Kennisbank

Data analyse in Lean en Lean Six Sigma

Wat is Data-analyse in Lean en Lean Six Sigma?

Data-analyse in Lean en Lean Six Sigma gaat over het verzamelen van data over je proces en verspillingen, en het omzetten daarvan in nuttige informatie. Hiermee kun je verbeterpunten in een proces identificeren en de grootste oorzaken achterhalen. Data-analyse begint altijd met de vraag: “Wat wil ik weten van mijn proces?” Vervolgens stel je een duidelijke definitie op, maak je een meetplan, verzamel je data en analyseer je deze. Er zijn veel verschillende tools voor data-analyse beschikbaar in Lean en Lean Six Sigma. In dit artikel bespreken we de belangrijkste.

Haal Meer Uit Je Data met Lean Six Sigma Analyse

Wil je meer uit je data halen? Dan is dit artikel iets voor jou! Ontdek hoe je met Lean en Lean Six Sigma analyses waardevolle inzichten uit je data kunt halen. Lean Six Sigma gebruikt verschillende analysemethoden om beslissingen te nemen, trends en patronen te herkennen en processen te verbeteren. Ontdek hoe je data kunt verzamelen, opschonen en visualiseren. Leer hoe je inzichten krijgt uit grote hoeveelheden data en deze omzet in bruikbare acties. Of je nu ervaring hebt als Lean Green Belt met data-analyse of er nieuw in bent, deze blog helpt je om meer uit je data te halen.

Voordelen van Data-analyse in Lean Six Sigma

Data-analyse biedt veel voordelen voor organisaties en in Lean Six Sigma verbetertrajecten. Hier zijn enkele belangrijke voordelen:

  1. Besluitvorming: Door data-analyse kunnen organisaties beter geïnformeerde beslissingen nemen. Ze kunnen patronen en trends zien die anders misschien over het hoofd worden gezien. Dit helpt bij het ontwikkelen van Lean verbetertrajecten op basis van feitelijke data in plaats van op onderbuikgevoel.
  2. Proces verbeteren: Data-analyse helpt bij het optimaliseren van processen. Je kunt verspillingen, fouten en variatie in je processen opsporen en verbeteren. Het laat zien in welke processtap bottlenecks zitten, hoe stabiel en voorspelbaar je proces presteert en hoeveel variatie je proces heeft. Door het proces continu te meten, kun je grip houden op het proces en weet je wanneer het uit de hand loopt, zodat je tijdig kunt ingrijpen.
  3. Prioriteren: Met data-analyse kun je duidelijk zien waar verbeteringen nodig zijn en welke oorzaken het belangrijkste zijn om aan te pakken. Door data te analyseren, kun je de meest significante problemen en knelpunten identificeren. Dit helpt je om prioriteiten te stellen en je inspanningen te richten op de gebieden die de grootste impact hebben op je procesverbeteringen. Hierdoor werk je efficiënter en effectiever aan het verbeteren van je processen.
  4. Klantinzichten: Data-analyse geeft je waardevolle inzichten in klantgedrag en wat ze vinden van je product of dienst. Denk aan klanttevredenheidsenquêtes, social media monitoring, NPS-scores (Net Promoter Score), en directe feedback zoals klachten. Deze informatie helpt je om beter te begrijpen wat je klanten belangrijk vinden, waar ze tevreden over zijn en waar verbeteringen nodig zijn. Hierdoor kun je gerichte acties ondernemen om de klanttevredenheid te verhogen en je producten of diensten te verbeteren.

Hoe Voer je Data-analyse in Lean Six Sigma uit?

  1. Bepaal wat je wilt weten en verbeteren: Gaat het om kwalitatieve of kwantitatieve data? Stel duidelijk vast wat je wilt ontdekken of verbeteren in je proces. Gebruik tools zoals VOC (Voice of the Customer), VOB (Voice of the Business), SIPOC, en CTQ (Critical to Quality) om je doelen te definiëren.
  2. Beschrijf je definities: Maak een duidelijke definitie van wat je gaat meten. Gebruik tools zoals UDMO (Unit, Defect, Metric, Opportunity), SMART (Specific, Measurable, Achievable, Relevant, Time-bound), en RUMBA (Reasonable, Understandable, Measurable, Believable, Achievable). Controleer of er bestaande KPI’s of SLA’s zijn beschreven.
  3. Maak een meetplan en verzamel data: Plan hoe je de data gaat verzamelen. Bepaal of je data uit systemen haalt of steekproeven moet doen. Dit vormt ook de basis voor de nulmeting. Tools zoals een meetplan en steekproeven kunnen hierbij helpen.
  4. Verzamel je data: Haal de benodigde data op.
  5. Check of je data betrouwbaar is (MSA): Zorg ervoor dat je data nauwkeurig en betrouwbaar is. Voordat je conclusies verbindt aan de data, wil je zeker weten dat je de juiste data hebt geanalyseerd. Voer een Measurement System Analysis (MSA) uit om meetvariaties te verminderen. Gebruik tools zoals MSA Drilldown, Gage R&R (Repeatability and Reproducibility), of een audit van het meetsysteem.
  6. Analyseer je data: Gebruik verschillende tools om je data te analyseren. Binnen Lean en Lean Six Sigma zijn veel data-analysetools beschikbaar. Denk aan een run chart en histogram voor kwantitatieve data en een Pareto-chart voor kwalitatieve data.
  7. Trek conclusies vanuit de data: Gebruik de analyse om inzichten en conclusies te trekken. Dit vormt ook de basis voor de nulmeting (baseline measurement).

 

Welke Data-analysetools Moet Ik in Lean en Lean Six Sigma Gebruiken?

  1. Voor het opstellen van definities: Gebruik UDMO (Unit, Defect, Metric, Opportunity), SMART (Specific, Measurable, Achievable, Relevant, Time-bound), en RUMBA (Reasonable, Understandable, Measurable, Believable, Achievable) om je definities helder te krijgen. Check of er bestaande KPI’s of SLA’s beschreven zijn.
  2. Plan voor het verzamelen van data: Maak een meetplan en verzamel data. Plan hoe je de data gaat verzamelen. Haal data uit systemen of voer steekproeven uit. Dit dient tevens als een nulmeting.
  3. Voor het checken of je data betrouwbaar is: Measurement System Analysis (MSA). Als je de data hebt, wil je zeker weten dat de data betrouwbaar is. Voer een MSA uit om meetvariaties te verminderen. Gebruik tools zoals MSA Drilldown, Gage R&R, of een audit van het meetsysteem.
  4. Voor het analyseren: Start met De Seven Basic Quality Tools. Deze tools helpen problemen te identificeren en analyseren. Ze omvatten onder andere runcharts, histograms, Pareto-diagrammen en scatter plots.
  5. Voor het checken van je verdeling: Normale Verdeling. Check of je data normaal verdeeld is met de Anderson-Darling test. Dit is belangrijk voor veel statistische analyses. Als je data niet normaal verdeeld is, kun je de Chebyshev-theorie gebruiken.
  6. Voor het bepalen van de procesprestaties: Process Capability Analyse. Analyseer of je processen aan de specificaties voldoen en waar verbetering mogelijk is.
  7. Voor het bepalen van het aantal fouten: DPMO (Defects Per Million Opportunities). Gebruik deze tool om de kwaliteit van je proces te meten in termen van defecten per miljoen kansen.
  8. Voor het bepalen van hoe efficiënt je proces is: PCE (Process Cycle Efficiency). Meet de efficiëntie van je procescycli om te zien waar er verbeteringen mogelijk zijn.
  9. Voor het aantonen van significante verschillen: Hypothesetesten. Gebruik statistische testen om hypotheses te toetsen en significante verschillen of relaties binnen je data te bevestigen.
  10. Om je proces onder controle te houden: Control Charts. Gebruik deze charts om de stabiliteit van je proces in de tijd te monitoren en snel afwijkingen te identificeren.

Dit zijn veel voorkomende data-analysetools die in Lean en Lean Six Sigma worden gebruikt. Als je geen complexe statistische analyses hoeft te doen, volstaan de Seven Basic Quality Tools in de meeste gevallen. In de praktijk gebruik ik zelf vaak de runchart, histogram en Pareto-analyse. Dit geeft me een goed beeld van hoe het proces presteert in termen van stabiliteit (runchart), wat de variatie is (histogram) en met discrete data waar de 80-20-regel zit (Pareto-analyse).

Tips voor het Uitvoeren van Data-analyse

  1. Definieer duidelijke doelstellingen: Weet wat je wilt bereiken met je analyse.
  2. Verzamel en schoon je gegevens op: Zorg ervoor dat je data compleet en foutloos is.
  3. Kies de juiste analysetechnieken: Pas de juiste technieken toe, afhankelijk van je doelen en data.
  4. Gebruik tools: Tools zoals Google Analytics en Power BI kunnen je helpen bij het visualiseren en analyseren van data.
  5. Communiceer de resultaten: Het presenteren van de resultaten is belangrijk om anderen de inzichten te laten begrijpen.

Software voor Data-analyse

Deze data-analyses bereken je natuurlijk niet met de hand. Er zijn vele softwarepakketten om data-analyse uit te voeren. In Excel kun je eigenlijk alle analyses en grafieken maken, en grote kans dat je dit pakket gewoon op je computer hebt staan. Twee andere bekende pakketten zijn Minitab en SigmaXL. Het nadeel hiervan is dat je licenties moet kopen.

  • Excel: Voor data-analyse en visualisatie (op bijna iedere computer aanwezig, maar het nadeel is dat je de formules handmatig moet maken, wat tijd kan kosten).
  • Minitab: Specifiek voor statistische analyse en Six Sigma-projecten (veel gebruikt, makkelijk en snel in gebruik, maar de licentie is vrij prijzig).
  • SigmaXL: Add-on voor Excel waarmee je gemakkelijk statistische analyses kunt maken. Het voordeel is dat deze een stuk voordeliger is dan Minitab.

Conclusie

Data-analyse is een belangrijke fase voor Lean en Lean Six Sigma experts om waardevolle inzichten uit data te halen. Door verschillende analysemethoden te gebruiken, kunnen zij beter geïnformeerde beslissingen nemen en de oorzaken van problemen duidelijk in kaart brengen.

Online Lean training:
100% Lean, helemaal op jouw tempo

Veel gelezen in onze kennisbank