Publikasjoner

Dette første bindet lærer bort det grunnleggende innen problemløsning for flyt og de grunnleggende prinsippene for Lean Management. Boken er ment for studenter og instruktører i Lean Six Sigma, samt ledere som ønsker å gå utover det å bare tilegne seg formler, og heller utvikle sin praksis på et solid teoretisk fundament. Samtidig som de historiske røttene, ånden og den etablerte terminologien i Lean Six Sigma respekteres, tilstreber boken å identifisere, forene og formalisere de underliggende grunnleggende prinsippene.

Dette andre bindet detaljerer implementeringen av tilnærmingen i bedrifter og den generiske DMAIC-metodologiske protokollen. Basert på en original definisjon av statistiske problemer, lærer den bort det grunnleggende om å løse "identifiserbare" statistiske problemer og de grunnleggende prinsippene i Six Sigma. Boken er ment for studenter og lærere i Lean Six Sigma, samt utøvere innen operasjonell forbedring som ønsker å gå utover det å bare tilegne seg formler, og utvikle sin praksis basert på et solid teoretisk rammeverk.

Dette tredje bindet lærer deg hvordan du analyserer og reduserer problemer der årsakene forblir uatskillelige i enkelttilfeller. Med utgangspunkt i en original analogi med optikk, forklares det hvordan du kalibrerer analytiske ressurser i forhold til forbedringen som søkes. Boken viser hvordan du bruker hypotesetesting til å identifisere nyttige forbedringstiltak, vurdere realistisk oppnåelige gevinster og avgjøre om foreslåtte løsninger kan nå målet. Boken er beregnet på Six Sigma-utøvere og brukere av statistisk analyse som ønsker å utnytte beslutningspotensialet i små datasett til fulle.

Sammendrag :

%GRR og antall adskilte kategorier (NDC) er mye brukt som kapabilitetsindikatorer for målesystemer. Imidlertid har den vanlige beregningsformelen for NDC en koeffisient hvis opprinnelse har ført til at to ulike og misvisende tolkninger av NDC eksisterer side om side. Vi anbefaler å fjerne denne koeffisienten for å holde oss til definisjonen av målesystemoppløsning eller tilsvarende signal-til-støy-konsept. Vi foreslår også en rejustering av aksepttersklene for %GRR og NDC.

Sammendrag :

Som en del av Måle-fasen i et Six Sigma (DMAIC)-prosjekt, er det avgjørende å bestemme utvalgsstørrelsen som er passende gitt den statistiske presisjonen som kreves for estimeringen av prosesskapabiliteten (her definert som forventet andel defekte enheter). Six Sigma-utøvere læres generelt opp til å bruke enten en tommelfingerregel (og dermed hoppe over presisjonskravet) eller en formel for utvalgsstørrelse som gjør det mulig å spesifisere den required presisjonen. Mens en slik formel oppgis for binære data, er den vanlige formelen som læres bort for telledata av feil rettet mot å estimere gjennomsnittlig antall feil per enhet, og ikke andelen defekte enheter (dvs. feilraten). Denne artikkelen utarbeider en formel og tilhørende tabeller for å beregne utvalgsstørrelsen som kreves for å oppnå den nødvendige statistiske presisjonen på feilraten ved arbeid med telleriske feilmålinger. Omvendt beregnes også presisjonen som oppnås for en gitt utvalgsstørrelse. Resultatene sammenlignes deretter med resultatene for binære data, og det foreslås at beregningen av utvalgsstørrelse for binære data er verdt å vurdere som et akseptabelt og enklere alternativ. Utfordringen med å oppnå tilstrekkelig presisjon på grunn av kravene til utvalgsstørrelse ved lave feilrater blir også belyst.

Sammendrag :

Som en del av Måle-fasen i et Six Sigma (DMAIC)-prosjekt, er det avgjørende å bestemme utvalgsstørrelsen som er passende gitt den statistiske presisjonen som kreves for estimeringen av prosesskapabiliteten (her definert som forventet andel defekte enheter). Six Sigma-utøvere læres generelt opp til å bruke enten en tommelfingerregel (og dermed hoppe over presisjonskravet) eller en formel for utvalgsstørrelse som gjør det mulig å spesifisere den required presisjonen. Mens en slik formel oppgis for binære data, dreier den vanlige formelen som læres bort for kontinuerlige data seg om å estimere gjennomsnittet og ikke feilraten. Andre alternative tilnærminger handler om å beregne utvalgsstørrelsen basert på presisjon på prosesskapabilitetsindekser utformet for produksjonsindustrien. Disse tekniske indeksene er imidlertid ofte ikke relevante for de fleste brukere og ledere som ikke jobber i spesifikke produksjonsmiljøer. Denne artikkelen utarbeider løsninger for å beregne utvalgsstørrelsen som kreves for å oppnå den nødvendige statistiske presisjonen på feilraten ved arbeid med en kontinuerlig måling, både ved én og to spesifikasjonsgrenser. Omvendt beregnes presisjonen som oppnås for en gitt utvalgsstørrelse. Utfordringen med å evaluere høye Sigma-ytelsesnivåer på grunn av den required utvalgsstørrelsen blir også belyst.