O que é o Seis Sigma?
O Seis Sigma na verdade tem suas raízes em uma teoria matemática do século 19, mas encontrou seu caminho no mundo dos negócios convencionais de hoje por meio dos esforços de um engenheiro da Motorola nos anos 80. Agora anunciado como uma das principais práticas metodológicas para melhorar a satisfação do cliente e melhorar os processos de negócios, o Seis Sigma foi aperfeiçoado e aperfeiçoado ao longo dos anos para o que vemos hoje.
Seis Sigma provém de um 19 th Century teoria matemática, mas encontrou o seu caminho no mundo empresarial predominante de hoje através dos esforços de um engenheiro da Motorola na década de 1980. Agora anunciado como uma das principais práticas metodológicas para melhorar a satisfação do cliente e melhorar os processos de negócios, o Seis Sigma foi aperfeiçoado e aperfeiçoado ao longo dos anos para o que vemos hoje.
Não importa o cenário, a meta permanece a mesma: o Seis Sigma busca melhorar os processos de negócios, removendo as causas dos erros que levam a defeitos em um produto ou serviço. Isso é feito através da criação de um sistema de gerenciamento que sistematicamente identifica erros e fornece métodos para eliminá-los.
Aqueles que aprendem práticas Seis Sigma alcançam designações em cada nível de realização, incluindo White Belt, Green Belt e Black Belt.
Os começos do Seis Sigma
O processo que levou a seis Sigma foi originado no 19 th Century com a curva de sino desenvolvido por Carl Fredrick Gauss. Na década de 1920, o estatístico Carl Shewhart, membro fundador do Institute of Mathematical Statistics, mostrou que um processo requeria correção depois de ter desviado três sigma da média.
Avance para a década de 1970, quando o executivo sênior da Motorola, Art Sundry, reclamou da falta de qualidade consistente nos produtos da empresa, de acordo com o livro de 2006 “Seis Sigma”, de Richard Schroeder e Harry Mikel.
De acordo com a história aceita de várias fontes, o engenheiro da Motorola Bill Smith acabou respondendo ao chamado para fabricar consistentemente produtos de qualidade elaborando as metodologias do Seis Sigma em 1986. O sistema é influenciado, mas diferente, de outras estratégias de melhoria de gestão da época. , incluindo o gerenciamento de qualidade total e zero defeitos.
Além do Seis Sigma
Se você viveu em uma casa por muito tempo, a renovação pode ser assustadora. As coisas funcionam do jeito que você espera. Você está na sua zona de conforto. O pensamento de derrubar paredes e espiar a fiação é inquietante.
A introdução de novas análises avançadas nas operações de manufatura é um pouco como esse tipo de transformação. Traz muitas oportunidades, mas para avançar você deve derrubar algumas paredes. Para aqueles dispostos a dar os primeiros passos, os benefícios podem ser espetaculares.
Os fabricantes continuam a alcançar resultados surpreendentes, ajustando os processos individuais. Normalmente, isso significa otimizar os processos com silos discretos de atividade - fornecedor, manufatura, qualidade ou logística.
O grande passo
No mundo otimizado do Seis Sigma, o próximo grande passo é criar visibilidade em todos esses processos e além, nos serviços de campo e até no uso de produtos telemáticos. As plataformas de big data de hoje permitem que os fabricantes colecionem todos esses dados, apliquem novas técnicas analíticas e combinem as métricas existentes de confiabilidade e qualidade para encontrar rapidamente novos insights com conseqüências significativas.
Uma maneira de as plataformas de big data levarem os fabricantes para além das métricas tradicionalmente orientadas para processos, qualidade e confiabilidade é integrando os dados de uso do produto ao mix. A análise do feedback dos clientes, dos registros de help desk e de suporte, da interação na Web, do sentimento social, do uso do produto e das informações geoespaciais proporcionam um grau notável de informações que está muito além do limitado ponto de dados "quebrou".
Infraestrutura de dados
As pessoas no campo costumam ver problemas. A análise de texto do registro de um piloto pode revelar comentários sobre vibrações, interrupções ou eventos e fatores que os sensores podem não detectar. Dados telemétricos - umidade, pressão, altitude, temperatura, localização e informações de uso - podem fornecer pistas vitais sobre onde os produtos são usados e as condições de operação. Alguns dados ambientais podem ser derivados de análises geoespaciais combinadas com dados meteorológicos, especialmente se o equipamento for usado ao ar livre. A infraestrutura de dados avançada e analítica avançada possibilita aproveitar todo esse conhecimento e pequenas informações para melhorar os cálculos de confiabilidade.
A visibilidade do design do produto até os serviços de campo aumentados com novas análises de Big Data, como controle de processo estatístico de texto, sentimento, geoespacial e telemétrico, altera o jogo. Ele transfere o fabricante de uma orientação forense com base em avaliações demoradas, post-mortem para uma resposta rápida ou uma postura preditiva que usa novas fontes de informação para chegar ao “como” e “por que” de um problema antes de um a avaliação da casa começa. Eu vi a análise da causa raiz reduzida de duas semanas para um dia usando essas técnicas. Essa capacidade preditiva permite que os fabricantes gerenciem com mais precisão os centros de custo, como qualidade, reserva de garantia e estoques adicionais, melhorando a imagem da marca com melhor serviço e produtos de maior qualidade.
Análises avançadas
A aplicação de análises avançadas a esses dados permite que os fabricantes sejam reativos e iterativos a curto prazo para gerenciar com eficácia os problemas de qualidade, além de fornecer um feedback para a cadeia de suprimentos, a fim de orientar o desenvolvimento de produtos a longo prazo.
Se as informações do campo alertarem sobre um evento de qualidade, um fabricante pode começar imediatamente a aplicar análises que ajudem a correlacionar o evento com possíveis fatores causais em todos os processos em sua cadeia de fornecimento. Se algo estiver ocorrendo no transporte, em uma fábrica em particular, ou com um determinado operador ou fornecedor, o fabricante pode tomar decisões imediatas com base em uma melhor compreensão do risco e pode escolher a estratégia correta, seja para parar a produção, Recorde ou corrija o problema com software ou firmware. A redução do tempo de resposta é particularmente desejável na fabricação de alto volume, onde centenas de milhares ou milhões de dispositivos são produzidos e entram no fluxo de suprimento a cada dia.
A longo prazo, insights do campo são inestimáveis para projetar o próximo modelo de um produto. No ambiente atual, os fabricantes não costumam coletar dados sobre o uso; são pessoas de serviço. Agora que as infraestruturas de dados e de análise amadureceram e os negócios estão evoluindo para um fabricante de cultura orientada por dados, os clientes finais continuarão se aproximando de um ótimo subproduto: produtos de melhor qualidade e melhor serviço.
A análise de dados elimina as barreiras entre os processos na cadeia de suprimentos de um fabricante. Como qualquer renovação, a implementação de análise avançada de dados não acontece da noite para o dia. Felizmente, é possível introduzir essa capacidade de forma incremental, conectando partes específicas da cadeia de suprimentos. Em escala, essas pequenas melhorias percentuais que reduzem as reclamações, melhoram a confiabilidade e melhoram o atendimento ao cliente podem se traduzir em economias de dezenas ou centenas de milhões de dólares.
