Como aplicar seis sigma estudo multicêntrico vari a um problema do mundo real

Considere um exemplo de uma situação real, onde você pode usar um estudo multi-vari para um projeto Seis Sigma. Ele pode ser usado para aparar uma grande coleção de fatores potenciais e descobrir as “poucas críticas” fatores que realmente impulsionam o desempenho do processo.

Um fornecedor rótulo fabrica etiquetas em rolos de fita adesivo. Uma característica crítica do presente processo é a força de adesão das etiquetas para a tira de suporte. Se ele é muito forte, os rótulos têm dificuldade em se soltando da faixa de apoio e causar problemas nas máquinas de aplicação de rótulo de clientes da empresa. Se ele é muito fraco, os rótulos cair os produtos que estão colocados no.

Nos últimos dois meses, a variação na força de adesão rótulo variou de 0,8 a 6,3 libras. Esta discrepância tornou-se um problema significativo de clientes. A equipe multifuncional criou diagramas espinha de peixe e fluxogramas de processo de identificação inúmeras variáveis ​​e as causas possíveis e surgiu com várias teorias sobre quais os fatores que estão contribuindo para a variação rótulo de adesão:

• É um problema com o equipamento de aplicação de cola, que conduz à adesão inconsistente das etiquetas.

• É uma questão de operador acionado por problemas no turno swing.

• É devido a variação excessiva no próprio adesivo.

Você foi convidado a usar métodos baseados em dados para se concentrar e orientar a equipe do projeto de melhoria. Este cenário é uma situação perfeita para usar estudo multi-vari a objetivamente estreitar um campo de muitos fatores possíveis para baixo para a verdadeira causa. Veja como fazer isso:

1. Verificar o nível histórico de variação problema no processo.

   O nível histórico de variação do desempenho de adesão do processo é de 0,8 a 6,3 libras. Este estudo exemplo precisará continuar até sobre que faixa de variação é observada para garantir que o fator culpado é capturado dentro do estudo.

2. Definir a unidade de estudo.

   Como deve ser uma unidade neste exemplo estudo ser definido? força de adesão não pode ser medido com mais do que uma vez num único rótulo, assim definindo a unidade de estudo como uma única etiqueta não é viável. Que tal usar uma seção de cinco rótulo cortado um rolo como a unidade? Essa configuração pode ser medido até cinco vezes, para que você definir uma unidade para ser uma faixa de cinco off label de um rolo.

3. Recolha de dados a partir do processo.

   Você decidir começar o estudo multi-vari tomando três tiras de cinco rótulos consecutivos de cada turno de produção e, em seguida, testando todos os cinco rótulos em cada uma dessas faixas.

   Mudança de horário)	11:15 (Dia)	05:35 (Swing)	06:05 (grave)
   Faixa 5-Label	1º	2º	3ª	1º	2º	3ª	1º	2º	3ª
   pos rótulo. 1	5.5	4,9	4,5	5	4.8	3,9	3.2	1,2	4.7
   pos rótulo. 2	4.7	4.8	2,7	4,4	3.1	4.8	0,8	3,6	3,3
   pos rótulo. 3	4.8	5.5	4,9	3.7	3.8	4.0	4,5	0,7	5
   pos rótulo. 4	5,4	4.0	4.0	4,2	3.7	4.1	5	5	4.8
   pos rótulo. 5	5.6	5,3	6	4.0	4.3	4.7	4.8	3.2	5
   revendo o de dados, você pode ver que algumas das medidas de força de cair para o 0,7-e 0,8 libras gama-alguns também chegar o mais alto 6 libras. Este intervalo observado é aproximadamente o mesmo que o gama 0.8-to-6.3-pound observado historicamente, para que você saiba você&rsquo-tenho dados suficientes.

4. 
   
   
   

   Criar a trama multi-vari.

   O desenho dos dados nos grupos posicionais, cíclicas, e temporais, você pode criar uma visão multi-vari gráfica de seus dados.

   

5. Interpretar a trama multi-vari.

   Reveja as magnitudes de cada uma das categorias de variação - posicionais, cíclicas, e temporais. A maior amplitude da variação na saída do processo (adesão) ocorre dentro das unidades individuais.

   

Você pode tirar essas conclusões do gráfico multi-vari:

• variação de posição é a maior fonte de variação.

• Adesão mostra alguma deterioração ao longo do dia.

• As leituras de deslocamento graves têm mais variação.

• As leituras Swing Shift tem a menor variação.

• A variação de posição e variação temporal pode interagir.

Agora você voltar e rever todos os possíveis fatores identificados no mapa diagrama espinha de peixe ou fluxo do processo. Você pode atravessar qualquer fator que era cíclico fora da lista de itens para uma investigação mais aprofundada e fatores posicionais bandeira e quaisquer factores temporais relacionados.