💡 Dlaczego tak wiele analiz Root Cause Analysis nie prowadzi do znalezienia rzeczywistej przyczyny problemu?

W wielu organizacjach przewlekłe problemy procesowe są nadal analizowane przy użyciu:

•  burzy mózgów
• diagramu Ishikawy
• metody 5 Why
• mapowania procesu
• FMEA
• analizy korelacji
• opinii ekspertów
• porównywania „dobrych” i „złych” części

Każde z tych narzędzi pomaga tworzyć hipotezy, ale hipotezy to jeszcze nie wiedza.

Większość przewlekłych problemów produkcyjnych to problemy zmienności:

• dobre i złe dni, 
• różne wyniki mimo „tych samych ustawień”, 
• procesy, które raz działają perfekcyjnie, a innym razem nagle przestają.

Kluczowym błędem jest założenie, że skoro coś brzmi logicznie, to musi być prawdziwą przyczyną problemu. Niestety właśnie w tym miejscu wiele organizacji przestaje się uczyć.

Większość zmienności nie jest tworzona przez pojedynczy czynnik. Powstaje ona w wyniku interakcji ukrytych w procesie, a tych nie da się odkryć, zmieniając tylko jeden czynnik na raz. Bez planowanych eksperymentów zespoły często zastępują zrozumienie wyjaśnieniami.

🔬 Root Cause Analysis generuje hipotezy. Design of Experiments je weryfikuje.

Dlatego planowanie eksperymentów nie jest po prostu kolejnym narzędziem statystycznym dodanym do DMAIC. Nawet jeśli DoE pojawia się na niektórych szkoleniach Six Sigma, zwykle poświęca się mu zaledwie kilka godzin. To wystarczy, aby poznać podstawową terminologię i nauczyć się rozpoznawać wykres Pareto, wykres efektów głównych czy wykres interakcji. Zwykle jednak nie wystarcza, aby samodzielnie projektować, prowadzić i interpretować eksperymenty w rzeczywistym środowisku produkcyjnym.

Skuteczne DoE nie opiera się przede wszystkim na statystyce. Opiera się na:

• tworzeniu znaczącej zmienności procesu w szerokim zakresie warunków pracy, 
• rozumieniu praktycznych ograniczeń inżynierskich i granic wnioskowanie, 
• inżynierskim osądzie – statystyka pomaga ilościowo opisać to, co obserwujemy, ale to wiedza inżynierska mówi nam, co wyniki eksperymentu naprawdę oznaczają, 
• przewidywaniu efektów głównych i interakcji jeszcze przed rozpoczęciem eksperymentu, aby uniknąć przedwczesnych wniosków. 

To właśnie dlatego DOE tak bardzo różni się od większości narzędzi analizy Root Cause. Nie służy do dokumentowania tego, w co już wierzymy. Jest uporządkowanym sposobem odkrywania zależności, o których wcześniej nie mieliśmy pojęcia. 

Planowane eksperymenty pozwalają zastąpić opinie dowodami i zrozumieć, jak proces zachowuje się naprawdę.

Nie tak, jak wydaje nam się, że działa. Nie tak, jak go sobie tłumaczymy, ale tak, jak działa w rzeczywistości.

Trwałe rozwiązania nie wynikają z szybszego reagowania. Powstają dzięki zrozumieniu relacji przyczynowo-skutkowych ukrytych w zmienności procesu.