Alessandro La Ciura - Live Chat ed Ecommerce: (ma) la chat vende veramente di più (e quanto)?
Il governo del rischio come fattore competitivo · La Società ACME, che vende prodotti per...
Transcript of Il governo del rischio come fattore competitivo · La Società ACME, che vende prodotti per...
Novembre 20060
Il governo del rischio come
fattore competitivo
“Se hai bisogno di una valvola che non perde fai di tutto pur di trovarla. Ma il mondo reale può darti solo una valvola che perde, quindi devi stabilire la perdita massima che puoi tollerare e cosa fare per non superarla mai”.
Arthur Rudolph, il progettista del razzo Saturno 5 che portò il primo uomo sulla Luna. Intervista al New York Times, 3 gennaio 1996.
Novembre 20061
Agenda
Rischio, qualità e competitività
I 4 principi di approccio
Conclusioni
Esempio di applicazione
Obiettivi
Allegato: gli strumenti
Novembre 20062
Rischio, qualità e competitività
QUALITA’REATTIVA
QUALITA’POSITIVA
QUALITA’LATENTE
Isolare gli scostamenti negativi del prodotto/servizio
richiesto
correzione
Prevenire gli scostamenti negativi del prodotto/servizio
richiesto
miglioramento
Superare la qualità e le caratteristiche del
prodotto/servizio richiesto
miglioramento continuo
rispetto della qualità e caratteristiche richieste dal cliente
• rispetto della qualità e caratteristiche attese dal cliente
• - costi (= + margini o + competitività)
• superare le aspettative del cliente
• - costi• + mercato
ambi
to
controllo del rischio
controllo del rischio
azio
neob
ietti
vo
governo del rischio
governo del rischio
Novembre 20063
I 4 principi di approccio
11 Principio della priorità
22
33
44
i fattori importanti sono pochi
tralasciare i dettagli
Principio della multivarianza
le cause di variabilitàsono molteplici e legate fra loro
intervenire su una causa èinutile se non si considerano i legami (effetto domino)
Principio della sistematicità
i processi vanno considerati come sistemi spaziali e temporali
scomporre nelle componenti spaziali e temporali e nei rispettivi livelli di gerarchia
Principio della causalità
la variabilità è dovuta a cause intrinseche, a cause interne e a cause esterne
individuarle e distinguerle (le soluzioni saranno diverse)
Novembre 20064
Obiettivi
MIGLIORAMENTO DELLE PERFORMANCES E RIDUZIONE COSTI
Impostare il monitoraggio secondo criteri misurabili
una perdita/errore è un difetto del processo
una carenza di efficienza e/o di efficacia è un difetto di processo
un difetto di processo è un rischio competitivo e si può risolvere se:
si individua dov’èsi misura
si determina quando e perchè
L’evento certo e l’evento impossibile non esistono
un costo eccessivo è un difetto di processo
Novembre 20065
MIGLIORAMENTO DELLA GOVERNANCE
Utilizzare una mappatura dei processi e i dati di perdita/errore per impostare un controllo di processo “esteso” (includendo tutti i fattori, non solo le macchine)
Metodi sperimentati e consolidati
Mappatura dei processi e dati
Modelli matematici
Sistema di monitoraggio (a basso costo >>> semplificare)
Obiettivi
La semplicità è inversamente proporzionale alla possibilità di sbagliare.
Novembre 20066
esempio di applicazione
target: qualità positiva (controllo del rischio)
Novembre 20067
La Società ACME, che vende prodotti per corrispondenza, ha deciso di automatizzare il proprio back office di order entry con un sistema di acquisizione ottica degli ordini, ICR evideocorrezione. Le 70 workstation (1 turno di 8 ore) sono state ritenute sufficienti dopo un test iniziale di prestazione , che ha evidenziato i seguenti dati:
N°. ordini incoming: 180.000/giornoN°. medio di caratteri per ordine: 300 alfanumericiN° medio di errori in post-recognition/doc: 15N° medio di errori dopo post-processing: 8N° medio di battute/utente in correzione: 2.600/ora
La Società ACME, che vende prodotti per corrispondenza, ha deciso di automatizzare il proprio back office di order entry con un sistema di acquisizione ottica degli ordini, ICR evideocorrezione. Le 70 workstation (1 turno di 8 ore) sono state ritenute sufficienti dopo un test iniziale di prestazione , che ha evidenziato i seguenti dati:
N°. ordini incoming: 180.000/giornoN°. medio di caratteri per ordine: 300 alfanumericiN° medio di errori in post-recognition/doc: 15N° medio di errori dopo post-processing: 8N° medio di battute/utente in correzione: 2.600/ora
Qual è il grado di variabilità accettabile affinchè il sistema non dimostri degrado nelle prestazioni correnti (invarianza di affidabilità)
Qual è il grado di variabilità accettabile affinchè il sistema non dimostri degrado nelle prestazioni correnti (invarianza di affidabilità)
Come fare un monitoraggio che rispetti i tempi del processo e garantisca la possibilità di intervento “trasparente”?
Come fare un monitoraggio che rispetti i tempi del processo e garantisca la possibilità di intervento “trasparente”?
LIMITE SUPERIORE ED INFERIORE DI CONTROLLOLIMITE SUPERIORE ED INFERIORE DI CONTROLLO
Applicazione – Il contesto e le esigenze
1 2prestazione affidabilità
Novembre 20068
scanner 1scanner 1
scanner 2scanner 2
scannerdi
rispetto
scannerdi
rispetto
serverserver
serverin
mirroring
serverin
mirroring70 workstation di
correzione
recognitionpost processingdatabase machineapplication engine
• PLC• Magazzini• Spedizioni
• PLC• Magazzini• Spedizioni
REQUISITO FONDAMENTALE:NESSUNO STOP NELLA CATENA
PER NESSUN MOTIVOOBIETTIVO: CONSEGNA IN 24 ORE
REQUISITO FONDAMENTALE:NESSUNO STOP NELLA CATENA
PER NESSUN MOTIVOOBIETTIVO: CONSEGNA IN 24 ORE
capacità 10/11.000 doc/ora
Applicazione – Il contesto e le esigenze
back office
Novembre 20069
Applicazione - Il processo produttivo
acquisizione10.000 doc.
ICR
IMG
Dati
campionamento
OK?check
videocorrezioneinvio datisistema
spedizioni
quality assurance
SI
NO analisirisultati
60 min.2 min.
10 min.
OK?SI
alert NO
riacquisizionesu scanner di
rispetto
manutenzione scanner
max. 1 h e 15 min.
Novembre 200610
RICEZIONE ACQUISIZIONE CORREZIONE INVIO DATIA MAGAZZINO
• manipolazioneante consegna
• qualità carta• qualità stampa• umidità• polvere
• preparazione• alimentazione• degrado lampade• degrado trasporto• condizioniambientali
• aggiornamentodatabase
• system fault
• personale• orario• stagionalità• clima aziendale• tuning computers• tuning LAN• system fault
NON IMPATTATONEL CAMPIONAMENTO
… 07.00 – 11.00… 07.00 – 11.00 07.00 – 16.0007.00 – 16.00 08.15 – 17.15 08.15 – 17.15 08.30 – 17.3008.30 – 17.30
FATTORI DI POSSIBILE INFLUENZAFATTORI DI POSSIBILE INFLUENZA
Applicazione – Il processo produttivo e i fattori di influenza
Novembre 200611
POSSIBILE RIFIUTO
POSSIBILE RIFIUTO
LIMITI SUPERIORE ED INFERIORE DI CONTROLLOLIMITI SUPERIORE ED INFERIORE DI CONTROLLO
tempo
med
ia c
ampi
onar
ia 1° LSC
1° LIC
rangeaccettabile
di variabilità
2° LSC
2° LIC
dipendenzadalla strategia
dipendenzadalla strategia
RIFIUTO
RIFIUTO
ACCETTAZIONE
Applicazione – Il modello
Novembre 200612
Pm [|Xm-θ|≥ ]≤
media sul campione
cosa avviene in realedifferenza tra ciò che vedosul campione e ciò che avviene in reale
probabilità disbagliare
IL CAMPIONAMENTO DEVE ESSERE FATTO A CASO
ε σθ (Xm)ε
2
2
Valore deciso sulla base diquanto voglio essere preciso (in %)(ovviamente la precisione costa)
Applicazione – Il modello
il grado di variabilità
Novembre 200613
√ 14nα
Pm [|Xm-θ|≥ ] ≤ α
ampiezza del campioneprobabilità di sbagliaredifferenza tra ciò che vedo
sul campione e ciò che avviene in reale Valore deciso sulla base di
quanto voglio essere preciso (in %)
θ ⊂ (Xm -√ 14nα
; Xm +√ 14nα
)
si dice intervallo di confidenza di livello 1- α
Applicazione – Il modello
Novembre 200614
(Xm -√ 14nα
; Xm +√ 14nα
) α=0,05=5% ; n = 500
√ 14nα
= 0,1
Se osservando un campione casuale di 500 elementi, ciò che rilevo sul campione avviene sul reale ± 10% con il 95% di probabilità. (indipendentemente da quanto ègrande l’intera popolazione).
Se osservando un campione casuale di 500 elementi, ciò che rilevo sul campione avviene sul reale ± 10% con il 95% di probabilità. (indipendentemente da quanto ègrande l’intera popolazione).
Applicazione – Il modello
Nel nostro caso, se rilevo una media complessiva tra 7,2 e 8,8 errori per documento (approssimiamo tra 7 e 9 e sono ugualmente soddisfatto), allora con il 95% di probabilità l’intero lotto è conforme.
NON METTO IN PREVENTIVO ALCUN INTERVENTO (PER ORA)
Nel nostro caso, se rilevo una media complessiva tra 7,2 e 8,8 errori per documento (approssimiamo tra 7 e 9 e sono ugualmente soddisfatto), allora con il 95% di probabilità l’intero lotto è conforme.
NON METTO IN PREVENTIVO ALCUN INTERVENTO (PER ORA)
Novembre 200615
11 FISSARE IL VALORE DELLE PRESTAZIONI CORRENTIFISSARE IL VALORE DELLE PRESTAZIONI CORRENTI
22 STABILIRE IL GRADO DI RISCHIO ACCETTABILESTABILIRE IL GRADO DI RISCHIO ACCETTABILE
Qual è il grado di variabilità accettabileaffinchè il sistema non dimostri degradonelle prestazioni correnti (invarianza di affidabilità)
Qual è il grado di variabilità accettabileaffinchè il sistema non dimostri degradonelle prestazioni correnti (invarianza di affidabilità)
Qual è l’ampiezza del campione (casuale)con il quale misurare il livello di affidabilitàdelle nuove applicazioni in fase di test primadel loro inserimento in produzione
Qual è l’ampiezza del campione (casuale)con il quale misurare il livello di affidabilitàdelle nuove applicazioni in fase di test primadel loro inserimento in produzione
8 caratteri/documento da correggere in media8 caratteri/documento da correggere in media
95% di affidabilità della stima95% di affidabilità della stima
Applicazione – L’approccio
Novembre 200616
tempo
9 errori
7 errori
12 errori
5 errori
RIFIUTO
RIFIUTO
ACCETTAZIONE
Applicazione – L’approccio
POSSIBILI STRATEGIE:• Intervento• aumento la dimensione del campione• accetto un rischio maggiore in attesa di ulteriori conferme
POSSIBILI STRATEGIE:• Intervento• aumento la dimensione del campione• accetto un rischio maggiore in attesa di ulteriori conferme
8 errori
Novembre 200617
11 INQUADRO LE ESIGENZE
22 SCELGO LA METODOLOGIA
33 STABILISCO LA STRATEGIA
44 DEFINISCO LO STANDARD DI CONTROLLO
55 IMPLEMENTO LA STRATEGIA SUGLI STANDARD DI CONTROLLO
Applicazione – L’approccio
Novembre 200618
11 INQUADRO LE ESIGENZE
• monitoraggio di andamento PREVENTIVO• soglie di allarme• what-if per troubleshooting
22 SCELGO LA METODOLOGIA
• campionamento ogni ora, in automatico• campione casuale normale • tolleranza 10%, affidabilità 95%
Applicazione – La metodologia
Novembre 200619
campionamento ogni ora (8 campioni/giorno in totale)alarm automaticireporting statistico di fine giornata, settimanale e mensilereporting statistico di accumulazione
produttività globale produttività macchineproduttività personale
33 STABILISCO LA STRATEGIA
SWITCH al 1° OVER con eccesso di + del 30% di errore (2ª soglia di sorveglianza)SWITCH sul recovery a caldo e intervento di manutenzione al 3°over consecutivo o 10/30 non consecutivi (anche su più giorni)verifica completa di processo sulla linea di produzione dopo 2 SWITCH a caldo consecutivi o 5/10 non consecutivi
COSTRUZIONE TABLEAU DE BORD
CONDIZIONI DI ALERT
Applicazione – La metodologia
Novembre 200620
44 DEFINISCO LO STANDARD DI CONTROLLO
55 IMPLEMENTO LA STRATEGIA SUGLI STANDARD DI CONTROLLO
• layout modelli• processo di smistamento dell’informazione
chi è informato e di cosaquandoresponsabilità e deleghe decisionali
• specifiche applicativi di gestione del controllo
• sviluppo, test e avviamento applicativi• misurazione del rapporto costi/benefici• tuning sulle rilevazioni• tuning sul processo di controllo
Applicazione – La metodologia
Novembre 200621
start acquisizione
start acquisizione
start correzione
start correzione
stopacquisizione
stopacquisizione
stop correzione
stop correzione
07.00
16.00
08.15
17.15
lotto 1.1 OKlotto 1.1 OK
lotto 2.1 OKlotto 2.1 OK
lotto 3.1 OKlotto 3.1 OK
lotto 4.1 OKlotto 4.1 OK
lotto 5.1 OKlotto 5.1 OK
lotto 6.1 OKlotto 6.1 OK
lotto 7.1 OKlotto 7.1 OK
lotto 8.1 OKlotto 8.1 OK
start acquisizione
start acquisizione
stopacquisizione
stopacquisizione
lotto 1.2 OKlotto 1.2 OK
lotto 2.2 OKlotto 2.2 OK
lotto 3.2 KOlotto 3.2 KO
lotto 4.2 OKlotto 4.2 OK
lotto 5.2 OKlotto 5.2 OKlotto 6.2 OKlotto 6.2 OK
lotto 7.2 OKlotto 7.2 OK
lotto 8.2 OKlotto 8.2 OK
scanner 1 scanner 2
IDLEIDLE
IDLEIDLE
scanner rispetto
serverserverserver
mirroringserver
mirroring
start acquisizione
start acquisizione
lotto 3.2 OKlotto 3.2 OKmanutenzionemanutenzione
stopacquisizione
stopacquisizione
superamento di 1 condizione di alert
Applicazione – Il processo risultante
08.30
17.30
start invio datistart
invio dati
fine invio dati
fine invio dati
• 2 linee di produzione in parallelo e 1 di recovery
• 2 server in mirroring
• 2 linee di produzione in parallelo e 1 di recovery
• 2 server in mirroring
Novembre 200622
Sono dati certi calcolati a fine
giornata
Sono dati certi calcolati a fine
giornata
Un 3° rosso consecutivo avrebbe portato
all’intervento immediato
Un 3° rosso consecutivo avrebbe portato
all’intervento immediato
Informazioni aggiuntive per meglio indirizzare il
troubleshooting
Informazioni aggiuntive per meglio indirizzare il
troubleshooting
GIORNALIERO – ON LINE (SCANNER 1)GIORNALIERO – ON LINE (SCANNER 1)
Caso pratico – La costruzione della carta di controllo
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Lotto acquisito RisultanteErrori medi sul campione
Novembre 200623
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
esiti giornalieri scanner 2esiti giornalieri scanner 2
Statistiche mensili – OFF LINEStatistiche mensili – OFF LINE
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
esiti giornalieri scanner 1esiti giornalieri scanner 1
Post-recognition Esito Post processing Esito1 16 + 8 =2 17 + 7 =3 18 + 9 +4 14 - 9 +5 13 - 7 =6 19 + 10 +7 16 + 8 =8 15 = 10 +9 14 - 10 +
10 16 + 11 +11 16 + 8 =12 15 = 8 =… … … … … …31 15 = 8 =
Totale(globale mese) 17 8
Data RisultanteErrori medi sul campione
Caso pratico – La costruzione della carta di controllo
Post-recognition Esito Post processing Esito1 16 + 8 =2 17 + 7 =3 18 + 9 +4 14 - 9 +5 13 - 7 =6 19 + 10 +7 16 + 8 =8 15 = 10 +9 14 - 10 +
10 16 + 11 +11 16 + 8 =12 15 = 8 =… … … … … …31 15 = 8 =
Totale(globale mese) 17 8
Data RisultanteErrori medi sul campione
se 10/30 sono rossi o 3 consecutivi (ad esempio) intervengo immediatamente sulla manutenzione con switch sulla macchina di rispetto
se 10/30 sono rossi o 3 consecutivi (ad esempio) intervengo immediatamente sulla manutenzione con switch sulla macchina di rispetto
Novembre 200624
conclusioni
Novembre 200625
MetodiEsistono e non richiedono capacità particolari Sono inapplicabili senza la conoscenza del contestoVanno applicati e letti con la regola 80/20
StrumentiBasta l’ABC (Pareto)Senza di essi metodi e informazioni non coesistono Le decisioni difficili lasciamole alle persone
senza committment non si hanno risultati concreti
Novembre 200626
Allegato - gli strumenti
Novembre 200627
Gli strumenti statistici
11 Foglio di raccolta dati
22 Istogramma
33 Diagramma causa-effetto
44 Diagramma di Pareto
55 Analisi per stratificazione
66
77 Carta di controllo
Correlazione
Schema con il quale raccogliere organicamente i dati rilevanti per l’osservazione con evidenza dei criteri di raccolta.
Rappresentazione con la quale raggruppare in classi i dati del foglio di raccolta ed esprimerli in forma grafica (struttura statistica)
Schema con il quale rappresentare le possibili cause di non raggiungimento degli obiettivi di un processo (diagramma di Ishikawa o diagramma a lisca di pesce).
Schema con il quale organizzare la struttura statistica determinata per priorità di analisi
Modello di analisi per determinare la dinamica locale o temporale di un fenomeno: rende dinamica (“stratifica”) la struttura statistica a istogramma
Diagramma con il quale determinare se vi è correlazione fra due fenomeni
Diagramma con il quale controllare l’andamento di un processo e le frequenze con le quali i risultati superano valori prefissati di qualità.
ANALIZZA I FATTI, PARLA CON I DATIANALIZZA I FATTI, PARLA CON I DATI
Novembre 200628
Gli strumenti manageriali
11 Diagramma delle affinità (KJ)
22 Diagramma delle relazioni
33 Diagramma ad albero
44 Diagramma a matrice
55 Albero delle decisioni
66
77 Analisi matrice dati
Diagramma a frecce (Pert)
sintetizzare, classificare, strutturare i concetti in via di definizione
dettagliare i fenomeni in scala gerarchica
schematizzare le correlazioni logiche per decision support
identificare alternative
individuare le cause più probabili
quantificare le relazioni (rilevazioni nel percorso di pianificazione)
individuare le interrelazioni fra le cause e gli effetti
SE SI TORTURANO ABBASTANZA A LUNGO I DATI, ALLA FINE CONFESSANOSE SI TORTURANO ABBASTANZA A LUNGO I DATI, ALLA FINE CONFESSANO
Novembre 200629
Foglio di raccolta dati
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
esiti giornalieri scanner 2esiti giornalieri scanner 2
Statistiche mensili – OFF LINEStatistiche mensili – OFF LINE
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
Post-recognition Esito Post processing Esito07.00 - 08.00 16 + 8 =08.00 - 09.00 17 + 7 =09.00 - 10.00 18 + 9 +10.00 - 11.00 14 - 9 +11.00 - 12.00 13 - 7 =12.00 - 13.00 19 + 10 +14.00 - 15.00 16 + 8 =15.00 - 16.00 15 = 8 =
Totale(globale giornata) 17 9
Ora del campionamento RisultanteErrori medi sul campione
esiti giornalieri scanner 1esiti giornalieri scanner 1
Post-recognition Esito Post processing Esito1 16 + 8 =2 17 + 7 =3 18 + 9 +4 14 - 9 +5 13 - 7 =6 19 + 10 +7 16 + 8 =8 15 = 10 +9 14 - 10 +10 16 + 11 +11 16 + 8 =12 15 = 8 =… … … … … …31 15 = 8 =
Totale(globale mese) 17 8
Data RisultanteErrori medi sul campionePost-recognition Esito Post processing Esito
1 16 + 8 =2 17 + 7 =3 18 + 9 +4 14 - 9 +5 13 - 7 =6 19 + 10 +7 16 + 8 =8 15 = 10 +9 14 - 10 +10 16 + 11 +11 16 + 8 =12 15 = 8 =… … … … … …31 15 = 8 =
Totale(globale mese) 17 8
Data RisultanteErrori medi sul campione
Novembre 200630
Istogramma
0
10
20
30
40
50
60
70
80
90
100lo
tti
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 oltre
erroria norma
Novembre 200631
Diagramma causa - effetto
scanner
carta postprocessing
operatore
OUTPUTlotto per
videocorrezione
temperatura di esercizio
tensione di alimentazione
tuning
cinghie
stacker/feeder
lampade
rulli
guasti meccanici o elettronici
umidità
taglio
scrittura
stampa prefincato
impurità
pieghe e strappi
feeding
preparazionelotto
emptying stacker
cleaning
recognition
character set
frame
softwaretuning
database lessicale
plausibility check
softwaretuning
INPUTdocumenti via
posta
Novembre 200632
Diagramma di Pareto
87
71 65 64
50 4942
36 34
24 20 19 18 16
156
0
20
40
60
80
100
120
140
160
num
ero
chia
mat
e
S90
O40
OPR ES
0
MPA PO
R
R30
X70
X91
CK0 TE
S
PZZ
O10 LIC
Rim
anen
ti 4
1
20%
80%
Error i ge ne rati dalle 14 proce dure con più di 15 chiam ate notturne(ne i 9 m e s i)Er ror i ge ne rati dalle 41 proce dure con m e no di 15 chiam atenotturne (ne i 9 m e s i)
Novembre 200633
Analisi per stratificazione
Incidenza percentuale comparata Batch-TP sulla difettosità
12 9 9 9 7 7 6 5 5 3 3 3 2 2
21
8
1
104 4 6
03
0 04
0 0 0
60
0
10
20
3040
50
60
70
S90
O40 OPRES0MPA PORR30 X7
0X91 CK0TE
SPZZ O10 LIC
Riman
enti
Batch (%) TP (%)
Novembre 200634
Diagramma di correlazione
20 22 24 26 28 30 32 34
50
60
70
80
90
100
110
120
130
140
150
160
170
180
190
200
h hhh
hh
h
h hhhh
h
h
hh
h
hh
hh
h
h hh
h
h
hh
h
h
h
h
hh
hh
h
hh
hh
h
h
h
h
h
h
h
h
erro
ri co
mpl
essi
vi g
iorn
alie
ri
temperatura di eserciziorange accettabile
Novembre 200635
Carta di controllo – controlli statistici
REGIONE DI SORVEGLIANZA
REGIONE DI SORVEGLIANZA
tempo
med
iarange
accettabile
UCL
LCL
dipendenzadalla strategia
dipendenzadalla strategia
REGIONE DI INTERVENTO
REGIONE DI INTERVENTO
NORMALITA’
Upper Control Limit (limite superiore di controllo)
Lower Control Limit (limite inferiore di controllo) diagrammi di controllo di Shewhart
UWL
LWL
Upper Warning Limit (limite superiore di sorveglianza)
Lower Warning Limit (limite superiore di sorveglianza)
Novembre 200636
Il diagramma KJ
FABBRICA
scarsa attitudine
all’operare con metodo
troppe iniziative in corso
poca motivazione del
personale
struttura organizzativa inadeguata
FORMAZIONE
programma insufficiente
corsi non pertinenti
PIATTAFORME TECNICHE
strumentidatati
difettositàeccessive
competenze non aggiornate
GESTIONE CORRENTE
resistenza del personale
all’innovazione
eccessivo ricorso a personale esterno
costi elevati
ritardi nelle consegne
manutenzione insufficiente
Qualità del servizio è migliorabile
Novembre 200637
Il diagramma delle relazioni“Non riesco ad aumentare il livello di servizio all’utenza”
difficoltà ad interpretare le
richieste
carenza di strumenti di
misurazione CS
overbooking del personale di Help
Desk
assenza di strumenti di
gestione richieste
difficoltà ad assegnare le
priorità
lacune nel processo di
evasione richieste
pianificazione poco attendibile
scarsa motivazione dei gestori relazione
pochi contatti
insufficiente presenza presso il
cliente interno
limitate competenze dei gestori relazione
difficoltà a individuare spazi di miglioramento
non puntualitànegli interventi
cattivo rapporto con il cliente
interno
management non informato
formazione inadeguata
difettositàperduranti
ripercussioni sull’operatività
della rete
ripercussioni sui canali diretti con
la clientela
danno di immagine
danno economico
overbooking callcenter
Novembre 200638
Il diagramma ad albero
come migliorare il livello di servizio
all’utenza
agendo sul miglioramento
dell’informazione
agendo sul miglioramento dei gestori di relazione
processi e strumenti di
misurazione C.S.
strumenti di gestione delle
richieste
SLA fruibili
visite pianificate
feedback al management
acquisizione
diffusione
processo di attribuzione priorità
formazione
motivazione
business
personal skill
coinvolgimento
incentivazione
Novembre 200639
Il diagramma a matrice
CAUSE
SOLUZIONI
EFFETTI
tran
sazi
oni n
on s
egna
late
(in
tenz
iona
lmen
te)
DISASTER RECOVERY
TRASFERIMENTO OPERATIVITA’
AUTOMATISMI TECNICI (HW,SW, …)
AUMENTO DI CONTROLLO/SENSIBILITA’ n
tran
sazi
oni n
on a
utor
izza
te
utili
zzo
non
auto
rizza
to
della
pos
tazi
one
di la
voro
di
terz
i
appr
opria
zion
e in
debi
ta d
i ba
ncon
ote
e/o
valo
ri de
lla
clie
ntel
a
inad
egua
to o
man
cato
ris
petto
deg
li ob
blig
hi d
i in
form
azio
ne
viol
azio
ne n
orm
ativ
a an
triri
cicl
aggi
o
prol
unga
ta in
disp
onib
ilità
del s
iste
ma
info
rmat
ico
(fi
liale
)
prol
unga
ta in
disp
onib
ilità
del s
iste
ma
info
rmat
ico
(c
entr
ale)
erro
ri di
inse
rimen
to d
ati
da p
arte
del
l’out
sour
cerd
i ba
ck o
ffice
SANZIONE AMMINISTRATIVA
PERDITA PECUNIARIA LIMITATA
PERDITA PECUNIARIA RILEVANTE
CONTENZIOSO LEGALE CON IL CLIENTE
BLOCCO OPERATIVITA’
RIDUZIONE OPERATIVITA’
n
n
n
n
n
n n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
Novembre 200640
Albero delle decisioni (PDPC)
continuità del processo di
OCR
operatore
carta
scanner
recognition
postprocessing
temperatura di esercizio
tensione alimentazione
degrado componenti
guasti
cinghie
stacker/feeder
lampade
rulli
sost. a ¾ vita utile
sost. a % errori out of range
inserimento mis.
diagnostico
digitalimproving
non risolve
non è detto che il problema stia nella lampada
consente intervento preventivo
richiede modifica dello
chassisCOSTOSO
richiede modifica dello
schema elettrico
COSTOSO
richiede troppo tempo di
elaborazione
X
X
X
X
X
inserimento lampada backup
over lightning
Novembre 200641
Diagramma a frecce (±PERT)
banca virtuale
# clienti>100.000in 6 mesi
20%
# clienti50-100.000in 6 mesi
70%
5%
# clienti<20.000
in 6 mesi
# clienti20-50.000in 6 mesi
5%
80%
sistemiOK
20%servizilenti
10%causelato
cliente
serversovracc.
60%
30%
networking
99%1%
sistemiOK
0,1%
99,9%
servizilenti
serversovracc.
1% arch.errata
5%
95%
tuningcauselato
cliente
99%
pesoapplicativo
99%
altre cause
1%
potenziam.
99%
1%
1%99%
helpdesk
evolutionstatus
controlstatus
helpdesk
0,01%
applic.non
appealingmarketing
servizionon
appealingreviewstatus
20%40%39,99%
Novembre 200642
Analisi matrice dati
diagrammacausa-effetto
VARIABILI CAMPIONAMENTIRIPETUTI DATABASE
OSSERVAZIONI
ANALISI CORRELAZIONI
MULTIPLE
DETERMINAZIONE CORRELAZIONI
RILEVANTI
DETERMINAZIONEREGOLE (LEGGI)
MATRICE DI
ANALISI DATI
ESAME ESITILINEE GUIDA
DI MIGLIORAMENTO
INTERVENTI SUL
PROCESSO
DATABASESTATISTICO
DATI RILEVANTI