Gestione della Qualità - Miglioramento continuo e problem solving

Presentazione sul tema: "Gestione della Qualità - Miglioramento continuo e problem solving"— Transcript della presentazione:

1 Gestione della Qualità - Miglioramento continuo e problem solving
Il miglioramento, il problem solving e gli strumenti per il lavoro di gruppo UNIVERSITA’ DI PISA Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

2 Indice Il miglioramento: i diversi approcci I gruppi di lavoro
La sequenza di Problem Solving Gli strumenti per il lavoro di gruppo Università di Pisa Miglioramento continuo e Problem Solving

3 MIGLIORAMENTO DELLA QUALITÀ
“Le azioni intraprese nell’ambito di un’organizzazione per accrescere l’efficienza e l’efficacia delle attività e dei processi, a vantaggio sia dell’organizzazione, sia dei clienti.” Università di Pisa Miglioramento continuo e Problem Solving

4 MIGLIORAMENTO CONTINUO
Il miglioramento MIGLIORAMENTO CONTINUO “Kaizen” MIGLIORAMENTO PER GRANDI INNOVAZIONI “Kairyo” Università di Pisa Miglioramento continuo e Problem Solving

5 KAIZEN KAIRYO CULTURA EFFETTO VELOCITÀ PERIODO DI TEMPO CAMBIA- MENTO
COINVOL- GIMENTO Orientale Occidentale Di lungo termine Di breve termine A piccoli passi A grandi passi Continuo e in aumento Intermittente e non in aumento Graduale e costante Improvviso e incostante Tutti Pochi individui scelti Università di Pisa Miglioramento continuo e Problem Solving

6 per migliori risultati
KAIZEN KAIRYO APPROCCIO MODALITÀ CATALIZ- ZATORE ESIGENZE PRATICHE ORIENTAM. SFORZO CRITERI DI VALUTAZ. Collettivo Individuale Manutenzione e miglioramento Smantellamento e (ri-) costruzione Know-how convenzionale Progresso tecnologico Pochi investimenti, ma grandi sforzi per progredire Grandi investimenti, ma pochi sforzi per preservarli Alle persone Alla tecnologia Processo e sforzi per migliori risultati Risultati e Profitti diretti Università di Pisa Miglioramento continuo e Problem Solving

7 MIGLIORAMENTO CONTINUO
È un processo che si sviluppa con continuità, passo dopo passo, senza punti di arrivo definitivi È guidato dal management Opera sull’esistente, consentendo progressi significativi anche in assenza di grandi innovazioni Ha come obiettivo sia la riduzione delle problematiche, sia l’aumento delle prestazioni Università di Pisa Miglioramento continuo e Problem Solving

8 MIGLIORAMENTO CONTINUO (segue)
Può fornire risultati anche nel breve termine Aumenta la professionalità Deve coinvolgere tutto il personale Deve essere svolto in modo pianificato e sistematico Funziona al meglio ove si adotti un sistema premiante Università di Pisa Miglioramento continuo e Problem Solving

9 MIGLIORAMENTO CONTINUO
- + Reazione Prevenzione Attività continua Attività per obiettivi Partecipazione Esecuzione ordini Mentalità statistica Gestione basata su “sensazioni” Rapporti chiari con i fornitori Fornitori avversari Analisi dei dati di mercato Valutazione interna delle esigenze del cliente Impegno orientato al mercato Impegno orientato alle attività Università di Pisa Miglioramento continuo e Problem Solving

10 IL RUOLO DEL MANAGEMENT
Guidare in prima persona il miglioramento, stabilendo politiche, obiettivi, organizzazione, risorse e metodi di controllo Focalizzare l’attenzione sul soddisfacimento dei clienti, sia interni che esterni Coinvolgere nel miglioramento l’intera organizzazione Trasmettere, soprattutto con l’esempio delle proprie azioni, l’attitudine al miglioramento quale componente del lavoro di ognuno Facilitare la comunicazione e l’accesso alle informazioni Promuovere il lavoro di gruppo ed il rispetto per la persona Università di Pisa Miglioramento continuo e Problem Solving

11 Il cammino del Management verso il Miglioramento
Gestione della Qualità - Miglioramento continuo e problem solving Il cammino del Management verso il Miglioramento Partecipazione e Leadership Impegno e Coinvolgimento Consapevolezza e Delega Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

12 I GRUPPI DI LAVORO FORMALI sono istituzionalizzati INFORMALI
esistono di fatto INTERFUNZIONALI i membri provengono da aree diverse ORIZZONTALI i membri sono dello stesso livello gerarchico VERTICALI i membri sono di livelli gerarchici diversi PERMANENTI esistono ed operano permanentemente TEMPORANEI esistono ed operano sino al raggiungimento dell’obiettivo Università di Pisa Miglioramento continuo e Problem Solving

13 GRUPPI TIPICI PER IL MIGLIORAMENTO
CIRCOLI QUALITÀ COMITATI DIRETTIVI PER LA QUALITÀ E/O IL MIGLIORAMENTO (“QUALITY COMMITTEE”) GRUPPI DI MIGLIORAMENTO DI UN PROCESSO TASK-FORCE Università di Pisa Miglioramento continuo e Problem Solving

14 REGOLE ESSENZIALI DI UN GRUPPO DI MIGLIORAMENTO
All’interno del gruppo non vi sono gerarchie Tutti i partecipanti devono conoscere e saper utilizzare in modo appropriato gli strumenti di Problem Solving I problemi affrontati devono essere compresi chiaramente da tutti i partecipanti Università di Pisa Miglioramento continuo e Problem Solving

15 Gestione della Qualità - Miglioramento continuo e problem solving
I GRUPPI DI LAVORO Un “vero” gruppo di lavoro si ha quando: i partecipanti operano in maniera “interattiva” gli obiettivi sono chiari e condivisi sono definite le relazioni tra i componenti del gruppo e tra questo e l’esterno sono chiare le modalità di partecipazione al gruppo i metodi di lavoro sono chiari e definiti e tali da ottimizzare il contributo dei singoli tutti i partecipanti hanno un ruolo ed uno spazio per contribuire i partecipanti hanno reciproca fiducia Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

16 IL GRUPPO DI LAVORO EFFICACE
Tipicamente formato da 5 fino ad un massimo di 12 persone Guidato da un “facilitatore” Caratterizzato da compatibilità di livello tecnico e culturale, “linguaggio” e strumenti dei partecipanti Rappresentativo delle aree e funzioni “toccate” dal problema affrontato Università di Pisa Miglioramento continuo e Problem Solving

17 IL RUOLO DEL FACILITATORE
Contribuire a creare un ambiente aperto e positivo Incoraggiare la manifestazione dei vari punti di vista Fare emergere il pensiero creativo Guidare il gruppo nell’utilizzo delle metodologie e degli strumenti del Problem Solving Accompagnare il gruppo verso il raggiungimento degli obiettivi Aiutare il gruppo a definire le proprie regole di funzionamento Università di Pisa Miglioramento continuo e Problem Solving

18 Gestione della Qualità - Miglioramento continuo e problem solving
“Insieme di tecniche e di strumenti che, utilizzati in maniera sistematica nelle varie fasi del processo di miglioramento, permettono l’efficace raggiungimento degli obiettivi, con un efficiente impiego delle risorse” Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 2

19 Miglioramento Applicazione della sequenza PDCA
P A D C Plan Stabilire gli obiettivi e pianificare le attività Do Attuare quanto pianificato Check Valutare i risultati rispetto agli obiettivi Standardizzare o ricominciare il ciclo Act Università di Pisa Miglioramento continuo e Problem Solving

20 RISOLVERE UN PROBLEMA Individuare tutti i problemi
Riconoscere i risultati Scegliere un problema Confermare i risultati Ricercare le cause potenziali Attuazione Approvare il progetto Individuare le cause reali Proporre una soluzione Cercare le soluzioni Università di Pisa Miglioramento continuo e Problem Solving

21 SCELTA DEL PROBLEMA Gli strumenti Le attività I documenti il problema
Individuare tutti i problemi Elenco problemi BRAINSTORMING BENCHMARKING Ottenere informazioni sui problemi STRUMENTI RACCOLTA DATI Informazioni sui problemi Preselezione dei problemi ISTOGRAMMA Chiarire i problemi VOTO il problema DIAGRAMMA DI PARETO Scegliere il problema Università di Pisa Miglioramento continuo e Problem Solving

22 LE CAUSE POTENZIALI Gli strumenti Le attività I documenti
DIAGRAMMA DI FLUSSO Comprendere il problema Diagrammi del processo GRAFICI E DIAGRAMMI DIAGRAMMA POLARE Definire il problema 5We2H Ricercare le cause potenziali BRAINSTORMING Diagramma causa-effetto Raggruppare le cause potenziali DIAGRAMMA CAUSA-EFFETTO Un problema e le sue cause potenziali Università di Pisa Miglioramento continuo e Problem Solving

23 STRUMENTI RACCOLTA DATI DIAGRAMMA DI CORRELAZIONE
LE CAUSE REALI Gli strumenti Le attività I documenti STRUMENTI RACCOLTA DATI Documentare le cause Diagrammi ISTOGRAMMA DIAGRAMMA DI CORRELAZIONE Analizzare le cause Diagrammi STRATIFICAZIONE DIAGRAMMA DI AFFINITÀ Classificare le cause DIAGRAMMA DI PARETO Le cause reali del problema Università di Pisa Miglioramento continuo e Problem Solving

24 LA SCELTA DELLA SOLUZIONE
Gli strumenti Le attività I documenti Ricercare le soluzioni Elenco delle soluzioni potenziali BRAINSTORMING VOTO Preselezionare le migliori soluzioni MATRICE MULTI-CRITERI Scegliere la soluzione DIAGRAMMA DI AFFINITÀ DIAGRAMMA AD ALBERO Il progetto Redigere e approvare il progetto Il progetto approvato Università di Pisa Miglioramento continuo e Problem Solving

25 L’ATTUAZIONE DELLA SOLUZIONE
Gli strumenti Le attività I documenti 5We2H Pianificare l’azione Misure temporanee DIAGRAMMA DI GANTT Preparare il piano Piano di azione DIAGRAMMA DI FLUSSO Attuare il piano DIAGRAMMA POLARE GRAFICI E DIAGRAMMI Verificare i progressi Nuove direttive CARTE DI CONTROLLO Confermare i risultati STRUMENTI RACCOLTA DATI Riconoscere i risultati Università di Pisa Miglioramento continuo e Problem Solving

26 STRUMENTI PROBLEMA CAUSE SOLUZIONE AZIONE Particolarmente indicato
1. STRUMENTI RACCOLTA DATI 2. GRAFICI E DIAGRAMMI 3. DIAGRAMMA POLARE 4. STRATIFICAZIONE 5. ISTOGRAMMA 6. DIAGRAMMA DI PARETO 7. DIAGRAMMA DI CORRELAZIONE 8. CARTE DI CONTROLLO 9. BRAINSTORMING PROBLEMA CAUSE SOLUZIONE AZIONE STRUMENTI Particolarmente indicato Indicato NON particolarmente indicato Università di Pisa Miglioramento continuo e Problem Solving

27 STRUMENTI 18. 5We2H PROBLEMA CAUSE SOLUZIONE AZIONE
10. DIAGRAMMA CAUSA-EFFETTO 11. VOTO 12. MATRICE MULTI-CRITERI 13. DIAGRAMMA DI AFFINITÀ 14. DIAGRAMMA AD ALBERO 15. BENCHMARKING 16. DIAGRAMMA DI FLUSSO 17. DIAGRAMMA DI GANTT 18. 5We2H PROBLEMA CAUSE SOLUZIONE AZIONE STRUMENTI Particolarmente indicato Indicato NON particolarmente indicato Università di Pisa Miglioramento continuo e Problem Solving

28 1. STRUMENTI PER LA RACCOLTA DATI
IL FOGLIO (MODULO) RACCOLTA DATI L’INTERVISTA L’OSSERVAZIONE ……. Non necessariamente un “foglio”, ma anche, ad esempio, un modulo elettronico. Università di Pisa Miglioramento continuo e Problem Solving

29 FOGLIO RACCOLTA DATI È utilizzato per raccogliere sistematicamente dei dati, allo scopo di ottenere una chiara rappresentazione dei fatti e di facilitarne l’analisi. Università di Pisa Miglioramento continuo e Problem Solving

30 Gestione della Qualità - Miglioramento continuo e problem solving
FOGLIO RACCOLTA DATI Contiene tutte le informazioni di carattere generale: - data - fonte - rilevatore - destinazione dati - fenomeno rilevato - unità di misura - metodologia di rilevamento - etc... E’ solitamente una matrice a doppia entrata i cui dati sono organizzati in modo coerente con le finalità di rilevazione TESTATA CORPO Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

31 Esempio di corpo di Foglio raccolta dati
Gestione della Qualità - Miglioramento continuo e problem solving Esempio di corpo di Foglio raccolta dati ora Numero di persone in fila 9.30 10.00 10.30 11.00 11.30 12.00 12.30 Lunedì ora Numero di persone in fila 9.30 10.00 10.30 11.00 11.30 12.00 12.30 Martedì Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

32 Foglio Raccolta Dati (per il Controllo di un Processo)
TEMPERATURA COLATA GHISA OPERATORE: Bianchi LINEA: B DATA: 16/10/ LIMITI: °C ORA DI RILEVAZ. TEMP. °C NOTE RILEVATA ALLE ORE 10.18 VALORE SOPRA I LIMITI Università di Pisa Miglioramento continuo e Problem Solving

33 Gestione della Qualità - Miglioramento continuo e problem solving
Foglio Raccolta Dati (per tipo di difetto) IMPIANTO SQUADRA TURNO A TURNO B TURNO C        A1          LINEA A A2      B1      LINEA B B2 GRAFFI  COLLA TOMAIA CUCITURE FINITURA ALTRI DATA: feb RILEVATORI: Amedei, Vittori Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 34

34 Gestione della Qualità - Miglioramento continuo e problem solving
Foglio Raccolta Dati (per causa di difetto) DATA: 2002-dic-15 TOTALE TIPO DI SCARTO QUANTITA’ E1 Errata tensione di carica E2 Errata fasatura E3 Spegnimento E4 B.T. bobina a massa E5 B.T. bobina invertita E6 B.T. cortocircuito E7 Varie M1 Rivett. Spira di corto M2 Amianto mancante M3 Deformazione piattello M4 Tornitura piattello RILEVATORE: Minghelli 2 3 8 4 6 5 44 Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 36

35 L’INTERVISTA È un metodo di raccolta delle informazioni, qualitative o quantitative, diretto solitamente ad individuare i bisogni od il grado di soddisfazione dei clienti Università di Pisa Miglioramento continuo e Problem Solving

36 L’INTERVISTA L’intervista è guidata da un QUESTIONARIO, costituto da un elenco di domande che possono essere: CHIUSE l’intervistato sceglie tra una serie di risposte pronte APERTE l’intervistato fornisce una risposta non vincolata Università di Pisa Miglioramento continuo e Problem Solving

37 QUESTIONARIO CON DOMANDE APERTE
VALUTAZIONE DEL SERVIZIO ASSISTENZA 1) Cosa pensa del livello di preparazione dei tecnici? 2) Ha mai riscontrato carenze nella qualità delle riparazioni? Di che tipo? 10) In quali aspetti crede che il servizio debba essere migliorato? Università di Pisa Miglioramento continuo e Problem Solving

38 QUESTIONARIO CON DOMANDE APERTE
VALUTAZIONE DEL SERVIZIO BIBLIOTECA 1) Cosa pensa della disponibilità di libri? 2) Ha mai riscontrato disservizi? Di che tipo? 3) In quali aspetti crede che il servizio debba essere migliorato? Università di Pisa Miglioramento continuo e Problem Solving

39 QUESTIONARIO CON DOMANDE CHIUSE
VALUTAZIONE DEL SERVIZIO ASSISTENZA Quanto è soddisfatto riguardo ai seguenti aspetti: 1) Livello di preparazione dei tecnici 2) Disponibilità e cortesia 3) Qualità delle riparazioni 4) Velocità di intervento 1 5 2 3 4 Università di Pisa Miglioramento continuo e Problem Solving

40 QUESTIONARIO CON DOMANDE CHIUSE
VALUTAZIONE DEL SERVIZIO MENSA Quanto è soddisfatto riguardo ai seguenti aspetti: 1) Qualità degli alimenti 2) Disponibilità e cortesia del personale 3) Tempi di attesa 4) Varietà del menù 5) ... 1 5 2 3 4 Università di Pisa Miglioramento continuo e Problem Solving

41 Gestione della Qualità - Miglioramento continuo e problem solving
VANTAGGI DOMANDE CHIUSE Facilitano il successivo lavoro di classificazione ed elaborazione dei dati DOMANDE APERTE Non limitano le possibilità di risposta dell'intervistato Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

42 L’OSSERVAZIONE Consente di raccogliere informazioni di tipo qualitativo o quantitativo È un metodo adatto per analizzare elementi numerosi, volumi elevati, comportamenti, situazioni…(come viene eseguita un’attività, per rilevare una sequenza di operazioni, gli strumenti utilizzati, i files consultati, la presenza o l’assenza di elementi…..) Università di Pisa Miglioramento continuo e Problem Solving

43 2. GRAFICI E DIAGRAMMI Sono rappresentazioni di dati quantitativi
Permettono di riassumere grandi quantità di informazioni in uno spazio ridotto e di comunicare situazioni complesse in maniera chiara e concisa Università di Pisa Miglioramento continuo e Problem Solving

44 I tipi di grafici più diffusi
Adatti a rappresentare le tendenze A) GRAFICI A SPEZZATA B) GRAFICI A BARRE C) DIAGRAMMI A SETTORI Utili per effettuare confronti fra categorie Consentono di visualizzare le proporzioni tra le varie classi di un fenomeno Università di Pisa Miglioramento continuo e Problem Solving

45 A) GRAFICO A SPEZZATA Reclami del cliente relativi a puntualità consegne Reclami Anni 20 40 60 80 100 97 98 99 00 01 02 03 Stabilimento A Stabilimento B Università di Pisa Miglioramento continuo e Problem Solving

46 A) GRAFICO A SPEZZATA Procedura:
Determinare, per entrambi gli assi, il campo di variazione e l’unità di misura di ogni incremento Contrassegnare i due assi, riportandovi le unità di misura utilizzate Tracciare i punti di intersezione dei dati e collegarli con una linea Università di Pisa Miglioramento continuo e Problem Solving

47 GRAFICO A COLONNE RITARDO MEDIO CONSEGNE – ANNO 2002 Prodotti standard
Magazzino di spedizione Giorni 1 2 3 4 5 A B C D E F Prodotti standard custom Università di Pisa Miglioramento continuo e Problem Solving

48 GRAFICO A COLONNE Procedura:
Determinare il campo di variazione dell’asse verticale e l’unità di misura di ogni incremento Contrassegnare l’asse verticale, riportando l’unità di misura Determinare il numero e l’ordine delle barre Contrassegnare l’asse orizzontale Università di Pisa Miglioramento continuo e Problem Solving

49 Gestione della Qualità - Miglioramento continuo e problem solving
B) GRAFICO A BARRE Tempo medio di fermo impianto 5 10 15 20 25 30 Marzo 03 Febbraio 03 Gennaio 03 Dicembre 02 Arrivo squadra manutenzione Diagnosi guasto Reperimento ricambi Completamento intervento Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 6

50 C) DIAGRAMMA A SETTORI (TORTA)
CAUSE DI ABBANDONO DEGLI STUDI 15% 20% 36% 11% 6% 12% Motivazioni personali Iniziato a lavorare Difficoltà studi Economiche Logistiche Altre Università di Pisa Miglioramento continuo e Problem Solving

51 C) DIAGRAMMA A SETTORI Procedura:
Determinare la percentuale per ciascuna categoria Convertire i valori percentuali in gradi d’angolo Disegnare un cerchio e tracciare i settori Contrassegnare i settori Università di Pisa Miglioramento continuo e Problem Solving

52 3. DIAGRAMMA POLARE Visualizza su un solo diagramma un insieme di parametri, permettendo di tenere sotto controllo la situazione generale e di individuare prontamente eventuali situazioni critiche Università di Pisa Miglioramento continuo e Problem Solving

53 Gestione della Qualità - Miglioramento continuo e problem solving
DIAGRAMMA POLARE LA PERCEZIONE DELL’AZIENDA DA PARTE DEI CLIENTI QUALITÀ PRODOTTO IL PRINCIPALE CONCORRENTE 100 PUNTUALITÀ CONSEGNE ECONOMICITÀ ESERCIZIO 80 60 NOI 40 20 PRESTAZIONI PRODOTTO ASSISTENZA TECNICA DISPONIBILITÀ PER DILAZIONE PAGAMENTI COSTO ACQUISTO TEMPI DI RISPOSTA Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 2

54 4. STRATIFICAZIONE Consiste nell’osservare da punti di vista diversi dati e informazioni aggregati È particolarmente utile nella fase diagnostica, poiché permette di identificare quali categorie contribuiscono maggiormente a creare il problema Università di Pisa Miglioramento continuo e Problem Solving

55 Stratificazione delle assenze dal lavoro
14 30 12 25 10 20 8 15 6 4 10 2 5 G G F F M M A A M M G G L L A A S S O O N N D D <20 20-21 22-23 >24 % PER MESE % PER ETA' 60 60 40 40 20 20 IMPIEGATI OPERAI M M F F % PER INQUADRAMENTO % PER SESSO Università di Pisa Miglioramento continuo e Problem Solving

56 5. ISTOGRAMMA Rappresentazione grafica di una distribuzione di frequenza, costituita da una successione di rettangoli aventi come base l’intervallo delle classi e come altezza un valore proporzionale alla frequenza corrispondente Università di Pisa Miglioramento continuo e Problem Solving

57 Prestazioni di un processo
ISTOGRAMMA Prestazioni di un processo Obiettivo del processo sul 95 % dei prodotti Frequenza relativa (%) Frequenza assoluta Scostamento dall’ottimale 5 10 15 20 11 09 08 07 06 05 04 03 02 01 30 Università di Pisa Miglioramento continuo e Problem Solving

58 Distribuzione bimodale dei dati attorno a due frequenze.
Diagramma simmetrico dei dati attorno alla maggiore frequenza (“moda”). Diagramma asimmetrico. L’asimmetria è detta negativa quando si sviluppa a sinistra, positiva quando si sviluppa a destra. Distribuzione bimodale dei dati attorno a due frequenze. Università di Pisa Miglioramento continuo e Problem Solving

59 Specifica Distribuzione centrata all’interno dei limiti di specifica: processo sotto controllo. Specifica Distribuzione centrata, ma estesa al di fuori dei limiti di specifica: processo fuori controllo. Specifica Distribuzione non centrata nei confronti della specifica ed estesa al di fuori dei limiti di specifica: processo fuori controllo. Università di Pisa Miglioramento continuo e Problem Solving

60 6. DIAGRAMMA DI PARETO Permette di visualizzare un insieme di dati quantitativi relativi ad un problema, mettendo in risalto i fatti importanti rispetto a quelli secondari Università di Pisa Miglioramento continuo e Problem Solving

61 UN ESEMPIO: DIFETTI RISCONTRATI SU UN MOTOVEICOLO IN GARANZIA
N° casi 64 38 26 7 5 4 3 2 A : difficoltà di avviamento B : regime di minimo irregolare C : imperfezioni nella verniciatura D : eccessiva rumorosità del motore E : guasto della serratura della sella F : scarsa efficacia della frenatura G : perdite di carburante H : malfunzionamento spie cruscotto I : guasto del proiettore anteriore K : rottura del cavalletto L : altro Università di Pisa Miglioramento continuo e Problem Solving

62 Gestione della Qualità - Miglioramento continuo e problem solving
UN ESEMPIO: DIFETTI RISCONTRATI SU UN MOTOVEICOLO IN GARANZIA 100 % 160 140 80 % 120 100 Numero di occorrenze 60 % 80 40 % 60 40 20 % 20 0 % “TRIVIAL MANY” “VITAL FEW” A B C D E F G H I J K L Difetto Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 47

63 7. DIAGRAMMA DI CORRELAZIONE
Permette di evidenziare la relazione esistente tra due insiemi di dati associati biunivocamente. È utilizzato frequentemente nell’analisi delle cause, al fine di stabilire se un rapporto di causa / effetto o di dipendenza tra due fenomeni sia effettivamente fondato. Università di Pisa Miglioramento continuo e Problem Solving

64 RELAZIONE TRA GLI ABBANDONI AL PRIMO ANNO E IL PUNTEGGIO CONSEGUITO AL TEST DI INGRESSO
(%) PUNTEGGIO ABBANDONI (%) PUNTEGGIO ABBANDONI (%) 31 32 33 34 35 36 37 38 39 40 33,5 32,4 29,9 25,7 18,2 19,7 17,3 15,5 18,7 19,4 41 42 43 44 45 46 47 48 49 50 16,4 15,6 15,9 15,0 14,7 13,3 12,6 11,9 10,3 10,2 51 52 53 54 55 56 57 58 59 60 9,5 9,1 7,5 7,8 6,5 6,0 5,3 4,8 4,3 3,2 Università di Pisa Miglioramento continuo e Problem Solving

65 Punteggio conseguito al test di ingresso
(%) 12 10 8 Abbandoni al primo anno 6 4 2 25 50 75 100 Punteggio conseguito al test di ingresso Università di Pisa Miglioramento continuo e Problem Solving

66 Forme tipiche FORTE CORRELAZIONE POSITIVA DEBOLE CORRELAZIONE POSITIVA
NESSUNA CORRELAZIONE Università di Pisa Miglioramento continuo e Problem Solving

67 Forme tipiche (continua) FORTE CORRELAZIONE NEGATIVA DEBOLE
CURVILINEA Università di Pisa Miglioramento continuo e Problem Solving

68 Procedura Definire le due variabili X ed Y di cui si vuole evidenziare l’eventuale relazione Raccogliere le coppie di dati (X, Y) (almeno 30 coppie) Costruire un diagramma cartesiano X-Y Cercare i valori min. e max. di X ed Y e sulla base di questi definire la scala per i due assi Riportare sul grafico le coppie (X, Y) Esaminare la forma della nuvola di punti e calcolare, eventualmente, il coefficiente di correlazione Università di Pisa Miglioramento continuo e Problem Solving

69 8. CARTE DI CONTROLLO Sono utilizzate per la diagnosi ed il controllo dei processi. Permettono di distinguere, nell’ambito di un processo, le variazioni dovute a cause “speciali” rispetto a quelle dovute a cause “comuni”. Università di Pisa Miglioramento continuo e Problem Solving

70 VARIABILITÀ NATURALE DEL PROCESSO
CAUSE COMUNI Influenzano le misure sempre nello stesso modo Producono variazioni casuali Derivano da molteplici sorgenti, spesso difficili da identificare Non possono normalmente essere corrette dall’operatore o dal supervisore CAUSE SPECIALI Influenzano le misure in maniera diversa Si rilevano come variazioni intermittenti Derivano da poche sorgenti Possono essere eliminate dall’operatore o dal supervisore Università di Pisa Miglioramento continuo e Problem Solving

71 CARTE DI CONTROLLO CAUSE COMUNI: scarsa manutenzione delle macchine
istruzioni o supervisione insufficienti problemi di lay-out CAUSE SPECIALI: variabilità delle materie prime variazione dei parametri di macchina malfunzionamenti nelle attrezzature Università di Pisa Miglioramento continuo e Problem Solving

72 Gestione della Qualità - Miglioramento continuo e problem solving
CARTA X-R Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

73 Procedura Selezionare la caratteristica cui applicare la carta di controllo Identificare l’appropriato tipo di carta di controllo Stabilire la dimensione del “sottogruppo” (piccola raccolta di elementi al cui interno le variazioni sono supposte casuali) e la frequenza di campionamento Università di Pisa Miglioramento continuo e Problem Solving

74 segue Procedura Reperire i dati di un numero congruo di sottogruppi
Calcolare i dati statistici relativi a ciascun campione e determinare, in base ad essi, i limiti di controllo Tracciare la carta di controllo ed esaminarne l’andamento ed i punti fuori dai limiti di controllo, onde evidenziare la presenza di eventuali cause speciali Università di Pisa Miglioramento continuo e Problem Solving

75 9. BRAINSTORMING Tecnica per la generazione creativa di idee su un argomento prestabilito Necessita di un modo di operare ordinato e metodico Permette di ottenere un gran numero di idee in un tempo breve Particolarmente utile nella fase di identificazione del problema da affrontare, nella ricerca delle cause e nella definizione della soluzione Favorisce la coesione del gruppo e la partecipazione attiva di tutti i partecipanti Università di Pisa Miglioramento continuo e Problem Solving

76 BRAINSTORMING Tipologie:
Spinge ognuno a partecipare, ma può portare contributi “forzati” e non spontanei Tipologie: BS “strutturato” = ciascuno deve esprimere la propria idea a turno BS “non strutturato” = ciascuno esprime la propria idea senza rispettare turni L’atmosfera generale è più rilassata, ma i meno estroversi possono rimanere un po’ “schiacciati” Università di Pisa Miglioramento continuo e Problem Solving

77 BRAINSTORMING Come preparare una sessione di Brainstorming:
Gruppo di persone in numero inferiore a 12 (limite inferiore indicativo di 5) Disposizione a ferro di cavallo, così che tutti vedano tutti Atmosfera distesa e desiderio di partecipazione Strumenti per scrivere e prendere appunti (se possibile lavagna visibile da tutti per redigere la “lista delle idee”) Regole del BS note a tutti (eventualmente richiamate dal facilitatore) Chiara identificazione e spiegazione al gruppo del tema Durata limitata (solitamente inferiore ai 30 minuti) Università di Pisa Miglioramento continuo e Problem Solving

78 Gestione della Qualità - Miglioramento continuo e problem solving
BRAINSTORMING Come condurre una sessione di Brainstorming: Fissare in modo chiaro e non vago l’argomento Non criticare nessuna idea, né ragionarci sopra Andare a ruota libera (OK anche le idee pazze, perché possono essere spunto per generarne altre valide) Obiettivo: massima quantità di idee generate, non qualità Trascrivere ogni idea, anche se già esposta in altro modo Lista delle idee visibile a tutti No al “mattatore” ! Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

79 Un Caso (tratto da A.M. Chauvel)
CAUSE POTENZIALI DEL PROBLEMA “CONSISTENZA GRANULOSA DELLA CREMA” 1. Il tasso di umidità del latte evaporato 2. La fonte di riscaldamento 3. Il controllo della temperatura 4. Il miscelatore nel paiolo 5. La % di materia solubile contenuta nella cioccolata 6. La portata della pompa n°1 7. La durata di riscaldamento della miscela 8. La qualità dello zucchero 9. Le dimensioni del paiolo di cottura 10. La taratura del viscosimetro 11. La viscosità dello sciroppo di mais 12. L’esperienza dei nuovi impiegati 13. La formazione del personale 14. La velocità di rotazione del miscelatore 15. L’angolo delle eliche del miscelatore 16. La taratura del termometro 17. Lo standard di riferimento del colorimetro 18. La % di grasso nel burro Università di Pisa Miglioramento continuo e Problem Solving

80 Un esempio: i problemi individuati da una classe in relazione all’apprendimento in un corso di formazione novità argomenti difficoltà confronto con altri partecipanti costanza studio distanza argomenti con propria realtà tempo scarso mancanza conoscenza aziendale 360 gradi partecipanti carenza materiale didattico mancanza simulazione esame troppa teoria su alcuni argomenti difficoltà seguire argomenti che richiedono conoscenze di base scarsa focalizzazione dei concetti mancanza programma dettagliato di tutto il qsm poca finalizzazione su argomenti di proprio interesse in azienda mancanza filo logico difficoltà di memorizzazione norme, concetti non maggiormente approfonditi poche esercitazioni necessità di legare concetti teorici ad aspetti applicativi mancanza individuazione argomenti più importanti poca capacità di sintesi nello studio insegnamento non omogeneo poco studio distanza fase aula fase studio casa materiale didattico ripetitivo e non integrativo della lezione mancanza metodo studio scarso approfondimento di alcuni argomenti poca applicabilità alla propria realtà difficoltà ad apprendere termini tecnici pochi esercizi di verifica extra esami insuff conoscenze di base su alcune tematiche aula differenziata conoscenze di base scarsa applicazione degli strumenti alla realtà mancanza nel materiale didattico di specifici esercizi di apprendimento necessita di studiare per studenti lavoratori in ore poco efficienti linguaggio in alcune dispense poco chiaro poca abitudine all’apprendimento scarso collega fra gli argomenti stesso docente per stessa materia provoca noia scarsa applicazione guidata poca esperienza aziendale su alcuni arg da parte dello stud scarsa rispondenza arg con la realtà aziendale scarso stimolo all’apprendimento mancanza di riferimenti per chiarimenti/assistenza didattica migliore definizione apprendimento per ogni modulo ritmo espositivo diverso dei docenti differenti competenze discenti che impediscono approfondimenti specifici mancata discussione risultati prove di esame poca chiarezza obiettivi studio (esame o professionalità) dicotomia obiettivi (docenza, azienda, discenti) Università di Pisa Miglioramento continuo e Problem Solving

81 insufficienti conoscenze di base su alcune tematiche
Un esempio: i problemi individuati da una classe in relazione all’apprendimento in un corso di formazione Risultati della votazione di priorità tempo scarso insufficienti conoscenze di base su alcune tematiche dicotomia obiettivi (docenza, azienda, discenti) mancanza simulazione esame pochi esercizi di verifica apprendimento extra esami materiale didattico mancanza nel materiale didattico di specifici esercizi di apprendimento necessità di legare concetti teorici ad aspetti applicativi Università di Pisa Miglioramento continuo e Problem Solving

82 10. DIAGRAMMA CAUSA-EFFETTO
Permette di organizzare e di visualizzare le cause potenziali di un problema. Università di Pisa Miglioramento continuo e Problem Solving

83 Gestione della Qualità - Miglioramento continuo e problem solving
Le 4 classiche categorie di cause “4M” MATERIALI MANODOPERA EFFETTO MACCHINE METODI Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 41

84 Gestione della Qualità - Miglioramento continuo e problem solving
…ma non le sole possibili ! HARDWARE UTENTE EFFETTO AMBIENTE SOFTWARE Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 41

85 Diagramma Causa Effetto
Gestione della Qualità - Miglioramento continuo e problem solving Diagramma Causa Effetto VARIAZIONE DIMENSIONALE MACCHINA OPERATORI PARTI E MATERIALI METODO GRADO DI FISSAGGIO QUALITA’ DEL MATERIALE SALUTE . LAVORO COMPONENTE DIMENSIONE ATTENZIONE SPIRITO ABILITA’ ADDESTRAMENTO UTENSILI POSIZIONAMENTO MANUTENZ. FATICA MALATTIA ESPERIENZA FORMA FORMAZIONE STOCCAGGIO DIAMETRO PROFILO ORDINE FISSAGGIO VELOCITA’ PROCEDURA POSIZIONE ANGOLO CONCENTRAZIONE ISPEZIONE SET-UP ABRASIONE DEFORMAZIONE FUNZIONAMENTO BILANCIAMENTO STABILITA’ Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 16

86 Gestione della Qualità - Miglioramento continuo e problem solving
un caffè … cattivo CAFFÈ CATTIVO MATERIALE MACCHINA MANODOPERA METODO TIPO DI CAFFÈ IMPORTATO/NAZIONALE TIPO DI DOLCIFICANTE MACINATURA SOLUBILE ACQUA CONTENITORE MANUALE AUTOMATICA NAPOLETANA ESPRESSO CON FILTRO/ SENZA FILTRO TEMPO QUANTITÀ CAFFÈ TAZZINA NON RISCALDATA TEMPERATURA ESPERIENZA ABILITÀ PREFERENZA ( LUNGO/ FORTE) Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 38

87 Gestione della Qualità - Miglioramento continuo e problem solving
Diagramma Causa Effetto AMBIENTE MANO D’OPERA METODI RILEVATORE ILLUMINAZIONE CONTROLLI UMIDITA’ RUMORE PERDITE NEI CONTENITORI LINEA CONTENITORE CAPSULA STERILIZZATORE INCAPSULATORE MEZZI MATERIALI PRESSIONE Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 11

88 DIAGRAMMA CAUSA-EFFETTO IN FORMA DI PROCESSO
È una variante, la cui caratteristica è di presentare le cause potenziali del problema non raggruppate per famiglie, ma posizionate in modo sequenziale lungo le tappe di realizzazione del processo, al quale il problema è riferito. Università di Pisa Miglioramento continuo e Problem Solving

89 Gestione della Qualità - Miglioramento continuo e problem solving
REGOLAZIONE FESSURE VELOCITÀ SCARICO CONTENITORI URTI CONTENITORE ATTREZZATURA PLANARITA’ INVERTITORE PRESSIONE ATTREZZATURA PULIZIA/LAVAGGIO ACQUA TEMPERATURA REGOLAZIONE GUIDE CORONA DI GUIDA QUANTITA’ RIEMPIMENTO PRODOTTO ATTREZZATURA SPAZIO LIBERO TEMPERATURA SERRAGGIO SENZA GIUNTO ATTREZZATURA INCAPSULAMENTO CAPSULA PRESSIONE POSIZIONAMENTO PERFORATA METALLO PERDITE NEI CONTENITORI Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 13

90 11. VOTO Permette di effettuare la scelta fra le proposte presentate dai partecipanti ad un gruppo. Il voto è tipicamente usato in circostanze quali: la scelta del problema da affrontare la selezione delle cause sulle quali investigare la decisione riguardo alle soluzioni da adottare Università di Pisa Miglioramento continuo e Problem Solving

91 Possibili modalità di votazione
A) VOTO SEMPLICE B) VOTO PONDERATO C) MATRICE DI PONDERAZIONE Università di Pisa Miglioramento continuo e Problem Solving

92 A) VOTO SEMPLICE Procedura:
Votare individualmente 3 soggetti (o un qualsiasi altro numero prefissato) fra tutti quelli presentati Classificare i soggetti in base al punteggio ottenuto (ad ogni voto corrisponde un punto) Università di Pisa Miglioramento continuo e Problem Solving

93 I problemi del reparto II IIII III IIII II IIII III ARGOMENTI
OBIETTIVI TROPPO AMBIZIOSI II 2 RITMI DI PRODUZIONE ECCESSIVI IIII 5 SCARSA MOTIVAZIONE PERSONALE III 3 LONTANANZA DA ALTRI REPARTI IIII II 7 LOGISTICA INTERNA INADEGUATA MANCANZA MENSA INTERNA CARENZA DI PERSONALE IIII III 8 VOTI TOTALE Università di Pisa Miglioramento continuo e Problem Solving

94 B) VOTO PONDERATO Procedura:
Votare individualmente 3 soggetti (o un qualsiasi altro numero prefissato) fra tutti quelli presentati, assegnando un punteggio da 1 a 3 in ordine di importanza crescente Classificare i soggetti in base al punteggio ottenuto Università di Pisa Miglioramento continuo e Problem Solving

95 I problemi del reparto ARGOMENTI PARTECIPANTI PUNTEGGIO TOTALE
A B C D E F G H I L Obiettivi troppo ambiziosi 1 2 Ritmi di produzione eccessivi 12 Scarsa motivazione personale 5 Lontananza da altri reparti 15 Logistica interna inadeguata 3 6 Mancanza mensa interna Carenza di personale 3 2 18 Università di Pisa Miglioramento continuo e Problem Solving

96 C) MATRICE DI PONDERAZIONE
Procedura: Paragonare ciascun soggetto, uno dopo l’altro, con tutti gli altri. Se il soggetto è ritenuto: - molto più importante, segnare +3 - più importante, segnare +2 - poco più importante, segnare +1 - ugualmente importante, segnare 0 - poco meno importante, segnare -1 - meno importante, segnare -2 - molto meno importante, segnare -3 Classificare i soggetti in base al punteggio ottenuto Università di Pisa Miglioramento continuo e Problem Solving

97 Gestione della Qualità - Miglioramento continuo e problem solving
I problemi del reparto PARAGONI TOT. ( + ) PER RIGA SOGGETTI + - 1. Obiettivi troppo ambiziosi 2. Scarsa motivazione personale 3. Lontananza da altri reparti 4. Logistica interna inadeguata 5. Carenza di personale “Obiettivi troppo ambiziosi” è più importante di “Scarsa motivazione del personale”, che è il numero 2 tra i termini di paragone. Il grado di questa maggiore importanza è stato classificato con +1 “Obiettivi troppo ambiziosi” è ugualmente importante di “Lontananza da altri reparti” “Obiettivi troppo ambiziosi” è più importante di “Logistica interna inadeguata”, che è il numero 4 tra i termini di paragone. Il grado di questa maggiore importanza è stato classificato con +2 “Obiettivi troppo ambiziosi” è meno importante di “Carenza di personale”, che è il numero 5 tra i termini di paragone. Il grado di questa minore importanza è stato classificato con -2 “Scarsa motivazione del personale” è meno importante di “Lontananza da altri reparti”. Il grado di questa minore importanza è stato classificato con -2 “Scarsa motivazione del personale” è meno importante di “Logistica interna inadeguata”. Il grado di questa minore importanza è stato classificato con -1 “Scarsa motivazione del personale” è meno importante di “Carenza del personale”. Il grado di questa minore importanza è stato classificato con -3 “Lontananza da altri reparti” è più importante di “Logistica interna inadeguata”. Il grado di questa maggiore importanza è stato classificato con +3 “Lontananza da altri reparti” è ugualmente importante di “Carenza del personale” “Logistica interna inadeguata” è meno importante di “Carenza di personale”. Il grado di questa minore importanza è stato classificato con -2 La somma dei valori usati per quantificare la maggiore importanza di un soggetto (somma per righe dei +) viene poi sommata, per ogni soggetto, alla somma dei valori usati per quantificare la minore importanza di tutti gli altri rispetto a lui (somma per colonne dei -). Il soggetto per il quale la somma finale risulta maggiore, è quello giudicato più importante TOT. ( - ) PER COLONNA RIPORTO ( + ) PER RIGA TOTALE FINALE Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

98 12. MATRICE MULTI-CRITERI
Permette di scegliere la soluzione da attuare fra tutte quelle proposte dal gruppo di lavoro, tenendo conto di criteri di selezione prestabiliti Università di Pisa Miglioramento continuo e Problem Solving

99 Montaggio difettoso dei cuscinetti Centraggio bobine di riscaldamento
CRITERI Economicità Totale Complessità Tecnica Efficacia Affidabilità SOLUZIONI Centraggio bobine di riscaldamento Modifica tolleranze di forma sede Aumento temperatura riscaldamento Aumento angolo di smusso sede cuscinetto Rettifica sede cuscinetto Università di Pisa Miglioramento continuo e Problem Solving

100 MATRICE MULTI-CRITERI PONDERATA
Variante della matrice multi-criteri, rispetto alla quale presenta un fattore di ponderazione, associato ad ogni criterio, che è funzione dell’importanza relativa di ciascun criterio rispetto agli altri La matrice multi-criteri ponderata permette di operare una valutazione più rigorosa delle soluzioni proposte Università di Pisa Miglioramento continuo e Problem Solving

101 Montaggio difettoso dei cuscinetti Centraggio bobine di riscaldamento
CRITERI Economicità Complessità Tecnica Efficacia Affidabilità TOTALE SOLUZIONI X X X X 5 Centraggio bobine di riscaldamento Modifica tolleranze di forma sede Aumento temperatura riscaldamento Aumento angolo di smusso sede cuscinetto Rettifica sede cuscinetto Università di Pisa Miglioramento continuo e Problem Solving

102 13. DIAGRAMMA DI AFFINITÀ Permette di organizzare in classi un ampio numero di idee generate spontaneamente su un particolare argomento Università di Pisa Miglioramento continuo e Problem Solving

103 Requisiti per una segreteria telefonica
Ora e data del messaggio Presa per auricolare Facilità d’uso Facilità di cancellazione Dispositivi ben visibili Indicazione numero di messaggi Può operare da un apparecchio remoto Guida di consultazione rapida Messaggi di lunghezza variabile Istruzioni chiare Cancellazione messaggi selezionati Codice di accesso segreto Non conta eventuali riagganci Università di Pisa Miglioramento continuo e Problem Solving

104 segue - DIAGRAMMA DI AFFINITÀ Dati organizzati in classi
MESSAGGI IN ARRIVO Messaggi di lunghezza variabile Ora e data del messaggio Non conta eventuali riagganci Indicazione numero di messaggi Codice di accesso segreto Presa per auricolare Istruzioni chiare Guida di consultazione rapida Dispositivi ben visibili Facilità d’uso Può operare da un apparecchio remoto Facilità di cancellazione Cancellazione messaggi selezionati ASPETTI PRIVATI ISTRUZIONI CONTROLLI CANCELLAZIONE Università di Pisa Miglioramento continuo e Problem Solving

105 Procedura Definire l’argomento da studiare in termini generali
Registrare il maggior numero possibile di idee individuali su dei cartellini (una per ogni cartellino) Disporre i cartellini casualmente su un tavolo e raggruppare in classi quelli che sembrano essere correlati Localizzare o creare un cartellino che definisca il significato di ciascuna classe Trasferire su carta i contenuti dei cartellini, organizzandoli nelle rispettive classi Università di Pisa Miglioramento continuo e Problem Solving

106 14. DIAGRAMMA AD ALBERO Opera la sistematica disaggregazione di un argomento nei suoi elementi componenti, mettendo in luce i legami logici e sequenziali. È particolarmente utile nelle fasi di pianificazione e soluzione dei problemi. Università di Pisa Miglioramento continuo e Problem Solving

107 Requisiti di una segreteria telefonica
ISTRUZIONI ASPETTI PRIVATI MESSAGGI CONTROLLI CANCELLAZIONE lungh. variabile n° messaggi codice segreto presa auricolare istruzioni chiare consultaz. rapida dispositivi visibili facilità d’uso facilità di cancellaz. messaggi selezion. Università di Pisa Miglioramento continuo e Problem Solving

108 Procedura Definire l’argomento da studiare
Identificare le principali categorie dell’argomento Costruire il diagramma, posizionando l’argomento a sinistra del foglio e disponendo le principali categorie a destra Università di Pisa Miglioramento continuo e Problem Solving

109 Procedura Identificare, per ogni categoria, gli elementi componenti e tutti i sotto-elementi Ramificare a destra gli elementi e i sotto-elementi componenti di ciascuna categoria principale Riesaminare il diagramma per assicurarsi che non vi siano vuoti logici o sequenziali Università di Pisa Miglioramento continuo e Problem Solving

110 15. BENCHMARKING Consiste nel confrontare processi, prodotti o servizi con quelli dei migliori riferimenti (benchmark), al fine di identificare opportunità di miglioramento Università di Pisa Miglioramento continuo e Problem Solving

111 Procedura Individuare gli elementi da confrontare con altri (i migliori del settore) Identificare le situazioni, gli approcci, i “casi” migliori, nell’elemento di interesse, con i quali effettuare il confronto Raccogliere dati sulle prestazioni del processo e/o sulle esigenze dei clienti, mediante mezzi quali: contatti diretti, interviste, indagini, riviste tecniche……. Organizzare e analizzare i dati Identificare opportunità, per il miglioramento della qualità, basate sulle esigenze dei clienti e sulle prestazioni dei concorrenti Università di Pisa Miglioramento continuo e Problem Solving

112 16. DIAGRAMMA DI FLUSSO È una rappresentazione figurativa degli stadi di un processo. Consente una dettagliata comprensione del reale funzionamento del processo, facilitando l’individuazione di punti deboli e di opportunità di miglioramento. Università di Pisa Miglioramento continuo e Problem Solving

113 Gestione della Qualità - Miglioramento continuo e problem solving
SIMBOLI PRINCIPALI DEL DIAGRAMMA DI FLUSSO INIZIO E FINE PROCESSO DESCRIZIONE ATTIVITÀ DECISIONE LINEA DI FLUSSO Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa 17

114 SIMBOLI PRINCIPALI DEL DIAGRAMMA DI FLUSSO
DOCUMENTAZIONE DATA BASE CONNETTORE Università di Pisa Miglioramento continuo e Problem Solving

115 Esempio: Processo di riproduzione di un documento
Inizio Inserimento N° di copie nel registro Ricevimento documenti Inizio copiatura Corretto funzionam. macchina SI SI Copie rilegate Ripetizione copiatura Documenti rilegati NO NO Richiesta di ritiro Eliminazione del problema Fine Università di Pisa Miglioramento continuo e Problem Solving

116 DIAGRAMMA DI FLUSSO (segue) Tabulato
1 Inizio attività Definisce nuovo prodotto (NP) 2 Definisce criticità componenti in accordo con FORN 3 Consegna DB particolari NP a IF Trascrive tabulato su foglio Excel per gestione attività NP 4 6 COO richiede a QPTF per ciascun particolare del NP: - data preserie - data delibera a produrre - vincoli omologativi e requisiti di sicurezza 5 Viene individuato coordinatore (COO) che gestisce l’attività di IF per quanto riguarda il NP IF esegue attività di monitoraggio in funzione delle criticità entro le varie scadenze 7 (segue) 8 QPTF comunica a COO quanto richiesto insieme alle criticità (X, Y, Z) dei particolari Tabulato Università di Pisa Miglioramento continuo e Problem Solving

117 Diagramma di Flusso Università di Pisa Miglioramento continuo e Problem Solving

118 Gestione della Qualità - Miglioramento continuo e problem solving
Procedura Definire i confini del processo Posizionare il primo passo del processo in cima al foglio Scrivere ciascun passo in sequenza, utilizzando gli appositi simboli Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

119 Gestione della Qualità - Miglioramento continuo e problem solving
Procedura Quando si arriva ad un punto decisionale (biforcazione), scegliere una ramificazione e continuare con la costruzione del diagramma Svolgere tutte le ramificazioni, sino al completamento del diagramma Una volta accertate la precisione e la completezza del diagramma di flusso, effettuare le analisi previste Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

120 Gestione della Qualità - Miglioramento continuo e problem solving
17. DIAGRAMMA DI GANTT Permette di pianificare e di visualizzare la sequenza delle attività necessarie alla realizzazione di un progetto e di seguirne gli sviluppi Università di Pisa Miglioramento continuo e Problem Solving Facoltà di Ingegneria – Università di Pisa

121 STRUTTURA DELLA BARRA DI UN GANTT
Durata dell’azione (giorni) Intervallo disponibile t 1 t 2 t 3 t 1 = inizio dell’azione al più presto t 2 = fine dell’azione al più presto t 3 = fine dell’azione al più tardi Università di Pisa Miglioramento continuo e Problem Solving

122 Pianificazione delle attività di un gruppo di problem solving
SETTIMANE AZIONI Identificare tutti i problemi Ricercare informazioni sui problemi Scegliere il problema da affrontare Ricercare tutte le possibili cause Identificare e documentare le cause reali Definire una soluzione temporanea Ricercare le possibili soluzioni Scegliere la soluzione definitiva Attuare la soluzione scelta Verificare l’efficacia della soluz. Università di Pisa Miglioramento continuo e Problem Solving

123 Procedura Individuare le attività da svolgere nel quadro del progetto
Elencare le attività nella colonna alla sinistra del diagramma, nell’ordine cronologico in cui andranno effettuate Tracciare, per ogni attività, una barra che ne determini i vincoli temporali Indicare i vincoli fra le attività mediante linee verticali punteggiate Università di Pisa Miglioramento continuo e Problem Solving

124 18. 5W e 2H Sono domande che servono per indagare la causa del problema e verificare l’attuazione della soluzione, in modo da avere una conoscenza adeguata What = Cosa Where = Dove When = Quando Who = Chi Why = Perché How = Come How much = Quanto 5 W 2H Università di Pisa Miglioramento continuo e Problem Solving

125 Bibliografia A.M. Chauvel “Risolvere un Problema: metodi e strumenti per migliorare la Qualità” Editoriale Itaca, Milano 1993 (non più in stampa) H. Kume “Metodi Statistici per il Miglioramento della Qualità” ISEDI 1988 D.C. Montgomery “Controllo Statistico della Qualità”, McGraw-Hill 2000 Università di Pisa Miglioramento continuo e Problem Solving