Lean Six Sigma: de Measure fase (meten)


Update: 2021-08-02

In dit artikel staat de Measure-fase van de DMAIC van Lean Six Sigma centraal. Aan het eind van deze fase moet het volgende opgeleverd worden:
  • Een CTQ flowdown waarin het projectdoel is vertaald in CTQ’s;
  • Een operationele definitie van elke CTQ. Hiermee krijgt elke CTQ een meetprocedure;
  • Een meet- en analyseplan, dat duidelijk maakt hoe de meetgegevens verzameld en geanalyseerd gaan worden;
  • Een gevalideerde meetprocedure. Door validatie weten we zeker dat we de metingen kunnen vertrouwen en er sterke conclusies aan kunnen verbinden.

Een CTQ-flowdown
De focus bij Lean Six Sigma is op het proces en daar zit de toegevoegde waarde van de organisatie en wordt bepaald of de wens van de klant vervuld kan worden. De wensen/ eisen van de klant moeten vertaald worden naar beïnvloedbare factoren gekoppeld aan het proces en/of product/dienst. Die beïnvloedbare factoren worden CTQ’s genoemd, Critical to Quality. We willen dus relaties vaststellen tussen prestaties (Y) en onderliggende invloedsfactoren (X). Als we de invloedsfactoren noteren als X1, X2, etc. dan kan het bovenstaande in formulevorm als volgt genoteerd worden: Y = f(X1, X2.. Xn). De Lean Six Sigma methodologie heeft tot doel de belangrijkste X-en te selecteren en vervolgens de functie f te bepalen. Y kan bij het vliegtuigproductieproces bijvoorbeeld de zweeftijd zijn. De X-en die als belangrijk gekenmerkt kunnen worden bij die Y zijn het gewicht van het papier, de kwaliteit van de vouwlijnen en het model. Zie onderstaande CTQ-flowdown.


CTQ's zijn dus meetbare kenmerken van een proces of product, die binnen een bepaalde boven- en/of ondergrens moeten vallen. Minimaal moet worden voldaan aan de verwachtingen van de klant. Wordt niet aan de klant-verwachtingen voldaan, dat heet dit in Lean Six Sigma terminologie: een fout of defect. CTQ’s zijn dus een operationalisering van de VOC naar meetbare kenmerken. Wat de klant zegt wordt dus vertaald in meetbare CTQ’s. De CTQ’s schrijven nog geen oplossingen voor. Een CTQ moet tevens een positieve uitdrukking zijn, van wat de klant wil, in plaats van een negatieve uitdrukking, van wat de klant niet wil. De stem van de klant kan bijvoorbeeld zijn: 'Ik word in de wacht gezet of ik word met de verkeerde afdeling of persoon doorverbonden', leidt tot CTQ: 'De klant wordt direct de eerste keer met de juiste persoon doorverbonden.'



Een operationele definitie
De vertaling van de probleemstelling in termen van CTQ’s (meetbare kenmerken) maakt het probleem concreet. Echter, voor de dataverzameling en –analyse begint, moeten de CTQ’s verder meetbaar gemaakt worden. Dat bestaat uit drie onderdelen:

  • Meeteenheid: De meeteenheid is het ‘ding’ dat we meten. Als we bijvoorbeeld de doorlooptijd van een vliegtuig meten dan is de eenheid ‘een vliegtuig’.
  • Meetprocedure: hoe gaan we de CTQ meten? Welk formulier, apparaat, ICT-applicatie etc. gaan we gebruiken? Wat is het steekproefplan? Wat wordt in het proces gemeten? Bij wie?
  • Eisen: wat zijn de eisen aan de CTQ? Voor welke waarde is de CTQ goed en voor welke niet goed?
Deze drie elementen samen worden een ‘operationele definitie’ genoemd. Het moet duidelijk worden, wat gemeten wordt, wat die cijfers betekenen, hoe ze berekend zijn, welke aannames gedaan zijn, waarop de cijfers gebaseerd zijn en waar ze precies betrekking op hebben. We moeten namelijk verzekerd zijn van goede gegevens. Je kunt je waarschijnlijk wel voorstellen dat als je slechte gegevens gebruikt, de uiteindelijke oplossingen ook slecht zijn. Shit in is shit out.



Hoe kom je aan gegevens?
De kern van Lean Six Sigma is besluitvorming op betrouwbare gegevens. Meten is dus een belangrijke activiteit. Dat hoef je niet per definitie zelf te verrichten tijdens een Lean Six Sigma-project. Bij veel organisaties zijn er al heel veel gegevens beschikbaar in diverse ICT-applicaties. Het zou dan onzin zijn, om zelf te gaan meten. Die data moeten echter wel te betrouwbaar zijn. En dat kan niet altijd. Denk bijvoorbeeld aan het vliegtuigproductieproces, waar je de leverbetrouwbaarheid wilt verbeteren. In de ICT-applicatie zijn wel data ingevoerd, zoals ‘datum ontvangst order’, ‘afgesproken leverdatum’ en ‘werkelijke leverdatum’, maar na enkele vragen blijkt, dat de verkopers de afgesproken leverdatum in het systeem veranderen/aanpassen als blijkt dat de eerst afgesproken leverdatum met de klant niet gehaald kan worden. Tja…. dan kun je met die data niet zo heel veel. Je zult dan zelf metingen moeten doen. Kortom, over het algemeen worden er drie manieren onderscheiden om aan gegevens te komen:
-       gebruik maken van bestaande gegevens;
-       verkrijgen van gegevens via observatie/ meting;
-       verkrijgen van gegevens via schriftelijk of mondeling interview.

Meetplan en meetprocedure
Nu moeten we nog het meetplan en meetprocedure opstellen. Het opstellen van een meetplan en het valideren van de zuiverheid, precisie en stabiliteit van de meetprocedures en meetinstrumenten neemt mogelijk veel tijd in beslag maar zorgt ervoor dat de kwaliteit van de analyse (de volgende fase) toeneemt. Stel een meetplan op en zorg ervoor dat je meetmethodieken verantwoord zijn (valideer). Meet en zorg daarmee voor een betrouwbare dataset.

Een meetplan is een schema dat toont hoe de data verzameld gaat worden. Een meetplan heeft de structuur van een matrix, met kolommen en rijen. Bijvoorbeeld zoals onderstaand figuur.

Gevalideerde meetprocedure

Het meten als zodanig is ook een proces. En ook het meetproces kan variatie vertonen. Variatie in het meetproces heeft gevolgen voor de dataset en daarmee ook voor beslissingen die we daarop baseren. We willen dus graag een zo nauwkeurig mogelijk meetproces. Begrippen als repeatability (herhaalbaarheid) en reproducibility (reproduceerbaarheid) zijn in dit kader van belang
.Gage R&R
Gage R&R of Gauge R&R (Gage/Gauge is Engels voor meetinstrument). is een techniek voor het beoordelen van de herhaalbaarheid en reproduceerbaarheid van het meetsysteem. Het bevestigt hoeveel het meetsysteem aan procesvariatie bijdraagt.

Zuiverheid en precisie
Onder slechte kwaliteit van het meetsysteem wordt verstaan dat enkele of alle metingen afwijken van de werkelijke waarde. Het verschil tussen de werkelijke waarde en de gemeten waarde is de meetfout. Er zijn twee typen meetfouten:
1.      systematische fouten (zuiverheid)
2.      toevallige fouten (precisie)

Een systematische fout (niet zuiver) is het verschil tussen de werkelijke waarde en het gemiddelde van de metingen, na de meting zeer vaak herhaald te hebben. Die systematische fout wordt ook wel onzuiverheid of bias genoemd. De zuiverheid van een meetsysteem wordt meestal onderzocht door middel van een kalibratieonderzoek, waarbij het gemiddelde van de meetresultaten vergeleken wordt met een bekend veronderstelde standaardwaarde.

Een toevallige fout is het verschil tussen een individuele meetwaarde en het gemiddelde van meetwaarden bij zeer vaak herhaalde metingen. Wanneer de toevallige meetfouten weinig variatie vertonen spreken we van een precieze meting.

Een voorbeeld. Stel een vliegtuig heeft in werkelijkheid een lengte van 30 centimeter. Dat vliegtuig is met 2 verschillende instrumenten vier keer gemeten.

Meetinstrument 1 geeft de volgende uitkomsten: 28,8; 28,9; 29,1; 28,8.
Meetinstrument 2 geeft de volgende uitkomsten: 32,5; 27,6; 28,4; 31,6.

Stel je voor dat je vliegtuigen zou afkeuren als ze meer dan 1 cm afwijken van de streeflengte van 30 cm. Dan zou je bij de acht gemeten waarden er 7 moeten afkeuren, terwijl in werkelijkheid die vliegtuigjes precies 30 cm zijn. Zonde toch! Anderom geldt, dat wanneer je meetinstrument niet zuiver en precies is, je ook onterecht vliegtuigjes kunt goedkeuren. Dat willen we ook niet hebben.

Meetinstrument 1 is precies, maar niet zuiver. Alle gemeten waarden liggen 0,9 tot 1,2 cm onder de werkelijke waarde. Meetinstrument 2 is wel zuiver, maar niet precies. De spreiding van meetgegevens bij meetinstrument 2 is veel groter. Het gebrek aan zuiverheid kan veelal worden opgelost door middel van een kalibratieprocedure, terwijl het verbeteren van de preciesheid/ toevallige meetfout vaak een veel lastiger probleem is.

Precisie en Gage R&R
De precisie of toevallige meetfout moet de aandacht krijgen die het verdient. Het is van belang dat bij herhaald meten van een kenmerk (lengte van een vliegtuig) steeds ongeveer dezelfde waarden oplevert. Wanneer dat niet zo is, is het met de precisie slecht gesteld. Precisie komt tot uiting in de variantie en draagt daarmee bij tot de totale variantie van de metingen. De belangrijkste bronnen van de variatie kunnen zijn: het meetinstrument en de personen betrokken bij de metingen. Daarom wordt vaak gezegd dat de variantie van de meting gelijke is aan de variantie van de herhaalbaarheid (spreiding ten gevolge van het meetinstrument) plus de variantie van de reproduceerbaarheid (spreiding ten gevolge van verschillende personen).


Om de herhaalbaarheid van het meetsysteem te verbeteren kun je meerdere metingen doen en het gemiddelde van deze metingen als gemeten waarde te representeren. Bij n metingen zal de herhaalbaarheid op deze wijze met een factor √n afnemen. Daarnaast kan het visgraatdiagram behulpzaam zijn bij het in kaart brengen van de bronnen van meetvariatie.

Wanneer reproduceerbaarheid het grootste probleem is, vormen verschillen tussen de waarnemers waarschijnlijk de bron van meetvariatie. Verbetering kan dan gerealiseerd worden door bijvoorbeeld:
       de metingen door 1 persoon te laten doen;
       elke persoon dezelfde werkwijze te laten hanteren;
       de meetwijze/meetprocedure op papier zetten;
       opleiding geven aan de waarnemers/personen.


Tot slot
We sluiten alweer een fase af. De measurefase is af. We weten wat we willen meten, hoe we dat willen meten en bepaald of dat valide en betrouwbare gegevens oplevert. Succes met het meten/verzamelen van gegevens en de vervolgstap is om op basis van die gegevens een analyse uit te voeren naar knelpunten, kernoorzaken en invloedsfactoren. Op naar de analyse-fase!

Wil je een E-learning volgen op het gebied van Lean (Six Sigma)? Zie: www.skoledo.com.

Gosse Korte: LinkedIN

Reacties

Populaire posts van deze blog

GAP-model of Servqual-model: klantverwachting overtreffen

Wie heeft mijn kaas gepikt? Samenvatting Johnson & Blanchard