Context
Een gepubliceerd casestudy van Ferreira, Silva en Mesquita onderzoekt een fabrikant van huishoudelijke waterverwarmingsapparatuur die een DMAIC-project uitvoerde op een van zijn interne logistieke processen. Het artikel presenteert een casestudy die laat zien hoe een fabrikant van huishoudelijke waterverwarmingsapparatuur de Six Sigma Define-Measure-Analyze-Improve-Control (DMAIC)-methodologie heeft gebruikt om een van zijn interne logistieke processen te verbeteren: het bevoorraden van de supermarket in productielijnen. Dit is het type intern, weinig glamourvol proces dat logistieke Green Belts vaak toebedeeld krijgen: geen klantgerichte bezorgroute, maar de milkrun die onderdelen vanuit het magazijn naar de productielijn binnen de fabriek laat bewegen.
Een milkrun is een intern leveringssysteem met een vaste route: een trekker of klein voertuig volgt een vast pad met vaste tussenpozen en levert onderdelen af bij "supermarkets" aan de lijn, zodat operators nooit zonder onderdelen komen te zitten. Wanneer een milkrun-route langer duurt dan gepland, dreigt de lijn ofwel zonder onderdelen te komen te zitten of moet het bedrijf extra personeel en voertuigen inzetten om dit te compenseren. Die kloof tussen de geplande en de werkelijke routetijd is wat dit project in gang zette.
Het probleem
Het probleem draaide om onzekerheid rond de levertijd op deze routes, een onzekerheid die zorgde voor buffervoorraad en planningsproblemen voor de lijnen die ermee werden bediend. Het artikel beschrijft hoe een fabrikant van huishoudelijke waterverwarmingsapparatuur de Six Sigma DMAIC-methodologie gebruikte om een van zijn interne logistieke processen, de bevoorrading van de supermarket in productielijnen, te verbeteren richting een kwaliteitsniveau van wereldklasse. In lekentaal: er waren drie milkrun-routes en niemand kon met zekerheid zeggen hoe lang een van alle zou duren in een bepaalde cyclus. Sommige ritten waren op tijd klaar. Andere duurden zo lang dat ze de toevoer naar de lijn in gevaar brachten, en het bedrijf had geen enkele manier om te voorspellen welke dagen probleemtijden zouden opleveren.
Hoe de Belt de scope bepaalde
Een Green Belt-project moet klein genoeg zijn om in deeltijd gedurende een paar maanden uit te voeren, wat betekent dat de scope moet worden afgebakend voordat de gegevensverzamelingsfase begint. In dit geval betrof de scope één helder gedefinieerd proces: de milkrun-bevoorradingscyclus ten behoeve van de productielijnen, gemeten aan de hand van de route-voltooiingstijd. Het project probeerde niet de hele interne supply chain te herontwerpen, leverancierscontracten te heronderhandelen of extern vrachtverkeer aan te raken. Het koos één meetbare output, routetijd, met een specifiek en pijnlijk symptoom: een aanzienlijk aandeel ritten dat de doelstelling van 30 minuten overschreed.
Die keuze van de scope is belangrijk voor iedereen die dit als sjabloon bestudeert. Een Green Belt-charter moet het proces, de grens (start- en eindpunt van de route in dit geval), de primaire metriek en het pijnpunt waar mogelijk in cijfers vermelden, in plaats van een vage klacht over "trage logistiek."
Toegepaste tools, fase per fase
Definiëren
Het team definieerde het proces als de vaste milkrun-cyclus van het magazijn naar de supermarkets aan de lijn, met de voltooiingstijd van de route als de Y. Een SIPOC-achtige kaart zou hier typisch passen: chauffeur, voertuig, route, stops en de productielijnen als klanten van het proces.
Meten
Het team verzamelde gegevens over de routetijden over cycli en routes heen om een baseline vast te stellen. Het vaststellen van een baseline-verdeling is precies de stap waarin een Green Belt een proces-c capacidadsstudie zou uitvoeren ten opzichte van de doelstelling van 30 minuten, en de betrouwbaarheid van het meetcysteem zou controleren alvorens de cijfers te vertrouwen.
Analyseren
Met de baselinegegevens bij de hand is de analysestofa de plek waar een Green Belt-trainee de statistische gereedschapskist zou toepassen die op dit niveau wordt geleerd: het vergelijken van routetijden over chauffeurs, diensten of routes heen met t-tests of ANOVA om te zien of verschillen te wijten waren aan toewijsbare oorzaken of gemeenschappelijke variatie, en het gebruik van root cause-tools zoals Ishikawa-diagrammen en stratificatie om problemen in het route-ontwerp te scheiden van het gedrag van de chauffeur of de volgorde van de stops. Het gepubliceerde verslag richt zich op het resultaat in plaats van op elke tussentijdse statistische toets, maar de structuur van het project, dat beweegt van een variabele baseline naar een helder gediagnosticeerde set oorzaken, volgt dezelfde logica.
Verbeteren
Verbeteringen waren gericht op de bronnen van variatie en overtollige tijd die in de analysefase waren geïdentificeerd: hoogstwaarschijnlijk routevolgorde, stopconsolidatie en het standaardiseren van de manier waarop vrachten werden klaargezet. Het resultaat was een verschuiving in niet alleen de gemiddelde tijd, maar ook in de spreiding van de tijden, wat het kenmerk is van een echte oplossing voor variatiereductie in plaats van een eenmalige geluksdag.
Beheersen
Om de behaalde winst vast te houden, zou een Green Belt de nieuwe routestandaard op een control chart plaatsen die de routetijd per cyclus bijhoudt, met limieten gekoppeld aan de doelstelling van 30 minuten en een responsplan voor punten die buiten de controle vallen. Dat is het mechanisme dat voorkomt dat een project terugvalt naar de baseline zes maanden nadat de Belt is doorgegaan naar iets anders.
Wat het resultaat was
Het gedocumenteerde resultaat is concreet. De toepassing van de Six Sigma-methodologie resulteerde in een vermindering van het aantal routes dat er langer dan 30 minuten over deed om te worden voltooid van 25 tot 3 procent, een verlaging van de variatiecoëfficiënt van de routetijd van 40 tot 14 procent, en een daling van de gemiddelde routetijd van 31 tot 24 minuten. Deze resultaten hadden een aanzienlijke financiële impact doordat ze de eliminatie mogelijk maakten van een van de drie bestaande routes zonder enige negatieve impact op het bevoorradingsproces van de supermarket, wat leidde tot een daling van het aantal manuren en kosten door de eliminatie van twee milkruns.
Bij dat laatste punt is het de moeite waard om even stil te staan. De financiële opbrengst kwam hier niet voort uit één dramatische ingreep. Het vloeide voort uit het zodanig inperken van de variabiliteit dat het bedrijf veilig drie routes kon consolideren tot minder, waardoor voertuigen en arbeidsuren werden verminderd zonder ooit de klantgerichte kant van het bedrijf aan te raken. Dat is een veelvoorkomende vorm voor interne logistieke Green Belt-projecten: de winst is vrijgemaakte capaciteit, niet een verminderd aantal defecten.
Wat een cursist hiervan moet meenemen
| Les | Waarom het ertoe doet op Green Belt-niveau |
|---|---|
| Beperk de scope tot één meetbaar proces | Het project bleef binnen één intern routesysteem in plaats van de hele supply chain, wat het haalbaar hield in deeltijd. |
| Volg variabiliteit, niet alleen het gemiddelde | De variatiereductie, en niet alleen de gemiddelde tijd, is wat het bedrijf in staat stelde om veilig een route te schrappen. |
| Laat de data structurele veranderingen rechtvaardigen | Het consolideren van routes was pas verdedigbaar toen de data lieten zien dat de resterende routes de belasting betrouwbaar konden opvangen. |
| Controleplannen beschermen de winst | Elke winst in routetijd vereist een doorlopende chart en responsregel, anders kruipt de oude variatie weer terug. |
Voor een trainee die de logistieke toepassingen van DMAIC bestudeert, is de waarde van deze casus dat het laat zien hoe een project op Green Belt-schaal een hard operationeel resultaat oplevert – minder voertuigen en minder manuren – uit wat op het eerste oog lijkt op een routinematig intern leveringsprobleem. Het is een herinnering dat de discipline van procesmapping, capaciteitsanalyse, root cause-onderzoek en een controleplan net zo goed van toepassing is op een hefruimte-route binnen een fabriek als op een klantgerichte zending.
