Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
I concetti fondamentali
Relatore Ing. Pier Giorgio DELLA ROLE <<Master Black Belt >>
Six Sigma
I concetti fondamentali
6σ
6σ
σ Process
(few defects)
2σ
σ Process
(many defects)
σ Capire la variabilità
e la relazione Y = f(X)
σ Visione
Filosofia
Obiettivo
. Sigma è una lettera dell’alfabeto greco
Indicatore
. In statistica, Sigma (deviazione standard)
è una misura della dispersione dei dati Benchmark
attorno al valore medio (lower is better)
Metodo
Strumento
I molteplici significati di Six Sigma
La variabilità è presente in
tutte le attività
E’ possibile quantificare la variabilità
dei processi mediante l’analisi statistica
dei dati
Data driven means facts and data are used to make decisions
and measure progress toward goals
Two-dimension focus
(Variation reduction +
More aggressive mean improvement) “Hard” saving as
& common metric sale point
Signature
Problem Solving
DMAIC
6σ
Eliminate
Eliminate defects
defects
Dedicated execution
Black Belt
Reduce
Reduce variation
variation
Save
Save money
money Top-down driven
management
commitment
Statistics
(data driven decision making)
Good collection & packaging
of existing tools
Six Sigma - Le origini . . .
Input Output
100
Processo 99 parti buone
parti
Abitualmente …
‘buono al 99%’
Input
Output
Prodotto o
Processo
LSL USL
‘Good stuff’
Difetti
Input
Output
Prodotto o
Processo
Noise
Transmitted
• La variabilità dell’output è causata Output variation
Relationship between
dalla variabilità dell’input (5M +E) input and output
Xs Processo Y
Focus su Y o X?
Y= f (X)
Y X1 . . . XN
Dipendente Indipendente
Output Input-Processo
Effetto Causa
Sintomo Problema
Monitoraggio Controllo
Il punto focale di Six Sigma
Y = f(X)
Xs
Processo Y
Variabile
Variabili
dipendente
indipendenti
Conoscendo e controllando
20% + 80% = 100%
le Xs (vital few) possiamo
ridurre la variabilità di Y
e quindi ridurre il numero
Poche variabili Molte variabili
di difetti.
vitali (vital few) trascurabili (trivial many)
Controllare le Xs significa
prevenire, ispezionare le
Y significa reagire.
Reazione alla variabilità
σσ PPM
PPM
2 308,537
3 66,807
4 6,210
5 233
6 3.4
Conseguenze di un maggior numero di ispezioni
Note: All sigma values reflect a 1.5σ shift
Escaping
Escaping
PPM
The Y axis represents the undetected defects-per-million defects. Each curve represents the inspection efficiency
per inspector.
PPM
1000000 Esempio: Se la probabilità
di rilevare un difetto è del
10000 70% e utilizziamo 10
addetti al controllo qualità
100 consecutivi, con questo
livello di capability
99% 90% 80% 70%
riusciremo ad individuare
1 circa 6 difetti ogni
1 2 3 4 5 6 7 8 9 10 11 1,000,000 di difetti prodotti
Numero
Numerodidiispettori
ispettoriconsecutivi
consecutivi
The Y axis represents the inspection efficiency “sigma.” Each curve represents the inspection efficiency per
inspector.
Sigma
Sigma 99% 90% 80% 70%
8 Esempio: Se la probabilità
di rilevare un difetto è del
6
70%, ci vorrebbero circa 10
4 addetti al controllo qualità
consecutivi per
2 raggiungere un livello di
certezza 6 Sigma che il
0
difetto sarà rilevato.
1 2 3 4 5 6 7 8 9 10
Numero
Numerodidiispettori
ispettoriconsecutivi
consecutivi
2. La metodologia ‘6 sigma’
La metodologia 6 Sigma permette di trovare
le ‘vital few’ variabili che influenzano la variabilità Y = f (x)
dell’output.
• Process Maps
Define • Measurement Systems 30 - 50 Inputs
• Capability Analysis
Measure • Histogram
• Control Chart
8 - 10
• Cause and Effect Matrix
Inputs
Analyse
• Failure Modes and
Effects Analysis
• Multi-Vari Studies 3-6
• Design of Experiments Critical
inputs
• DOE
Improve Evolutionary Operations
and • Control Plan
Control • Statistical Process
Control Charts
Prodotto/processo
ottimizzati
3. Six Sigma e la Distribuzione Normale
Il metodo Six Sigma è basato sul concetto di distribuzione
normale
Punto di flesso
media
La definizione statistica di Six Sigma
Distribuzione centrata
- 6σ
σ + 6σ
σ
- 3σ
σ + 3σ
σ
scale
Ampiezza processo
Ampiezza tolleranze
Distribuzione a lungo termine
La distribuzione a
lungo termine è
Short-Term
Performance
più larga di quella
(st) a breve termine a
Dynamic Mean
causa delle
variazioni che
Long-Term
Performance
(lt)
subisce la media
nel tempo.
LSL USL
LSL USL
LSL Nominal USL
Breve termine
Lungo termine
LSL USL
Come passare da breve a lungo termine
Due approcci:
Aumentare σ Short-Term σ lt = 1.3 σ st
LSL
LSL USL
USL
- 7.5σ
σ + 4.5σ
σ
- 3σ
σ + 3σ
σ
scale
Ampiezza processo
+ 1.5σ
σ
0 ppm 3.4 ppm
scale
LSL
LSL USL
USL
TT
Ampiezza tolleranze
Il valore di “sigma” di un processo (sigma level)
Tolleranza Tolleranza
Inferiore (LSL) Superiore (USL)
1σ Punto di flesso
Deviazione standard
T media
Source: Journal for Quality and Participation, Strategy and Planning Analysis
4. Gli Strumenti ‘6 sigma’
Strumenti basati
Strumenti basati su dati
sulle opinioni Passivi Attivi
IMPROVECLEANING PF
25 80
METHOD -1
PURCHASEOFF-LINE MG
20 -1
CLEANINGSYSTEM 0
15 SPEED 0
TESTON-LINEMASK PF
10
1
PRESSURE
REPLACEMENT
1
5
0
33 34 35 36 37
Temp
‘Six Sigma’
Scelta dei “tools” statistici
Output
Attributi
Attributi Variabili
Variabili
Chi-square t-test – 2sample-t test
Attributi
Attributi Proportion tests ANOVA - DOE
Input
• Unità prodotta
• Ogni unità contiene 6 opportunità di essere difettosa
difetto
Calcolo
- DPU 1
DPMO
σ
2 308,537
3 66,807 Sigma level = 2.47
4 6,210
5 233
6 3.4
‘Sigma level’ calculation for a transactional process
Source: Six Sigma Academy
1. Produzione
Manufacturing
DMAIC Sales
2. Sviluppo Prodotto
Engineering Distribution
DFSS (IDOV)
3. Processi Transazionali
DMADV
Benchmarking Data
Effectiveness in applying Six Sigma
. Company wide
Business Motorola
. Cultural change GE
Transformation - New way of doing business Allied Signal
- Address all business processes DuPont
- Customer focused attitude
? ? ?
?
?
?
? ? ? Black Belts
i_dmaic_summary_2007
Metodologia ‘Six Sigma’
Il programma completo
DMAIC DFSS
Qual’è il problema? Chi sono i Clienti? Qual’è il processo Chi? Dove? Il progetto ha ottenuto
Quali obiettivi ci Qual’è il legame tra il interessato dal Quando? Come? l’approvazione per
poniamo? problema ed i Clienti? problema? procedere?
Strumenti e Tecniche
. Definizione del problema . VOC table . SIPOC . Struttura del . Project Charter
. Definizione degli obiettivi . Modello di Kano Progetto
. Analisi dei Costi della . Albero dei CTQ . Piano del Progetto
non Qualità (COPQ) (Critical to Quality) (Gantt chart)
DMAIC – Breve descrizione dei contenuti della fase
Come misurare Quando e dove I dati rappresentano Come funziona Quali sono le
il problema? misurare i dati? quello che ci serve attualmente il performance
sapere? processo? attuali del processo?
Strumenti e Tecniche
. Key performance . Metodi di raccolta . MSA . Statistica di base . Process Capability
indicators dati . Attribute (posizione e . FTY, RTY
. Tipi di dati . Piano raccolta dati Gage R&R dispersione) . DPU, DPO, DPMO
(continuous, count, . Numerosità del . Distribuzione . Z score
attribute) campione normale . Sigma Levels
DMAIC – Breve descrizione dei contenuti della fase
Strumenti e Tecniche
. Process mapping . C & E matrix . Strumenti grafici . Test delle ipotesi:
. Brainstorming . FMEA . Test delle ipotesi t-test, 2 sample test
le cause potenziali (Xs) . 5 Whys (Ho, Ha, p-value) Chi-quadro
. Diagramma Fishbone . Intervalli di confidenza . ANOVA
. Correlazione
DMAIC – Breve descrizione dei contenuti della fase
Quali sono tutte le Quali soluzioni Quali sono i rischi Dove, quando e come
possibili soluzioni hanno più probabilità nell’implementare la partirà il progetto pilota?
per il processo? di avere successo? soluzione scelta?
Strumenti e Tecniche
. Creative Group Methods . Pugh Matrix . FMEA . Progetto pilota e
. Regressione . Solution selection Matrix piano di implemetazione
semplice e multipla . Analisi costi/benefici
. Design of experiments
(Full – Fractional)
DMAIC – Breve descrizione dei contenuti della fase
Implementare Chiudere il
Standardizzare Quantificare il
le misure sul
la soluzione miglioramento progetto
processo nuovo
Come sarà misurato Le modifiche devono Gli obiettivi del Chiudere il progetto e
il processo nuovo diventare “business progetto sono stati trasferire quanto eseguito al
o migliorato ? as usual”? raggiunti? Process Owner
Formazione in classe
Esecuzione
Esecuzione
Esecuzione
progetti
progetti
progetti
Completamento
Define progetti &
Analyze Improve Control presentazione
al Management
Measure
Supporto continuo
Check formali ai quali partecipano il Champion, la Black Belt con il suo team
e la Master Black Belt (trainer)
Evoluzione del Six Sigma ?
6σ Lean
Variation Flow
Better Faster
Cheaper
Roots of Lean Six Sigma
Improvement
Process-based project Product/Process-based
characteristics
# Opportunities 3σ
σ 4σ 5σ 6σ
1 93.32% 99.379% 99.9767% 99.99966%
7 61.63 95.733 99.839 99.9976
10 50.08 93.96 99.768 99.9966
20 Rolled
25.08 88.29 99.536 99.9932
40 6.29 77.94 99.074 99.9864
60 Yield
1.58 68.81 98.614 99.9796
80 0.40 60.75 98.156 99.9728
100 0.10 53.64 97.70 99.966
150 -- 39.38 96.61 99.949
200 -- 28.77 95.45 99.932
300 -- 15.43 93.26 99.898
400 -- 8.28 91.11 99.864
500 -- 4.44 89.02 99.830
Complexity 600
700
--
--
2.38
1.28
86.97
84.97
99.796
99.762
Part count or 800 -- 0.69 83.02 99.729
process steps 900 -- 0.37 81.11 99.695
1000 -- 0.20 79.24 99.661
1200 -- 0.06 75.88 99.593
3000 -- -- 50.15 98.985
17000 -- -- 0.02 94.384
38000 -- -- -- 87.880
70000 -- -- -- 78.820
150000 -- -- -- 60.000
100
4σ capability across 100 steps produces a rolled-throughput yield of .99379 = .5364, or 53.64%.
The Benchmarking Chart
Process
(Distribution Shifted ± 1.5 σ) Capability
# Opportunities 3σ
σ 4σ 5σ 6σ
1 93.32% 99.379% 99.9767% 99.99966%
7 61.63 95.733 99.839 99.9976
10 50.08 93.96 99.768 99.9966
20 Rolled
25.08 88.29 99.536 99.9932
40 6.29 77.94 99.074 99.9864
60 Yield
1.58 68.81 98.614 99.9796
Lean reduces non value-add steps