-
Zarządzanie zmianą w projekcie Six Sigma. Model Kotter’a z pomocą.
Projekt Six Sigma, tak samo jak każdy inny projekt, jest zmianą w organizacji. Jak mawiał klasyk „każda zmiana rodzi opór” i może się okazać, że nawet wytrawny Black Belt wyposażony w niezbędne narzędzia i dane, nie będzie w stanie przeprowadzić projektu z sukcesem.
Co może wydarzyć się w projekcie Six Sigma, co uniemożliwi efektywną jego realizację? Zdarzyć może się wiele, dlatego warto na to spojrzeć z perspektywy faz DMAIC. I tak zatem:
– define – ze względu na brak jasności co do tematu i celu projektu lider może mieć problem z zebraniem zmotywowanego do prac zespołu projektowego, szczególnie w sytuacji projektu pt. „cięcie kosztów” gdy istnieje obawa o moje miejsce pracy lub ma wpływ na mój zespół,
– measure – zebranie wiarygodnych danych to wyzwanie za każdym razem, jeszcze bardziej gdy pracownicy których zmiana dotyczy mają podejrzenie, że te dane zostaną wykorzystane przeciwko nim. W jednej z firm produkcyjnych w której realizowaliśmy projekt związany z eliminacją defektów na linii malowania komponentów, jakość badana przez wewnętrzny dział wynosiła 100%, a poziom reklamacji ze strony klienta wynosił 20%. W takim razie komu mamy wierzyć?
– analyze – nie muszę dodawać, że złe dane na wejściu oznaczają złe wnioski. Jak znaleźć przyczyny źródłowe, jeśli dane „się nie kleją” a pracownicy nie chcą wspomóc lidera projektu swoją eksperckością? W najgorszym wypadku może okazać się, że pomimo tego, że operacje miały wiedzę na temat przyczyn niepowodzenia w procesie, nie podzieliły się tą wiedzą,
– improve – w tej fazie poszukiwania rozwiązań kluczowe jest zaangażowanie ekspertów, którzy pomogą nam rozwiązać problem. Co jeśli nie będą chcieli nam pomóc?
– control – faza stabilizacji, kluczowa w swej naturze aby projekt przyniósł oczekiwane rezultaty w długim okresie czasu, może być trudna podobnie jak faza measure. To tutaj przygotujemy plan kontroli i ponownie będziemy zbierać dane, aby monitorować nasz proces i reagować gdy zacznie „zachowywać się” podejrzanie.
Jak z powyższego i z naszych doświadczeń wynika, kluczowa rola pracowników firmy (interesariuszy) przejawia się w ich istotnym wpływie na rezultaty projektu. Zatem, czy istnieje sprawdzona metoda, dzięki której można zmniejszyć obawy przed zmianą i sprawić, że w tym trudnym czasie pracownicy będą nam sprzyjać?
Jedną z metod, które moim zdaniem doskonale nadają się do tego zadania jest model zarządzania zmianą J.P.Kotter’a. Kotter jest autorem, który moją sympatię zdobył już dawno, a to za sprawą swoich badań dotyczących percepcji zmiany w organizacjach, oporu przed zmianą, sposobu radzenia sobie z nim, perspektyw zachowania uczestników tego procesu. W swojej flagowej książce „Leading change” opisuje, w jaki sposób przeprowadzić zmianę z sukcesem. Jeżeli jako Black Belt założymy, że nasz projekt (im większy tym większa będzie zmiana w zakresie do zarządzenia) jest właśnie dla firmy i jej pracowników taką zmianą, możemy ten model dostosować. Jak ten model wygląda? Spójrz poniżej.
Model zmiany Kotter’a składa się z 8 podstawowych kroków, które mają nas przybliżyć do sukcesu. Nasze obserwacje jako kierowników projektów czy konsultantów wdrażających zmianę w firmach pokazują, że e powinniśmy pamiętać o nich wszystkich, jak również, że powinny być podjęte właśnie w takiej kolejności. Myślę, że warto przybliżyć każdy z nich, aby czytelnik mógł zderzyć nasze obserwacje ze swoimi, tym samym wyciągnąć wnioski dotyczące wdrażania zmiany i je zastosować w swoich okolicznościach. Często też zdarza się, że uczestnicy naszych szkoleń zaskakują nas – jakby nie było pozytywnymi dla nas spostrzeżeniami – mówiąc „faktycznie stosowaliśmy to, ale nie wiedzieliśmy że to ten model. Jesteśmy z niego zadowoleni, przyniósł naprawdę dobre rezultaty”. A zatem jak przełożyć powyższą grafikę na praktykę? Do dzieła.
Krok 1. Stwórz poczucie pilności.
Od tego wszystko się zaczyna. Żeby sponsor zgodził się Black Beltowi na projekt, żeby przypisał zasoby i dał zielone światło, najlepiej wskazać, że ten projekt właśnie jest krytyczny biznesowo i bez niego klient może odejść, bo ma już dość słabej jakości obsługi. W innym przypadku możemy stracić duży kontrakt i część załogi zostanie zwolniona. Nie trzeba przekonywać prezentacjami na kilkadziesiąt slajdów, ale wystarczy jeden slajd z finansowym podsumowaniem stanu na dzisiaj i tego co będzie, jeśli nie naprawimy naszego procesu. Liczby zawsze przemawiają, a wyrażone w PLN, dolarach czy Euro przemawiają jeszcze bardziej 😉 I gdy już wiemy w firmie, że nie ma innej drogi, że trzeba to zrobić, zwiększają się szanse na zrozumienie wśród załogi i można przejść dalej.
Krok 2. Zawiąż koalicję wspierającą zmianę.
Samemu trudno wygrać wojnę i zmienić firmę. Nawet jeżeli mamy samych sprzymierzeńców, musimy być zgodni co do celu, dlatego też kolejnym krokiem jest zbudowanie koalicji partnerów. Gdy nasz projekt się rozpocznie, musimy mieć w organizacji kogoś, kto będzie nam pomagał w trudnych chwilach i będzie wierzył w głębszy sens, tego co robimy. Koalicjanci są tym bardziej niezbędni, im więcej w firmie jest osób, które nie są tego samego zdania co my i mogą na pewnym etapie nam przeszkadzać. Inaczej wygląda gdy pozytywnie o naszym projekcie wypowie się niezależny obserwator (który jak wiemy jest naszym koalicjantem), a inaczej jeśli na każdym spotkaniu pozytywne komunikaty pojawiają się tylko od jednej osoby – lidera projektów. W pierwszej sytuacji nasza wiarygodność jest większa, chyba się z tym zgodzimy.
Krok 3.Stwórz wizję zmiany.
Gdy wiemy na kogo możemy liczyć, czas by wspólnie z koalicjantami stworzyć wizję zmiany. To tam, gdzie chcemy być. Czy defekty w naszych procesach mają zostać wyeliminowanie do zera? Czy chcemy to zrobić za pomocą naszych pracowników, czy też może naszą wizją jest w pełni zrobotyzowana linia produkcyjna? W jednej z firm obszaru SSC, w której bardzo ważna jest relacja kosztowa cena/dokument, który jest przetwarzany dla klienta, CEO nieustannie powtarzał, że w ciągu 2 najbliższych lat wszystkie transakcje mają być realizowane na dokumentach elektronicznych. Cała firma wiedziała, że zgodę na realizację dostaną tylko te projektu, które przybliżają ją do tego celu.
Krok 4. Ciągle komunikuj wizję w całej organizacji.
Może okazać się, że w trakcie jak prowadzimy projekt, zakomunikowana wcześniej wizja nie jest dla nowych uczestników zrozumiała. Dlatego wspólnie z naszymi koalicjantami regularnie podkreślamy istotę naszej wizji i co ważniejsze – mówimy tym samym językiem do wszystkich, którzy być może nie wierzą do końca w powodzenie. Przykład? Jeżeli w firmie ze względu na reklamacje klientów, dotyczące jakości dostarczanych im produktów, uruchomiono program poprawy jakości, i w jego ramach realizowanych jest kilka projektów, każdy z nich powinien być komunikowany z tzw. wizją końca. Należy podkreślać jaki ma to wpływ na jakość naszych produktów, co się stanie jeśli nie uda nam się tego dokonać (poczucie pilności). Gdy jako Black Belt realizuję swoje projekty lub jestem mentorem dla innych liderów projektów, zawsze podkreślam wagę komunikowania wizji tego co robimy. W przeciwnym razie, czy uda nam się zaangażować pozostałych interesariuszy, jeśli nie będą wiedzieć co na nich czeka na koniec dnia? Marne szanse.
Krok 5. Nie pozwól by chwilowe trudności przesłoniły wizję.
Na każdym etapie projektu Six Sigma może okazać się, że coś idzie nie po naszej myśli. Mamy opóźnienie, interesariusz zmienił zdanie i nie chce dostarczyć nam danych tak jak się umawialiśmy. Co wtedy? Przede wszystkim należy potraktować takie sytuacje jako naturalne elementy w cyklu życia projektu, dowiedzieć się dlaczego tak się stało, naprawić i iść dalej. Przykład? Jeżeli w fazie analyze po wykonanych analizach nie otrzymujemy jasnego sygnału co do przyczyn źródłowych naszego problemu, nie zawieszamy projektu tylko wracamy do fazy measure by ponownie przyjrzeć się procesowi i poszukać potencjalnych kluczowych zmiennych. Podobnie rzecz się ma w fazie improve. Jeżeli wdrożyłem rozwiązania, które miały naprawić mój proces, ale pilotaż pokazuje, że osiągnięte parametry nie są zadowalające, zbieram ponownie zespół i jeszcze raz zastanawiamy się, jakie rozwiązania powinny zostać wdrożone. W każdej takiej sytuacji, gdy pojawia się trudność, osoby niesprzyjające będa święcić swój triumf, nie mniej jednak siła koalicji jest czymś, co sprawdza się właśnie w takim trudnym czasie.
Krok 6. Doceniaj małe sukcesy.
W modelu Kotter’a mówi się nie tylko, że nie powinniśmy „załamywać się” w związku z trudnościami, które napotykają nas w projekcie, ale dodatkowo motywuje się nas do tego, by pozytywnymi osiągnięciami „chwalić się” i komunikować je w firmie. Takie działanie ma na celu zaangażowanie w działania projektowe większej ilości osób, dzięki temu, że zniknie strach przed nowym. Przykład? W jednej z firm aby wyeliminować nadmierne koszty związane z nadgodzinami zdecydowano się na wdrożenie systemu RCP (raport czasu pracy). W początkowej fazie gdy zakomunikowano, że taki system zostanie wdrożony, w firmie pojawił się opór (trudności z kroku 5), ale dzięki dobrej komunikacji i wykazaniu zalet tego systemu uzyskano akceptację znacznej części załogi firmy. Sukces ten został podchwycony przez lidera projektu i osoby te wzięły udział w pilotażu rozwiązania, dzięki czemu faza UAT (user acceptance testing) zakończyła się pomyślnie w pierwszym podejściu.
Krok 7. Nie ogłaszaj sukcesu zbyt szybko.
Mam znajomego, który powtarza często, że jednym z grzechów głównych powinno być zniechęcenie. Jest to w naturze ludzkiej, żeby cieszyć się z osiąganych sukcesów, szczególnie jeśli przychodzą po trudnych chwilach. Nie mniej jednak lider projektu nie może ogłosić sukcesu przed zakończeniem projektu. Jest to częsty błąd, który popełniają niedoświadczeniu Green i Black Belci ogłaszając sukces po wdrożeniu rozwiązań i uzyskaniu wstępnych informacji/danych na temat tego, że działają rozwiązania i wyniki poprawiły się. W rzeczywistości sukces można „odtrąbić’ znacznie później, na zakończenie fazy control. Często do zbyt wczesnego ogłoszenia sukcesu przyczynia się również sponsor projektu, który – jeśli nie obeznany z metodyką DMAIC – chce zabrać zasoby i przekierować do innego projektu, podczas gdy faza control może ich właśnie potrzebować.
Krok 8. Wpisz zmianę w organizację
By każdorazowo nie zaczynać od nowa, zaleca się uczynić ze zmiany w organizacji rzecz naturalną. W przypadku projektów DMAIC moglibyśmy powiedzieć, że przyzwyczajamy naszą firmę do tego, że projekty DMAIC są naszą codziennością, że pracownicy będą brali w nich udział i że cała organizacja powinna je wspierać, bo tylko wtedy osiągnie nadzwyczajne efekty. W firmie nie ma czasu na to, by za każdym razem ilekroć pojawi się przełomowy projekt przekonywać pracowników na nowo, że to jest ważne, że to musimy zrobić, itd. Pracownicy powinni czuć, że zmiana jest czymś naturalnym, a dzięki temu realizowane projekty będą przynosiły lepsze efekty dużo szybciej. A o to właśnie chodzi.
Podsumowanie.
W ten oto sposób model Kotter’a może pomóc nam prowadzić projekty DMAIC w naszej firmie. Jak pokazuje nasze doświadczenie, wiele firm korzysta z tego modelu nieświadomie, co nie przeszkadza w osiągnięciu dobrych rezultatów. W każdym z przypadków, z którymi się spotkaliśmy podkreślano wagę poczucia pilności, koalicji, wizji oraz komunikacji w trakcie procesu zarządzania zmianą. To pokazuje nam jak ważne jest świadome zarządzanie „lękiem przed nowym” i w jaki sposób może zmienić to zagrożenie w przewagę.
-
Lean Management
Zintegrowany system LEAN
W pierwszej kolejności musisz zrozumieć, że twoją firmę budują trzy obszary. Są to: system zarządzający, system operacyjny oraz postawy, umiejętności i zachowania pracowników. Opisanie firmy w taki sposób – tzn. przypisanie określonych osób oraz działań do konkretnych obszarów, zaprocentuje wiedzą jak i gdzie należy stosować określone narzędzia, czy techniki.
Tablice Hoshin - kierunek wdrażanej strategii
Używając metafory można stwierdzić, że metoda Hoshin Kanri (z jap.: wyznaczanie kierunku działania) stanowi igłę w kompasie wskazującą organizacji kierunek wdrażanej strategii. Dzięki takiemu kompasowi zdobywamy wiedzę, w którą stronę powinien zmierzać rozwój naszej firmy.
-
Zarządzanie projektem Lean Six Sigma
Wprowadzenie do DMAIC
Z projektem DMAIC jest jak z tym dowcipem: „przychodzi baba do lekarza i mówi że ją boli, tylko nie wiadomo gdzie”. No to doktor musi zbadać, zebrać informacje, zrobić wywiad, a tak w ogóle powinien zacząć od tego, że dowie się o co tak naprawdę pacjentce chodzi…
Define 1.Definiowanie problemu
Wybór problemu jest pierwszym krokiem w fazie Define i jest kluczowy dla powodzenia projektu. Skąd wiemy, czy jakiś problem nadaje się do rozwiązania za pomocą DMAIC?
Define 2. Wstępna analiza procesu
Gdy mamy już wybrany problem, którym chcemy zająć się w naszym projekcie (tzw. project Y ‚why’) i mamy już wybrany proces, którego ten problem dotyczy, to przychodzi czas na wstępna analizę procesu.
Define 3. Określenie oczekiwań klienta
Kluczowym pytaniem, które organizacja powinna sobie ciągle zadawać by aktualizować swoją strategię jest: ‚czego oczekuje od nas klient’? Podobnie rzecz się ma w programie 6 sigma – realizujemy projekty usprawnieniowe, których celem jest satysfakcja klienta.
Define 4. Akceptacja karty projektu i kick-off
Za nami analiza problemu, definiowanie procesu w którym będziemy realizować projekt oraz określenie głosu klienta. Z zebranymi informacjami udajemy się do sponsora i przedstawiamy swoje potrzeby dotyczące działań projektowych.
Measure 1. Opracowanie szczegółowej mapy procesu
Po zatwierdzeniu karty projektu przez zespół, interesariuszy oraz sponsora projektu, lider może przystąpić do dalszych prac projektowych. Wchodzimy zatem do fazy Measure, której głównym zadaniem jest zebranie informacji co do tego, jak wygląda nasz proces.
Measure 2. Identyfikacja potencjalnych zmiennych
W ostatnim wpisie mapowaliśmy nasz proces, aby uzyskać jego szczegółowy obraz. Posiadając mapy procesu, które są naszym punktem odniesienia, wraz z zespołem zaczynamy poszukiwanie x’ów które wpływają na naszego Y’ka.
Measure 3. Planowanie zbierania danych
Wspólnie z zespołem wypracowaliśmy listę potencjalnych zmiennych wpływających na nasz problem. Teraz należałoby zebrać dane ich dotyczące, aby w dalszej kolejności wykazać zależność statystyczną. Czeka nas zatem przygotowanie planu zbierania danych.
Measure 4. Weryfikacja systemu pomiarowego
W metodyce Six Sigma, analiza MSA (Measurement System Analysis) pojawia się w fazie Measure i jest traktowana jako obowiązkowy etap przed rozpoczęciem zbierania danych. Dlaczego?
Measure 5. Opracowanie statystycznego obrazu procesu
Gdy upewniliśmy się, że nasz system pomiarowy jest zarówno powtarzalny jak i odtwarzalny, możemy przystąpić do zbierania danych. Zbieramy dane historyczne, ale czasem też, jeśli ich brakuje, musimy je po prostu "dozbierać". Jak to zrobić? Na co zwrócić uwagę?
Zarządzanie zmianą w projekcie Six Sigma. Model Kotter'a z pomocą
W każdym projekcie niezależnie od stosowanej metodyki kierownik projektu może napotkać opór. Opór to nic innego jak strach przed nowym. Może wystąpić wśród członków zespołu projektowego, chociaż rzadziej, natomiast najczęściej opór pojawia się w organizacji, którą poddajemy zmianie. Jak zapobiec negatywnemu wpływowi na projekt? Z pomocą przyjdzie nam model zmiany J.P.Kottera.
Analyze 1. Wstępna analiza danych.
Faza Measure zakończyła się zebraniem danych i teraz przyszedł czas na ich wstępna analizę. Zwykle wykorzystujemy w tym celu metody graficzne, w zależności od tego jakiego rodzaju dane udało nam się zebrać, dyskretne czy ciągłe. Jest to również krok, który przygotowuje nas do bardziej zaawansowanych analiz statystycznych i weryfikacji związków przyczynowo-skutkowych za pomocą hipotez statystycznych.
-
7 marnotrawstw, a pora roku – tekst z przymrużeniem oka ;)
Czy zmiana pogody może mieć wpływ na eliminowanie marnotrawstw? Oczywiście, że tak.
Na poniższym przykładzie, trochę z przymrużeniem oka opiszę, jak dzięki temu że słońce zastąpiło deszcz i wichurę udaje mi się z dnia na dzień być lepszym człowiekiem dla siebie, rodziny i otoczenia. Nie będzie to zatem wpis o tym, jak eliminować marnotrawstwa w procesach, a raczej wyjście o krok dalej – jak zastosować to podejście w życiu codziennym. W oryginalnym ujęciu bowiem ciągłe doskonalenie nie ma tylko miejsca w pracy, ale tak naprawdę duch zmiany powinien być z nami cały czas.
Jak doskonale wiemy, lub nie, 7 grzechów głównych (pan Tim Wood) w naszych procesach, to:
Transportation – nadmierny transport
Inventory – zapasy
Motion – zbędny ruch
Waiting time – oczekiwanie
Overproduction – nadprodukcja
Overprocessing – nadmierne przetwarzanie
Defects – defekty, błędy, niezgodności.
Możemy do powyższych dodać jeszcze tzw. marnotrawstwo intelektu, czyli niewykorzystania kwalifikacji, umiejętności, braku zastosowania posiadanej wiedzy lub po prostu jej nierozwijanie. Wtedy mamy 8 marnotrawstwo, które pojawiło się na początku 21go wieku, jako efekt docenienia pracownika i tego, że to ludzie tak naprawdę są największą wartością każdej organizacji.
Jak dzięki temu, że zmieniła się pogoda, zacząłem dzień co dzień walczyć z 7 grzechami głównymi? Proszę zobaczyć.
Transportation – dzięki temu, że na dworze jest coraz cieplej, świeci słońce i ogólnie nie padają deszcze jak również nie wieją typowe dla naszej jesieni przejmujące wiatry odstawiłem do garażu samochód i jeżdżę do pracy rowerem. Nie tylko oszczędzam paliwo, ale również spalam kalorie. Dodatkowo, gdyby zrobić diagram spaghetti okaże się, że moja trasa jest o 30% krótsza bo jadę wałami nad odrą, nie stoję w korkach i oszczędzam 5 minut. Czas nadrobiony wykorzystuję potem na to by przygotować się do pracy, ale warto.
Inventory – myślę o zwolnieniu się mojego ‚magazynu’. Moim magazynem jest szafa, w której przechowywane grube zimowe płaszcze i kurtki zostają zastąpione lekkimi wiatrówkami, bluzami z dresu, które zajmują mniej miejsca i dzięki temu mogę wykorzystać dodatkowo tę przestrzeń. Wiosna to też czas na wystawienie na balkon roślin ciepłolubnych, które całą zimę spędziły w mieszkaniu. Tym samym uwolnimy sporo metrów kwadratowych, zrobi się bardziej przestrzennie a rośliny odżyją na słońcu. Schowam je znów jesienią, by nie zmarzły.
Motion – w tym wypadku wyeliminowanie zbędnego ruchu jest związane z tym, że nie muszę w kółko podchodzić do okna i sprawdzać, czy pada deszcze czy nie pada, lub jaka jest temperatura – czy ujemna na tyle, żeby brać czapkę i szalik czy może już jest cieplej. Teraz wiem że po prostu jest ciepło, wychodzę na dwór bez obawy o to, że zaskoczy mnie chłód i mróz.
Waiting time – nie ma czasu na czekanie. Gdy wiosna za oknem nie czekam na tramwaj ani autobus tylko jadę rowerem. Nie czekam w kolejce do lekarza bo nie mam kataru ani nie czekam na autostradzie w wielkim korku bo w związku z opadami śniegu i gołoledzią są utrudnienia na trasie. Gdy pogoda za oknem i słońce świeci wszystko dzieje się szybciej. Więcej w nasz życia i motywacji do działania.
Overproduction – nadprodukcja to wytwarzanie więcej niż muszę. W okresie jesienno-zimowym wytwarzamy więcej zapasów żywieniowych (w postaci konfitur, weków, soków, itd.) które później będą przechowywane, aby móc z nich korzystać, gdy nie będzie świeżych warzyw i owoców, tak jak to jest w okresie letnim. Gdy wszystkiego jest pod dostatkiem i jest dostępne pod ręką nie magazynujemy – to takie ‚just-in-time’, czyli tyle ile trzeba na wtedy kiedy trzeba. Zmniejszenie nadprodukcji to zmniejszenie kosztów magazynowania, jak również zmniejszenie ryzyka, że coś w trakcie przechowywania nam się zepsuje. Czy komuś kiedyś zepsuł się dżem? No właśnie.
Overprocessing – nadmierne przetwarzanie to czysty ‚gold plating’. Mogę zaliczyć do tego w moim przypadku ubieranie się na cebulkę w kilka warstw ubrań, wielokrotne sprawdzanie mojego synka czy czapka dobrze przylega i szalik się nie rozwiązał, jak również inne czynności typowo już zimowe np. odśnieżanie, przerzucanie śniegu w inne miejsca, próba hamulców samochodem czy nie jest zbyt ślisko… Zamiast tego teraz mogę wyjść na dziedziniec bez większych przygotowań bez obawy o swoje zdrowie, a synek może wychodzić na dwór w krótkim rękawku.
Defects – co można rozpatrywać w kategorii defektu w tym przypadku? Moim zdaniem wszystko co dzieje się koło mnie i posługując się językiem technicznym „nie jest zgodne ze specyfikacją”. Bardzo odczuwałem w związku z tym ostatniej zimy we Wrocławiu defekt w postaci smogu w naszym mieście. Defekt jest rezultatem niesprawnie działającego procesu, braku kontroli i wiąże się z czynnościami naprawczymi. Ile czasu spędziliśmy obserwując jakość powietrza w naszym mieście? Ile zainwestowaliśmy w oczyszczacze powietrza? Dzięki lepszej pogodzie spada zanieczyszczenie powietrza pyłami 2,5 (nie pali się w piecach) i w końcu można odetchnąć pełną piersią.
Intellect – ciągły, ale to ciągły rozwój. W okresie wiosenno-letnim liczba inicjatyw na świeżym powietrzu wzrasta w sposób wykładniczy. Spotkania grup zainteresowań, kina plenerowe, miejska plaża w naszym pięknym mieście Wrocławiu, podróże, które jak wiemy kształcą… W okresie zimowym rownież mamy takie możliwości, nie mniej jednak gdy słońce na dworze liczba dostępnych eventów wzrasta średnio o około 40%. Spotkania, nowe rzeczy, nowe umiejętności – to nasz rozwój…
Tyle by było jeśli chodzi o przewagę okresu letniego nad zimowym w zakresie eliminacji marnotrawstw. Jak widać lato temu sprzyja, a prace nad ciągłym doskonaleniem możemy odnieść nie tylko do naszej pracy i firmy, ale też życia codziennego. Oczywiście z pewnym umiarem 🙂
Jak mówi KAIZEN – szukaj doskonałości we wszystkim co robisz!
Post napisany z przymrużeniem oka 😉 zatem wszelkie komentarze mile widziane
Dobrego tygodnia 😊
-
Zarządzanie projektem 6 sigma. Faza Measure krok 4. Analiza systemu pomiarowego.
Tym razem chcielibyśmy przyjrzeć się bliżej analizie systemu pomiarowego. Często na szkoleniach, uczestnicy którzy już pracują w projektach optymalizacyjnych kwestionują potrzebę przeprowadzania tego pomiaru, jako takiego, który zabiera czas i zasoby, ale nie popycha do przodu całego projektu. Postaram się pokazać wartość tej analizy w identyfikacji błędów pomiarowych i ich wpływu na wynik całego projektu.
Do tej pory, realizując projekt odpowiedzieliśmy sobie na pytania:
- Co mierzyć?
- Jak dobrać odpowiednią próbę aby wyniki były rzetelne i obarczone niewielkim błędem?
Bez odpowiedzi zostało pytanie:
- Jak się upewnić że pomiaru dokonujemy poprawnie, że sposób mierzenia nie wpływa na pomiar, a jeżeli nawet wpływa to w jaki sposób i jak bardzo.
W metodyce Six Sigma, analiza MSA (Measurement System Analysis) pojawia się w fazie Measure i jest traktowana jako obowiązkowy etap przed rozpoczęciem zbierania danych. Obowiązkowość wynika z prostej zależności. W kolejnej fazie na podstawie zebranych danych będziemy podejmowali decyzje. Jeżeli dane będą zebrane niepoprawnie (będą obarczone błędem) to decyzja również może być błędna. Jeżeli założymy że:
Wartość mierzona = Prawdziwa wartość + Błąd pomiaru
… to błąd wynikający z pomiaru może mocno wykrzywić mierzoną wartość.
Celem MSA jest oszacowanie/wyliczenie każdego błędu związanego z niedokładnością naszego systemu pomiarowego, przy czym za system uznajemy zarówno narzędzia pomiarowe, procedury, szablony, sprzęt komputerowy, oprogramowanie zbierające dane, ale też warunki otocznia oraz operatorów, którzy w wielu sytuacjach mają kluczową do wykonania rolę oraz duży wpływ na wynik pomiaru i rejestrację wyników. Przyjrzyjmy się zatem kategoriom błędów z którymi trzeba się liczyć.
- rozdzielczość (ang. Resolution): jest to najmniejsza wartość wskazania urządzenia pomiarowego, która może być zauważona i odnotowana. Np. w przypadku stopera analogowego będzie to pewnie sekunda, a dla cyfrowego może to być setna bądź tysięczna część sekundy. Co do zasady przyjmuje się że powinno się mierzyć o klasę dokładniej niż wynika to ze zakresu tolerancji. Np. jak klient wymaga od nas szybkości reakcji mierzonej w godzinach, to optymalizując, a wcześniej analizując układ pomiarowy powinniśmy zbierać dane z dokładnością do minut lub sekund. Przechodząc na poziom liczb, jeżeli miałbyś dobrać urządzenie pomiarowe do mierzenia produktu o średnicy 20mm ± 0,25mm, w pierwszej kolejności wyznacz szerokość pola tolerancji (2 * 0,25 = 0,5mm). Następnie trzeba dobrać narzędzie, którego najmniejsza jednostka na skali byłaby min. 10x mniejsza czyli 0,05mm. Być może w takiej sytuacji można skorzystać np. z suwmiarki elektronicznej z działką elementarną 0,01.
- stabilność (ang. Stability): jest to jego zdolność do utrzymania stałych w czasie charakterystyk pomiarowych. Stabilność można też zdefiniować jako całkowitą zmienność, otrzymywaną podczas dokonywania pomiarów danej wielkości przez dłuższy czas. Narzędziem używanym do śledzenia stabilności w czasie mogą być np. karty kontrolne (control charts)
Im mniejsze są zatem różnice między średnimi wyników identycznych serii pomiarów, tym system pomiarowy jest bardziej stabilny.
- liniowość (ang. Linearity): zdolność do uzyskiwania dokładnych wskazań w całym zakresie pomiarowym. Najczęściej liniowość bada się w odniesieniu do wzorca pomiarowego (płytki wzorcowe), w taki sposób aby dokonać pomiarów w różnych punktach obejmujących cały zakres pomiarowy przyrządu.
Komplet płytek wzorcowych
Źródło:https://pl.wikipedia.org/wiki/P%C5%82ytki_wzorcowe#/media/Plik:GaugeBlockMetricSet.jpg
Analizując różne typy błędów dochodzimy w końcu do dwóch, z którymi najczęściej kojarzy się MSA i które mają nawet specjalne statystyczne narzędzia, które pomagają je mierzyć a następnie wyciągać wnioski.
- powtarzalność (ang. Repeatability): zmienność wyników pomiarów uzyskanych przy mierzeniu przez jednego operatora wielokrotnie tej samej części w tych samych warunkach pomiarowych. Możemy posłużyć się następującymi przykładami:
- Produkcja: Jedna osoba mierzy grubość wiele razy na tej samej próbce i dostaje różne wyniki.
- Usługi: Jedna osoba weryfikuje ten sam raport (np. finansowy) wiele razy (przez pewien okres czasu) i znajduje za każdym razem inne błędy
Przy dobrym systemie pomiarowym oczekuje się, że operator, mierzący kilka razy tę samą część, za każdym razem uzyska taki sam/zbliżony wynik. Im większe różnice w kolejnych pomiarach tym powtarzalność jest gorsza, a to oznacza, że warto się zastanowić nad kalibracją narzędzia pomiarowego, a jeżeli problem wynika z braku wiedzy operatora, warto mu tę wiedzę dostarczyć. Czasem prosta informacja zwrotna i wytłumaczenie podstawowych zasad dokonywania pomiarów, zgodnie z przyjętym standardem bywa wystarczające. Co do zasady ludzie nie lubią popełniać błędów, gdyż zazwyczaj wiąże się to z negatywną informacją zwrotną, co dla nikogo nie jest przyjemne. Wystarczy zatem pokazać jak i dlaczego, a następnie liczyć na to, że instynkt samozachowawczy nakierowany na unikanie kłopotów sprawi, że pomiary będą realizowane zgodnie z przyjętymi zasadami.
- odtwarzalność (ang. Reproducibility): zmienność występująca między wartościami średnimi z pomiarów dokonywanych przez różnych operatorów, podczas mierzenia tej samej części tym samym przyrządem pomiarowym. Przykłady:
- Produkcja: Różne osoby mierzą grubość na tej samej próbce i dostają różne wyniki
- Usługi: Różne osoby weryfikują ten sam raport (np. finansowy) i znajdują za każdym razem inne błędy
Przy dobrym systemie pomiarowym oczekuje się, że różni operatorzy, mierzący tę samą część, za każdym razem uzyskają taki sam/zbliżony wynik. Im większe różnice pomiędzy mierzącymi, tym odtwarzalność jest gorsza. Jeżeli chodzi o łagodzenie problemu z odtwarzalnością, to w zależności od zdiagnozowanej przyczyny można zastanowić się na następującymi sprawami:
- problem wynika z urządzenia pomiarowego – upewnij się, że wszystkie urządzania są skalibrowane
- problemem są mierzący – przeszkól i oceń ich poziom umiejętności; w trakcie ich pracy obserwuj w celu sprawdzenia czy przestrzegają standardów
- problem pojawia się na styku operator/urządzenie (interakcja) – postaraj się zrozumieć dlaczego operator miał problemy mierząc tylko niektóre części. Wykonaj ponownie pomiar problematycznych części. Być może problem wynika ze źle zaprojektowanego badanie? Jeżeli tak sięgnij do metodyki i przeprojektuj sposób zbierania danych w ramach MSA
Tak jak napisałem wcześniej, programy statystycznie mają zdefiniowane narzędzia służące do kompleksowego badania Powtarzalności i Odtwarzalności. W przypadku danych typu ciągłego jest to dwuczynnikowa analiza wariancji, która kryje się pod nazwą Gage R&R, natomiast w przypadku danych dyskretnych to współczynnik zgodności Fleiss’ kappa.
Warto zdawać sobie sprawę z tego że praktycznie wszystkie narzędzia statystyczne dostępne na rynku potrafią wyliczyć te statystyki. Oczywiście rynek zdominował Minitab, który wyspecjalizował się w problematyce jakości i trzeba szczerze przyznać, że jest to znakomite oprogramowanie, przy czym ma jedną wadę, którą odkryje każdy, kto chce nabyć licencję😊.
W Lean Six Sigma Academy Poland, rozważaliśmy różne narzędzia, użyteczne przy prowadzeniu szkoleń na poziomach GB i BB oraz projektów zlecanych przez różnych kontrahentów. Biorąc pod uwagę dostępność i umiejętność poruszania się na narzędziu, nic nie pobije Excela. Oczywiście „goły” excel byłby mało intuicyjny przy zaawansowanych funkcjach statycznych, dlatego też pracujemy na dodatku statystycznym Real Statistic dostępnym na stronie: https://www.real-statistics.com/, który w prosty i szybki sposób wylicza wszystkie niezbędne statystki. W kolejnych częściach pokażę jak wykorzystać to narzędzie w pracy z projektami typu Six Sigma.
Autor: Piotr Botkowski
-
Czym jest ciągłe doskonalenie?
Wyobraźmy sobie następującą sytuację. Wchodzimy po raz pierwszy do firmy do której zostaliśmy zaproszeni na rozmowy dotyczące nowego kontraktu. Na recepcji otrzymujemy identyfikator w żółtym kolorze z informacją, że jesteśmy gościem oraz w jakiej firmie pracujemy. Identyfikator umieszczamy w widocznym miejscu, najlepiej na szyi, dzięki czemu przechodząc korytarzem lub poprzez pomieszczenia biurowe, gdy będziemy potrzebować pomocy, uzyskamy ją – pracownicy firmy widzą, że jesteśmy ‘z zewnątrz’.
Wchodząc do jednego z ‘open space’ów’ zauważamy dobrze zorganizowane miejsca pracy – biurka na których panuje porządek, atrybuty pracy poukładane według pewnego schematu, brak głośnych krzyków za to konkretne rozmowy dotyczące statusu realizowanych zadań. Pracowników aktywizuje do działania i dzielenia się pomysłami kluczowe dla zespołu miejsce – Tablica Hoshin.
Pozorna na pierwszy rzut oka tablica zawiera informacje o celach, kluczowych zadaniach, KPI oraz rozwiązywanych problemach – wszystko po to, aby na bieżąco śledzić status prac i mieć świadomość, w jakim stopniu mój zespół przyczynia się do realizacji strategii firmy. Jeżeli na naszej drodze napotykamy problemy, dzielimy się informacjami o nich – zapisujemy w PDCA (Plan-Do-Check-Act) zaś rozwiązania mogą przerodzić się w większe projekty, jeżeli jest taka konieczność. Innymi słowy doskonalimy.
To co jest opisane wyżej mogłoby być przykładem dobrze poukładanej organizacji, gdzie każdy zna swoją rolę i zasady działania. Aby zrealizować wyznaczone cele należy w pierwszej kolejności je zdefiniować, a następnie – konsekwentnie, dzień po dniu wykonywać zadania przybliżające nas do mety. Ale co jeśli stanie nam na przeszkodzie poważny problem, jak system, brak zasobów lub uregulowania prawne? Wtedy NIE możemy tego ignorować, lecz naświetlić to zespołowi oraz wszystkim, którzy są nam w stanie pomóc w jego rozwiązaniu. Bo w przeciwnym razie nie osiągniemy celu.
I takie konsekwentne działanie nazywamy ciągłym doskonaleniem. Rozwiązywanie problemów, robienie czegoś lepiej niż do tej pory: taniej, szybciej, z lepsza jakością. Jest możliwe tylko wtedy, jeśli konsekwentnie i z uporem zadajemy sobie wraz z zespołem pytanie – czy mogę to zrobić inaczej? Czy mogę to zrobić lepiej?
W tym momencie zapewne zdajemy sobie sprawę z tego, że ciągłe doskonalenie jest tak naprawdę częścią naszego życia – jadąc na wakacje omijam zatłoczone drogi, złe parkingi czy miejsca nie oferujące odpoczynku a wręcz przeciwnie – natłok turystów. Zatem ciągle doskonalę w tym wypadku proces odpoczynku. Nawet jeśli tak tego nie nazwaliśmy, to doskonalimy obecny stan rzeczy, zatem mamy do czynienia z ciągłym doskonaleniem. A jeżeli już jest, to warto czasem przenieść nasze doświadczenia z życia prywatnego do sfery biznesowej – rezultaty gwarantowane.
-
Zarządzanie projektem 6 sigma. Faza Measure krok 3. Planowanie zbierania danych
Pisząc o zbieraniu danych, od razu na myśl przychodzą mi wybory prezydenckie w USA, które odbyły się w 1936r. Głównymi kandydatami byli Alf Landon oraz Franklin Delano Roosevelt. Oczywiście przeprowadzono wtedy również sondaż prezydencki przeprowadzony przez Literary Digest, na ogromnej, bo aż dwumilionowej próbie. Wyniki sondażu: Alf Landon (57%), Franklin Roosevelt (43%). Była to jedna z większych pomyłek sondażowych, bo prawdziwe wybory dały zwycięstwo Rooseveltowi, który otrzymał 61% głosów. Dodać należy, że w czasie tych wyborów dobre wskazanie zanotował dr George Gallup i to o firmie z jego nazwiskiem w nazwie często słyszymy przy okazji różnych wyborów. Gallup Organization stał się synonimem badań opinii publicznej.
Skąd taki błąd przy tak dużej próbie?
Problemem był dobór próby badawczej. Literary Digest wysłało 10 mln ankiet, z czego wróciło 2 mln (tzw. response rate). Co więcej, osoby, do których wysłano ankietę zostały znalezione w spisie abonentów telefonicznych (czyli posiadali telefon) oraz wśród posiadaczy samochodów. To oznaczało, że wybrano dość zamożną jak na tamte czasy część mieszkańców USA, wśród których przeważali sympatycy Republikanów. W badaniu pominięto natomiast ludzi biednych, którzy w większości głosowali na Roosevelta. Okazało się też, że Republikanie częściej odsyłali ankietę niż zwolennicy Demokratów (chichot losu, biorąc pod uwagę sytuację z wyborów w 2021r. Trump – Biden, gdzie to Demokraci częściej korzystali z korespondencyjnego sposobu głosowania.)
Oznacza to, że umiejętny dobór próby jest nie mniej istotny niż wielkość próbki badawczej. Można zaryzykować stwierdzenie, że nawet ważniejszy.
Jak zatem dobierać próbę w projektach Six Sigma?
Próba powinna być reprezentatywna i losowa.
Za reprezentatywną dla populacji można uznać próbę, której wszystkie cechy ściśle odzwierciedlają te same cechy populacji. Załóżmy, że pewna firma produkuje: żarówki tradycyjne (20% całości produkcji), świetlówki (30%) oraz tzw. żarówki LED (50%). Jeżeli chcielibyśmy zbadać wpływ technologii na długość działania (świecenia), to powinniśmy dobrać próbę uwzględniając powyższe proporcje.
Dodatkowo próba powinna być losowa, a to oznacza, że każdy przypadek ma takie same szanse na znalezienie się w próbce. Wiemy, że struktura próbki będzie taka, jak opisano powyżej, ale nie zostało dookreślone, która konkretna żarówka będzie podlegała badaniu.
Gdybyśmy chcieli przebadać 100 studentów, to najszybciej byśmy zrealizowali badanie idąc np. na „Wittigowo” i przepytując studentów Politechniki pędzących z akademików na zajęcia. Problem polega na tym, że nie byłaby to losowa próbka studentów. Po pierwsze, byliby to studenci z Politechniki (odcinamy inne uczelnie), po drugie mieszkający w akademikach (nie uwzględniamy wynajmujących mieszkania w mieście, ani tych z Wrocławia i okolic, którzy nie potrzebują wynajmować stancji). Po trzecie, stojąc o określonej godzinie, np. rano, nie dotrzemy do osób, które rozpoczynają zajęcia później i o tej godzinie jeszcze śpią.
Jak widać, dobór próby nie jest tak prosty jak się wydaje, a im więcej istotnych z punktu widzenia projektu optymalizacyjnego czynników uwzględnimy, tym wnioski będą bardziej miarodajne. W przypadku żarówek, warto np. pobierać próby w różnych dniach oraz w różnych godzinach na przestrzeni np. 1 miesiąca. Jeżeli praca jest zmianowa, to warto to uwzględnić, tak aby wszystkie zmiany miały swoje odzwierciedlenie w próbce. Jeżeli produkcja jest podzielona na lokalizacje (np. dwa zakłady z identycznymi liniami produkcyjnymi w różnym miastach), różne linie produkcyjne (np. różne maszyny, różny wiek maszyn, różne zużycie), to również ten aspekt powinien zostać uwzględniony. Być może proces produkcji da się podzielić na etapy. Jeżeli tak, to weźmy to pod uwagę.
To o czym napisałem powyżej jest poniekąd odstępstwem od czystego doboru losowego, gdzie każda żarówka powinna zostać ponumerowana, a następnie maszyna losująca wybierałaby konkretny numer (podobnie jak w LOTTO). Opisany powyżej dobór warstwowy (stratyfikacja) zapewnia jednak odpowiednią reprezentację zmiennych stratyfikacyjnych, a próbka tak dobrana będzie nam służyła w dalszej części projektu do analizy hipotez i ustalaniu przyczyn źródłowych.
Przez wielu dobranie próby metodą prostego doboru losowego jest taktowane niemal jak świętość, ale biorąc pod uwagę cel projektu Sigma, a także koszty ponoszone na próbkowanie, należy się starać zrobić to w sposób jak najbardziej użyteczny z punktu widzenia projektu.
Kolejnym ważnym pytaniem, które każdy badacz sobie zadaje przystępując do zbierania danych, jest pytanie o wielkość próby, tak aby szacowanie dokonane na jej podstawie miało jak największą dokładność.
Projekty, w których wykorzystuje się metodykę Sigmy, należą do grupy nieoczywistych, a co za tym idzie sporo danych należy samodzielnie wypracować przeprowadzając rozmaite eksperymenty, robiąc wdrożenia pilotażowe i weryfikując uzyskane z nich dane. Wyobraź sobie, że pracujesz w przemyśle chemicznym i masz projekt polegający na usprawnieniu procesu produkcyjnego w taki sposób, aby średnia wartość substancji X wydzielającej się w pewnym doświadczeniu uległa zwiększeniu (wzrost wydajności). Na początek poproszono Cię o oszacowanie średniej masy tej substancji, która wydziela się w obecnym procesie. Ile próbek musisz zbadać, aby z 95% pewnością ustalić średnią masę tej substancji w dokładnością +/- 0,01 grama?
Na początku nie wiadomo za dużo, więc przeprowadzacie w zespole projektowym kilka doświadczeń, aby dowiedzieć się w jakim zakresie wartości się poruszacie. 5 niezależnych doświadczeń dało następujące wyniki (w gramach):
Nr Wynik 1 2,10 2 2,12 3 2,12 4 2,16 5 2,10 Mając te dane można wyliczyć średnią i wariancję. Korzystając np. z formuł statystycznych Excela (średnia i wariancja) wygląda to następująco:
Średnia: 2,12 =ŚREDNIA(B2:B6) Wariancja: 0,0006 =WARIANCJA.PRÓBKI(B2:B6) Gdyby to było wszystko, świat byłby za prosty. Brakuje jeszcze wartość odczytanej z tablic statystycznych. Próbka jest mała (5 sztuk), zatem najlepiej skorzystać z rozkładu t-Studenta (bardzo podobny do rozkładu normalnego, a do tego dobrze się sprawdza przy małych próbkach). Gdyby to były zajęcia ze statystyki, teraz wyjęlibyśmy tablice w poszukiwaniu odpowiednich wartości, ale nie każdy jest fanem statystyki, a poza tym mamy XXI wiek.
Zgodnie z założeniami, chcieliśmy mieć 95% pewności, że średnia masa wyliczona z próbki będzie odpowiadała masie substancji wytwarzanej w skali przemysłowej. Co za tym idzie dopuszczamy 5% ryzyko błędu (100% – 95% = 5%). Jest to tzw. poziom istotności zapisywany grecką litera alfa (α).
Excel w formule (ROZKŁ.T.ODWR.DS) zwracającej odwrotność rozkładu t-Studenta, upomni się jeszcze o liczbę stopni swobody, wyliczaną jako liczba eksperymentów minus jeden (5 – 1 = 4). Podstawiając dane do formuły Excela uzyskujemy wynik 2,776.
Wartość statystyki T 2,776 =ROZKŁ.T.ODWR.DS(0,05;4) Teraz w prosty sposób można wyliczyć minimalną wielkość próbki korzystając ze wzoru:
Po przeprowadzonych wyliczeniach można powiedzieć, że oprócz 5 próbek które już mamy, należy jeszcze dokonać 42 pomiarów. Dopiero mając próbkę licząca minimum 47 sztuk, będziemy mogli z 95% pewnością powiedzieć, że średnia masa uzyskiwana w tym procesie wynosi (….tu wstawiamy wyliczenie średniej z min. 47 pomiarów….), z dopuszczalnym maksymalnym błędem pomiaru sięgającym 0,01 grama.
W projektach Six Sigma często pracuje się na danych jakościowych typu: dobry/zły, poprawny/ wybrakowany. Jak sobie poradzić z takim przypadkami?
Teraz przykład przeniesie Cię do hurtowni, która specjalizuje się przechowywaniu i dystrybucji konserw. Niestety dział jakości stwierdził nieprawidłowości w przechowaniu pewnej partii towaru. Szacuje się że ok. 10% partii mogło się zepsuć (historycznie był kiedyś podobny przypadek, stąd dział jakości zaczerpnął dane, ale gdyby to był pierwszy raz, trzeba by było otworzyć jakąś część i to zweryfikować). Naszym zadaniem jest oszacowanie ilości puszek, które należy sprawdzić, aby na 90% być pewnym, jaki jest faktyczny procent zepsutych konserw, z dokładnością do +/-5%.
W przypadku tego typu problemów korzystamy ze wzoru, który opiera się na frakcjach oraz bazuje na najbardziej rozpowszechnionym rozkładzie, czyli rozkładzie normalnym.
Mamy zatem takie dane:
- udział puszek zepsutych = 10% = 0,1
- udział puszek dobrych = 100% – 10% = 90% = 0,9
- dokładność pomiaru = 5% = 0,05
Zostaje najtrudniejsze, czyli wyliczenie statystyki Z. Technicznie rzecz ujmując chcemy sprawdzić, dla jakiego parametru Z powierzchnia pod krzywą rozkładu normalnego wyniesie 90% (wymagany przez dział jakości poziom pewności odnośnie procentu zepsutych puszek. To oznacza, że poziom istotności (α) wynosi 10%, przy czym, z uwagi na to, że rozkład ten jest dwustronny, te 10% rozkładają się równo po obu stronach krzywej (2 x po 5%). W Excelu wybieramy funkcję ROZKŁ.NORMALNY.S.ODWR(). Funkcja ma tylko jeden argument (prawdopodobieństwo). Prawdopodobieństwo wpisywane do funkcji wyniesie zatem (1 – α/2 = 1 – 0,05 = 0,95), a wynik funkcji to 1,64.
Chcąc zatem poznać procent zepsutych konserw należy z danej partii losowo wybrać minimum 97 puszek.
Uwaga: w Sigmie najczęściej używa się poziomu istotności (α) = 0,05, natomiast poniżej pokazano wartości Statystyki Z dla α od 0,01 do 0,1. Może się przydadzą w Twoim projekcie.
poziom
istotności αZ 0,01 2,576 0,02 2,326 0,03 2,170 0,04 2,054 0,05 1,960 0,06 1,881 0,07 1,812 0,08 1,751 0,09 1,695 0,1 1,645 O odpowiednią wielkość próbki należy też zadbać przymierzając się do analizy hipotez badawczych. Testy są różne i różna jest ich moc statystyczna, ale o tym kilka słów w jednym z kolejnych artykułów.
-
Faza Measure krok 2. Identyfikacja potencjalnych zmiennych wpływających na problem.
W ostatnim wpisie mapowaliśmy nasz proces, aby uzyskać jego szczegółowy obraz. Mówiliśmy też o tym, że w zależności od tego, jaki mamy problem, będziemy wykorzystywać różne podejścia do mapowania. Inne mapy stworzymy do problemów typowo procesowych (nazwijmy je sigmowymi) inne do typowo leanowych (eliminacja marnotrawstwa) i od doboru tych narzędzi zależy powodzenie naszego projektu. Jedno jest pewne – w etapie mapowania dla dobrego zrozumienia naszego procesu trzeba często przygotować kilka map procesów i nie jest to nic nadzwyczajnego. Czy to w celu dobrania odpowiedniego poziomu szczegółowości, czy też zawężeniu obszaru poszukiwań – aby nasz proces nie był zbyt rozległy, bo to będzie ograniczać możliwości poszukiwania i pomiaru zmiennych (nakład pracy versus dostępne zasoby). W takim przypadku, jeśli okaże się, że nasz proces jest zbyt rozbudowany (do tej pory nie wiedzieliśmy przecież jak bardzo) warto rozdzielić pracę na 2 mniejsze projekty, tak aby każdy zajmował się innym problemem. Zaowocuje to w przyszłości – będzie nam łatwiej zarządzać zakresem.
Posiadając mapy procesu, które są naszym punktem odniesienia, wraz z zespołem zaczynamy poszukiwanie x’ów które wpływają na naszego Y’ka. Zasada, którą kieruję się dobierając zespół do ćwiczenia poszukiwania zmiennych to aby był on przede wszystkim interdyscyplinarny. Dlaczego? sami eksperci z procesu prawdopodobnie nie będą w stanie zidentyfikować wszystkich przyczyn, bo gdyby tak było problem najprawdopodobniej już zostałby rozwiązany, czyż nie? Musimy zatem zebrać grupę osób, która wspólnie w trakcie spotkania, będzie w stanie zidentyfikować potencjalne przyczyny, o których do tej pory nikt nie pomyślał. Zatem interdyscyplinarność – osoby z procesu, osoby z procesów współpracujących i ktoś spoza, kto wniesie świeżość spojrzenia i swoimi obserwacjami zaskoczy wszystkich. Nie da się bowiem znaleźć przyczyn naszego problemu tylko w grupie osób, które są z procesu – gdyby było to możliwe, już przecież zostałoby to zrobione (!).
Do samej czynności generowania zmiennych polecam zastosować burzę mózgów w jej tradycyjnym wydaniu (burza mózgów A.Osborna), czyli 30 minutowa sesja w której uczestnicy z wykorzystaniem mapy procesu starają się znaleźć jak najwięcej przyczyn występowania problemu (zmiennych wpływających na Y’ka).
Potencjalne przyczyny grupa umieszcza na mapie procesu np. za pomocą post-itów, tak jak na zdjęciu. Te potencjalne przyczyny to czyli zmienne, które w dalszej kolejności chcemy zmierzyć, zebrać do nich informacje i przeanalizować wszystkie fakty dostępne na ich temat (jeżeli nie mamy danych to zapisy wideo, mapy layout’ów powierzchni, diagramy spaghetti, itd.).
Zasady burzy mózgów Osborna. Podziel burzę mózgów na 2 sesje – kreatywną i podsumowanie. Wprowadź przed burzą mózgów zespół w problem, daj pracownikom czas na przygotowanie się, niech każdy zgłębi temat. Przyjście nieprzygotowanym niczego nie wniesie. Proś o punktualność. Rozpocznij wprowadzeniem w zasady: liczy się ilość a nie jakość, nie krytykujemy, nie omawiamy – tylko szukamy przyczyn. Czas na omawianie przyjdzie później. Stąd burza mózgów jest nazywana metodą odroczonego wartościowania – aby omówić pomysły powinno się poczekać minimum jeden dzień, w tym czasie następuje inkubacja i może dojdziemy do tego, że o czymś ważnym zapomnieliśmy.
Po burzy mózgów, przed podsumowaniem, mamy zwykle od kilkunastu do kilkudziesięciu potencjalnych zmiennych, które zespół wskazał jako istotne, zatem należy podsumować rezultaty burzy mózgów – ograniczyć ich liczbę – poprzez wyeliminowanie powtarzających się, połączenie bardzo podobnych do siebie lub wyeliminowanie zupełnie nieracjonalnych tak, by uzyskać listę, z której będzie można w następnym kroku fazy measure zbudować plan zbierania danych. Zatem musimy wykonać coś na kształt lejkowania. Możemy wykorzystać do tego narzędzie znane jako diagram pokrewieństwa (affinity diagram), który pozwala nam podsumować nasze zmienne w kategorie ze względu na podobieństwo między nimi. Jest to użyteczne podejście, które koncentruje nasza uwagę na źródłach pochodzenia problemów i stanowi pierwszy krok do analizy możliwości kolekcji tych konkretnych danych.
Nie ma złotej zasady, która mówiłaby ile zmiennych powinniśmy mierzyć, zawsze pozostaje to rezultatem kompromisu między kosztem a możliwościami firmy. Pamiętajmy jednak o tym, że jeżeli zignorujemy zmienne które potencjalnie mogą wpływać na nasz problem i albo ich nie zdefiniujemy, albo pomimo tego że zostały zdefiniowane – nie będziemy chcieli ich mierzyć, może okazać się, że nie uda nam się w fazie analyze znaleźć kluczowych zmiennych wpływających na nasz problem. Stąd faza measure w tym właśnie miejscu wymaga tak dużo uwagi. W sytuacji, w której wciąż liczba zmiennych jest na tyle duża, że przekracza nasze możliwości pomiaru, nie warto subiektywnie rezygnować z tych które ‚wydają nam się’ mniej istotne, zamiast tego sugeruję zawsze użycie oceny ekspertów.
Jeżeli udało nam się uzyskać listę zmiennych do pomiaru, zmiennych z którymi zgadza się grupa pracowników biorących udział w ćwiczeniu, następnym krokiem w naszym projekcie DMAIC będzie przygotowanie planu zbierania danych, dla zmiennych, które zdecydowaliśmy się mierzyć.
-
Zarządzanie projektem 6 Sigma. Faza Measure krok 1. Opracowanie szczegółowej mapy procesu
Po zatwierdzeniu karty projektu przez zespól, interesariuszy oraz sponsora projektu, lider może przystąpić do dalszych prac projektowych. Wchodzimy zatem do fazy Measure, której głównym zadaniem jest zebranie informacji co do tego, jak wygląda nasz proces. Chodzi o liczby, dane i fakty – te które mamy w systemach, a także te, które dopiero będziemy zbierać, bo w fazie Measure opracowujemy statystyczny obraz procesu. Innymi słowy chcemy nasz problem, naszego Y’ka opisać za pomocą zmiennych (czyli x’ów), które naszym zdaniem na niego wpływają. Zaczynamy zatem budować funkcję matematyczną, która przyjmuje postać: Y = f(x1,x2,x3,x4,…..,xn).
To czy zmienne x faktycznie wpływają na Y i jaka jest ostatecznie postać tej funkcji, to okaże się w fazie Analyze. Na razie musimy zebrać dane, bo postępujemy metodycznie – oto siła DMAIC’a. Aby znaleźć miejsca w naszym procesie, w których coś może być nie tak i to zmierzyć warto w tym momencie przygotować szczegółową analizę procesu – czyli zmapować interesujący nas obszar. Pamiętamy bowiem o tym, że jeden obraz wart jest więcej niż tysiąc słów (stare chińskie przysłowie) oraz o tym, że zmapowany przez nas proces będzie dokumentem referencyjnym, do którego będziemy się odnosić, gdy będzie taka potrzeba.
Należy teraz podkreślić bardzo, ale to bardzo ważną rzecz, mianowicie aby dokonać szczegółowej analizy procesu nie powinniśmy korzystać z map, które są dostępne. W firmach, które posiadają certyfikację ISO bardzo często procesy są zmapowane i jako takie stanowią część systemu zarządzania jakością. Istnieje pokusa, by zaoszczędzić czas i zamiast spotykać się z zespołem wejść w nasz system BPM’owy, wydrukować mapę i w trakcie krótkiego spotkania z zespołem porozmawiać na temat tego, dlaczego proces nie działa. Źle, tak nie robimy. Nawet jeśli mamy rozwiązania serwerowe, zarządzanie wersjonowaniem procesów i osoby odpowiedzialne za aktualizację – proces musi być zmapowany w stanie jakim jest teraz, a nie w jakim opisują go mapy czy takim, jaki chcielibyśmy żeby był. Oznacza to, że idziemy do GEMBA, czyli tam gdzie wykonywany jest nasz proces (open space, hala produkcyjna, itd.) , a następnie z osobami, które ten proces wykonują (operatorzy, księgowi, specjaliści dziedzinowi, jakościowcy, itd.) omawiamy dokładnie każdy krok i rysujemy – na tablicy, na karteczkach, magic chart’ach… Nie jest tak ważna technika jak to, aby uzyskać obraz obecnego procesu, z którym zgadzają się wszystkie osoby wykonujące ten proces.
Ponieważ są różne rodzaje map procesów, nasuwa się pytanie: „jakie mapowanie zastosować”? To zależy od tego, z jakim problemem mamy do czynienia. Zatem w zależności od rodzaju problemu, do przygotowania mapy procesu w którym ten problem występuje, stosujemy adekwatne podejście. I tak oto.
1. Jeżeli nasz proces jest niestabilny, tym samym można podejrzewać, że prawdopodobnie pewne zmienne (lub charakterystyki/właściwości) oddziałują w nieprzewidywalny sposób na naszego Y’ka – najlepiej zastosować flowchart (schemat blokowy), który rozbija proces na najmniejsze czynności lub operacje i pomoże nam wskazać miejsce potencjalnego problemu.
2. Z kolei w sytuacji gdy nasz proces trwa zbyt długo, a to wpływa z kolei na niezadowolenie klienta i naszym celem jest skrócenie czasu procesu (tzw. lead time), w rezultacie musimy zdefiniować a potem wyeliminować marnotrawstwa, zatem zaczynamy nasze mapowanie od stworzenia mapy strumienia wartości (VSM), dla konkretnego procesu/produktu/klienta. Mapa strumienia wartości różni się istotnie od schematu blokowego, przede wszystkim tym, że jest mapą głównych kroków/etapów procesu a nie mapą detaliczną, a dodatkowo musi być przygotowana dla konkretnego rodzaju produktu/usługi i klienta, podczas gdy flowchart jest tutaj uniwersalny. Poniżej przykładowa mapa VSM dla procesów usługowych, tzw. Makigami, zawiera zidentyfikowane marnostrawstwa, linię czasu pomagająca w ocenie lead time procesu oraz tabelkę z podsumowanie min. i max czasów przestojów i czynności.
3. W dalszej kolejności możemy przygotować tzw. diagram spaghetti, jeżeli mamy do czynienia z marnotrawstwem transportu i/lub ruchu. W przykładzie poniżej widzimy, jak przemieszczają się pracownicy SSC, którzy chcą wydrukować dokument. Pomarańczowe linie wskazują przebieg ścieżek komunikacji, wskazujący na – w tym przypadku – złe rozplanowanie kluczowych dla stanowisk pracy pomieszczeń (drukarnia, archiwum). W tym przypadku jest to biuro, ale można wyobrazić sobie magazyn po którym poruszamy się w poszukiwaniu narzędzi czy jeździmy wózkiem widłowym aby przywozić i odwozić towary i komponenty.
Powyższe metody mapowania procesów umożliwiają nam stworzenie obrazu procesu, który w dalszej kolejności będziemy analizować, aby znaleźć potencjalne zmienne wpływające na problem (x’y wpływające na Y’ka), a następnie zebrać do nich dane w celu przetworzenia i dalszej analizy (opracowanie obrazu procesu w fazie measure i dalej listy przyczyn źródłowych w fazie analyze). O przygodzie związanej z poszukiwaniem zmiennych, o tym jak przekonać się czy coś jest ważne a coś innego nie, o tym jak nie zapomnieć o czymś być może najistotniejszym – o tym wszystkim już w następnym odcinku mojego bloga. Zapraszam
Post Scriptum.
1. Podstawowa książka dla każdego kto chce nauczyć się widzieć marnotrawstwa to Naucz się widzieć autorstwa M.Rother i J.Shook
2. O diagramach spaghetti więcej można przeczytać w książce Lean w biurze i usługach autorstwa D.Locher
3. Wprowadznie do mapowania procesów i języka BPMN można znaleźć w pozycji Zrozumieć BPMN autorstwa Sz.Drejewicz -
Zarządzanie projektem 6 Sigma. Faza Define krok 4. Akceptacja karty projektu i kick-off
Za nami analiza problemu, definiowanie procesu w którym będziemy realizować
projekt oraz określenie głosu klienta. Wiemy zatem co boli naszą firmę i w
którym miejscu, a teraz trzeba porozmawiać o tym ze sponsorem i uzgodnić plan
działania. Z zebranymi informacjami udajemy się do sponsora i przedstawiamy
swoje potrzeby dotyczące działań projektowych. Wspólnie ze sponsorem ustalamy
kto pomoże nam w projekcie – kto wejdzie w skład naszego
zespołu projektowego, a kto będzie wspierał nas swoją wiedzą i doświadczeniem
tylko od czasu do czasu, w zależności od potrzeb. Czyli rozróżniamy zespół
zarządzający projektem od zasobów projektowych. Otrzymana zgoda na
zaangażowanie zasobów pozwala nam przejść dalej, przedstawiamy harmonogram
działań oraz planujemy ryzyka i działania na linii projekt-interesariusze.
Sponsor jest osobą, która w większości przypadków jest nam w stanie pomóc w
tych zadaniach. Tym samym czeka nas przygotowanie analizy ryzyk oraz analiza interesariuszy.
To bardzo ważne by w nasz projekt zaangażować od samego początku osoby, które
moga mieć wpływ na projekt w dalszych etapach – chcemy uniknąć sytuacji w
której ze względu na brak poinformowania o pracach projektowych w fazie Improve
nie dostaniemy zgody na wdrożenie naszych rozwiązań. Aby zaangażować
niezbędnych interesariuszy jak również powiadomić organizację o naszych
działaniach projektowych należy przeprowadzić kick-off, w trakcie którego
wspólnie przejdziemy przez kartę projektu. Będzie to dobry moment aby rozwiać
ewentualne wątpliwosci jak również uzyskać potwierdzenie zaangażowania poprzez
akceptację karty projektu. Przykladowa karta projektu Six Sigma znajduje się
poniżej i stanowi swoistą checklistę do fazy define. Dopiero gdy karta jest
wypełniona w całości możemy zrobić kick-off i przejść do następnej fazy –
Measure.
Przedstawiona tutaj karta jest najczęściej stosowaną przeze mnie w projektach usprawnieniowych. Lubię ja za prostotę i polecam innym bo zawiera podstawowe informacje niezbędne do uruchomienia projektu, jak również służy jako referencja w dalszych etapach – odwołujemy się do niej w trakcie całego projektu. Z jakich obszarów się składa? Możemy rozpocząć omawianie karty od informacji, które już mamy, a które należy w naszej karcie projektu uzupełnić. Sa to informacje kluczowe dla każdego projektu, a zaliczamy do nich: definicję problemu, który będziemy w projekcie rozwiązywać, cel/cele projektu oraz proces, którego projekt dotyczy. Cele naszego projektu, ich wartość obecna i ta, którą chcemy osiągnąć stanowią miary/charakterystyki naszego projektu i z nich zespół projektowy będzie rozliczany. Pochodzą one wprost od klienta i GB/BB musi mieć je cały czas na uwadze, projekt bowiem realizujemy przede wszystkim dla klienta. Problem, cele i zakres stanowią bazę naszych prac projektowych i wyznaczają obszar naszego działania.
Po określeniu kluczowych obszarów warto skutecznie nazwać nasz projekt. Skutecznie czyli umieścić informację w sposób budzący ciekawość pracowników naszej firmy tak, by chcieli dopytać się jaki jest jego cel i być może tym samym zaangażować się w działania projektowe, co może być dla nas bardzo pomocne. Szczególnie w organizacjach gdzie lider projektu musi sam zbudować sobie grupę projektową jest to bardzo pomocne. Numer projektu jest z kolei indywidualnym identyfikatorem projektu w organizacji i zwykle nadaje go Champion lub właściciel koszyka projektów usprawnieniowych, jeżeli w firmie mamy sprawnie działający program. Nie ma dwóch projektów o takim samym numerze. W dalszej kolejności data rozpoczęcia i zakończenia projektu (estymowane) a także informacje o liderze projektu oraz sponsorze (e-mail, numer telefonu, imię i nazwisko), tak by zawsze można było się z nimi łatwo skontaktować. Lider projektu zarządza zespołem projektowym, stąd w dalszej kolejności karta projektu zawiera informacje o zespole projektowym, który będzie zarządzał działaniami oraz o zasobach, które będą niezbędne – myślimy tutaj o zasobach materialnych, które trzeba zakupić lub wypożyczyć, jak np. oprogramowanie, whiteboard do mapowania procesu, pisaki, komputer, post-it notesy oraz niematerialnych – eksperci z naszej firmy, którzy będą wspierać nas w poszczególnych fazach. Wycena zasobów jest ważnym etapem projektu DMAIC pozwalającym na ocenę rzeczywistej stopy zwrotu z naszego projektu. Nic bowiem bardziej mylnego niż sformułowanie, że projekt przyniósł tylko oszczędności, a nie poniósł żadnych kosztów.
Gdy karta projektu jest wypełniona informacjami możemy zorganizować
kick-off projektu aby przedstawić nasz projekt sponsorowi, zespołowi projektowemu
oraz interesariuszom, aby zdobyć ich zaangażowanie. Może to być kluczowe w
trakcie projektu – by zebrać dane w fazie measure, wdrożyć rozwiązania w fazie
improve czy wykazać, że zmiany przyniosły rezultaty w fazie control.
Interesariusze są potrzebni liderowi, który dzięki nim jest w stanie nie tylko
przeprowadzić swoją zmianę w procesie ale przede wszystkim zaangażować
organizację, by go wspierała. Dobrą praktyką jest podpisywanie karty projektu,
w celu akceptacji warunków oraz uzgodnienia odpowiedzialności za konkretne
rezultaty. W dzisiejszych czasach w rozproszonych zespołach może to być
niewykonalne, aby spotkać się face-to-face, omówić cele projektu a następnie
podpisać kartę. Zamiast tego mamy telekonferencję i akcpetację przez maila lub
w workflow, tak też jest dobrze. Natomiast nie do przecenienia pozostaje
wartość rzeczywistego podpisu i spotkania we wspólnym gronie, gdzie jesteśmy w
stanie odpowiedzieć na każde pytanie i ustalić, że zgadzamy się na warunki
współpracy. Okazuje się bowiem czasami, że dopiero przed złożeniem podpisu
sponsor zapoznaje się dokładnie z zakresem prac i zaczyna być świadomy swojej
roli…Podsumowując rolę i znaczenie karty projektu w naszym projekcie DMAIC warto
zwrócić uwagę na to, że:
1. nie ma projektu Six Sigma bez karty projektu (!) – no bo w jaki sposób
będziemy odnosić się do problemu, celów i zakresu projektu?
2. karta projektu jest kontraktem między liderem projektu oraz sponsorem –
sponsor zgadza się dostarczyć liderowi zasobów do realizacji prac, zaś lider zobowiązuje
się dostarczyć konkretnych rezultatów
3. karta projektu pełni rolę checklisty dla Green Belta/Black Belta – wskazuje
co musi zostać wykonane w fazie define
4. karta projektu jest dokumentem referencyjnym, do którego wracamy w trakcie
projektu aby walidować zakres projektu oraz odświeżać ustalone cele
5. last but not least – karta jest wizytówką projektu, którą wykorzystujemy aby
komunikować w firmie, że realizujemy taki a taki projekt, unikając sytuacji w
której ktoś zacznie realizować projekt o takim samym zakresie lub na tym samym
procesie, przy podobnym problemie.Po podpisaniu/zaakceptowaniu karty projektu przechodzimy od następnego etapu projektu Six Sigma, czyli do fazy Measure, w której to będziemy chcieli zebrać wszelkie liczby, dane i fakty i opracować statystyczny obraz procesu, w którym występuje problem. Innymi słowy będziemy chcieli zidentyfikować potencjalne zmienne (x) które wpływają na nasz problem (Y) i zebrać dane, by w fazie Analyze za pomocą analiz statystycznych dowieść powiązania (lub braku) pomiędzy nimi.
Post Scriptum.
1. Przykładowa karta projektu, która posłużyła mi do zbudowania własnej może
zostać znaleziona w książce The Six Sigma Handbook, autorstwa T.Pyzdek,
P.Keller
2. Dodatkowo w fazie define należy przeprowadzić planowanie: ryzyka,
interesariuszy, budżetu oraz opracować harmonogram. Widzimy zatem, że jeżeli
chodzi stricte o narzędzia zarządzania projektem to lider projektu six sigma
powinien czerpać dobre praktyki z innych metodyk projektowych, np. PMBOK,
jako że sam DMAIC takowych nie daje.
