Grafico multi-vari: Dove nasce la variazione.
Un grafico multi-vari è un semplice strumento grafico della qualità, non un’analisi statistica multivariata: suddivide la variazione di una caratteristica misurata in famiglie – per esempio entro il pezzo, da pezzo a pezzo e nel tempo – e le permette di vedere dove si nasconde la causa dominante prima ancora di eseguire un solo esperimento.
Perché il multi-vari?
Quando un problema di qualità continua a ripresentarsi – scarti, rilavorazioni, una quota che scivola fuori tolleranza – la reazione abituale è un brainstorming: elencare tutte le cause possibili e poi provare una per una quelle ritenute più probabili. Con decine di sospetti possono volerci mesi, e molte di quelle prove non cambiano nulla.
Uno studio multi-vari parte da due semplici dati di fatto. La variazione è raramente distribuita in modo uniforme: di solito una sola causa domina su tutte le altre. E ogni causa lascia una traccia nei dati: per esempio agisce all’interno di un pezzo, da un pezzo al successivo o nel tempo.
Perciò, invece di provare le cause una alla volta, si misurano pezzi che il processo sta già producendo e si escludono intere famiglie di cause in un colpo solo. Se la variazione si manifesta tra un’ora e l’altra, nulla che agisca all’interno di un singolo pezzo può essere la causa principale: quei sospetti escono dalla lista senza un solo esperimento.
- Decine di cause possibili nell’elenco
- 1 famiglia in cui nasce la variazioneMulti-vari
- Pochi sospetti in quella famiglia
- 1 causa dominante, dimostrata con una prova
Dove si colloca nel problem solving
Uno studio multi-vari non risolve il problema da solo: dice dove cercare. In una ricerca progressiva, ogni passo restringe il campo finché non resta una sola causa. Shainin chiama Red X® questa causa dominante. Nei progetti Six Sigma, lo stesso studio rientra nella fase di analisi (Analyze) del DMAIC.
Definire il problema
Trasformare il reclamo in una sola caratteristica misurabile – Shainin la chiama Green Y® – e verificare che lo strumento di misura sia in grado di rilevare la differenza.
Trovare dove nasce la variazione Multi-vari
Eseguire uno studio multi-vari e individuare la famiglia che contiene la maggior parte della variazione.
Restringere il campo
All’interno di quella famiglia, confrontare i pezzi migliori con i peggiori per vedere che cosa cambia.
Dimostrare la causa
Confermarla con una prova: inserire e disinserire il fattore sospetto e osservare il problema comparire e scomparire.
Correggere e mantenere il risultato
Impostare la tolleranza o il controllo adeguati per la causa e verificare il miglioramento.
Le famiglie di variazione più comuni
Qui sotto le tre famiglie più comuni. A seconda del processo, uno studio le suddivide ulteriormente o ne aggiunge altre, per esempio da macchina a macchina, da cavità a cavità o da operatore a operatore. Un grafico multi-vari le mostra una accanto all’altra, così la più grande salta all’occhio.
Entro il pezzo
Variazioni all’interno di un singolo pezzo: da un’estremità all’altra, da un lato all’altro, lungo la circonferenza.
Esempio: conicità o ovalizzazione su un albero lavorato.
Da pezzo a pezzo
Differenze tra pezzi consecutivi, oppure tra cavità, attrezzature o macchine.
Esempio: una cavità dello stampo che lavora diversamente dalle altre.
Nel tempo
Spostamenti da un’ora all’altra, da un turno all’altro o da un lotto all’altro.
Esempio: una quota che si sposta mentre la macchina va in temperatura.
Come funziona uno studio multi-vari
Nessuna attrezzatura speciale e nessun esperimento: solo un modo pianificato di campionare il processo in marcia.
Scegliere una sola caratteristica misurata
La caratteristica che mostra il problema, e uno strumento di misura in grado di rilevare le differenze.
Misurare più posizioni su ogni pezzo
Su alcuni pezzi consecutivi, così che emergano sia la variazione entro il pezzo sia quella da pezzo a pezzo.
Ripetere nel tempo
Su più ore, turni o lotti, senza regolare il processo nel frattempo.
Tracciare e confrontare
Riportare tutte le letture su un unico grafico. La famiglia con la dispersione maggiore è quella in cui si nasconde la causa.
Come leggere un grafico multi-vari
Confronti la lunghezza delle linee, i salti tra un pezzo e l’altro e gli spostamenti tra un’ora e l’altra. La dispersione maggiore mostra dove si nasconde la causa.
Nel pezzoLinee lunghe, con la stessa posizione sempre in alto: la causa agisce all’interno del pezzo stesso.
Tra i pezziLinee corte, ma grandi salti da un pezzo al successivo: la causa cambia da un ciclo all’altro.
Nel tempoOgni ora si colloca a un livello diverso: la causa cambia nel tempo, come una macchina che va in temperatura.
Caso di studio
Uno spostamento noto, un pattern sconosciuto
Un produttore di motori scartava alberi a camme perché le camme risultavano fuori posizione. Un multi-vari progressivo – la posizione delle camme misurata in più punti del processo – ha ricondotto il cambiamento maggiore alla tempra. Nello stabilimento si sapeva già che lì le camme si spostavano. Ciò che nessuno sapeva era che lo spostamento seguiva un pattern prevedibile e non casuale: sempre della stessa quantità e nella stessa direzione. Per questo le rettificatrici delle camme sono state riprogrammate per compensare lo spostamento. Il multi-vari ha mostrato dove si nascondeva la causa; il pattern, come neutralizzarla.
560.000 $di scarti in meno all’anno
5.000 $per l’implementazione
Domande frequenti sul grafico multi-vari
A che cosa serve un grafico multi-vari?
A vedere quale famiglia di variazione – per esempio entro il pezzo, da pezzo a pezzo o nel tempo – contribuisce di più a un problema, così che l’indagine parta dal punto giusto invece che da una lunga lista di ipotesi.
Quando conviene usare uno studio multi-vari?
Quando una caratteristica misurata varia troppo e la causa è sconosciuta, soprattutto nei problemi cronici in cui si sono sospettate molte cause senza confermarne nessuna. Funziona sul processo in marcia, quindi non serve fermare la produzione né progettare prima degli esperimenti.
Chi ha inventato il grafico multi-vari?
Leonard Seder lo ha pubblicato nel 1950. Dorian Shainin ne ha fatto uno dei primi passi del suo approccio per trovare la causa dominante della variazione, che ha chiamato Red X®.
In che cosa differisce da un esperimento progettato (DOE)?
Un esperimento progettato modifica di proposito alcuni fattori per misurarne l’effetto, quindi bisogna già sapere quali fattori provare. Uno studio multi-vari si limita a osservare il processo mentre gira e dice in quale famiglia di cause cercare. Faccia prima il multi-vari: l’eventuale esperimento ancora necessario sarà piccolo e mirato.
Il multi-vari fa parte del Six Sigma?
Sì. Nei progetti Six Sigma si usa nella fase di analisi (Analyze) del DMAIC, per restringere le cause possibili prima di qualsiasi esperimento progettato. Nell’approccio Red X® di Shainin è uno dei primi passi: mostra in quale famiglia di variazione cercare.
È la stessa cosa dell’analisi multivariata?
No. Nonostante il nome simile, un grafico multi-vari è un semplice studio grafico di una sola caratteristica misurata. L’analisi multivariata è una famiglia di metodi statistici per molte variabili contemporaneamente.
Un grafico multi-vari mostra la causa radice?
Non da solo. Mostra dove si nasconde la causa, cioè quale famiglia porta la variazione. Il restringimento del campo e una prova di conferma mostrano poi qual è la causa.
Quanti dati servono?
Abbastanza da vedere il processo al suo meglio e al suo peggio. Una regola pratica comune è 2–5 letture per pezzo su 3–5 pezzi consecutivi, ripetute in più periodi finché lo studio non copre la maggior parte del normale campo di variazione.
Posso usare dati passa/non passa?
Un grafico multi-vari ha bisogno di un valore misurato: una quota, una forza, una portata, una temperatura. Per i difetti di tipo passa/non passa, trovi prima una caratteristica misurabile alla base del difetto, oppure usi una strategia diversa.
Quale software posso usare?
Shainin WRXT (Web Red X® Tracker), l’applicazione web inclusa nella formazione Red X® di Shainin, ha il grafico multi-vari integrato. Chieda a un esperto come accedervi. Lo tracciano anche i pacchetti statistici generici: Minitab (Stat > Quality Tools > Multi-Vari Chart) e JMP, dove si chiama grafico di variabilità. Per uno studio piccolo basta un foglio di calcolo. Il software si limita a disegnare il grafico; è il piano di campionamento che trova la causa.
Fonti: Leonard A. Seder, “Diagnosis with Diagrams”, Industrial Quality Control (1950); Multi-vari chart (in inglese), Wikipedia.
Una variazione che non riesce a spiegare?
Gli esperti Red X® di Shainin aiutano le aziende manifatturiere a trovare la causa dominante e a eliminarla una volta per tutte.