Comment appliquer Six Sigma étude multi vari à un problème du monde réel

Prenons un exemple d'une situation réelle où vous pouvez utiliser une étude multi-vari pour un projet Six Sigma. Il peut être utilisé pour rogner une grande collection de facteurs potentiels et découvrir la “ quelques critiques ” facteurs qui poussent vraiment la performance du processus.

Un fournisseur d'étiquettes fabrique des étiquettes sur des rouleaux de bande adhésive de support. Une caractéristique essentielle de ce procédé est la force d'adhérence des étiquettes sur la bande de support. Si elle est trop forte, les étiquettes ont de la difficulté qui se détache de la bande de support et de causer des problèmes dans la machinerie de l'étiquette-application des clients de l'entreprise. Si elle est trop faible, les étiquettes tombent les produits qu'ils placés sur.

Au cours des deux derniers mois, la variation de l'étiquette force d'adhérence a varié de 0,8 à 6,3 livres. Cet écart est devenu un problème de client important. L'équipe interfonctionnelle a créé des diagrammes en arête de poisson et des organigrammes de processus d'identification de nombreuses variables possibles et les causes et est venu avec plusieurs théories sur les facteurs contribuent à la variation de l'étiquette d'adhésion:

• Il ya un problème avec l'équipement d'application d'adhésif, conduisant à l'adhésion incohérente des étiquettes.

• Il est une question d'opérateur entraîné par des problèmes sur le changement de swing.

• Il est dû à une variation excessive dans l'adhésif lui-même.

Vous avez été invité à utiliser des méthodes basées sur les données de se concentrer et de guider l'équipe de projet d'amélioration. Ce scénario est une situation parfaite pour utiliser étude multi-vari pour affiner objectivement un champ de nombreux facteurs possibles jusqu'à la véritable cause. Voici comment faire:

1. Déterminer le niveau historique de problème variation dans le processus.

   
   
   
   
   

   Le niveau historique de variation de la performance d'adhérence du processus est de 0,8 à 6,3 livres. Cette étude exemple devra continuer jusqu'à environ cette plage de variation est observée pour vous assurer que le facteur de coupable est capturé au sein de l'étude.

2. Définir l'unité d'étude.

   Comment une unité dans cet exemple étude devrait être défini? Force d'adhésion ne peut être mesuré plus d'une fois sur une seule étiquette, de sorte réglage de l'unité d'étude comme une seule étiquette est pas viable. Qu'en est-il en utilisant une section de cinq étiquette coupé un rouleau de l'unité? Ce paramétrage peut être mesurée jusqu'à cinq fois, si vous définissez une unité d'être une bande de cinq-off label d'un rouleau.

3. Recueillir des données du processus.

   Vous décidez de commencer l'étude multi-vari en prenant trois bandes de cinq étiquettes consécutives de chaque quart de travail de production, puis de tester tous les cinq étiquettes sur chacune de ces bandes.

   Décalage dans le temps)	11h15 (Jour)			17h35 (Swing)			06h05 (Grave)
   Bande de 5 Label	1er	2e	3e	1er	2e	3e	1er	2e	3e
   Pos de l'étiquette. 1	5.5	4.9	4.5	5.0	4.8	3.9	3.2	1.2	4.7
   Pos de l'étiquette. 2	4.7	4.8	2.7	4.4	3.1	4.8	0,8	3.6	3.3
   Pos de l'étiquette. 3	4.8	5.5	4.9	3.7	3.8	4.0	4.5	0,7	5.0
   Pos de l'étiquette. 4	5.4	4.0	4.0	4.2	3.7	4.1	5.0	5.0	4.8
   Pos de l'étiquette. 5	5.6	5.3	6.0	4.0	4.3	4.7	4.8	3.2	5.0
   Thedata commentez, vous pouvez voir que certaines des mesures de force déroulante Tothe 0,7 à 0,8 livres range- certains reçoivent aussi élevé que 6 pounds.This fourchette observée est approximativement le même que the0.8 à 6,3 livres gamme observé historiquement, de sorte que vous avez suffisamment de données knowyou've.

4. Créer l'intrigue multi-vari.

   Tracer les données dans les groupes de position, cycliques et temporels, vous pouvez créer une vue multi-vari graphique de vos données.

   

5. Interpréter le complot multi-vari.

   Passez en revue les grandeurs de chacune des catégories de variation de position -, cycliques, et temporelles. La plus grande amplitude de variation de la sortie du processus (d'adhésion) se produit au sein des unités simples.

   

Vous pouvez tirer ces conclusions de la carte multi-vari:

• Variation de position est la plus grande source de variation.

• Adhérence montre une certaine détérioration en cours de journée.

• Les lectures de décalage graves ont le plus de variation.

• Les lectures élan de changement ont la moindre variation.

• La variation de position et la variation temporelle peuvent interagir.

Maintenant, vous revenez en arrière et examiner tous les facteurs possibles identifiés dans la carte de diagramme en arête de poisson ou de flux de processus. Vous pouvez traverser tout facteur qui était cyclique de la liste des articles pour complément d'enquête et drapeau facteurs de position et des facteurs temporels connexes.