Six Sigma

I concetti fondamentali

Lunedi 16 Giugno ore 17.30

Sala del Consiglio del Ordine degli Ingegneri della

Provincia di Torino
Via Giolitti 1, 10123 Torino

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)

Pier Giorgio DELLA ROLE – Master Black Belt Maggio 2008

Indice

Che cosa è ‘Six Sigma’

σ Capire la variabilità
e la relazione Y = f(X)

La metodologia Six Sigma

Six Sigma e la distribuzione normale

Gli strumenti Six Sigma

Ruoli & Responsabilità

 Che cosa significa ‘Six Sigma’?
I molteplici significati di 6 Sigma

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

• Six Sigma è prima di tutto una visione e una strategia di

business rivolta al raggiungimento della perfezione in ogni
processo, in ogni attività per la completa soddisfazione del
Cliente (intermedio e finale).

• Six Sigma è anche una misura della capacità di un

processo di produrre ‘output’ privi di difetti. Più alto è il
valore di sigma, meno difetti sono presenti.

• Six Sigma è infine una metodologia e relativi strumenti

statistici per ottenere miglioramenti sostanziali di qualità nei
processi aziendali.
 The Power of Statistical Thinking
STATISTICAL THINKING è una filosofia di ‘apprendimento’ e ‘azione’
basata sui seguenti principi fondamentali:

Tutto quello che facciamo è il

risultato di una serie di attività
interconnesse ?

La variabilità è presente in
tutte le attività
E’ possibile quantificare la variabilità
dei processi mediante l’analisi statistica
dei dati

. Poichè la variabilità è presente in tutti I processi,

Capire e ridurre tale variabilità
è la chiave del successo
occorre capirne l’influenza sulle performance degli
stessi
. Ciò richiede capire la natura e grandezza di tale
variabilità
. Che tipo di azioni sono necessarie per ridurre tale
variabilità
 One of the best definition*

What is Six Sigma?

Six Sigma is a customer-centered, systematic,
data driven way of doing things better

Customer-centered means that Six Sigma projects begin with,

and measure themselves by, customer satisfaction

Systematic means that it follows a roadmap that logically

links tools in a way that makes them much more
powerful than they are by themselves

Data driven means facts and data are used to make decisions
and measure progress toward goals

*source: Seagate Technology

 Dove Six Sigma è diverso

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 . . .

Nata in Motorola alla fine degli anni ‘80

L’interesse verso il ‘Six Sigma’ è cresciuto molto quando
nel 1988 Motorola ha vinto il Baldrige Quality Award
dichiarando pubblicamente l’uso esteso della metodologia.

Alcuni ‘Key Players’ nella storia del Six Sigma

. Mikel Harry - uno degli architetti del Six Sigma in
Motorola - Fondatore della Six Sigma
Academy
. Jack Welch - CEO di General Electric
. Larry Bossidy - CEO di Allied Signal
. Don Linsenmann – Six Sigma Corporate Champion - DuPont
Che idea abbiamo della perfezione?

Input Output
100
Processo 99 parti buone
parti

1 parte viene scartata

Abitualmente …

‘buono al 99%’

… viene considerato più che accettabile

 La visione classica della performance
Abitualmente ‘buono al 99%’ viene considerato più che accettabile

Significato pratico di ‘buono al 99%’

* 20,000 Lettere perse ogni ora dalle poste Long-Term Yield

* Erogazione di acqua potabile inquinata 3σ

σ Capability 93.32% Historical Standard
per quasi 15 minuti al giorno
* 5,000 operazioni chirurgiche sbagliate Long-Term Yield

σ Capability 99.38% Current Standard

4σ
la settimana
* 2 atterraggi corti o lunghi nei maggiori Long-Term Yield

aeroporti ogni giorno 6σ

σ Capability 99.99966% New Standard
* 200,000 prescrizioni mediche sbagliate
ogni anno

La qualità 6 Sigma rappresenta un miglioramento pari a 2941 volte

rispetto ad un prodotto definito come ‘buono al 99%’
1. La Variabilità

Input
Output
Prodotto o
Processo

• Ogni output presenta variabilità

• La variabilità è il nemico N°1 perchè causa difetti e quindi

insoddisfazione del cliente

LSL USL

‘Good stuff’
Difetti
 Input
Output
Prodotto o
Processo

Noise

Le cause della variabilità dell’output sono:

σ MS
% R &R =
• La variabilità del sistema di misura σtot

Transmitted
• La variabilità dell’output è causata Output variation
Relationship between
dalla variabilità dell’input (5M +E) input and output

• La variabilità dell’output è causata Variation

of input
dai fattori di ‘noise’ Input
 Il punto focale di Six Sigma

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

How far can inspection get us

?
(Distribution Shifted ± 1.5σ)

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

La distribuzione “normale” è tra le più frequenti in natura.

La distribuzione “normale” è descritta matematicamente da soli sue

parametri: il valore medio (valore centrale della distribuzione) e dalla
deviazione standard (indice di dispersione rappresentato dalla
distanza tra la linea centrale ed il punto di flesso della distribuzione).

Deviazione standard (σ)

Punto di flesso

media
 La definizione statistica di Six Sigma
Distribuzione centrata

- 6σ
σ + 6σ
σ

- 3σ
σ + 3σ
σ

scale

Ampiezza processo

.001 ppm .001 ppm

scale
LSL
LSL USL
USL
TT

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

Qualche fonte consiglia

1.6 o 1.8. Richiede una
Long-Term conoscenza del processo
in esame.

LSL
LSL USL
USL

Spostare (shift) la curva “short term” di una

Shift Z quantità pari 1.5 sigma Z st = Z lt + Z shift

Z lt = Z st - Z shift  long term dpmo

4.5 6 1.5 3.4
3.5 5 1.5 233
2.5 4 1.5 6210
1.5 3 1.5 66807
0.5 2 1.5 308538
 La definizione statistica di Six Sigma
Distribuzione con slittamento di 1.5 sigma

- 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

Il numero di deviazioni standard che possiamo

misurare tra il valore centrale (media) ed il limite di
tolleranza più vicino rappresenta il valore di “sigma”
del processo in esame (higher is better)
 Sigma Level e misure di ‘Capability’
(quadro riassuntivo)

Distribuzione centrata Distribuzione ‘shifted’ (1.5 sigma)

(short term) (long term)
Sigma
Z st = level
Cp = Cpk PPM Cp Cpk PPM Z lt
1 0.33 317320 0.33 - 697700

2 0.67 45500 0.67 0.17 308500 0.5

3 1.0 2700 1.0 0.5 66800 1.5

4 1.33 63.5 1.33 0.83 6200 2.5

5 1.67 0.6 1.67 1.17 233 3.5

6 2.0 0.002 2.0 1.5 3.4 4.5
 Il livello di sigma e la difettosità

Yield DPMO COPQ Sigma

99.9997% 3.4 <10% 6 6σ

σ
Process
99.976% 233 10-15% 5 (few defects)

99.4% 6,210 15-20% 4

93,3% 66,807 20-30% 3

69,2% 308,537 30-40% 2 2σ

σ Process
(many defects)

31% 690,000 >40% 1

Distribution shifted of 1.5 sigma

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

. Brainstorming . Pareto . Design of Experiments

. Diagramma causa-effetto . Istogrammi . RSM
. Matrice causa-effetto . Carte di controllo . EVOP
. FMEA . Correlazione . ….
. …. . Regressione
FMEA (Failure Mode & Effect Analysis) . ….
Process
Step/Part Potential FailureMode Potential FailureEffects
S
E Potential Causes
O
C Current Controls
D
E RPN
Actions
Resp.
90
Recommended
Number V C T 45
40
HTM
EAN 85
COATING& DIRTYPHOTOMASK MICROCRACKING, LOWFREQUENCYOFCLEANING SOP, VISUALINSPECTION INCREASEFREQUENCY MG
35
IMAGING DELAMINATION, STREAKS 8 8 7 448 TOONCEEVERY20
PANELS 30
Frequency

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

Ci sono “tools” statistici in grado di coprire tutte le possibili

combinazioni tra input e output.

Output

Attributi
Attributi Variabili
Variabili
Chi-square t-test – 2sample-t test
Attributi
Attributi Proportion tests ANOVA - DOE
Input

Discriminant analysis Correlation

Variabili
Variabili
Logistic regression Regression (multiple)
 Metriche per Six Sigma
 DPU (Defects per Unit) = Numero di difetti per unità prodotta
 TOP (Opportunities) = Opportunità totale di errori in una unità
 DPMO (Defects per Million Opportunities) = DPU x 10^6/TPO
 PPM = Parti per milione difettose
 FTY (First Time Yield) = Resa (in %) prima di rilavorazioni
 RTY (Rolled Throughput Yield) = E’ la probabilità di produrre unità
di prodotto prive di difetti (la prima volta)
 Sigma Value = Misura la capacità di un processo di produrre unità
prive di difetti. Più alto è, meglio è.
 Cost of Poor Quality (COPQ) = Il costo come risultato di non
produrre il 100% della qualità la prima vollta
 Capacity- Productivity (C-P) = Il numero di unità che un processo
è in grado di produrre in dato intervallo di tempo
Understanding Key Terms

. Critical-To-Quality (CTQ) Customer Performance Requirements

characteristics of a product or service

. Unit The item produced or processed

. Defect Any event that does not meet the

specification of a CTQ

. Defect opportunity Any event which can be measured

that provides a ‘chance’ of not
meeting a customer requirement

. Defective A unit with one or more defects

Source: Six Sigma Academy

Esempio di calcolo di DPU, DPO, DPMO e ‘Sigma Level’

• Unità prodotta
• Ogni unità contiene 6 opportunità di essere difettosa
difetto
Calcolo

- Numero unità prodotte 30

- Numero di difetti 30

- DPU 1

- DPO (difetti per opportunità) 30/(30 x 6) = 0.1667

6
- DPMO 0.1667 x 10 = 166,700

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

Step Action Equation Your

calculation
1 What process do you want to consider? Billing
2 How many units were put through the 1283 invoices
process?
3 Of the units that went into the process, 1138
how many came out OK?
4 Compute the yield for the process step3/step2 0.8870

5 Compute the defect rate 1- step4 0.113 or 11.3%

6 Determine the number of potential N°of opportunities 24

things that could create a defect per unit
7 Compute the defect rate per step5/step6 0.0047
opportunity
8 Compute DPMO step7 x 1000000 4700

9 Convert the DPMO into a sigma level 4.1

(just above
average)
 The Benchmarking Chart
(Distribution Shifted ± 1.5σ) Process
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 25.08 88.29 99.536 99.9932
Ruolo della 40 6.29 77.94 99.074 99.9864
60 1.58 Rolled 68.81 98.614 99.9796
Complessità 80 0.40 60.75 98.156 99.9728
100 0.10 Yield 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
600 -- 2.38 86.97 99.796
Complexity 700 -- 1.28 84.97 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%.
 Organizational Roles and Responsibilities
Green Belts (GB’s)
Executives • Part-time
• Own vision, direction, • Use Six Sigma tools for problem solving
integration, results • Manage small projects within areas of
• Own Communication Plan expertise
• Lead change
Champions
• Own projects Project Team Members
• Manage Black Belts • Part-time
• Eliminate project • Project-specific
roadblocks
All employees understand
vision and apply concepts.
Master Black Belts (MBB’s)
Black Belts (BB’s)
• Full time
• 50% - 100% time spent on BB activities
• Train/coach BBs and GBs
• Lead project teams
• Provide expert statistical help
• Use Six Sigma tools for problem solving
• Train/coach GBs & project teams
Tipica evoluzione del ‘Six Sigma’ in una Azienda Meccanica
con produzione su più linee di prodotti

1. Produzione
Manufacturing
DMAIC Sales

2. Sviluppo Prodotto
Engineering Distribution
DFSS (IDOV)

3. Processi Transazionali
DMADV
 Benchmarking Data
Effectiveness in applying Six Sigma

Highly Effective Effective

Manufacturing 62% 23%

Supply Chain 34% 46%
Engineering 39% 34%
Customer Serv. 32% 40%
IT 22% 40%
HR 13% 44%
Sales 10% 41%
Marketing 11% 33%

0% 20% 40% 60% 80%

Source: Best Practice LLC; Global Benchmarking Council Survey
 Il successo del Six Sigma
“Six Sigma is a disciplined problem Amazon.com
solving methodology for continuous Black & Decker
process improvement” Bosch
…It’s a concept Air Products Canon
…It’s a toolkit American Express Caterpillar
…It’s a management philosophy Ford Motor Compaq
…It’s a way of doing business Johnson & JohnsonDaimler Chrysler
Compaq
J.P. Morgan Chase Dell Computer
Dow Chemical LG Group
Jack Welch – Industry Week Delphi Automotive
DuPont Ericsson Eaton
Deere Maytag Flextronic
Lockheed Martin Navistar Johnson Controls
NEC NCR Pilkington
PACCAR Nokia Polaroid
Seagate Tech. Philips Rexam Beverage
Siemens Raytheon Roche Diagnostic
ABB Sony Solectron Samsung
Kodak Allied Signal Toshiba Sumitomo Sun Microsystem
Motorola IBM DEC TI GE Whirlpool US Postal Service Textron

1987 1989 1991 1993 1995 1997 1999 2002

 Six Sigma – Level of Implementation

. Company wide
Business Motorola
. Cultural change GE
Transformation - New way of doing business Allied Signal
- Address all business processes DuPont
- Customer focused attitude

. Targets key strategic or

Strategic operational weakness or TRW
Improvement Whirlpool
opportunity
Volvo
- Enhance operational efficiency SKF
- Product development process

Problem . Fix specific issue

Siemens
. Urgent needs
Solving Philips
- Improve throughput D/C
- Reduce customer complaints

Source: SKF (by courtesy)

Conclusion. . .

Provide them full

resources and Guarantee
Identify your Assign them to
Management uninterrupted
biggest problems your best people
support time

? ? ?
?
?
?
? ? ? Black Belts

Six Sigma is about doing all of this things, consistently and

doing them well.
Cp = 2.0
Cpk = 1.5
ppm = 3.4 6σ

Corso SIX SIGMA

per
Black Belts
- Metodologia DMAIC

Pier Giorgio DELLA ROLE

i_dmaic_summary_2007
Metodologia ‘Six Sigma’
Il programma completo

DMAIC DFSS

Define Define Define

Measure Measure Identify

Analyse Analyse Design

Improve Design Optimise

Control Verify Validate

Six Sigma per i Six Sigma per i Six Sigma per
processi esistenti nuovi processi nuovi prodotti
 La Metodologia ‘DMAIC’ vista da 10000 m

Define Che cosa vuole il Cliente?

Problema
Y
pratico
Qual’è la nostra capacità
Measure di farlo?
Cosa disturba la nostra
Problema
X Analyse capacità di farlo?
statistico
(possibili cause)

Isoliamo le principali cause Soluzione

Improve
(variabili critiche) statistica
X
Vital few
Controlliamo le variabili Soluzione
Control critiche pratica
DMAIC – Breve descrizione dei contenuti della fase

Fase Breve descrizione

Define Definire il problema – Chiarire il contesto e fissare gli obiettivi

del progetto

Il macro-flusso della fase di Define

Definire il Definire i Clienti Definire il Gestire il Farsi approvare

Business Case e le loro richieste processo progetto il progetto

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?

. Definizione del problema
. Definizione degli obiettivi
. Analisi dei Costi della
non Qualità (COPQ)
Strumenti e Tecniche
. VOC table . SIPOC . Struttura del . Project Charter
. Modello di Kano Progetto
. Albero dei CTQ . Piano del Progetto
(Critical to Quality) (Gantt chart)
DMAIC – Breve descrizione dei contenuti della fase

Fase Breve descrizione

Measure Raccogliere i dati e misurare le attuali performance del processo

Il macro-flusso della fase di Measure

Definire come Raccogliere i Check sulla Capire il Misurare le

misurare il dati relativi al qualità dei processo performance
processo processo dati attuale attuali

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

Fase Breve descrizione

Analyze Identificare le cause di variabilità e ridurne il numero (vital few Xs)

Il macro-flusso della fase di Analyze

Identificare le Verificare le ‘root causes’

Analizzare Analizzare
potenziali e capire le relazioni
il processo i dati causa-effetto
‘root causes’

Mappare il La conoscenza del Cosa dicono i Come influiscono sull’output

processo ‘as is’? processo attuale cosa dati? del processo le ‘root causes’?
suggerisce?

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

Fase Breve descrizione

Improve Sviluppare, scegliere e implementare la miglior soluzione per il processo

in esame

Il macro-flusso della fase di Improve

Generare Scegliere la Valutare Lanciare un

Potenziali i rischi progetto pilota
miglior soluzione
soluzioni

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

Fase Breve descrizione

Control Standardizzare la soluzione e definire un piano di controllo

Il macro-flusso della fase di Control

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

Tools and Techniques

. Process monitoring (Y) . Standardizzare . SPC . Report del progetto
. Process control (Xs) & Documentare . Test delle ipotesi . Report dei ‘Key learnings’
. Piano di controllo . Mistake-proofing
. SPC (control charts)
 Corso DMAIC per Black Belt - Organizzazione

Formazione in classe

Esecuzione
Esecuzione
Esecuzione

progetti
progetti
progetti

Completamento
Define progetti &
Analyze Improve Control presentazione
al Management
Measure

5 giorni 5 giorni 5 giorni 5 giorni 2-3 mesi

3 sett. 3 sett. 3 sett.

Assistenza & facilitazione progetti

Assistenza e Facilitazione Progetti

Supporto continuo

Gate 1 Gate 2 Gate 3 Gate 4

Define Measure Analyse Improve Control

End

Deliverables Deliverables Deliverables Deliverables

Check formali ai quali partecipano il Champion, la Black Belt con il suo team
e la Master Black Belt (trainer)
Evoluzione del Six Sigma ?

Che cosa è Lean Six Sigma ?

Lean Six Sigma – High Level Framework

6σ Lean

Variation Flow

Better Faster

Cheaper
 Roots of Lean Six Sigma

Productivity Lean Six Sigma Quality and

and Lean 1996 – 2000’s Six Sigma
Evolution Evolution
Lean Six Sigma
1990’s 1990’s
Womack Harry

Toyota Production TQC – 1950’s

System – 1950’s Deming, Juran
Ohno, Shingo Feigenbaum, Crosby

Mass Production SPC

1920’s 1920’s
Ford Shewart
Scientific Management
1910
Taylor
 Lean & Six Sigma – Basic principles

Lean Initiative Six Sigma

Waste elimination Tactical
Variation reduction

Demand through pull objectives
Rework & scrap reduction

Flow
Process control

Improvement
Process-based project Product/Process-based
characteristics

Reduce cycle-time Goal Improve quality

 Lean & Six Sigma – Key differences

Lean Initiative Six Sigma

Time Primary Defects

Metric
Everyone, in their Change Belt experts, with
natural work teams Agents project teams

Empowerment Culture Top down

Industrial Underlying Statistics

Engineering Science
 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
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

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%.
Six Sigma improve quality of value-add steps
 6σ
ARRIVEDERCI E GRAZIE PER L’ATTENZIONE

Contatto: Ing. Pier Giorgio DELLA ROLE

Phone 338 7745492 e-mail pgrole@yahoo.it