Så här ansöker Six Sigma Multi Vari Studie till en Real World Problem

September 14

Betrakta ett exempel på en verklig situation där du kan använda en multi vari studie för ett Sigma Six-projektet. Den kan användas för att klippa ner en stor samling av potentiella faktorer och upptäcka de "kritiska några" faktorer som verkligen driver prestanda processen.

En etikett leverantör tillverkar etiketter på rullar av självhäftande baksida remsa. En kritisk egenskap hos denna process är styrkan i vidhäftningen av etiketterna till bärarremsan. Om det är för stark, etiketterna har svårt att komma loss från stödremsan och orsaka problem i etikett tillämpa maskiner av bolagets kunder. Om det är för svag, etiketterna faller av de produkter de är placerade på.

Under de senaste två månaderna, har variationen i etikettvidhäftningsstyrka varierade från 0,8 till 6,3 pounds. Denna diskrepans har blivit en betydande kundproblem. Den tvärfunktionella team har skapat fiskbensdiagram och processflödesscheman identifiera många möjliga variabler och orsaker och har kommit med flera teorier om vilka faktorer som bidrar till etikettvidhäftningsvariationen:

  • Det är ett problem med klisterappliceringsutrustning, vilket leder till inkonsekvent vidhäftning av etiketterna.
  • Det är en operatör fråga drivs av problem på swing skift.
  • Det är på grund av alltför variation i limmet självt.

Du har blivit ombedd att använda datadrivna metoder för att fokusera och styra förbättrings projektgruppen. Detta scenario är en perfekt situation för att använda multi vari studie för att objektivt begränsa ett fält av många möjliga faktorer ner till den verkliga orsaken. Här är hur du gör det:

  1. Därefter bestäms den historiska nivån av problem variationen i processen.

    Den historiska nivån av variation i adhesionsförmågan hos processen är 0,8-6,3 pounds. Detta exempel studien kommer att behöva fortsätta fram till ungefär den variations observeras för att se den skyldige faktorn fångas inom studien.
  2. Definiera studieenheten.

    Hur ska en enhet i detta exempel studien definieras? Adhesionskraft kan inte mätas mer än en gång på en enda etikett, så ställer studieenheten som en enda etikett inte är genomförbar. Vad sägs om att använda en fem-label sektionen avskurna en rulle som enhet? Denna inställning kan mätas upp till fem gånger, så du definierar en enhet för att vara en fem-etikettremsan bort av en rulle.
  3. Samla data från processen.

    Du bestämmer dig för att starta multi vari studie genom att ta tre på varandra följande fem etikettremsor från varje produktionsskift och sedan testa alla fem etiketter på varje av dessa remsor.

    Tid (Shift) 11:15 (Dag) 17:35 (Swing) 06:05 (Grave)
    5-Label Strip 1. 2. 3. 1. 2. 3. 1. 2. 3.
    Etikett pos. 1 5,5 4,9 4,5 5,0 4,8 3,9 3,2 1,2 4,7
    Etikett pos. 2 4,7 4,8 2,7 4,4 3,1 4,8 0,8 3,6 3,3
    Etikett pos. 3 4,8 5,5 4,9 3,7 3,8 4,0 4,5 0,7 5,0
    Etikett pos. 4 5,4 4,0 4,0 4,2 3,7 4,1 5,0 5,0 4,8
    Etikett pos. 5 5,6 5,3 6,0 4,0 4,3 4,7 4,8 3,2 5,0
    Granskning data, kan du se att några av de kraftmätningar falla ner till 0,7- och 0,8-pound sortiment; några får också så hög som 6 pounds. Denna observerade intervallet är ungefär samma som 0,8-till-6,3-pound intervall som observerats historiskt, så du vet att du har tillräckligt med data.
  4. Skapa multi vari tomt.

    Plotta data i positions, cykliska, och världsliga grupper, kan du skapa en grafisk fler vari bild av dina data.

    Så här ansöker Six Sigma Multi Vari Studie till en Real World Problem

  5. Tolka multi vari tomt.

    Granska storlekarna av var och en av de kategorier av variation - positions, cykliska, och världsliga. Den största storleken på variationen i processen utgången (adhesion) sker inom enskilda enheter.

    Så här ansöker Six Sigma Multi Vari Studie till en Real World Problem

Du kan dra dessa slutsatser från flera vari diagram:

  • Positions variation är den största källan till variation.
  • Adhesion visar viss försämring under dagen.
  • De Grave Shift avläsningar har mest variation.
  • De swing skift avläsningar har minst variation.
  • Den lägesvariation och temporal variation kan samverka.

Nu kan du gå tillbaka och se över alla möjliga faktorer som identifierats i fiskbensdiagrammet eller processflödeskartan. Du kan korsa någon faktor som var cyklisk utanför listan över objekt för vidare utredning och flagga positions faktorer och eventuella relaterade tidsfaktorer.