Define Measure Analyse Improve Control
4
2. Teoretisk referensram
I detta kapitel introduceras först Sex Sigma övergripligt tillsammans dess tydliga rollstruktur i större organisationer. Därefter presenteras DMAIC-metodiken följt av arbetssätt och verktyg som används i examensarbetet. Avslutningsvis beskrivs hur Sex Sigma kan implementeras i en organisation.
2.1. Sex Sigma
Sex Sigma utvecklades av Motorola i slutet av 1980-talet för att eliminera och reducera variation i tillverkningsprocesser (Schroeder m.fl., 2008). Idag anses Sex Sigma vara ett av de främsta tillvägagångssätten för att kontinuerligt arbeta med att förbättra alla typer av
processer och produkter (Breyfogle, 2003; Sörqvist & Höglund, 2007).
Sex Sigma bygger på ett strukturerat och faktabaserat arbetssätt med starkt resultatfokus i förbättringsarbeten (Bergman & Kelfsjö, (2012). Kärnan är problemlösningsmetodiken DMAIC som utgör ett tydligt och strukturerat tillvägagångssätt som består av förutbestämda aktiviteter utförda i en viss ordning (Sörqvist & Höglund, 2007).
Frekvent användning av statistiska kvalitetsverktyg säkerställer att analyser baseras på fakta och därmed är en viktig förutsättning att det finns data tillgängligt (Bergman & Klefsjö, 2012; Gijo & Rao, 2005). Sex Sigma utmärker sig genom sitt starka fokus på mätbara resultat, där tydliga kopplingar finns mellan reducering av variation och ökade intäkter och kundnöjdhet (Sörqvist & Höglund, 2007). Användningsområdet för Sex Sigma är problematik som saknar uppenbara lösningar som därigenom kräver identifiering av rotorsak och djupare analyser (ibid). Sex Sigma har en hierarkisk rollstruktur som involverar ledningen och medarbetarna som bidrar till ökad delaktighet (Magnusson m.fl., 2003). Ledningens engagemang anses vara grundförutsättningen för ett lyckat Sex Sigma arbete (Truscott, 2003; Breyfogle, 2003;
Sörqvist & Höglund, 2007; Bergman & Klefsjö 2012). 2.1.1. Rollstruktur – förbättringsexperter
Sex Sigma har en tydlig hierarkisk rollstruktur med tillhörande position/ansvar, se figur 2.1. Antal roller beror på organisationens storlek och mognad inom Sex Sigma (Truscott, 2003). Champion, även kallad sponsor, är normalt en områdesansvarig chef som väljer ut och fördelar resurser till förbättringsprojekt. Fördelen att Champion är uppdragsgivare och ytterst ansvarig till förbättringsprojekteten är att det ger högre prioritet och ökat stöd från
ledningsgruppen. Champion fattar beslut om förbättringsåtgärder och säkerställer att projekten leder till resultat (Sörqvist & Höglund, 2007).
Master Black Belt är experter på statistik och metodik. De har en stödjande och utbildande specialistroll främst riktad mot verksamhetens Black Belts. Denna roll finns främst i större organisationer (Magnusson m.fl., 2003).
Black Belt är förbättringsledare och leder projektet i organisationen på heltid. De har expertkunskaper inom Sex Sigma och problemlösningsmetodiken DMAIC. De agerar
spindeln i nätet och hjälper Champion välja ut lämpliga förbättringsprojekt. De coachar även Green Belt i enklare projekt (Magnusson m.fl., 2003).
Green Belt är en lokal problemlösare och samordnare. Green Belt har vanligtvis avsatt 10–25 % av sin arbetstid för förbättringsarbete och fått utbildning i Sex Sigmas basverktyg för problemlösning och analys (Sörqvist & Höglund, 2007).
5
White Belt har fått en introduktionskurs i Sex Sigma under en dag som brukar erbjudas till alla anställda, denna roll finns inte i alla organisationer (Magnusson m fl. 2003).
Ingår i ledningsgruppen/ Driver och förespråkar Strategisk expert på heltid/
Tränar och chocar
Mellanchef, handledare/ Projektledare och gruppmedlem
Förbättringsexpert på heltid/ Projektledare och gruppmedlem
Position/Ansvar
Champion
Master Black Belt
White Belt Green Belt Black Belt Roller Operatör, produktionsarbetare/ Gruppmedlem
Figur 2.1: Rollstruktur inom Sex Sigma, fritt från Magnusson m.fl., (2003, sid. 39).
2.2. DMAIC – problemlösningsmetodik
Enligt Bergman och Klefsjö (2012) är problemlösningsmetodiken DMAIC det mest centrala i förbättringsarbetet inom Sex Sigma. Mellan varje fas finns det en grind som endast öppnas om föregående fas har uppfyllt de förutbestämda kraven. Bedömningen vid grindarna
genomförs av förbättringsexperter motsvarande en Black Belt-kompetens eller av högre rang (Montgomery, 2013a). Det övergripande flödet av DMAIC är likartat mellan olika
organisationer och är det som anses göra den så kraftfull, men inom faserna kan delstegen skilja sig åt (Goh, 2002). I tabell 2.1 presenteras Sörqvist och Höglunds (2007) tolkning av faserna innehållande delsteg och syfte.
6
Tabell 2.1: De fem faserna i DMAIC med dess delsteg enligt Sörqvist och Höglund, (2007), kap. 4.
Fas 1: Definiera (Define) ”Skapa förståelse för problemet”
Syftet med fas 1 är att bryta ner problemet och hitta rotorsaken och tydligt visualisera detta för att skapa samsyn mellan alla inblandade.
Upprätta problemformulering Bestäm möjlig avkastning
Identifiera kunder och deras behov Ta fram ett övergripande flödesschema Planera projektet
Fas 2: Mäta (Measure) ”Basera problemlösning på fakta”
Syftet med fas 2 är att insamlad data ska vara baserad på fakta och inte på subjektiva åsikter.
Bestäm informationsbehovet Identifiera viktiga mått
Välj mätmetod och utforma mätning Testa mätmetoden och utvärdera mätsäkerhet
Fastställ krav och identifiera mätsäkerhet Planera och genomför mätningen
Fas 3: Analysera (Analyse) ”Identifiera bakomliggande orsaker”
Studera aktuella variationer och bestäm duglighet
Syftet med fas 3 är att insamlad data ska kunna genera konkret information för beslutsfattande.
Ställ upp tänkbara orsaker till variationerna Välj ut de orsakshypoteser som ska testas Samla in och analysera data samt bestäm problemets grundorsaker
Fas 4: Förbättra (Improve) ”Genomför verkningsfulla lösningar”
Syfte med fas 4 är att utvärdera de olika alternativa lösningarna och tydligt motivera den valda lösningen.
Identifiera möjliga lösningar Välj lösning
Testa lösning
Planera genomförandet Påverka attityder och hantera förändringsmotstånd
Verifiera resultat
Fas 5: Styra (Control) ”Säkra uppnådda resultat”
Standardisera processen och arbetssättet Syftet med fas 5 är att se till att den nya lösningen används och eliminera riskerna för att falla tillbaka i gamla mönster. Utforma och planera styrning
Slutlig uppföljning och verifiering Slutrapport och överlämnande Dela erfarenheter
7
2.3. Utvalda arbetssätt och förbättringsverktyg
Först nämns några arbetssätt och verktyg i Tabell 2.2 som generellt florerar inom Sex Sigma. Därefter beskrivs utvalda arbetssätt och verktyg som används i detta examensarbete.
Arbetssätt visar i vilken ordning ett antal aktiviteter ska utföras och kan skilja sig åt mellan olika tillfällen. I ett arbetssätt används ofta fler olika verktyg. Verktyg är mer konkreta och används på likartat sätt vid upprepade tillfällen för att strukturera och analysera verbal och numerisk information (Modig & Åhlström, 2012).
Tabell 2.2: Utvalda arbetssätt och verktyg som generellt floreras inom Sex Sigma enligt Sörqvist och Höglund, (2007; Bergman och Klefsjö, (2012)
Arbetssätt Verktyg
Kundcentrerad planering Kanonmodellen
Statistisk processtyrning Flödesschema - SIPOC
Processjämförelse De sju ledningsverktygen
Försöksplanering De sju förbättringsverktygen
Tester, experiment och/eller hypotesprövning Feleffektsanalys - FMEA
Fem varför Regressionsanalys
2.3.1. Flödesschema
Flödesschema används för att kartlägga och visualisera ett flöde. Därigenom ökar förståelsen och underlättar upptäckter av förbättringsmöjligheter (Bergman & Klefsjö, 2012). Ett
övergripande flödesschema är ett viktigt verktyg i Define-fasen för att uppnå samsyn i problembeskrivningen och medför även ett helhetsperspektiv (Sörqvist & Höglund, 2007). Exempelvis beskriver SIPOC flödet från leverantör till kund, där bokstäverna står för Supplier, Input, Process, Outcome och Customer (Montgomery, 2013a).
2.3.2. Processjämförelse
Enligt Bergman och Klefsjö (2012) anses processjämförelse vara ett viktigt arbetssätt för att genomföra processförbättringar. Egna processer jämförs i detalj med andra, identiska eller liknande processer (ibid). Jämförelser med andra verksamheter skapar ett lärande och anses vara ett effektivt sätt som genererar idéer till utvecklingsmöjligheter och förbättringar (Sörqvist & Höglund, 2007).
2.3.3. De sju förbättringsverktygen Styrdiagram Sambandsmatris Uppdelning Datainsamling Paretodiagram Histogram Orsak-verkan-diagram
8
Styrkan med de sju förbättringsverktygen är att de är förhållandevis enkla att använda, vilket möjliggör att alla i organisationen kan använda sig av dessa verktyg, se figur 2.2 (Bergman & Klefsjö, 2012). Enligt Montgomery (2013a) är förbättringsverktygen mycket kraftfulla vid problemlösning och som mest effektiva när de är integrerade med statistisk processtyrning. Det huvudsakliga syftet är att hantera numerisk information, undantag är orsak-verkan-diagram som hanterar verbal data (Klefsjö, 1999).
Orsak-verkan-diagram kallas ibland även för fiskbensdiagram, då verktygets utformning liknar ett fiskskelett, se figur 2.3. Syftet är att bena ut orsakerna som ligger till grund för kvalitetsproblemen. Fiskbensdiagram har starka kopplingar till metodiken fem varför; båda har sitt fokus på att bryta ner problemet genom verbal information för att hitta rotororsaken (Bergman & Klefsjö, 2012). Verktyget anses vara mycket användbart i analys och
förbättringsfasen i DMAIC (Montgomery, 2013a).
Kvalitets-problem Metod
Människa Management
Figur 2.3: Fiskbensdiagram fritt från Bergman och Klefsjö, (2012), sid. 245. 2.3.4. Fem varför
Fem varför är ett enkelt arbetssätt för att lära sig bryta ner och identifiera rotorsaken till problem. Metoden går ut på att man ställer frågan varför upprepande gånger efter varandra, därav namnet fem varför. För varje gång man ställt frågan varför och besvarat den tränger man djupare ner i problematiken och närmar sig rotororsaken. Detta i sin tur brukar medföra att nästkommande fråga som ska utformas blir svårare att formulera (Petersson, 2009). 2.3.5. De sju ledningsverktygen Släktskapsdiagram Träddiagram Matrisdataanalys Träddiagram Pildiagram abcdef abcdef abcdef abcdef abcdef 3 9 9 1 1 3 1 3 9 Matrisdiagram Processbesluts-diagram
Figur 1.4: De sju förbättringsverktygen, fritt från Bergman och Klefsjö, (2012), sid. 43.
De sju ledningsverktygen används för att hantera verbal information, se figur 2.4 (Klefsjö, 1999). Verktygen ger mycket goda visualiseringsmöjligheter vid identifiering av problem,
9
skapande av samsyn och förbättringsförslag. Alla verktyg har i stort sett samma struktur och består av följande sex steg som kan ses i tabell 2.3.
Tabell 2.3: Gemensamma steg i ledningsverktygen fritt från Klefsjö, (1999), sid. 18.
Gemensamma steg i ledningsverktygen:
1. Informationsinsamling 2. Granskning 3. Gruppering 4. Rubriksättning 5. Diagramutformning 6. Prioritering
Val av en lösning vid flera alternativ kan göras lättare genom jämförelse av kriterier i ett matrisdiagram i form av exempelvis svårighet, ekonomisk effekt, tid etc. Kriterierna viktas och en sammanvägning underlättar beslutsfattandet, se tabell 2.4 (Sörqvist & Höglund, 2007).
Tabell 2.4: Illustrerar ett matrisdiagram fritt från Sörqvist och Höglund (2007), sid 89.
Svårighet Ekonomisk effekt Tid Vikt 8 9 4 Totalt Lösning 1 2 10 0 106 Lösning 2 4 1 6 65 Lösning 3 2 10 3 118
2.3.6. Guide för planering av experiment
Genom observationsstudier för en given process kan värdefulla data samlas in för att skapa ökad förståelse. Montgomery (2013b) betonar, för ökad förståelse för vad som händer när olika inställningar ändras, kan detta endast uppnås genom att aktivt och systematiskt förändra inställningar. Coleman och Montgomery (1993) föreslår en checklista bestående av 13
punkter som används för att planera experiment, se figur 2.5. De 13 punkterna är avsedda att motverka det faktum att många experiment inte går som planerat. Checklistan säkerställer att noggranna diskussioner har förts i ett tidigt skede gällande svårigheter och olika alternativval, samt att detta arbete dokumenteras skriftligt.
10 Konstanthållna faktorer Stör faktorer Försöks faktorer Respons variabler Planeringsdokumnet
1. Namn, organisation, titel 2. Mål 3. Relevant bakgrund 4. Responsvariabel 5. Försöksfaktorer 6. Konstanthållna faktorer 7. Störfaktorer 8. Samspel 9. Begräsningar 10. Försöksplan, försöksupplägg 11. Analys & presentations teknik 12. Ansvarig för kordinering 13. Används provförsök? Samspelseffekt 4 3 2 1 1 2 4 - -3 - -3 - - -Påverkande Kontrollerbara Mätbara Konstanhållna faktorer Försöksfaktorer Störfaktorer 5 6 3 4 R es pons R es pon s Låg A Hög Låg A Hög Låg B Låg B HögB HögB Inget samspel mellan A & B Aktivt samspel mellan A & B Låg A Hög Låg Hög B 5 5,2 3 4 Låg A Hög Låg Hög B Respons Enkel, linjär, addukitv modell är tillräcklig
Faktorerna A & B samverkar, men ingen kvadratisk effekt finns Samspel exempel
Figur 2.5: Planeringsdokumentets struktur för planering av experiment. Fritt från Coleman och Montgomery, (1993), sid 3.
Figur 2.6 är en förstoring av planeringsdokumentens olika faktorer, vilka ska kartläggas i planeringsfasen där skillnaderna visualiseras och beskrivs enligt Coleman och Montgomerys (1993) definitioner. Faktorer som antas påverka responsen identifieras och klassificeras i storleksordning: ingen, liten eller stor påverkan. Vidare utreds det om dessa faktorer även är kontrollerbara och mätbara. Faktorer som är styrbara och mätbara men anses ha liten
påverkan på responsen väljer vi att hålla konstanta för att inte påverka experimentet.
Faktorer som anses påverka responsen men som inte går att styra över kallas för störfaktorer. Målet är att identifiera de försöksfaktorer som anses ha stor påverkan på responsen, som är styrbara och mätbara och som ska användas i experimentet.
”STOR PÅVERKAN” STYRBAR MÄTBAR ”LITEN PÅVERKAN” STYRBAR MÄTBAR ”LITEN/STOR PÅVERKAN” EJ STYRBAR EJ MÄTBAR ”LITEN/STOR PÅVERKAN” EJ STYRBAR MÄTBAR ”INGEN PÅVERKAN” STYRBAR EJ MÄTBAR ”INGEN PÅVERKAN” EJ STYRBAR MÄTBAR ”INGEN PÅVERKAN” STYRBAR MÄTBAR KONSTANTHÅLLNA FAKTORER (HÅLLS PÅ KONSTANT NIVÅ FÖR ATT INTE PÅVERKA EXPERIMENTET) MÄTBARA PÅVERKANDE KONTROLLERBARA FÖRSÖKSFAKTORER (FAKTORERNA SOM VARIERAS UNDER EXPERIMENTET) STÖRFAKTORER
(HAR TILLÅTELSE ATT VARIERA, KAN I VISSA FALL GÅ ATT STYRA UNDER SJÄLVA EXPERIMENTET) ”PÅVERKAN” ÄR BASERAT PÅ ANTAGANDEN GÄLLANDE RESPONSEN
11 2.2.7. Två-nivåers faktorförsök
Ett experiment kan brytas ner till flera delförsök där faktorer varieras och respons mäts för att förstå hur förändringen påverkar processen. Faktorerna kan varieras på flera nivåer men vanligtvis används två-nivåers faktorförsök som är en central del i försöksplanering.
Två-nivåers faktorförsök skiljer sig åt från en-faktor-i-taget försök som innebär att en faktor varieras mellan varje delförsök. Genom att två eller flera faktorer varieras inför varje
delförsök möjliggörs även information om faktorsamspel som annars skulle gå förlorad (Montgomery, 2013b).
2.3.8. Statistisk processtyrning
Syftet med statistisk processtyrning (SPS) är att hitta urskiljbara orsaker till variation i processer. SPS innebär att en resultatparameter i en process övervakas, mäts, analyseras och kontrolleras, se figur 2.7. Informationen används som ett underlag för hur processens
inställningar ska styras för att generera bättre utbyte. Kontrollerbara faktorer går att påverka och kan liknas vid att ändra inställningar på en maskin. Okontrollerbara faktorer går inte att påverka och kan liknas med påverkan från yttre omständigheter som väder och vind
(Montgomery, 2013a). Process (eller system) Ingående råmaterial, komponenter, delenheter. och/eller information X1 X2 Xp Z1 Z2 Zq Kontrollerbara faktorer Okontrollerbara faktorer Y = Resultatparameter Mätning Analys Övervakning och Kontroll Utgående Produkt
Figur 2.7: Inflöde och utflöde för en process. Fritt från Montgomery, (2013a), sid 13.
För att sammanställa denna typ av mätdata används vanligtvis styrdiagram. Det finns många olika typer av styrdiagram och några exempel på vanliga styrdiagram är: Shewhart-, EWMA- och CUSUM-diagram. Det finns även multivariata varianter av dessa styrdiagram som kan användas om flera responsparametrar ska övervakas samtidigt. Figur 2.8 visar ett Shewhart-diagram som tydligt visualiserar processens prestation i ett förutbestämt tidsintervall mellan mätningar. Styrgränser används för att visa inom vilket område processen normalt varierar under normal drift. Hamnar mätpunkter i tidsserien utanför styrgränserna eller om trenden av mätpunkter efter varandra anses anmärkningsvärda kommer ett larm att utlösas (Montgomery, 2013a). Styrdiagram fungerar som ett kvitto på att processen är stabil, dvs. om inget larm utlöses är den i statistisk jämvikt (Bergman & Klefsjö, 2012).
12
Övre styrgräns
Undre styrgräns
Tid (antal mätpunkter)
G e nom sni tl igt m ä tda ta Centrallinje
Figur 2.8: Illustrerar ett styrdiagram av typen Shewhart-diagram. Fritt från Montgomery, (2013a), sid. 14.
För att räkna ut övre och undre styrgränser används vanligtvis 3-sigma-gränser. Det betyder att avståndet från väntevärdet (µ0)är tre standardavvikelser till övre (Sö) och undre styrgräns (Su), se figur 2.9. Om mätdata kan antas vara normalfördelad är sannolikheten att få felaktigt larm 0,03 %. På höger sida i figuren ser vi ekvationerna för styrgränserna om vi har en provgrupp där σ är standardavvikelsen och n är provgruppsstorlek.
Provgrupper består vanligtvis av lika många mätvärden och rekommenderad
provgruppsstorlek är fyra, fem eller sex. Fördelen är att styrgränserna blir samma för alla mätvärden som plottas i styrdiagrammet och förenklar dess tolkning till skillnad från om provgruppsstorleken varierar. För många tillämpningar är det dock mer naturligt att följa de individuella mätvärdena, (n =1), direkt i styrdiagrammen. I detta fall för att skatta
standardavvikelsen används glidande variationsbredd. Då används istället spridningsmåttet mellan provgrupper i en tidsserie och vanligtvis används två provgrupper i följd. Denna typ av styrdiagram kompletteras ofta med ett glidande variationsbreddsdiagram som visar
variationen mellan två närliggande provgrupper. För mer detaljerad information hänvisas läsaren till Montgomery (2013a).
3 ggr. std.avvikelsen för vår kvalitetsindikator
Figur 2.9:Illustrerar förhållande till styrgränserna, fritt från Bergman och Klefsjö, (2012), sid. 258. 2.3.9. Linjär regressionsanalys
Linjär regressionsanalys består av en responsvariabel (y) som är beroende av en variabel (x) och relationen dem emellan kan beskrivas med en matematisk modell som kallas
regressionsmodell. En rät linje anpassas till insamlad data för att skapa en modell som kan ses i ekvation 2.1. ɛ är prediktionsfelet som beskriver hur bra modellens anpassning är. Modellens regressionskoefficienter (𝛽) skattas normalt med hjälp av minsta kvadratmetoden, vilket innebär att summan av de kvadratiska prediktionsfelen minimeras (Montgomery, 2013a). Om fler än en oberoende variabel används kallas metoden multipel linjär regressionsanalys.
13
2.4. Implementering av Sex Sigma
För att implementera och börja arbeta med ett nytt förbättringskoncept krävs viljan och insikten att detta är den rätta vägen för utveckla verksamheten. Att införa Sex Sigma kan ta flera år och därför är den grundläggande förutsättningen engagerat ledarskap (Breyfogle, 2003; Truscott, 2003; Magnusson m.fl., 2003). Ledningsseminarium används för att få djupare kunskaper om möjligheterna, förutsättningar och vilka resurser som krävs för att implementera Sex Sigma. Innan ledningen fattar beslutet om pilotprojekt brukar även studiebesök genomföras för att med egna ögon se exempel på framgångsrika resultat för implementeringar av Sex Sigma medfört (Sörqvist & Höglund, 2007).
För att driva ett pilotprojekt behövs utbildade förbättringsledare inom Sex Sigma med Black Belt-kompetens (Breyfogle, 2003). Black Belt-kandidater behöver vara respekterade och inneha befogenheter att driva igenom förändringar (Magnusson m.fl., 2003). Enligt Sörqvist och Höglund (2007) kan införande av Black Belt-kompetens ske på olika sätt. Konsultstöd ger direkt expertis men nackdelen är att det kan bli kostsamt då stödet kan behövas under långt tid. Extern rekrytering ger erfarenhet inom Sex Sigma som har uppnått goda resultat inom andra organisationer. Intern rekrytering medför djup förståelse för organisationskulturen och flera utvecklingsmöjligheter i karriärväg. Black Belt-kompetens ställer krav på stark
kommunikationsförmåga och förtroende hos medarbetarna och vanligtvis väljs interna informella ledare ut för detta ändamål (ibid). Enligt Magnusson m.fl., (2003) bör Black Belt-kandidater ha universitetsbakgrund.
Användningen av statistiska verktyg bygger på att det finns data tillgängligt. I flertalet fall kan det vara svårt att få fram relevanta data och även innebära höga kostnader. Det kan även vara så att processcykeln är långsam med lågt utbyte av data. I pilotprojekt bör det vara relativt enkelt och frekvent att samla in data för att medarbetarna i de värdeskapande flödena ska bibehålla högt engagemang (Breyfogle, 2003; Gijo & Rao, 2005).
Ledningen och Black Belt-förbättringsledare väljer ut lämpligt pilotprojekt som har tydligt resultatfokus mot organisationens övergripande mål. I planeringsfasen för aktiviteter och tidsåtgång har erfarenhet av tidigare Sex Sigma-projekt stor betydelse för att den blir realistisk. Ett Sex Sigma projekt är vanligtvis 2–6 månader (Sörqvist & Höglund, 2007). Pilotprojektet används för att synliggöra bra resultat och det är av stor vikt att framgångarna kommuniceras ut i hela organisationen för Sex Sigmas erkännande och därigenom eliminera förändringsmotstånd (Magnusson m.fl., 2003). Ledningen använder pilotprojektet som ytterligare underlag för att utvärdera och skapa förståelse för vilka resurser som kommer att krävas för att Sex Sigma ska fungera bra i den egna organisationen (Sörqvist & Höglund, 2007).
14
3. Metod
Metodkapitlet beskriver tillvägagångssättet för att besvara examensarbetets syfte.
Inledningsvis klassificeras studiens undersökningssyfte, ansats och strategi. Därefter beskrivs fallstudieföretagets lämplighet kortfattat, uppbyggnad av teoretisk referensram och
arbetsgången i DMAIC-projektet utifrån valda metoder och verktyg. Avslutningsvis diskuteras reliabilitets- och validitetshöjande åtgärder som vidtogs i studien.
3.1. Undersökningssyfte, ansats och strategi
Studiens klassificering gällande undersökningssyfte, ansats och strategi visualiseras i figur 3.1.
Huvudsyftet:
Tillämpa och illustrera hur systematisk och faktabaserad problemlösning, genom DMAIC-metodik, kan ske i metallåtervinningsbranschen
Sekundärt syfte:
Baserat på erfarenheterna från tillämpningen av DMAIC-metodik ge rekommendationer kring ett
eventuellt fortsatt införande av Sex Sigma i ett företag i metallåtervinningsbranschen.
Litteraturstudier DMAIC-projekt Analys/reflektion
Undersökningssyfte: beskrivande Undersökningsanstas: deduktiv Undersökningssyfte: utforskande Undersökningsstrategi: fallstuide Undersökningsanstas: abduktiv
Figur 3.1: Visualisering av studiens undersökningssyfte, ansats och strategi.
Huvudsyftet var att undersöka om DMAIC-metodik kan anses vara ett lämpligt arbetssätt inom metallåtervinningsbranschen, se figur 3.1. För att utvärdera lämpligheten genomfördes ett DMAIC-projekt baserat på litteraturstudier som främst bygger på etablerad kurslitteratur som används i fördjupningskurser inom området kvalitetsutveckling i den svenska
universitetsvärlden. Författaren anser att undersökningssyftet är en utforskande studie,