Tuotantoprosessien kehittäminen Lean Six Sigma -menetelmällä

Abstract

Tämän opinnäytetyön tavoitteena oli parantaa kolmen kokoonpanoaseman tuottavuutta ja laatua Lean Six Sigma -menetelmällä tunnistamalla tuotannon hukkaa aiheuttavia tekijöitä. Tutkielman tavoitteena oli sujuvoittaa prosesseja, vähentää virheitä ja luoda vankka pohja jatkuvalle kehitykselle sekä dataperusteiselle johtamiselle. Tutkimus noudatti DMAIC-kehitysmallia (Define, Measure, Analyze, Improve, Control). Ongelmia määriteltiin havainnoinnin, haastattelujen ja prosessikartoitusten avulla. Tuottavuutta ja laatua mitattiin Right First Time (RFT) -luvuilla sekä arvontuottavan (VA) ja arvontuottamattoman (NVA) työn jakautumisella. Analyysivaihe paljasti juurisyitä spagettidiagrammien, työvaiheiden aikamittausten ja regressioanalyysin kautta. Merkittävin hukkatyyppi oli epäoptimaalisesta layoutista johtuva liikkuminen ja materiaalien etsintä, minkä lisäksi puutteita löydettiin työohjeista ja logistiikkavirroista. Ratkaisuna laadittiin uudet, optimoidut asemapiirustukset. Käyttöönoton jälkeiset alustavat mittaukset osoittivat liikkumisesta johtuvan hukan vähentyneen takarunkoasemalla 17 % ja kahdella muulla asemalla jopa 57 %. Vaikka lopulliset hyödyt vaativat prosessin vakiintumista, alustavat tulokset osoittavat Lean Six Sigman mahdollistavan merkittävät parannukset tuotannon tehokkuuteen ja tuottavuuteen.

The goal of this thesis was to improve productivity and quality at three assembly stations using the Lean Six Sigma methodology by identifying production waste factors. The study focused on streamline processes, reduce errors, and provide a solid foundation for continuous development and data-driven management. The study utilized the DMAIC (Define, Measure, Analyze, Improve, Control) model. Problem areas were defined through observation, interviews, and process mapping. Productivity and quality were measured using Right First Time (RFT) figures and the distribution of value-added (VA) versus non-value-added (NVA) work. The analysis phase used spaghetti diagrams, time measurements, and regression analysis to find root causes. The most significant waste was movement and material searching caused by a sub-optimal layout; deficiencies were also identified in work instructions and material/logistics flows. As a result, new, optimized station layouts were created. Following implementation, preliminary measurements showed movement-related waste was reduced by 17% at the rear frame station and 57% at the other two. Although final benefits will be confirmed after stabilization, these preliminary results indicate that a systematic Lean Six Sigma approach can achieve significant improvements in production efficiency and productivity.