Il Sigma e l'eccellenza operativa 6. Solo buon senso?

« In Dio ci fidiamo di tutti gli altri« (1), una citazione spesso attribuita a Edwards DEMING (il creatore dell'omonima ruota) o Jack WELSH (l'iconico CEO di General Electric negli anni 90), che da solo può riassumere lo spirito della metodologia 6 Sigma: pilota processi dai dati. Tuttavia, 6 Sigma soffre del suo nome (la pronuncia è difficile) e inoltre usa acronimi - DMAIC - e ruoli (Cintura verde, Cintura nera, Campione) che possono rendere questa metodologia risposta o addirittura il limite della "setta" ".

Nel suo rapporto annuale di 2000(2), i dirigenti di General Electric (GE) affermano che " GE non solo ha raggiunto il suo miglior risultato di sempre, ma ha avuto il più alto tasso di crescita nella sua storia [...] grazie alla rigorosa ricerca di quattro importanti iniziative: globalizzazione, servizi, qualità six-sigma e digitalizzazione. Abbiamo cambiato non solo il nostro ambiente di lavoro e ciò che vendiamo, ma anche il modo in cui lavoriamo, pensiamo e rispondiamo ai nostri clienti«.
6 Sigma non può essere ridotto al semplice buon senso. Riscopriamolo e comprendiamo come può contribuire a una migliore padronanza dei processi produttivi.

1. La storia di 6 Sigma
1.1 Handicrafts: un modo ancestrale di produzione
L'eccellenza operativa non nasce con la Toyota e il Toyota Production System (TPS) o con Motorola e 6 Sigma. È una lunga evoluzione dei metodi di produzione che consente all'industria artigianale e quindi all'industria di progredire continuamente.
Fino alla rivoluzione industriale del diciannovesimo secolo, le società occidentali sono prevalentemente agricole e artigianali. Per produrre un bene, schematicamente è necessario ricorrere ad un artigiano (una risorsa). Questa relazione unica (1 bien = 1 artisan) ha il vantaggio che ogni prodotto realizzato è unico e corrisponde esattamente alla richiesta del cliente. D'altra parte, i volumi sono bassi e gli alti costi: bene 1 = costo 1, merci 2 = costi 2 ... Sebbene vincolato dalla risorsa fino all'arrivo della meccanizzazione, la produzione artigianale migliora continuamente la sua organizzazione.

1.2 Il Rinascimento: l'inizio di nuovi metodi di produzione
A luglio 1574, il re di Francia Enrico III visita la città di Venezia. 24 July " ... dopo una passeggiata in incognito per fare acquisti, il re va all'arsenale. È il cuore del potere marittimo (mercantile e militare) di Venezia che mette a tacere la sua naturale freddezza e il suo terreno sospetto di presentare al sovrano il segreto della sua forza: il suo miglior arsenalotti (quegli operai che realizzano l'impresa del montaggio una cucina al tempo della merenda che viene offerta al re) e la sua impareggiabile organizzazione fatta di efficienza e reattività« (3). Re Enrico III scopre quindi un incredibile progresso nel modo di produrre: lavoro sequenziale... che al giorno d'oggi appare così naturale.

Questi spettacolari progressi nella produzione continuarono con l'istituzione del sistema Gribeauval nell'artiglieria francese alla fine del XVIII secolo: " Devo le mie vittorie a questo genio di Gribeauval« (4) dice Napoleone 1er. Jean Baptiste Gribeauval [1715-1789] è nominato primo ispettore dell'artiglieria francese 1776. Si occupa della revisione completa della sua organizzazione e impone l'unicità delle misure in tutte le province della Francia per la produzione di armamenti, una vera rivoluzione in un momento in cui ogni regione, e persino ogni città, ha le sue misure! Nelle fonderie e negli arsenali, impone anche l'intercambiabilità di tutte le parti e gli accessori tra loro, la definizione numerica e standardizzata di una soglia di tolleranza per tutte le parti lavorate e un controllo rigoroso delle lavorazioni, eseguite secondo un cahier carichi precisi e tramite scatole di controllo contenenti modelli comuni a tutti gli arsenali« (5). Il sistema Gribeauval si basa su due principi: standardizzazione e mobilità delle parti.

1.3 La rivoluzione industriale Ford e Taylor
Questi principi, l'inventore Eli WHITNEY [1765 - 1825] li riporta indietro e li rende popolari negli Stati Uniti tra la fine del XVIII e l'inizio del XIX secolo. Inventa una macchina per sbucciare il cotone: separare il seme del cotone dalla sua fibra, compito noioso e costoso tradizionalmente svolto manualmente dagli schiavi nel sud degli Stati Uniti. Oltre al progresso tecnologico, propone un modello di marketing innovativo: Eli WHITNEY vende il gin in pezzi di ricambio standard facili da montare da parte dell'acquirente. Le basi di produzione in serie viene chiesto: " rendere ogni pezzo così esattamente simile che qualsiasi parte di uno possa essere usata in un altro". Frederick TAYLOR [1856 - 1915] si ispira a questi progressi tecnici nella produzione che formalizza nella scomposizione del lavoro in compiti elementari con tempi di esecuzione fissi. L'incontro con Henry FORD [1863 - 1947] è decisivo. Combinando il lavoro di Frederick TAYLOR con il lavoro di linea, la produzione passa dal mondo artigianale (basso volume e costi elevati per i prodotti personalizzati) a produzione in serie (volume elevato e costi bassi per prodotti standard).

1.4 La nascita di probabilità e statistiche
Parallelamente a questi progressi tecnici, anche la matematica sta vivendo una rivoluzione con la nascita del calcolo delle probabilità o la quantificazione di hasard (Dall'arabo al zahr che significa ... il dado(6)). Luca PACCIOLI (religioso francescano del XV secolo, matematico e fondatore della contabilità a doppia entrata [1445-1517]) solleva il problema delle parti nel suo libro « Summa di arithmetica, geometria, propori e proporzionale "(Venezia, 1494):" A e B giocano a balla [la palla al prigioniero]. Accettano di continuare fino a quando uno di loro ha vinto sei round. In effetti, il gioco si interrompe quando A ha cinque punti e B tre punti. Come dovrebbe essere divisa la scommessa iniziale?« (7). Riformulata diversamente, la domanda è: quale decisione prendere per allocare la scommessa sapendo che A ha cinque punti, B tre punti e che il vincitore è colui che ha sei punti? Questo problema è stato ripetuto da molti matematici italiani: Pacioli in 1494, Forestani in 1603, Calandri, Cardano in 1539, Tartaglia in 1556, Peverone in 1558, Pagani in 1591 e in francese Gosselin in 1578(8). Ma soprattutto di Blaise PASCAL [1623-1668] e Pierre de FERMAT [≈1610 - 1665] che durante la loro corrispondenza estiva 1654 stabiliscono il famoso triangolo di Pascal - o legge binomiale - da calcolare la probabilità di occorrenza teorica un evento. Jacques BERNOULLI [1654-1705] continua in questo modo con la legge dei grandi numeri tratti dalla sua esperienza "l'urna di Bernoulli". Apprende quindi la probabilità del verificarsi reale al fine di stimare l'incertezza: dalle osservazioni sulla frequenza Jacques BERNOULLI stimare la realtà.

In termini concreti, se estraggo dall'urna diversi campioni di marmi in bianco e nero, posso quindi stimare la proporzione reale di marmi in bianco e nero, ovvero calcolare " la probabilità che l'errore tra un valore osservato e il valore vero rientri in un determinato limite« (9). Abraham de Moivre (matematico francese [1667 - 1754]) è interessato alle opere di Blaise PASCAL e Pierre de FERMAT e in particolare a « la convergenza delle variabili casuali, dalla seguente prospettiva: fino a che punto possiamo essere sicuri che quando un numero di volte viene lanciato un dado, la frequenza osservata di occorrenza del numero "sei" tende verso la probabilità teorica? ?« (10). Abraham de MOIVRE nota una dispersione dei risultati attorno alla media disegnando una distribuzione sotto forma di campana: la legge normale di Laplace-Gauss. Lui chiama questa dispersione deviazione standard. ' Ciò è di cruciale importanza nel determinare se un insieme di osservazioni comprende un campione sufficientemente rappresentativo dell'universo di cui fanno parte.« (11).

Motorola 1.5 e controllo statistico dei processi
Questo approccio alla previsione della dispersione non solo rivoluziona la matematica, ma ha anche un impatto cruciale due secoli dopo nella padronanza dei processi produttivi. Walter A. Shewhart, un fisico americano [1891 - 1967] responsabile del dipartimento tecnico dei Bell Telephone Laboratories, sta implementando carte di controllo per garantire la qualità dei prodotti fabbricati nello stabilimento Hawthorne di Western Electric. I risultati del suo lavoro sono pubblicati in 1931 nel suo libro « Controllo economico della qualità del prodotto fabbricato", Ancora oggi un riferimento per la padronanza dei processi produttivi. Questo è la nascita della gestione della qualità.

La produzione di massa sta rivoluzionando il modo in cui le cose vengono prodotte e, soprattutto, offrendo il maggior numero di prodotti precedentemente inaccessibili o riservati a un'élite. La produzione di massa è buona, ma rischiosa: produrre 1 000 000 veicoli simili sta correndo il rischio di ripetere 1 000 000 volte lo stesso errore. Molto rapidamente, i produttori affrontano problemi di qualità: i volumi dei prodotti aumentano ... proprio come gli errori. Le opere di Walter A. Shewhart consentono di fornire strumenti per controllare i processi di produzione grazie alle statistiche, la più nota è la PDCA: Plan, Do, Check, Act o Shewhart wheel.
Edwards DEMING [1900 - 1993] diffonderà negli anni '50 il PDCA con gli industriali giapponesi. Oggi il PDCA è meglio conosciuto come "Deming Wheel" ed è la pietra angolare di ISO9001: 2015 per i sistemi di gestione della qualità: " La versione 2015 ha "risultati" più orientati rispetto alla "media". Alcuni documenti non sono più necessari, ad esempio il manuale della qualità o le procedure di sistema. Ora spetta ai team determinare i propri modi e strumenti operativi. Questa è un'opportunità per risparmiare tempo e promuovere le tue priorità. Gli standard ISO 9001 e ISO 14001 adottano una struttura comune, organizzata secondo PDCA (Plan-Do-Check-Act)« (12).

Bill SMITH [1929 - 1993], MOTOROLA Quality Assurance Manager, riunisce approcci statistici e produzione su larga scala creando 6 Sigma, fortemente ispirato al Total Quality Management (TQM) di Toyota. Convince i dirigenti Motorola del suo approccio statistico per ridurre i difetti nelle linee di produzione e quindi aumentare la qualità ... e i risultati. Il principio è statisticamente semplice. Per i dati distribuiti secondo una distribuzione normale, 6 Sigma ritiene che in un intervallo di sei deviazioni standard applicate su entrambi i lati della media, vi sia 99,99966% dei dati(13) (vedi illustrazione a fianco). In altre parole, se una linea di produzione produce parti 1 000 000 e il suo livello di qualità è 6 Sigma, genererà difetti 3,4 per le parti 1 000 000 prodotte ... l'obiettivo che MOTORALA fissa negli anni 80. Nasce 6 SIGMA.

1.6 La diffusione della cultura dell'eccellenza operativa da parte di General Electric
General Electric e il suo iconico CEO Jack WELSH generalizzano 6 SIGMA durante gli anni 90 a tutti i processi del conglomerato grazie all'approccio Modifica processo di accelerazione (CAP) e l'equazione dell'efficacia del cambiamento « E = Q x A L'efficacia (E) di qualsiasi iniziativa è pari al prodotto della qualità (Q) della tecnicità, della strategia e dell'accettazione (A) di questa strategia da parte degli stakeholder. General Electric si sta concentrando su una crescente accettazione per sostenere la sua iniziativa formando i dipendenti di 6 Sigma. Combinare l'approccio PDCA Modifica processo di accelerazione, General Electric formalizza il suo approccio con la metodologia DMAIC: Definisci, Misura, Analizza, Migliora, Controlla (in francese, Definisci, Misura, Analizza, Migliora e controlla). I livelli vengono creati (Cintura verde, Cintura nera e Cintura nera principale) secondo la padronanza della metodologia. Queste "cinture", una volta addestrate, conducono progetti di risoluzione dei problemi, addestrano gli altri " cinghie", Contribuisci al miglioramento dei processi ... una vera politica diEccellenza operativa che si sta diffondendo a tutti i livelli dell'azienda. I risultati non sono scaduti come indicato nella didascalia di questo articolo: nel suo rapporto annuale di 2000(14), i dirigenti di General Electric (GE) affermano che " GE non solo ha raggiunto il suo miglior risultato di sempre, ma ha avuto il più alto tasso di crescita nella sua storia [...] grazie alla rigorosa ricerca di quattro importanti iniziative: globalizzazione, servizi, qualità 6 Sigma e digitalizzazione. Abbiamo cambiato non solo il nostro ambiente di lavoro e ciò che vendiamo, ma anche il modo in cui lavoriamo, pensiamo e rispondiamo ai nostri clienti«.

Con la padronanza statistica dei processi, l'approccio empirico (per ogni problema l'obiettivo è trovare una soluzione) diventa un approccio scientifico: per ogni problema l'obiettivo è quello di trovare le cause alla radice, che si riduce all'equazione Y = f (X1, X2, X3, ... Xn) + ε dove:

  • "Y" è l'unità che esce dal processo e viene consegnata al cliente,
  • "F" è il processo che genera la "Y",
  • "(X1, X2, X3, ... Xn) "Sono le cause alla radice note che influenzano la" f "e quindi hanno una relazione causa-effetto con la" Y ",
  • "Ε" è rumore, vale a dire ciò che non può essere spiegato.

Prendi l'esempio di fare una torta al cioccolato:

  • "Y" è la torta al cioccolato,
  • "F" rappresenta tutti i compiti da eseguire secondo la ricetta,
  • "(X1, X2, X3, ... Xn) "È la quantità di farina, zucchero, uova, tempo di cottura, temperatura del forno ...,
  • "Ε" è ciò che non può essere spiegato: " la migliore torta è di mia nonna«.

Se controlli la torta all'uscita del forno, sarai in grado di dire se è buona o cattiva ... ma sarà troppo tardi nel caso in cui sia cattiva. Dovrai cucinarne uno nuovo, sperando che questa volta sia buono. Tuttavia, se sai che 50 e 55 grammi di farina, 100 e 110 grammi di zucchero, 100 e 105 grammi di burro, 200 210 grammi di cioccolato, 3 uova e la temperatura del forno devono essere inclusi tra 180 ° C e 185 ° C e il tempo di cottura tra 25 minuti e 30 minuti, quindi avrai una probabilità molto alta di riuscire la tua torta ... fino a ε. L'output del processo (Y) è determinato dagli input (X) quando ε è piccolo. Pertanto, se si guida la X, è possibile prevedere in modo affidabile la Y..

2. Esempio di applicazione di 6 Sigma nell'industria(15)
2.1 Per ogni problema l'obiettivo è trovare le cause alla radice
Un produttore industriale produce prodotti agroalimentari per il consumo quotidiano. Per una delle sue gamme di prodotti, i suoi clienti segnalano regolarmente non conformità in termini di sensazione o percezione del prodotto consumato: non c'è sapore previsto. Ciò si traduce in prodotti distrutti quando il difetto viene rilevato dalla fabbrica e richieste del consumatore nel caso opposto. L'obiettivo è identificare le cause alla radice che spiegano perché il processo genera prodotti difettosi (problema dell'aroma) e quindi guidare le cause alla radice (le X) per prevedere in modo affidabile l'aroma (la Y) : senza metodologia, tanto da cercare un ago in un pagliaio. Al fine di evitare questa trappola, l'impianto avvia un processo di eliminazione del difetto riscontrato avviando un progetto di padronanza della variabilità industriale facendo affidamento sulla metodologia 6 Sigma - DMAIC:

  • definire : esporre il problema, convalidare la sua rilevanza per gli obiettivi dell'azienda, confermare il potenziale di guadagno, costruire un team di progetto.
  • Mesurer : comprendere il processo associato, convalidare l'esistenza del problema (affidabilità della misurazione, prestazioni), consolidare il team.
  • Analizzare : identificare le cause alla radice del problema, confrontarle con la realtà di base, convalidare con il personale operativo il loro impatto sul processo.
  • migliorare : promuovere l'emergere di soluzioni per eliminare o ridurre significativamente il problema.
  • pilota : assicurare la durabilità della soluzione e la sua padronanza, stabilire strumenti di pilotaggio, portare all'adesione tutti gli operatori interessati.

Le fasi DEFINING e MEASURING Spiegare e calcolare quantitativamente il problema identificando l'unità prodotta dal processo (la Y, ecco il sapore) e le esigenze del cliente, in particolare il suo scopo e la sua tolleranza. Se la Y non soddisfa i requisiti di gusto del cliente, il problema è dimostrato. Il calcolo del problema (o calcolo delle prestazioni del processo) conferma la sua esistenza in numeri: si passa dal sentire " ogni volta che non funziona"Ai fatti" Nelle ultime venti produzioni, quattordici non hanno soddisfatto i requisiti del cliente". Questi due passaggi evitano di avviare una risoluzione dei problemi ... se non ci sono problemi.

ANALISI fase cerca le cause alla radice Per questo, una mappatura del processo viene eseguita con gli operatori e visualizzata in tutto il progetto in una stanza (vedi foto sotto). Questa rappresentazione visiva invita gli operatori a indicare dove pensano che un parametro possa influenzare il sapore, il post-it verde sulla foto a fianco. Sono state identificate sessantaquattro potenziali cause alla radice. Un piano di indagine di diciassette mila dati viene quindi impostato per un periodo di quattro mesi.

Una volta raccolti questi dati, può iniziare l'analisi statistica. Un metodo di regressione PLS (Partial Least Square) viene quindi utilizzato per valutare la relazione tra la risposta Y e le variabili esplicative X (parametri di processo da studiare): Y = f (X1, X2, X3, ... Xn) + ε. La regressione di PLS è particolarmente adatta quando le variabili esplicative X sono numerose e alcune variabili sono correlate tra loro. Il principio di questo metodo è di costruire un modello tra la risposta Y e le variabili latenti (ogni variabile latente, chiamata anche componente, essendo una combinazione lineare delle variabili esplicative iniziali). I risultati della modellazione consentono quindi di evidenziare le variabili latenti che spiegano / incidono maggiormente sulla risposta Y. Questo metodo ha permesso di confermare o invalidare l'intuizione degli operatori e cinque cause delle cause sono quindi identificate statisticamente.

2.2 Controllo del processo produttivo: grafici di controllo
La fase MIGLIORARE : passaggio dall'analisi statistica alla realtà industriale. L'impatto delle cinque cause alla radice su Y (sapore) è statisticamente modellato. Questa modellazione consente di calcolare limiti di tolleranza, chiamato anche specifiche del prodotto finito, da non superare per cause profonde in modo che il sapore soddisfi i requisiti del cliente. Da questi limiti di tolleranza, anche il produttore può stabilire specifiche industriali più esigente. In effetti, i limiti di tolleranza delimitano l'area oltre la quale la Y non soddisferà i requisiti del cliente. Mantenerli come tali è rischioso: se la tua auto ha una larghezza di centimetri 180, non costruisci un garage di centimetri 180 largo ma almeno centimetri 240.

La fase PILOTA : dalla realtà industriale all'applicazione operativa. Conoscendo i limiti da non superare, la sfida è garantire che la causa principale soddisfi questi limiti, ovvero la sua variazione è padroneggiata per garantire la soddisfazione del cliente. La padronanza di questa variazione non implica solo il rispetto dei limiti di tolleranza o delle specifiche industriali, ma soprattutto la capacità di rilevare una tendenza che avverte di possibili comportamenti anomali. Questo è il principio delle carte di controllo di Walter A. Shewhart visto in precedenza: la padronanza statistica dei processi. Nell'illustrazione sopra, la causa della fonte si evolve in una cosiddetta zona di controllo e non mostra una tendenza anomala: i dati sono normalmente distribuiti attorno alla media, con riferimento alla legge normale di Laplace-Gauss usata da Abraham de MOIVRE e sono soggetti solo a cause comuni, vale a dire specifiche del processo stesso. Il processo è sotto controllo, l'operatore è in grado di controllarlo visivamente.

Nel nostro esempio, l'analisi delle cinque radici delle cause ha permesso di calcolare i limiti di tolleranza, specificare le specifiche industriali e calcolare i limiti di controllo per ciascuna radice delle cause. Mettere le carte di controllo direttamente sulle linee di produzione consente agli operatori di prevedere il difetto ... e quindi evitarlo.

3. 6 Sigma, un'analogia con la gestione
6 Sigma è spesso associato alle statistiche, il che è vero perché sono molto importanti. A volte non è facile comprenderli: redigere un piano di esperimenti o condurre un'analisi della varianza (ANOVA) richiede una buona conoscenza del contesto di utilizzo di questi metodi, nonché di come interpretarli. risultati.
Tuttavia, ridurre 6 Sigma agli strumenti statistici significa credere che in ogni problema esiste una soluzione tecnica unica. Un rapporto di unicità un po 'riduttivo: " abbiamo trovato la soluzione, basta dire ai team di applicarla«.
Perché stiamo cercando di risolvere un problema? Per avere un effetto sulla soddisfazione del cliente, sull'esecuzione del processo, sull'efficienza della realizzazione ecc ... Una buona soluzione tecnica contribuirà sicuramente ... se applicata. In altre parole, se i team non usano la soluzione, era inutile cercarla.

6 Sigma è più di una cassetta degli attrezzi per la risoluzione dei problemi. Non fornisce una soluzione " miracolo". Cerca la causa principale del problema, lo mette sotto controllo dal controllo operativo ed evita che il problema si ripeta. Nell'esempio precedente, l'industriale non ha soluzione " miracolo". D'altra parte, gli operatori conoscono i parametri (cause alla radice) che influenzano il processo. Hanno i mezzi per controllarli (le carte di controllo) e sono quindi in grado di padroneggiare il processo al fine di fornire il giusto prodotto / servizio al cliente. Questa combinazione di Commento "(La soluzione) e" Perché "(La causa) consente di aumentare l'impatto dell'effetto desiderato. È la combinazione della qualità tecnica della soluzione e l'accettazione di questa stessa soluzione: EFFETTO = QUALITÀ X ACCETTAZIONE. Implementando le carte di controllo (un controllo quantitativo del processo), il produttore del nostro esempio ha lavorato sull'accettazione per garantire il sapore atteso dai suoi clienti. " In Dio ci fidiamo di tutti gli altri« (16).

Condividi articolo

Compagno

Damien BONHOMME – 3CONSEILS

Damien BONHOMME (damien.bonhomme@3conseils.com), capo di 3Conseils (Lione), è un esperto dell'approccio Lean Six certificato Lean Management e dei metodi agili per identificare opportunità di miglioramento e l'animazione dei team di progetto. Creatore del Lean Agile University Diploma con ISFA presso l'Università 1 di Lione, insegna in management school e università. È più interessato all'azienda e allo sviluppo di nuovi metodi di gestione e facilitazione. Tiene lezioni, utilizza attivamente sketchnoting, progetta formazione partecipativa e pratica teatro di improvvisazione.

damien.bonhomme@3conseils.com

riferimenti

(1) In Dio ci fidiamo, tutti gli altri devono portare dati
(2) GE Annual Report 2000 - Pagina 4 - http://www.ge.com/annual00/download/images/GEannual00.pdf
(3) Marie Viallon. Le onorificenze di Venezia a Enrico di Valois, re di Francia e Polonia: studio del soggiorno veneziano del re Enrico III a 1574. Congresso annuale di RSA, aprile 2010, Venezia, Italia.
(4) «Gribeauval o l'inizio della standardizzazione industriale» - TRISTAN GASTON-BRETON COMPANY HISTORIAN - THE ECHOES | THE 03 / 08 / 2016
(5) «Gribeauval o l'inizio della standardizzazione industriale» - TRISTAN GASTON-BRETON COMPANY HISTORIAN - THE ECHOES | THE 03 / 08 / 2016
(6) Against the Gods di Peter L. Bernstein - la straordinaria storia del rischio - 1996 - Wiley Edition p. 13
(7) Against the Gods di Peter L. Bernstein - la straordinaria storia del rischio - 1996 - Wiley Edition p. 43
(8) IL PROBLEMA DELLE PARTI SI SPOSTA ... PIÙ E PIÙ - Norbert Meusnier - Università di Parigi VIII - Rivista elettronica di storia delle probabilità e delle statistiche Vol 3 N ° 1 Giugno 2007 - Pagina 4
(9) Against the Gods di Peter L. Bernstein - la straordinaria storia del rischio - 1996 - Wiley Edition p. 125
(10) Biografia di Abraham de MOIVRE: http://www.bibmath.net/bios/index.php?action=affiche&why=demoivre
(11) Against the Gods di Peter L. Bernstein - la straordinaria storia del rischio - 1996 - Wiley Edition p. 127-128
(12) Certificazione AFNOR "Guida alla transizione ISO9001: 2015 per le piccole e le piccole imprese" - 2016 di novembre
(13) Durante la vita di un processo si verificherà un decentramento (chiamato "shift" in inglese) stimato a 1,5 Sigma. Parliamo quindi di un Sigma (LT) a lungo termine rispetto a un Sigma (CT) a breve termine in cui Sigma LT = Sigma CT - 1,5. Per maggiori dettagli cfr. "Six Sigma: come applicarlo" di Maurice PILLET / Eyrolles August 2013 / Pagina 135
(14) GE Annual Report 2000 - Pagina 4 - http://www.ge.com/annual00/download/images/GEannual00.pdf
(15) Nomi, numeri e risultati sono stati modificati
(16) In Dio ci fidiamo, tutti gli altri devono portare dati

bibliografia

"Against the Gods: The Remarkable Story of Risk" di Peter L. Bernstein - John Wiley & Sons / 29 settembre 1998
"La macchina che ha cambiato il mondo: la storia della produzione snella - L'arma segreta di Toyota nelle guerre automobilistiche globali che ora sta rivoluzionando l'industria mondiale" di James P. Womack, Dan T. Jones e Daniel Roos - Free Press / 13 March 2007
"Controllo economico della qualità del prodotto fabbricato" di Walter A. Shewhart - Martino Fine Books / 25 Aprile 2015
"Six Sigma: come applicarlo" di Maurice Pillet - Eyrolles / 29 August 2013