, hogy melyik inputtnyez a legfontosabb! Megolds: A 3. tblzat tartalmazza megoldst a fentebb ismertetett mdszer szerint. Ez alapjn az F s a D inputok a leglnyegesebbek s ezrt rdemesebb ezeket kzelebbrl is tanulmnyozni.
4. tblzat

Projekt: Dtum
Outputok

Szolgltatsi folyamat 2012. szept. 20.

Szllt kivlaszts Alkatrsz kivlaszts Kiszllts

Slyok Inputok A B C S E F G

10 10

8 4 7 8 3 8

9 5 2 10

9 8 10 4 4 3

4 9 7 7

5 10

10 10

5. tblzat. Megolds

Projekt: Dtum
Outputok

Szolgltatsi folyamat 2012. szept. 20.

Szllt kivlaszts Alkatrsz kivlaszts Kiszllts

Slyok

10

8 14

Sorszm

Bels tfutsi id

Kltsg

Szorzat

Sorszm

Bels tfutsi id

Kltsg

Szorzat

Inputok A B C S E F G

10 9 8 10 4 4 3 4 9 7 7

4 7 8 3 8

5 2 10 10 10

5 10

177 137 186 224 102 257 181

5 6 3 2 7 1 4

FMEA Az Failure Mode and Effects Analysis azaz a hibahats elemzs annak eszkze, hogy egy folyamat vagy termk esetben meghatrozzuk a folyamat kritikus hiba okait, hibit s elemeit (alkatrsz vagy lps).

5.2. A mrsek igazolsa

Ha mnnk kell egy folyamat kritikus tulajdonsgait, akkor szksges valamilyen rmrtk, tolmr, vagy valamilyen mreszkz alkalmazsa. Br legtbbszr ezek az eszkzk nagyon pontosak, mgis okozhatjk a mrsek klnbzsgt. Ennek eredmnyeknt szksges a mrsi rendszer elemzse (MSA measurement system analysis), amelynek clja, hogy meghatrozza vajon a mrsek megfelelek-e. Egy msik lehetsg, ha termk vagy folyamatkpessg vizsglatot futtatunk le. Gauge R&R analzis A leggyakrabban hasznlt mrrendszer-elemzs eszkz a Gauge Repeatability and Reproducibility, azaz az ismtelhetsgi s reproduklhatsgi elemzs, amely arra szolgl, hogy meghatrozzuk a mrsek sorn a mreszkzk pontossgt s a mrst vgz szemlyek precizitst. Ha a mrsek nem pontosak, akkor ez a mrsek szrsnak nvekedst eredmnyezi. Nyilvnvalan nem clunk, hogy ezen hibs (nem precz) adatok alapjn helytelen kvetkeztetseket vonjunk le. A mrsekkel kapcsolatos hibk a kvetkezkbl fakadhatnak: a mrmszer hibja, az mrst vgz szemly nem megfelelen hasznlja a mrmszert, nem volt megfelel a mrs betantsa, a mrmszert hibsan kalibrltk.

A mrrendszer-elemzshez az ANOVA elemzst alkalmazhatjuk, amelynek segtsgvel meghatrozhatjuk hagy a szrds a mrend egysgbl, a mrst vgz szemlyek klnbzsgbl, vagy a mrmszerbl fakad-e.

15

9. bra. Az ingadozs forrsainak felbontsa

Forrs: Sgi Kiss Virg Lencss Gerg (2007): Mrrendszer elemzs (Gauge R&R) jelentsge. Magyar Minsg, 10. sz., 12-17

A fenti bra alapjn a klnbz alkatrszekre kapott eredmnyek eltrst jellemz szrs a kvetkezkppen bonthat fel:

2 telj = 2 alkatresz + 2 mrs

A mrsnek tulajdonthat ingadozs is kt rszbl ll:

()

2 mrs = 2 ism + 2 reprod

A reproduklhatsg variancijt tovbb bontva:

()

2 reprod = 2 kezelo + 2 alkatresz*kezelo

()

A szrssszetevk becslst a terjedelem vagy az ANOVA-mdszer segtsgvel vgezhetjk. A terjedelembl trtn becsls egyszerbb, de ez figyelmen kvl hagyja az alkatrszek s kezelk kztti klcsnhatst. Amennyiben a klcsnhats nem jelents, a kt mdszer hasonl eredmnyt ad. A professzionlis statisztikai programokkal termszetesen mindkt mdszer szerint elvgezhetjk az adatok elemzst, s a szmszer rtkelsen tl grafikai szemlltetssel is kiegszthetjk a vizsglatot. Mikor megfelel a rendszer? Ha a mrsi hiba 2mrs minl kisebb. A mrsi rendszer teljestmnyt a kvetkezkppen szmthatjuk ki, s az rtkelst 0 4. tblzat tartalmazza.

16

R & R% =
2. tblzat. A mrsi rendszerrel szembeni elvrsok

2 mrs 100 2 teljes

()

R&R% >30% 10%< R&R%<30% <10%

Minsts nem elfogadhat felttelesen elfogadhat megfelel

Forrs: Kvesi J. Topr J. (2006): A minsgmenedzsment alapjai. Typotex Kiad, Budapest.

Plda: Gauge R&R elemzs Feladat: Az albbi tblzat tartalmazza a mrsek eredmnyeit. 3 mrst vgz szemlynk van, akik mindegyike lemrte az adott alkatrszt ktszer. )sszesen 20 alkatrszt vizsgltak meg. A mrsekben megfigyelhet valamekkora szrds, ugyanakkor nem tudjuk, hogy ez a klnbzsg az alkatrszbl, a mrst vgz szemlybl, vagy a mrmszerbl ered. Megolds: Futtassunk le kt-utas ANOVA elemzst. Ahol a p szignifikancia rtk kisebb, mint 0,05, ott 5%-os s szignifikancia szint mellett az adott tnyeznek nincs szerepe a mrsek klnbzsgben. op 1 21 20 24 23 20 21 27 27 19 18 23 21 22 21 19 17 24 23 25 23 op 2 20 20 24 24 19 21 28 26 19 18 24 21 22 24 18 20 25 23 26 25 op3 19 21 23 24 20 22 27 28 18 21 23 22 22 20 19 18 24 24 24 25 11 12 13 14 15 16 17 18 19 20 21 20 18 19 23 25 24 24 29 30 26 26 20 20 19 21 25 26 19 19 20 20 17 19 25 25 23 25 30 28 25 26 19 20 19 19 25 24 18 17 21 20 18 19 25 25 24 25 31 30 25 27 20 20 21 23 25 25 19 17

1 2 3 4 5 6 7 8 9 10

Az SPSS elemzshez az adatokat t kell alaktanunk. A mrsek kerljenek egy oszlopba, s vegyk fel az alkatrsz s az opertor vltozkat. Az alkatrsz adja a mrt alkatrszt (1-tl 20-ig), az opertor pedig a mrst vgz szemly szmt (1-tl 3-ig). Az SPSS-ben val elemzshez keressk ki az analyze General linear model univariate parancsot. A dependent vltoz: a mrs, a fixed factors: az opertor s az alkatrsz. Az elemzs lefuttatsval az albbi eredmnyeket kapjuk:

17

Tests of Between-Subjects Effects Dependent Variable:meres Type III Sum of Source v_alkatrsz v_operator v_alkatrsz * v_operator Error Total Squares 1185,425 2,617 27,050 59,500 1274,592 df 19 2 38 60 119 Mean Square 62,391 1,308 ,712 ,992 F 62,915 1,319 ,718 Sig. ,000 ,275 ,861 Partial Eta Squared ,952 ,042 ,313

a. R Squared = ,953 (Adjusted R Squared = ,907)

A szignifikancia rtkek azt mutatjk, hogy egyedl az alkatrsz vltoz szignifikancia szintje kisebb mint 0,05, azaz a szrsban csak ez jtszik szerepet. Sem a kezel sem pedig a kezel s a mrs kzti kapcsolat nem befolysolta a mrseket.

6. Elemzs szakasz
Az elemzs szakasz magba foglalja a kivlasztott fekete-ves folyamatra vonatkoz adatgyjtst s az adatelemzst. A kvetkez lpseket tartalmazza: 1. Hatrozzuk meg a teljestmny clokat 2. Hatrozzuk meg a fggetlen vltozakt (x) 3. Elemezzk a szrs forrsait.

6.1. Clok meghatrozsa

Amikor meghatrozzuk a teljestmny-clokat, olyan jellemzket kell keressnk, amelyeket meg szeretnnk vltoztatni majd a projekt sorn. Pldul a folyamat kpessg elemzs alkalmazsval megllapthatjuk, hogy folyamat kpes-e tartani az elrsokat. Ezzel megllapthatjuk, hogy a vizsglt jellemz (mennyisgi vagy minsgi tulajdonsg) az tlag krl ingadozik-e, vagy mirt nem teljesti a specifikcikat. Ha az tlag krl ingadozik, de tl nagy a szrsa, akkor is rdemes beavatkozni, ha viszont az tlag is eltoldik, akkor meg kell vizsglni, hogy ennek milyen okai lehetnek. Ennek lehetsgeit a fejlesztsi fzisban ismertetjk.

6.2. A befolysol tnyezk meghatrozsa

Ez azon vltozk meghatrozst jelenti, amelyekrl a ksbbiekben adatokat kell gyjtennk. Ezek olyan tnyezk, amelyek hozzjrulnak a termk vagy folyamat bizonyos tulajdonsgainak vltozkonysghoz. Folyamat trkp, XY mtrix, brainstorming, s FMEA eszkzk lehetnek a segtsgnkre ebben.

6.3. A vltozkonysg okainak elemzse

18

Ez olyan statisztikai eszkzk alkalmazst jelenti, amelyek segtenek megrteni azon X s Y vltozk kztti kapcsolatot, amelyeket a tovbbi lpsekben hasznlni kvnunk. Olyan eszkzket alkalmazhatunk ebben a szakaszban mint a hisztogram, kalicka bra (box-plot), pont-diagram, regresszi elemzs, hipotzis vizsglat.

7. Fejlesztsi fzis.
Ez a szakasz n. offline ksrletek, azaz a folyamattl kln zajl ksrletek lefuttatst jelenti. Ez magban foglalja a korbban meghatrozott vltozk tanulmnyozst s ANOVA mdszer alkalmazsval annak meghatrozst, hogy ezen vltozk szignifiknsan befolysoljk-e a fgg vltoznk szrdst. Ennek rtkelshez a Taguchi-fle ksrlettervezs mdszert mutatjuk be.

8. Ellenrzsi szakasz
Az ellenrzsi szakasz a mr javtott folyamat nyomon kvetst jelenti, amely sorn alkalmazhatunk klnbz folyamat brkat. (Pl. ellenrz krtykat.)

9. Taguchi-fle ksrlettervezs
Szmos klnbz faktort, inputot vagy vltozt kell figyelembe vennnk, amikor elksztnk egy termket. Pldul tegyk fel, hogy kekszet akarunk stni. Mennyi liszt, mennyi tojs kell hozz, mennyi ideig, hny fokon szksges stni. Minden bizonnyal tallunk valamilyen receptet, amit kvethetnk, de mi van, ha nincs recept, s ttrknek szmtunk, akik igyekeznek kiksrletezni a megfelel sszetevk megfelel kombincijt. Valsznleg prba-szerencse alapon kell haladnunk. Ugyanakkor van erre egy jobb megolds, amely segt neknk megtallni a megfelel sszetevk arnyt. A taguchi-fle mdszer egy ilyen szabvny mdszer. A megfelel vltozkat a ksrlettervezsen keresztl hatrozhatjuk meg. Ez segt mennyisgileg meghatrozni az sszetevket annak rdekben, hogy az eredmny magas minsg termk legyen. Jelen knyvben egy tfogbb, inkbb menedzsment szemlletbb bemutatsra treksznk. A mrnkk szmra kszlt knyvek ennek sokkal technikai jellegbb megkzeltst tartalmazzk.

9.1. Robusztus tervezs6

Taguchi-fle robosztus tervezs azt jelenti, hogy a termkeket s szolgltatsokat gy kell megtervezni, hogy azok bels hibktl mentesek legyenek, s magas minsget kpviseljenek. Ez a koncepci nem j kelet. Az hogy a termkeket s szolgltatsokat magas minsgen kell ellltani, vagy hogy a folyamatoknak hiba-mentesnek kell lennie egy ids a tmegtermelssel. Ugyanakkor Taguchi ennek egy j megkzeltst alkotta meg. A robusztus tervezst egy 3 lpsbl ll folyamaton keresztl lehet elrni, melynek elemei a koncepci-tervezs, paramter-tervezs s tolerancia-tervezs. A koncepci-tervezs az, amikor klnbz egymssal helyettesthet technolgikat vizsglunk meg, s vlasztunk ki. Ez egyrszt magban foglalja a folyamattechnolgijnak a kivlasztst s a folyamattervezst. Mindezek helyes kivlasztsa a kltsgek cskkenst s magas minsget
6

A robusztussg annyit jelent, hogy a termk preczen kivitelezett, hibtl mentes (a fordt)

19

eredmnyez. Egy fnymsol zletben a koncepci tervezs magban foglalja a megfelel fnymsolk kivlasztst s a fnymsolk elhelyezst. Mindegyik lehetsges fnymsolt kln kell tesztelni, annak rdekben, hogy meghatrozhassuk, alkalmas lesz-e arra a feladatra, amire hasznlni akarjuk. Pnzgyi szolgltat vllalatok esetben ez a lps magban foglalja a megfelel technikai eszkzk s berendezsek kivlasztst s a folyamatok meghatrozst minden egyes felhasznl csoport, VIR (vezetsi informcis rendszer) felhasznlk s rendszerelemzk esetre. A paramter tervezs a klnbz kontroll paramterek kivlasztst s optimlis szintjnek a meghatrozst jelenti. Ezek azok a faktorok, amelyekre a hatssal lehetnk. Pldul az gyflszolglatosok szmra nyjtott kpzsek fajtja s hossza a vezets ltal meghatrozhat. Nyilvnval, hogy az gyflszolglatos munkatrsak ltal kapott trningek mennyisge meghatrozza az gyflnek nyjtott szolgltats minsgt, azaz ebben az estben a kpzs egy ilyen kontrolltnyez lesz. A kontrolltnyezk nem befolysoljk ugyanakkor a termelsi kltsgeket. Az optimlis szintjk elrse a cl a megfelel teljestmnyhez. Pldul egy paprlap hossznak esetben a clrtk 22 cm lesz. A lnyeg, hogy az els lpsben a leghatkonyabb folyamat s szolgltats designt talljuk meg. A paramter tervezs sorn pedig azt biztostjuk, hogy a legjobb teljestmnyt hozzuk ki ezekbl. Pldul a stemnyeket hny fokon s mennyi ideig kell stni? Ezeket a paramtereket ksrletezssel tudjuk meghatrozni. A tolerancia-tervezs a specifikcis hatrok cskkentsre irnyul. A tolerancia-tervezsre a paramter-tervezs utn kerl sor, ha tudjuk, hogy az egyes paramtereknek milyen a hatsa a vgeredmnyre, akkor az erforrsokat arra fordthatjuk, hogy kontrollljuk a vltozkonysgot nhny kulcstnyez ltal. Ennek eredmnyeknt gyakran nvekednek a termelsi kltsgek is. Pldul a mrnkk szken hatrozzk meg a specifikcis hatrokat, ezrt magasabb minsg alapanyag felhasznlsa szksges a gyrts sorn ezek teljestshez.

10. A Taguchi modell httere

A taguchi mdszert elszr Dr. Genichi Taguchi alkalmazta 1980-ban az AT&T Bell Laboratories-nl. Ksznheten a szleskr elfogadottsgnak s alkalmazhatsgnak, napjaikra ez a mdszer hasonl fontossg a minsgfejleszts terletn mint a statisztikai folyamatszablyozs (SPC), a Deming megkzelts s a japn gyker teljes kr minsgszablyozs (TQC). Trtnelmi szempontbl Taguchi munkja a minsgfejleszts terletn folytatsa Shewart statisztikai minsgszablyozsnak (SQC) s Deming munkjnak a Japn minsgfejleszts terletn. A taguhi mdszer: 1. segt meghatrozni a kapcsolatot a kontrolllni kvnt termket vagy szolgltatst meghatroz tnyezk s a folyamatkimenete kztt. 2. segt a folyamatjellemzt az tlag krl tartani a kontrolltnyezk optimalizlsval. 3. egy eljrs, amely segt megvizsglni a kapcsolatot a vletlen zaj s a termk vagy szolgltats vltozkonysga kztt. A taguchi mdszer egyedi megkzeltse mgtt ll tbbek kztt a taguchi-fle minsg megkzelts, a minsg vesztesg fggvny (QLF quality loss function) s a robusztus termktervezs koncepcija.

20

10.1. A taguchi-fle minsg definci

A minsg hagyomnyos megkzeltse kz tartozik a specifikciknak val megfelels. Ugyanakkor Taguchi nmileg eltrt ettl a megkzeltstl. Az megfogalmazsban az idelis minsg az a referencia pont, vagy clrtk, amelynek a termknek meg kell felelnie. Az idelis minsg elrhet, ha a termk vagy a nem megfoghat szolgltats az elvrt funkcit a megfelel hasznlati krlmnyek kztt kros mellkhatsok nlkl teljesti vgig a hasznos lettartam alatt. A szolgltatsok esetben mivel itt a szolgltats nyjtsa s kivitelezse egy idpontra esik , az idelis minsg a vevi szlels s elgedettsg fggvnye. Taguchi a szolgltatsok minsgt a trsadalomnak okozott vesztesgknt rtkeli, amikor az nem az elvrtaknak megfelelen kivitelezett.

10.2. Minsgvesztesg fggvny

A kvetkez brn brzoljuk egy termk mrt kritikus tulajdonsgt. Ezt az brn az A pont jelli. Ha az A a specifikcis hatrokon bell esik, a hagyomnyos megkzelts szerint nincsen problma. Ugyanakkor az "A" pont kzelebb esik a specifikcis hatrhoz, mint a clrtkhez. Ez azt jelenti, hogy idvel ez problmkat okozhat. Taguchi ezt a potencilis problmt a trsadalomnak okozott potencilis vesztesgknt rtkeli. Egy termelsi folyamat esetn ezt a vesztesget nemcsak a selejt, vagy jramunkls szksgessge adja, de a krnyezetszennyezs, tl gyors elhasznlds, vagy egyb negatv hatsok is jelentik. A vesztesg a clrtktl val eltrs kltsge.
10. bra. A klasszikus QC-lps fggvny

Q(c) Selejt kltsg

LSL

cl A

USL

Ahhoz hogy szmszerstse ezt a vesztesget, Taguchi a kvadratikus vesztesg fggvnyt alkalmazta. A kvetkez bra azt mutatja, hogy brmilyen eltrs a T=6-os clrtktl a vllalatnak okozott vesztesgben mrhet. Gyakorlatilag a fggvny a gazdasgi s szocilis kltsg, amely annak eredmnyeknt merl fel, hogy nem megfelel termket vsrolunk. Ilyen lehet pl. a karbantartsi kltsg, hibakltsg, a krnyezetre gyakorolt hatsok, mint krnyezetszennyezs, vagy a termk hasznlatn felli kltsgek. A QLF rtkt a kvetkez konstans segtsgvel szmthatjuk ki:

K=
K= konstans C= egy termk javtsnak kltsge

C , ahol T2

(1)

21

T= a tolerancia intervallum A konstans alapjn a fggvny rtke a kvetkezkppen szmthat:

L = K V($ / unit ) ,ahol

L= a gazdasgi kltsgek, amelyet a fogyaszt elszenved, a termkjellemz ingadozsa miatt V2=a szrsngyzet

(2)

11. bra. A taguchi-fle kvadratikus vesztesg fggvny

Plda: QLF fggvny alkalmazsa Feladat: Tegyk fel, hogy egy autht javtsnak kltsge 200$. Szmtsuk ki a QLF rtkt, ha a clrtk 60,5mm, a szrsngyzet pedig (1/6)2. Megolds:

K=

C 200 = = 800 2 T 0,5 2

2 2

1 L = K V = 800 = 22,22$ / termk 6

Az ingadozs ltal okozott vesztesg 22,22$ termkenknt. Ha sszehasonltjuk ms alkatrszek ltal okozott vesztesggel, akkor megllapthatjuk a minsgfejleszts sorrendjt. A QLF a statisztikai alap ellenrz krtyk s a specifikcis hatrok meghatrozsbl ered, amely szerint brmilyen a clrtktl val eltrs vev szmra okozott gazdasgi vesztesg.

11. A taguchi-folyamat
Br a taguchi-folyamat ersen statisztikai s technikai oldalnak tnhet, a legfontosabb lpsek mgis a magatarts-tudomnyhoz kapcsoldnak s olyan lpseket foglalnak magukban, mint teammunka, s brainstorming. Nzzk most vgig a taguchi folyamat menett. 22

1.

Problma megfogalmazsa:

Elszr is a folyamat vagy a szolgltats alapjn meg kell hatrozni, hogy mit akarunk javtani. 2. Brainstorming szakasz (a faktorok, a faktorok rtkeinek megllaptsa, lehetsges kapcsolatok meghatrozsa, cl)

A msodik lps azoknak a tnyezknek a meghatrozsa, amelyek befolyssal vannak a folyamat vagy szolgltats minsgre. Ebben rszt vesz a projektfelels, a vezet s a folyamat ltal rintett dolgozk. A vezetk jelenltvel ugyanakkor vatosan kell bnni, nehogy elfojtsa a munkavllalk tletelst. A kritikus tnyezket Taguchi faktoroknak nevezi. Ezek lehetnek kontrolltnyezk (amelyekre hatssal lehetnk) s zaj faktorok (amelyekre nem lehetnk hatssal). Kontroll faktorok lehetnek a mveletek, a vilgts mrtke, hmrsklet, stb. Zaj faktorokra plda a nem befolysolhat hmrsklet vltozkonysg, az emberi-teljestmny vltozkonysga, vagy a krnyezeti tnyezk, amelyeket nem tudunk befolysolni. Amikor ezek megvannak, akkor meg kell hatrozni a kontroll faktorok klnbz rtkt. Pldul hrom-ngy hmrskleti rtket. Legalbb hrom rtkt kell meghatrozni annak rdekben, hogy a fggvnyformkat (pl. interakcikat) meghatrozassuk. A brainstorming sorn a lehetsges kapcsolatokat is meg kell hatrozni. A zaj faktorokat is clszer mrni a ksrletek sorn. Ezutn a ksrlet cljait kell meghatrozni, amely lehet attl fggen, hagy maximalizlni, minimalizlni akarjuk az rtket, vagy egy konkrt clrtkhez kzelteni. a legkisebb a legjobb: A ksrlet eredmnye akkor a legjobb, ha nullhoz kzeli. Pldul egy keksz sts sorn a lehet legkisebb hibs darabot szeretnnk. Vagy egy tojs dobozolsi folyamatban a lehet legkevesebb trtt tojs legyen adott rtk a legjobb: Pldul a papr legyen 8,5 cm szles, vagy egy asztal szlessge 1m20cm. A legtbb a legjobb: Ez ppen az els tpusnak az ellentte, pldul a lehet legtbb hibamentes szmtgpes chip legyen egy sorozatban, vagy a lehet legnagyobb slygyarapods a takarmnyozs eredmnyeknt. Ksrlettervezs (a megfelel ortogonlis mtrix kivlasztsa, ksrletterv)

3.

Az elbbiekben meghatrozott fatorok s clok alapjn a ksrlet megtervezse. A ksrletet off-line vgezzk, ami a hagyomnyos folyamat kzbeni minsgmrssel szemben a folyamattl elklnl ksrlet lefuttatst jelenti. Ezrt a ksrletterv kialaktsa kulcsfontossg a taguchi folyamatban. Mint minden ksrletnl, a megfelel szm ismtls meghatrozsa, s az egyes esetekben a megfelel kondcik meghatrozsa mint a clok meghatrozsa, a mrsek lebonyoltsa, a faktortnyezk minimlisra cskkentse krltekintssel kell trtnjen. Az ismtlsek szmt clszer minden esetben elre rgzteni. 4. A Ksrletek lefuttatsa

23

Az egyes elemzsek sorn komolyabb elemzsi eszkzket is alkalmazhatunk, ilyen az ANOVA, jel-zaj (S/N signal-to-noise) arny, vagy eredmny bra. br ezek nem annyira elmleti megkzeltsek, de hasznos eszkzk a projektek tervezsben. A szolgltatsok esetben a Ross-fle megkzelts lehet a leghatsosabb eszkz. Ez sokkal knnyebben megrthet, s nagyjbl hasonl eredmnyeket ad, mint az ANOVA, vagy az S/N arny. A kvetkez lpseket clszer kvetni ebben az esetben: Vlasszuk ki a megfelel ortogonlis tmbt. (ezek olyan eszkzk, amelyek biztostjk az egymst kvet ksrletek fggetlensgt.) A megfelel mtrix a faktorok szmtl s azok lehetsges rtkeinek szmtl fgg. Futtassuk le a ksrleteket a szksges szmban. Hatrozzuk meg a ksrletek eredmnyeinek az tlagt minden egyes faktor minden egyes rtkre. brzoljuk ezeket az rtkeket egy eredmny brn jellve a legjobb megoldst a ksrlet cljnak szempontjbl.

5.

Eredmnyek elemzse

A ksrlet sorn meghatroztuk a faktorokat s azok lehetsges rtkeit, valamint a ksrlet kimenetelnek clfggvnyt. Ha a faktorok kztt klcsnhats is jelen van, akkor kt lehetsg van. Vagy figyelmen kvl hagyjuk ezeket az sszefggseket (ennek van nmi kockzata), vagy ha ennek kltsge nem jelent korltot, akkor egy teljes-faktorilis ksrletet futtatunk le, hogy feltrjuk ezeket az sszefggseket. Ez ugyanis figyelembe veszi az egyes faktorok kztti klcsnhatsokat is.

6.

A lefuttatsok megerstse

Amikor meghatrozzuk a faktorok optimlis rtkt, akkor ezekkel az optimlis rtkekkel lefuttatott ksrlet eredmnyvel validljuk az eredmnyeinket. Ha nem sikerl megerstennk a korbbi eredmnyeket, a ksrletnkbe valahol hiba csszott. Ilyenkor elfordulhat, hogy a faktorok kztt interakci van jelen, s ekkor jbl meg kell ismtelnnk a lpseket. Feladat: A kvetkezkben egy taguchi-fle ksrlettervet mutatunk be. Egy fbl kszlt termk minsgt hrom tnyez befolysolja, amelyek a kvetkezk: A: nyoms B: szrtsi hmrsklet C: folyamat ideje Mindegyik faktor esetben kt rtket klnbztetnk meg: A: 250 atm, 300 atm B: 150 fok, 180 fok C: 3 ra, 4 ra Hatrozza meg a faktorok rtkt, ha a cl a vgrtk minimalizlsa. Megolds: Egy Taguchi ksrletterv lebonyoltshoz ki kell vlasztanunk a megfelel ortogonlis tmbt. Mivel hrom faktorunk van 2-2 rtkkel, a teljes-faktorilis ksrletterv 23, azaz 8 darab

24

ksrlet lefuttatst ignyeln. A taguchi mdszer viszont ennl sokkal gazdasgosabb, mivel az L4(23) ortogonlis tmb alkalmazsval mindssze ngy ksrletet elg elvgeznnk a kvetkezk szerint: Faktorok B 1 2 1 2

Prba 1 2 3 4

A 1 1 2 2

C 1 2 2 1

Eredmnyek 25 30 28 36

Az ortogonlis tmb tartalmazza a hrom faktort s a ngy ksrletet. Az els sorban lthatjuk, hogy az els ksrlet sorn a faktorok belltsai: A1, B1, s C1, azaz 250 atm, 150 fok a 3 ra. Ha megnzzk a ksrlet eredmnyeit, akkor lthatjuk, hogy a fa termk 25-tel rtkelhet. A msodik ksrlet sorn 250 atm, 180 fok s 4 ra lesznek a folyamat belltsai. Hatrozzuk meg a megfelel rtkeit a faktoroknak az tlagok meghatrozsval s a szrs elemzsvel. Minden egyes faktor minden rtkre kiszmtjuk az eredmnyek tlagt:

25 + 30 = 27,5 2 25 + 28 B1 : = 26,5 2 25 + 36 C1 : = 30,5 2 A1 :

28 + 36 = 32 2 30 + 36 B2 : = 33 2 30 + 28 C2 : = 29 2 A2 :
35 30 25 20 15 10 5 0 A1 A2 B1 B2 C1 C2

Az "A" faktor esetben az els rtkkel lefuttatott ksrletek tlaga adta a kisebb eredmnyt, gy a clfggvnynk alapjn 250 atmoszfra nyoms alkalmazsa az optimlis. A B faktor esetben szintn az els, a C faktor esetben a msodik bellts az optimlis. gy az alkalmazand belltsok:

A: 300 atm B: 150 fok 25

C: 4 ra

12. A Six Sigmval val tervezs

A Six Sigmval val tervezs (DFSS Design for Six Sigma) akkor alkalmazhat, ha j termket vagy szolgltatst akarunk tervezni, amelynek magas minsgt a fogyaszt-alap kritikus minsg mdszervel akarjuk mrni. Ekkor a DMAIC mdszer helyett a DMADV (design, measure, analyze, design, verify) folyamat, azaz a tervezs, mrs, elemzs, tervezs, megersts alkalmazand. Egy msi megkzelts az IDOV (identify, design, optimize, verify) az azonosts, tervezs, optimalizls, megersts, a vgs tervezsi optimalizlsra koncentrl. Ezek a mdszerek fogyaszt orientltak, tfogjk a teljes zleti folyamatot, s alkalmazhatk mind termkekre mind szolgltatsokra. Ugyanakkor, mg a DMAIC a mr meglv folyamatok esetben, a DMADV j termkek s folyamatok esetn alkalmazhat

13. Lean Six Sigma kontingencialista nzpontbl

Ahogy mr korbban emltettk, a Lean Six Sigma nagyon npszer eszkz a termkek s folyamatok robosztussgnak fejlesztsre. Ez nagyon sok technikai ismeretet s szakrtk bevonst ignyli (pl. fekete-vesek). Nagyon hasznos lehet azon vllalatok szmra, amelyek szeretnk cskkenteni a kltsgeiket s nvelni a hatkonysgukat. Amikor a cgek azonban alkalmazni kezdik a Lean Six Sigmt anlkl, hogy klnskppen ismernk a folyamatokat, nha a vrt eredmnyek elmaradnak. Ennek okaknt a kvetkezket emlthetjk: a Bajnokok vezetsnek hinya, a szerepek s a felelssgi krk flrertse, a fejldshez szksges kultra hinya, a vltozssal s a Six Sigma struktrjval szembeni ellenlls, a bevezets sorn kvetett hibs stratgia, adatok hinya.

Mint szmos ms minsgfejlesztsi eszkz, ehhez is szksges egy kulturlis httr, vezeti tmogats, s elktelezettsg, amely az erfesztseket eredmnyess teszi. Emellett kulcsfontossg, hogy megfelel adatok lljanak rendelkezsre. Az olyan vllalatok, ahol nem elrhetk adatok, nem fogjk tudni eredmnyesen alkalmazni a Lean Six Sigma eszkztrt.

26