Kan vi overhovedet stole på vores data?

Hvornår kan vi stole på vores data? Når vi tager datadrevne beslutninger, er det yderst essentielt, at vi faktisk kan stole på de data, vi tager beslutninger ud fra. Alligevel er fejlkilder i målesystemet et af de mest oversete fokuspunkter i vores måleproces. Vi stoler ofte blindt på vores måleudstyr. Men som så meget andet har selv måleudstyret, og måden vi bruger det på, også variation. Dét skal vi sætte fokus på – og det gør vi gennem MSA’en (MåleSystemsAnalyse).

 

Målesystemsanalysen (MSA’en) hjælper dig mod valide data

MSA’en hjælper dig til at finde ud af, om der er nogle usikkerheder i din måleproces. Gennem MSA’en får vi et billede af, hvor meget af vores variation der stammer fra vores målesystem, og hvor meget der stammer fra den faktiske proces. Målet er, at vi skal have elimineret variationen fra målesystemet, så den variation vi tager beslutninger ud fra, og søger at nedbringe, stammer fra vores reelle proces. Det nytter f.eks. ikke noget at bruge uendelige ressourcer på at nedsætte variationen i vores processer, hvis variationen stammer fra vores måde at indsamle data.

Et godt målesystem måler korrekt i mere end 90 ud af 100 tilfælde. Men en tommelfingerregel lyder på, at variationen fra målesystemet må være på 30 % – dvs. 70 ud 100 målinger skal være korrekte.

Variationen i målesystemet kan komme mange steder fra. Den kan ligge i vores dataindsamlingsmodeller, vores måde at udfylde dem på eller i vores måleinstrumenter. Tænk på din køkken- eller badevægt, hvor ofte de viser noget forskelligt. Eller når du skal udvælge de gode æbler i supermarkedet – du ved, hvordan et godt æble føles og ser ud, men nogle gange kommer der alligevel et dårligt æble med hjem. Det samme sker i vores daglige arbejde. Vi kender til kvalitetskravene for vores produkt eller ydelser, men alligevel vurderer vi kravene forskelligt fra person til person og fra gang til gang – det er menneskeligt. Vores måleinstrumenter bærer også altid en vis variation med sig – ligesom vores køkkenvægt.

Hvis vi ikke først og fremmest får nedsat variationen i vores målesystem, risikerer vi at tage beslutninger på baggrund af utroværdige data. Det er med andre ord ressourcespild. Vi risikerer endvidere, at vores målesystem fejlvurderer vores produkter eller ydelser, så gode produkter/ydelser ”smides ud”. Eller endnu værre, at ringe produkter eller ydelser godkendes i målesystemet og fortsætter ud til kunden. Alt sammen risici forbundet med variation i vores målesystem.

 

Vi skal fikse processer, ikke personer

Da vi jo er mennesker, vil der ofte være en variation i den måde, vi gør tingene på. Det betyder ikke, at vi skal ”fikse” de personer, der afviger fra standarden. Vi skal i højere grad kigge på, om vores standarder eller oplæringsprogrammer er tilstrækkelige eller misvisende for derigennem at nedsætte variationen. Husk nu, at det er processerne, vi skal fikse, ikke personer.

I Six Sigma-filosofien er MSA’en et helt grundlæggende værktøj. Vi skal sikre, at den variation, vi nedsætter, faktisk stammer fra vores reelle processer og ikke fra vores målesystem. Go do.

 

Lær at planlægge og gennemføre en MSA

Vil du lære mere om, hvordan du gennemfører og planlægger en MSA? Så kan du f.eks. tage kurset Statistisk proceskontrol (SPC), MSA og kapabilitet 1. Et 1-dags kursus, hvor du får den grundlæggende forståelse for arbejdet med eksisterende data.