Sei sulla pagina 1di 212

Six Sigma

Manuale per Green Belt


Gabriele Arcidiacono, Claudio Calabrese, Stefano Rossi

Six Sigma
Manuale per Green Belt - Minibook

13
GABRIELE ARCIDIACONO
Ingegneria dell’Automazione, Università di Siena
CLAUDIO CALABRESE
Consulente Aziendale
STEFANO ROSSI
Consulente Aziendale

ISBN 13 978-88-470-0699-7 Springer Milan Berlin Heidelberg New York


Springer-Verlag fa parte di Springer Science+Business Media
springer.com
© Springer-Verlag Italia, Milano 2007

Quest’opera è protetta dalla legge sul diritto d’autore. Tutti i diritti, in particolare quelli relativi alla traduzione, alla ristampa, all’uso
di figure e tabelle, alla citazione orale, alla trasmissione radiofonica o televisiva, alla riproduzione su microfilm o in database, alla di-
versa riproduzione in qualsiasi altra forma (stampa o elettronica) rimangono riservati anche nel caso di utilizzo parziale. Una ripro-
duzione di quest’opera, oppure di parte di questa, è anche nel caso specifico solo ammessa nei limiti stabiliti dalla legge sul diritto d’au-
tore, ed è soggetta all’autorizzazione dell’Editore. La violazione delle norme comporta sanzioni previste dalla legge.
L’utilizzo di denominazioni generiche, nomi commerciali, marchi registrati, ecc., in quest’opera, anche in assenza di particolare indi-
cazione, non consente di considerare tali denominazioni o marchi liberamente utilizzabili da chiunque ai sensi della legge sul marchio.

Impianti forniti dall’autore


Progetto grafico della copertina: Simona Colombo, Milano
Stampa: Signum, Bollate (Mi)
Stampato in Italia
Springer-Verlag Italia srl - Via Decembrio 28 - 20137 Milano
This page intentionally left blank
Prefazione

Questo Minibook vuole essere una guida sintetica che, grazie alle sue
nozioni teoriche, ma anche ai suoi spunti pratici, costituisca per le
Green Belt un utile e prezioso vademecum di facile e rapida
consultazione durante la gestione dei progetti Six Sigma. Nasce dalle
esigenze riscontrate dalle più svariate realtà aziendali, le quali
necessitano di strumenti più appropriati per una più completa e
corretta analisi delle informazioni provenienti dal campo.
In particolare questo volume fa riferimento al software Minitab 15,
SIX SIGMA MINIBOOK

indubbiamente il più utilizzato nel settore.

Gli Autori

3
Indice
pag. 9

pag. 11
• SIPOC pag. 13
• Mappatura di Processo pag. 16
– Diagramma di flusso base pag. 17
– Diagramma di flusso funzionale pag. 18
– Diagramma di flusso delle attività pag. 19
• Diagramma ad Albero pag. 20
• Diagramma di Kano pag. 21
• Project Charter pag. 22
• COPQ: Costi della non qualità pag. 24
SIX SIGMA MINIBOOK

pag. 27
• Campionamento pag. 29
• Basic Statistics pag. 34
• Intervallo di Confidenza pag. 42
• Graphical Summary pag. 45
• Boxplot pag. 52
4
Indice
• Gage R&R pag. 57
– Gage R&R (Dati Continui) pag. 59
– Gage R&R (Dati Discreti Attributi) pag. 71
• Diagramma di Pareto pag. 78
• Test della Normalità pag. 82
• Capability Analysis pag. 86
• Calcolo del DPMO pag. 93
• Calcolo del Process Sigma pag. 94
• Time Series Plot pag. 95
• Run Chart pag. 99
pag.105
• Diagramma Causa-Effetto pag. 10 7
• Tipologie di Test delle Ipotesi pag. 11 3
SIX SIGMA MINIBOOK

– 1-Sample t pag.115
– 2-Sample t pag.119
– Paired t-Test pag.123
– ANOVA pag.128
– Chi-Square pag.132
– Test delle Varianze pag.136
5
Indice

• Scatter Diagram pag. 14 1


• Regressione: Fitted Line Plot pag. 14 5
• Regressione: approccio analitico pag. 150

pag.155
• Priority Matrix pag. 157
• FMEA pag. 16 2
• DOE pag. 167

pag.179
• Control Chart pag. 18 1
• Control Chart per variabili continue: Individual pag.182
• Control Chart per variabili continue: Xbar-R pag. 187
SIX SIGMA MINIBOOK

• Control Chart per attributi: P Chart pag. 193

pag.197
• Define Checklist pag. 19 8
• Measure Checklist pag. 199
6
Indice
• Analyze Checklist pag. 20 0
• Improve Checklist pag. 2 0 1
• Control Checklist pag. 20 2

pag.203

pag.205

pag.206

pag.208
SIX SIGMA MINIBOOK

7
Introduzione
Il Six Sigma è una strategia operativa consolidata (strutturata secondo
le fasi DMAIC) per misurare, analizzare e migliorare i risultati in termini
di Eccellenza operazionale.
La metodologia, attraverso l'ausilio di opportuni tools, mira
all'ottimizzazione dei processi manufatturieri e transazionali, attraverso
la riduzione della loro variabilità.
Le 5 fasi che caratterizzano l'approccio DMAIC sono:
EFINE
EASURE
NALYZE
SIX SIGMA MINIBOOK

MPROVE
ONTROL

Questo simbolo indica che la parola è presente nel Glossario (pag. 208)
9
Introduzione: il ciclo DMAIC

Define
Measure

Control

An
ov
pr

al
SIX SIGMA MINIBOOK

Im

yz
e

10
SIX SIGMA MINIBOOK

MEASURE ANALYZE IMPROVE CONTROL 11


DEFINE
La fase Define costituisce il primo step di un progetto Six Sigma,
dove si definisce:

• la fotografia del processo attraverso la sua Mappatura (individua le


fasi del processo a valore aggiunto e quelle a non valore aggiunto);
• il Cliente (esterno o interno);
• la criticità del processo;
• l'ambito del progetto e, quindi, quello di manovra di intervento;
• un indicatore misurabile "critico per la qualità" in ottica cliente,
Critical To Quality (CTQ ), e studio della sua satisfaction
SIX SIGMA MINIBOOK

attraverso un approccio proattivo anziché reattivo;


• la stima dei benefici economici (inseriti nel documento sintetico,
detto Project Charter ) potenzialmente ottenibili dai miglioramenti
che il progetto si prefigge di raggiungere.
MEASURE ANALYZE IMPROVE CONTROL 12
Diagramma SIPOC
Obiettivo:
• Il Diagramma SIPOC permette di mappare in maniera macroscopica il
processo in esame

Rappresentazione:

S = Supplier, Fornitore
I = Input, Variabili X
P = Process, Macroprocesso
SIX SIGMA MINIBOOK

O = Output, Variabili Y
C = Customer, Cliente

MEASURE ANALYZE IMPROVE CONTROL 13


Diagramma SIPOC
Sei punti per la costruzione di un SIPOC:
1. Identificare i Clienti (esterni e/o interni)
2. Identificare gli Output di processo
3. Individuare i confini del Macroprocesso (punto di partenza e di fine
processo)
4. Determinare il Process Owner (Responsabile del processo)
5. Definire gli Input del processo in esame
SIX SIGMA MINIBOOK

6. Partire dal Macroprocesso per scendere a un’analisi sempre più dettagliata


attraverso le possibili mappature (utilizzare un approccio fino
al livello di approfondimento desiderato) dove distinguere le fasi a valore
aggiunto (VA) da quelle a non valore aggiunto (NVA) (vedi pag. 19)

MEASURE ANALYZE IMPROVE CONTROL 14


Diagramma SIPOC

Domande utili:
• Chi è il Cliente?
• Il Cliente è esterno o interno all’azienda?
• Cosa vuole il Cliente dal processo?
• Quali sono gli Output del processo?
• Dove inizia e dove finisce il processo in esame (ring di azione)?
• Il processo descritto rappresenta la realtà com’è (processo as is) o come
dovrebbe essere?
SIX SIGMA MINIBOOK

• Quali sono gli Input? Quali sono le specifiche che i Fornitori devono
rispettare per gli Input?
• Chi sono i Fornitori?

MEASURE ANALYZE IMPROVE CONTROL 15


Mappatura di processo
Obiettivo:
• La Mappatura di processo permette di descrivere in maniera dettagliata il
processo analizzato al fine di individuarne le criticità e attività a valore e a
non valore aggiunto

Rappresentazione:
SIX SIGMA MINIBOOK

MEASURE ANALYZE IMPROVE CONTROL 16


Mappatura di processo: Diagramma di flusso base

Obiettivo:
• Identificare le fasi principali di un processo:
punto di partenza e di arrivo
• Identificare i cicli decisionali nel processo
SIX SIGMA MINIBOOK

MEASURE ANALYZE IMPROVE CONTROL 17


Mappatura di processo: Diagramma di flusso funzionale

Obiettivo:
• Evidenziare il passaggio del flusso
delle informazioni tra persone o
funzioni
• Chiarire i ruoli e le responsabilità

La linea orizzontale rappresenta


il passaggio di responsabilità
SIX SIGMA MINIBOOK

interfunzionale

MEASURE ANALYZE IMPROVE CONTROL 18


Mappatura di processo: Diagramma di flusso delle attività

Obiettivo:
• Visualizzare la complessità del processo
• Individuare i cicli decisionali
• Determinare quelle fasi che non aggiungono
valore al prodotto/servizio (spreco )
Caratteristiche delle Fasi a valore aggiunto (VA)
• Fasi per cui i Clienti sono disposti a pagare
• Fasi che cambiano fisicamente il prodotto
• Fasi che producono un prodotto/servizio corretto fin
dal principio (right first time)
Caratteristiche delle Fasi senza valore aggiunto (NVA)
• Sono fasi non essenziali per produrre il risultato come:
SIX SIGMA MINIBOOK

– Difetti, rilavorazioni
– Controlli
– Ispezioni
– Trasporto, movimento, attesa
– Sovrapproduzione, giacenze

MEASURE ANALYZE IMPROVE CONTROL 19


Diagramma ad Albero
Obiettivo:
• Il Diagramma ad Albero è uno strumento che permette di passare dalla
VOC (Voice Of the Customer) a una o più caratteristiche CTQs,
declinando la voce del Cliente in indicatori misurabili oggettivamente
Rappresentazione:

Linguaggio con cui il Cliente


esprime una richiesta
SIX SIGMA MINIBOOK

Espressione delle richieste del


Cliente attraverso un linguaggio
chiaro e inequivocabile

MEASURE ANALYZE IMPROVE CONTROL 20


Diagramma Kano
Obiettivo:
• Il Diagramma di Kano è uno strumento che aiuta a identificare le
caratteristiche realmente importanti per la Customer Satisfaction

Rappresentazione:
POST-IT
Caratteristiche che devono essere
POST-IT necessariamente presenti e che il Cliente dà
per scontate (per es. sicurezza di un prodotto
POST-IT o di un servizio)

Caratteristiche che più sono


presenti nel prodotto/servizio più accrescono
la soddisfazione del Cliente
SIX SIGMA MINIBOOK

POST-IT

POST-IT

POST-IT POST-IT

Caratteristiche che il Cliente non


POST-IT si aspetta assolutamente, ma che, se presenti,
aumentano fortemente la sua soddisfazione

MEASURE ANALYZE IMPROVE CONTROL 21


Project Charter
SIX SIGMA MINIBOOK

MEASURE ANALYZE IMPROVE CONTROL 22


Project Charter
Contenuti del Project Charter:
Titolo Indicare il titolo del progetto

Ambito Descrivere nel dettaglio lo scopo del progetto (è un approfondimento del titolo)
Inserire chi sono gli attori coinvolti nel progetto:
– Team Leader
– Team Members
Team
– Padrone del processo o Process Owner: responsabile del reparto/ufficio in cui
verrà svolto il progetto
– Champion/Sponsor: è la figura che sponsorizza il progetto Six Sigma
Durata Indicare la durata del progetto (3-4 mesi)
Indicare qual è la CTQ analizzata nel processo (se ne possono avere anche più di una),
CTQ qual è il valore attuale e quale quello che si vuole raggiungere (target) con il progetto
SIX SIGMA MINIBOOK

Indicare il valore dei benefici economici ottenibili attraverso il raggiungimento del valore
Savings target della CTQ (calcolato su scala annua) e/o la riduzione dei costi della non qualità
Vincoli Indicare quali sono i vincoli da rispettare durante lo svolgimento del progetto
Indicare la data di inizio di ciascuna fase, la data di chiusura prevista e l’effettivo stato di
Fasi avanzamento (documento “vivo” e base di partenza per ogni riunione operativa)

MEASURE ANALYZE IMPROVE CONTROL 23


COPQ: Costi di non qualità

• I Costi di non qualità, detti anche COPQ (Cost Of Poor Quality),


sono quei costi imputabili alle scadenti performances dei processi
produttivi e/o transazionali e includono costi di manodopera, di
energia, di materiali, di ammortamenti, che devono essere sostenuti
per evitare il generarsi di una non conformità o per reagire al loro
manifestarsi.
• Un possibile modello per schematizzare tali costi è il seguente:

• Costi di prevenzione
COSTI DELLA QUALITÀ
• Costi di verifica
COPQ
SIX SIGMA MINIBOOK

COSTI DELLA NON • Costi difetti interni


CONFORMITÀ • Costi difetti esterni

24
COPQ: Costi della non qualità (esempi)

COSTI DELLA
QUALITÀ

COSTI DELLA
NON
SIX SIGMA MINIBOOK

CONFORMITÀ

25
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 27


MEASURE
La fase Measure costituisce il secondo step di un progetto Six
Sigma, dove si procede a:

• eseguire una raccolta dati "ragionata" relativa all'ambito prescelto:


tale raccolta necessita di una pianificazione efficace ed efficiente al
fine di creare una banca dati di conoscenze per effettuare una
fotografia del processo in grado di evidenziarne le criticità in modo
oggettivo;
• interpretare i dati attraverso strumenti statistici (nel caso di
campioni, verificare la significatività e la rappresentatività dello
stesso);
SIX SIGMA MINIBOOK

• verificare l'attendibilità dei dati.

MEASURE ANALYZE IMPROVE CONTROL 28


Campionamento
Obiettivo:
• Raccogliere un sottoinsieme di dati rappresentativo della popolazione

Quando si utilizza:
• Quando l’osservazione di tutti i dati (popolazione) potrebbe:
– richiedere eccessive risorse economiche;
– richiedere un tempo superiore rispetto a quello messo a disposizione;
– “distruggere” l’intera popolazione (per es. nel caso di prove distruttive)
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 29


Campionamento
Regole di campionamento per ottenere la rappresentatività del campione
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 30


Campionamento
Calcolo della dimensione del campione per stimare la media della popolazione:

2
§ 2s ·
n= ¨ ¸ Formula (i)
© d¹
dove:
• n = Dimensione del campione
• s = Deviazione Standard o sua stima
• 2 = Approssimazione del valore corrispondente a un intervallo
SIX SIGMA MINIBOOK

di confidenza del 95% (il valore esatto è pari a 1,96)


• d = Precisione desiderata nella stima della media

DEFINE ANALYZE IMPROVE CONTROL 31


Campionamento
Calcolo della dimensione del campione per stimare la media della popolazione:

2
2
n= p 1-- p Formula (ii)
d

dove:
• n = Dimensione del campione
• p = Stima della proporzione (se non è nota usare p = 0,50)
SIX SIGMA MINIBOOK

• 2 = Approssimazione del valore corrispondente a un intervallo


di confidenza del 95% (il valore esatto è pari a 1,96)
• d = Precisione desiderata nella stima della proporzione

32
Campionamento

• Le formule (i) e (ii) sono valide nel caso in cui la dimensione del
campione sia inferiore al 5% rispetto a quella della popolazione
n
< 0,05
N
• Nel caso in cui la dimensione del campione risulti superiore al 5%
rispetto a quella della popolazione è necessario correggere il numero
del campione ottenuto da (i) e (ii) utilizzando la seguente formula:
SIX SIGMA MINIBOOK

n FORMULA
n corretto =
1+ n CORRETTIVA
N
33
Basic Statistics

Obiettivo:
• Rappresentare le principali proprietà statistiche di un set di dati
(campione o popolazione)

Caratteristiche:
• Parametri di posizione
– Media, Moda, Mediana, Quartili, Percentili
• Parametri di dispersione
SIX SIGMA MINIBOOK

– Range, Deviazione Standard, Varianza


• Parametri di simmetria
– Skewness, Kurtosis

DEFINE ANALYZE IMPROVE CONTROL 34


Basic Statistics

Parametri di posizione
I parametri di posizione hanno l’obiettivo di identificare i valori più
ricorrenti di una distribuzione di dati

Parametri di dispersione
I parametri di dispersione permettono di valutare la variabilità dei dati

Parametri di simmetria
SIX SIGMA MINIBOOK

I parametri di simmetria permettono di valutare se i dati raccolti si


dispongano secondo una distribuzione simmetrica

DEFINE ANALYZE IMPROVE CONTROL 35


Basic Statistics
Parametri di posizione:
Media X
¦X i i

N
Moda Valore, fra i dati, che ricorre più volte (a più alta frequenza)
È il valore della caratteristica per cui metà dei valori sono più
Mediana grandi e metà più piccoli. Divide l’insieme in due parti uguali
(media dei due valori centrali per insieme pari di dati)
Primo Quartile (Q1) È il valore della caratteristica per cui tre quarti (75%) dei
valori sono più grandi e un quarto (25%) più piccolo
È il valore della caratteristica per cui un quarto (25%) dei
Terzo Quartile (Q3) valori è più grande e tre quarti (75%) più piccoli
Parametri di dispersione:
Range Range xmax  xmin
SIX SIGMA MINIBOOK

¦(X i  X )2
Deviazione Standard (StDev) V
N 1

Varianza V2 ¦ ( X i  X )2
N 1
DEFINE ANALYZE IMPROVE CONTROL 36
Basic Statistics
Parametri di simmetria:
Skewness È il valore che misura l’asimmetria della distribuzione:

3
• Skewness < 0: la distribuzione è spostata sulla destra

Skewness
N «

ª xi  x º»
¦
N  1 N  2 «¬ s » • Skewness > 0: la distribuzione è spostata sulla sinistra
¼
• Skewness = 0: la distribuzione è simmetrica

Kurtosis La Kurtosis è una misura di quanto la distribuzione dei dati


analizzati differisca da una distribuzione normale
4

Kurtosis
N N  1
«

ª xi  x º»
¦
N  1 N  2 N  3 «¬ s
 • Kurtosis < 0: la distribuzione ha un picco più dolce, le
SIX SIGMA MINIBOOK

»
¼ spalle più grosse e le code più fini rispetto a una
2
3 N  1 distribuzione normale

N  2 N  3
• Kurtosis > 0: la distribuzione ha un picco più aguzzo, le
spalle più fini e le code più grosse rispetto a una
distribuzione normale

DEFINE ANALYZE IMPROVE CONTROL 37


Basic Statistics
Una spiegazione grafica sul significato del parametro di simmetria Skewness è il
seguente:
S<0 S=0 S>0
SIX SIGMA MINIBOOK

Distribuzione sbilanciata Distribuzione sbilanciata


verso destra (moda verso sinistra (moda
Distribuzione simmetrica
spostata verso i valori più spostata verso i valori più
alti della distribuzione) bassi della distribuzione)
DEFINE ANALYZE IMPROVE CONTROL 38
Basic Statistics
Una spiegazione grafica sul significato del parametro di simmetria Kurtosis è la
seguente:
K<0 K=0 K>0
SIX SIGMA MINIBOOK

Distribuzione con forma Distribuzione con forma


“appiattita” (platicurtica) Distribuzione normale appuntita (leptocurtica)

DEFINE ANALYZE IMPROVE CONTROL 39


Basic Statistics
MINITAB:
Stat > Basic Statistics > Display Descriptive Statistics…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 40


Basic Statistics

Inserire la colonna contenente il


campione di cui si vuole conoscere la
statistica di base

In questa schermata è possibile


selezionare tutti i parametri statistici
di interesse

MINITAB Output:
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 41


Intervallo di Confidenza
Che cos’è:
• L’Intervallo di Confidenza (CI) del 95% è quell’intervallo all’interno del
quale, con una probabilità del 95%, è contenuta la media (o proporzione,
mediana, Deviazione Standard) della popolazione
Quando si utilizza:
• L’Intervallo di Confidenza è utilizzato per identificare se la caratteristica
del campione analizzato appartenga a una certa popolazione

Rappresentazione:
Media del campione X
SIX SIGMA MINIBOOK

Intervallo nel quale si trova, con una probabilità del 95%,


la media della popolazione da cui proviene il campione
DEFINE ANALYZE IMPROVE CONTROL 42
Intervallo di Confidenza
La formula per determinare l’ampiezza dell’Intervallo di Confidenza della
media di un campione è:

s
CI = X ± 2
n

Esempio: Stima per la valutazione della


dove:
larghezza media di un particolare pezzo
X = Media del campione meccanico
X = 21,0 mm
SIX SIGMA MINIBOOK

CI = Intervallo di Confidenza al 95%


s = 0,25 mm CI 21, 0 0, 098
n = Dimensione del campione
n= 25
s = Deviazione Standard del campione*
*nel caso in cui la StDev del campione è nota utilizzarla al posto della s del campione
43
Intervallo di Confidenza
Di seguito viene riportata la formula per determinare l’ampiezza
dell’Intervallo di Confidenza di un campione

p× (1-- p)
CIP = p ± 2
n

Esempio: Stima per la valutazione


dove: della proporzione di difetti di un
p = Stima della proporzione campione determinato processo
SIX SIGMA MINIBOOK

p = 0,15
CI = Intervallo di Confidenza al 95% CI 0,15 0, 0714
n= 25
n = Dimensione del campione
p
44
Graphical Summary

Obiettivo:
• Avere un rappresentazione grafica e statistica dei parametri
caratterizzanti dei dati raccolti

Caratteristiche (vedi pag. 48):


• Istogramma con curva di riferimento
• Test della Normalità
• Basic Statistics
• Verifica sulla presenza di Outliers
SIX SIGMA MINIBOOK

• Intervallo di Confidenza

DEFINE ANALYZE IMPROVE CONTROL 45


Graphical Summary
MINITAB:
Stat > Basic Statistics > Graphical Summary…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 46


Graphical Summary

Inserire la colonna contenente


i campioni da analizzare

Inserire eventuali fattori di


stratificazione
SIX SIGMA MINIBOOK

Scegliere il livello di confidenza


con cui andare a determinare
l’ampiezza degli Intervalli di
Confidenza

DEFINE ANALYZE IMPROVE CONTROL 47


Graphical Summary
MINITAB: Output

4
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 48


Graphical Summary
A
• È una rappresentazione dei dati secondo la schematizzazione
del Diagramma a Barre (Istogramma)
• Il grafico è utile a verificare l’andamento qualitativo dei dati
raccolti in termini di media, variabilità e presenza di eventuali
anomalie quali per es. outliers, mix di due distribuzioni.
• Questa schermata presenta, inoltre, la curva normale che
2 4
meglio approssima i dati rappresentati

B • Qui si riportano i risultati del test statistico Anderson-Darling


per la verifica della normalità del campione esaminato:
– se il valore del P-Value(G) risulta superiore al valore soglia scelto
SIX SIGMA MINIBOOK

(generalmente 0,05, ovvero il 5%) possiamo assumere il campione


proveniente da una distribuzione normale
– se il valore del P-Value risulta inferiore al valore soglia scelto i dati
del campione non possono essere considerati normali

MEASURE 49
Graphical Summary
• In questa sezione si ha un quadro riassuntivo dei dati attraverso
l’utilizzo dei principali parametri di posizione, dispersione,
simmetria e numerosità del campione (Vedere pag. 36 e 37)

: Media (Mean), Mediana (Median), Primo


Quartile, Terzo Quartile

: Minimo (Minimum), Massimo


2 (Maximum), Standard Deviation (StDev)

: Skewness, Kurtosis

• In D si ha la rappresentazione grafica dei dati del campione


esaminato attraverso l’utilizzo dello strumento Boxplot
SIX SIGMA MINIBOOK

• I simboli * testimoniano la presenza di punti che potrebbero


non appartenere alla stessa distribuzione dei rimanenti dati
• Tali punti sono detti Outliers e molte volte possono essere
associati a eventi speciali

DEFINE ANALYZE IMPROVE CONTROL 50


Graphical Summary

• In questa schermata sono presenti gli Intervalli di Confidenza (con


livello pari al 95%) per la stima delle seguenti caratteristiche della
popolazione da cui proviene il campione di dati analizzato:

– Intervallo di Confidenza per la media

– Intervallo di Confidenza per la mediana

– Intervallo di Confidenza per la Deviazione Standard


SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 51


Boxplot

Obiettivo:
• Il Boxplot è uno strumento utile per studiare le distribuzioni
relative ai dati raccolti e ottenere informazioni in merito a
dispersione, posizione e simmetria

Quando si utilizza:
• Il Boxplot permette di analizzare la presenza di eventuali Outliers
(andando a indagare il motivo della loro presenza), ovvero punti che
potrebbero non appartenere alla stessa distribuzione dei rimanenti
SIX SIGMA MINIBOOK

dati esaminati

DEFINE ANALYZE IMPROVE CONTROL 52


Boxplot
MINITAB:
Graph > Boxplot…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 53


Boxplot

Inserire la colonna relativa alla


grandezza di cui si vuol studiare la
distribuzione
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 54


Boxplot
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 55


Boxplot
: il 25% delle osservazioni è minore o uguale a esso

: il 75% delle osservazioni è minore o uguale a esso

: il 50% delle osservazioni è minore o uguale a essa

: osservazioni inusualmente grandi o piccole rispetto alle altre


(verificare il motivo della loro presenza)
: Sono i valori estremali che definiscono il
range al di fuori del quale i dati possono essere considerati sospetti (Minitab
utilizza il metodo dei quartili)
SIX SIGMA MINIBOOK

LS Q3 1,5 Q3 - Q1
LI Q1 -1,5 Q3 - Q1

Valore Massimo – Valore Minimo


56
Gage R&R
Obiettivo:
• Il Gage R&R è uno strumento che permette di validare il sistema di
misura al fine di raccogliere dati affidabili e giungere alle corrette
conclusioni quando si effettuano le analisi (la variabilità introdotta dal
sistema di misura deve risultare piccola rispetto a quella del processo)
Componenti di variabilità:
2 2 2
V totale V componente V misura

2 2
V V
SIX SIGMA MINIBOOK

ripetibilità riproducibilità

Il sistema di misura è validato se la maggior parte


della variabilità è imputabile al processo (ıcomponente)
DEFINE ANALYZE IMPROVE CONTROL 57
Gage R&R
SIX SIGMA MINIBOOK

(Fonte: AIAG, Automotive Industry Action Group)


DEFINE ANALYZE IMPROVE CONTROL 58
Gage R&R (Dati Continui)
Programmazione delle prove (manuale):

1. Ogni operatore misura ciascuna parte (t3 parti) ripetendo la misura più volte (si consiglia
almeno 3 volte)
SIX SIGMA MINIBOOK

2. I dati devono essere bilanciati, cioè ciascun operatore deve misurare le stesse unità uno
stesso numero di volte
3. Le unità devono essere rappresentative del range di variazione del processo
4. Gli operatori devono effettuare prove “cieche” (ovvero senza sapere quale parte stanno
misurando) e in maniera randomizzata
DEFINE ANALYZE IMPROVE CONTROL 59
Gage R&R (Dati Continui)
Programmazione delle prove (automatica con Minitab):
MINITAB:
Quality Tools > Gage Study > Create Gage R&R Study Worksheet…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 60


Gage R&R (Dati Continui)

Selezionare il numero di parti da


misurare

Inserire il nome/codice delle parti

Selezionare numero di operatori

Inserire il nome degli operatori


SIX SIGMA MINIBOOK

Selezionare numero di repliche

Selezionare questa opzione se si


vogliono randomizzare le prove
DEFINE ANALYZE IMPROVE CONTROL 61
Gage R&R (Dati Continui)
MINITAB: Output

Ordine standard delle prove (senza randomizzazione)

Ordine delle prove randomizzato

Codice identificativo della parte da misurare


SIX SIGMA MINIBOOK

Codice identificativo/nome degli operatori

Inserire i risultati delle misure effettuate


DEFINE ANALYZE IMPROVE CONTROL 62
Gage R&R (Dati Continui)
Analisi del Gage R&R con MINITAB:

Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed)…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 63


Gage R&R (Dati Continui)
Gage R&R Study (Crossed)…

Inserire la colonna contenente le parti


misurate

Inserire la colonna contenente gli


operatori

Inserire la colonna contenente le


misure ottenute
SIX SIGMA MINIBOOK

Scegliere il metodo più appropriato


per l’analisi

DEFINE ANALYZE IMPROVE CONTROL 64


Gage R&R (Dati Continui)
SIX SIGMA MINIBOOK

65
Gage R&R (Dati Continui)

• Ciascun insieme di barre rappresenta una sorgente di variazione. Di default sono


presenti la %Contribution e la %StudyVar, mentre se si inserisce nelle opzioni la
Tolerance (oppure la Historical Tolerance) compare una terza barra %Tolerance
• In un buon sistema di misura la maggior componente di variazione deve essere
legata al Part-to-Part Variation
• Nota: Per la %Contribution la barra Repeat e Reprod possono essere addizionate
per ottenere la barra del Gage R&R. Ciò non è vero per la %StudyVar e per la
%Tolerance poiché le V non sono additive (mentre lo sono le V²)

• La R-chart mostra la variabilità dell’operatore nella misura


• In essa sono presenti:
a) I punti plottati, che rappresentano per ciascun operatore, la differenza tra la più
SIX SIGMA MINIBOOK

grande e la più piccola misura di ciascuna parte. Se le misure sono uguali, il Range
è0
b) Center Line, che è la media totale dei Range (media di tutti i Range dei
sottogruppi)
c) Control Limits (UCL e LCL), calcolati usando la varianza “within” dei
sottogruppi

DEFINE ANALYZE IMPROVE CONTROL 66


Gage R&R (Dati Continui)

• La X-Chart mostra la variazione Part-to-Part con la ripetitibilità dei componenti


• In essa sono presenti:
a) I punti plottati, che rappresentano per ciascun operatore, la media delle misure
di ciascuna parte
b) Center Line, che è la media totale dei Range per tutte le parti misurate da tutti
gli operatori
c) Control Limits (UCL e LCL), calcolati usando le misure.
• Il sistema di misura è accettabile quando i punti plottati cadono al di fuori dei limiti
di controllo
• È necessario avere una Repeatibility variation piccola rispetto alla Part-to-Part
variation

• Il grafico Misura by Part mostra tutte le misure relative alle differenti parti senza
considerare la variabile operatore
SIX SIGMA MINIBOOK

• Le misure sono rappresentate da cerchi vuoti, la media della parte da cerchi pieni
• Idealmente:
a) Misure multiple della stessa parte devono avere piccola variabilità (i cerchi
vuoti dovrebbero perfettamente sovrapporsi)
b) La variazione delle medie deve essere sensibilmente superiore alla variazione
delle misure ottenute sulla stessa parte

67
Gage R&R (Dati Continui)

• Il grafico Misura by Operator può aiutare a determinare se le


misure sono affette da problemi di Riproducibilità
• Esso mostra tutte le misure effettuate dai differenti operatori: i
cerchi vuoti mostrano le misure, i cerchi pieni le medie. La linea
collega la media delle misure per ciascun operatore
• Con questo grafico si può anche studiare se la variabilità totale
nelle parti è la stessa per ciascun operatore (dovrebbe avere
media e variazione simile)

• Linee-guida AIAG

Se la linea è… Allora…
SIX SIGMA MINIBOOK

Parallela all’asse delle X Gli operatori in media stanno misurando


le parti in maniera simile

Non parallela all’asse X Gli operatori stanno misurando le parti in


maniera differente

DEFINE ANALYZE IMPROVE CONTROL 68


Gage R&R (Dati Continui)

• Il grafico Operators*Parts Interaction mostra le misure medie


prese da ciascun operatore per ciascuna parte: le linee
collegano le misure prese dallo stesso operatore
• Nella situazione ideale le medie degli operatori devono
coincidere, pertanto le linee dovrebbero essere coincidenti

• Linee-guida AIAG
Se le linee risultano… Allora…

Praticamente parallele Gli operatori misurano le parti in maniera simile


SIX SIGMA MINIBOOK

Una linea è superiore o inferiore Un operatore sta misurando le parti costantemente sopra o sotto
in maniera consistente rispetto l’altro operatore
all’altra
L’abilità nell’effettuare le misure da parte dell’operatore dipende dal
Non parallele o si incrociano tipo di parte che si sta misurando (vi è, quindi, un’interazione
operatore-parte)

DEFINE ANALYZE IMPROVE CONTROL 69


Gage R&R (Dati Continui)

Significatività delle sorgenti di variabilità:


Il P-Value, affinché una sorgente di variabilità risulti
importante, deve risultare inferiore al 5% per le
singole sorgenti e inferiore al 25% per le
interazioni

Regola del pollice: Valori soglia per l’accettabilità del


Gage R&R
SIX SIGMA MINIBOOK

NDC (Number of Distinct Categories) • 5


DEFINE ANALYZE IMPROVE CONTROL 70
Gage R&R (Dati Discreti Attributi)
Programmazione delle prove:
Controllo estetico di un prodotto: esempio di Gage R&R

• Scegliere 20-30 parti rappresentative della variabilità del processo


SIX SIGMA MINIBOOK

• Un esaminatore esperto effettua una valutazione di ciascuna parte al fine di


creare un valore di riferimento standard
• Gli operatori (in genere 2 o 3) addetti alla misura valutano singolarmente
tutte le parti dando un giudizio “buono”/“non buono”
• È importante effettuare prove randomizzate e cieche
DEFINE ANALYZE IMPROVE CONTROL 71
Gage R&R (Dati Discreti Attributi)
MINITAB:
Stat > Quality Tools > Attribute Agreement Analysis…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 72


Gage R&R (Dati Discreti Attributi)

Utilizzare questa opzione quando i dati sono


raggruppati per colonne

Utilizzare questa opzione quando i dati sono


ordinati in colonne distinte; inserire le colonne
con le valutazioni degli operatori

Inserire il numero di operatori


SIX SIGMA MINIBOOK

Inserire il numero di prove

Inserire lo standard di riferimento (se disponibile)

DEFINE ANALYZE IMPROVE CONTROL 73


Gage R&R (Dati Discreti Attributi)
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 74


Gage R&R (Dati Discreti Attributi)
• Questo grafico mostra la consistenza nelle risposte di ciascun operatore
• Per ogni operatore, il grafico fornisce le seguenti informazioni:
– il punto blu fornisce la percentuale di coerenza nelle sue risposte;
– la linea rossa fornisce l’Intervallo di Confidenza del 95% per la
percentuale di coerenza nelle sue risposte;
– le X blu forniscono il limite superiore e inferiore dell’Intervallo di
Confidenza.

• Questo grafico si ha in presenza di uno standard di riferimento.


• Tale grafico mostra la correttezza delle risposte per ciascun operatore
(accuratezza nella risposta).
• Per ciascun operatore, il grafico fornisce le seguenti informazioni:
SIX SIGMA MINIBOOK

– il punto blu fornisce la percentuale di coerenza nelle risposte rispetto


allo standard di riferimento;
– la linea rossa fornisce l’Intervallo di Confidenza del 95% per la
percentuale in cui l’operatore è stato coerente nelle risposte rispetto
allo standard;
– le X blu forniscono il limite superiore e inferiore per l’Intervallo di
Confidenza.
DEFINE ANALYZE IMPROVE CONTROL 75
Gage R&R (Dati Discreti Attributi)

Confronto fra gli operatori


Percentuale di coerenza per ciascun operatore
(attenzione: non si parla di correttezza della
risposta)
Intervallo di Confidenza delle percentuali
ottenute
Correttezza nella risposta per ciascun operatore

Percentuale di correttezza per ciascun operatore

Intervallo di Confidenza

Regola del pollice: Valori soglia per l’accettabilità del


SIX SIGMA MINIBOOK

Gage R&R per dati Discreti Attributi

DEFINE ANALYZE IMPROVE CONTROL 76


Gage R&R (Dati Discreti Attributi)
Confronto fra i differenti operatori
Percentuale di coerenza fra i differenti
operatori (simile al concetto della
Riproducibilità)
Intervallo di Confidenza delle percentuali
ottenute
Correttezza nella risposta fra tutti gli operatori

Percentuale di correttezza fra tutti gli operatori


e lo standard di riferimento
Intervallo di Confidenza

Regola del pollice: Valori soglia per l’accettabilità


SIX SIGMA MINIBOOK

del Gage R&R per dati Discreti Attributi

DEFINE ANALYZE IMPROVE CONTROL 77


Diagramma di Pareto

Obiettivo:
• Il Diagramma di Pareto consente l’individuazione di aree prioritarie di
intervento, riassunte e ordinate in tabelle di frequenza decrescente, su
cui concentrare gli interventi e le risorse

Caratteristiche:
• Strumento utile anche per il Management aziendale per concentrare
l’attenzione sulle aree a maggiore impatto
• Strumento di supporto in fase diagnostica e di prioritizzazione
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 78


Diagramma di Pareto

MINITAB:
Stat > Quality Tools > Pareto Chart…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 79


Diagramma di Pareto

Utilizzare questa opzione nel caso di dati


“grezzi”

Utilizzare questa opzione nel caso di dati


raggruppati

Inserire le colonne contenenti le varie


criticità
SIX SIGMA MINIBOOK

Inserire la frequenza di accadimento delle


criticità

Dati “grezzi” Dati raggruppati


DEFINE ANALYZE IMPROVE CONTROL 80
Diagramma di Pareto
MINITAB: Output

Area di maggiore criticità per il


Legge “80-20” business:
Rimuovendo il “difetto A”
completamente, la difettosità
totale sarebbe ridotta del 48,7 %
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 81


Test della Normalità

Obiettivo:
• Il Test della Normalità è un test statistico che permette di verificare la
normalità dei dati, ipotesi fondamentale per l’applicazione di svariati
strumenti statisitici

Ipotesi fondamentale per potere applicare:


• 1-Sample t
• 2-Sample t
• Paired t-Test
• ANOVA
SIX SIGMA MINIBOOK

• Control Chart per dati continui


• Capability Analysis

82
Test della Normalità
MINITAB:
Stat > Basic Statistics > Normality Test…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 83


Test della Normalità
SIX SIGMA MINIBOOK

Inserire la colonna contenente i dati di cui si vuole valutare la normalità

DEFINE ANALYZE IMPROVE CONTROL 84


Test della Normalità
MINITAB: Output

in
quanto il P-Value risulta
SIX SIGMA MINIBOOK

P-Value > 0,05 I dati sono normali


P-Value < 0,05 I dati non sono normali
DEFINE ANALYZE IMPROVE CONTROL 85
Capability Analysis
Obiettivo:
• La Capability Analysis o Process Capability Analysis è uno
strumento per verificare la capacità del processo di rispondere alle
specifiche del cliente
Ipotesi fondamentale:
• Dati normali
• Processo stabile
LSL USL LSL USL
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 86


Capability Analysis

Indice di capacità potenziale Indice di capacità effettiva

USL  LSL ­USL  P P  LSL ½


Cp C pk min ® ; ¾
6V ST ¯ 3V ST 3V ST ¿

LSL USL

Non tiene conto della centratura del processo


SIX SIGMA MINIBOOK

LSL USL

Tiene conto della centratura del processo

DEFINE ANALYZE IMPROVE CONTROL 87


Capability Analysis

Indice di prestazione potenziale Indice di prestazione effettiva

USL  LSL ­USL  P P  LSL ½


Pp Ppk min ® ; ¾
6V LT ¯ 3V LT 3V LT ¿

LSL USL

Non tiene conto della centratura del processo


SIX SIGMA MINIBOOK

LSL USL

Tiene conto della centratura del processo

DEFINE ANALYZE IMPROVE CONTROL 88


Capability Analysis
MINITAB:
Stat > Quality Tools > Capability Sixpack > Normal…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 89


Capability Analysis

Inserire la colonna contenente il


campione di cui si vuole valutare la
capacità

Inserire la dimensione dei


sottogruppi o la colonna
contenente i sottogruppi

Inserire il limite di specifica


SIX SIGMA MINIBOOK

inferiore, se esiste

Inserire il limite di specifica


superiore, se esiste

DEFINE ANALYZE IMPROVE CONTROL 90


Capability Analysis
MINITAB: Output
Process Capability Sixpack of Sample
Xbar Char t Capability Histogr am
102 LSL USL
UCL=101,805
S pecifications
Sample Mean

_ LS L 97
_
100 X=99,994 U S L 103

98 LCL=98,183
1 2 3 4 5 6 7 8 9 10 96 98 100 102 104 106

S Char t Nor mal Prob Plot


UCL=3,187
A D : 0,235, P : 0,787
3
Sample StDev

_
2 S=1,857

1
LCL=0,527
1 2 3 4 5 6 7 8 9 10 95 100 105
SIX SIGMA MINIBOOK

Last 1 0 Subgr oups Capability Plot


105 Within Within O v erall
S tD ev 1,90922 S tD ev 1,90935
Values

Cp 0,52 Pp 0,52
100 O v erall
C pk 0,52 P pk 0,52
C pm *
95 S pecs
2 4 6 8 10
Sam ple

DEFINE ANALYZE IMPROVE CONTROL 91


Capability Analysis
MINITAB: Output

La Xbar Chart ha Questo grafico mostra


l’obiettivo di verificare l’istogramma dei dati del
la stabilità delle medie campione globale e le due
dei sottogruppi curve normali relative al
long term e short term

La S Chart valuta la Questo grafico serve per


stabilità della verificare la normalità dei
variazione dei dati
sottogruppi
SIX SIGMA MINIBOOK

Questo grafico In questa parte del grafico sono


mostra l’andamento presenti i valori del Cp, Cpk, Pp,
dei dati divisi per Ppk, StDev short term e long
sottogruppi term, rappresentazione grafica
della specifica del cliente e la
variabilità naturale del processo

DEFINE ANALYZE IMPROVE CONTROL 92


Calcolo del DPMO
Obiettivo:
• Il DPMO , Defects Per Milion of Opportunity è un indicatore di
performance che permette di calcolare il numero di difetti presenti in
ciascuna unità ispezionata in funzione delle opportunità di difetto che si
possono realmente manifestare
Definizioni:
• U = numero di unità ispezionate
• D = numero di difetti totali
• O = opportunità di difetto, ovvero modo con cui un’unità può generare una
non conformità in relazione alle specifiche dettate dal Cliente
SIX SIGMA MINIBOOK

D D
DPO = DPMO = u 1000000
U× O U× O
DEFINE ANALYZE IMPROVE CONTROL 93
Calcolo del Process Sigma

Obiettivo:
• Il Process Sigma permette di calcolare il livello di Sigma di un processo,
ovvero un rendimento che tenga conto del numero dei difetti
Procedura operativa di calcolo: 51
DPO =
1000× 2
51
=1- = 0,9745
1000× 2
SIX SIGMA MINIBOOK

94
Time Series Plot
Obiettivo:
• Il Time Series Plot è uno strumento che permette l’analisi di eventuali
trend temporali presenti nei dati
Caratteristiche:
• Strumento utile per analizzare eventuali trend temporali, per verificare la
necessità di stratificare i dati (per es. presenza ciclicità), per esplorare e
validare i dati prima di applicare altri strumenti (per es. regressioni)
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 95


Time Series Plot
MINITAB:
Stat > Time Series > Time Series Plot…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 96


Time Series Plot

Inserire la colonna relativa alla


grandezza di cui si vuole
studiare il trend

Selezionare prima Stamp,


poi la colonna che identifica
SIX SIGMA MINIBOOK

la variabile temporale (per


es. Data)

DEFINE ANALYZE IMPROVE CONTROL 97


Time Series Plot
Time Series Plot of Production
32000

31000

30000 Si osserva un trend della


29000 produzione crescente nel
Production

28000 tempo
27000

26000
25000
Ciclicità sospetta:
24000
probabilmente è necessaria
23000
5
una stratificazione (per es.
-0 -05 - 05 - 05 -05 05 06 06 06 06
pr e b pr iu e t
o v- e n- a r- a g- ug- giorno della settimana)
a f -a g -s -n -g l
6- 8- 9- 10 -m -m 8-
SIX SIGMA MINIBOOK

10 16 18 13 5 2
Date

DEFINE ANALYZE IMPROVE CONTROL 98


Run Chart
Obiettivo:
• La Run Chart è uno strumento che permette di identificare la
presenza di eventuali cause speciali nella performance del processo
esaminato
Caratteristiche:
: Cause random non imputabili a un evento
specifico, ma alla naturale variabilità insita in tutti i processi
: Cause associabili a un evento particolare; si
possono manifestare anche come trend temporali di diversa
natura (Clustering; Mixture; Trend; Oscillation) che portano il
SIX SIGMA MINIBOOK

processo in condizioni di fuori controllo

ATTENZIONE:
La Run Chart non richiede l’ipotesi di normalità dei dati
DEFINE ANALYZE IMPROVE CONTROL 99
Run Chart
Tipologie di Cause Speciali
• Clustering : è una struttura caratterizzata da dati raggruppati in una certa area del grafico (per es.
variazione nei sistemi di misura, variazione lotto-lotto, problemi di campionamento)
• Mixture : è una disposizione di dati in cui pochi punti si trovano in prossimità della mediana
(generalmente causata dalla combinazione di due popolazioni o processi che operano a livelli
differenti)
• Trend : è un andamento caratterizzato da una sequenza di punti crescenti o decrescenti (per es. il
trend potrebbe indicare usura degli strumenti, rotazione di operatori)
• Oscillation : si ha quando i dati fluttuano su e giù rapidamente (indica che il processo è instabile)
SIX SIGMA MINIBOOK

Si definisce run la serie di punti consecutivi che si trovano dalla stessa parte rispetto alla mediana
100
Run Chart
MINITAB:
Stat > Quality Tools > Run Chart…
SIX SIGMA MINIBOOK

DEFINE ANALYZE IMPROVE CONTROL 101


Run Chart

Inserire la colonna relativa alla


grandezza di cui si vuol studiare
l’andamento

Inserire la dimensione del campione


nel caso in cui la raccolta dati sia
effettuata per sottogruppi

Nel caso di raccolta per sottogruppi


scegliere se raffigurare l’andamento
SIX SIGMA MINIBOOK

delle medie o delle mediane


selezionando rispettivamente la prima
o la seconda opzione

DEFINE ANALYZE IMPROVE CONTROL 102


Run Chart
Run Chart of Sales
19000000
18000000
17000000
16000000
15000000
Sales

14000000 Mediana
13000000
12000000
11000000
10000000
2 4 6 8 10 12 14 16 18 20 22 24
Observation
Number of runs about median: 11 Number of runs up or down: 19
Expected number of runs: 13,0 Expected number of runs: 15,7
SIX SIGMA MINIBOOK

Longest run about median: 6 Longest run up or down: 2


Approx P-Value for C lustering: 0,202 A pprox P-Value for Trends: 0,953
Approx P-Value for Mixtures: 0,798 A pprox P-Value for Oscillation: 0,047

Il P-Value risulta inferiore a 0,05: si ha una causa speciale (Oscillation)


DEFINE ANALYZE IMPROVE CONTROL 103
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 105


ANALYZE

La fase Analyze costituisce il terzo step di un progetto Six Sigma;


in tale fase si mira a:

• trovare le correlazioni fra variabili;


• trovare i legami di causa-effetto;
• focalizzare il problema sulle cause anziché sui sintomi;
• analizzare le differenze statisticamente significative fra le variabili
che possono influenzare la risposta del sistema.
SIX SIGMA MINIBOOK

MEASURE ANALYZE IMPROVE CONTROL 106


Diagramma di Causa-Effetto
Obiettivo:

• Il diagramma Causa-Effetto ha lo scopo di aiutare a individuare i


principali, organizzandole in
maniera visiva

• Il diagramma Causa-Effetto è uno strumento utile per il Management


Aziendale e come supporto per il team di lavoro in fase di
Brainstorming , nello svolgimento di progetti Six Sigma
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 107


Diagramma di Causa-Effetto

Perché si utilizza:

• per razionalizzare le idee in fase di rilevazione delle cause potenziali


dell’effetto esaminato;
• per comprendere le relazioni fra le cause potenziali e l’effetto analizzato.

Quando si utilizza:

in presenza di un numero di cause potenziali elevato;


SIX SIGMA MINIBOOK


• se manca chiarezza in merito ai legami fra differenti cause.

DEFINE MEASURE IMPROVE CONTROL 108


Diagramma di Causa-Effetto

Come si costruisce:

1. definire il problema e l’effetto da analizzare;


2. identificare le macro-categorie delle cause (generalmente si usano le
classi: Measurements, Machines, Man/Personnel, Materials, Methods,
MotherNature/Environment);
3. identificare le possibili cause e raggrupparle nelle tipologie individuate
” al fine di determinare
le cause fino a un giusto grado di dettaglio);
4. ordinare le cause in base alla maggiore o alla minore influenza
SIX SIGMA MINIBOOK

sull’effetto.

DEFINE MEASURE IMPROVE CONTROL 109


Diagramma di Causa-Effetto
MINITAB:
Stat > Quality Tools > Cause-and-Effect…
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 110


Diagramma di Causa-Effetto

Inserire le colonne contenenti le


cause principali (spine principali)

Inserire le colonne contenenti le


cause secondarie

Inserire l’effetto da analizzare


SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 111


Diagramma di Causa-Effetto
MINITAB: Output

Cause principali (macro-categorie)

Effetto

Esempio di applicazione del metodo


dei 5 perché:
è avvenuto Y? A causa della
SIX SIGMA MINIBOOK

macchina
la macchina influenza la Y? A causa
di X16
X16 influenza la macchina? A causa
di X16.1 X16.2 e X16.3

112
Tipologie di Test delle Ipotesi

Obiettivo:
• I Test delle Ipotesi vengono impiegati quando si devono prendere decisioni
sul comportamento della popolazione basandosi sulle osservazioni
costituenti solo una parte della popolazione stessa (campione)

• Tipiche applicazioni dei Test delle Ipotesi sono:

– la comparazione di medie tra due o più gruppi;


– la comparazione di varianze tra due o più gruppi;
– la comparazione di proporzioni, estratte da campioni anche di differente
SIX SIGMA MINIBOOK

dimensione

DEFINE MEASURE IMPROVE CONTROL 113


Tipologie di Test delle Ipotesi
In base al tipo di analisi che si vuole performare, occorre scegliere il test
più opportuno, come riportato nella seguente tabella:

1
SIX SIGMA MINIBOOK

114
Test delle Ipotesi: 1-Sample
- t
Obiettivo:
• 1-Sample t
nota
Ipotesi fondamentale:
• i dati devono essere normali

Come leggere i risultati del test


• Si utilizza il P-Value:
SIX SIGMA MINIBOOK

Non vi è differenza statistica fra la media di riferimento e


P-Value > 0,05 quella della popolazione da cui il campione è stato estratto

La media del campione è statisticamente differente


P-Value 0,05 da quella di riferimento

115
Test delle Ipotesi: 1-Sample
- t
MINITAB:
Stat > Basic Statistic > 1-Sample
- t…
SIX SIGMA MINIBOOK

116
Test delle Ipotesi: 1-Sample
- t

Inserire la colonna contenente i dati


del campione

Inserire la media con cui si vuole


eseguire il confronto

Scegliere uno dei seguenti grafici per


avere una rappresentazione grafica del
SIX SIGMA MINIBOOK

risultato del test

117
Test delle Ipotesi: 2-Sample t

Obiettivo:
• Il 2-Sample t è un Test delle Ipotesi che consente di confrontare la
di due campioni

Ipotesi fondamentale:
• i dati devono essere normali

Come leggere i risultati del test:


• Si impiega il P-Value, con il seguente significato:
SIX SIGMA MINIBOOK

Non vi è differenza statistica fra le medie dei due


P-Value > 0,05 campioni
La media di un campione è statisticamente differente da
P-Value d 0,05 quella dell’altro
DEFINE MEASURE IMPROVE CONTROL 119
Test delle Ipotesi: 2-Sample t

MINITAB:
Stat > Basic Statistic > 2-Sample t…
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 120


Test delle Ipotesi: 2-Sample t

Selezionare questa opzione se i dati


relativi ai due campioni sono raccolti
in un’unica colonna

Selezionare questa opzione se i dati


relativi ai due campioni sono raccolti
in due colonne differenti

Si possono scegliere grafici differenti


per una rappresentazione sul risultato
SIX SIGMA MINIBOOK

del test

Scegliere questa opzione nel caso si


sia preventivamente dimostrata
l’uguaglianza delle varianze (pag. 136)
DEFINE MEASURE IMPROVE CONTROL 121
Test delle Ipotesi: Paired t-Test
Obiettivo:
• Il Paired t-Test è un Test delle Ipotesi che consente di confrontare la

ovvero quando la stessa parte è testata in due differenti condizioni


(per es. la stessa parte è processata prima dalla macchina A e poi dalla
macchina B)
• Il Paired t-Test, quando è applicabile, consente una riduzione
significativa degli intervalli di confidenza in quanto la variabilità totale
viene decurtata della variabilità intrinseca della parte
SIX SIGMA MINIBOOK

Ipotesi fondamentali:
• I dati devono essere accoppiati;
• la distribuzione differenza deve essere normale

DEFINE MEASURE IMPROVE CONTROL 123


Test delle Ipotesi: Paired t-Test
Esempio di raccolta dati paired:

Come leggere i risultati del test:


• Si impiega il P-Value, con il seguente significato:
SIX SIGMA MINIBOOK

Non vi è differenza statistica fra le medie dei due


P-Value > 0,05 campioni
La media di un campione è statisticamente differente da
P-Value d 0,05 quella dell’altro
DEFINE MEASURE IMPROVE CONTROL 124
Test delle Ipotesi: Paired t-Test

MINITAB:
Stat > Basic Statistic > Paired t…
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 125


Test delle Ipotesi: Paired t-Test

Selezionare la prima opzione


(Samples in columns) e inserire le
due colonne contenenti i dati
relativi ai due campioni

Selezionare, se desiderato, una o


più rappresentazioni grafiche del
risultato del test (per es.
Istogramma delle differenze)
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 126


Test delle Ipotesi: Paired t-Test
MINITAB: Output

Nel grafico si osserva se esista una


statistica differenza tra le medie (in
tale caso l’Intervallo di Confidenza
contiene lo zero, che compare come
H0)

Con P-Value d 0,05 le medie delle


popolazioni (da cui i campioni sono
stati estratti) sono statisticamente
SIX SIGMA MINIBOOK

differenti

DEFINE MEASURE IMPROVE CONTROL 127


Test delle Ipotesi: ANOVA
Obiettivo:
di due o più
campioni
• L’ANOVA è utilizzato come test per l’analisi statistica anche in altri
strumenti quali, per esempio, Regressione e DOE

Ipotesi fondamentali:
• i dati devono essere normali
• i campioni devono avere la stessa varianza (pag. 136)
SIX SIGMA MINIBOOK

P-Value > 0,05 Non vi è statistica differenza fra le medie dei campioni

La media di almeno un campione è statisticamente


P-Value d 0,05 differente da un’altra
DEFINE MEASURE IMPROVE CONTROL 128
Test delle Ipotesi: ANOVA

MINITAB:
Stat > ANOVA > One-Way…

Selezionare:
• One Way (Unstacked)… quando i
campioni sono disposti in differenti
colonne
• One-Way… quando i campioni
SIX SIGMA MINIBOOK

sono sistemati in un’unica colonna

DEFINE MEASURE IMPROVE CONTROL 129


Test delle Ipotesi: ANOVA

Inserire le colonne contenenti le


risposte di cui si vuole effettuare
l’analisi
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 130


Test delle Ipotesi: ANOVA
MINITAB: Output

Se si ha P-Value d 0,05 almeno una


delle medie delle popolazioni (da cui
sono estratti i campioni) è
statistaticamente differente da un’altra

Graficamente si può avere una


immediata informazione sul risultato
del test: se esiste una linea verticale
che non interseca tutti gli intervalli di
SIX SIGMA MINIBOOK

confidenza almeno una delle medie è


statisticamente differente da un’altra

DEFINE MEASURE IMPROVE CONTROL 131


Test delle Ipotesi: Chi-Square

Obiettivo:
• Il test del Chi-Square è un Test delle Ipotesi che consente di confrontare
di più campioni

Nota:
• non è richiesta l’ipotesi di normalità dei dati

Non vi è differenza statistica fra le proporzioni dei


P-Value > 0,05
SIX SIGMA MINIBOOK

campioni
La proporzione di almeno un campione è statisticamente
P-Value d 0,05 diversa da un’altra

DEFINE MEASURE IMPROVE CONTROL 132


Test delle Ipotesi: Chi-Square
MINITAB:
Stat > Tables > Chi-Square Test (Table in Worksheet)…
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 133


Test delle Ipotesi: Chi-Square

Inserire le colonne contenenti


i gruppi da confrontare
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 134


Test delle Ipotesi: Chi-Square
MINITAB: Output

Nell’area evidenziata sono presenti:


• Il valore del Chi-Square relativo
ai dati, calcolato secondo la
formula:
2 (Osservato  Atteso) 2
F ¦ Atteso

• Il valore del P-Value relativo ai


SIX SIGMA MINIBOOK

dati: se d 0,05 almeno una delle


proporzioni è statisticamente
differente da un’altra

DEFINE MEASURE IMPROVE CONTROL 135


Test delle Ipotesi: Test delle Varianze
Obiettivo:
• Il Test delle Varianze è un Test delle Ipotesi che consente di confrontare le
varianze di più campioni

Ipotesi fondamentali:
• In base alla distribuzione dei dati, viene eseguito il test di varianza più
adeguato:
– Per distribuzioni normali ĺ F-Test (per 2 campioni) o Bartlett’s Test (per più di 2
campioni)
– Per distribuzioni generiche continue ĺ Levene’s Test
SIX SIGMA MINIBOOK

Non vi è differenza statistica fra le varianze dei campioni


P-Value > 0,05
La varianza di almeno un campione è statisticamente
P-Value d 0,05 differente da un’altra
DEFINE MEASURE IMPROVE CONTROL 136
Test delle Ipotesi: Test delle Varianze
MINITAB:
Stat > Basic Statistics > 2 Variances…
SIX SIGMA MINIBOOK

137
Test delle Ipotesi: Test delle Varianze

Scegliere questa opzione se i dati dei


campioni sono disposti in colonna (raw
data). Per esempio:

Scegliere questa opzione se i dati riferiti


ai diversi campioni sono disposti in
colonne differenti. Per esempio:
SIX SIGMA MINIBOOK

138
Test delle Ipotesi: Test delle Varianze
MINITAB: Output

In base al numero di campioni da


confrontare l’Output di Minitab
fornisce F-Test o in alternativa
Bartlett’s Test. Poi in base al tipo di
distribuzione (normale o generica)
occorre scegliere il test adeguato.
A questo punto è sufficiente leggere il
valore del P-Value: se d 0,05 allora si
ha una statistica differenza fra almeno
SIX SIGMA MINIBOOK

una delle varianze e un’altra.

139
Test delle Ipotesi: Test delle Varianze
MINITAB: Output

Bartlett's Test
Sample A Minitab fornisce anche
P-Value 0,553 l’output grafico a fianco,
Levene's Test
in cui sono riportati in
Sample B
P-Value 0,881 modo sintetico i P-Value
dei Test delle Ipotesi
Sample

Sample C performati

Sample D
SIX SIGMA MINIBOOK

Sample E

0,5 1,0 1,5 2,0 2,5


95% Bonferroni Confidence Intervals for StDevs

140
Scatter Diagram

Obiettivo:
• Lo Scatter Diagram è una rappresentazione grafica che aiuta a determinare
l’eventuale esistenza di una relazione di dipendenza (correlazione) fra una
variabile di Input e una di Output.
• Esistono tre possibili condizioni:
SIX SIGMA MINIBOOK

Correlazione positiva Correlazione negativa Assenza di correlazione

DEFINE MEASURE IMPROVE CONTROL 141


Scatter Diagram
MINITAB:
Graph> Scatterplot…
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 142


Scatter Diagram

Inserire la colonna contenente i


dati relativi alle variabili di
Output (risposte o Y variables)

Inserire la colonna contenente


i dati relativi alle variabili di
input (X variables)
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 143


Scatter Diagram
MINITAB: Output
Scatterplot of Output 1 vs Input 1
350
Lo Scatter Diagram è un
grafico a dispersione o
325
“nube di punti”, in cui sono
rappresentate tutte le
coppie di dati Input-Output.
Output 1

300 Lo strumento è qualitativo e


consente di eseguire una
prima analisi sulla presenza
275 di eventuali trend
SIX SIGMA MINIBOOK

250

5 6 7 8 9 10
Input 1

DEFINE MEASURE IMPROVE CONTROL 144


Regressione: Fitted Line Plot
Obiettivo:
• La regressione è uno strumento analitico che consente di formulare, se
in grado di descrivere una relazione
esistente fra una variabile di Input e una di Output

Ipotesi fondamentali:
• Variabile y ĺ Continua
• Variabile x ĺ Continua
• Ipotesi sui residui
8

7
SIX SIGMA MINIBOOK

Y (Output)
5
(Esempio di retta
4

3 di regressione)
2

1
0 1 2 3 4 5 6 7 8 9 10

X (Input)
DEFINE MEASURE IMPROVE CONTROL 145
Regressione: Fitted Line Plot

• Una volta determinato un modello di regressione, esiste un parametro in


grado di stimare la bontà del modello in questione rispetto ai dati
misurati.
• Tale indicatore è l’ R-Square (indicato come R-Sq% o R-Sq) che
rappresenta la percentuale della variazione che è possibile spiegare con il
modello matematico costruito. Tale indicatore è variabile tra 0 e 100%
ed è calcolato come:
variazione spiegata
R - Sq =
variazione totale
SIX SIGMA MINIBOOK

Il modello matematico spiega bene la correlazione


R-Sq • 70 individuata

Il modello matematico non spiega bene la


R-Sq < 70
correlazione individuata
DEFINE MEASURE IMPROVE CONTROL 146
Regressione: Fitted Line Plot

MINITAB:
Stat > Regression > Fitted Line Plot…
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 147


Regressione: Fitted Line Plot

Inserire la colonna contenente i dati


relativi alle variabili di Output (Y
variables)

Inserire la colonna contenente i dati


relativi alle variabili di Input (X
variables)
Esempi di Scatter Plot, associati a differenti modelli di
regressione:
Scegliere una delle tipologie di
SIX SIGMA MINIBOOK

regressione proposte (lineare,


quadratico o cubico). In genere è
utile performare uno Scatter Plot
preventivo, come a fianco
Lineare Quadratico Cubico

DEFINE MEASURE IMPROVE CONTROL 148


Regressione: Fitted Line Plot
MINITAB: Output

Output 1= 2,002 + 0,5319 Input 1


350
Minitab fornisce un Output
S
R-Sq 98,7% grafico in cui sono presenti sia
i punti misurati che il modello
325
costruito (per es. di tipo
lineare, come in figura). È
Output 1

300
inoltre riportato il valore
dell’indicatore R-Sq.
275
SIX SIGMA MINIBOOK

250

5 6 7 8 9 10
Input 1

149
Regressione: approccio analitico

MINITAB:
Stat > Regression > Regression…
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 150


Regressione: approccio analitico

Inserire la colonna contenente i dati


relativi alla variabile di Output (Y
variable)

Inserire la colonna contenente i dati


relativi alla variabile di Input (X
variable)
SIX SIGMA MINIBOOK

DEFINE MEASURE IMPROVE CONTROL 151


Regressione: approccio analitico

MINITAB: Output
Viene riportata l’equazione di regressione
rappresentativa del modello di previsione.

Se i regressori hanno P-Value d 0,05, allora


essi sono statisticamente significativi.

Il valore R-sq è un indicatore di bontà del


modello rispetto ai dati realmente misurati.
SIX SIGMA MINIBOOK

Se la voce Regression ha P-Value d 0,05


almeno uno dei regressori è significativo.

152
Regressione: approccio analitico
Ipotesi sui residui (vale anche nel caso di Fitted Line Plot):
• Residui non correlati alle X;
• Residui indipendenti dal tempo (non cambiano durante la prova);
• Residui costanti al variare delle Y previste;
• Residui normali.
Residual Plots for Output 1
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
Minitab riporta una schermata con quattro
Standardized Residual

90 1
grafici, in cui si possono verificare le ipotesi
Percent

50 0
della regressione
10 -1
Residuals Versus Input 1
1 (response is Output 1)
-2 -1 0 1 2 250 275 300 325 350
1,5
Standardized Residual Fitted Value
SIX SIGMA MINIBOOK

1,0

Standardized Residual
Histogram of the Residuals Residuals Versus the Order of the Data
0,5
Standardized Residual

4,8
1
0,0
Frequency

3,6
0 -0,5
2,4
-1,0
1,2 -1
-1,5
0,0
-1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2 4 6 8 10 12 14 16 18 20 5 6 7 8 9 10

Standardized Residual Observation Order Input 1

DEFINE MEASURE IMPROVE CONTROL 153


SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE CONTROL 155


IMPROVE
La fase Improve costituisce il quarto step della metodologia
DMAIC e il primo nel processo di ottimizzazione di un progetto
Six Sigma; in tale fase si arriva a:

• ottimizzare il processo, cioè conoscere le leve su cui poter/dover


agire per migliorare la risposta del processo stesso; gli interventi o
le azioni correttive saranno guidate con una "garanzia statistica" di
successo del cambiamento e, quindi, di una garanzia che gli
investimenti economici possano portare ai miglioramenti
desiderati;
SIX SIGMA MINIBOOK

• prendere decisioni basate sui dati oggettivi e non sulle impressioni


o sulla sola esperienza dei diretti interessati.

MEASURE ANALYZE IMPROVE CONTROL 156


Priority Matrix
Obiettivo:

• La Priority Matrix può essere impiegata per individuare il grado di


correlazione tra variabili di Input e variabili in Output
• Inoltre, essa è spesso usata per individuare le soluzioni migliori in funzione
dei criteri scelti, pesandoli opportunamente (per es. può essere utile quando
non si raggiunge il consenso nel prendere una decisione di gruppo)
• In un progetto Six Sigma si può utilizzare, ad esempio, nella fase di Measure
per identificare eventuali legami Input-Output e nella fase di Improve per
identificare le soluzioni prioritarie da implementare per risolvere un
SIX SIGMA MINIBOOK

problema

DEFINE MEASURE ANALYZE CONTROL 157


Priority Matrix
costruire una Priority Matrix*:
1. Individuare criteri per valutare le differenti soluzioni.
2. Pesare i criteri: tutti i membri del team di valutazione hanno un
punteggio pari a 1 da ripartire sui vari criteri (ad un criterio si può
assegnare anche il punteggio 0).
SIX SIGMA MINIBOOK

* L’esempio presentato è riferito a un caso di selezione della soluzione ottimale in cui quattro persone suggeriscono i
criteri di scelta e il peso da associare alle soluzioni stesse da implementare.
DEFINE MEASURE ANALYZE CONTROL 158
Priority Matrix
3. Sommare i valori per ciascun criterio per ottenere il peso totale.
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE CONTROL 159


Priority Matrix
4. Ogni valutatore assegna un punteggio pari a 1, 3 o 5 per la valutazione
della capacità di ciascuna soluzione di soddisfare i criteri.
5. Sommare il punteggio assegnato da ciascun membro e moltiplicare tale
somma per il peso del criterio associato.
SIX SIGMA MINIBOOK

160
Priority Matrix
6. Sommare i valori per riga al fine di ottenere il punteggio totale ottenuto
da ciascuna soluzione: il punteggio più alto indica la capacità della
soluzione di soddisfare meglio i vari criteri in base alla loro importanza.
SIX SIGMA MINIBOOK

Soluzione con maggior impatto in funzione dei criteri di valutazione scelti


DEFINE MEASURE ANALYZE CONTROL 161
FMEA

Obiettivo:

• La FMEA (Failure Modes and Effects Analysis) consente di identificare


le terne causa-modo-effetto relative a un generico sistema (Processo o
Prodotto) al fine di gestire il rischio associato al verificarsi della terna
• Nell’ottica di progetti Six Sigma, la FMEA si può impiegare per
identificare eventuali legami tra Input e Output e/o eventuali possibili
cause che possono influenzare l’Output del processo o per valutare i
rischi associati all’implementazione del miglioramento. Pertanto tale
strumento può collocarsi nelle diverse fasi del ciclo DMAIC
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE CONTROL 162


FMEA
L’indice che consente di gestire il rischio è l’RPN (Risk Priority Number)
definito dal prodotto di tre grandezze:
– O: Occurrence o Probabilità di accadimento, legata alla causa;
– S: Severity o Gravità, legata all’effetto;
– D: Detection o Rilevabilità, legata al modo di guasto.
SIX SIGMA MINIBOOK

Regola pratica:
Le azioni correttive devono essere prese quando l’RPN supera
il valore soglia (per es. 100) o il valore della Severity è pari a 10
DEFINE MEASURE ANALYZE CONTROL 163
FMEA
1. Identificare le potenziali modalità di guasto.
2. Identificare i possibili effetti e valutarne la gravità.
3. Identificare le cause associate agli effetti e valutare la probabilità che
esse si possano manifestare (Occurrence).
4. Valutare l’efficacia nel rilevare le modalità di guasto (Detection).
5. Moltiplicare i tre valori (O, S, D) per determinare il rischio di
ciascuna modalità di guasto (RPN).
6. Identificare le azioni correttive associate a valori di RPN elevati
SIX SIGMA MINIBOOK

(superiori ai valori soglia definiti) o a valori di Severity pari a 10.


7. Calcolare gli RPN ottenuti dopo l’implementazione delle azioni
correttive e iterare fino al raggiungimento dei valori desiderati.
DEFINE MEASURE ANALYZE CONTROL 164
FMEA
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE CONTROL 165


FMEA
Esempio di applicazione FMEA:
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE CONTROL 166


DOE
Obiettivo:
• Il DOE (Design Of Experiments) è uno strumento che, attraverso una
opportuna pianificazione di esperimenti e l’analisi dei relativi risultati,
permette di costruire un modello analitico di causa-effetto fra l’Output e i
fattori sperimentali di Input
Ipotesi fondamentali:
• Residui Normali;
• Residui Indipendenti dalle Xs;
• Residui Indipendenti dai Fitted Value;
• Residui Indipendenti dal Tempo
SIX SIGMA MINIBOOK

Quando utilizzare:
• Il DOE può essere utilizzato in fase di Analyze per identificare le “cause
vitali” per il problema e l’influenza di loro eventuali interazioni; in fase di
Improve per determinare la condizione ottimale per il settaggio dei parametri
di Input al fine di ottimizzare l’Output
DEFINE MEASURE ANALYZE CONTROL 167
DOE
1. Definizione del problema.
2. Selezione della variabile di risposta y.
3. Scelta dei fattori (variabili di Input) e dei livelli di sperimentazione.
4. Selezione di un piano di sperimentazione. Per gestire il numero di
prove si può scegliere un piano sperimentale completo (Full Factorial
Design) o frazionato (Fractional Factorial Design), prestando
attenzione al fatto che, con piani frazionati, si perdono alcune
informazioni (che vengono gestite in termini di alias structure,
risoluzione e confounding).
SIX SIGMA MINIBOOK

5. Sperimentazione, effettuata rispettando la randomizzazione delle


prove, e raccolta dei dati ottenuti.
6. Analisi dei dati sperimentali.
DEFINE MEASURE ANALYZE CONTROL 168
DOE
Tipologie di piani fattoriali:
Repliche
General Full Factorial Design Run = a × b × c × d × ... × n

Numero Livelli fattore A Numero Livelli fattore A


2 Level Full Factorial Design Run = n× 2k Numero fattori

Repliche Numero Livelli per fattore


2 Level Fractional Factorial Design Run = n× 2k-q Tipo di frazionamento:
• q = 1 ĺ frazione 50%
SIX SIGMA MINIBOOK

Es. • q = 2 ĺ frazione 25%


Full Factorial Design • q = 3 ĺ frazione 12,5%
con 3 Fattori

DEFINE MEASURE ANALYZE CONTROL 169


DOE
Creare un piano sperimentale con MINITAB:
Stat > DOE > Factorial > Create Factorial Design…
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE CONTROL 170


DOE

Selezionare il piano desiderato


(Full o Fractional)
SIX SIGMA MINIBOOK

Scegliere il numero
di fattori
Impostare i fattori scegliendo
nome, tipo di variabile (Text o
Scegliere il numero di Numeric), livelli sperimentati
repliche desiderate (codifica +1 e -1 o valori reali)
DEFINE MEASURE ANALYZE CONTROL 171
DOE
Minitab: Output

Informazioni nella Session Window


relative al piano creato
SIX SIGMA MINIBOOK

Worksheet generato

DEFINE MEASURE ANALYZE CONTROL 172


DOE
Analisi statistica dei risultati ottenuti:
Stat > DOE > Factorial > Analyze Factorial Design…
SIX SIGMA MINIBOOK

Inserire l’Output (Y) da analizzare.

Inserire i fattori e le loro interazioni da


studiare.
DEFINE MEASURE ANALYZE CONTROL 173
DOE
ATTENZIONE:
Eliminare i fattori (uno alla volta)
fino a che tutti i rimanenti risultino
statisticamente significativi

L’effetto di fattori singoli, interazioni del


2° ordine, interazioni del 3° ordine
risultano significativi se il P-Value risulta

Coefficienti del modello analitico


ottenuto
SIX SIGMA MINIBOOK

Importanza globale dei fattori: se il


P-Value è < 0,05 almeno uno dei fattori
singoli o una sua interazione (2°, 3°
ordine etc.) risulta significativo
174
DOE
Analisi Grafica dei risultati ottenuti:

Stat > DOE > Factorial > Factorial Plots…


SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE CONTROL 175


DOE

Inserire la risposta da analizzare


SIX SIGMA MINIBOOK

Inserire i fattori da analizzare

DEFINE MEASURE ANALYZE CONTROL 176


DOE
Minitab: Output ATTENZIONE:
L’analisi grafica deve essere
Grafico degli effetti singoli supportata da quella statistica

(Main Effects Plot):


Maggiore è l’inclinazione della retta
maggiore è la significatività dell’effetto
SIX SIGMA MINIBOOK

Grafico delle Interazioni fra fattori


(Interaction Plot):
Se le rette risultano parallele le
interazioni non risultano significative
DEFINE MEASURE ANALYZE CONTROL 177
DOE
Analisi dei Residui
Stat > DOE > Analyze Factorial Design…(Graphs)
SIX SIGMA MINIBOOK

Residui Indipendenti dalle Xs


Residui Indipendenti dal Tempo
Residui Indipendenti dai Fitted Value
Residui Normali
DEFINE MEASURE ANALYZE CONTROL 178
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE IMPROVE 179


CONTROL
La fase Control costituisce l’ultimo step di un progetto Six
Sigma; in tale fase si punta a:

• verificare la bontà dei risultati ottenuti con le azioni correttive


scelte nella fase precedente;
• validare il metodo con cui tali risultati sono stati conseguiti;
• standardizzare i metodi introdotti, qualora se ne sia dimostrata
l'efficacia;
• implementare un piano di controllo per il mantenimento delle
performance nel lungo periodo;
SIX SIGMA MINIBOOK

• verificare l'applicabilità e l’eventuale estensione delle soluzioni


trovate anche ad altre aree aziendali.

MEASURE ANALYZE IMPROVE CONTROL 180


Control Chart
Obiettivo:
• Le Carte di Controllo sono uno strumento utile per il monitoraggio della
stabilità delle performance dei processi produttivi, di quelli transazionali
e dei servizi
• Sono uno strumento consolidato per l’identificazione delle “Cause
Speciali” di variazione
Caratteristiche:
: Cause random non imputabili a un evento specifico, ma
alla naturale variabilità insita in tutti i processi
: Cause associabili a un evento particolare e si manifestano
SIX SIGMA MINIBOOK

come trend temporali di diversa natura e portano il processo in


condizioni di fuori controllo
Un processo si dice stabile se la variabilità che lo
caratterizza è imputabile esclusivamente a Cause Comuni
DEFINE MEASURE ANALYZE IMPROVE 181
Control Chart: Individuals

Quando si utilizza:
• Per il monitoraggio di variabili
continue

UCL P  LV
CL P
LCL P  LV
Formula per il calcolo dei
SIX SIGMA MINIBOOK

• I Limiti di controllo sono i limiti statistici di un processo e definiscono i


valori massimi e minimi al cui esterno la variazione dell’indicatore in
oggetto può essere considerata associabile a un evento speciale.
DEFINE MEASURE ANALYZE IMPROVE 182
Control Chart: Individuals

MINITAB:
Stat > Control Charts > Variables Charts for Individuals…
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE IMPROVE 183


Control Chart: Individuals
Inserire la colonna contenente l’Output (Y)

È possibile customizzare il valore del k e


personalizzare pertanto il tipo di test
SIX SIGMA MINIBOOK

Con questo comando è possibile selezionare


tutti i test per la verifica di una Carta di
Controllo. Nel caso in cui si voglia
considerare solo una parte di questi è
possibile selezionare singolarmente il test di
interesse
184
Control Chart: Individuals
MINITAB: Output

80
UCL=78,10
Un punto esterno ai Limiti
70 di controllo individua la
presenza di una Causa
60 _ Speciale.
Individual Value

X=54,97
50 Indagare la causa che ha
portato a tale instabilità del
40
processo e intraprendere
30
LCL=31,84 azioni di intervento, se
necessarie.
SIX SIGMA MINIBOOK

20
1

10
3 6 9 12 15 18 21 24 27 30 33
Observation

185
Control Chart: Individuals
Regole di sensibilità
• Uno o più punti cadono al di fuori dei Limiti di controllo.
• Due punti consecutivi su tre cadono oltre i Limiti di sorveglianza posizionati a 2-
sigma, ma rimangono entro i limiti a 3-sigma.
• Quattro punti su cinque consecutivi cadono oltre la distanza 1-sigma dalla linea
centrale.
• Otto punti consecutivi cadono dalla stessa parte della linea centrale.
• Sei punti consecutivi sono in ordine crescente o decrescente.
• 15 punti consecutivi sono nella zona C (sia sopra che sotto la linea centrale).
• 14 punti consecutivi si alternano a zig - zag.
• 8 punti consecutivi si alternano intorno alla linea centrale, ma nessuno è nella zona
SIX SIGMA MINIBOOK

C.
• Si manifesta un comportamento non casuale dei dati.
• Uno o più punti si posizionano vicino ai Limiti di
sorveglianza e di controllo
DEFINE MEASURE ANALYZE IMPROVE 186
Control Chart: Xbar-R

Quando si utilizza:
• Monitoraggio di sottogruppi
di variabili continue.
• Le carte Xbar-R sono
generalmente utilizzate
quando si è in presenza di
processi con elevati volumi
di produzione
SIX SIGMA MINIBOOK

• I Limiti di controllo sono i limiti statistici di un processo e definiscono i


valori massimi e minimi al cui esterno la variazione dell’indicatore in
oggetto può essere considerata associabile a un evento speciale.
DEFINE MEASURE ANALYZE IMPROVE 187
Control Chart: Xbar-R
I sottogruppi razionali sono campioni la cui raccolta mira a evidenziare:
• la variabilità fra i campioni;
• la variabilità all’interno del campione.
Sottogruppo Sottogruppo
Razionale Razionale

Calcolo dei Limiti di controllo:


Carta Xbar Carta R

UCL D4 R
SIX SIGMA MINIBOOK

UCL x  A2 R dove

CL x CL R
LCL x  A2 R LC L D3 R
DEFINE MEASURE ANALYZE IMPROVE 188
Control Chart: Xbar-R

MINITAB:
Stat > Control Charts > Variables Chart for Subgroups > Xbar-R…
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE IMPROVE 189


Control Chart: Xbar-R

Selezionare questa
opzione se gli elementi
del campione sono
disposti su colonne
differenti

Inserire le colonne contenenti le risposte Y


degli elementi del campione
SIX SIGMA MINIBOOK

Con questo comando è possibile selezionare


tutti i test per la verifica di una Carta di
Controllo. Nel caso in cui si voglia considerare
solo una parte di questi è possibile farlo
selezionando singolarmente i test di interesse

DEFINE MEASURE ANALYZE IMPROVE 190


Control Chart: Xbar-R

Selezionare questa opzione se gli


elementi del campione sono disposti su
colonne accoppiate

Inserire la colonna contenente la risposta


Y da analizzare
SIX SIGMA MINIBOOK

Inserire la colonna contenente i nomi dei


campioni

DEFINE MEASURE ANALYZE IMPROVE 191


Control Chart: Xbar-R
MINITAB: Output
Xbar-R Chart
1
34
U C L=33,753
Carta Xbar: ogni
Sample M ean

33 punto della carta


_
_
X=32,364 rappresenta la media
32
di un campione
31 LC L=30,975
3 6 9 12 15 18 21 24 27 30
Sample
Presenza di una causa
4,8
U C L=5,091 speciale
Sample Range
SIX SIGMA MINIBOOK

3,6
_
2,4 R=2,408

1,2
Carta R: ogni punto
rappresenta il Range di
0,0 LC L=0
un campione
3 6 9 12 15 18 21 24 27 30
Sample

DEFINE MEASURE ANALYZE IMPROVE 192


Control Chart: P Chart
Quando si utilizza:
• Per il monitoraggio di variabili
Discrete Attributi

p (1  p )
p UCL p3
n
CL p
p (1  p )
LCL p 3
n
Formula per il calcolo dei
SIX SIGMA MINIBOOK

Limiti di controllo
• I Limiti di controllo sono i limiti statistici di un processo e definiscono i
valori massimi e minimi al cui esterno la variazione dell’indicatore in
oggetto può essere considerata associabile a un evento speciale.
DEFINE MEASURE ANALYZE IMPROVE 193
Control Chart: P Chart

MINITAB:
Stat > Control Charts > Attributes Chart > P…
SIX SIGMA MINIBOOK

DEFINE MEASURE ANALYZE IMPROVE 194


Control Chart: P Chart

Inserire la colonna dei dati con il


numero degli elementi non conformi

Inserire la colonna con le dimensioni


dei campioni
SIX SIGMA MINIBOOK

Selezionare i test di sensibilità che si vogliono


attivare. È possibile inserire un valore K differente
da quello di default

DEFINE MEASURE ANALYZE IMPROVE 195


Control Chart: P Chart
MINITAB: Output

0,16

0,14 UCL=0,1429

0,12

0,10
Proportion

0,08
_
P=0,0676
0,06

0,04

0,02
SIX SIGMA MINIBOOK

0,00 LCL=0

2 4 6 8 10 12 14 16 18 20 22 24
Sample

Nell’esempio il processo risulta essere sotto controllo statistico


196
SIX SIGMA MINIBOOK

197
Define Checklist
Passi da percorrere per portare a completamento la fase Define:
SIX SIGMA MINIBOOK

= Attività completata
198
Measure Checklist
Passi da percorrere per portare a completamento la fase Measure:
SIX SIGMA MINIBOOK

199
Analyze Checklist
Passi da percorrere per portare a completamento la fase Analyze:
SIX SIGMA MINIBOOK

200
Improve Checklist
Passi da percorrere per portare a completamento la fase Improve:
SIX SIGMA MINIBOOK

201
Control Checklist
Passi da percorrere per portare a completamento la fase Control:
SIX SIGMA MINIBOOK

202
APPENDICE A: Tabella Process Sigma (I)
SIX SIGMA MINIBOOK

203
APPENDICE A: Tabella Process Sigma (II)
SIX SIGMA MINIBOOK

204
APPENDICE B: Tipologie di variabili
Lo schema sottostante è utile per la corretta scelta degli indicatori durante
l’implementazione di un progetto Six Sigma

CONTINUE
(per es. peso, altezza,
lunghezza)

VARIABILI
Discrete Attributi
(per es. attributi buono/non buono,
passa/non passa)
DISCRETE
SIX SIGMA MINIBOOK

Discrete Numerabili
(per es. numero di reclami o di personalizzazioni
prodotto o di errori nelle fatture)
205
Indice Analitico degli strumenti
1-Sample t, vedi Test delle Ipotesi Design Of Experiments (DOE), 167
2-Sample t, vedi Test delle Ipotesi Diagramma ad Albero, 20
Diagramma Causa-Effetto, 107
ANOVA, vedi Test delle Ipotesi Diagramma di flusso base, 17
Diagramma di flusso delle attività, 19
Basic Statistics, 34 Diagramma di flusso funzionale, 18
Boxplot, 52 Diagramma di Kano, 21
Diagramma di Pareto, 78
Calcolo del DPMO, vedi DPMO DOE, vedi Design Of Experiments
Calcolo del Process Sigma, 94 DPMO, 93
Campionamento, 29
Capability Analysis, 86 Failure Modes and Effects Analysis, vedi FMEA
Chi-Square, vedi Test delle Ipotesi Fishbone Diagram, vedi Diagramma Causa – Effetto
Confidenza, vedi Intervallo di Confidenza Fitted Line Plot, vedi Regressione
Control Chart per attributi: FMEA, 162
SIX SIGMA MINIBOOK

P Chart, 193
Control Chart per variabili continue: Gage R&R:
Individual, 182 Dati Continui, 59
Xbar-R, 187 Dati Discreti Attributi, 71
COPQ, 24 Graphical Summary, 45
Costi della non qualità, vedi COPQ

206
Indice Analitico degli strumenti
Individual, vedi Control Chart per variabili continue Fitted Line Plot, 145
Intervallo di Confidenza, 42 Run Chart, 99
Ishikawa (Diagramma di), vedi Diagramma Causa - Effetto
Scatter Diagram, 141
Kano, vedi Diagramma di Kano SIPOC, 13

Mappatura di processo, 16 Test della Normalità, 82


Test delle Ipotesi :
P Chart, Control Chart per attributi 1-Sample t, 115
Paired t-Test, vedi Test delle Ipotesi 2-Sample t, 119
ANOVA, 128
Pareto, vedi Diagramma di Pareto Chi-Square, 132
Priority Matrix, 157 Paired t-Test, 123
Process Capability Analysis: Test delle Varianze, 136
vedi Capability Analysis Tipologie di Test delle Ipotesi, 113
Process Sigma: Test delle Varianze, vedi Test delle Ipotesi
SIX SIGMA MINIBOOK

vedi Calcolo del Process Sigma Time Series Plot, 95


Tabella del Process Sigma, 203
Processo, vedi Mappatura di processo Variabili (Tipologie di), 205
Project Charter, 22
Xbar-R, vedi Control Chart per variabili continue
Regressione:
approccio analitico, 150
207
Glossario del Six Sigma

: Tecnica creativa di gruppo volta alla generazione e alla selezione di idee per la risoluzione
di problemi.

: Cause random non imputabili a un evento specifico, ma alla naturale variabilità insita in
tutti i processi.
: Cause associabili a un evento particolare; si manifestano come trend temporali di diversa
natura che portano il processo in condizioni di fuori controllo.
: Il cliente, interno o esterno, è il destinatario di un processo/prodotto/servizio.
: I COPQ sono quei costi legati alle scadenti performances dei processi
produttivi e/o transazionali
SIX SIGMA MINIBOOK

: Indicatore di performance misurabile caratteristico di un progetto Six Sigma.


: Letteralmente significa “Soddisfazione del Cliente”, è il fulcro su cui concentrare
le azioni da intraprendere nelle moderne tecniche di Eccellenza. Si misura attraverso tecniche che
aiutano a captare la “Voce del Cliente” o “Voice of the Customer” (VOC).

208
Glossario del Six Sigma

: È l’acronimo che caratterizza le cinque fasi della metodologia Six Sigma: D easure,
ontrol.
Il DOE è uno strumento che permette di determinare, attraverso l’analisi
dei dati ottenuti mediante una serie di esperimenti, una relazione di causa - effetto fra l’Output e i fattori
sperimentali di Input di un processo costruendo un modello matematico che la caratterizzi.
Il DPMO è un indicatore di performance che permette di
calcolare il numero di difetti presenti in ciascuna unità ispezionata in funzione delle opportunità di
difetto che si possono realmente manifestare.

: La FMEA consente di identificare le terne causa-modo-effetto


SIX SIGMA MINIBOOK

relative a un generico sistema (Processo o Prodotto) e associare loro un Indice di Rischio (RPN) al fine
di gestire il rischio associato al verificarsi di ciascuna terna.

Intervallo all’interno del quale, con un certo livello di confidenza, giace la


caratteristica della popolazione da cui proviene il campione esaminato.

209
Glossario del Six Sigma

Rappresenta il limite di controllo inferiore della banda di stabilità


caratterizzante la variabilità naturale di un processo (VOP).
Rappresenta il limite di specifica inferiore della tolleranza accettabile dal
cliente.

Osservazione che evidenzia un dato anomalo rispetto alla distribuzione attesa in base ai dati
osservati.

Chiamata anche Capability Analysis, è una misura che permette di misurare


la capacità del processo (VOP) di rispettare le specifiche del cliente (VOC).
SIX SIGMA MINIBOOK

Il Process Owner è il padrone del processo, in genere il responsabile del reparto o


ufficio nel quale si implementa il progetto Six Sigma.
Il Process Sigma è una metrica che permette di calcolare il livello di Sigma di un
processo, ovvero un rendimento che tenga conto del numero dei difetti.

210
Glossario del Six Sigma
Documento sintetico che riporta le principali informazioni in merito all’implementazione
di un progetto Six Sigma.
Rischio associato nell’affermare la significatività statistica di un fattore.

Differenza fra il valore ottenuto sperimentalmente e il valore stimato attraverso la costruzione di


un modello matematico (ad esempio con un modello di Regressione o con un Design Of Experiments).

Benefici economici o strategici derivanti da una attività di miglioramento.


utput,
ustomer).
SIX SIGMA MINIBOOK

Strategia operativa consolidata, (strutturata secondo le fasi DMAIC), per misurare, analizzare e
migliorare i risultati in termini di Eccellenza operazionale: la metodologia è flessibile e adattabile a diversi
contesti aziendali.

211
Glossario del Six Sigma
I sottogruppi razionali sono quei campioni scelti in modo che se sono presenti dei
fattori specifici sia massimizzata la variabilità fra i campioni e sia minimizzata la variabilità all’interno del
campione (fra un’unità e un’altra).
Lo spreco è tutto ciò che nel processo è impegno di forza-lavoro, di macchinari e di materiali
“oltre” il minimo strettamente necessario per conferire valore al prodotto o al servizio.

Rappresenta il limite di controllo superiore della banda di stabilità


caratterizzante la variabilità naturale di un processo (VOP).
Rappresenta il limite di specifica superiore della tolleranza accettabile dal
cliente al fine di non produrre una non conformità.
SIX SIGMA MINIBOOK

La “Voce del Cliente” rappresenta come il Cliente percepisce il


prodotto/processo/servizio e quali sono le sue richieste in merito a questo.
La “Voce del Processo” rappresenta quello che il processo/prodotto/servizio è
in grado di fare realmente.

212
SIX SIGMA MINIBOOK

Strumenti & DMAIC


SIX SIGMA MINIBOOK

Strumenti & DMAIC


Finito di stampare
nel mese di maggio 2007