Kurumların karşılaştığı sorunları sadece “hissedilen” yöntemlerle değil, sistematik ve sayısal temellere dayalı araçlarla çözmeleri, sürdürülebilir başarı açısından kritik önem taşır. Bu noktada, DMAIC metodolojisi, özellikle istatistiksel analizlerle desteklendiğinde, işletmeler için güçlü bir problem çözme çerçevesi sunar.
Ayrıca değerli doktora danışmanımın Prof. Dr. Ali Rıza FİRUZAN rehberliğinde öğrendiğim DMAIC yaklaşımı tüm çalışmalarınızda yaklaşımı daha objektif ve verimli sonuçlar elde etmenizi sağlayacaktır. Bu yazdığınız tezden ev tadilatınıza kadar geçerlidir.
🔍 DMAIC Nedir?
DMAIC, Tanımla (Define), Ölç (Measure), Analiz Et (Analyze), İyileştir (Improve), Kontrol Et (Control) adımlarından oluşan, kök neden analizi yapmayı ve kalıcı çözümler üretmeyi hedefleyen bir problem çözme döngüsüdür. Genellikle Altı Sigma (Six Sigma) ve Sürekli İyileştirme süreçlerinde kullanılır.
📌 Aşamaların Özeti ve İstatistiksel Araçlar
1. Define – Tanımla
🔹 Sorun nedir? Hangi süreçte gözlemleniyor?
🔹 Müşteri şikayetleri, denetim bulguları veya KPI verileri bu aşamada değerlendirilir.
🔧 Araç: SIPOC Diyagramı, Proje sözleşmesi, CTQ (Critical to Quality)
2. Measure – Ölç
🔹 Sürece dair mevcut performans verileri toplanır.
🔹 Ölçüm sisteminin güvenilir olup olmadığı incelenir.
📊 İstatistiksel Araçlar:
- Ölçüm Sistem Analizi (MSA)
- Temel tanımlayıcı istatistikler (ortalama, varyans)
- Histogram, Pareto analizi
3. Analyze – Analiz Et
🔹 Veriler üzerinden kök nedenler belirlenir.
🔹 Sorunun ortaya çıkmasına neden olan değişkenler analiz edilir.
📊 İstatistiksel Araçlar:
- Korelasyon ve Regresyon Analizi
- Hipotez testleri (t-testi, ANOVA)
- Neden-sonuç diyagramı
- FMEA (Hata Türleri ve Etkileri Analizi)
4. Improve – İyileştir
🔹 İyileştirme fikirleri üretilir ve test edilir.
🔹 Değişkenliği azaltacak ve kaliteyi artıracak uygulamalar devreye alınır.
📊 İstatistiksel Araçlar:
- Deney Tasarımı (DoE)
- Kontrol Kartları
- Proses simülasyonları
5. Control – Kontrol Et
🔹 Uygulanan çözümlerin sürdürülebilirliği izlenir.
🔹 Süreç kontrol altında mı? Yeni varyasyon oluştu mu?
📊 İstatistiksel Araçlar:
- Kontrol Grafikleri
- Devam eden performans göstergeleri
- Standart Operasyon Prosedürleri (SOP)
📈 İstatistiğin Rolü Neden Kritik?
İstatistik, sadece sayıları değil, gizli desenleri, hataları, fırsatları ve sapmaları görmemizi sağlar. Özellikle işletmelerde, “ne olduğunu” değil, “neden olduğunu” anlamak için istatistiksel bakış zorunludur. Sayısal kanıtlarla desteklenmeyen hiçbir iyileştirme çabası, kurumsal hafızada yer edemez.
💡 Neden DMAIC + İstatistik Kullanılmalı?
✅ Veriye dayalı karar alma kültürü gelişir.
✅ Tahmine değil, kanıta dayalı iyileştirme yapılır.
✅ Hataların tekrar etmesi engellenir.
✅ Müşteri memnuniyeti artar, operasyonel maliyetler düşer.
📊 Örnek Uygulama: Bir Üretim Sürecinde Hata Analizi ve ANOVA
🎯 Senaryo:
Bir mobilya üretim tesisinde sandalyelerin arka ayak kısmında kırık oluştuğu şikayetleri artmıştır. Kalite ekibi, DMAIC metodolojisine göre çalışmaya başlamıştır.
Tanımla: Hata oranı artışı müşteri şikayetlerinde %12’lik bir artışa neden olmuştur.
Ölç: 3 farklı üretim hattından (Hat A, Hat B, Hat C) alınan günlük hata verileri aşağıdaki gibidir.
📌 Veri Seti (Toplam 15 Gözlem):
| Hat | Günlük Hatalı Ürün Sayısı |
|---|---|
| A | 3, 4, 5, 3, 4 |
| B | 6, 7, 5, 6, 6 |
| C | 2, 3, 2, 1, 3 |
🧪 İstatistiksel Analiz: Tek Yönlü ANOVA (One-Way ANOVA)
🎯 Amaç:
Üretim hatlarının hata oranları arasında istatistiksel olarak anlamlı bir fark var mı?
🔍 Hipotezler:
- H₀ (Null): Üretim hatları arasında hata oranı açısından fark yoktur.
- H₁ (Alternatif): En az bir üretim hattı diğerlerinden farklıdır.
🔢 SPSS veya R ile ANOVA çıktısı (örnek verilerle):
| Kaynak | Kareler Toplamı | Serbestlik Derecesi | Kareler Ortalaması | F | p-değeri |
|---|---|---|---|---|---|
| Gruplar Arası | 32.8 | 2 | 16.4 | 8.2 | 0.004 |
| Gruplar İçi | 20.0 | 12 | 1.67 | ||
| Toplam | 52.8 | 14 |
📌 Yorum:
- p-değeri = 0.004 < 0.05 → H₀ reddedilir.
- Üretim hatları arasında istatistiksel olarak anlamlı bir fark vardır.
✅ İyileştirme Önerileri (Improve):
- Hat B’nin hata oranı diğerlerine göre yüksek.
- Hat B’de çalışan ekipmanlar, vardiya düzeni, kullanılan malzemeler ve operatör eğitimi incelenmeli.
🔄 Kontrol Süreci (Control):
- Hat B için özel kontrol kartları hazırlanmalı.
- Haftalık kalite ölçümleri ile süreç izlenmeli.
- Hata oranı < %3 hedefi konulmalı.
📌 Bu örnek, kalite yönetimi, üretim, perakende gibi alanlarda kullanılabilecek veriye dayalı bir problem çözme yaklaşımıdır. İstatistik burada sadece “analiz” değil, aynı zamanda karar verme aracıdır.
📚 Kaynakça
- George, M. L., Rowlands, D., Price, M., & Maxey, J. (2005). The Lean Six Sigma Pocket Toolbook. McGraw-Hill.
- Montgomery, D. C. (2019). Introduction to Statistical Quality Control. Wiley.
- Pyzdek, T., & Keller, P. A. (2014). The Six Sigma Handbook. McGraw-Hill Education.
- Şimşek, M. Ş. & Sezgin, M. (2018). Toplam Kalite Yönetimi. Nobel Yayıncılık.
🖋 Dr. Ayşem Ece Yalçınkaya – Veri Analizi ve Yönetim Sistemleri Eğitmeni, Denetçi ve Süreç Mimarı
KalitEce's Blog 