Publikationer

Deste første bind underviser i de grundlæggende principper for løsning af flowproblemer samt de helt centrale principper i Lean Management. Bogen henvender sig til studerende og undervisere i Lean Six Sigma samt ledere, der ønsker at gå ud over blot at lære formler og i stedet udvikle deres praksis på et solidt teoretisk fundament. Sideløbende med at bogen respekterer de historiske rødder, ånden og den etablerede terminologi i Lean Six Sigma, tilstræber den at identificere, samle og formalisere de underliggende grundprincipper.

Dette andet bind gennemgår i detaljer implementeringen af tilgangen i virksomheder samt den generiske DMAIC-metodeprotokol. Baseret på en original definition af statistiske problemer underviser bogen i det grundlæggende i at løse "skelnelige" statistiske problemer og de basale principper i Six Sigma. Bogen henvender sig til studerende og undervisere i Lean Six Sigma samt fagfolk inden for operationel optimering, der ønsker at gå ud over blot at lære formler og i stedet udvikle deres praksis ud fra en solid teoretisk ramme.

Deste tredje bind lærer dig at analysere og reducere problemer, hvor årsagerne forbliver uadskillelige i de enkelte tilfælde. Med udgangspunkt i en original analogi fra optikken forklarer det, hvordan du kalibrerer analytiske ressourcer i forhold til den ønskede forbedring. Det viser, hvordan man bruger hypotesetest til at identificere nyttige forbedringshåndtag, vurdere realistisk opnåelige gevinster og afgøre, om foreslåede løsninger kan nå målet. Bogen henvender sig til Six Sigma-udøvere og brugere af statistisk analyse, som ønsker fuldt ud at udnytte beslutningspotentialet i små datasæt.

Sammendrag:

%GRR og Number of Distinct Categories (NDC) anvendes i vid udstrækning som kapabilitetsindikatorer for målesystemer. Den almindeligt accepterede beregningsformel for NDC er dog tildelt en koefficient, hvis oprindelse har ført til to forskellige og misvisende fortolkninger af NDC. Vi anbefaler at fjerne denne koefficient for at holde os til definitionen af målesystemets opløsning eller det tilsvarende signal-støj-koncept. Vi foreslår desuden en tilpasning af accepttærsklerne for %GRR og NDC.

Sammendrag:

Som en del af Measure-fasen i et Six Sigma (DMAIC)-projekt er det afgørende at bestemme den relevante stikprøvestørrelse ud fra den statistiske præcision, der kræves for estimeringen af proceskapabiliteten (her defineret som den forventede andel af defekte enheder). Six Sigma-udøvere lærer generelt at bruge enten en tommelfingerregel (og springer derved præcisionskravet over) eller en stikprøvestørrelsesformel, der gør det muligt at specificere den krævede præcision. Mens en sådan formel findes for binære data, handler den sædvanlige formel, der undervises i ved fejloptællingsdata, om at estimere det gennemsnitlige antal fejl pr. enhed og ikke andelen af defekte enheder (dvs. fejlfrekvensen). Dette papir udarbejder en formel og afledte tabeller til beregning af den stikprøvestørrelse, der kræves for at opnå den nødvendige statistiske præcision på fejlfrekvensen, når der arbejdes med en fejloptællingsmetrik. Omvendt beregnes den opnåede præcision for en givet stikprøvestørrelse. Resultaterne sammenlignes derefter med resultaterne for binære data, og det foreslås, at stikprøvestørrelsesberegningen for binære data er værd at overveje som et acceptabelt og mere brugervenligt alternativ. Udfordringen med at opnå en anstændig præcision på grund af kravene til stikprøvestørrelse ved lave fejlfrekvenser fremhæves også.

Sammendrag:

Som en del af Measure-fasen i et Six Sigma (DMAIC)-projekt er det afgørende at bestemme den relevante stikprøvestørrelse ud fra den statistiske præcision, der kræves for estimeringen af proceskapabiliteten (her defineret som den forventede andel af defekte enheder). Six Sigma-udøvere lærer generelt at bruge enten en tommelfingerregel (og springer derved præcisionskravet over) eller en stikprøvestørrelsesformel, der gør det muligt at specificere den krævede præcision. Mens en sådan formel findes for binære data, handler den sædvanlige formel, der undervises i ved kontinuerlige data, om at estimere gennemsnittet og ikke fejlfrekvensen. Andre alternative tilgange handler om at beregne stikprøvestørrelsen baseret på præcisionen af proceskapabilitetsindekser designet til fremstillingsindustrien. Disse tekniske indekser er dog ofte ikke relevante for de fleste brugere og ledere, der ikke arbejder i specifikke produktionsmiljøer. Dette papir udarbejder løsninger til beregning af den stikprøvestørrelse, der kræves for at opnå den nødvendige statistiske præcision på fejlfrekvensen, når der arbejdes med en kontinuerlig metrik i tilfælde med både én og to specifikationsgrænser. Omvendt beregnes den opnåede præcision for en givet stikprøvestørrelse. Udfordringen med at vurdere høje Sigma-præstationsniveauer på grund af den krævede stikprøvestørrelse fremhæves også.