POTENCJALNE PRZYCZYNY ZMIENNOŚCI

Potencjalne przyczyny (X)

Wynikiem tego pierwszego kroku w poszukiwaniu potencjalnych przyczyn zmienności jest lista X-ów, z których nie wszystkie mają znaczący wpływ. Oprócz pytania, czy znaczniki X mają znaczący wkład, ważne jest, aby wiedzieć, czy są pod naszą kontrolą. Na przykład, chociaż pogoda jest główną przyczyną korków w Holandii, trudno na nią wpłynąć (chociaż w pewnym stopniu można to przewidzieć). X, na które nie mamy wpływu, nazywane są „szumem”. Jednak uwzględniamy również te X w naszym poszukiwaniu czynników wpływu. Tak więc poszukiwanie X nie ogranicza się do np. X, które reprezentują różne konfiguracje sprzętu, procedur lub zasad. X mogą być ciągłe lub dyskretne.

Xy, na które nie można wpłynąć, są często i tak zawarte w tym zadaniu; kiedy wiesz, jaki wpływ pogoda może mieć na czas Twojej podróży i wiesz jaka będzie dzisiaj pogoda, możesz wziąć to pod uwagę i dostosować czas wyjazdu!

Procedura, która zostanie zastosowana w następnych rozdziałach w celu zidentyfikowania przyczyn źródłowych, jest taka sama, jak stosowana do określenia CTQ i Y:

• Mapuj potencjalne X-y
• Ustal priorytety potencjalnych X-ów
• Wybierz przyczynę źródłową lub główne przyczyny, które zamierzasz usunąć
• Mapowanie potencjalnych X to pierwszy krok. W tym rozdziale skupiamy się na mapowaniu możliwych X-ów, które mogą wpływać na Y.

Narzędzia do określenia potencjalnych przyczyn źródłowych

Istnieją różne narzędzia, których można użyć do zidentyfikowania możliwych przyczyn:

• Schemat procesu
• Diagram przyczynowo-skutkowy
• Macierz przyczynowo-skutkowa
• Analiza rodzajów i skutków awarii (FMEA)

Dodatkowo przy pomiarze projektu Y uwzględniono już potencjalne czynniki stratyfikacji lub inne zmienne, które mogą być potencjalnymi X, dlatego też w identyfikacji przyczyn przydatne są następujące źródła z fazy działania:

• Plan zbierania danych
• Analiza graficzna projektu Y

Diagram przyczynowo-skutkowy

Diagram przyczynowo-skutkowy to narzędzie, które pomaga zidentyfikować, posortować i przedstawić wszystkie potencjalne przyczyny określonego problemu lub aspektu jakościowego. Zapewnia graficzne przedstawienie związku między danym wynikiem (Y) a wszystkimi czynnikami (X), które mają na niego wpływ. Ten typ diagramu jest również znany jako diagram Ishikawy, od nazwiska człowieka, który go wynalazł, Kaoru Ishikawy.

Diagram przyczynowo-skutkowy jest bardzo przydatnym narzędziem z następujących powodów:

• pomaga zidentyfikować pierwotne przyczyny problemu lub aspektu jakości, stosując ustrukturyzowane podejście
• zachęca do uczestnictwa w grupie i wykorzystuje grupową wiedzę o procesie
• używa uporządkowanego i łatwego do odczytania układu, aby pokazać związek przyczynowo-skutkowy
• wskazuje potencjalne przyczyny odchyleń procesu
• zwiększa wiedzę o procesie, pomagając każdemu dowiedzieć się więcej o czynnikach i ich wzajemnych powiązania
• wskazuje obszary, w których należy zebrać dane do dalszych badań

Macierz przyczynowo-skutkowa

Macierz przyczynowo-skutkowa ustala korelację między kilkoma skutkami (Y1, Y2,….), a przyczynami leżącymi u ich podstaw (X1, X2,….). Ponadto

korelacja jest punktowana, dzięki czemu relacje są natychmiast nadawane priorytetom. Jeśli jeden efekt ma większą wagę niż inne, efekty są ważone. Ten współczynnik wagi jest mnożony przez wynik korelacji, aby określić całkowity wynik dla każdej przyczyny.

Ta macierz jest często używana po diagramie przyczynowo-skutkowym (rybiej ości), aby dokonać pierwszej zmiany między bardziej i mniej prawdopodobnymi potencjalnymi przyczynami. Oprócz dyskusji w zespole, czy istnieje korelacja, zespół ocenia również siłę korelacji. Dla tego wyniku najczęściej używane są liczby 0,1,3,6,9, odpowiednio dla braku korelacji, słabej korelacji, średniej korelacji, silnej korelacji i bardzo silnej korelacji.

Jeśli z jakiegoś powodu jeden efekt (Y1) jest ważniejszy dla projektu niż inny efekt (Y2, prawdopodobnie nie szkodzi Y), efekty otrzymają inny współczynnik wagi. Ten współczynnik wagowy pomnożony przez wynik korelacji (0,1,3,6,9) określa łączny wynik dla tej przyczyny. Liczby 0, 1, 3, 6, 9 są używane, aby wygenerować więcej różnic między wynikami niż w przypadku, gdy zostałoby użyte 0, 1, 2, 3, 4.

Wynik macierzy przyczynowo-skutkowej można przedstawić graficznie na diagramie Pareto. (Patrz Rysunki 6.3 i 6.4). Aby zastosować regułę 80/20 w celu określenia, na które (potencjalne) przyczyny należy kontynuować i/lub rozpoczynać zbieranie danych. Jest to szczególnie przydatne, jeśli istnieje (zbyt) wiele potencjalnych X, aby zebrać dane o nich wszystkich. Ten pierwszy wybór opiera się na ogólnej wiedzy zespołu projektowego. Jeśli wszystkie pozostałe przyczyny w sposób bardzo oczywisty wpływają na problem, możliwe jest używanie ich i przejście bezpośrednio do fazy poprawy. Jednak tylko w projektach Green Belt. Projekty Black Belt (certyfikacyjne) muszą wykorzystywać dane, a następnie należy przeprowadzić analizy danych, aby wykazać znaczący wpływ X na Y.

Zapraszamy również naszkolenie Lean Six Sigma Black Belt i szkolenie Lean Six Sigma Green Belt.