Measure fase van DMAIC

- Willem Heijboer

Wat is de Measure fase in Lean Six Sigma's DMAIC?

De Measure-fase is de tweede stap binnen de DMAIC-methode, een gestructureerde aanpak die je gebruikt bij Lean Six Sigma-projecten om problemen stap voor stap op te lossen. DMAIC staat voor Define, Measure, Analyze, Improve en Control. In de Define-fase beschrijf je het probleem en de doelen van het project, maar in de Measure-fase gaat het om het verzamelen van data. Dit is het moment waarop je inzicht krijgt in de omvang van het probleem door nauwkeurig en systematisch gegevens te meten.

Tijdens de Measure-fase wil je het probleem omzetten in een cijfermatig beeld: hoe groot is het probleem nu écht? Het verzamelen van harde data geeft je de feiten die je nodig hebt, in plaats van aannames en vermoedens. Hierbij toets je de betrouwbaarheid van je meetsysteem en zet je de data om in een nulmeting. Met deze betrouwbare basis kun je de huidige situatie objectief beschrijven. Het resultaat? Een helder beeld van het probleem, weergegeven met een grafiek.

Waarom is Measure belangrijk voor succes?

In de Measure-fase gaat het erom om de ware omvang van het probleem te ontdekken, en dat leidt soms tot verrassingen. Stel je een organisatie voor die last heeft van storingen en denkt dat deze zo’n 14.000 keer per jaar voorkomen. Tijdens de Measure-fase blijkt echter dat het werkelijke aantal storingen op maar liefst 18.000 per jaar ligt! Dit inzicht maakt duidelijk dat de impact van het probleem veel groter is dan verwacht en vraagt om een stevige aanpak. Andersom komt het ook voor dat een inschatting juist te hoog blijkt. Zo wilde een callcenter zijn ‘first time right’-score verbeteren, omdat men dacht dat maar 60% van de problemen in één keer goed werd afgehandeld, met een projectdoel van 80%. De cijfers uit de Measure-fase lieten echter zien dat de score al op 84% lag. Hierdoor kon het project zich richten op andere verbeterpunten die wél winst opleverden.

Waarom is Measure zo belangrijk?

• Het schept duidelijkheid over de omvang van het probleem.

• Het helpt om heldere doelen en verwachtingen vast te stellen.

• Het zorgt dat je op basis van feiten werkt in plaats van aannames.

• Het voorkomt niet-bestaande problemen gaat proberen op te lossen.

• Het creëert draagvlak door het probleem helder en concreet te maken.

Welke tools gebruik je tijdens de Measure fase?

In de Measure-fase gebruik je tools om data te verzamelen, analyseren en visualiseren. Deze tools helpen je om een betrouwbaar beeld van het probleem te krijgen, wat cruciaal is voor de volgende projectstappen. Hoewel sommige tools statistisch van aard zijn, hoeft dit niet complex te zijn. Het gaat erom dat je betrouwbare uitspraken kunt doen, zonder onnodig ingewikkeld te worden.

• Datacollectieplan: Helder actieplan om data efficiënt te gaan verzamelen.

• Histogram: Laat de verdeling van je data zien, met inzicht in spreiding en patronen.

• Pareto-analyse: Identificeert de factoren met de grootste impact, met de 80/20-regel.

• Value Stream Mapping: Toon als nulmeting de waardevolle en niet-waardevolle stappen.

• Normaliteitstoetsen: Bepalen of data normaal verdeeld is, belangrijk voor latere analyses.

• Gage R&R-analyse: Evalueert de betrouwbaarheid van je meetsysteem, voor discrete data.

• Procescapabiliteit: Meet of een proces voldoet aan specificatielimieten, oftewel klanteisen.

• Processtabiliteit: Toont of het proces stabiel en consistent is over de tijd met Control Charts.

Wat zijn de belangrijkste stappen in Measure?

In de Measure-fase draait alles om het nauwkeurig in kaart brengen van het probleem. Dit begint met het verzamelen van data en eindigt bij een betrouwbare nulmeting, die duidelijk laat zien hoe groot het probleem is. Door zorgvuldig de juiste data te kiezen en te toetsen, krijg je inzicht in zowel de omvang van het probleem als de oorzaken ervan. Elk van deze stappen draagt bij aan een solide basis voor verdere analyse en effectieve verbetering.

1. Data verzamelen:
   Bepaal eerst wat je precies wilt meten en hoe je dat gaat doen. Dit vereist een goed datacollectieplan, waarin je aangeeft welke gegevens je verzamelt en hoe je dat doet. Soms is een steekproef nodig als het gaat om een groot aantal datapunten. Vuistregels helpen hierbij: wil je alleen gemiddelden weten, of wil je ook de spreiding in kaart brengen? Idealiter doe je beide, zodat je een compleet beeld hebt van het proces. Je meet niet alleen de “Y-variabele” (het probleem zelf), maar neemt ook mogelijke oorzaken (de “X-variabelen”) mee. Stel dat je bijvoorbeeld de wachttijd bij een klantenservice onderzoekt, dan zou je zowel de gemiddelde wachttijd als variabelen zoals piekuren en medewerkerbezetting willen vastleggen.

2. Betrouwbaarheid toetsen:
   Neem nooit zomaar aan dat alle data klopt. Zelfs data uit betrouwbare systemen kan vertekend zijn door de manier van invoeren. Een goed voorbeeld is de registratie van doorlooptijden, waar medewerkers soms pas aan het eind van de week gegevens invoeren, in plaats van direct na elke taak. Dit geeft een onbetrouwbaar beeld van de werkelijke doorlooptijden. De betrouwbaarheid van data kan op verschillende manieren worden getoetst: kwalitatief door interviews, kwantitatief door steekproeven of statistische experimenten. Deze aanpak helpt om vroeg in het project vast te stellen of je met juiste, representatieve data werkt.

3. Nulmeting opstellen:
   Uiteindelijk moet je vaststellen hoe groot het probleem precies is door een betrouwbare nulmeting te maken. Een goede nulmeting toont de huidige prestaties in een grafiek, waarbij je deze prestaties kunt vergelijken met een norm of doelstelling. Voor wachttijden kun je bijvoorbeeld een histogram gebruiken om de spreiding van de wachttijden te laten zien, of een controlediagram om afwijkingen ten opzichte van de norm in kaart te brengen. Een betrouwbare nulmeting zorgt ervoor dat je later kunt aantonen of de verbeteringen ook echt impact hebben gehad.

Veelvoorkomende valkuilen in de Measure fase

In de Measure-fase is het verleidelijk om te snel conclusies te trekken of om aannames te maken over de betrouwbaarheid van data. Bijvoorbeeld, data die rechtstreeks uit een systeem komt, lijkt vaak direct bruikbaar, maar dat is niet altijd zo. Misschien zijn bepaalde gegevens handmatig ingevoerd of pas later geregistreerd, waardoor ze afwijken van de werkelijkheid. Denk aan een productiebedrijf waar doorlooptijden pas aan het einde van de week worden ingevoerd. Dit lijkt een klein detail, maar kan een grote invloed hebben op de data-analyse en daarmee op het hele project.

Een andere valkuil is het verzamelen van te veel of juist onnodige data. Veel teams willen ‘alles meten, voor de zekerheid’. Maar dit zorgt vaak voor tijdverlies en verwarring. Het is beter om specifiek en doelgericht te werk te gaan. Kies meetpunten die echt bijdragen aan het inzicht in het probleem en mogelijke oorzaken. Een goed datacollectieplan helpt hierbij: het zorgt ervoor dat je alleen data verzamelt die relevant is voor het probleem dat je wilt oplossen.

Daarnaast is het negeren van weerstand een valkuil. Omdat je nu dingen inzichtelijk maakt, is dit typisch het moment waarop weerstand zich uit. Mensen kunnen het gevoel krijgen dat hun werk onder de loep wordt genomen of zelfs bekritiseerd. Hier bewust mee omgaan en medewerkers meenemen in het proces helpt om draagvlak te creëren en weerstand te verminderen.

Hoe weet je of je Measure fase succesvol is afgerond?

Het afronden van de Measure-fase betekent dat je een solide basis hebt gelegd voor de volgende stappen. Je hebt de omvang van het probleem helder, je data is betrouwbaar en je hebt een concrete nulmeting. Hier zijn de belangrijkste onderdelen om te controleren voor een succesvolle afsluiting:

Data verzameling

• Datacollectieplan: Zorg dat je een plan hebt voor wat je meet en hoe je dat doet.

• Steekproef: Controleer of je steekproef representatief is en dat de aantallen voldoende zijn.

• Probleemdefinitie: Stel een heldere, operationele definitie op van het probleem.

Betrouwbaarheid

• Go Gemba: Bezoek de werkplek om de context van de data te begrijpen.

• Meetfout bepalen: Identificeer mogelijke meetfouten in je dataverzameling.

• Conclusie over betrouwbaarheid: Beoordeel de betrouwbaarheid van je data.

Nulmeting

• Resultaat weergegeven in grafiek: Visualiseer de data in een grafiek voor duidelijkheid.

• Prestatie vs klanteisen: Vergelijk de huidige prestatie met de verwachtingen of klanteisen.

• Soort probleem: Bepaal wat voor soort probleem je hebt: het gemiddelde, de variatie, of beide?

Met de data op orde en een duidelijke nulmeting kun je nu terugkoppelen aan de stakeholders. Bespreek de bevindingen en controleer of de business case nog actueel is, gezien de nieuwe inzichten. Dit is ook een goed moment om rollen en taken te bevestigen en commitment te krijgen voor het vervolg. Werk het storyboard of A3-template bij met de belangrijkste bevindingen en zorg ervoor dat het hele team op één lijn ligt voor de komende Analyze-fase.

Voorbeelden van Measure fases in de praktijk

In de logistiek- en retailsector is kwaliteit van data vaak een uitdaging. Een distributeur wilde inzicht krijgen in het aantal defecte producten dat klanten retour stuurden. In eerste instantie dachten ze dat dit rond de 5% lag. Maar tijdens de Measure-fase, en na een grondige meetsysteemanalyse (MSA), bleek dat de kwaliteit van de registraties zelf te wensen overliet. De meetmethoden waren niet consistent, wat het probleem groter maakte dan verwacht. Nadat ze de betrouwbaarheid van de metingen hadden verbeterd, ontdekten ze dat het daadwerkelijke percentage defecte producten dichter bij 8% lag. Door deze scherpe nulmeting konden ze gericht aan de slag met verbeteringen in hun retourproces.

In de food- en pharmasector ligt de uitdaging vaak bij de consistentie van processen. Een producent van geneesmiddelen merkte bijvoorbeeld dat er veel variatie zat in de productietijden per batch, wat problemen gaf met levering. In eerste instantie werd gedacht dat de gemiddelde productietijd het probleem was. Tijdens de Measure-fase bleek echter dat het juist de spreiding was – niet het gemiddelde – die voor problemen zorgde. Sommige batches waren snel klaar, terwijl andere flink vertraagden. Door dit patroon inzichtelijk te maken en een goede nulmeting op te stellen, kon het team zich richten op het verminderen van variatie in het proces, wat uiteindelijk zorgde voor stabielere levertijden.

Wat gebeurt er na de Measure fase?

Na de Measure-fase heb je al belangrijke stappen gezet: je hebt in de Define-fase het probleem verkend en in de Measure-fase het probleem nauwkeurig gekwantificeerd. Op basis van de verzamelde gegevens kun je nu zien hoe groot het probleem werkelijk is. Als het probleem voldoende impact heeft, rond je de Measure-fase af met een tollgate review. Dit is een moment waarop je met het team en stakeholders terugkijkt op de behaalde resultaten en beslist of het project door kan naar de volgende fase.

De volgende stap is de Analyze-fase, waarin je de oorzaken van het probleem gaat achterhalen. Samen met je team bepaal je wat de kernoorzaken zijn en ga je onderzoeken welke factoren werkelijk bijdragen aan de omvang van het probleem. Het is niet alleen belangrijk om mogelijke oorzaken te identificeren, maar ook om deze te valideren. Elke potentiële oorzaak moet zorgvuldig worden getoetst om zeker te weten dat deze ook écht bijdraagt aan het probleem. Dit vormt de laatste stap van je diagnose, waarmee je een solide basis legt voor de Improve-fase, waarin je aan de daadwerkelijke oplossing gaat werken.

Veelgestelde vragen over de Measure-fase

Hier zijn enkele veelgestelde vragen over de Measure-fase in Lean Six Sigma-projecten, met korte, praktische antwoorden om je door deze cruciale stap te leiden.

Wat is het doel van de Measure-fase?

In deze fase kwantificeer je het probleem met nauwkeurige, betrouwbare data. Dit vormt de basis voor een objectieve analyse.

Hoe bepaal ik welke data ik moet verzamelen?

Focus op gegevens die zowel het probleem (de Y-variabele) als mogelijke oorzaken (X-variabelen) in kaart brengen. Hiermee maak je een volledig beeld van de situatie.

Wat is een meetsysteemanalyse (MSA)?

Een MSA helpt om te controleren of je meetinstrumenten betrouwbaar zijn. Zo voorkom je dat onnauwkeurige data je analyse vertroebelt.

Wanneer gebruik ik een steekproef?

Bij een grote dataset biedt een representatieve steekproef een goede manier om betrouwbare inzichten te verkrijgen zonder alles te meten. Lees er meer over in dit artikel.

Hoe weet ik of mijn nulmeting betrouwbaar is?

Je nulmeting is betrouwbaar als je zeker weet dat de meetdata accuraat en representatief zijn voor het huidige proces.

Wat als ik weerstand ervaar tijdens de Measure-fase?

Weerstand komt vaak door onzekerheid. Bespreek met het team waarom meten belangrijk is en hoe iedereen voordeel heeft bij een nauwkeurig beeld. Lees er meer over in dit artikel.

Waarom moet ik normale verdeling controleren?

Veel statistische analyses gaan uit van een normale verdeling van de data. Controle hierop voorkomt verkeerde conclusies.

Hoe gebruik ik de nulmeting in de volgende fase?

De nulmeting geeft een basisniveau voor het proces. In de Analyze-fase vergelijk je toekomstige verbeteringen met dit startpunt om impact te meten.

Wil je ondersteuning bij het concreet aanpakken en meten van jouw bedrijfsuitdaging? Onze Consultancy biedt begeleiding voor Projectmanagement, Procesverbetering en Probleemoplossing, zodat je op feiten gebaseerde verbeteringen kunt doorvoeren. Liever zelf aan de slag? Bekijk ons trainingsoverzicht, of kies voor de Praktijkcertificering als je al een theoriecertificaat hebt maar nog je praktijkopdracht wilt uitvoeren.