Juurisyyn löytämisen strategioita – RCA diagnoosin polkuja

Juurisyy on uudissanana, jonka käyttö on yleistynyt vakavien yhteiskunnallisten ongelmien yhteydessä. Viime aikoina se on noussut esiin mm. nuorten koulutustason laskun yhteydessä. Juurisyytä tason laskuun kysellään. Juurisyy tarkoittaa perimmäistä syytä sanakirjan mukaan.(1) Ongelmanratkaisussa termi on ollut käytössä jo vuosikymmeniä.

Kuinka juurisyyn voi löytää? Voiko sitä etsiä? Miltä juurisyy näyttää, tuntuu, kuulostaa! Vastaus on, että ei miltään. Sitä ei voi siis etsiä, mutta sen voi löytää sulkemalla muut todennäköiset syyt pois, jos osaa ja hallitsee löytämisen oikeat ja tehokkaat strategiat ja näihin liittyvät menetelmät.  Lopulta, mikä jää jäljelle, kun kaikki muut syyt on suljettu ulkopuolelle, on JUURISYY (Root Cause) lainatakseni Sherlock Holmesia. ”When you have eliminated the impossible, whatever remains, however improbable, must be the truth.”

Seuraavassa käydään läpi juurisyiden löytämisen strategioita, diagnoosia:

  1. Johdanto
  2. Laatuongelmien diagnostinen ratkaisu
  3. Juurisyyn diagnostinen strategia
  4. Syiden tyypit ja kausaalit yhteydet
  5. Diagnostiikkaprosessi
  6. Diagnostiset strategiat
  7. Diagnoosin parantaminen
  8. Yhteenveto
  9. Viitteet

1. Johdanto

Juurisyy ja siihen liittyvää hakemisen ja löytämisen ongelmatiikkaa on käsitelty tieteellisellä tasolla mm. lääketieteessä diagnostiikassa ja laatutekniikassa ongelmaratkaisumenetelmien yhteydessä. Myös eräät kriittiset teollisuuden alat (puolijohde, elektroniikka, autoteollisuus ja sen alihankinta, ilmailu-, terveys-, lääke-, turvallisuus-, luotettavuussalat) rakentuvat pitkälti tehokkaan diagnostiikan varaan.  Näillä kaikilla aloilla on paljon yhteistä, mutta myös selkeästi eroavuuksia juurisyiden hakumenettelyissä.

Hakemisen ja löytymisen onnistumista mitataan esimerkiksi lääketieteessä potilaiden diagnoosien löytymisenä, erilaisten hoitojen tehokkuudessa, lääkkeiden ja rokotteiden tehoina jne. Laatutekniikassa mittaus tapahtuu saannolla, RTY (Rolled Throughput Yeald), PPM (Parts per Million) tai vaikkapa reklamaatioiden määrällä.  Miten suuri osuus tuotteista voidaan tehdä ensimmäisellä kerralla oikein tai kuinka paljon on virheitä miljoonaa tuoteyksikköä kohden. Onnistumisen luvut vaihtelevat valtavasti 50-60 %:sta 99,99996 %:iin. Viime aikoina on julkisuudessa esitetty, että palkanmaksun onnistumisen tavoite olisi 95 %. Kerran kahdessa vuodessa palkka on väärin! Riittääkö tämä? Autoteollisuus käyttää 6 sigmaa tavoitteena. Osien on oltava 99,99996 %:sti oikein. Mikä selittää tätä huimaa tasoeroa? Yksi selitys on, kuinka diagnoosit ja parannukset/korjaukset ovat onnistuneet. Ongelmanratkaisu toimiessa virheet vähenevät jatkuvasti kohti 0:aa tai toisin sanoen onnistuminen lähenee kohti 100 %:a. 

2. Laatuongelmien diagnostinen ratkaisu 

Laatuongelmien diagnostinen ratkaisu – ei siis arvaus – on löytää syy-seuraus selitykset ei toivotuille vaikutuksille (virheet, viat, reklamaatiot, hukka jne).  Menestyksellinen ratkaisu vaatii useasti juurisyyn (root cause) tai juurisyiden löytymistä. Tämä takaa, että haittavaikutus, virhe, vika tai hukka ei toistu tulevaisuudessa (teoria). ”Tavallinen” syy ei tätä takuuta anna. 

Juurisyyn hakuprosessia kutsutaan diagnosoimiseksi tai Juranin kielellä diagnostiseksi matkaksi (Diagostic Journey). Diagnoosin jälkeen on löydettävä ja päätettävä mahdollisista korjaustoimenpiteistä (Remedy). Juranin kielelle käännettynä parantava, korjaava matka (Remedial Journey). 

Managerial Breakthrough
Kuva 1. J. M. Juran: Managerial Breakthrough, (2)

Tässä artikkelissa käsitellään diagnostisen matkan polkuja, strategioita ja sitä, kuinka juurisyy tai juurisyyt haetaan tehokkaimmin.  Juurisyyanalyysiin (RCA) kuuluu myös parannus- ja korjaustoimet. Tätä osiota artikkelissa ei käsitellä tarkemmin.  

3. Juurisyyn diagnostinen strategia

Juurisyyn diagnostinen strategia tarkoittaa yksinkertaisesti organisoitu joukko toimintoja, jotka ilmaisevat uskottavan tavan saavuttaa tavoite eli löytää juurisyy tai juurisyyt.

Laatuammattilaiset, jotka diagnosoivat virheitä, vikoja ja reklamaatioita, harvoin käsittelevät ongelmanratkaisua ja käyttämäänsä mallia strategiatasolla. Alalle tyypillistä on käyttää laatutyökalu-ja ratkaisumenetelmänimiä kuten Six Sigma, Kaizen, PDCA, PDSA, QC-story, Shainin, Taguchi, 7-tools, LPM, 8D, A3, Apollo, TOC, TapRoot, FMEA, EPS, Kepner-Treagoe jne. Ongelmana näissä on, että idea tahtoo hävitä. Mitä oikein ollaan tekemässä? Miten ollaan tekemässä? Miten tekemistä voisi parantaa? Diagnostinen strategia voisi viedä asioita eteenpäin. Nämä kaikki menetelmät sisältävät yhden tai ”kourallisen” verran diagnostisia strategioita, joita kuitenkin harvoin tunnistetaan. 

Strategioiden kautta, näin uskon, on paljon helpompi oppia ja ymmärtää menetelmiä ja niiden rajoitteita ja parantaa toimintaa. Diagnostiset strategiat ovat tehtävästä ja henkilöstä riippuvaisia: Jotkut strategiat eivät toimi joihinkin ongelmiin tai olosuhteisiin, eivätkä kaikki laadun ammattilaiset halua oppia käyttämään kaikkia tehokkaita strategioita heidän omissa ongelmissaan syystä tai toisesta. Jotkut pitävät vaikeana ja työläinä tilastollisten tekniikoiden vaatimaa laskentaa. Ratkaisu tähän on tilastosofta esimerkiksi Minitab.

Strategian valinta vaikuttaa ongelmaratkaisumenetelmän valintaan, sen vaatimaan tiedonkeruuseen ja muihin diagnostiikkaprosessin osiin ja samalla ongelmanratkaisun onnistumiseen ja tehokkuuteen. Siksi hakustrategioiden tunnistaminen ja ymmärtäminen on tärkeää. Strategioita ei pidä nähdä algoritmeina, joita seurataan joustamattomasti ratkaisuihin, kuten menetelmät. Voidaan hyppiä strategiasta toiseen saman ongelman sisällä. Ennen kuin tarkastellaan eri strategioita tarkemmin, määritellään haettavaa juurisyytä. Jos sitä ei aistein voi tunnistaa, niin kuinka me se voidaan ”löytää”?

4. Syiden tyypit ja kausaalit yhteydet

Syy-seurauskäsite sisältää käsitteellisiä variaatioita, jotka voi aiheuttaa hämmennystä juurisyiden diagnosoinnissa. Mitähän syytä etsitään? Me etsimme kausaliteettisyytä, kausaalisyytä, joka on aiheuttanut ei-toivotun haittavaikutuksen. 

Artikkelissani(3) määrittelen kausaliteettisyyn: Kausaliteetti on syy–seuraussuhde eli kahden tapahtuman suhde, jossa toinen aiheuttaa toisen, siis vaikutussuhde. Toinen tapahtuma on tällöin syy ja toinen seuraus. Siis kysymys on erittäin rajatuista joukosta syitä, jolla on tekemisen ehto, syyn muuttaminen vaikuttaa/muuttaa juuri tiettyä asiaa.

Artikkelissa(3) määritetään myös kriteerit, kuinka tunnistaa kausaaliyhteys – yhtäpitävyys, yhteyden vahvuus, yhteyden spesifisyys, ajallinen suhde ja johdonmukaisuus tai vielä laajemmin, ”Hillin kausaalikriteerit”.

Kausaaleja syitä esiintyy monessa muodossa(9):

  1. Generatiivinen kausaalisuus viittaa asiaan, joka tuottaa vaikutuksen. Tämän yleisin käyttö on päivittäisissä asioissa. 
  2. Tarkoituksellinen kausaalisuus viittaa toiminnan tavoitteisiin. Tieteessä näkyvä toiminnallinen kausaalisuus selittää ilmiöt viittaamalla selittäviin lakeihin ja periaatteisiin. 
  3. Olennainen kausaalisuus selittää tapahtumat asiaan liittyvien asioiden sisäisen luonteen kannalta. 
  4. Äkilliset, välittömät syyt ovat tekijöitä, jotka tuottavat välittömän vaikutuksen. Voi olla samalla erityissyy.
  5. Taustalla olevat syyt ovat kauempaa vastuussa seurauksesta. Auton epäonnistunut käynnistyminen voidaan selittää löysällä akun kaapelilla, äkillisellä, välittömällä syyllä tai autotehtaan huonolla johtamisella, joka on taustalla oleva syy. Juurisyyn käsite viittaa kaikkein perustavanlaatuiseen syyhyn, joka johtaa ei-toivottuun tilaan tai ongelmaan, joka, jos se olisi poistettu tai korjattu, olisi estänyt sen olemassaolon tai esiintymisen.
  6. Satunnaiset ja erisyissyyt: Demingin (1986) (4) esittämä syytyyppijako on satunnaisten ja erityissyiden välillä, joka perustuu ekonomiaan (Shewhart: Economic control of quality of manufactured product (1931). Prosessin vaihtelun satunnaiset/yleiset syyt heijastelevat järjestelmän suunnittelua ja ne nähdään olevan johdon vastuulla (≈ suorituskyky). Erityiset syyt ovat ohikiitävämpiä ja johtuvat muutoksista tai satunnaisista tapahtumista ja ne nähdään olevan työntekijöiden vastuulla (≈ ei toivottu stabiilisuuspoikkeama, epästabiilisuus, suorituskykypoikkeama). Satunnaiset ja erityissyyt eivät kuitenkaan ole syiden peruskategorioita kuten kohdissa 1-5, vaan ne ovat tunnisteita syiden erityis- ja satunnaissyiden olemassaolosta, jotka erottavat hyväksyttävät (olemassa olevalla suorituskyvyllä) vaihtelulähteet (yleiset) niistä, jotka ansaitsevat nopean huomion (erityiset). Tämä jako ”jakaa” myös operatiivisesti ongelmat johdon vastuulle (n. 96%) ja työntekijöiden vastuulle (n. 4%). Erottelu tapahtuu Shewhartin ohjauskorteilla (tilastollinen prosessin ohjaus, SPC).

Juurisyy tai syyt voivat kuulua kaikkiin 6-7  kausaaliluokkaan. 

5. Diagnostiikkaprosessi

Diagnostiikkaprosessi

Juurisyyn diagnoosi näyttää usein etenevän satunnaisesti ja ilman järjestystä. Siksi on tehty erilaisia lomakkeita ja apuvälineitä, jotta järjestys säilyisi.  Prosessissa on kuitenkin selkeä rakenne. Prosessissa on pääkomponentteja, siinä käytetään strategioita ja näihin toimintoihin ja strategioihin vaikuttavia tehtävien ominaisuuksia. Kuva 2

Diagnostinen prosessi sisältää neljä vaihetta: (1) tiedon kerääminen, (2) tiedon tulkinta, (3) hypoteesien luominen ja (4) hypoteesien testaus.

Tiedonkeruu

Tiedonkeruu luo pohjan hypoteesien ”esittämiselle”. Tiedonkeruussa käytetään erilaisia menetelmiä ja lähteitä. Ongelman tunnistamiseen ja tiedon keräämisen yhteydessä käytetyillä tiedoilla voi olla diagnostista tulkinta-arvoa; ohjauskorteissa on usein kuvioita, jotka viittaavat syihin.  Prosessia voidaan jäljittää eteenpäin, sen alusta siihen, missä asiat menevät pieleen, tai taaksepäin, mistä oireet alkavat ilmaantua. 

Tulkinta

Tulkinta johtaa todisteista hypoteeseihin. Tulkintaprosessia koskeva tutkimus on osoittanut, että asiantuntijadiagnostikoille ei useinkaan prosessista kerätyistä tiedoista ole paljon hyötyä. Hypoteesit tulevat mieleen mieluimmin kokemusperäisten assosiaatioiden kautta kuin olevasta kerätystä tiedosta. 

Tulkinnan antamat kausaalisuusvihjeet ovat todisteita, joita käytetään usein hypoteeseja laadittaessa: 

  1. Aikajärjestys on täysin pätevä vihje – syy kulkee aina ennen vaikutusta ajassa. Aika sinänsä on harvoin informatiivinen tieto. 
  2. Ajan ja paikan samanaikaisuuden vihje heijastaa sitä tosiasiaa, että syiden ja seurausten polut ovat yhtenevät toisiinsa. 
  3. Syyn ja seurauksen samankaltaisuus, vihje, joka on usein virheellinen, ohjaa huomion epänormaaleihin tiloihin, joiden pituus ja voimakkuus ovat verrattavissa seuraukseen.
  4. Pätevämpiä, vaikkakin erehtyviä, ovat vihjeet jatkuvasta yhteydestä ja tilastollisesta korrelaatiosta: Syillä ja seurauksilla on taipumus esiintyä samanaikaisesti, ne ovat keskenään läsnä tai puuttuvat eri tilanteissa.

Hypoteesien luonti

Ongelman syytä ei voida tunnistaa, jos ei hypoteesia ole ehdolla. Syy-seuraus – tilanteen mahdollisten syiden monimuotoisuus ja lukuisuus – viittaa siihen, ettei ole koskaan olemassa vahvaa menettelyä hypoteesien luomiseen. Diagnostiikan tutkimuksissa ei ole havaittu tehokkaita, yleisiä hypoteesin generointimenetelmiä (9).

Vain muutama hypoteesi otetaan huomioon joka hetki. Aktiivisten hypoteesien tyypillinen lukumäärä on ”4 plus-tai miinus 1”. Tämä johtuu ihmisen lyhytaikaisen muistin rajoituksista Asiantuntijat harkitsevat vähemmän hypoteeseja kuin aloittelijat, koska asiantuntijoiden ylivoimainen tieto mahdollistaa tarkemman tutkimuksen.

P.S. Six Sigma Black Belt -koulutuksissa olemme vaatineet vähintään 9-10 hypoteesia, jota testataan ortogonaali matriisella. Tämä perustuu Charles Hollandin esittämään kaavioon (kuva 3) kausaalisyyn havaitsemistodennäköisyydestä (5). Toimii!

Monimuuttujatestaus
Kuva 3. Testattavien hypoteesiehdokkaiden määrä vs vähintään 3 syyehdokkaan löytyminen (todennäköisyys) ja 0 kpl ehdokkaan löytymisen todennäköisyys testattavien funktiona (5).
Lähde: Holland C., Breakthrought Business Results with MVT

Hypoteesin testaus

Hypoteesitestauksessa on kyse lisätietojen hankkimisesta EROA aiheuttavista tekijöistä. Mikä poikkeaa, eroaa satunnaisesta tapahtumasta! Testaus sisältää kaksi päätöstä – mitä hypoteeseja testataan ja miten testaus tehdään. Testattavien hypoteesien valinnassa käytettyjä kriteereitä ovat testaamisen helppous, hypoteesin todennäköisyys ja testin informaatioarvo. Testaus voi tapahtua myös tietyissä tilanteissa ”riippumattomana” harkintana, ryhmäpäätöksellä jne., jos on vahvoja todisteita syy-seuraussuhteista, jotka ovat aiheuttaneet tapahtuman. Klassinen keino hypoteesien testaamiseen on kuitenkin yksimuuttujakoe (OFAT) tai monimuuttujakoe (DoE), jota Six Sigmassa käytetään (7)

Kun testitulokset tukevat hypoteesia, se yleensä hyväksytään ongelman syyksi. Kun tulokset ovat negatiivisia, hypoteesi hylätään ja korvataan tarkistetulla versiolla tai muulla vaihtoehdolla.  Jos ei ole eroa, tutkijat luovat uusia ehdokkaita testitulosten perusteella.

6. Diagnostiset strategiat (8)

Strategia on organisoitu joukko toimintoja, jotka ilmaisevat uskottavan tavan saavuttaa tavoite!

0. Sokea yritys ja erehdys ”strategia”

Yksinkertaisin diagnoosistrategia on yritys ja erehdys tai satunnainen haku. Tutkijalle, diagnosoijille, laatuinsinöörille, annetaan vain luettelo mahdollisista vika- tai virhetyypeistä, mutta ei lisätietoa, eikä lisätietoa ole mahdollista hankkia (lukuun ottamatta mahdollisia kausaaleja syitä, vikoja, virheitä, jotka mahdollisesti ovat johtaneet reklamaatioon). Tyypillinen reklamaation selvitystilanne!  Ainoa vaihtoehto tässä tapauksessa on kokeilla satunnaisesti vika- tai virhetyyppejä (syitä oireeseen), kunnes löydetään se, joka ”korjaa” havaitun ongelman. Katso myös artikkeli: Auttavatko palaute- ja reklamaatioselvitykset parantamaan laatua?

Jos edes luettelo mahdollisista vikatyypeistäkin puuttuu, strategia tiivistyy siihen, että keksitään satunnaisesti kausaalisia selityksiä ja kokeillaan niitä. Tällaiset sokeat yrityksen ja erehdyksen menetelmät ovat diagnostisen tehokkuuden kannalta rajoittava tapaus. Jos mahdollisia syitä on äärellinen määrä n, odotettu kokeiden lukumäärä todellisen syyn tunnistamiseksi on (n+1)/2. Tämän tyyppiset strategiat olen kaikissa ohjaamissani yrityksissä estänyt, koska väärä ”löytö” lisää reklamaatioita (yliohjaus, käsitelty Six Sigma kirjassamme (7)). Toisin sanoen olen estänyt ja lopettanut reklamaatioiden selvitykset tällä strategialla!

1. Onnekas arvaus -strategia

Onnekkaassa arvausstrategiassa tutkija, laatuinsinööri tai vastaava uskoo tunnistavansa tunnetut oireet ongelmaan ja testaa ensin tätä selitystä ennen kuin ryhtyy systemaattisempiin diagnostisiin toimenpiteisiin. Tällaista päättelyä, jossa syy oletetaan tunnistetun kokemuksellisen assosioinnin perusteella – ”se on aiheuttanut samanlaisia ongelmia menneisyydessä”, kutsutaan diagnostisessa kirjallisuudessa pinnalliseksi tai ei-analyyttiseksi päättelyksi. Sitä ohjaa diagnostikon muisto aikaisemmista vastaavista ongelmista (vikatieto), kokemuksista. 

Jos alkuperäinen arvaus osuu oikeaan, onnekas arvausstrategia on tehokkain mahdollinen tapa, ja varsinkin rutiiniongelmissa, asiantuntijoiden tuttujen oireiden tunnistuksella voi välttää tarkemmat hakemiset. Lääketieteellistä diagnoosia käsittelevä kirjallisuus väittää, että asiantuntijalääkärit tekevät suurimman osan diagnooseista pinnallisen päättelyn perusteella ja turvautuvat syvempään päättelyyn vain uusissa tai epätyypillisissä tapauksissa.

Mutta onnekkaat arvausmenetelmät ovat myös erehtyviä ja riskialttiita; jos ensimmäinen arvaus on umpikuja, strategia voi ajaa diagnostikon väärään osaan ”hakumahdollisuuksia” tai haku voi nopeasti muuttua sokeaksi yrityksen ja erehdyksen strategiaksi. 

Onnekkaat arvaukset eivät myöskään todennäköisesti pidä paikkaansa uusille vikatyypeille, koska ne perustuvat aikaisempaan kokemukseen vastaavista ongelmista. Ohjeita onnekkaan arvauksen yrittämiseen ovat: 1) Ongelma näyttää olevan rutiini. 2) Välittömät todisteet, jotka viittaavat onnekkaaseen arvaukseen, ovat erittäin vahvoja. 3) Arvauksen testaamisen kustannukset ja vaiva ovat suhteellisen pieniä. 

2. Oireenmukainen hakustrategia, vianetsintäohjelmat

Oireen mukainen haku, vianetsintästrategiat käyttävät muotoihin perustuvaa hakustrategiaa. Se koskee strukturoituja järjestelmiä, joiden osat on järjestetty vaiheisiin, joilla on käsittelyjärjestys; löytyy jäljitettävä sekvenssi, jolla tulot (input) muunnetaan lähdöiksi (output). Strategia hyödyntää tätä rakennetta. 

Useimmat tietokoneongelmat voidaan ratkaista kirjoittamalla sanatarkasti virheilmoitus Internetin hakukoneeseen, joka yleensä tuottaa yleiskatsauksen todennäköisiä syitä. 

Oireisessa haussa diagnosoija, laatuinsinööri tai ohjelmoija käyttää ongelmallista käyttäytymistä kuvaavaa havaintojen joukkoa hakumallina, jotta voi löytää yhteensopivan sarjan tunnettujen oireiden ja niiden todennäköisten syiden kirjastosta. Oireet voivat antaa oikotien, ja sen sijaan, että diagnostikko keksisi itse ongelman juurisyitä. Hän käyttää uudelleen aikaisemmissa ongelmaratkaisuissa kerättyä tietoa. Yleensä käytetään myös puolittamisen taktiikkaa, joka vähentää hypoteesien määrää ja tehtäviä testejä. Puolittaminen tarkoittaa systeemin, ohjelman, prosessin jne. jakamista puoliksi ja molemmat puolet testaa erikseen. 

Kuten onnekkaat arvaukset, oireenmukaista hakua ohjaa vika- ja virhetieto sekä oireiden kuvaus. Tästä syystä ne eivät todennäköisesti ole tehokkaita uusille vika- tai virhetyypeille. Ohjeita oireisen haun yrittämiselle ovat: 1) Saatavilla on runsaasti vika- ja virhetietoa. 2) Ongelma ei todennäköisesti ole uusi. 3) Oireet ovat ilmeisiä ja spesifisiä.

3. Välittömien syiden karsimisen strategia. 

Välittömien syiden strategiassa saavutetaan fokusoidumpi ongelmakuvaus kuin oireen mukaisessa strategiassa. Tässä strategiassa siirrytään välittömästi syyn ja seurauksen ketjussa ylävirtaan. Strategia alkaa oireiden perusteellisella tutkimuksella, johon mahdollisesti kuuluu viallisten tai virheellisten osien tai tuotteiden purkaminen (usein viitataan ruumiinavauksiin, Juran (6)). Näiden tutkimusten perusteella diagnostikko pyrkii rekonstruoimaan ongelman välittömiä syitä ja siten siirtämään ongelman kuvausta askel askeleelta kohti anti-kausaalia syytä eli poispäin oireen syystä. 

Tämä voi joko määrittää ongelman juurisyyn, tai keskittää diagnostista tutkimusta, koska välittömien syiden tunnistaminen (ja siten syymekanismin luonne) voi karsia suuresti hakutilaa. 

Huomaa, että hyvin tunnettu Toyotan käyttämä strategia on ”5 Whys” -tekniikka (” 5Miksi?”). Se noudattaa välittömien syiden strategiaa. Tähän strategiaan viitattiin ensimmäisessä artikkelissa ”Juurisyyanalyysi ja sen kehittyminen” (1) ja artikkelin kuvassa 5 Toyotan käyttämä ongelmanratkaisumenetelmä Likerin kirjan Toyota Way mukaan.  

Välittömien syiden strategia tunnetaan yleisessä ongelmanratkaisu-kirjallisuudessa eteenpäin hakuna, joka on diagnoosin yhteydessä hieman hämmentävä nimi, joka heijastaa sitä, että askelletaan yksi syy eteenpäin jo tunnetusta syystä kohti tavoitetilaa, juurisyytä. Strategia voi olla lupaava diagnoosiprosessin varhaisessa vaiheessa, kun hakualue on laaja ja monimutkainen ja jossa välittömien syiden tunnistaminen voi antaa paremman fokusoidun ongelmanmäärittelyn. Välittömien syiden strategia on käyttökelpoinen, kun 1) nykyinen ongelman kuvaus on epätarkka ja fokusoimaton ja 2) oireet antavat selkeitä vihjeitä niiden aiheuttaneesta syy-seuraus mekanismista. Strategialla on kuitenkin paljon rajoitteita eikä se sovi ”yleiseksi” hakuongelman ratkaisuksi. Vertaa Leanin yhteydessä esitettyyn ongelmanratkaisuun (1).

4. Oksa ja karsi -strategia

Seuraavien strategioiden tavoitteena on vähentää hakutilan laajuutta sulkemalla pois kokonaisia kausaalisuuntien luokkia (”karsimalla”). Oksa ja karsi -strategialla on lukuisia erityissovellutuksia, alaluokkia. (Huom. Strategian alkuperäinen nimi on Branch-and-Prune strategy (8), jonka voi kääntää usealla tavalla esim. Oksia ja karsia -strategia. Usein mainitaan puurakenteet ja niihin liittyvät käsitteet.)

Oksa ja karsi -strategia, pyrkii vähentämään hakutilan laajuutta jakamalla ensin tila laajoiksi, mutta toisiaan täydentäviksi hypoteesiksi (”oksa”-askeli). Tämä karkea osiointi (jako), oksitusvaihe perustuu järjestelmän rakenteeseen. Rakenne voi olla tuotteen, palvelun tai prosessin fyysiseen tai toiminnallinen rakenne. Myös yleiset rakenteet, kuten aika ja tila, voivat toimia pohjana hakupuun rakentamiselle ja oksittamiselle. Testit tai havainnot ohjaavat kokonaisten oksien (”karsi”) poistamista, ja diagnostikko tutkii vain säilyneitä oksia tarkemmin. Jäljelle jääneiden oksien haarojen leikkausvaihetta ohjaavat havainnot, jotka on kerätty ositettuihin otokseen, ja osuudet määräytyvät tutkittavien oksien mukaan.

Oksa ja karsi -strategia
Kuva 4. Oksa ja karsi -strategia.

Oksa ja karsi -strategiat käsittelevät mahdollisten syy-seuraus selitysten tilaa hierarkkisena puurakenteena, jossa ylemmillä tasoilla on laajat ja yleiset hypoteesit, ja alemmilla tasoilla haaroina näitä tarkempia tarkennuksia. Yhdessä kerroksessa olevien hypoteesien tulee olla toisiaan täydentäviä, ei päällekkäisiä (esimerkiksi syy on joko tuotteessa, virtalähteessä tai liittimessä ja nämä ovat erillisiä rakenteita). Diagnostikko työskentelee ylhäältä alaspäin, leikkaamalla ensin useimmat oksat/haarat ja vasta sitten jalostaa säilytetyt oksat ja karsii niitä yksityiskohtaisempiin ja tarkempiin hypoteeseihin.

Oksa ja karsi -strategiat ovat lupaavia, jos tutkittava järjestelmä (ja siten hakuavaruus) on monimutkainen ja laaja, ja jos järjestelmästä voi löytää vahvaa rakennetta, jolla hakuavaruuden jaottelua toisistaan riippumattomien oksien/haarojen luokkiin voi toteuttaa. 

Seuraavassa kuusi erilaista alasovellutusta ”oksa ja karsi” -strategiasta, joilla voi löytää juurisyyn tai syitä.

4.1. Sekvenssirakenne ja puolittaminen: Puolittaminen (bisektio) tunnetaan myös nimellä half-split-strategia tai prosessin ”leikkaaminen”. Strategia on oksa ja karsi -strategia, joka perustuu peräkkäiseen sekvenssi-rakenteeseen, kuten tuotantoprosessin vaiheiden järjestykseen. Ajatuksena on tarkkailla, ilmeneekö ongelma sarjan tai prosessin puolivälin toisella puolella: siis selvitetään, tapahtuuko ongelma ensimmäisellä vai toisella puoliskolla. Seuraavaksi tutkitaan ongelman esiintyvää puoliskoa tarkemmin, mahdollisesti soveltamalla puolittamista uudelleen ja uudelleen valittuun puoliskoon ja hylkäämällä toinen puolisko. Tällä menettelyllä haku nopeutuu toisen asteen potenssissa 2n.  

Huom: Tämä tunnetaan myös ”arvausleikkinä”, jossa arvaaja lupaa selvittää kätketyn sanan 12-18 haulla, jos kirjassa on 500 sivua ja 100 000 sanaa. Kätkijä etsii kirjasta yhden sanan ja lupaa kertoa onko sana tutkijan esittämällä ”puoliskolla”. Esimerkiksi 15:sta half-split haulla voi ”haarukoida” 215= 32768 yksittäistä sokeaa yritys-erehdys hakua. 

4.2. Komponenttien vaihto. Oksa ja karsi strategia fyysisen rakenteen perusteella: Oksat voitaisiin määritellä prosessin, koneen tai tuotteen rikkoutumisen perusteella sen fyysisiksi osajärjestelmiksi, komponenteiksi ja osiksi. Komponenttien haku eli komponenttien vaihto (component swapping) on käytännöllinen tekniikka oksittamiseen ja karsimiseen fyysisen rakenteen perusteella. Tämä tekniikka kuuluu yhtenä Shainin tekniikkaan, jota olen opettanut Shainin-ongelmanratkaisu kursseillamme 1990-luvulla. Shainin menetelmä osin suljettu (®).

4.3. Multivaritutkimukset ja kaaviot. Tätä lähestymistapaa käytetään juurisyyn selvityksiin, kun ongelma liittyy vaihteluun. Kuuluu tyypillisesti Six Sigman strategioihin. Tyypilliset multivari eli monimuuttujatutkimukset jakavat ”hakupuun” neljään viiteen luokkaan: syyt, jotka vaihtelevat ajan myötä (stabiilisuus), tuotantovirtojen välillä tapahtuva vaihtelu, tuotannon sisällä tapahtuva vaihtelu, tuotteiden välillä ja tuotteiden sisällä tapahtuva vaihtelu. Laatuinsinööri kerää datan ositetun otoksen tiedoista edellä olevaa rakennetta noudattaen. Tulokset esitetään usein graafisesti multivari-kaaviona, jonka Minitab rakentaa useaan suuntaan. Ei vaikuttavat suunnat voidaan karsia pois. Tutkimuksessa keskitytään luokkaan, joka näyttää sisältävän hallitsevan vaihtelun lähteen. 

Yksinkertaisemmissa monimuuttujatutkimuksissa verrataan vain vaihtelua tuotantovirtojen välillä: Ilmeneekö ongelma joissakin viroissa enemmän kuin toisissa? Onko pääasiallinen vaihtelu virtausten sisällä vai virtojen välillä? ”Haku” voidaan toteuttaa yksinkertaisilla ryhmävertailutekniikoilla kuten keskiarvoanalyysi (ANOM), boxplots tai varianssianalyysi (ANOVA). Aikasarjakuvaukset mahdollistavat haaroittamisen ja karsimisen ajan mittaan perustuvien kuvioiden perusteella. Nämä kaikki sisältyvät myös Six Sigman analyysivaiheeseen.

4.4. 4W2H, vikojen tarkastus, pitoisuuskaavio strategia. Epävirallinen tapa soveltaa ”oksa ja karsi” -strategiaa on hankkia vihjeitä, joita ohjaavat yleiset kysymykset kuka, missä, milloin, mitä, miten ja kuinka paljon (tunnetaan lyhenteellä 4W2H). Näissä kysymyksissä diagnostikko tutkii hakuavaruutta tilan tai fyysisen rakenteen (missä), ajallisen rakenteen (milloin) ja toiminnallisen rakenteen (mitä) perusteella, selvittäen, voidaanko hakutilaa karsia ja hakua kohdentaa. Myös tyypillisiä vihjeiden hankinnan muotoja, kuten rikastumis-/keskittymiskaavio (concentration diagram), vian sijainnin ilmaiseva kaavio (check sheet), vikatyypin ilmaiseva kaavio ja prosessin ilmaiseva kaavio sekä fysikaalisten, tilojen, toiminnallisten ja muiden rakenteiden rakennelöydöt. Näillä kaikilla voi toteuttaa ”oksaa ja leikkaa” -strategiaa toteuttaa.

4.5. Oksa ja karsi -strategia toiminnallisen rakenteen perusteella. Kun havaitaan, että prosessin tai tuotteen jotkin osatoiminnot toimivat väärin, kun taas toiset toimivat normaalisti, diagnostikko voi keskittyä tuotteen tai prosessin viallisiin alitoimintoihin ja niihin liittyviin komponentteihin ja jättää muut huomiotta.  Oletetaan, että virheenkorjaus tehdään tietokoneohjelmasta, joka koostuu useista alirutiineista, ja oletetaan, että nämä aliohjelmat liittyvät ohjelman toimintoihin ja alitoimintoihin. Tarkkailemalla tai testaamalla, mitkä ohjelman toiminnot ovat normaaleja ja mitkä virheellisiä, keskittää kyselyn asiaankuuluviin aliohjelmiin.

4.6. Oksa ja karsi -strategia toimintakontekstin perusteella. Toimintakontekstilla tarkoitetaan tuotantoaikataulun synnyttämiä rakenteita: erilaisia tuotantovirtoja, tuotetyyppejä, työvuoroja ja muita kerrostumia määrittäviä rakenteita. Kuten monimuuttujatutkimuksissa, diagnostikko selvittää, esiintyykö ongelma joissakin, mutta ei muissa kerrostumissa. 

5. Oireperusteinen karsintastrategia

Välittömien syiden strategiassa hakuavaruutta karsittiin 1) päättelemällä taaksepäin ongelmasta sen välittömiin syihin. ”Oksa ja karsi” strategian mukaisesti hakupuuta karsitaan 2) järjestelmärakenteen perusteella. Kolmas vaihtoehto on karsiminen 3) oireyhtymien perusteella (syndrooma). Tässä lähestymistavassa diagnostikko tarkkailee useita ongelmatapahtumia ja yrittää tunnistaa samanaikaisten oireiden (oireyhtymän) kuvioita. Tällaiset mallit voivat paljastaa syy-seuraus mekanismin ominaispiirteen, joka auttaa sulkemaan pois vaihtoehtoja. Mallissa (strategiassa) tarkastellaan tyypillisesti vastakohtaa epänormaali – normaalia tai ongelmainen – ongelmaton. Tietysti on tiedettävä mikä on normaali ja mikä ei ole normaali. 

Jos käytettävissä on suuria tuotantotietomassoja, joihin on tallennettu monia muuttujia, oireyhtymien tunnistamiseen voidaan käyttää monimuuttujatilastotekniikoita (EDA), kuten pääkomponenttianalyysiä (PCA), faktorianalyysi, klusterianalyysiä ja osittaista pienimmän neliösumman laskentaa (PLS) jne. Nämä tekniikat ovat hyvin edustettuna Minitab-ohjelmassa.

Oireen mukaisen strategian analyysimenetelmiä (Minitab 21)
Kuva 5. Oireen mukaisen strategian analyysimenetelmiä (Minitab 21) 

Oire eli syndroomapohjaisessa strategiassa keskitytään oireiden mallin selvittämiseen syyn löytämisen sijaan. Siksi tämä lähestymistapa on muiden strategioiden pohjana. Koska kuviota (pattern) ei voida tunnistaa yhdestä tai vain muutamasta näytteestä, syndroomalähtöiset strategiat vaativat useita havaintoja ja strategia voi olla melko työlästä, jos käytössä ei ole esim. Minitab ohjelmistoa. Tämän sinänsä hyvän strategia joudutaan hylkäämään, jos ongelma ilmenee suhteellisen harvoin.

6. Suppilo (funnel) strategia

Suppilostrategiat (esim. Six Sigma DoE -vaihe) testaavat tehokkaalla tavalla lueteltua luetteloa erityisistä ehdokassyistä. Luetteloimalla prosessin (tuotanto tai palvelu) osia tai koneita mahdollisina syinä tai luettelemalla ilmeisiä epäiltyjä syitä, luodaan joukko erityisiä ja yksityiskohtaisia hypoteeseja. Tämän DoE listan perusteella diagnostikko suunnittelee tehokkaan testausstrategian, joka sisältää esimerkiksi tilastollisesti suunnitellun kokeen. DoE, Shaininin. Muuttujahakumenettelyllä voidaan testata ehdokkaita myös yksitellen (OFAT) (katso artikkeli: Muutanko yhtä tekijää vai useita tekijöitä? OFAT vai DoE?), sen jälkeen kun ehdokkaat on asetettu tärkeysjärjestykseen. 

Suppilostrategiat toimivat melko spesifien hypoteesien kanssa ja ovat tehokkaita ehdokassyiden hakutilan kompaktilla alueella. Vaarat ovat olemassa, kun suppilostrategiaa kokeillaan ennen kuin hakutila on kaventunut riittävästi oikealle alueelle. Ensimmäinen vaara on, että hakuavaruus on niin laaja, että mahdolliset syyt eivät ole lueteltavissa tai muuten lukuisia, ja testaus on jopa tehokkaalla kokeellisella suunnittelulla liian työlästä. Six Sigman yhteydessä mittaus- ja analyysivaiheessa syyehdokkaita karsitaan ja kokeeseen viedään kompaktit syyehdokkaat, jotka ovat käytännöllisiä, nopeus ja edullisuus. Näistä muodostuu valittu tekijä, hypoteesi, juurisyyehdokas.

Parannusideoiden valitseminen
Kuva 6. Hakuavaruus rajataan käytännöllisyyden, nopeuden ja edullisuuden pohjalta sen jälkeen, kun analyysivaiheessa on tehty oireen mukainen karsinta. Näin Six Sigmassa.

Toinen vaara on se, että diagnostikko, joutuessaan kohtaamaan laajan etsintätilan, nostaa ehdokassyyt esiin vain kapealla alueella ja voi siten juuttua väärään hakuavaruuden osaan. Six Sigmassa hakutilaa rajataan lukuisilla tässä aikaisemmin mainituilla strategioilla. Kirjassamme ”Lean six Sigma 2.0 ja laatuteknologiat” on kuvattuna alkuperäinen laaja lukuisia eri strategioita sisältävä DMAIC-prosessi, looginen suodatin. 

Looginen suodatin, jonka sisällä käytetään erilaisia juurisyyn hakudiagnostiikkoja.
Kuva 7. Looginen suodatin, jonka sisällä käytetään erilaisia juurisyyn hakudiagnostiikkoja. Juurisyyn hakuprosessi Six Sigma DMAIC -menetelmällä (7)

Näin ollen tärkein indikaatio suppilostrategian käyttämiselle on: Hakutila on kompakti ja rajattu.

Edellä on esitetty ”yritys ja erehdys ”strategian lisäksi kuusi keskeistä strategiaa, jolla juurisyytä voi diagnostisoida. 

  1. Onnekas arvaus -strategia
  2. Oireen mukainen haku -strategia, vianetsintäohjelmat
  3. Välittömien syiden karsimisen strategia
  4. Oksa ja karsi -strategia
  5. Oireperusteinen karsintastrategia
  6. Suppilo (funnel) strategia

Useasti diagnoosissa joudutaan käyttämään strategioiden yhdistelmää tai jopa kaikkia strategioita (Six Sigma), jotta onnistumisen löytymistehokkuutta voidaan kasvattaa 0:sta 100 %:iin. Six Sigman tehokkuus on 50-90 %:n alueella (7). Tarkempi kuvaus sivuilla 332-342, Lean Six Sigma käytännön tulokset ja esimerkit. Tämä tietysti tarkoittaa ajan, resurssien ja kustannusten suhteuttamista saavutettavissa oleviin hyötyihin. Siksi yleensä strategioita sovelletaan rationaalisessa järjestyksessä. Taulukossa 1 on kuvattuna professori Jeroen DeMast (näkemys strategioista ja niiden käytöstä).

Taulukko 1: Juurisyyn diagnostisia strategioita (8)

Jos jokin näistä kuudesta strategiasta julistetaan yleismaailmallisesti parhaaksi, silloin ei huomioida, että tehokkuus riippuu vahvasti tilanteesta. Pikemminkin diagnostikkoja neuvotaan ajattelemaan strategisesti, mutta ei noudattamaan jäykästi mitään tiettyä strategiaa. Diagnoosin jokaisessa vaiheessa diagnosoijan tulee arvioida uudelleen tilanne ja sen taktiset seuraukset ja olla opportunistinen siirtyessään strategiasta toiseen.

Annetun taulukon 1 mukaista järjestystä noudattaen diagnoosi voisi edetä näin:

  1. Ongelmanselvityksen aluksi diagnostikko selvittää ensin, onko hänellä tiedossa oleva ongelma (onnekas arvaus vai oireiden mukainen hakustrategia). Jos oireiden havaitaan liittyvän tunnettuun ongelmaan, aikaisempien diagnoosien tiedon uudelleenkäytöllä voi välttää monimutkaisemmat ongelmanratkaisun toimenpiteet ja kustannukset. 
  2. Jos oireet eivät täsmää oireenmukaisissa hauissa, diagnostikon on itse löydettävä syy-seuraus mekanismi, juurisyy. Varsinkin jos hakutila on suuri ja monimutkainen, seuraava vaihe on haun keskittäminen hakuavaruuden välittömiin syihin. 
  3. Välittömien syiden strategia tarjoaa taaksepäin oireista tapahtuvan etenemisen niiden välittömiin syihin. Tämä antaa tarkemman ja fokusoidumman ongelman määrittelyn. 
  4. Oksa ja karsi -strategiat hyödyntävät järjestelmän rakennetta ja havaintoja haun edelleen keskittämiseksi. 
  5. Oireperusteinen karsinta strategiaan perustuvat strategiat soveltavat karsimista kausaalimekanismin ominaisuuksien perusteella, jotka paljastuvat oireiden kuvioissa.
  6. Kun hakutila on leikattu hallittavaan kokoon, analysoija, diagnoosin tekijä, luettelee yksityiskohtaiset ehdokassyyt hakutilan fokusalueella ja suunnittelee tehokkaan testisarjan, kokeen, todellisen juurisyyn selvittämiseksi. 

7. Diagnoosin parantaminen

Diagnoosin parantamiseksi voidaan erottaa kolme strategiaa (9): kokemus, koulutus ja diagnostiset apuvälineet. Nämä on kuvattu kuvassa. 

Diagnostiikassa on kahta tietoa, jota voi kouluttaa – menetelmät ja syyt.
Kuva 8. Diagnostiikassa on kahta tietoa, jota voi kouluttaa – menetelmät ja syyt.

Kokemus on diagnostisen onnistumisen tärkein tekijä. Se ei kuitenkaan toimi parannusstrategiana, koska kokemusta voidaan hankkia vain ajan myötä. Diagnostisten apuvälineidenkin kehittäminen (vrt. Minitab-ohjelmisto) on vaativa ja hidas prosessi, jota ei normaalitilanteissa voi käyttää.

Perinteinen diagnoosin parannusstrategia on osaamisen kehittämisstrategia eli koulutus. Koulutus sisältää kaiken toiminnan, jossa oppiminen tapahtuu vuorovaikutuksessa kouluttajien, luentojen, kirjojen, opetusjärjestelmän tai muiden tietolähteiden kanssa. Koulutus ylittää kokemuksen ja lisää teorian (mallin, eri ongelmanratkaisumenetelmät) ja abstraktin tietokerroksen, joka on välttämätön asioiden hahmottamiseksi, yksinkertaistamiseksi ja ymmärtämiseksi. Malleja voi soveltaa nykyisiin tapauksiin ja uusiin tapauksiin ja saada uutta kokemusta. 

Kuvassa 8 on kahdenlaisia tietoja, jotka voivat parantaa diagnostista suorituskykyä: menetelmät ja syyt. Syihin liittyvä tieto on yleensä organisaation sisäistä tapauskohtaista. Laajempaa näkemystä koulutetaan mm. SPC-käsitteen alla – erityissyyt ja satunnaissyyt. Miten ne ilmenevät, miten ne vaikuttavat, mistä muodostuu suorituskyky, mikä on mittauksen tarkkuus jne. Laaja kokonaisuus.

Laatuinsinööreille, diagnostikolle ja kaikille, jotka joutuvat tai saavat ratkoa ongelmia voidaan ja tulee opettaa menetelmiä, jotka vaihtelevat strukturoiduista laajoista ongelmanratkaisutekniikoista (Six Sigma, Shainn, Taguchi, TOC, TapRoot, RCA jne.) yksinkertaisempiin tekniikoihin (Kaizen, PDCA, PDSA, QC-story, 7-tools, LPM, 8D, A3, FMEA, EPS, ATS jne.).  Epämuodolliset heuristiikkaan perustuvat ohjeisiin ja käytäntöihin kuten taulukossa 2. Taulukossa on esitettynä heurestisia ohjeita informaation keräykseen, tulkintaan, hypoteesien luontiin, hypoteesien testaukseen ja hypoteesien vahvistamiseen.

Taulukko 2: Diagnoosin heuristisia ohjeita. Heuristiikka on ajattelun apuväline, jota voi käyttää laatuongelmien diagnosoinnissa, ja diagnoosiprosessin vaiheiden organisoinnissa; mitä ”kysyä” missäkin vaiheessa. (9)

8. Yhteenveto

Toisilla yrityksillä on paljon virheitä, vikoja hukkaa ja reklamaatioita, toisilla taas ei. Toisilla yrityksillä on ongelmaratkaisuun ja virheiden diagnosointiin koulutettu henkilöstö ja toisilla taas ei.  Toiset yritykset menestyvät ja toiset taas ei.  

Olisiko kysymys ongelmanratkaisutaidoista? Toyotan TPS-systeemi on rakennettu vahvan ongelmaratkaisutaidon päälle, jonka historia alkoi jo yli 100 vuotta sitten. Toyotan entisen eläkkeellä olevan laatujohtajan, professori Kakuro Amasakan kirjat (7) todistavat syvää ongelmanratkaisutaitoa ja sen tärkeyttä Toyotalla.

Olen 50 vuoden laatutaipaleella törmännyt aina tähän samaan osaamisen ongelmaan. Ja aina kun yritystä tai organisaatiota olen parantanut, ensimmäinen askel on ollut kouluttaa henkilöstö ratkaisemaan ongelmia. Tämä taito ei ole luontaista. Asiat eivät yksinkertaisesti edisty, jos tätä taitoa ei ole. Useassa yrityksessä ongelmien ratkaisuna pidettiin ja pidetään ”oireiden” peittelyä – ja tämänhän me kaikki osaamme.

Kun menin (tai oikeastaan kutsuttiin hätiin) 1980-luvun alussa laatupäälliköksi lahtelaiseen yritykseen, kysyin tuotantojohtajalta, kuinka monta virhettä 500 henkilöä tekee vuodessa, vastaus on ehkä 100-1000 kpl. Pystytin virheiden keräyksen koko ”tehdasalueelta” (ei vain lopputarkastuksesta, joka oli osoittanut toimimattomuutensa) ja vein tiedot julkisille laatutaululuille ja organisoin ongelmanratkaisun. Ja kas kummaa, virheitä löytyikin yli 500 000 kpl/vuosi. Ei ihme, ettei mikään onnistunut aikaisemmin.  Kun henkilöstölle opetettiin yli 50:llä laatukurssilla 5 vuoden aikana ongelmien diagnosointi ja ratkaisut, virheet ja viat vähenivät jopa 0:aan (0-virhe kampanja ja aito tulos 1985) sitä myötä reklamaatiot … ja yritys alkoi menestyä ja menestyy edelleen. Sama kaava toistui yritys toisensa jälkeen.  Katso artikkeli: 10 + 20 vuotta laatukoulutusta.

Ongelman ratkaisu on keskeisin yrityksen menestystä selittävä tekijä. Jos ongelmia ei pystytä ratkaisemaan tai ratkaisujen löytyminen on hidasta ja kallista, ongelmat – virheet, viat, reklamaatiot, hukat – kasaantuvat ja lopulta tuhoavat organisaation. Tämä on entropian laki! (Bolzmannin laki) Epäjärjestys suljetussa systeemissä kasvaa.

Mitä pitäisi kouluttaa koskien laatuongelmien ratkaisuja? Meillä on hyviä menetelmiä, jotka perustuvat yhteen tai useampaan juurisyystrategiaan. Työntekijä-tasolle oleellista on ongelmien esilletuonti ja erityissyiden ratkaisu ja kiitoksen antaminen (motivointi) tästä työstä. Ei siis riitä ratkaisutaidot (7-laatutyökalua, laatupiiri, Quality Control Circle, ”80-luvun malli”). Tähän sopii Laatutaulu- menettely ja organisoitu kokemukseen ja SPC:n pohjautuva ”erityissyiden ohjaus ja korjaus”. Laatutaulusta on vuonna 2023 tulossa pitkään pyydetty ja uudistettu kirja Tanja ja Eero Karjalainen: ”UUSI Laatutaulun kehitys- ja käyttöopas – Kuinka ohjaan ja parannan toimintaa tehokkaasti” (2023). Kirja kokoaa yli 45 vuoden kehityshistorian, opit ja tulokset.

Keskijohdon koulutukseen suosittelen laajaa kokoelmaa ennalta ehkäiseviä menetelmiä 7-tools, A3, 5 Miksi, 8D, FMEA, RCA, Six Sigma (Black Belt, Green Belt), Shainin jne. Jokainen näistä on enemmin tai vähemmin spesifi ongelmille ja käyttöolosuhteille, mitä halutaan ratkaista. Jotkut ovat nopeita ja helppoja ja toiset vaativia. Yhdellä menetelmällä tuskin tulee toimeen. Ratkaisutaitoa voisi jakaa henkilöstön ja toimenkuvien kesken.

Ylemmälle johdolle ehdottomasti Lean Six Sigma Black Belt ja/tai pitkä RCA-kurssi (uusi). Valitettavasti minun täytyy todeta, että asiat eivät etene, jos ongelman ilmetessä johtaja ei voi osoittaa ja vaatia yksilöidyn menetelmän käyttöä ja tulosten raportointia. Raportointi antaa motivaation ja sen perusteella kiitoksen. Ongelman ratkaisu (tulos) ei pitäisi olla ainoa kiitosperuste!  On vaikea johtaa ongelmien ratkaisua, jos ei tunne menetelmää. Kaikki suuret johtajat GE:n Jack Welchistä lähtien ovat tunteneet menetelmät ainakin jollain tasolla. Six Sigmaa tehokkaampaa menetelmää ei tällä hetkellä ole avoimilla markkinoilla tarjolla. 

Lähteet:

  1. Artikkeli: Juurisyyanalyysi ja sen kehittyminen (5.1.2023)
  2. J. M Juran: Managerial Breakthrough: The Classic Book on Improving Management Performance 1968
  3. Artikkeli: Kausaliteetti-syy on ehto parannukselle – mitä se on? (2.4.2020)
  4. W. Edwards Deming: Out of The Crisis 1986
  5. Charles Holland: Breakthrough Business Results with MVT, 2005
  6. J.M. Juran:  Juran’s Quality Handbook 4th edition 1988
  7. Tanja ja Eero Karjalainen: Lean Six Sigma 2.0 ja laatuteknologia, 2020
  8. Jeroen De Mast: Diagnostic Quality Problem Solving: A Conceptual Framework and Six Strategies, Quality Management Journal, 2013
  9. Gerald F. Smith: Determining the Cause of Quality Problems: Lessons from Diagnostic Disciplines, Quality Management Journal, 1998
  10. Duke Okes: Root Cause Analysis – The Core of Problem Solving and Corrective Action, Second Edition, 2019
  11. Matthew A. Barsalou: Root Cause Analysis – A Step-By-Step Guide to Using the Right Tool at the Right Time, 2015
  12. AIAG: Effective Problem Solving Practitioner Guide, 2012
  13. Mark A. Latino: Root Cause Analysis – Improving Performance for Bottom-Line Results, 2020

Kommentoi artikkelia

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *

Tämä lomake on suojattu Google reCAPTCHA:lla. Lue tietosuojaseloste ja käyttöehdot.

Tilaa uutiskirje

Liity postituslistalle ja saat uusimmat artikkelit suoraan sähköpostiisi.