Luet nyt: Aalto Leaders' Insight: LSS DMAIC: Measure – mittaa, tunnista ja kuvaa prosessin nykytila (osa 3)
Lean-ajattelu

LSS DMAIC: Measure – mittaa, tunnista ja kuvaa prosessin nykytila (osa 3)

Kun kehittämistoimenpiteitä vaativa kohde on tunnistettu ja projekti määritetty, siirrytään DMAIC-tiekartan toiseen vaiheeseen.

Risto Lintula, 23.05.2022

|

Artikkelit

Kun kehittämistoimenpiteitä vaativa kohde on tunnistettu ja projekti määritetty, siirrytään DMAIC-tiekartan toiseen vaiheeseen, joka on Measure/mittaa. Vaiheessa kuvataan tarkoituksenmukaisella tavalla valitun ongelman taustalla oleva ”systeemi”, johon vaikuttamalla haetaan pysyviä parannuksia tunnistettuihin ongelmakohtiin. Syy–seuraus -ajattelun mukaisestihan saavutettu tulos tai ongelma on seurausta aiemmista tapahtumista ja tekijöistä. Tuloksia ei voi itsessään parantaa, vaan parantaminen pitää kohdistaa tapaan toimia: prosessiin, jonka seurauksena tulokset syntyvät.

Tiivistetysti mittaa-vaiheessa kuvataan prosessin nykytila ja suorituskyky, joita käytetään lähtökohtana analyyseille ja kehittämistoimenpiteille. Jollei nykyistä toimintatapaa ja tilaa tunneta, on kehittämistoimista sopiminen ja tuloksellinen kehittäminen erittäin vaikeaa!

Prosessi pitää ymmärtää ja kuvata

Yllä käyttämäni ilmaus ”systeemin tarkoituksenmukaisesta kuvaamisesta” ei ole ympäripyöreä sutkautus, vaan harkittu ilmaus, koska nykytilan kuvaamisen tapa pitää aina sovittaa ratkaistavaan ongelmaan. Olennaista on ymmärtää, mitkä järjestelmät ja prosessit tutkittavaan asiaan vaikuttavat ja fokusoida projektin syvällinen analyysi ja kehittäminen rajattuun prosessiin tai sen osaan. Kaikkein tärkein asia prosesseja kuvattaessa on tehdä kuvaus kentällä ja yhdessä asiantuntijoiden ja asianosaisten kanssa. Kehittämisprojekti on aina samalla muutoshanke, jota kannattaa tehdä yhdessä prosessissa työskentelevien kanssa.

Laajoissa, monen organisatorisen rajapinnan ylittävissä prosessiketjuissa tehdään usein informaation ja materiaalin kulkua mallintava arvovirtakuvaus. Toisaalta – yhteen työpisteeseen rajautuvassa projektissa on hyödyllistä kuvata yksityiskohtainen työvaiheiden kulku. Spagetti- ja layout-kuvaajia käytetään liikkeen ja materiaalivirtojen kuvaamiseen, kun taas uimaratakuvaajat auttavat tunnistamaan vaiheiden lisäksi rooleja ja vastuita. Yhtä kaikki, ongelmien taustalla olevasta prosessista pitää tehdä nykytilan kuvaus, jotta ”meidän tavastamme toimia” vallitsee selkeä yhteinen näkemys! Pohdi aina ennen prosessin kuvaamista, mitä haluat oppia ja mitä tietoja haluat saada nostettua prosessista esille, valitse sopiva kuvaustekniikka sen perusteella.

Arjen operatiivisessa tekemisessä tästä seuraa väistämättä vaihtelua, helposti paljon hukkaa, ja ongelmia."

Johtamismielessä olennainen päätös, joka prosesseja kuvatessa pitää tehdä, on halutaanko työmenetelmät jatkossa yhtenäistää ja päättää tekemiseen soveltuvasta, tarvittavasta vakioinnin tasosta. Yllättävän usein esimiehet eivät halua vaatia tai edellyttää toistuvankaan työn tekemistä määritellyllä tavalla, kunhan se tulee tehdyksi. Arjen operatiivisessa tekemisessä tästä seuraa väistämättä vaihtelua, helposti paljon hukkaa, ja ongelmia. Koska on helpompaa olla puuttumatta ja johtamatta, moninaisten tekemismallien annetaan jatkua.  Prosessin saa toki mallintaa, kunhan se johtaa akuutin ongelman poistamiseen, mutta todellista omistajuutta pysyvän muutoksen aikaansaamiseksi ei ole. Kehitysprojektin vetäjälle tästä aiheutuu paljon haasteita, jotka korostuvat projektin myöhäisemmissä vaiheissa.

Prosessin suorituskyky pitää määrittää

Ongelmatilanteen selittämiseksi ja prosessin suorituskyvyn ymmärtämiseksi halutuilla mittareilla tarvitaan luotettavaa dataa. Tavoitetilan ja nykytilan välisen eron, ”gäpin”, osoittaminen datalla ja asiallisilla kuvaajilla on myös tehokas tapa perustella projektin tarpeellisuus ja luoda muutosvalmiutta organisaatioon. Peruskuvaajilla pääsee tässä yhteydessä jo pitkälle: aikasarjat, histogrammi, pylväsdiagrammit, pareto- ja piirakkakuvaaja antavat monesti riittävän kuvan ongelman nykytilasta ja auttavat myös fokusoimaan tekemistä.

Projekteissa, joissa tutkittavana mittarina on jokin fysikaalinen suure (esim. aika, pituus, paino, paine…) tehdään usein myös kyvykkyysanalyysi, jossa tutkittavan prosessin suorituskyvyn jakaumaa verrataan asiakasvaatimuksiin. Prosessin kyvykkyyden tunnusluvut (Cp ja Cpk) kuvaavat prosessin todennäköisyyttä onnistua kerralla oikein. Samalla periaatteella, käänteisesti, voidaan määrittää myös prosessin ”Sigma –luku”, eli virheiden määrän todennäköisyys toistettaessa prosessia monia kertoja. Kuuden sigman tasolla prosessi on käytännössä virheetön, todennäköisten virheiden ollessa 3,4 per miljoona mahdollisuutta.

Optimitilanteessa dataa on runsaasti saatavilla suoraan järjestelmistä, joten kuvaajien ja kyvykkyyden määrittäminen on nopeasti tehty. Lisäksi data osittuu selittäviin muuttujiin, joiden perusteella voidaan suoraan tehdä monimuuttuja-analyysejä juurisyiden tunnistamiseksi.

Todellisuudessa tilanne on kuitenkin pääsääntöisesti toisin. Ennen kuin nykytila saadaan kirkkaaksi pitää tutkittavaan kohteeseen määrittää yksiselitteiset mittarit ja aloittaa datan kerääminen. Tässä vaiheessa meneekin usein kaikkein eniten aikaa.

Tee päätöksiä hyvällä datalla

Olipa data sitten heti valmiina tai vaivalla kerättyä, sen oikeellisuus ja sopivuus haluttuun käyttötarkoitukseen pitää aina varmistaa. Huonolla datalla tehdyt johtopäätökset ovat lähtökohtaisesti arvottomia ja mahdollisesti haitallisia. Yksinkertaisimmin datan luotettavuus ja täsmällisyys varmistetaan auditoimalla keräysmenetelmät ja määritykset; kerääväthän kaikki dataa samalla lailla ja samoista pisteistä. Jos mittaamisessa käytetään mittalaitteita, on usein paikallaan tehdä kattavampi mittalaiteanalyysi, jossa käytettävän laitteiston ja mittausprosessin kyvykkyys todennetaan.

Mittaus-vaiheessa tehdään myös prosessin muuttuja-analyysi, jossa tunnistetaan ne muuttujat, jotka vaikuttavat ratkaistavaan ongelmaan. Tavoitteena on nostaa esiin kaikki tekijät, joista ongelmat voivat johtua. Jaotteluna käytetään usein ”ihmiset, menetelmät, materiaalit, koneet, ympäristö ja mittalaitteet” jakoa. Tässä vaiheessa ei vielä ole tarkoitus esittää ratkaisuja, vaan luoda kattava kuva todennäköisistä ”syyllisistä” ja muodostaa olettamia, hypoteeseja, joita analyysivaiheessa voidaan tutkia tarkemmin. Lähtökohtaisesti huonosti tunnetuissa prosesseissa muuttuja-analyysi on hyvä tehdä jo ennen datan keräämisen käynnistämistä, jotta keräämisen yhteydessä voidaan kirjata ylös myös taustamuuttujia ja niiden arvoja.

Usein nykytilan tunnistusta jatketaan vielä riskianalyysillä (esim. FMEA), jossa valittuja prosessimuuttujia ja niiden mahdollisia vaikutuksia pohditaan yhdessä asiantuntijatiimin kanssa. Tarkoituksena on syventää muuttuja-analyysiä ja nostaa esille prosessissa olevat riskit, jotta niiden taustalla olevia tekijöitä päästään testaamaan. Parhaimmillaan riskianalyysit nostavat esille jo suoraan toimeenpanokelpoisia parannuksia, pikavoittoja, joilla ongelmiin päästään jo käsiksi.

Lopuksi korostaisin vielä, että mittausvaiheen periaate on samanlainen kaiken tyyppisissä prosesseissa, oli kyse sitten palvelusta, teollisuudesta tai hallinnosta. Käytettävät työkalut ja metodit vaihtelevat ongelman tyypin, koon ja prosessin laajuuden perusteella. Siksi on hyvä hallita useita prosessin kuvaamisen menetelmiä ja mittaustyökaluja!

LSS-artikkelisarjassa käydään läpi DMAIC-suunnitelma vaihe vaiheelta.

Artikkelin kirjoittaja Black Belt Risto Lintula toimii kouluttajana Aalto PRO:n LSS-valmennuksissa. Hänen erityisosaamisalueitaan ovat mm. strategialähtöinen kehittäminen, kehittämistoiminnan johtaminen ja tuloksellinen toimeenpano, Lean- ja Six Sigma -menetelmien soveltaminen, analyyttiset ongelmanratkaisumenetelmät sekä prosessit ja johtamisjärjestelmät. Risto toimii osakkaana Nordic Process Improvement Oy:ssä.


Palaa Aalto Leaders' Insight -pääsivulle

Löydä lisää luettavaa ja kuunneltavaa