Minder verspilling, betere kwaliteit!
Lean Six Sigma en Process Mining is een krachtige combinatie, in deze blog lees je waarom! Binnen veel organisaties is verbetering van processen een thema en wordt Lean Six Sigma veel toegepast. Van oorsprong bestonden Lean en Six Sigma los van elkaar. Lean is afkomstig van Toyota en voor het eerst beschreven in Lean Thinking door James P. Womack and Daniel T. Jones. Terwijl Six Sigma door Bill Smith is “ontdekt”, een engineer van Motorola.

Lean richt zich op het tegen gaan van verspilling en gebruikt daarbij het begrip Value Stream. Met een “Value Stream Mapping” breng je alle activiteiten in kaart die nodig zijn voor een product, dienst of bepaald resultaat. Vervolgens bepaal je van alle activiteiten of het verspilling is. Six Sigma richt zich op het verminderen van fouten. Het streven van Six Sigma is om maximaal 3,4 fouten op 1 miljoen. Om Six Sigma goed toe te passen is kwantificering en behoorlijke doses statistiek nodig. Met Lean Six Sigma combineer je het beste van 2 werelden; minder verspilling en beter kwaliteit!
Lean Six Sigma in de praktijk
In de praktijk zie ik echter vaak dat de combinatie niet tot het beste resultaat leidt. De genoemde kwantificering en statistiek die kenmerkend is voor Six Sigma wordt in veel organisaties achterwege gelaten. Onder het mom van “meten is weten” is de analyse vaak niet meer dan medewerkers die een aantal weken turven of een analyse van wat aantallen en doorlooptijden uit het BI-systeem. Bij dat laatste blijkt vaak al snel dat de kwaliteit van de data onbetrouwbaar is maar met wat filtering en aannames is daar best iets van te maken.
Eigenlijk zonde als je kijkt naar alle tijd en energie die er in een verbetertraject wordt gestoken om je vervolgens te baseren op “onbetrouwbare” kwantitatieve onder bouwing. Maar wel begrijpelijk als ik zelf terug denk aan de lessen statistiek op school en mijn eigen ervaring met Six Sigma. Wat ging er veel tijd en inspanning zitten in het verzamelen van goede meetgegevens en de analyse daarvan. In sommige gevallen leidde de kwantitatieve onderbouwing niet eens tot een betere oplossing maar dat weet je helaas pas achteraf!
Kan Lean Six Sigma ook anders?
Zou het niet mooi zijn wanneer er technieken bestaan die veel minder inspanning vragen maar waarmee je wel een goede onderbouwing van je verbetertraject kunt doen? Technieken waarbij je niet zelf een groot statisticus hoeft te zijn maar de statistiek voor je wordt gedaan? Technieken waarbij je niet gebonden bent aan een korte periode van een aantal weken maar maanden of zelfs jaren kunt bekijken? Dan kun je echt het beste van de 2 werelden; Lean en Six Sigma met elkaar combineren.
Zoals je misschien al had verwacht (op een website van Process Mining) is Process Mining een techniek die exact dat kan. Met een beperkte inspanning (uren) krijg je de kwantitatieve onderbouwing die je zoekt. Zonder dat je daarbij je hoeft te verdiepen in allerlei statistiek! Process Mining staat natuurlijk bekend om het kunnen visualiseren van processen op basis van data uit de IT systemen. Daarnaast biedt Process Mining echter ook de statistische informatie die je voor een Lean Six Sigma traject nodig hebt. Denk bijvoorbeeld aan:
- Hoeveelheid uitvoeringen van de activiteiten;
- Aantal keren dat cases van de ene activiteit naar een andere gaan;
- Aantal keren dat cases nog een keer door een activiteit heen gaan;
- Doorlooptijden en wachttijden tussen de verschillende activiteiten.
Meer weten over Process Mining?
Schrijf je in voor de gratis Masterclass!
Wat kan Process Mining nog meer doen voor je Lean Six Sigma project?
Daarnaast levert Process Mining inzicht in de spreiding van deze gegevens en inzicht in de verbanden. Daarmee kun je de oorzaken identificeren maar ook goed inzicht krijgt in de omvang.
Process Mining is een ideale techniek om Lean en Six Sigma daadwerkelijk te combineren en het beste uit beide werelden te halen: Minder verspilling en betere kwaliteit!
Zelf aan de slag met Process Mining binnen jouw organisatie?
Schrijf je in voor de gratis Masterclass!

Roderick Schreuder
Roderick Schreuder is een technologie ondernemer en data science expert. Hij heeft + 20 jaar ervaring in verschillende sectoren bij organisaties zoals Philips, ING, Heerema, Achmea, NXP en Belastingdienst. Sinds 2006 is hij betrokken bij BiZZdesign en heeft zich recent gestort op de data science techniek ‘Process Mining’ bij MonkeyMining. Roderick is regelmatig gastspreker op conferenties en congressen en wordt regelmatig gevraagd om technologie inspiratiesessies voor directies en management teams te faciliteren. Daarnaast is hij verbonden aan de Hogeschool Utrecht, Avans Hogeschool en Business University Nyenrode.
Recente reacties