◆ 8D PARTNERS
Problém se vrací, i když jste ho už dvakrát „vyřešili“. To je typický znak toho, že se nikdy nenašla skutečná kořenová příčina – jen symptom. Pomohu vašemu týmu dojít k příčině, kterou lze odstranit a prokázat, že opatření funguje.
Nejčastější příčina opakujících se problémů není zastaralá technologie, ale nedokončená analýza. Tým najde příčinu, kterou umí vysvětlit a která se dá rychle opravit – ale není to ta skutečná. Výroba se rozběhne, zákazník se na pár týdnů uklidní a pak se stejná vada vrátí. U zákazníka to vyvolává dojem, že firma problém neumí vyřešit, a v krajním případě vede k nové reklamaci, eskalaci nebo ztrátě důvěry.
Root cause analysis (RCA) má za cíl najít příčinu, jejíž odstranění problém trvale řeší. Nejde o jedno použití 5 Why nebo nakreslení fishbone diagramu. Jde o to, aby tým dokázal příčinnou souvislost prokázat: když příčina nastane, vada nastane; když příčina zmizí, vada zmizí. To se ověřuje testy, replikací chyby nebo daty z výroby.
Stejná vada se po uzavření reklamace vrací, a to u vás nebo u zákazníka.
Analýza končí u „lidské chyby“ nebo „chyby stroje“ bez prozkoumání, proč k tomu mohlo dojít.
Opatření byla zavedena, ale nikdo neověřil, že skutečně fungují.
8D reporty vypadají formálně správně, ale zákazník se na obsah ptá znovu a znovu.
Neexistuje jedna univerzální metoda analýzy kořenových příčin. V praxi kombinuji několik nástrojů podle typu problému a jeho složitosti.
Opakovaná otázka „proč“ vede od symptomu k systémové příčině. Metoda je rychlá a účinná u problémů s jasným příčinným řetězcem. Její slabina je v tom, že vede k jedné příčině – což často nestačí. Dobrá 5 Why analýza se proto vede po více větvích a každý závěr se ověřuje.
U složitějších problémů s více možnými zdroji příčin strukturuje Ishikawův diagram brainstorming celého týmu do oblastí: materiál, metoda, stroj, lidé, měření, prostředí. Výsledkem je kompletní přehled kandidátů na kořenovou příčinu, které se následně jednotlivě ověřují.
Prokázání příčinné souvislosti je to, co odlišuje poctivou analýzu od domněnky. Kde se problém vyskytuje a kde ne (is / is not), jaké jsou rozdíly mezi dobrými a vadnými kusy a zda lze chybu replikací vyvolat. Teprve když lze chybu vyvolat nastavením předpokládané příčiny a odstranit jejím zrušením, má analýza pevné základy.
Kvalitní analýza nekončí u technické příčiny (například špatné upnutí dílu). Ptá se také, proč systém kvality tuto situaci nepostřehl: proč neproběhla kontrola, proč ve flowchartu chyběl krok, proč nebyl parametr hlídán. Teprve tam, kde je problém ošetřen i systémově, mizí riziko jeho návratu.
Nejčastější formy: moderování RCA workshopu s vaším týmem na reálném problému; nezávislá revize analýzy, kterou tým vytvořil (typicky jako součást 8D reportu); nebo školení interních týmů v metodice analýzy kořenových příčin. Cílem vždy je, aby vaše firma uměla tyto analýzy řešit i bez mé pomoci – moderace a školení proto vždy zahrnují přenos metodiky na vaše lidi.
Praktická zkušenost z výroby – analýzy nevedu na papíře, ale na reálných dílech, datech a procesech. Zkušenost z pozice Tier 1 a Tier 2 dodavatele i z hodnocení reportů na straně OEM. Certifikát Automotive Core Tools od oficiální VDA certifikační organizace jako důkaz systematického přístupu k metodice kvality.
Pomohu vašemu týmu dojít k příčině, kterou lze odstranit a prokázat. Napište mi, o jaký problém jde.
Nezávazně poptat analýzu kořenových příčin →FAQ
U technických problémů se analýza typicky vede ve dvou směrech: proč chyba vznikla a proč ji systém kvality nezachytil. Řešení jen jedné z těchto větví znamená, že problém může znovu projít – buď protože se příčina opakuje, nebo protože kontrola, která ji měla zachytit, nefunguje. V poctivém 8D reportu jsou obě otázky zodpovězeny.
Ano. Analýza nemusí končit u vaší vlastní výroby. Může prokázat, že k vadě došlo vlivem podmínek u zákazníka (skladování, montáž, přeprava), a pomoci vám to věcně a kultivovaně komunikovat – včetně argumentace, kterou zákazník přijme.
Ano. Pokud jsou k dispozici data z měření nebo výrobních parametrů, využívám je k prokázání příčinné souvislosti. Statistické nástroje mohou posloužit i k ověření účinnosti zavedených opatření.
Ideálně 3 až 6 lidí, kteří problém znají: technologie, výroba, kvalita, případně údržba. Důležitější než velikost je, aby účastníci měli přístup k dílu, datům a procesu, protože analýza se vede na konkrétních kusech, ne v zasedací místnosti.
Příčina je prokázána (replikací, testem nebo daty), opatření jsou definována tak, že příčinu odstraňují, a je ověřeno, že se po jejich zavedení problém neopakuje. Úspěch se neměří vyplněným D4, ale tím, že se problém nevrací.