Nel precedente post abbiamo introdotto come sia indispensabile mappare il flusso del valore ed eliminare gli sprechi prima di introdurre nuove tecnologie e automazioni per non intercorrere nel grossolano errore di DIGITALIZZARE e AUTOMATIZZARE degli sprechi.
Lo scenario che si prospetta è sempre più “data-driven”. Una grossa mole di dati per l’appunto verrà per prima cosa raccolta da sensori sul campo, immagazzinata in database cloud e successivamente analizzata da complessi algoritmi. Lo scopo sarà quello di trovare correlazioni tra molteplici variabili al fine di prevedere e anticipare i problemi qualsiasi possa essere la loro natura.
Una volta eliminati i maggiori sprechi presenti nei processi (mappati ad esempio con la Value Stream Map) si pone la questione di una ottimizzazione più “fine”. Questo è possibile applicando opportuni metodi e analisi statistiche.
Le modalità con cui vengono raccolti i dati e la stessa scelta di quali raccogliere poiché importanti (le variabili di processo più influenti ad esempio) sono aspetti fondamentali e per nulla banali. Non ha senso e non è conveniente raccogliere e analizzare variabili e dati poco influenti per il sistema; al contrario ciò si trasforma in un costo quantomeno gestionale.
Quindi: non raccogliere i dati che non sono necessari e che quindi non verranno analizzati. La sindrome del “mi potrà servire in futuro” va dismessa (ade sempio secondo la prima S dell’approccio 5S)
La raccolta e lo storage di elevate quantità di informazioni, seppure oggi possibile e accessibile, se non opportunamente supportate da una sufficiente capacità di analisi e conoscenza del processo, condurrebbero ad un inutile dispendio di risorse poiché tali dati non sarebbero utilizzati propriamente. Una corretta analisi dei dati consente:
· valutare correttamente il processo;
· di avere una prioritizzatine delle criticità;
· di prendere decisioni corrette;
· valutare correttamente le attività di miglioramento
Quindi: dotarsi di persone che sappiano comprendere i processi ed analizzare correttamente i dati!
E’ dunque sempre più importare che l’azienda si doti di risorse in grado di comprendere ed analizzare i dati attraverso metodi statistici e l’utilizzo di software di analisi adeguati.
Il LEAN SIX SIGMA è un approccio che nasce dalla fusione tra il Lean Thinking e il Six Sigma offrendo un insieme di tecniche e strumenti statistici e di analisi propedeutici allo Smart Manufacturing. Tipicamente si inizia con la l’approccio manageriale Lean attento alla individuazione, riduzione ed eliminazione degli sprechi, per poi procedere a risolvere i problemi più complessi con l’analisi dei dati, l’utilizzo della statistica, l’ottimizzazione dei processi e della loro variabilità, parte della filosofia Six Sigma.
Le tecniche Lean non mirano ad avere dei processi sotto controllo statistico (per raggiungere i target di qualità), mentre il six Sigma preso singolarmente non porta alla riduzione degli sprechi nei processi.
Il Lean Six Sigma consente inoltre alle aziende di dotarsi di una struttura interna in grado di governare e di diffondere i metodi e gli strumenti per l’analisi, la rappresentazione, la comprensione e la gestione dei dati.
Questi concetti sono ampiamante approfonditi nei nostri percorsi di certificazione Lean Six Sigma.
LE TEMATICHE SONO TRATTATE NEL TESTO: "GUIDA PRATICA PER APPLICARE IL LEAN SIX SIGMA IN AZIENDA: GREEN BELT", disponibile su Amazon https://amzn.to/2ZoOeVq