skip to Main Content
info@sfk.se

Café Kvalité oktober: Mot bättre vetande


  • Datum

Mot bättre vetande – några exempel

Praktiskt analytiskt kvalitetsarbete hämtar impulser från många olika håll. Ibland
från data i en databas, ibland från garantiärenden, ibland jämförelse med andra och
andras produkter och tjänster, ibland från marknaden, ibland från egna iakttagelser
och inte sällan från produktionschefen som varit på mässa i fjärran land och
kommer hem med en massa galna idéer.
Detta Café Kvalité kommer att göra nedslag i några av dessa situationer för att visa hur man
kan gå vidare. Vi delar upp det i tre delar:

1. Något om datakvalitet och hur man kan skapa en modell

Datakvalitet. Det börjar alltid med goda intentioner men efter en tid börjar
databasen bli gammal, innehålla fel, byte av definitioner, nya kolumner tillkommer,
gamla kolumner glöms kvar, överblicken och kunskapen går förlorad…
En analys börjar alltså med en kvalitetskontroll av data, kanske en omarbetning för
att skapa förutsättningar för en önskad analys.
Att skapa en modell. Praktiskt kvalitetsarbete innebär också att fundera på ’orsak
och verkan’, vilka parametrar är viktiga, etc. Genom att skapa en (matematisk)
modell kan möjligheterna undersökas och exploateras och vi tar upp några av
dessa aspekter.

2. Arbeta med processer med en utpräglad tidsdomän, köer, etc

Processer och system med en tidsdomän innebär data i form av tidsserier. I dessa
finns egenskaper styrda av externa och interna faktorer.
Från frågeställning, tillgängligt data och dess kvalitet väljs lämpligt angreppsätt.
Vanliga frågor: 1) Hur har det gått? 2) Vad har påverkat hur det har gått? 3) Vad
kommer att hända? 4) Vad behöver göras för att nå ett visst resultat?
Några exempel visar med visualisering, modellering, simulering och analys hur
man kan arbeta datadrivet för att skapa insikter.
Framtida behov av tillgängligt kvalitativt data och analysförmåga kommer också att
beröras utifrån trender typ Industri 4.0 et c.

3. DOE – kronjuvelen i analytiskt kvalitetsarbete

För att få förstahandsinformation om förhållandet mellan ’orsak och verkan’ i en
process behöver man provocera processen. Detta innebär att man på ett ordnat
sätt varierar processens ingående parametrar och noterar sedan utfallet.
Detta arbetssätt benämns DOE (Design of Experiments), eller ’Försöksplanering’
på svenska och strävar efter mycket information med få datavärden och brukar
också ge en ökad insikt om den egna processen, dess svagheter och styrkor.
Resultatet från en DoE blir att man i modellform kan visa vilka parametrar som är
viktiga och vilka som är oviktiga, vilka som kanske kan ändras till ännu bättre
resultat, dvs ytterligare en DoE

Back To Top