Publikacije

Ta prvi zvezek uči osnove reševanja problemov pretoka in temeljna načela Lean Managementa. Knjiga je namenjena študentom in predavateljem Lean Six Sigma ter menedžerjem, ki želijo preseči zgolj usvajanje formul in razviti svoje prakse na trdnih teoretičnih temeljih. Ob spoštovanju zgodovinskih korenin, duha in uveljavljene terminologije Lean Six Sigma si knjiga prizadeva opredeliti, združiti in formalizirati njena temeljna načela.

Ta drugi zvezek podrobno opisuje izvajanje pristopa v podjetjih in generični metodološki protokol DMAIC. Na podlagi izvirne definicije statističnih problemov uči osnove reševanja "razpoznavnih" statističnih problemov in temeljna načela Six Sigma. Knjiga je namenjena študentom in učiteljem Lean Six Sigma ter izvajalcem operativnih izboljšav, ki želijo preseči zgolj usvajanje formul in razviti svoje prakse na podlagi trdnega teoretičnega okvira.

Povzetek:

%GRR in število ločenih kategorij (NDC) se pogosto uporabljata kot kazalnika sposobnosti merilnega sistema. Vendar je običajno sprejeti formuli za izračun NDC dodeljen koeficient, katerega izvor je pripeljal do soobstoja dveh različnih in zavajajočih razlag NDC. Priporočamo odstranitev tega koeficienta, da bi se držali definicije ločljivosti merilnega sistema ali enakovrednega koncepta razmerja med signalom in šumom. Predlagamo tudi uskladitev pragov sprejemljivosti za %GRR in NDC.

Povzetek:

Kot del faze Measure (Merjenje) projekta Six Sigma (DMAIC) je ključnega pomena določiti velikost vzorca, ki ustreza zahtevani statistični natančnosti pri oceni sposobnosti procesa (tukaj opredeljeni kot pričakovani delež enot z napako). Izvajalce Six Sigma se splošno uči uporabljati ali izkušnje (s čimer se izognejo zahtevi po natančnosti) ali formulo za velikost vzorca, ki omogoča opredelitev zahtevane natančnosti. Čeprav je takšna formula navedena za binarne podatke, se pri podatkih o štetju napak običajna poučevana formula nanaša na ocenjevanje povprečnega števila napak na enoto in ne deleža enot z napako (t.j. stopnje napak). Ta članek razvija formulo in izpeljane tabele za izračun velikosti vzorca, potrebne za doseganje zahtevane statistične natančnosti glede stopnje napak pri delu z metriko štetja napak. Obratno se izračuna natančnost, pridobljena za dano velikost vzorca. Rezultati so nato primerjani s tistimi za binarne podatke in predlagano je, da je izračun velikosti vzorca za binarne podatke vreden razmisleka kot sprejemljiva, za uporabo lažja alternativa. Poudarjen je tudi izziv za pridobitev ustrezne natančnosti zaradi zahtev glede velikosti vzorca pri delu z nizkimi stopnjami napak.

Povzetek:

Kot del faze Measure (Merjenje) projekta Six Sigma (DMAIC) je ključnega pomena določiti velikost vzorca, ki ustreza zahtevani statistični natančnosti pri oceni sposobnosti procesa (tukaj opredeljeni kot pričakovani delež enot z napako). Izvajalce Six Sigma se splošno uči uporabljati ali izkušnje (s čimer se izognejo zahtevi po natančnosti) ali formulo za velikost vzorca, ki omogoča opredelitev zahtevane natančnosti. Čeprav je takšna formula navedena za binarne podatke, se pri zveznih podatkih običajna poučevana formula nanaša na ocenjevanje povprečja in ne stopnje napak. Drugi alternativni pristopi se nanašajo na izračun velikosti vzorca na podlagi natančnosti indeksov sposobnosti procesa, zasnovanih za predelovalno industrijo. Vendar ti tehnični indeksi pogosto niso ustrezni za večino uporabnikov in menedžerjev, ki ne delajo v specifičnih proizvodnih okoljih. Ta članek razvija rešitve za izračun velikosti vzorca, potrebne za doseganje zahtevane statistične natančnosti glede stopnje napak pri delu z zvezno metriko v obeh primerih, z eno in z dvema tolerančnima mejama. Obratno se izračuna natančnost, pridobljena za dano velikost vzorca. Poudarjen je tudi izziv ocenjevanja visokih ravni zmogljivosti Sigma zaradi zahtevane velikosti vzorca.