Snijfouten op een automotive sealijn verminderen met een afvinklijst en een Pareto-diagram

Context

Deze praktijkstudie is gebaseerd op een aan peer-review onderworpen casestudy gepubliceerd in Heliyon (en gespiegeld op PMC) waarin een afkeuringspercentageprobleem wordt beschreven bij een Indiase productieonderneming die rubberen tochtstrips produceert, de rubberen afdichtingen die rond autodeuren, -ramen en -achterbakken worden gemonteerd. De gepubliceerde studie doorloopt de volledige Six Sigma DMAIC-cyclus op een schaal die ver uitgaat boven wat een individuele Yellow Belt zou oppakken. Wat nuttig is voor een Yellow Belt-cursist, is de eerste helft van dat project: het deel waarin het team eenvoudigweg het probleem definieerde en gegevens verzamelde. Dat onderdeel komt nagenoeg exact overeen met wat een Yellow Belt wordt getraind om te doen op hun eigen lijn, zonder andere statistieken dan tellen en een Pareto-diagram.

Het probleem

De fabriek kampte met een hoog afkeuringspercentage op de tochtstriplijn en moest weten waar de verbeterinspanningen op moesten worden gericht. In de define-fase werd de database van januari tot april beoordeeld en bleek het grootste defect het loslaten van de fineerrand te zijn. Met behulp van Value Stream Mapping had dit defect eerder gedetecteerd kunnen worden bij de uitvoer van de coaticmachine en het uiterlijkcontrolepunt aan de verpakkingslijn, maar de detectie kwam te laat en veroorzaakte verlies en wachttijd. Op de tochtstriplijn zelf was het onderliggende probleem van dezelfde aard: veel afgekeurd product en geen gedeeld, op data gebaseerd overzicht van welke typen defecten dat afval daadwerkelijk veroorzaakten.

Hoe een Yellow Belt de scope zou afbakenen

Een Yellow Belt die dit naast diens normale werkzaamheden uitvoert, zou niet het hele DMAIC-project uit het artikel op zich nemen. Die zou slechts een smal deel ervan oppakken: één lijn, één dienst, één kort tijdvenster voor gegevens en één vraag: welke typen defecten treden op en hoe vaak. De scopingbeslissingen die een Yellow Belt hierin neemt, onderscheiden dit van een Green Belt- of Black Belt-project:

• Kies één enkele processtap of lijn, niet de hele fabriek.
• Definieer het probleem in één zin die een supervisor kan goedkeuren zonder businesscase: "het afkeuringspercentage op lijn X is te hoog, we weten niet welk defect de grootste bijdrage levert."
• Verzamel aantallen, geen metingen. Geen control limits, geen procesvermogensindices, geen Design of Experiments.
• Geef de gerangschikte lijst door aan een Green Belt of een engineer zodra de vitale weinigen zichtbaar zijn, in plaats van zelf het grondoorzakenonderzoek uit te voeren.

Toegepaste tools, fase per fase

Definiëren

De Yellow Belt-versie van Define is een korte probleemstelling en een ruwe plattegrond van waar in het proces de defecten optreden, geen formeel projectmandaat. In de broncasestudy bracht deze stap aan het licht dat de verzamelde gegevens werden geanalyseerd met behulp van Pareto-analysediagrammen en Ishikawa om de belangrijkste defecten en hun oorzaken te identificeren, en twaalf defecten werden geïdentificeerd als hoofdzakelijk verantwoordelijk voor het hoge afkeurniveau. Een Yellow Belt zou ruim voor het oorzaak-en-gevolgwerk stoppen en simpelweg bevestigen welke defectcategorieën er bestaan en waar ze worden waargenomen.

Measure: de afvinklijst

Dit is de kern-tool van de Yellow Belt. In plaats van te raden welke defecten het belangrijkst zijn, stelt het team een eenvoudige afvinklijst op met de defectcategorieën aan de ene kant en een markering voor elk optreden tijdens de dienst of het tijdvenster. In de gepubliceerde casus werden defectgegevens verzameld gedurende een eerste maand en nogmaals voor een tweede maand, waardoor het team twee onafhankelijke steekproeven had om te vergelijken in plaats van te vertrouwen op een enkele momentopname. Een Yellow Belt-project zou dit inkorten tot dagen of een paar weken, maar de werking is identiek: loop de lijn langs, markeer de lijst, stop nog niet om oorzaken te analyseren.

Analyze, teruggebracht tot een Pareto-diagram

Zodra de afvinklijst voldoende markeringen heeft, worden de aantallen omgezet in een Pareto-diagram, het enige stuk 'analyse' dat van een Yellow Belt wordt verwacht. Er werden Pareto-diagrammen geplot op basis van de gegevens van de afvinklijst, en de analyse toonde aan dat het percentage defecten als gevolg van de eerste vier defecttypen (vochtscheur, onvoldoende vulling, persmerk en overloop) aanzienlijk hoog was met ongeveer 74% van het totale aantal defecten. Dat ene diagram is het volledige 'inzicht' dat een Yellow Belt moet opleveren. De ASQ-richtlijnen voor het opbouwen van een Pareto-diagram zijn hetzelfde, ongeacht de schaal: tel de metingen voor elke categorie op en bepaal de juiste schaal voor de verzamelde metingen, waarbij de maximumwaarde wordt ingesteld op het grootste subtotal. Geen hipótesetoetsen, geen regressie, alleen gesorteerde aantallen en een cumulatieve lijn.

Waar het echte project buiten de Yellow Belt-scope treedt

De gepubliceerde studie gaat verder op terrein dat een Yellow Belt zou overdragen in plaats van zelf te beheersen. Het projectteam besloot de oorzaken aan te pakken die verantwoordelijk zijn voor het genereren van de vijf significante defecten, waarbij een Ishikawa werd gebruikt om mogelijke grondoorzaken te identificeren zodat corrigerende maatregelen konden worden genomen via een gestructureerde aanpak. Het opbouwen en doorlichten van een Ishikawa ten opzichte van procesvariabelen, en vervolgens het ontwerpen van corrigerende maatregelen en een beheersplan, is werk voor een Green Belt en Black Belt. Het werk van een Yellow Belt eindigt bij het gerangschikte Pareto-diagram en een korte beschrijving van wat het laat zien, plus eventueel een suggestie voor standaardwerk voor het belangrijkste defect als de oplossing voor de hand ligt en lokaal is, bijvoorbeeld een checkliststap op het punt dat in de proceskaart is geïdentificeerd waar de inspectie problemen momenteel te laat opvat.

Wat het resultaat was, binnen de Yellow Belt-scope

Binnen de Yellow Belt-scope is het 'resultaat' geen verlaging van het uitvalpercentage, maar een helder, op data gebaseerd antwoord op de vraag waarmee het project begon: welke handvol defecttypen is verantwoordelijk voor het merendeel van de afkeuringen, en bij welke stap in het proces treden ze op. In deze gedocumenteerde casus was dat antwoord vier defecttypen die ruwweg driekwart van het afval veroorzaken, een resultaat dat op zichzelf een fabriek precies vertelt waar de volgende, diepere verbeterinspanning naartoe moet worden gestuurd. Een Yellow Belt die een project van deze omvang afsluit, zou dat Pareto-diagram presenteren, de processtap noteren waar de defecten aan het licht komen en ofwel een snelle aanpassing van het standaardwerk aanbevelen als de oplossing voor de hand ligt, ofwel opschaling naar een Green Belt als grondoorzakenonderzoek nodig is.

Wat een cursist hiervan moet meenemen

Twee dingen vallen op voor iedereen die aan hun eerste Yellow Belt-project in de productie begint. Ten eerste kunnen een afvinklijst en een Pareto-diagram, uitgevoerd binnen een korte en smalle scope, een echt nuttig, besluitklaar resultaat opleveren zonder enige andere statistiek dan tellen en sorteren. Deze reële casus toont aan dat deze methode werkt op live productiedata. Ten tweede is het even belangrijk om te weten waar het werk van de Yellow Belt eindigt als om de tools te kennen. Zodra een project vereist dat een Ishikawa wordt doorgelicht tegen procesvariabelen, of dat een corrigerend actieplan wordt gekoppeld aan een besturingskaart, is het overgegaan naar het terrein van de Green Belt. De juiste stap voor een Yellow Belt is dan om een schone, goed gedocumenteerde Pareto-diagram over te dragen in plaats van te proberen het onderzoek alleen verder voort te zetten.