Como lidar com causas atribuíveis?

Como lidar com causas atribuíveis?
Author

Eshna

Last updated September 29, 2012


  • 1706 Views

Entre as muitas sessões de treinamento conduzidas, uma pergunta que continua em fúria é “Como lidamos com causas especiais de variação ou causas atribuíveis”. Embora, teoricamente, muitos treinadores tenham encontrado uma maneira de responder a essa situação, no mundo real e especialmente em projetos Seis Sigma, isso geralmente é um acordo aberto. Através deste artigo, tento abordar isso a partir de um paradigma prático.

Qualquer dado que você vê em qualquer um dos seus gráficos terá uma causa associada a ele. Tente me dizer que os pontos que tornam seus gráficos X MR, IMR ou XBar R caíram no céu e eu lhe direi que você não está abatendo os patos certos. Então, as seguintes causas parecem possíveis para qualquer ponto de dados aparecer na lista.

  • Um novo operador estava executando o processo no momento.
  • A matéria-prima estava perto da borda de sua especificação.
  • Houve um longo tempo desde a última manutenção do equipamento.
  • A manutenção do equipamento foi realizada apenas antes do processamento.

No momento em que qualquer um dos nossos pontos de dados aparece devido a algumas das causas mencionadas abaixo, uma série de etapas é acionada. Sim, pânico! Pior ainda, essas ações abaixo que podem ter sido resultado de uma hemorragia cerebral sem sentido, apoiada por absoluta falta de dados, resultam em mais pânico!

  • Os operadores recebem reciclagem.
  • As especificações do material recebido são apertadas.
  • Mudanças de horários de manutenção.
  • Novos procedimentos são escritos.

Minha pergunta é --- Você realmente tem que fazer tudo isso, se você determinou que a causa é uma causa comum ou especial de variação ! A maioria dos treinadores de Seis Sigma irá dizer-lhe que um gráfico de controle irá ajudá-lo a identificar uma causa especial de variação. Verdade - Mas você sabia de uma maneira que você poderia validar sua descoberta!

  1. Verifique a distribuição primeiro. Se os dados não forem normais, transforme os dados para torná-los razoavelmente normais. Veja se ainda tem pontos extremos. Compare os gráficos antes e depois da transformação. Se forem iguais, você pode ter mais ou menos certeza de que tem causas comuns de variação.
  2. Plote todos os dados, com o evento em um gráfico de controle. Se o ponto não exceder os limites de controle, provavelmente é um evento de causa comum. Use os dados transformados, se usados ​​na etapa 1.
  3. Usando um gráfico de probabilidade, calcule a probabilidade de receber o valor extremo. Considere os intervalos de confiança do gráfico de probabilidade como um intervalo de confiança dos dados examinando a incerteza vertical na parcela no valor extremo. Se o limite de confiança inferior estiver dentro do intervalo de 99%, o ponto pode ser um evento de causa comum. Se o limite inferior do IC estiver bem fora do intervalo de 99%, pode ser uma causa especial. Claro que o mesmo conceito funciona para valores extremos mais baixos.
  4. Por fim, volte as páginas do histórico. Veja com que frequência essas causas ocorreram. Se eles ocorreram com bastante frequência, você pode pensar que essas são causas comuns de variação. Por que - Você se esqueceu de causas especiais não se repetem?

A abordagem de quatro etapas que você tomou ainda pode não ser suficiente para concluir se é uma causa comum ou especial de variação. Nota - Qualquer abordagem de RCA pode não ser suficiente para reduzir ou eliminar causas comuns. Eles só trabalham com causas especiais no sentido mais verdadeiro.

Então, o que isso nos deixa! Uma lição simples de que uma atividade de ACR tem que ser conduzida quando você pensa, mesmo com um certo grau de probabilidade, que pode ser uma causa especial de variação. Para verificar se a causa genuinamente era uma causa especial, tudo o que você precisa fazer é olhar para a história e ver se essas causas se repetem. Se eles fizeram, eu não acho você seria até tentado a pensar que fosse uma causa especial de variação.

Lembre-se de uma coisa - Embora a eliminação de causas especiais seja considerada a meta um para a maioria dos projetos Seis Sigma, a redução de causas comuns é outra história que você teria que considerar. O maior benefício de lidar com causas comuns é que você pode até lidar com elas a longo prazo, desde que elas sejam capazes de manter o processo controlado e, sim, as causas comuns não resultam em efeitos.

Resumo

Apenas olhando para um gráfico, eu não acho que já fui capaz de dizer se o ponto tem ou não uma causa especial. Sim - Isso se aplica até mesmo a um gráfico de controle, que é de longe considerado a melhor ferramenta de identificação de causas especiais. A melhor saída é uma ACR diligentemente aplicada e um simples ato de voltar e verificar se a causa é repetida ou não.

About the Author

Eshna is a writer at Simplilearn. She has done Masters in Journalism and Mass Communication and is a Gold Medalist in the same. A voracious reader, she has penned several articles in leading national newspapers like TOI, HT and The Telegraph. She loves traveling and photography.

Recommended articles for you

Common Cause of Variance vs Special Cause of Variance

Article

The Art of Root Cause Analysis - All You Need to Know

Article

Important Causes of Failure in Cloud Computing Projects

Article