Quem foi Sherlock Holmes?
Embora não seja um guru de qualidade, o detetive de ficção Sherlock Holmes adotou uma abordagem metódica para a resolução de problemas que pode ser útil quando aplicada à análise de causa raiz durante a investigação de uma falha de produto ou processo. Eu achei que hoje, ele era Green Belt e Black Belt. O Six Sigma estava em suas veias.
Sir Arthur Conan Doyle (1859-1930) foi um médico britânico que criou o personagem Sherlock Holmes. Doyle publicou 56 histórias curtas e quatro novelas entre 1886-1893 e 1903-1927. Além das histórias originais de Doyle, inúmeros autores, incluindo Mark Twain, também tentaram escrever as histórias de Sherlock Holmes, e o detetive apareceu em séries de rádio, filmes e videogames.
Ao aproveitar as aventuras de Sherlock Holmes, profissionais de qualidade podem pegar dicas para realizar a análise de causa raiz. Aqui estão algumas das várias histórias de Doyle.
Como Sherlock Holmes utilizava o Six Sigma?
O personagem de ficção Sherlock Holmes é reconhecido como um gênio da dedução, um mestre do disfarce, um perito cientifico forense, o primeiro detetive particular e até mesmo um talentoso farejador. No entanto, Holmes raramente é reconhecido por sua habilidade em usar os princípios Six Sigma.
Holmes e Watson - Quando o Dr. Watson pergunta como Holmes pode ver muito mais quando ambos olham os mesmos fatos com os mesmos olhos, a explicação de Holmes revela uma verdade fundamental sobre o Six Sigma. "Você vê, mas você não observa. A distinção é clara”.
Holmes pergunta a Watson quantas escadas levam até o apartamento deles. Embora tenha subido as escadas centenas de vezes, Watson diz que ele não faz ideia. "Muito", diz Holmes. "Você não observou. E ainda assim você viu. ”
O Six Sigma exige ir além de ver casualmente como funciona um processo. Exige uma observação focalizada que ajude as equipes do projeto a entender o processo e como ele pode ser melhorado.
Como o Six Sigma te ajuda a recolher dados?
Recolher dados - Sherlock Holmes é conhecido por fazer deduções da informação que lhe foi dada, mas isso é apenas parte do trabalho que ele fez. Holmes também foi zeloso ao coletar ativamente as respostas que ele precisava para fechar um caso. Depois de consultar um cliente, Holmes frequentemente jogava seu disfarce e partia para a noite apenas para retornar no dia seguinte com fatos críticos que ele conseguiu trabalhando seu caminho mais perto do problema ou identificando uma pessoa chave na história.
As equipes de projetos Six Sigma fazem o mesmo, apenas sem barbas falsas e narizes cosméticos. Em vez disso, eles coletam dados ativamente, tocando em informações de bancos de dados organizacionais, pesquisas, entrevistas, postagens de escuta e observações. As equipes também gravam informações sobre o processo em folhas de coleta de coleta de dados.
As equipes de projetos que vão além de fatos óbvios e suposições simples, e buscam dados que revelam como o processo está realizando verdadeiramente, são mais capazes de identificar e resolver o problema real.
Como o Six Sigma cria uma rede de inteligência?
Criando uma rede de inteligência - Sherlock Holmes nem sempre confiava em seu próprio gênio para resolver crimes. Às vezes, ele recrutava a ajuda de um grupo muito improvável, um exército de ouriços de rua. Quando Holmes precisava de informações, ele não conseguia entrar por conta própria, ele pegava sua rede de órfãos rebeldes e colocava dúzias de pares de olhos e ouvidos na rua para saber o que estava acontecendo.
Os especialistas da Six Sigma criam sua própria rede de inteligência para acompanhar o que está acontecendo na empresa, incluindo cintos verdes, cintos amarelos e cintos brancos na equipe do projeto. Uma das principais forças do Six Sigma é que não inclui apenas a equipe de liderança; Ele é projetado para obter inteligência no nível da rua dos trabalhadores da linha de frente. Isso inclui uma grande variedade de jogadores de todas as partes da empresa que dão à equipe Six Sigma diversas perspectivas sobre o processo.
Quer conhecer algumas histórias do Sherlock Holmes?
The Beech Copper
"'Dados! dados! Dados! ", Ele chorou com impaciência. "Não consigo fazer tijolos sem barro".
Um erro muito comum durante a análise de causa raiz é tirar conclusões antes que os dados estejam disponíveis. Muitas vezes, isso pode ser o resultado da experiência anterior, como quando uma falha comparável já foi observada antes. Usar o conhecimento prévio não é um problema, mas declarar o caso da raiz identificado e se mover diretamente para ações corretivas, é. Pode haver dados insuficientes na mão no início da análise de causa raiz, mas isso pode ser corrigido.
Os dados de produção estão disponíveis a partir do momento em que a peça com falha foi produzida? Se assim for, verifique os dados para ver se algo fora do comum aconteceu. Não há dados disponíveis? Em seguida, inspecione a peça assim que estiver disponível. Talvez a parte seja enviada do cliente e não está disponível no momento. Em tais situações, pode ser prudente tentar recriar a falha em condições controladas para obter uma compreensão preliminar da questão.
Silver Blaze
"É um daqueles casos em que a arte do raciocínio deve ser usada em vez do peneiramento de detalhes para a aquisição de novas provas".
Durante uma análise de causa raiz longa e complicada, pode haver um ponto no tempo em que muitos relatórios foram coletados, mas a causa raiz permanece desconhecida. Este é o momento de interromper e realizar uma revisão profunda das informações atualmente disponíveis. É possível que nenhuma medição ou relatório de laboratório forneça uma indicação direta quanto à causa raiz. No entanto, uma revisão completa de todos os documentos pode fornecer uma visão de grande imagem com indicações sobre onde a causa raiz pode realmente ser.
Se os dados de medição estiverem disponíveis, eles devem ser submetidos a análise estatística. Por exemplo, vários relatórios com a medição de 10 partes podem não mostrar qualquer coisa de relevância potencial. No entanto, uma tendência pode estar presente se todo o conjunto de dados for analisado.
The Sign of Four
"Não, não: eu nunca adivinho. É um hábito chocante, destrutivo para a faculdade lógica. O que parece estranho para você é apenas porque você não segue meu curso de pensamento ou observa os pequenos fatos sobre os quais grandes inferências podem depender ".
Qualquer "adivinhação" deve basear-se nos fatos disponíveis. Existe alguma conclusão que explique os muitos pequenos detalhes que estão disponíveis? Por exemplo, um ou dois fatos por si só não podem levar a nenhuma conclusão, mas considerados como um todo, os fatos podem conter a chave para desbloquear a causa raiz. Tal suposição deve ser vista como uma hipótese. Suponha que seja verdade para o bem do teste, e depois teste a hipótese. Estar certo ou errado nessas situações não faz diferença, porque o teste pode render novas informações que levam a investigação para a frente.
O Vale do Medo
"Posso ver apenas duas coisas com certeza no presente - um grande cérebro em Londres e um homem morto em Sussex. É a corrente entre aquilo que vamos rastrear. "
Encontrar a conexão entre dois eventos aparentemente não relacionados pode levar à causa raiz da falha sob investigação. Por exemplo, suponha que um produto seja retornado quebrado e enferrujado, embora deveria ter sobrevivido vários anos de serviço. Uma ruptura e ferrugem parecem não relacionadas, mas talvez a ferrugem enfraqueça o material até o ponto em que ele quebrou. Ou talvez a quebra fosse devido a um problema material; A ruptura permitiu a umidade, o que, por sua vez, resultou na ferrugem. Seguir linhas de evidência separadas até que convergem na causa também pode ser útil.
Um estudo em escarlate
"Você não parece pensar muito no assunto em questão", afirmei finalmente, interrompendo a inquisição musical de Holmes. "Ainda não há dados", ele respondeu. "É um erro capital teorizar antes de ter todas as evidências. Isso prejudica o julgamento. '"
Evidências não-empíricas e noções pré-concebidas podem levar à busca da confirmação de sua hipótese enquanto ignoram a evidência contraditória. As ações preliminares, como a inspeção de um produto suspeito, podem ser tomadas antes que informações completas estejam disponíveis, mas dados são necessários antes que as hipóteses concretas possam ser formadas.
Suponha que um cliente emita uma queixa de que "o comprimento do X é muito longo". As peças podem ser inspecionadas para evitar o envio de peças fora de especificação, mas são necessários mais detalhes para resolver a causa raiz do problema. Talvez a máquina tenha sido configurada errado, resultando em uma parte longa.
Por outro lado, está poderia ser uma parte de configuração com danos de configuração reveladores no final. Mais informações são necessárias antes que uma boa hipótese possa ser formada. Neste caso, um rápido olhar para a própria parte revelaria informações importantes. Em vez de hipótese cega, obtenha mais informações. Nesta situação, perguntar ao cliente algumas perguntas pode estabelecer a parte é de 1,4 mm fora da especificação, e a extremidade parece danificada.
