Çoklu-Yanıtlı Altı Sigma DMAIC

Her yanıt, hedefe (maksimize etme, minimize etme veya bir hedef değere ulaşma) uygun bir şekil fonksiyonu kullanılarak 0 (tamamen kabul edilemez) ile 1 (hedef tam olarak karşılandı) arasında bireysel bir arzulanabilirlik skoru d'ye dönüştürülür. Kompozit arzulanabilirlik D, tüm bireysel skorların geometrik ortalamasıdır: D = (d1 × d2 × … × dk)^(1/k). Faktör uzayı üzerinde D'yi maksimize etmek, tüm yanıtları toplu olarak karşılayan ayarları bulur; geometrik ortalama olduğu için, tek bir yanıt en kötü durumdayken D sıfır olur — bu da tüm CTQ'ların aynı anda kabul edilebilir olmasını zorlar.

Kesin bir üst sınır yoktur, ancak pratik deneyim 2-6 yanıtın yönetilebilir olduğunu göstermektedir. Altıdan fazla olduğunda, ağırlıkların veya önem skorlarının atanması doğrulanması zorlaşır ve optimizasyon manzarası birçok yerel optimum ile oldukça dışbükey hale gelebilir. Çok sayıda yanıt olduğunda, karmaşıklığı azaltmak için genellikle çoklu-yanıt optimizasyonundan önce boyut azaltma adımları (PCA veya CTQ'ları kümeleme) uygulanır.

Evet ve bu kombinasyon yüksek varyanslı ortamlarda yaygındır. Sağlam çoklu-yanıtlı DMAIC, tasarlanmış deneye gürültü faktörleri ekler (kontrol faktörlerinin iç dizisini gürültü faktörlerinin dış dizisiyle çaprazlamak veya birleşik diziler kullanmak) ve hem ortalama performansı hem de varyansı üzerinden hesaplanan kompozit arzulanabilirliği optimize eder. Sonuç, toplu olarak optimal ve kontrolsüz varyasyona duyarsız olan faktör ayarlardır.

Gerçek bir çelişki — bir yanıtı iyileştirmenin kaçınılmaz olarak diğerini kötüleştirmesi — bir Pareto ödünleşmesini temsil eder. Bu durumda, kompozit arzulanabilirlik yaklaşımı, tüm yanıtlar için bireysel olarak suboptimal ancak toplu olarak uygulanabilir bir uzlaşma noktası bulacaktır. Proje ekibi daha sonra uzlaşmanın kabul edilebilir olup olmadığını, düşük öncelikli CTQ'lar için spesifikasyon sınırlarının gevşetilip gevşetilemeyeceğini veya fiziksel ödünleşmeyi kırmak için bir süreç yeniden tasarımının (örneğin, ürün formülasyonunu veya süreç mimarisini değiştirmek) gerekip gerekmediğini belirlemek için paydaşlarla görüşmelidir.

Resmi bir tasarlanmış deney (DOE), kompozit hedefi sürekli bir faktör uzayı üzerinde değerlendirmek için gereken yanıt modellerini sağladığı için şiddetle tavsiye edilir. Ancak, tarihsel veriler yeterince geniş bir faktör aralığını kapsıyor ve aynı çalıştırmalarda ölçülen tüm CTQ'ları içeriyorsa, faktörler arasındaki kolineerlik değerlendirilip yönetildiği sürece, gözlemsel verilerden oluşturulan regresyon modelleri ikame edilebilir. DOE, güvenilir çoklu-yanıt optimizasyonu için altın standart olmaya devam etmektedir.