Process Mining ger DMAIC teams event records for examining process paths and repeated activities. The Process Mining for Six Sigma study, published in the 2021 journal volume, developed a guideline aligning these techniques with DMAIC. Before extracting a log, the team needs to identify the improvement decision those records will support.
Definiera DMAIC-avgränsningen innan händelser extraheras
ASQ:s DMAIC-vägledning placerar projektavgränsning och kundkrav i Define. En SIPOC hjälper teamet att komma överens om analysenheten och dess gränser. Projektbrevet definierar sedan ett ärende och dess startpunkt för mätning. Det specificerar också det resultat som räknas som ett framgångsrikt slutförande.
Orimligt lång förfluten tid och felaktiga utdata som kräver korrigering behöver separata operativa definitioner i projektets problemformulering. Sponsorns Define-granskning bör avgöra vilket kundkrav som har prioritet. Den bör också identifiera det kvalitetsmått som måste skyddas när teamet ändrar processen.
Measure: fastställ vad händelseloggen kan representera
En konventionell händelselogg kopplar varje aktivitet till ett ärende och registrerar när den inträffade. Resursinformation är valfri, som beskrivs i PMSS-artikeln. Mätplanen för DMAIC behöver en definition för varje fält innan teamet beräknar prestanda:
- Ärendeidentifierare: den processinstans som följs genom den överenskomna SIPOC-gränsen.
- Aktivitet: det affärssteg som representeras av varje registrerad händelse.
- Tidsstämpel: den punkt som registrerats av systemet, såsom aktivitetens start eller slutförande.
- Ytterligare attribut: de resurs- eller ärendegenskaper som behövs för planerade jämförelser.
Measure-granskningen måste också fastställa hur mycket arbete loggen fångar upp. I en 2024-studie i Data & Knowledge Engineering observerade forskare sex anställda vid ett professionellt tjänsteföretag. De fann att en logg från det huvudsakliga transformationssystemet skulle representera cirka 69 % av den observerade tiden för datatransformation och validering. Täckningen sjönk till 32.5 % när den utvärderades mot allt relevant kundrelaterat arbete. Dessa procentsatser gäller för det studerade företaget.
För ett Lean Six Sigma-team väcker denna täckningslucka ett avgränsningsbeslut: fångar den föreslagna loggen det arbete som anges i projektbrevet? En Gemba-vandring tillsammans med extraktionsgranskningen hjälper till att identifiera arbete som saknas i systemdataposterna. Leverabeln i Measure bör namnge dessa utelämnade aktiviteter och förklara hur deras frånvaro begränsar analysen.
En flaskhalsundersökning behöver mer än ett långt tidsintervall
Ett långt tidsintervall mellan tidsstämplar behöver en förklaring innan Analyze-teamet behandlar det som ett kapacitetsproblem. En studie i Information Systems från 2024 delar upp väntetid mellan aktiviteter i fem orsaker: batchning, resurssamordning/konflikter, prioritering, resursotillgänglighet och utomstående faktorer. Forskarna utvärderade sitt tillvägagångssätt med syntetiska loggar och demonstrerade det på en verklig process. Dessa kategorier ger Lean Six Sigma-team specifika orsaker att undersöka innan de föreslår ytterligare kapacitet.
Analysplanen för DMAIC bör skilja förfluten tid mellan registrerade händelser från väntan innan en aktivitet kan starta. Den skillnaden beror på vad tidsstämplarna registrerar och hur analysen hanterar arbetskalendrar. När fördröjningskategorierna har bekräftats rangordnar ett Paretodiagram dem efter ackumulerad tid inom projektavgränsningen.
Konkurrerande förklaringar hör hemma i ett Ishikawa-diagram. Om teamet misstänker batchning behöver Analyze-granskningen bevis som kopplar frisläppningsregler till de observerade fördröjningarna. En pilot som ändrar dessa regler testar en annan orsak än en pilot som ändrar resurstillgängligheten.
Klassificera omarbetning innan avvikelser räknas
Faktureringsdemonstrationen i PMSS-artikeln jämför ärenden som innehåller aktivitetsupprepningar med andra ärenden och undersöker deras vägar och bearbetningstider. Den jämförelsen identifierar ärenden för undersökning. Att räkna upprepningar som avvikelser kräver en affärsregel, godkänd av Process Owner, som skiljer korrigerande arbete från tillåten upprepning.
För DMAIC är ett föreslaget mått andelen kvalificerade ärenden som innehåller minst en bekräftad korrigerande upprepning. En separat räkning av extra upprepningar fångar korrigeringsarbetsbelastningen. Avvikelsemåttet på ärendenivå har sedan en definierad regel som en 5 varför-undersökning kan testa mot enskilda ärenden.
Förbättra genom en pilot kopplad till den misstänkta orsaken
ASQ placerar lösningsutvärdering i Improve. Pilotförslaget bör koppla den valda förändringen till ett fynd från Analyze. Att behålla referenslinjens ärendedefinition ger teamet en konsekvent grund för jämförelse; ett angivet godkännanderesultat sätter testet för förändringen. I ett omarbetningsprojekt bör piloten testa ett Poka-Yoke-förslag mot den bekräftade korrigeringskategorin före bredare införande.
Vid Improve-granskningen skulle jag fråga hur pilot- och referensgruppen för ärenden jämförs, inklusive eventuella skillnader i arbetsbelastning eller ärendemix. Sponsorn måste också se det skyddade kvalitetsmåttet tillsammans med den förflutna tiden. Ett kortare intervall på instrumentpanelen för Process Mining är otillräckligt bevis för godkännande om ärendemixen har ändrats eller om avvikelserna har ökat.
Styrplaner måste inkludera pipelinen för händelsedata
ASQ:s Control-fas inkluderar långsiktiga mät- och reaktionsplaner. Styrplanen bör också namnge ägaren till händelseextraheringens aktivitetsdefinitioner och fastställa vem som godkänner kartläggningsändringar. Saknade dataposter behöver en dokumenterad hantering. Återkommande omarbetning och försämrad loggtäckning behöver vardera ett tilldelat svar.
Dokumenterade mätdefinitioner måste följa med hela vägen till styrdiagrammen. Om en systemändring ändrar vad en tidsstämpel registrerar behöver Process Owner en mätgranskning innan nästa prestandasignal tolkas.
Källor
- Business & Information Systems Engineering (2021), Process Mining for Six Sigma: https://link.springer.com/article/10.1007/s12599-020-00649-w
- Data & Knowledge Engineering (2024), Capturing and Analysing Employee Behaviour: An Honest Day’s Work Record: https://research-portal.uu.nl/ws/portalfiles/portal/239370240/1-s2.0-S0169023X24000740-main.pdf
