Lean Six Sigma i sztuczna inteligencja. Doskonalenie procesów w erze Quality 4.0 (ebook) Toszek

Książkę kieruję do osób, które doskonalą rzeczywiste procesy: inżynierów, menedżerów, specjalistów jakości i uczestników studiów zarządzania. Przez ponad dwadzieścia lat pracy menedżerskiej i doradczej obserwowałem, że trudniejszym zadaniem od wyboru narzędzia jest zadanie właściwego pytania. Technologia zwiększa dostępność danych, ale nie określa sama, co jest wartością dla klienta i jaka zmiana usunie stratę. W kolejnych rozdziałach łączę logikę Lean Six Sigma z możliwościami sztucznej inteligencji, analizy logów oraz automatyzacji. Każde narzędzie rozpatruję w odniesieniu do decyzji, jakości danych i możliwej reakcji. Przykłady oraz ćwiczenia stworzyłem na potrzeby tej książki. Przedstawione organizacje i liczby są fikcyjne, tok rozumowania służy do sprawdzenia na własnych danych. Literatura naukowa stanowi podstawę definicji i ograniczeń metod. Propozycje projektowe są autorską syntezą, nie gotowym przepisem przypisanym badaczom. Chciałbym, aby czytelnik potrafił ocenić również sytuację, w której prostsza zmiana procesu daje większy pożytek niż model AI. Spis treści: Od Autora............................................................................................................................................ 5 Wprowadzenie.................................................................................................................................... 6 CZĘŚĆ I. LEAN SIX SIGMA W ŚWIECIE QUALITY 4.0............................................................. 7 1. Od klasycznego Lean Six Sigma do Quality 4.0........................................................................ 7 1.1. Problem procesowy jako punkt wyjścia............................................................................. 7 1.2. Mapa wartości a inwestycja w dane................................................................................... 8 1.3. Dojrzałość jakości w czterech decyzjach......................................................................... 10 1.4. Ocena dojrzałości w procesie wielozakładowym............................................................. 11 5. Rozstrzyganie inwestycji między przepływem a predykcją............................................. 12 Sztuczna inteligencja w praktyce procesowej.......................................................................... 15 2.1. Rodzaje zadania i chwila decyzji...................................................................................... 15 2.2. Projektowanie interwencji i informacji zwrotnej............................................................. 16 2.3. Dwa momenty prognozy w jednym łańcuchu.................................................................. 17 2.4. Od modelu do procedury na zmianie................................................................................ 18 3. Dane jako podstawa AI i Lean Six Sigma................................................................................ 21 3.1. Definicja jednostki i połączenia źródeł............................................................................. 21 3.2. Architektura i testy jakości danych................................................................................... 22 3.3. Kontrakt danych dla partii i czasu.................................................................................... 23 3.4. Dane historyczne po zmianie systemu.............................................................................. 25 3.5. Rekonstrukcja danych dostępnych w chwili decyzji........................................................ 26 CZĘŚĆ II. AI W CYKLU DMAIC.................................................................................................. 28 4. DEFINE – AI w definiowaniu problemu................................................................................. 28 4.1. Głos klienta i mierzalny cel.............................................................................................. 28 4.2. Granice projektu i bramka DEFINE................................................................................. 29 4.3. Warsztat DEFINE z językiem klienta............................................................................... 30 4.4. Karta projektu odporna na zmianę rozwiązania............................................................... 31 5. MEASURE – AI w pomiarze procesu..................................................................................... 33 5.1. Mianownik i zdolność systemu pomiarowego................................................................. 33 5.2. Dane dostępne przed decyzją............................................................................................ 33 5.3. Sprawdzenie dwóch mianowników.................................................................................. 35 5.4. Audyt pomiaru po wymianie kamery............................................................................... 36 6. ANALYZE – AI w poszukiwaniu przyczyn źródłowych........................................................ 38 6.1. Wzorzec nie jest przyczyną.............................................................................................. 38 6.2. Próba i siła dowodu.......................................................................................................... 39 6.3. Plan próby dla niewidocznej przyczyny........................................................................... 40 6.4. Analiza alternatywnych wyjaśnień................................................................................... 41 6.5. Przyczyna, wskaźnik zastępczy i próba interwencji......................................................... 43 7. IMPROVE – AI w projektowaniu rozwiązań.......................................................................... 45 7.1. Pilot porównujący warianty.............................................................................................. 45 7.2. Skalowanie i ekonomika rozwiązania.............................................................................. 46 7.3. Zatrzymanie pilotażu i koszt przeniesienia....................................................................... 47 7.4. Plan pilotażu o dwóch interwencjach............................................................................... 48 8. CONTROL – AI w utrzymaniu efektów.................................................................................. 51 8.1. Wynik, pomiar i reakcja................................................................................................... 51 8.2. Dryf i ponowne otwarcie projektu.................................................................................... 51 8.3. Przekazanie procesu kolejnej zmianie.............................................................................. 53 8.4. Gdy wskaźnik wygląda lepiej niż proces.......................................................................... 54 CZĘŚĆ III. TECHNOLOGIE I ZASTOSOWANIA........................................................................ 56 9. Predykcja jakości...................................................................................................................... 56 9.1. Wcześniejszy sygnał i okno reakcji.................................................................................. 56 9.2. Kalibracja i polityka progów............................................................................................ 57 9.3. Decyzja przy różnych oknach czasu................................................................................. 59 9.4. Prognoza jako polityka, nie ekran z wynikiem................................................................. 60 9.5. Granice korzyści z wcześniejszego ostrzeżenia............................................................... 61 10. Computer Vision w kontroli jakości...................................................................................... 63 10.1. Obraz jako pomiar.......................................................................................................... 63 10.2. Od detekcji do fizycznego odrzutu................................................................................. 63 10.3. Oświetlenie i identyfikator sztuki................................................................................... 65 10.4. Ocena obrazu na dwóch poziomach............................................................................... 66 10.5. Wizja maszynowa jako system pomiarowy.................................................................... 67 11. Predictive Maintenance jako projekt Lean Six Sigma........................................................... 69 11.1. Problem dostępności i horyzont prognozy..................................................................... 69 11.2. Interwencja zmienia etykietę.......................................................................................... 70 11.3. Model i kalendarz serwisu.............................................................................................. 71 11.4. Serwis po alarmie i ocena skuteczności.......................................................................... 72 12. Process Mining i odkrywanie rzeczywistego procesu............................................................ 74 12.1. Log zdarzeń i perspektywa sprawy................................................................................. 74 12.2. Warianty, kolejki i przyczyny......................................................................................... 74 12.3. Od wariantu logu do zmiany formularza........................................................................ 76 12.4. Uczciwa mapa przebiegu sprawy................................................................................... 77 12.5. Trzy perspektywy tego samego logu.............................................................................. 78 13. Generative AI jako asystent Lean Six Sigma......................................................................... 81 13.1. Szkic, źródło i zatwierdzenie.......................................................................................... 81 13.2. Miara efektywności i granica użycia.............................................................................. 82 13.3. Weryfikacja każdego twierdzenia w raporcie................................................................. 83 13.4. Asystent przy tworzeniu planu kontroli.......................................................................... 84 13.5. Granice odpowiedzi opartej na dokumentach................................................................. 85 14. AI i statystyka – współpraca czy konkurencja?..................................................................... 88 14.1. Różne pytania do tych samych danych........................................................................... 88 14.2. Eksperyment po predykcji.............................................................................................. 89 14.3. Wynik testu, a nie sam wskaźnik.................................................................................... 90 14.4. Niepewność decyzji po ograniczonym pilotażu............................................................. 91 15. FMEA wspomagane przez sztuczną inteligencję................................................................... 93 15.1. Sugestia a decyzja zespołu.............................................................................................. 93 15.2. Zapobieganie i wykrywanie po zmianie......................................................................... 93 15.3. Łańcuch FMEA – plan kontroli – instrukcja.................................................................. 95 15.4. Ocena dwóch zabezpieczeń w jednym trybie FMEA..................................................... 96 15.5. FMEA po ujawnieniu nowego sposobu uszkodzenia..................................................... 97 16. AI i zarządzanie przepływem................................................................................................. 99 16.1. Kolejka, wąskie gardło i predykcja................................................................................ 99 16.2. Robotic Process Automation i Intelligent Process Automation................................... 100 16.3. Kontrola wyjątków i łącznego czasu............................................................................ 101 16.4. Robot jako część procesu usługowego......................................................................... 103 16.5. RPA po usprawnieniu obiegu faktury........................................................................... 104 16.6. Automatyzacja błędnego procesu i koszt wyjątków..................................................... 105 CZĘŚĆ IV. CZŁOWIEK I RYZYKO............................................................................................ 107 17. Człowiek, kompetencje i odpowiedzialność........................................................................ 107 17.1. Udział człowieka jako realna decyzja........................................................................... 107 17.2. Własność decyzji między rolami.................................................................................. 108 17.3. Odpowiedzialność na styku czterech ról...................................................................... 109 17.4. Praca nad zaufaniem bez automatycznego potwierdzania............................................ 111 18. Ryzyko, etyka i wiarygodność AI........................................................................................ 113 18.1. Błąd modelu a skutek dla człowieka............................................................................ 113 18.2. Test scenariuszy niepożądanych................................................................................... 113 18.3. Odwołanie jako źródło wiedzy o systemie................................................................... 115 18.4. Badanie błędu bez szukania jednego winnego............................................................. 116 18.5. Audyt po zmianie kanału kontaktu............................................................................... 117 CZĘŚĆ V. WDRAŻANIE AI W LEAN SIX SIGMA................................................................... 120 19. Jak wdrażać AI w Lean Six Sigma....................................................................................... 120 19.1. Bramki projektu AI i DMAIC...................................................................................... 120 19.2. Wdrożenie jako zdolność do uczenia........................................................................... 121 19.3. Portfel projektów po pierwszym roku.......................................................................... 123 19.4. Rok po pierwszym pilotażu.......................................................................................... 124 19.5. Dwa projekty, jedno ograniczenie organizacyjne......................................................... 125 CZĘŚĆ VI. ĆWICZENIA PRAKTYCZNE................................................................................... 128 20. Ćwiczenia............................................................................................................................. 128 Ćwiczenie 1. Karta projektu dla reklamacji dostaw.............................................................. 128 Ćwiczenie 2. Definicja operacyjna i spójność danych.......................................................... 129 Ćwiczenie 3. Wada na milion okazji..................................................................................... 129 Ćwiczenie 4. Zgodność etykiet dwóch inspektorów............................................................. 129 Ćwiczenie 5. Macierz pomyłek modelu jakości.................................................................... 130 Ćwiczenie 6. Wybór progu alarmowego............................................................................... 130 Ćwiczenie 7. Czasowy podział próby i przeciek................................................................... 130 Ćwiczenie 8. Kontrola wizyjna i rzadkie wady..................................................................... 131 Ćwiczenie 9. Koszt predykcji jakości.................................................................................... 131 Ćwiczenie 10. Utrzymanie predykcyjne wąskiego gardła..................................................... 131 Ćwiczenie 11. Warianty Process Mining i średni czas.......................................................... 132 Ćwiczenie 12. RPA po usunięciu zbędnego kroku................................................................ 132 Ćwiczenie 13. Intelligent Process Automation w fakturach.................................................. 132 Ćwiczenie 14. FMEA i kolejność działań............................................................................. 133 Ćwiczenie 15. Prawo Little’a w kolejce spraw..................................................................... 133 Ćwiczenie 16. Takt i zdolność linii....................................................................................... 133 Ćwiczenie 17. Granice karty i zmiana procesu..................................................................... 134 Ćwiczenie 18. Audyt generatywnej AI w reklamacjach....................................................... 134 Ćwiczenie 19. Obciążenie człowieka alarmami.................................................................... 134 Ćwiczenie 20. Kalibracja ryzyka i Brier score...................................................................... 134 Ćwiczenie 21. Dryf danych w dwóch okresach..................................................................... 135 Ćwiczenie 22. Wybór pilotażu AI w DMAIC....................................................................... 135 Ćwiczenie 23. Test MTBF i MTTR po zmianie utrzymania................................................. 135 Ćwiczenie 24. Wybór pilotażu i pomiar efektu..................................................................... 136 Ćwiczenie 25. Generatywna AI w DEFINE: głos klienta i CTQ.......................................... 136 Ćwiczenie 26. AI w MEASURE: audyt logu i definicja rekordu.......................................... 137 Ćwiczenie 27. AI w ANALYZE: odwrócenie w agregacie.................................................. 137 Ćwiczenie 28. AI w IMPROVE: wybór wariantu pilotażu................................................... 138 Ćwiczenie 29. AI w CONTROL: sygnał kalibracji i plan reakcji......................................... 138 Ćwiczenie 30. Predictive Quality: próg jako decyzja ekonomiczna..................................... 139 Ćwiczenie 31. Predictive Maintenance: priorytet postoju..................................................... 140 Ćwiczenie 32. Process Mining: warianty i powroty.............................................................. 140 Ćwiczenie 33. AI i statystyka: test dwóch udziałów............................................................. 141 Ćwiczenie 34. FMEA wspomagane AI i RPA w fakturach.................................................. 141 CZĘŚĆ VII. ROZWIĄZANIA ĆWICZEŃ.................................................................................... 143 21. Rozwiązania i komentarze.................................................................................................... 143 Rozwiązanie 1. Karta projektu dla reklamacji dostaw.......................................................... 143 Rozwiązanie 2. Definicja operacyjna i spójność danych....................................................... 143 Rozwiązanie 3. Wada na milion okazji................................................................................. 144 Rozwiązanie 4. Zgodność etykiet dwóch inspektorów.......................................................... 144 Rozwiązanie 5. Macierz pomyłek modelu jakości................................................................ 144 Rozwiązanie 6. Wybór progu alarmowego........................................................................... 145 Rozwiązanie 7. Czasowy podział próby i przeciek............................................................... 145 Rozwiązanie 8. Kontrola wizyjna i rzadkie wady................................................................. 145 Rozwiązanie 9. Koszt predykcji jakości................................................................................ 146 Rozwiązanie 10. Utrzymanie predykcyjne wąskiego gardła................................................. 146 Rozwiązanie 11. Warianty Process Mining i średni czas...................................................... 146 Rozwiązanie 12. RPA po usunięciu zbędnego kroku............................................................ 146 Rozwiązanie 13. Intelligent Process Automation w fakturach.............................................. 147 Rozwiązanie 14. FMEA i kolejność działań.......................................................................... 147 Rozwiązanie 15. Prawo Little’a w kolejce spraw.................................................................. 147 Rozwiązanie 16. Takt i zdolność linii.................................................................................... 148 Rozwiązanie 17. Granice karty i zmiana procesu.................................................................. 148 Rozwiązanie 18. Audyt generatywnej AI w reklamacjach.................................................... 148 Rozwiązanie 19. Obciążenie człowieka alarmami................................................................ 149 Rozwiązanie 20. Kalibracja ryzyka i Brier score.................................................................. 149 Rozwiązanie 21. Dryf danych w dwóch okresach................................................................. 149 Rozwiązanie 22. Wybór pilotażu AI w DMAIC................................................................... 149 Rozwiązanie 23. Test MTBF i MTTR po zmianie utrzymania............................................. 150 Rozwiązanie 24. Wybór pilotażu i pomiar efektu................................................................. 150 Rozwiązanie 25. Generatywna AI w DEFINE: głos klienta i CTQ...................................... 150 Rozwiązanie 26. AI w MEASURE: audyt logu i definicja rekordu...................................... 151 Rozwiązanie 27. AI w ANALYZE: odwrócenie w agregacie............................................... 152 Rozwiązanie 28. AI w IMPROVE: wybór wariantu pilotażu............................................... 153 Rozwiązanie 29. AI w CONTROL: sygnał kalibracji i plan reakcji..................................... 154 Rozwiązanie 30. Predictive Quality: próg jako decyzja ekonomiczna.................................. 154 Rozwiązanie 31. Predictive Maintenance: priorytet postoju................................................. 155 Rozwiązanie 32. Process Mining: warianty i powroty.......................................................... 156 Rozwiązanie 33. AI i statystyka: test dwóch udziałów......................................................... 156 Rozwiązanie 34. FMEA wspomagane AI i RPA w fakturach............................................... 157 Zakończenie.................................................................................................................................... 159 Bibliografia..................................................................................................................................... 160 Spis rysunków................................................................................................................................. 162 Spis tabel......................................................................................................................................... 163 Słownik pojęć.................................................................................................................................. 164 O Autorze........................................................................................................................................ 166