Kontekst
Opublikowane studium przypadku autorstwa Ferreiry, Silvy i Mesquity analizuje producenta domowych urządzeń do podgrzewania wody, który wdrożył projekt DMAIC w jednym ze swoich wewnętrznych procesów logistycznych. W artykule przedstawiono studium przypadku pokazujące, jak producent domowych urządzeń do podgrzewania wody wykorzystał metodykę Define-Measure-Analyze-Improve-Control (DMAIC) w ramach Six Sigma do usprawnienia jednego ze swoich wewnętrznych procesów logistycznych – uzupełniania zapasów w supermarkecie na liniach produkcyjnych. Jest to tego rodzaju wewnętrzny, mało efektowny proces, który często powierza się osobom posiadającym Green Belt w logistyce: nie chodzi tu o trasę dostaw do klienta, lecz o pętlę dostawczą (milk-run), która zapewnia stały przepływ części z magazynów na linię produkcyjną wewnątrz zakładu.
System Milk-Run to wewnętrzny system dostaw po stałej trasie: wózek ciągnikowy lub mały pojazd porusza się wyznaczoną ścieżką w określonych odstępach czasu, dostarczając komponenty do przyzakładowych „supermarketów”, dzięki czemu operatorom nigdy nie brakuje części. Gdy trasa pętli Milk-Run trwa dłużej niż planowano, linia ryzykuje przestój z powodu braku części albo firma musi przydzielić dodatkowych pracowników i pojazdy, aby to zrekompensować. Ta różnica między planowanym a rzeczywistym czasem trasy była impulsem do rozpoczęcia projektu.
Problem
Problem koncentrował się wokół niepewności co do czasu realizacji tych tras – niepewności, która generowała zapasy buforowe i stwarzała problemy planistyczne dla obsługiwanych linii. W artykule opisano, jak producent domowych urządzeń do podgrzewania wody wykorzystał metodykę DMAIC w ramach Six Sigma do usprawnienia jednego ze swoich wewnętrznych procesów logistycznych, jakim było uzupełnianie zapasów w supermarkecie na liniach produkcyjnych, przybliżając go do światowego poziomu jakości. Mówiąc wprost: istniały trzy trasy dostawcze typu milk-run i nikt nie był w stanie wiarygodnie określić, ile czasu zajmie jakakolwiek z nich w danym cyklu. Niektóre przejazdy kończyły się na czas. Inne trwały na tyle długo, że zagrażały ciągłości dostaw przy linii, a firma nie miała sposobu, by przewidzieć, które dni będą problematyczne.
Jak określił to ekspert
Projekt Green Belt musi być na tyle mały, by można go było realizować w niepełnym wymiarze godzin przez kilka miesięcy, co oznacza, że jego zakres trzeba precyzyjnie określić przed rozpoczęciem zbierania danych. W tym przypadku zakres obejmował jeden wyraźnie zdefiniowany proces: cykl uzupełniania zapasów Milk-Run obsługujący linie produkcyjne, mierzony czasem przejścia trasy. Projekt nie miał na celu przeprojektowania całego wewnętrznego łańcucha dostaw, ponownego negocjowania umów z dostawcami ani ingerowania w transport zewnętrzny. Wybrano jeden mierzalny rezultat – czas trasy – posiadający konkretny i uciążliwy objaw: znaczący udział przejazdów przekraczających docelowy czas 30 minut.
Wybór takiego zakresu jest istotny dla każdego, kto analizuje ten przypadek jako wzorzec. Karta projektu (Charter) dla poziomu Green Belt powinna określać proces, jego granice (w tym przypadku punkt początkowy i końcowy trasy), główny wskaźnik oraz – tam, gdzie to możliwe – problem ujęty liczbowo, a nie ogólnikową skargę na „wolną logistykę”.
Zastosowane narzędzia, faza po fazie
Define (Zdefiniuj)
Zespół zdefiniował proces jako cykl pętli Milk-Run po stałej trasie z magazynów do przyzakładowych supermarketów, przyjmując czas realizacji trasy jako zmienną Y. W tym miejscu zazwyczaj umieszcza się mapę typu SIPOC: kierowca, pojazd, trasa, przystanki oraz linie produkcyjne jako klienci procesu.
Measure (Zmierz)
Zbiór danych o czasie trasy zebrano w rozbiciu na cykle i trasy, aby ustalić stan wyjściowy (baseline). Wyznaczenie rozkładu wyjściowego to dokładnie ten krok, w którym osoba na poziomie Green Belt przeprowadziłaby badanie zdolności procesu w odniesieniu do celu 30 minut oraz sprawdziła niezawodność systemu pomiarowego (MSA) przed zaufaniem danym.
Analyze (Przeanalizuj)
Mając pod ręką dane wyjściowe, na etapie analizy (Analyze) osoba ucząca się na poziomie Green Belt zastosowałaby zestaw narzędzi statystycznych przeznaczony dla tego poziomu: porównanie czasów tras między kierowcami, zmianami lub trasami za pomocą testów t lub analizy ANOVA, aby sprawdzić, czy różnice wynikały z przyczyn specjalnych, czy ze zmienności ogólnej, a także użycie narzędzi do badania przyczyn źródłowych, takich jak diagramy Ishikawy i stratyfikacja, do oddzielenia kwestii projektowych trasy od zachowania kierowców czy sekwencji przystanków. Opublikowany opis skupia się na wyniku, a nie na każdym pośrednim teście statystycznym, lecz struktura projektu – przechodząca od zmiennego stanu wyjściowego do zdiagnozowanego zestawu przyczyn – podąża dokładnie za tą logiką.
Improve (Udoskonal)
Usprawnienia (Improve) ukierunkowano na źródła zmienności i nadmiernego czasu zidentyfikowane na etapie Analyze – najprawdopodobniej sekwencjonowanie tras, konsolidację przystanków oraz standaryzację sposobu przygotowywania ładunków. Rezultatem była zmiana nie tylko średniego czasu, ale także rozrzutu wyników, co jest znakiem rozpoznawczym prawdziwej redukcji zmienności, a nie jednorazowego, szczęśliwego przypadku.
Control (Skontroluj)
Aby utrzymać osiągnięte zyski (Control), Green Belt umieściłby nowy standard trasy na karcie kontrolnej śledzącej czas trasy w poszczególnych cyklach, z limitami powiązanymi z 30-minutowym celem oraz planem reakcji dla punktów poza kontrolą. Jest to mechanizm, który zapobiega powrotowi procesu do stanu wyjściowego po sześciu miesiącach od przejścia Lidera do innych zadań.
Jaki był rezultat
Udokumentowany rezultat jest konkretny. Zastosowanie metodyki Six Sigma doprowadziło do zmniejszenia udziału tras trwających dłużej niż 30 minut z 25 do 3 procent, redukcji współczynnika zmienności czasu trasy z 40 do 14 procent oraz skrócenia średniego czasu trasy z 31 do 24 minut. Wyniki te przyniosły znaczący efekt finansowy, umożliwiając likwidację jednej z trzech istniejących tras bez jakiegokolwiek negatywnego wpływu na proces uzupełniania zapasów w supermarkecie, co przełożyło się na spadek liczby roboczogodzin i kosztów dzięki wyeliminowaniu dwóch przejazdów milk-run.
Warto zatrzymać się przy tym ostatnim punkcie. Korzyść finansowa nie wynikała z pojedynczej, spektakularnej zmiany. Wzięła się ona ze zmniejszenia zmienności na tyle, że firma mogła bezpiecznie połączyć trzy trasy w mniejszą ich liczbę, co ograniczyło flotę pojazdów oraz godziny pracy bez naruszania zewnętrznej obsługi klienta. Jest to powszechny schemat w projektach Green Belt dotyczących logistyki wewnętrznej: wygraną jest uwolniona wydajność, a nie tylko zmniejszenie liczby defektów.
Co z tego powinien wynieść uczestnik szkolenia
| Lekcja | Dlaczego ma to znaczenie na poziomie Green Belt |
|---|---|
| Zawężenie zakresu do jednego mierzalnego procesu | Projekt pozostał w obszarze jednego wewnętrznego systemu tras, a nie całego łańcucha dostaw, co umożliwiło jego realizację w niepełnym wymiarze godzin. |
| Śledzenie zmienności, a nie tylko średniej | To redukcja zmienności, a nie samo zmniejszenie średniego czasu, pozwoliła firmie bezpiecznie zredukować jedną z tras. |
| Uzasadnianie zmian strukturalnych danymi | Konsolidacja tras była możliwa do obrony dopiero wtedy, gdy dane wykazały, że pozostałe trasy mogą niezawodnie przejąć całe obciążenie. |
| Plany kontroli chronią osiągnięte zyski | Każdy sukces w skróceniu czasu trasy wymaga stałej karty kontrolnej i reguły reakcji, w przeciwnym razie dawna zmienność powróci. |
Dla osoby uczącej się zastosowań DMAIC w logistyce wartość tego przypadku polega na tym, że pokazuje on, jak projekt o skali Green Belt przynosi twarde rezultaty operacyjne – mniej pojazdów i mniej roboczogodzin – z problemu, który z zewnątrz wygląda na rutynowy proces wewnętrznych dostaw. To przypomnienie, że dyscyplina mapowania procesów, analizy zdolności, identyfikacji przyczyn źródłowych i planu kontroli ma zastosowanie w równym stopniu do trasy wózka widłowego w fabryce, jak i do przesyłki kierowanej do klienta.
