Six Sigma
Efektywnie optymalizujemy procesy
korzystając z metody DMAIC
Efektywnie optymalizujemy procesy
Oznacza strategiczną zmianę sposobu funkcjonowania przedsiębiorstwa. Jasno sprecyzowane i osiągnięte cele to konkretne rezultaty finansowe. Podejmując się tego wyzwania decydujemy się na wejście przedsiębiorstwa na wyższy poziom jakości zarządzania przedsiębiorstwem. Wdrażając Six Sigmę wprowadzamy model podejmowania decyzji oparty o dane, fakty i liczby. Odrzucamy podejście emocjonalne.
Rozwój przedsiębiorstwa w wymagającym, szybko zmieniającym się rynku musi opierać się na ciągłym rozwoju i redukcji kosztów operacyjnych. Zrozumienie i ograniczanie zmienności zidentyfikowanych problemów umożliwia dostarczanie najwyżej jakości produktów do klienta wewnętrznego oraz zewnętrznego.
Metoda rozwiązywania problemów oparta na przeprowadzeniu eksperymentów. Pozwala znaleźć i ocenić wpływ parametrów wejściowych procesu na parametry wyjściowe. Dzięki temu jesteśmy w stanie zredukować zmienność procesów i wyznaczyć optymalny poziom parametrów. Pozwala to uzyskać akceptowalny poziom jakości naszych produktów.
ilości reklamacji
czasy cykli procesów
ilości awarii maszyn i urządzeń
produkcję wadliwych produktów
koszty operacyjne przedsiębiorstwa
zmienność procesów produkcyjnych
jakość produkcyjną
świadomość pracowniczą
wydajność linii produkcyjnych
kluczowe wskaźniki efektywności
wyniki finansowe przedsiębiorstwa
stabilność procesów produkcyjnych
Rozwiązanie oficjalnej reklamacji od klienta.
Statistical Process Control
Indvidual value plot
Poka Yoke
Zabezpieczenie klienta oraz powołanie zespołu ds. reklamacji. Identyfikacja potencjalnych przyczyn problemu oraz przeprowadzenie testów na produkcji w celu identyfikacji źródła powstawania niezgodności. Wdrożenie środków zaradczych i planu kontroli.
Wdrożono kontrolę SPC istotnych parametrów oraz zabezpieczono klienta.
Zmniejszenie wskaźnika awaryjności maszyn.
ANOVA (Analiza zmienności)
Time Series Plot
Pareto Chart
Analiza awaryjności wytypowanych gniazd produkcyjnych na podstawie wykresu Pareto. Identyfikacja potencjalnych przyczyn przestojów w zespole projektowym. Zwiększenie częstotliwości przeglądów technicznych dla istotnych parametrów procesu.
Redukcja występowania awarii maszyn do poziomu 3%. Zwiększono dostępność do poziomu 76% (Availability).
Zwiększenie efektywności linii montażowej.
Testowanie statystyczne
Test for Equal Variances
Wykresy korelacji
Potencjalne przyczyny zostały określone przez zespół projektowy. Wykonano testy statystyczne na podstawie danych produkcyjnych. Przeprowadzono warsztaty optymalizacyjne.
Znaczące obniżenie odchylenia standardowego dla współczynnika efektywności. Wzrost efektywności gniazda produkcyjnego o 30%.
Wyznaczenie najlepszych parametrów procesu zgrzewania.
Wykresy korelacji parametrów
DoE (Design of Experiment)
Pareto Chart
Zespół projektowy wybrał dane wejściowe do eksperymentu. Wyprodukowano części na podstawie wyznaczonych parametrów. Przeprowadzono statyczną próbę rozciągania w celu doboru odpowiednich wskaźników.
Wyznaczono optymalny zestaw istotnych parametrów zgrzewania. Wytrzymałość zgrzewu wzrosła o 40%.
Zmniejszenie wskaźnika odpadu produkcyjnego.
Wykresy korelacji
Diagram Pareto
Burza mózgów
Zbudowano zespół projektowy, wyznaczono listę potencjalne przyczyn i uszeregowano za pomocą narzędzia Individual Value Plot (Minitab). Obszary do działania wyznaczono na podstawie zebranych danych. Przeprowadzono warsztaty na liniach produkcyjnych z najwyższym poziomem odpadu.
Zredukowano odpad produkcyjny z 12% do 3%.
Utrzymanie procesu w wyznaczonych granicach kontrolnych.
Identyfikacja strategicznego problemu biznesowego. Zbudowanie zespołu projektowego i opisanie zagadnienia za pomocą liczb. Ustalenie wielkości mierzącej proces (primary metric).
Opisanie stanu obecnego procesu. Zbieranie danych oraz określenie zmiennych występujących w wybranym procesie. Przeprowadzenie wstępnych analiz statystycznych.
Analiza zebranych danych. Określenie istotnych parametrów procesu. Wykazanie zależności pomiędzy jego wejściami a wyjściami. Sprawdzenie zdolności systemu pomiarowego.
Projektowanie i testowanie nowego procesu. Eliminowanie potwierdzonych przyczyn problemów. Obserwowanie nowe stanu. Ocena efektywności środków zaradczych.
Kontrolowanie ulepszonego procesu- stworzenie planu kontroli. Monitorowanie istotnych parametrów oraz cykliczna prezentacja danych. Reagowanie w przypadku odchyleń trendu.
Inżynier jakości, praktyk wdrażania Systemów Zarządzania Jakością w przedsiębiorstwach produkcyjnych. Realizował wiele projektów związanych z Lean Manufacturing oraz Design of Experiment. Specjalizuje się w standaryzowaniu pracy organizacji oraz rozwijaniu świadomości pracowniczej. Prowadzi warsztaty kompetencji miękkich wspierających implementację Six Sigma. Absolwent Politechniki Poznańskiej.
Lean Manager, certyfikowany Six Sigma Black Belt. Optymalizuje procesy produkcyjne i obniża koszty pracując na twardych danych. Specjalista branży Automotive. Praktyk narzędzi statystycznych oraz projektowania eksperymentów. Z powodzeniem wdraża projekty Six Sigma w ramach metodologii DMAIC. Inżynier Produkcji Politechniki Poznańskiej Wydziału Budowy Maszyn i Zarządzania.
