Measure

< Alle onderwerpen

Measure
De volgende stap in de DMAIC-methode is de meetfase. In deze fase definieer je het defect, beschrijf je het proces en verzamel je basisinformatie over de presentatie van het product of het proces. Je stelt verbeterdoelen op en zorgt voor een geschikt meetsysteem. Te vaak wordt aangenomen dat iets is zoals men kent. Het tegendeel kan meestal snel bewezen worden. Het belangrijkste doel van de Measure fase is om de huidige prestaties van het proces vast te stellen. Zie het als een 0-meting. De actuele situatie is belangrijk om na aanpassingen ook te kunnen zien wat het effect is van de aanpassingen.

Data-output vaststellen
De Voice of the Customer (VOC) wordt vertaald naar meetbare output van een proces. Veelgebruikte instrumenten hiervoor zijn procesbeschrijvingen, boomdiagrammen en Pareto-analyses. Met een Pareto Analyse kun je heel goed onderscheid aanbrengen in grote en kleine probleemgebieden. Het Pareto-principe gaat er namelijk vanuit dat 80% van de problemen worden door 20% van de oorzaken. Heb je de output (Y) vastgesteld, dan volgen er twee ‘moetjes’: het opstellen van een datacollectieplan en een meetsysteemanalyse. In het datacollectieplan staat vermeld wat, hoe en door wie er gemeten gaat worden. De meetsysteemanalyse gaat na wat de variatie is van het meetsysteem. We willen per slot van rekening geen verschil hebben tussen de werkelijke waarde en de gemeten waarde. Dit noemen we een meetfout maken. Er zijn twee typen meetfouten: – systematisch fouten (hoe zuiver meten we?) en toevallige fouten (hoe precies meten we?) Meer info hierover staat op Pagina Meetplan

Aan de slag: meten is weten
Zijn deze twee administratieve stappen opgestart, dan begin je met meten. Hoe goed presteert het proces in de huidige situatie? Je kunt hiervoor diverse analysetools gebruiken. Tijdens de analyse wordt inzicht verkregen in gemiddelde performance, best performance, outliers en verschillende andere trends. De uitkomsten kun je uitdrukken in bijvoorbeeld Z-waarde (sigma-level) en DMP (defects per million opportunities). Het verzamelen en meten van informatie geeft ook inzicht in mogelijk ‘laag hangend fruit’ en beschikbare analysetools die later bij de implementatiefase handig zijn. Je kunt deze data/tools mogelijk gebruiken bij het besturingsdashboard.
De laatste stap in de meetfase is het bepalen van het verbeterdoel. Bij het vaststellen hiervan bieden best case performance, klanteneisen, benchmark en externe eisen ondersteuning.

Valkuilen binnen Measure
1. De steekproef is niet representatief
Zodra historische data zijn opgebouwd uit een vast aantal metingen per frequentie, is de kans aanwezig dat de data niet representatief zijn. Worden er bijvoorbeeld per medewerker vijf items gecontroleerd, dan moet dit bij alle medewerkers zo zijn. Dit is doorgaans niet het geval. Hiermee loop je het risico dat de kwaliteitscontrole niet representatief is en er een verkeerd beeld ontstaat van de kwaliteit.

2. De steekproefomvang is niet groot genoeg
Een te kleine steekproef zorgt voor een verminderde betrouwbaarheid van de uitkomsten en maakt deze dus zeer discutabel. Een te grote steekproef vergt vaak onnodig veel werk.

3. DPMO en kwaliteit worden door elkaar gehaald
Een sigmalevel van 4 staat gelijk aan 6210 fouten per miljoen (DPMO). Deze 6210 fouten worden ook wel weergegeven als 062% fout (dus 99,38% foutloos). Een foutieve weergave, omdat het aantal foutloze uitkomsten nog steeds tussen de 0% en 100% ligt. Incorrect gebruik van termen kan een verkeerde indruk wekken, waardoor foute acties worden ondernomen.

4. Dataverzameling wordt overgeslagen en input wordt geleverd door ervaring
Het overslaan van dataverzameling heeft vaak dezelfde oorzaak: ervaring. Vanuit jarenlange ervaring wordt een standpunt ingenomen dat niet statistisch is onderbouwd. De onderbouwing ervan gebeurt veelal middels enkele aansprekende voorbeelden. De betrouwbaarheid en representativiteit van deze voorbeelden worden zo niet aangetoond.

5. Whalebone diagrammen
‘Geeltjes plakken’ is een veelgebruikte methode om processen in kaart te brengen. Hierin schuilt echter ook gevaar: whalebone diagrammen. Het proces wordt tot in detail uitgewerkt en lijkt in plaats van op een ‘visgraat’ diagram meer op een ‘walvis’ diagram. Door deze complexiteit wordt data-analyse haast onmogelijk. Dit probleem kun je vaak voorkomen door in de Define fase de scope goed af te bakenen.

Call Now Button

X