Auttavatko palaute- ja reklamaatioselvitykset parantamaan laatua?

Julkaistu 21.02.2019    Kirjoittanut Eero E. Karjalainen  Tilaa RSS


Lukuisissa yrityksissä vannotaan asiakaspalautteiden nimiin. Halutaan kuunnella asiakasta herkällä korvalla. Yrityksissä uskotaan palautteen keräämisen ja tutkimisen parantavan laatua ja tuottavuutta. Valitettavasti näin helppoa se ei ole! Vain 1-3% liikkeenjohdon käynnistämistä parannuksista, jotka usein perustuvat asiakasvalituksiin ja reklamaatiokustannuksiin, johtavat merkittäviin tuloksiin.

Asiakaspalautteita, tuotepalautuksia, takuukorjauksia, reklamaatioita, millä nimellä niitä nyt kutsutaankin, tulee kaikille yrityksille kymmenistä satoihin tuhansiin. Itse olin eräässä yrityksessä laatupäällikkönä 1980-luvulla. Reklamaatioita, takuu-korjauksia tuli yli 40 000 kpl/vuosi joka vuosi. Onnistuin vähentämään reklamaatioita 95% mutta en reklamaatioita tutkimalla vaan päinvastoin olemalla tutkimatta! Albert Einstein on sanonut: "Emme voi ratkaista ongelmia käyttämällä samaa ajattelua, jota käytimme niiden luomisessa." Reklamaatio-ongelmaa ei voi ratkaista tutkimalla reklamaatioita!

Yritykset kuluttavat huimia määriä työvoimaa ja resursseja palautteiden tutkimiseen ja asiakaskorvauksiin. Tämä jatkuu vuodesta toiseen eikä parannusta näy. Palaute- ja reklamaatiokäyrät, laatukäyrät, matelevat samalla tasolla. Ei parannusta, laatu- ja hukkakustannukset ovat 20-45% luokkaa jalostusarvosta joskin raportoidut 2-4%.

Mikä on ongelma? Miksi reklamaatioselvitykset ja tutkimukset eivät auta ja laatutaso parane?

En usko, että ongelma on asiakaspalautteiden tai selvitysten määrässä vaan niiden laadussa. Asiakaspalautteet ovat oireita, jotka johdattavat usein tutkimaan väärää asiaa väärin. Ongelmana on siis väärän asian selvittäminen väärällä menetelmällä ja tästä seuraava väärän asian muuttaminen! Seurauksena on reklamaatiomäärien kasvu, joka taas on välttämätön seuraus (vääristä) toimenpiteistä.

Ongelma ei ole tuntematon laatutekniikassa. Six Sigma syntyi tutkimuksesta, jossa Motorolan tri Bill Smith/1,2/ selvitti 1984 yhteyttä tuotteen kenttäeliniän (field Life) (so. reklamaation) ja tuotteen tuotannossa tapahtuvien korjausten lukumäärän välillä. Ongelmana oli jo useita vuosia jatkunut Motorolan laatutason heikkeneminen korjaustoimenpiteistä huolimatta tai jopa niistä johtuen. Bill julkaisi sisäisen tutkimuksen piilevistä vioista - "internal paper relating product failures to latent defects" 1985. Hän päätyi tässä tutkimuksessa Six Sigman teoriaan:

"Jos tuote on löydetty viallisena ja korjattu tuotanto-prosessissa, muut viat jäävät löytymättä ja löytyvät myöhemmin käytön aikaisessa vaiheessa. Jos tuote valmistetaan virhevapaana, se harvoin vioittuu käytön aikaisessa vaiheessa".

Kuinka toteuttaa täysin virheetön tuotanto- ja palveluprosessi?

Reklamaatioiden tiheys ja rakenne voidaan esittää luotettavuuskäyränä eli ammekäyränä/3/, josta karkeasti ilmenee, mistä reklamaatiot, asiakasvalitukset muodostuvat tuotteen ja palvelun käytön aikana (field life).

Vikataajuus ja aika.jpg
Kuva 1. Vikataajuus ja aika. Luotettavuuden "ammekäyrä" ja sen komponentit

Ammekäyrä on jaettu kolmeen jaksoon, sisäänajo (lapsikuolleisuus), käyttöaika, kuluminen. (I infant mortality, III useful life, III wearout). Käyrä on edelleen jaettu vaikutuskomponentteihin, laatuvirheet, suunnitteluperusteiset virheet ja kulumisvirheet (quality failures, design-related failures, wearout failures).

Reklamaatiot ja valitukset ns. early life failure eli latentit viat, tulevat ensi sijassa laatuvirheistä. Latenttien vikojen syiden, laatuvirheiden, paljastamiseksi, Motorol tri Mikel Harry/4/, Six Sigman keskeinen kehittäjä, loi 1985 loogiset suodattimet (The Logic filters), jolla reklamaation syyt voidaan paljastaa. Tämä oli esiaste Six Sigmaan.

Logic filters.jpg
Kuva 2.
Loogiset suodattimet kausaalisyiden/ideoiden suodattamiseksi esiin/4/

Suodatinten tyokalut.jpg
Kuva 3. Loogisten suodattimien tilastolliset työkalut ja järjestys/4/

Yksittäisestä reklamaatio- tai palauteanalyysistä reklamaation selvittäjä tai analysoija ei yleensä pysty päättelemään reklamaation syytä etenkään, jos hän ei hallitse Lean Six Sigmaa ja sen menetelmiä (looginen suodatin). Seuraavassa lyhyt "oppimäärä" loogisen Six Sigma DMAIC-suodattimen käytöstä reklamaatioihin.

Miten laatuvirheet hävitetään so. reklamaatiot ja valitukset

Suuri osa ongelmista, virheistä (94-98%) on systeemin suorituskyvyn heikkoutta siihen nähden, mitä yritetään saavuttaa. Tälle ei ole olemassa helposti selvitettävissä olevaa faktasyytä. Tämä on tieteeseen perustuvan laadunohjauksen (SQC) näkemys laatuongelmista/5/. Eksaktia maailmaa, jossa jokaiselle asialle on tarkka selitys, ei ole olemassa, mutta asiat, yksittäisten asioiden aiheuttama sumeus, voidaan tarkemmin kuvata tilastollisilla jakaumilla aivan kuin elektroni ytimen ympärillä. Tämä tarkempi kuvaus mahdollistaa kausaalisyiden, ideoiden paljastamisen.

Tilastollisen jakauman "pilkkominen" vaikuttaviksi tekijöiksi, parametreiksi ei onnistu kuin kokeen (DOE) avulla luotettavasti. Siksi kaikissa parannusalgoritmeissa on Demingin PDSA-ympyrä, koeympyrä. Näennäiset korrelaatiot ja yhteydet, poikkeamat eivät johda reklamaation syyn selviämiseen ja parannukseen.

Kuinka teollisuus ja palvelu ovat "selättäneet" reklamaatiot', jos syytä ei voi helposti selvittää?

I Toleranssit ja tarkastus

Reklamaatioita ja asiakaspalautuksia voidaan vähentää, kun eksaktit asiat ilmaistaan tarkemmin (tilastollisilla) toleransseilla (Total Range) ja lisätään tähän perustuva erotteleva tarkastus ja korjaus tuotantoprosessin loppuun. Erottelevalla tarkastuksella poistetaan ei-suorituskyvykkäät komponentit, tuotteet ja palvelut eli "leikataan" jakaumaa kuten sonnista filettä ja loppu makkaraksi! (tai palvelu uusiksi)

Valmistusprosessi.jpg
Kuva 4. Valmistus ja palveluprosessi ja prosessi- ja tuoteohjaus

Ensimmäinen tehtävä reklamaatio- ja palauteselvityksissä on tutkia, toimiiko erotteleva tarkastus. Miksi se vuotaa? Onko rajat laitettu oikein?

Olen huomannut, että yli 50% yrityksistä, joilla on suuret reklamaatiomäärät, tarkastus ei toimi niin kuin sen pitäisi toimia. Kukaan ei ole selvittänyt tarkastuksen kyvykkyyttä erotella hyviä huonoista. Tarkastusrajoja asetettaessa ei ole huomioitu tarkastusprosessin virhettä eli vedetty rajoja riittävästi sisäänpäin (2Sigma.jpge) toleranssi-rajoista. Unohdetaan myös virheen kertautuminen. Jos tarkastat 10 kohtaa tuotteesta 95% oikeellisuudella lopputulos on 60%:sti oikein ja 40% väärin (P=0,9510 = 0,598). Mitä useampia kohteita on tarkastettavana sitä vaikeampi on välttyä reklamaatioilta!

Tarkastuksen kyvykkyyden voi testata karkeasti käyttämällä prosessin ja/tai tarkastuksen hylkäys- ja reklamaatiodataa samalta ajanjaksolta. Tämä data löytyy lähes aina. Yleensä data on viikko-, kuukausidataa, jossa datat on kohdistettu toisiinsa. Kohdistus ei tarvitse olla tarkka. Riittää, jos voidaan liittää saman aikavälin datat esim. valmistusnumeron mukaan. Syntyy datapareja (pisteitä), jotka voi asettaa XY -akseleille. Jos muodostuu suora, kuten kuvassa vasemmalla erottelu toimii ja kulmakerroin kertoo, kuinka paljon erottelu vuotaa.

Regressioyhteys.jpg
Kuva 5.
Vikataajuuden (reklamaatioiden) ja tarkastuksen korrelaatio/regressioyhteys. Jos yhteyttä ei ole (vasen kuva), erotteleva tarkastus ei toimi!

Jos ei muodostu selkeää korrelaatiosuoraa, tarkastus ei erottele ja toimi, kuten erään yrityksen tarkastus 1987-89. Viat ja virheet menevät hallitsemattomasti asiakkaille, josta seuraa asiakasvalitukset ja reklamaatiot. Kuva 5.

Six Sigman MSA-analyysillä ja mielellään Minitab Assistantilla voidaan myös selvittää, voiko mittauksella erotella osat ja toisaalta soveltuuko mittaus prosessin ohjaukseen / suoritusarvon määrittämiseen. Tuloksen saa havainnollisena palkkikuvana. Vihreä on hyväksyttävä ja keltainen "ehkä" hyväksyttävä ja punainen hylättävä.

MSA.jpg Assistant.jpg
Kuva 6. MSA-analyysi Minitab Assistantilla. Prosessin suoritusarvon ohjauksen mahdollisuudesta ja kykeneekö mittaus erottelemaan osat toisistaan

Jos erotteleva tarkastus toimii, tarkastusrajoja LSL, USL kiristämällä (Kuva 5) reklamaatioita ja palautuksia voi vähentää, mutta samalla turhaan hylättyjen tuotteiden määrä ja kustannukset kasvat. Prosessin virheitä on vähennettävä suorituskykyä parantamalla.

II Prosessin stabiilisuus ja erityissyy

Jos erotteleva tarkastus toimii, seuraava vaihe reklamaatiotutkimuksessa on selvittää prosessin stabiilisuus ja mahdollisuus erityissyyvirheiden poistamiseen prosessista. Laatutauluilla ja SPC:llä/6/ prosessia voidaan ohjata oikein ja poistaa erityissyyt (2-6%) muutamassa viikossa. Apuna voi käyttää 8D:tä. Kuva 4. Tämä avaa mahdollisuuden prosessin parantamiseen.

III Prosessin suorituskyvyn parantaminen, latentit virheet (Lean Six Sigma)

Kolmas vaihe on suorituskyvyn parantaminen, joka kattaa 94-98% reklamaatioista. Tähän voi käyttää Lean Six Sigma -menetelmää/7/ tai jotain muuta sovelletun tilastotekniikan (applied statistics) menetelmää (kuva 4), joilla luodaan looginen suodatin. Menetelmällä EI haeta varsinaista syytä vaan ideaa tai ratkaisua siihen, kuinka systeemin/prosessin suorituskykyä voidaan parantaa niin, että suorituskykyindeksi Cp>2 eli virheitä vähemmin kuin 3,4 kpl/miljoona mahdollisuutta. Toyota käyttää tästä nimeä tieteellinen laadunohjaus SQC/TQM. Menetelminä ovat N7 – MA – DE./8/

IV Tuotesuunnittelu ja luotettavuustekniikka

Neljännessä vaiheessa siirrytään reklamaatiotutkimuksissa luotettavuustekniikkaan tarkastelemaan itse suunnittelua, miksi tuotteeseen/palveluun kohdistuva rasitusjakauma, kuorma L, leikkaa suunnittelun määrittämän kestävyysjakauman eli lujuuden S. Lujuusjakauman leveys mitattuna sigmoissa kertoo tuotteen suorituskyvyn 6Sigma.jpg. Tämä esitetään yleensä toleransseihin verrattuna eli Cp=(T+-T+)/6Sigma.jpg. Six Sigmassa asetetaan suunnitteluvaatimus Cp > 2. Tämä on osa DFSS-tekniikkaa (Design for Six Sigma). Menetelmä tunnetaan myös käsitteellä Robust Engineering tai Taguchi -menetelmänä.

Luotettavuustekninen malli.jpg
Kuva 7.
Luotettavuustekninen malli reklamaation syntymiselle kuorman L ja lujuuden S jakaumien leikkaus aiheuttaa vioittumisen.

Hajontaan 6Sigma.jpg:aan vaikuttaa suunnittelu, materiaalit ja komponentit ja valmistusprosessi, joita voidaan suunnitella ja analysoida luotettavuustekniikan menetelmin. /9/.


Yhteenveto

Reklamaatiot ja asiakaspalautteet ja niihin liittyvät toimet maksavat yrityksille todella paljon ja tahraavat yritysten mainetta. Reklamaatioita ja asiakaspalautteita selvitetään usein väärin ja tehdään muutoksia vääriin kohtiin.

Olen kaikille asiakasyrityksille suositellut nykymuotoisten yksittäisten asiakas- ja reklamaatiopalautteiden tutkimisen lopettamista ja panosten siirtämistä suorituskyvyn parantamiseen. Kun yrityksissä on näin toimittu, yrityksien reklamaatiot ovat lähteneet jyrkkään laskuun, kun samalla on noudatettu edellä kuvaamaani menettelyä, joka on täysin ISO 9001 mukainen. Asiakaspalautteita ja reklamaatiotietoja tulee seurata SPC-käyrillä ja jos tulee erityissyy, on tällöin ja vain tällöin selvitettävä reklamaation syy välittömästi.

Reklamaatioita ja palautteita on aina seurattava ja tällä indikoitava, toimiiko erotteleva tarkastus, prosessin ohjaus ja jatkuva suorituskyvyn parannusprojektit ja suunnittelu. Jos reklamaatiot ja palautteet eivät kehity oikeaan suuntaan oikealla yrityksen toivomalla nopeudella, on ongelmaan puututtava. Itsestään selvää on, että jokainen asiakas on oikeutettu saamaan korvauksen ja riittävän huomion huonosta tuotteesta ja palvelusta. Reklamaatio ja palauteselvityksen tavoitteena on ennaltaehkäistä tulevat reklamaatiot.

 

Eero2019_90.jpg
Eero E. Karjalainen
Suomen Laatuyhdistyksen kunniajäsen 2015

 

Lähteet:

  1. https://www.isixsigma.com/new-to-six-sigma/history/remembering-bill-smith-father-six-sigma/
  2. Mikel J. Harry, Richard Schroeder: Six Sigma – the Breaktrough Management Strategy Rovoluzionizing the World'sTop Corporations (2000) sivulla 10
  3. Mikel J. Harry, J. Ronald Lawson: Six Sigma Productivity Analysis and Process Characterization (1992)
  4. https://www.mikeljharry.com/milestones.php
  5. Walter A. Shewhart: Economics Control of Quality of Manufactured Products. (1931)
  6. http://www.qk-karjalainen.fi/fi/artikkelit/unohdettu-laadunohjaus/
  7. http://www.qk-karjalainen.fi/fi/artikkelit/kultasormi-blackbelt/
  8. http://www.qk-karjalainen.fi/fi/artikkelit/toyota-ja-lean/
  9. Patric D. T. O'Connor: Practical Reliability Engineering, Fourth Edition (2002)

 

Kommentoi

(Sähköpostiosoitettasi ei julkisteta.)
Syötä kuvassa näkyvät kirjaimet ja numerot.
Captcha Code

Klikkaa kuvaa nähdäksesi uuden koodin.

  • Kyösti Huhtala

    Oiva juttu!
    Hieman eri asia on, onko tuote alkuunkaan tehty asiakkaan tarpeisiin vai kuvitteleeko asiakas tuotteen ominaisuuksien vastaavan hänen tarpeitaan. Jos reklamaatio perustuu tähän jälkimmäiseen, niin surkeasti käy, jos valmistaja koettaa tuotetta sen pohjalta parantaa.

    Jos tuote on tehty saadun vaatimusmäärittelyn mukaisesti, voi vikaa olla niin tilaajassa kuin tekijässä. Reklamaatiot kuitenkin yleensä kohdistuvat tekijään.

    Kuinka mitattaisiinkaan vaatimusmäärittelyn onnistumista?

  • Eero E. Karjalainen

    Terve,

    Esittämäsi ajatus on hyvä. Juuri tämän takia en suosittele yksittäisten reklamaatioiden käsittelyä. Laatu- ja suunnitteluvirheet ovat asiakkaalle lähes yksi ja sama asia, mutta ei tuottajalle. Tuote tai palvelu ei tyydytä asiakasta tai asiakas on ostanut väärän tuotteen tai käyttänyt tuotetta väärin.

    Tuottaja ei yleensä pysty reklamaation tai valituksen perusteella aina varmasti ja luotettavasti erottelua tekemään (laji, laatu, väärinkäyttö jne.). On yritykselle erittäin suuri riski käyttää yksittäistä reklamaatioinformaatiota palautetietona ilman SPC:tä, joka takaa n. 99,7% päätösvarmuuden erityissyyn olemassaolosta (tuotanto tai suunnittelu) ja syyn löytymisestä. Tätä riskiä ei yrityksen kannata ottaa, sotkea tuottajan ja kuluttajan riskiä keskenään kuin hyvin hyvin perustelluista syistä.

    Tuottajan on kuitenkin AINA turvallista on tarkistaa ja tehdä toimenpiteet sen perusteella, toimiiko lopputarkastus/mittaus, onko prosessi stabiili, että voi toimittaa suunnitellun mukaisia tuotteita ja palveluja ja riittääkö prosessin suorituskyky. Kaikki nämä toimenpiteet parantavat ja vähentävät reklamaatioita.

    Kun tarkastus toimii ja prosessi on stabiili ja suorituskyky Cp>2 on saavutettu ja reklamaatiot eivät enää vähene, tämän jälkeen tulevat reklamaatiot voisi ehkä luokitella vaatimusmäärittelyn epäonnistumisen eli tuotesuunnittelun ja kuluttajariskin piikkiin. Tämä vaatii erityisiä tutkimuksia ja testejä ja lopulta markkinaosuus määrittelee vaatimusten määrittelyn onnistumisen.

    Terveisin
    DI Eero E. Karjalainen

Tagipilvi

datan luokittelutilastoKingmanCTPHarryTätä on LeanMinitabOhnojidokaJatkuva parantaminendatan käsittely8Dsatunnainen vaihteluValue Stream Mappinglaatu SuomessaHall of FameShingokoulutusIATF 16949läpimenoaikaDOElainalaisuudetLean HandbookGreen BeltVOCtehokkuusreunaANOVAmuutoksen tuskaryhmätyöskentelysysteemiparannustoimintaregressioanalyysimenetelmättoleranssiROIOpettaminenlaatu ratkaiseeCTQFMEAhypoteesitestausSPCPDSAvaihteluhypoteesitestidatan keräyspalveluarvovirta-analyysisekoitekoepäämäärämallitilastomatematiikkatyökalutLean Six SigmanollavirhekuvaaminenmittaaminenTuottavuusKingmanin yhtälöAsiakastarveMarkkinointiIshikawaFeigenbaumBOKkorrelaatiopuhdistaminensyy-seurauskaaviotilastollinen päätöksentekolaatutyökalutOFATDesign of ExperimentsprosessikuvausToyotaKataVUTISO 9000luotettava mittausLean-taloASQ5Svaihtelun vaikutus0-virheriskinkartoitusaivoriihierityissyyhyväksymisnäytteenottooperaatiotutkimusturvallisuusmittausprosessisuorituskykymittaritjitLean-visioDMAICkustannussäästöttoiminnan laitjohtamisjärjestelmäDFSSDesign for Six SigmastandardointitekoälyryhmittelykaaviooeeIATFSigmaparannusJohtaminentäystekijäkoeISO 9001:2015mixturelaatutaulutISO 9001KaikakuSix SigmaMinitab 19neukkarikoehukan muodotlaadunparannusLean Six Sigma Black BelthistogrammiLittlen lakikausaliteettiMonte CarloennustaminenmittaussysteemiDemonstraatiotPDCAPDSA-ympyräLaatutyökalutlajitteluDSDasiakastyytyväisyysWheelerL8-matriisiLeandataMinitab 18datan käsittelylaadunhallintaGage R&RBody of KnowledgeBlack BeltControl PlanideointiarvovirtakuvaushävikkifunktioinnovaatioCrosbylaadunohjauskoesuunnitteluShewhartkalanruotoFactory PhysicsmonimuuttujatestiTPSjärjestäminenkairyoTaguchiHukkat-testiCombanion by Minitabdatan laatuacceptance samplingYellow BeltohjausJuranLaatujärjestelmämielenmallitKaizenarvovirtatehollinen aikaparannusmenetelmäBalanced Scorecardpaloautopelitoiminnan lainalaisuudetLaatukonferenssigurutMSAOpetusmenetelmätvuodiagrammitehdasfysiikkaparannustoiminnan kehittyminenriskijaksoaikaprosessivalvontaparantaminenkvantitatiiviset menetelmätstabiilisatunnaissyyEDAmittavirheParetoTQMDemingdata-analyysisuorituskykyMarkkinointiprosessiTOCsitoutuminenTPMlaadunkehittäjälaatuBig Dataohjauskorttimalli5W2H asiakastyytyväisyysGageongelmanratkaisumuutosparannuksen johtaminenCDAparannusmalliohjaussuunnitelmaDMADVqfdmonimuuttujakoeSPC-korttidatan käsittelyVSMtiedonkerääminenterveydenhuoltoasiakasuutiskirje

Arkisto