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.