Lean Six Sigma Lektion 2 Measure & Analyze
Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
Define Identificere og udvælg projekt Definere projekt mål og leverancer Lav projektgruppen Measure Definere data der skal indsamles Opsaml data Evaluere målesystemet (MSA) DMAIC-Modellen Analyze Identificer årsager (X er) C1 C2 C4 C5 C3 C6 Effect Analyser X er Bestem hovedårsager Improve Identificere løsning på problemet Implementere løsninger Control Kontrollere X er Overvåg Y er Kontroller løsningen y Værktøjer Projektkontrakt/ A3 SIPOC Mapping Voice of the Customers/QFD Værktøjer Udregn middelværdi og standardafvigelse Lav kapabilitetsstudier 7 basale Kvalitetsværktøjer LSL USL Værktøjer Værktøjer Værktøjer FMEA Poka Yoke BrainStorming Standardiseret Arbejde (SOP) 10.2 10.0 KPI styring Statistisk Proces kontrol (SPC) Process Confirmation Upper Control Limit 9.8 Lower Control Limit 15 20 25 30 35 9.6 1 5 10 15 20
Measure Definere data der skal indsamles Opsaml data Evaluere målesystemet (MSA) MEASURE (Formål) Afklare hvilke data der skal bruges i projektet Opsamle data Evaluere data Både kvalitativt og kvantitativt Værktøjer Udregn middelværdi og standardafvigelse Lav kapabilitetsstudier 7 basale Problemløsningsværktøjer LSL USL Værktøjer Middelværdi & Standardafvigelse Kapabilitetstudier (Cp/Cpk) 7 Basale problemløsningsværktøjer 15 20 25 30 35 4
Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
Data En stor del af Six Sigma handler om data-analyse Dataindsamling er derfor kritisk! Vi skal bruge data til følgende; Definere nuværende performance Initiere løbende overvågning Starte en systematisk undersøgelse Overvåge en proces Verificere en proces Validere en løsning Fakta -> der findes 2 typer data; 1) Diskret data (adskilt/heltal) God/dårlig Antal fejl Proces/maskine nr. Operatør Skift 2) Kontinuert data Penge Tid Temperatur Dimensioner Tryk Sagsbehandlingstid Kilde: Statistik i Økonomisk perspektiv
Øvelse Eksempler på data Rigtig første gang Lagerstørrelse Pakkestørrelse Antal operatører Antal produktvarianter Længde af skift Procestid Gennemløbstid Oppetid Ventetid Kassationsprocent Varer i arbejde Antal medarbejder på processen Antal skift Arbejdstid Antal opkald Energiforbrug Fejl Antal sager Investeringsbeløb Diskret eller kontinuert? Kilde: Statistik i Økonomisk perspektiv 7
Beskrivelse af data Hvad er vi interesseret i? Data beskrivelse Tal Grafisk Center Spredning Center Spredning Median Range Dotplot Middelværdi Standardafvigelsen Histogram Disse er essentielt for alt dataanalyse Kilde: Statistik i Økonomisk perspektiv
Basal Statistik Middelværdi = x 1, x 2, x n = de enkelte målinger n = samlede antal målinger Siger noget om middeltendensen i et datasæt Bruges når målingerne er normalt fordelt, ellers brug median Ekstreme værdier har stor indflydelse Beregn middelværdien for følgende målinger 1,2,5,6,7,7,7,8,8,9 Kilde: Statistik i Økonomisk perspektiv
Basal Statistik Median Medianen er den midterste værdi i et sorteret datasæt Hvis lige antal målinger tages gennemsnittet af de 2 midterste Et mål for en middeltendensen i et datasæt Ekstreme værdier minimal indflydelse Opsæt alle målingerne i stigende rækkefølge og vælg det midterste. Eks. (1,2,2,2,3,5,6,7,8) = median =3 Kilde: Statistik i Økonomisk perspektiv
Basal Statistik Standardafvigelsen ( ) Estimat for spredningen ( ) af data omkring middelværdien Obs: Formlen gælder kun for stikprøver og ikke hele populationer (så vil det være n i stedet for n-1 Summen af afvigelsernes kvadrat fra gennemsnittet, divideret med datamængden (Stikprøve) Eks. 1) Lønniveau i virksomhed hvor er høj indikere at der er stor forskel på lønniveauet hvis SD var lille tjente alle tæt på det samme. 2) Lille standardafvigelse i produktion af legoklodser viser at klodserne er meget ens Beregn standardafvigelsen på tallene: 1,2,5,6,7,7,7,8,8,9 Kilde: Statistik i Økonomisk perspektiv
Lower Specification Limit (LSL) Normalfordeling centret om middelværdien Upper Specification Limit (USL) Voice of the Customer Lower Control Limit Upper Control Limit Voice of the Process -6-5 -4-3 -2-1 x +1 +2 +3 +4 +5 +6 Specification Limit % indenfor specifikationerne Defects Per Million (DPM) 1 68.27 317300 2 95.45 45500 3 99.73 2700 4 99.9937 63 5 99.99994 0.6 6 99.999999999 0.002 Kilde: Statistik i Økonomisk perspektiv 12
Eksempel Længden på en statistikbog Hvis 6σ proces = alle data indenfor +/- 6σ fra middelværdien 0,0136 x 6 = 0,0816 +/- 31,8233 = (31,7417;31,9049) = 6σ proces
Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
Kapabilitetsanalyse Er vi i stand til at udføre opgaven korrekt? Processens evne til at fungere inden for de påkrævede tolerancer Kapabilitet henviser til; Om man har klare krav Passende udvælgelse af mennesker/maskiner Tilstrækkelig oplæring Fyldestgørende målinger Proceskapabilitet matcher tolerancekrav med processens evne LSL USL LSL USL 15 20 25 30 35 15 20 25 30 35 Bicheno & Catherwood, 2006
Betegnelser USL (Upper specification level) Øvre grænse for kundens tolerancer LSL (Lower specification level) Nedre grænse for kundens tolerancer σ (Sigma) Standardafvigelsen Cp (Procespotentiale) Processens potentiale ift. tolerancerne (Præcision) Cpk (Procesresultat) Processens output ift. USL og LSL (Nøjagtighed) Bicheno & Catherwood, 2006
LSL Cp Eksempler USL C p = 2 C p = 2 C p = 4 C p = 1 17
Cpk Eksempler LSL USL C pk = 0.5 C pk = 0.5 C pk = 1 C pk = 1 C pk = 1,5 C pk = 1,5 C pk = 2
Udregning af formler Udregning af Cp Viser om processen er i stand til at opfylde proces specifikationen (præcision) Forudsætning: Outputtet er normalfordelt Processen er i kontrol C p = 1 C p = 2 C p = 4 Bicheno & Catherwood, 2006
Udregning af Cpk Udregning af formler For at vide noget om hvor fordelingen (data et) er placeret imellem USL og LSL udregnes til Cpk For at bestemme Cpk værdien skal der udregnes 2 værdier se formel nedenfor Cpk værdien er den 2 udregnede værdier LSL USL Bicheno & Catherwood, 2006 C pk = 2 C pk = 2 C pk = 0
Kapabilitetsøvelse Gruppeopgave Hver gruppe skal måle 15 kabelbånd Opmål bredden og udregn følgende Middelværdi Standardafvigelse Cp & Cpk værdier USL = 10,5 cm (105mm) LSL = 9,5 cm (95mm) Har vi kontrol over produktionen af kabelbånd?
Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
7 Kvalitetsværktøjer Kan spores tilbage til Japan lige efter 2. verdenskrig og er inspireret af de 7 våben som krigsmunken Benkei brugte til at besejre sine fjender Introduceret af Kaoru Ishikawa (Fiskeben) (inspireret af Deming) 7 værktøjer og teknikker til at identificere kvalitetsproblemer Identificere hvad/hvor problemet er og leder efter hovedårsagen Systematisk og sekventiel opbygning & brug Oprindeligt brugt til kvalitetscirkler, men nu grundlæggende Six Sigma værktøjer Basale fordi; 1. de let kan bruges uden dybder træning i statistik 2. de kan løse størsteparten af de kvalitetsrelaterede problemstillinger Kontrast til mere avancerede statistiske metoder såsom hypotese test, Anova analyse, multivariant analyse etc. Montgomery (2005)
7 7 Kvalitetsværktøjer 1 2 6 7 Kvalitetsværktøjer 3 5 4 24
Flowdiagram Et diagram der grafisk illustrerer hvordan flowet er i en proces, samtidig med at det belyser stærke og svage områder i processen Giver input til; Beslutningspunkter Spild Værdiskabelse Input/output Kommunikationsværktøj & afgrænsning Six Sigma Kortlægning (SIPOC kan sagtens bruges her) 1.Identificer processernes trin inden for projektets grænser 2.Identificer outputvariable og indsæt det relevante trin over for 3.Identificer inputvariable og indsæt det relevante trin neden for 4.Inddel variabler i C, N, X kategorier Constant (Kræves at være konstante for at opfylde kundens behov) Noise (Kan ikke kontrolleres lige nu) experiment (Kan ændres inden for rammerne) 5.Tilføj kundespecifikationer (interne/eksterne) 6.Marker værdiskabende aktiviteter Bicheno & Catherwood, 2006
Flowdiagram Kunder klager over for stærk te! Mængden af koldt vand Vandets temperatur The posen i koppen Mængden af varmt vand The temp. The styrke The pose The temp The smag The farver 9. Servér 1. Fyld kedel 2. Kog vandet 3. Put The posen i koppen 4. Hæld varmt vand i koppen 5. Bryg theen 6. Fjern the posen 7. Kom mælk og sukker i og rør Kedel (c) Mængde af koldt vand (c) Energi (N) Kop (c) The pose (c) Mængde af vand (c) Bryggetid 2 min +/- 30 sek. (x) Mælk (x) Sukker (x) Kundespecifikationer Earl Grey, med sukker og mælk Værdiskabende Ikke værdiskabende Bicheno & Catherwood, 2006
Flowdiagram 27
Eksempel Produktion Løbende visual kontrol Godkendt Ja Produktionen forsætter Afvist Kvalitetsafd. Vurdere fejl tupe Alvorlig Maskinen stoppes Kan der gives dispensation? Nej Produktet kasseret ubetydelig Teknikker Kan fejlen rettes uden ændringer af indstillinger? Nej Mould-shop Ja Vedligeholdsafdelingen indkaldes og maskinen repareres Inspektionsafdelingen Inspektionsafdelingen orienteres og emner måles igen
Flowdiagram - Øvelser 1) Udarbejd et Flowdiagram på casen eller arbejd videre med jeres SIPOC 2) Identificer variablerne C,N og X samt hvor der skabes kundeværdi 3) Er der C er vi ønsker skal være X er eller omvendt? Hvorfor?
7 7 Kvalitetsværktøjer 1 2 6 7 Kvalitetsværktøjer 3 5 4 30
Pareto Analyse (ABC analyse) Alle tideres mest effektive ledelsesteknik Anerkender at et lille antal problemtyper udgør en stor procentdel af det totale billede -> Derfor 80/20 reglen ABC analyse fordi at vi vil inddele problemerne i kategorier Bruger 80/20 reglen og procenter (%) 80% af problemerne kommer fra 20% af processerne 80% af omsætningen kommer fra 20% af kunderne 80% af klagerne kommer fra 20% af markedet 80% af varerne kommer fra 20% af leverandørerne Vi skal bruge det til at; 1) Identificere og håndtere de presserende problemer først 2) Automatisk løbende forbedringer (problem for problem)
Cumulative % of total Value Martin Professional A/S Pareto Analyse C Items (95- A items (0-70%) B items (70-95%) 100%) Total 188 568 1943 2699 6,97% 21,04% 71,99% 100,00% 120,00% Pareto Curve for Stock Items 100,00% 80,00% 60,00% Pareto Curve for Stock Items 40,00% 20,00% 0,00% 1 179 357 535 713 891 1069 1247 1425 1603 1781 1959 2137 2315 2493 2671 Number of items
Antal fejl Cumulative % Øvelse Pareto 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Fejlkilder Cumulative% Cut Off % 100% 80% 60% 40% 20% 0% [42] Øvelse - Lave en pareto analyse på fejlkilder casen - Fremstil det grafisk - Hvad kan det bruges til? Fremgangsmåde 1) X-aksen = problemer rangeret fra højre mod venstre, med de største først 2) Y1 = antal/hyppighed 3) Y2 = akkumuleret %
7 7 Kvalitetsværktøjer 1 2 6 7 Kvalitetsværktøjer 3 5 4 34
Formål: Forståelse for de problemer man står overfor i dagligdagen Identificere hovedårsagen til et problem og identificere kilder til variation Socialøvelse Bruge de 6M for at komme hele vejen omkring et problem Årsagskategorier Problem Link til Pareto? www.immenso.dk
Processen illustreret i steps Step 3 Step 4 Step 5 Step 1 5xHvorfor Step 2 Step: 1.Påfør problemet der ønskes belyst. Vær så specifik som mulig. 2.Beslut hvilke hovedkategorier der skal brainstormes inden for. 3.Brainstorm på de årsager der påvirker hovedproblemet, der er udvalgt under step 1 4.Gennemgå diagrammet 5.Diskuter det færdige diagram og identificer og udvælg de årsager der er mest kritiske for problemet, hvorefter der skal foretages videre analyse på disse.
1) Identificer problemet (beskriv det kort) 2) Identificer og diskuter hovedårsagsområderne (6M) 3) Identificer årsager inden for hvert område 4) Prioriter og dokumenter årsagerne (Sandsynlighed & vigtighed) (Brug top 3/5) 5) Identificer løsningsforslag (placeres overfor årsagen) 6) Prioriter og udvælg løsningsforslag Årsags-virkningsdiagram 2 2 3 5 1 3 5 2 2
7 7 Kvalitetsværktøjer 1 2 6 7 Kvalitetsværktøjer 3 5 4 38
Viser grafisk den relative forekomst af en række events/hyppigheder Kaldes også sommetider mæslingskort Bruges til at indsamle dataløbende og synliggøre trends, fordelinger, centreringer og outliners Søjlediagram Histogrammer (Mæslingskort)
Histogrammer (Mæslingskort) Histogram Hvad kan vi tolke ud af histogrammet?
Hvad kan man se af et histogram? Hvilke fordelinger der der tale om? Holder data et sig inden for tolerancerne Er data et skævvredet? Er data et centreret omkring en bestemt værdi?
7 7 Kvalitetsværktøjer 1 2 6 7 Kvalitetsværktøjer 3 5 4 42
Kontrol- kørselsdiagrammer Formål: Undersøger forholdet mellem; Hændelser og tid Problemer og årsager Identificere langsomme tendenser (stigende/faldende) Simpelt men kræver vedligeholdes og registrering af hændelser og tid
Kontrolkort - Eksempel
Kontrolkort Kontrol eller kørselsdiagrammet viser data baseret på et tidsrum (x-aksen) og bruges til at identificere trends og cyklusser for en bestem proces (y-aksen) Kundehenvendelser 8 9 10 11 12 1 2 3 4 8 9 10 11 12 1 2 3 4 8 9 10 11 12 1 2 3 4 PM- AM PM- AM PM- AM Torsdag Torsdag Torsdag uge 1 uge 2 uge 3 Tid
Kontrolkort LEGO Kontrolkort Kasserede LEGO klodser 8 9 10 11 12 1 2 3 4 8 9 10 11 12 1 2 3 4 8 9 10 11 12 1 2 3 4 PM- AM PM- AM PM- AM Torsdag Torsdag Torsdag uge 1 uge 2 uge 3 Tid Hvad kan LEGO bruge dette til?
Kontrolkort Opgave Lave et kontrolkort på jeres breddemålinger i casen og fremstil dem grafisk
7 7 Kvalitetsværktøjer 1 2 6 7 Kvalitetsværktøjer 3 5 4 48
Antal kassationer Behandlingstid Formål: XY-Punktdiagram (Korrelationsdiagram) Bruges til mere specifik eksperimentering vi arbejder altså med at identificere om et X (variable) har indflydelse på Y et (Outputtet) y = f(x) Hvis der beviseligt er en afhængighed (korrelation) kan man arbejde med at bestemme den bedste indstilling eller størrelse af X Temperatur Antal sagsbehandler
Eksempel
7 7 Kvalitetsværktøjer 1 2 6 7 Kvalitetsværktøjer 3 5 4 51
Kontrolark Kontrolkort i supermarked (Havelågediagram) Fejl-type Man Tir Ons Tor Fre Lør Søn Leverandør IIII II II III Holdbarhed (dato) Kunde kontakt II II I I I I Medarbejder I Udstyr I II II II I
Kontrolark som en Standard
Kontrolark som Checkliste
Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
Define Identificere og udvælg projekt Definere projekt mål og leverancer Lav projektgruppen Measure Definere data der skal indsamles Opsaml data Evaluere målesystemet (MSA) DMAIC-Modellen Analyze Identificer årsager (X er) C1 C2 C4 C5 C3 C6 Effect Analyser X er Bestem hovedårsager Improve Identificere løsning på problemet Implementere løsninger Control Kontrollere X er Overvåg Y er Kontroller løsningen y Værktøjer Projektkontrakt/ A3 SIPOC Mapping Voice of the Customers/QFD Værktøjer Udregn middelværdi og standardafvigelse Lav kapabilitetsstudier 7 basale Kvalitetsværktøjer LSL USL Værktøjer Værktøjer Værktøjer FMEA Poka Yoke BrainStorming Standardiseret Arbejde (SOP) 10.2 10.0 KPI styring Statistisk Proces kontrol (SPC) Process Confirmation Upper Control Limit 9.8 Lower Control Limit 15 20 25 30 35 9.6 1 5 10 15 20
Analyze Identificer årsager (X er) C1 C2 C4 C5 Analyser X er Bestem hovedårsager FMEA C3 C6 Værktøjer Poka Yoke Effect Analyze (Formål) Analysere dataet og identificere hovedårsagen(erne) til problemet Prioritere årsagerne Overvej kravet til løsningerne ud fra problemets konsekvens Værktøjer FMEA Poka Yoke
FMEA: Failure Mode and Effects Analysis Fejl-Mulighed og Effekt-Analyse Fejltyper og Effektanalyse Metode til at bedømme og reducere risikoen i systemer, processer og produkter Definere, identificere, prioritere og udrydde kendte eller potentielle fejl så tidligt som muligt Bliver ofte anvendt sammen med QFD, SIPOC, CpK-analyse, Årsag-virkningsanalyse Ofte et krav til leverandører at de foretager FMEA analyser Social øvelse (Bred involvering)
Fejltyper og Effektanalyse 4 FMEA er System FMEA Design FMEA Proces FMEA Service FMEA Formål Overordnet analyse af designet ift. systemet Minimere designfejl før produktion/drift Proces/produktionsfejl Servicefejl 1. Gå processen igennem trin for trin -> Hvad kan gå galt? 2. Hvad kunne være årsagen? Og hvad vil konsekvensen være? Brug gerne data (klager, garantiprise, brugsfejl, fravær etc.) 3. Sandsynlighed, Konsekvens og Opdagelse vurderes (1-10) 4. Handlinger og ansvarlig bestemmes
Fejltyper og Effektanalyse Eks på FMEA ID Nr. Fejltype Årsag(er) til fejlen Konsekvens af fejlen Sandsynlighed (1-10) Konsekvens (1-10) Opdagelse (1-10) FMEA Score Handling Ansvarlig
Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
Hvad er Poka-Yoke: Poka-Yoke metoden POKA-YOKE For at undgå (yokeru) uagtsomme fejl (poka) Poka-Yoke er et japansk navn for fejlsikring Højeste niveau af Poka-Yoke løsninger forhindrer fejlen i overhovedet at opstå Formålet med Poka-Yoke er at opnå nul fejl Arbejde frem imod holdningen: "Nul fejl er muligt. Gennem brug af sensor, farvekoder, felter, informationsdeling etc. Sikre at fejlen bliver opdaget før den opstår eller bliver sendt videre til næste proces Eller som minimum opfange fejlen så hurtig som muligt Poka-yoke påvirker 2 nøgle områder vedr. kvalitet; Poka-yoke opdager fejlen, advare og kan stoppe processen. Identificere fejlene med det samme Giver hurtig feedback så korrektioner kan igangsættes
At fejle er menneskeligt Poka-Yoke Presset i en travl hverdag sker der fejl Acceptere at fejlen sker, så længe det ikke er bevidst og at vi lære af det Gå efter fejlen ikke personen Vi kan efterfølgende arbejde med at design fejlen ud af processen = Poka Yoke Tæl F er (øvelser) Ideer til Poka Yoke løsninger?
Poka Yoke grundregler For at opnå en Nul-fejlskultur bør følgende 3 regler være i fokus; Acceptere ikke fejl Lave ikke fejl Videre send ikke fejl Leverandør (internt/ekstern) En selv Kunden (internt/ekstern) Ideelt skal vi designe et produkt eller en proces så fejlen ikke kan opstå Toyota kalder automatisk fejlopdagelse for Jidoka Produktionen stopper og problemet bliver rettet med det samme
Implementering af Poka-Yoke Poka Yoke Implementering 2 tilgange Implementering af Poka-Yoke Forebyggelse Problemløsning Design FMEA PDCA Proces/ operatør Produktet Leverandør Materiale Plan Do Check Act
Poka Yoke 2 måder at opdage fejl på Kontrolsystem Alarmsystem Stopper processen når fejlen sker Sikre at fejlen ikke sendes videre Tager den menneskelige faktor ud af ligningen Signalere at medarbejderen skal stoppe processen Medarbejderen er ansvarlig for at rette fejlen
Eksempler Poka-Yoke Hvilke felter skal udfyldes?
Poka Yoke Billys Gamle biler hvor man skulle huske at slukke lyset ellers ingen strøm 6 Forebyg afvigelser Lyset slukker automatisk, når motoren stoppes. Stigende kontrolniveau KONTROL DISPLAY 5 4 3 2 Stop afvigelser Advar om afvigelser Byg standarder ind i arbejdspladsen Del standarder i dit området Nøglen kan ikke fjernes fra tændingslåsen, inden lyset er slukket. En hyletone lyder, når bildøren åbnes, hvis lyset er tændt. Når tændingen afbrydes, lyser en rød lampe i kontrolpanelet, som betyder sluk lyset. Klister instruktionen på bilens instrumentbræt, så den let kan ses af føreren; sluk lyset før du forlader bilen. 1 Del information Inkluderet i instruktionsbogen: husk at slukke lyset, når der slukkes for motoren. Overvej hvad det koster vs. konsekvens!!
Andre klassiske fiaskoer Murphys lov Aktiehandler køber 15.000.000 aktier i stedet for 15.000 Hævemaskine stopper ikke med at udbetale penge NASA s Mars-landingsfartøj går tabt, der regnes i yards i stedet for meter Piloten mister en motor og slukker den anden I Tyskland sendes en e-email ud med fortrolige bank-informationer skattemyndighederne jubler App Store sletter ikke apps på Iphone selvom man har fået pengene tilbage www.murphyslaw.org
Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
FMEA & Poka Yoke FMEA & Poka Yoke supplere hinanden godt som analyse værktøjer Identificere fejl og prioritere disse (FMEA) Vurdere nødvendig fejlsikringsniveau ID Nr. Fejltype Årsag(er) til fejlen Konsekvens af fejlen Sandsynlighed (1-10) Konsekvens (1-10) Opdagelse (1-10) FMEA Score Poka Yoke Niveau (1-6) Løsning Ansvarlig
FMEA ID Nr. Fejltype Årsag(er) til fejlen Konsekvens af fejlen Sandsynlighed (1-10) Konsekvens (1-10) Opdagelse (1-10) FMEA Score 1 ) Processerne gås igennem og fejltyper identificeres Hvad er årsagen(erne)? 2) Konsekvens vurderes hvad sker der hvis fejlen opstår? 3) Sandsynlighed, konsekvens og opdagelse vurderes og ganges samme = FMEA score Jo højere FMEA score jo højere Poka Yoke niveau
Vurdering 1 2 3 4 Sandsynlighed (chance for fejlen) Sker aldrig 1-1.500.000 Sker meget sjælden (1-150.000) FMEA vurderinger Konsekvens Både interne og eksterne kunder opdager intet Mindre irritation for internt kunder. Eksterne opdager intet Opdagelse Opdages med det samme og helt sikkert (100%) Meget høj chance for opdagelse Høj opdagelses chance Moderat opdagelses chance (50%) 5 Kundeutilfredshed både internt Gentagende fejl og eksternt 6 (1-2000) Lav opdagelses chance 7 Meget lave Hyppige fejl Høj grad af utilfredshed. opdagelseschance 8 (1-20) Kunderne forsvinder Opdages først til sidste led inden kunden 9 10 Sker hver gang (1-2) Fare for sikkerhed Kunden opdager det (95-100%)
Sandsynlighed for at fejl opstår Score: Konsekvensen når fejlen opstår Score: Ikke sandsynlig - vurderes aldrig at ske 1 Slut-kunden og proces-kunden vil ikke bemærke noget 1 Sjældent sket - ca. éngang hvert år 2 Sjældent sket - ca. éngang hver ½. år 3 Slut-kunden vil bemærke det i mindre grad og proces-kunden vil blive berørt i mindre grad 2 to 3 Sker nu og da - ca. hver 3 måned 4 Sker nu og da - ca. hver anden måned 5 Nogle af slut-kunderne vil blive utilfredse og kontakte leverandøren. Proces-kunden vil opleve en klar negativ indflydelse på kvalitets præstationer 4 to 5 Sker nu og da - ca. hver måned 6 Sker regelmæssigt - ca. hver uge 7 Stor grad af utilfredshed hos slut-kunden, leverandør bliver kontaktet øjeblikkelig. Stor negativ indflydelse på KPI'er hos proces-kunden 6 to 7 Sker regelmæssigt - ca. hver dag 8 Svært at undgå - sker flere gange dagligt 9 Sikkerheden for slut-kunden er i fare. Lav produktkvalitet hos proces-kunden 8 to 10 Kan ikke undgås - sker tilnærmelsesvis hver gang 10
Poka Yoke Niveau (1-6) Poka Yoke Løsning Ansvarlig 1 ) Poka Yoke niveau bestemmes. Jo højere FMEA jo højere Poka Yoke Niveau Forbyggelse eller Alarm (Kontrol eller display) 2) Løsning beskrives for at sikre at fejlen ikke opstår eller opdages i tide 3) Ansvarlig udpeges og DMAIC eller PDCA opstartes
Opgave Udfyld FMEA & Poka Yoke hybriden for casen
Tak for idag