Un metodo per l`analisi quantitativa di processi interni con l

Un metodo per l’analisi quantitativa di processi interni con l’applicazione
di una parte della metodologia 6 sigma
S. Gorla (*), M. Maisano (**)
(*) Responsabile Qualità e Certificazione Citroën Italia S.p.A. e consigliere di giunta AicqCN,(**) Assistente Qualità e
Certificazione Citroën Italia S.p.A.
La denominazione Sei Sigma (dal termine statistico di origine anglosassone Six Sigma) indica un
programma di gestione della qualità basato sul controllo della varianza, (indicata con la lettera greca
Sigma) che ha lo scopo di portare la qualità di un prodotto o di un servizio ad un determinato livello
di qualità.
Introdotto per la prima volta dalla Motorola nella seconda metà degli anni 80 da B. Galvin e B.
Smith, si diffuse ad altre importanti compagnie, come: Texas (1988), ABB (1993),General Electric
(1996), Polaroid (1997) e Sony (1997).
Le Sei Sigma sono un sistema intelligente di conduzione aziendale che, usando “dati e fatti”, pone il
Cliente al primo posto.
L’approccio Sei Sigma risponde a tre macro obiettivi:
•
•
•
Migliorare la soddisfazione del Cliente
Ridurre difetti, scarti, sprechi, ecc. ossia tutte le operazioni che consumano tempo e risorse,
ma che non aggiungono valore al prodotto
Velocizzare i processi aziendali
Il profondo significato del Six Sigma è un coinvolgimento totale del management verso la filosofia
dell’eccellenza, della massima soddisfazione del Cliente e del miglioramento dei processi.
Il cuore quindi della strategia Six Sigma è il controllo della variabilità nei processi al fine di ridurre
costi e inefficienze, partendo dall’individuare gli elementi di criticità per il Cliente nelle
caratteristiche di qualità, per minimizzare la variabilità e le eventuali dispersioni nei processi
aziendali.
Six Sigma permette di analizzare e misurare la capacità dei processi: con “capacità” intendiamo la
potenzialità che un processo ha di soddisfare nel tempo le aspettative del Cliente, cioè di non
produrre difetti.
In pratica, se consideriamo le aspettative del Cliente come i “paletti” del grafico sottostante (Figura
1), calcolare la capacità di un processo significa considerare quanti eventi sono al di fuori del limite
inferiore e superiore posto dal cliente:
1/9
Figura 1: Grafico rappresentativo con i limiti richiesti.
Il sigma è un indicatore sintetico, un numero che va da 1 a 6 (Tabella 1), che fotografa esattamente
tale capacità. Esso cresce con il migliorare della qualità del processo (Figura 2): un processo “6
sigma” è virtualmente un processo perfetto, che produce solo 3,4 difetti ogni milione di opportunità
(un rendimento pari al 99,9997 %).
Figura 2: Crescita del Sigma con il miglioramento della qualità del processo.
Tabella 1: Corrispondenza sigma- difetti per milioni di opportunità.
Qui di seguito riportiamo un esempio per meglio comprendere gli obiettivi e finalità del Six Sigma:
Un postino esce di casa tutti i giorni alle ore 8.00 per raggiungere l’ufficio postale in cui per
timbrare la sua presenza entro le ore 8.30.
Per raggiungere l’ufficio postale con la sua auto, ha due possibilità:
1. attraversare la città (percorso breve e trafficato);
2. seguire un percorso di campagna, (percorso più lungo ma meno trafficato).
Per decidere quale sia il percorso più conveniente, calcola il tempo di percorrenza su entrambi i
percorsi, impiegando mediamente 25 minuti attraversando la città e 28 minuti percorrendo la
campagna.
Quale percorso gli conviene seguire?
•
2/9
Metodologia
Standard:
Poiché
attraversando la città il postino impiega
mediamente 25 minuti per raggiungere
l’ufficio postale, dovrebbe scegliere il
percorso cittadino, che in media è più
veloce.
•
Metodologia Sei Sigma: la media non è un indicatore significativo per questo studio. Infatti,
il postino è penalizzato quando arriva in ritardo, ma non ha alcun beneficio quando arriva in
anticipo. L’uomo definirebbe come difettosi i percorsi che richiedono più di 30 minuti di
viaggio (tempo medio di percorrenza 25 ÷ 28 minuti).
Bisogna analizzare l’intera distribuzione dei dati nei due casi.
1. il percorso cittadino presenta una forte variabilità dei dati, perché è molto influenzato dal
traffico oltre ad essere poco prevedibile;
2. il percorso di campagna richiede un tempo costante, visto l’alto numero di difetti nel
caso del percorso cittadino è evidente che il percorso attraverso la campagna è
decisamente preferibile dal punto di vista del postino.
Quindi la risposta fondata sul semplice paragone delle medie non è significativa.
Da sempre chiamiamo “difetto” ciò che non incontra i desideri del Cliente e indichiamo con un
indice questa anomalia.
Frequentemente si parla di parti per cento o parti per milione (PPM) di prodotti difettosi e si presta
attenzione tra difetti/scarti interni e/o resi dal cliente.
Con le Sei Sigma viceversa non ci si focalizza tanto sul numero di difetti che possono verificarsi,
ma si misurano le: “opportunità intrinseche del processo di non commettere errori”
Il risultato di questo approccio è chiamato “DPMO” (difetti per milioni d’opportunità di
commettere errori), tale indice consente una valutazione immediata sulla dispersione di un processo
e la sua variabilità; come riportato nella Figura 3, il confronto Sigma - Performances % - DPMO.
[1] DPMO = [n° totale difetti misurati / (n° totale pezzi * n° opportunità difetti)] *1.000.000
Confronto Sigma - Performances % - DPMO
750000
105
100
99,97
99,38
691500
95
99,99
93,32
90
700000
650000
sigma
85
600000
80
550000
75
500000
69,15
65
17400
5600
2700
63
0,57
0,02
450000
60
55
Azienda
fuori Mercato
50
Azienda
Poco
Competitiva
45
Standard
mercato
Azienda
di buon Livello
Azienda
Competitiva
Azienda
Eccellente
400000
350000
308500
300000
40
35
250000
30,85
30
200000
25
150000
20
15
100000
66500
10
50000
5
6200
0
1
2
3
230
4
5
3,4
0
6
Sigma
Figura 3: Confronto Sigma - Performances % - DPMO
3/9
DPMO
Performances %
70
ppm
1
2
3
4
5
6
Performances
DPMO
Resa %
30,85
69,15
93,32
99,38
99,97
99,99
DPMO
691500
308500
66500
6200
230
3,4
Qui di seguito riportiamo un esempio del calcolo del numero di difetti per milione di opportunità
(DPMO):
Supponiamo che in un’unica giornata in una cittadina sono consegnate 200.000 lettere totali, vedi il
postino dell’esempio precedente, tra le quali è stato riscontrato un numero di 200 lettere consegnate
all’indirizzo sbagliato. Qual è il DPMO in questa situazione?
Dpmo =
200
*1000000 = 1000
200000 ∗1
Quindi, per ogni milione di lettere, il responsabile dell’Ente Poste di questa località può attendersi
una quantità di 1.000 lettere consegnate all’indirizzo sbagliato.
La strategia Sei Sigma prevede quindi che all’interno dell’azienda si dia spazio alla voce del Cliente
per conoscerne a pieno le esigenze. E’importante sottolineare che per “Cliente” non s’intende
soltanto il destinatario finale del prodotto o del servizio, ma anche tutti coloro che ricevono i
risultati di un’attività/operazione sia interna che esterna e che per “Fornitori” si intendono tutti
coloro che stanno a monte di ogni attività/operazione, come avviene naturalmente per un’azienda
organizzata per processi.
Le indicazioni del Cliente dovranno essere il riferimento costante per evidenziare quelle
caratteristiche che, a suo giudizio, sono critiche per la qualità (CTQ – Critical To Quality) in
confronto al nostro migliore “competitors”, in modo che esse vengano a costituire l’obiettivo verso
il quale rivolgere le azioni per il miglioramento della propria prestazione.
Alla base della metodologia Six Sigma sta il concetto che la caratteristica CTQ di ogni prodotto o
servizio sia “misurabile” e che quindi sia possibile intervenire con azioni di miglioramento solo
dopo aver effettuato le misurazioni dei parametri caratteristici ed analizzando i dati.
Operativamente ogni problema è affrontato partendo dall’individuazione delle CTQ, sulle quali si
attivano i “Progetti Sei Sigma”, articolati nelle seguenti fasi (Figura 4):
Figura 4: Ciclo di Deming, ridefinito DMAIC
4/9
•
•
•
•
•
D Definire: il campo d’indagine e d’applicazione.
M Misurare: questa fase si fonda sulla considerazione che ogni attività sia misurabile; di
conseguenza, dopo aver individuato una o più CTQ sulle quali si vuole intervenire per
ottenere il miglioramento, si procede alla individuazione degli indicatori più rappresentativi
ed alla raccolta dei dati.
A Analizzare: per conoscere la variabilità delle CTQ prese in esame e comprendere le cause
che le producono, vengono analizzati i dati raccolti. Sarà possibile identificare tutte le
probabili cause di variabilità delle CTQ e le conseguenze da esse derivanti.
I Migliorare: (Improve) Per stabilire quali debbono essere gli interventi di miglioramento,
in grado di rendere “robusto” il processo, in questa fase è necessario individuare le variabili
d’ingresso che più influiscono sulle CTQ prese in esame.
C Controllare: implementazione dei controlli di processo per impedire, una volta raggiunto
l’obiettivo desiderato, che nel tempo si abbia un degrado dello stesso.
Tale metodologia è stata applicata, utilizzando il software Minitab® , ad alcuni processi interni di un
dealer della Rete Autorizzata ma anche ai processi di alcuni fornitori.
In particolare abbiamo analizzato due processi relativi alla vendita e un processo relativo alla
riparazione effettuati nel 2008.
Come processi di vendita abbiamo considerato il processo di efficacia della vendita cioè la
concretizzazione dei preventivi in contratti di vendita ed il processo relativo alla Qualità della
consegna della vettura.
Per la riparazione abbiamo considerato il processo delle rilavorazioni in officina.
1) Processo efficacia della vendita: come indicatore abbiamo considerato il n° di preventivi/ n° di
contratti. Nella figura 5 sono riportati i grafici relativi alla verifica della distribuzione di probabilità,
la distribuzione di probabilità gaussiana e la relativa carta di controllo.
Probability Plot of Efficacia delle trattative di v
Distribuzione Efficacia vendita
Normal - 95% CI
Normal; Mean=0,275; StDev=0,0375
12
99
Mean
StDev
N
AD
P-Value
95
90
0,2750
0,03749
12
0,925
0,012
10
80
8
Density
60
50
40
6
30
4
20
10
2
5
0,025
1
0,15
0,20
0,25
0,30
0,35
Efficacia delle trattative di v
0
0,40
0,025
0,18 0,202
0,24
0,275 0,30
X
Xbar Chart of Efficacia delle trattative di v
0,5
+6SL=0,4842
0,4
Sample Mean
Percent
70
+3SL=0,3796
+2SL=0,3448
+1SL=0,3099
_
_
X=0,2750
0,3
-1SL=0,2402
-2SL=0,2053
0,2
-3SL=0,1704
0,1
-6SL=0,0658
1
2
3
4
5
6
7
mesi
8
9
10
11
12
Figura 5: Grafici relativi al processo efficacia vendita.
5/9
0,348
0,36
0,42
Dai grafici sopra riportati risulta che il processo segue una distribuzione normale ed è sotto
controllo (a parte i mesi di ottobre e dicembre). Riportando i dati nella formula [1] otteniamo un
DPMOEffVen = 275.145 ppm, considerando come n° di opportunità pari a 1 (vendo o non vendo) che
corrisponde ad un valore leggermente superiore a 2 sigma.
2) Processo Qualità consegna: come indicatore abbiamo considerato il n° dei moduli (check-list) per
le operazioni di consegna con anomalie/n° totale di consegne. Nella figura 6 sono riportati i grafici
relativi alla verifica della distribuzione di probabilità, la distribuzione di probabilità gaussiana e la
relativa carta di controllo.
Probability Plot of Qualità della consegna
Distribuzione Qualità Consegna
Normal - 95% CI
Normal; Mean=0,0066; StDev=0,006378
70
99
Mean
StDev
N
AD
P-Value
95
90
0,006617
0,006378
12
0,830
0,022
60
50
70
Density
Percent
80
60
50
40
30
40
30
20
20
10
5
10
0,025
1
-0,02
-0,01
0,00
0,01
Qualità della consegna
0,02
0
0,03
0,025
-0,00590
0,0066
X
0,0191
Xbar Chart of Qualità della consegna
0,05
+6SL=0,04149
% moduli con anomalie
0,04
0,03
+3SL=0,02406
0,02
+2SL=0,01824
+1SL=0,01243
_
_
0,01
X=0,00662
-1SL=0,00080
0,00
-2SL=-0,00501
-0,01
-3SL=-0,01082
-0,02
-6SL=-0,02826
-0,03
1
2
3
4
5
6
7
mesi
8
9
10
11
12
Figura 6: Grafici relativi al processo Qualità della consegna.
Dai grafici riportati risulta che il processo segue una distribuzione normale ed è generalmente sotto
controllo, ad eccezione dei mesi di febbraio e dicembre. Riportando i dati nella formula [1]
otteniamo un DPMOQualCons = 7.446 ppm, considerando come n° di opportunità pari a 1 (è
sufficiente la presenza di un’anomalia sulla check-list per dichiarare non conforme il veicolo) che
corrisponde ad un valore prossimo a 4 sigma.
3) Processo Rilavorazioni in officina: come indicatore abbiamo considerato il n° delle
rilavorazioni/n° passaggi in officina. Nella figura 7 sono riportati i grafici relativi alla verifica della
distribuzione di probabilità, la distribuzione di probabilità gaussiana e la relativa carta di controllo.
6/9
Probability Plot of Rilavorazioni
Distribuzione Rilavorazioni
Normal - 95% CI
Normal; Mean=0,008; StDev=0,00519
80
99
Mean
StDev
N
AD
P-Value
95
90
0,007672
0,005188
12
0,298
0,529
70
60
50
Density
70
60
50
40
30
40
30
20
20
10
5
10
0,025
1
-0,01
0,00
0,01
Rilavorazioni
0,02
0
0,03
-0,008
0,025
-0,00217 0,000
0,008
X
0,0160,0182
0,024
Carta Controllo rilavorazioni
0,025
0,0225
0,02
0,0175
0,015
+ sigma
% Rilavorazioni
0,0125
- sigma
0,01
+2 sigma
0,0075
-2 sigma
+3sigma
0,005
-3sigma
0,0025
rilavorazion
i
media
0
1
2
3
4
5
6
7
8
9
10
11
12
-0,0025
-0,005
-0,0075
-0,01
mesi
Figura 7: Grafici relativi al processo Rilavorazioni.
Dai grafici riportati risulta che il processo segue una distribuzione normale molto stretta ed è
generalmente sotto controllo. Riportando i dati nella formula [1] otteniamo un DPMORilav = 8.931
ppm, considerando come n° di opportunità pari a 1 (rilavorazione per vettura) che corrisponde ad un
valore leggermente superiore a 3 sigma.
Nella figura 8 viene riportato un grafico riassuntivo di confronto.
Confronto Sigma - Performances % - DPMO
105
750000
100
99,97
99,38
691500
95
99,99
93,32
90
700000
650000
85
600000
80
550000
75
70
500000
69,15
65
450000
60
55
400000
50
350000
45
308500
Performances
DPMO
300000
275145
40
DPMO
Performances %
Percent
80
35
250000
30,85
30
200000
8931
25
150000
20
7446
15
100000
66500
10
50000
5
6200
0
1
2
3
4
230
5
3,4
6
Sigma
Figura 8: Grafico di confronto dei tre processi.
7/9
0
Qualità Consegna
Efficacia trattativa vendita
Rilavorazioni
Dal grafico precedente si nota come il processo di Efficacia della Vendita sia molto distante rispetto
gli altri due processi analizzati, ma addirittura sembra appartenere ad una realtà diversa come
illustrato nella figura 3 (azienda poco competitiva). Tale processo è quindi il primo che deve essere
analizzato per poter attivare dei piani d’azione efficaci. Gli altri due processi rientrano nel contesto
di un’azienda superiore allo standard di mercato, possiamo definirla come azienda di medio livello.
Abbiamo ulteriormente analizzato e confrontato (come attività di benchmarking) la preparazione
del veicolo da parte di tre fornitori esterni, con i risultati dei processi precedenti, vedi figura 9.
Sigma/DPMO
750000
700000
691500
650000
600000
550000
500000
DPMO
450000
400000
350000
308500
300000
275145 Efficacia Vendita
250000
9199 Preparatore 3
200000
8931 Rilavorazioni
150000
7446 Qualità Consegna
100000
9426 Preparatore 1
5233 Preparatore 2
66500
50000
230
6200
3,4
0
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
5,5
6
6,5
Sigma
Figura 9: Grafico relativo al confronto tra i fornitori esterni ed i tre processi interni.
Dal grafico si evince che il preparatore 1 (DPMO = 9.426 ppm) ed il preparatore 3 (DPMO = 9.199
ppm) sono abbastanza allineati con i processi Rilavorazioni e Qualità consegna, mentre il
preparatore 2 (DPMO = 5.233 ppm) è decisamente superiore agli altri con un sigma addirittura
superiore a 4, rientrando nella categoria delle aziende di buon livello (cfr. figura 3).
Tale riflessione ci permette di avviare dei piani d’azione correttivi nei confronti degli altri
preparatori.
In sintesi, abbiamo completato gli step D, M e A della figura 4. A questo punto sono stati
implementati i seguenti piani d’azione/miglioramento e i relativi controlli, cercando di diminuire in
maniera sostanziale il n° di difetti che si possono verificare, completando anche lo step I:
Qualità consegna: formazione a tutto il personale e controllo puntuale sull’attività;
Rilavorazioni: formazione al personale, riunioni periodiche di sensibilizzazione;
Preparatori: formazione ai fornitori ed audit di processo;
Efficacia vendita: il piano d’azione, malgrado l’azienda rientri nella categoria poco competitiva,
non è stato per ora implementato in quanto il valore dell’indicatore è in linea con gli altri brand e
con i dati che si possono recuperare in letteratura.
Il punto C verrà attuato dopo un tempo ragionevole di applicazione dei piani di miglioramento.
8/9
Conclusioni:
Nel seguente lavoro è stata applicata la metodologia DMAIC; è stato definito il campo d’indagine
ovvero i processi interni e i processi di alcuni fornitori esterni di un dealer della Rete Autorizzata
(Definire), sono stati raccolti i relativi dati e individuati gli indicatori più rappresentativi (Misurare)
e successivamente analizzati: tale analisi è stata effettuata applicando la formula del DPMO e
successivamente mediante l’utilizzo del software Minitab® è stato possibile rappresentare
graficamente la distribuzione di probabilità, la distribuzione di probabilità normale e la relativa
carta di controllo di ciascun processo (Analizzare).
Dopo avere analizzato i dati dei processi interni e dei fornitori esterni, i relativi risultati sono stati
messi a confronto, ciò ha permesso di classificare l’azienda in base al relativo valore sigma
calcolato e avviare dei piani d’azione correttivi, la dove si hanno valori di sigma prossimi o inferiori
a 3.
9/9