Presentazione del progetto di certificazione Green Belt di un aprtecipante al master Lean six sigma Festo Academy 2011 di BNP Paribas. Miglioramento processo di gestione contratti leasing
3. BNP PARIBAS
Leader europeo nei servizi bancari e finanziari di statura mondiale
con ampia copertura internazionale e forte presenza in tutte le
grandi piazze finanziarie internazionali
Tra le 6 banche più solide (rating AA)
Capitalizzazione di
Mercato
3° banca mondiale
Mondo 12°
Europa 3°
Zona Euro 2°
Francia 1°
6° tra i brand bancari globali
3
5. TRE AREE DI ATTIVITÀ
Clientela Clientela Istituti
Privata Corporate Finanziari
Retail Banking
Investment Solutions
Corporate and Investment Banking
5
6. NOLEGGIO BENI ICT NEL GRUPPO BNP PARIBAS
Retail Banking
Società commerciale detenuta al 100%
da BNP Paribas Leasing Solutions
specializzata
in soluzioni finanziarie, amministrative e
logistiche per il parco informatico e
delle attrezzature per ufficio
7.000 filiali (5.000 fuori Francia)
21 milioni di clienti
Entità: BDDF, BNL bc, BNP Paribas Fortis, BGL BNP Paribas,
BancWest, Personal Finance (Findomestic), Equipment
Solutions (Arval, Leasing Solutions, Artegy, Arius)
6
8. PROJECT CHARTER
Business Case Problem Statement
Per raggiungere gli obiettivi economici fissati a budget è critico garantire il L’attuale documentazione contrattuale renting ed i processi di gestione dell’area
controllo dei rischi operativi legati all’attività di renting dei parchi informatici operativa renting:
aziendali, area di business in fase di sviluppo. ‐ non sono flessibili e non si adattano alla variabilità contrattuale tipica di quest’attività;
‐ richiedono un consistente intervento manuale dei gestori con un rischio operativo
E’ inoltre prevista una crescita consistente dei volumi delle pratiche renting da 14 fuori controllo.
mio€ a fine 2009 a 24 mio€ a fine 2010.
L’attuale struttura operativa non consente di gestire i volumi crescenti previsti.
Diviene strategico rendere più efficace ed efficiente la gestione della piattaforma
operativa renting attraverso:
‐ Semplificazione e standardizzazione della documentazione contrattuale
Objectives
garantendo flessibilità operativa; Mantenendo la stessa struttura operativa:
‐ Ottimizzazione dei processi di gestione operativa delle pratiche renting.
Ridurre il lead time della gestione documentale del 40% entro dicembre 2010
Migliorare lo standard qualitativo della documentazione contrattuale
Project Background Project Execution
Scope Project Leader Chiara Rozza
In scope: Champion Carlo Grossi, LIT General Manager
- Business Unit Technology Solutions, prodotto “Leasepark” Team members Renting Operations Dpt. (process owner)
- Processo produzione e stampa documentazione contrattuale Renting Operations Dpt. (gestore)
- Processo attivazione pratiche dalla raccolta della documentazione Sales LIT
contrattuale alla fatturazione al cliente e pagamento al fornitore Legal Dpt.
Out of scope: IT Development
- Altre Business Unit, altri prodotti finanziari Coach Rocco Imperatore
- Processo delibera pratiche, processi post‐vendita
Milestones
Metrics / CTQ
Actual Target
Define Measure Analyze Improve Control
68 giorni 40 giorni
Lead Time
(media) (media)
31‐Mag‐10 30‐Lug‐10 31‐Ag‐10 30‐Sett‐10 31‐Ott‐10
8
DEFINE MEASURE ANALYZE IMPROVE CONTROL
9. IDENTIFICAZIONE CTQs PROGETTO ‐ VOC
Definizione caratteristiche misurabili processo critiche per cliente
Definizione priorità e obiettivi progetto coerenti con bisogni cliente
CUSTOMER:
General Manager LIT ‐ Responsabile raggiungimento degli obiettivi
di budget e della gestione relazioni coi principali clienti.
METODO RACCOLTA VOC:
Intervista ‐ Approfondire il punto di vista del cliente riguardo il
processo e le performance attese.
VOC NEED CTQ
Ridurre il tempo di predisposizione della documentazione
La stampa della documentazione contrattuale è in gran Lead Time
contrattuale.
parte manuale e richiede troppo tempo per produrla,
imponendo un doppio inserimento dei dati (a sistema e
sui documenti) e doppi controlli. Aumentare la produttività ottimizzando il processo di
Produttività
gestione operativa dei contratti.
L'attuale documentazione contrattuale è troppo Ridurre i rischi operativi semplificando e standardizzando
complessa, diversa per ogni cliente, non flessibile la documentazione contrattuale garantendo flessibilità Qualità
rispetto alle esigenze del business, con errori. operativa.
9
DEFINE MEASURE ANALYZE IMPROVE CONTROL
10. CLARIFY DATA
PROJECT “Y” CARATTERISTICHE PERFORMACE CTQs
CTQs TIPO
DEFINIZIONE OPERATIVA LSL USL TARGET DIFETTO
DATO
CTQ PRIMARIO
40 giorni Contratti
Tempo di attraversamento medio espresso gestiti
Lead Time in giorni dalla data di proposta (ordine Continuo 0 giorni 90 giorni nel 90% oltre 90
noleggio da cliente) alla data di attivazione dei casi giorni
(1°fattura di noleggio al cliente)
CTQ SECONDARIO
Produttività Numero di contratti chiusi a persona / Continuo n/a n/a n/a n/a
Numero di persone
CTQ SECONDARIO
% contratti gestiti secondo gli standard Errori della
qualitativi definiti: tipologia
Qualità a‐ concordanza parametri contratto con Discreto n/a n/a 100% a‐, b‐ e c‐
parametri a sistema sui
b‐ clausole contrattuali coerenti contratti
c‐ assenza errori operativi
Attraverso la VOC sono stati identificati:
‐ CTQ Primario (Lead Time): misurabile e considerato criticità principale dal cliente (Y del progetto);
‐ CTQ Secondario (Produttività): misurabile e dipendente dal lead time;
‐ CTQ Secondario (Qualità): non misurabile e legato al processo as‐is.
10
DEFINE MEASURE ANALYZE IMPROVE CONTROL
11. MAPPATURA PROCESSO HIGH‐LEVEL – SIPOC
Identificazione limiti del processo e attività chiave
Accordo sponsor e team su perimetro progetto
S I P O C
Supplier Input Process Output Customer
commerciale
Delibera Rischio ACCORDO Accordo Quadro da
Area
T0 Commerciale Renting Cliente
T0 sottoscrivere
Anagrafica cliente QUADRO
Accordo Quadro
T1 sottoscritto ORDINE Ordine Noleggio da
T1 Cliente Cliente
NOLEGGIO sottoscrivere
Piano finanziario
Ordine noleggio ORDINE Ordine Noleggio da
T2 Cliente Fornitore Beni
Piattaforma
T2 sottoscritto ACQUISTO sottoscrivere
Operativa
VERBALE Verbale Consegna da Fornitore Beni
T3 Fornitore Beni Conferma ordine
T3 CONSEGNA sottoscrivere Cliente
Verbale consegna
ATTIVAZIONE 1° fattura noleggio Cliente
T4 Fornitore Beni sottoscritto
T4 CONTRATTO Pagamento fornitore Fornitore Beni
Fattura vendita
11
DEFINE MEASURE ANALYZE IMPROVE CONTROL
12. DATA COLLECTION PLAN
Supporto nel verificare l’utilità (misurare la “cosa giusta”) e la validità
statistica (misurare le “cose correttamente”) dei dati raccolti
Garantire la significatività e rappresentatività dei dati raccolti
CTQ PRIMARIO: LEAD TIME
WHO WILL COLLECT
METRIC STRATIFICATION FACTORS OPERATIONAL DEFINITION SAMPLE SIZE SOURCE AND LOCATION COLLECTION METHOD
DATA
- Mese entrata pratica
Differenza tra "data invio ordine
Y Lead Time - Totale - Commerciale 100% Forward 2000 Estrazione sistema Chiara / Mirko
noleggio" e "data attivazione"
- Numero rilavorazioni
Differenza tra "data invio ordine
X Lead Time - Ordine Noleggio / Ordine Acquisto 100% File .xls Dati manuali Chiara / Mirko
noleggio" e "data invio ordine acquisto"
Differenza tra "data invio ordine
X Lead Time - Ordine Acquisto / Verbale Consegna acquisto" e "data invio verbale 100% File .xls Dati manuali Chiara / Mirko
consegna"
Differenza tra "data invio verbale
X Lead Time - Verbale Consegna / Attivazione 100% File .xls Dati manuali Chiara / Mirko
consegna" e "data attivazione"
PERIMETRO ESTRAZIONE
Contratti decorsi dal 1 gennaio 2010 al 31 luglio 2010 (nuova organizzazione piattaforma operativa)
CRITERI SELEZIONE DATI
Eliminazione outliers :
‐ Contratti clienti speciali (processo differente)
‐ Contratti con tempi <= 5 giorni e > 160 giorni (date modificate)
DEFINIZIONE BASELINE
Estrazione da sistema informatico di:
‐ Data proposta (prima lavorazione) e data registrazione (ultima lavorazione)
‐ Pratiche rilavorate
12
DEFINE MEASURE ANALYZE IMPROVE CONTROL
13. BASELINE
Summary for Lead Time Process Capability of Lead Time
A nderson-Darling N ormality Test Calculations Based on Weibull Distribution Model
USL 90 A -S quared 1,52
P -V alue < 0,005 LSL USL
M ean 67,996 P rocess Data O v erall C apability
S tDev 40,177 LS L 0 Pp 0,41
V ariance 1614,180 Target * PPL 1,03
S kew ness 0,569771 USL 90 PPU 0,17
Kurtosis -0,383189 S ample M ean 67,9965 P pk 0,17
N 81 S ample N 81
E xp. O v erall P erformance
S hape 1,76238
M inimum 6,000 P P M < LS L 0,00
S cale 76,4729
1st Q uartile 30,500 P P M > U S L 263820,69
M edian 69,428 O bserv ed P erformance P P M Total 263820,69
30 60 90 120 150 3rd Q uartile 91,500 P P M < LS L 0,00
Lead Time M aximum 158,000 P P M > U S L 271604,94
95% C onfidence Interv al for M ean P P M Total 271604,94
59,113 76,880
95% C onfidence Interv al for M edian
60,000 76,000
95% C onfidence Interv al for S tDev
9 5 % C onfidence Inter vals 34,800 47,534
Mean
Median
60 64 68 72 76
0 30 60 90 120 150 180
Circa il 25% dei contratti è “difettoso” rispetto alle specifiche.
I parametri di posizione non rispecchiano la distribuzione reale dei dati. Sospetto di
distribuzione bimodale non dimostrato. La normalità dei dati non è verificata.
Variabilità molto elevata.
Non vi sono cause speciali che impattano sul processo (no outliers).
13
DEFINE MEASURE ANALYZE IMPROVE CONTROL
14. MAPPATURA PROCESSO – SWIM‐LANE FLOW CHART
Creazione visione comune e condivisa del processo nel team
Fotografia funzionamento processo attuale
Identificazione oggettiva criticità del processo
MAPPATURA:
ogni fase del SIPOC è stata esplosa nella flow chart per definire nel dettaglio“chi fa cosa” ed
identificare i passaggi d’attività tra attori.
AREE CRITICHE:
la mappatura ha inoltre consentito di iniziare ad identificare gli ambiti del processo inefficienti
e/o complessi su cui focalizzare l’analisi.
14
DEFINE MEASURE ANALYZE IMPROVE CONTROL
15. Cycle time = 100 minuti
Touch time = 0,10%
VALUE STREAM MAP AS‐IS
Rappresentazione flussi chiave processo (attività e informazioni)
Varie parti del processo Identificazione e quantificazione metriche principali del processo
non direttamente
Identificazione snodi critici
controllabili
15
DEFINE MEASURE ANALYZE IMPROVE CONTROL
16. DATA ANALYSIS – BOXPLOT
Analisi immediata distribuzione e variabilità dati
Boxplot of Lead Time
160
140
120
100
Lead Time
USL 90
80
60
40
20
0
Distribuzione molto dispersa (IQR = 61 giorni, Min = 6 giorni e Max = 158
giorni). Q3 oltre USL 90 giorni.
E’ necessario stratificare i dati per comprendere le fonti di variazione.
16
DEFINE MEASURE ANALYZE IMPROVE CONTROL
17. DATA ANALYSIS – INDIVIDUAL PLOT
MESE ENTRATA PRATICA COMMERCIALE
Individual Value Plot of Lead Time Individual Value Plot of Lead Time
160 160
140 140
120 120
100 100
Lead Time
Lead Time
USL 90 USL 90
80 80
60 60
40
40
20
20
0
0
0 9 0 9 0 9 0 9 0 9 0 9 0 9 0 9 09 0 9 09 0 9 0 9 1 0 1 0 1 0 1 0 1 0 1 0 10 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 10 1 0 10 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 10 1 0 10
t- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
o t no v n o v n o v n o v n o v d ic di c d ic di c d ic d i c d ic g e n g en g e n ge n f e b fe b f e b fe b a r a r a r a r a r a r a r ar a p r ap r a p r a g a g ag a g g iu gi u g iu g i u lu g l u g A B C D E F G H
m m m m m m m m m m m m
Mese Entrata Pratica Cod. Commerciale
Esistono differenze in termini di lead time a seconda del Esistono differenze in termini di lead time a seconda del
mese di entrata della pratica. commerciale che ha gestito la pratica.
Si riscontra una riduzione del lead time nel tempo, “B” e “E” hanno gestito quasi tutte le loro pratiche
sebbene la variazione rimane elevata. entro il limite di specifica.
Le pratiche entrate dal mese di aprile 2010 vengono “H” presenta la maggiore variabilità.
gestite entro il limite di specifica.
Le prestazioni dei commerciali “A”, “F” e “G”, sempre
sotto il limite di specifica, non sono rappresentative
vista la bassa numerosità campionaria.
17
DEFINE MEASURE ANALYZE IMPROVE CONTROL
18. I tempi per fase di processo sono stati
analizzati sullo STOCK AL 31.07.2010 per
DATA ANALYSIS ‐ PARETO CHART
assenza date su contratti decorsi (né a Individuazione aree intervento prioritarie
sistema né su documenti cartacei archiviati)
NR. PRATICHE IN STOCK PER FASE PROCESSO PRATICHE IN STOCK PER GIORNI ANZIANITA’ MEDIA
Pareto Chart of DOCUMENTO Pareto Chart of DOCUMENTO
200
100 100
40
ETA MEDIA STOCK
150 80
80
Percent
30 60
100
60
Percent
40
STOCK
50
20 20
40
0 0
10
DOCUMENTO
st
o na el gi
o
20 ui eg M
eg
A cq ns ol
Co N
ne le ne
di ba di
Or er Or
0 0 V
DOCUMENTO Ordine Noleggio Ordine Acquisto Mel Other
STOCK 22 13 6 2 ETA MEDIA STOCK 61 50 39 33
Percent 51,2 30,2 14,0 4,7 Percent 33,3 27,3 21,3 18,0
Cum % 51,2 81,4 95,3 100,0 Cum % 33,3 60,7 82,0 100,0
Il 50% delle pratiche in lavorazione è fermo all’invio Non esiste un effetto di Pareto rilevante sull’età media
dell’Ordine Noleggio al cliente (fase 1). dello stock.
Il 30% è fermo all’invio dell’Ordine di Acquisto al Le pratiche più anziane sono quelle in attesa di
Fornitore (fase 3). documenti dal Fornitore (Ordine Acquisto e Verbale
Consegna).
18
DEFINE MEASURE ANALYZE IMPROVE CONTROL
19. DATA ANALYSIS – TIME SERIES
Analisi esistenza trend temporali nella serie di dati
Analisi presenza eventuali cause speciali
Time Series Plot of Lead Time Run Chart of Lead Time
160 160
140
140
120
Lead Time
120 100
80
100
Lead Time
USL 90 60
80 40
60 20
0
40 1 10 20 30 40 50 60 70 80
Observation
20
Number of runs about median: 22 Number of runs up or down: 40
Expected number of runs: 41,5 Expected number of runs: 53,7
0 Longest run about median: 9 Longest run up or down: 8
ott-09 nov -09 dic-09 dic-09 gen-10 feb-10 mar-10 apr-10 mag-10 giu-10 lug-10 A pprox P-Value for C lustering: 0,000 A pprox P-Value for Trends: 0,000
Anno-Mese Proposta A pprox P-Value for Mixtures: 1,000 A pprox P-Value for Oscillation: 1,000
La distribuzione dei dati presenta un trend temporale Sebbene esiste un trend temporale discendente, il lead
discendente. time rimane molto variabile ed il processo instabile.
Da aprile 2010 tutte le pratiche sono gestite nel limite di Presenza di fenomeni di “clustering” perché ci sono pochi
specifica. run rispetto agli attesi (p‐value for clustering < 0,05).
I punti consecutivi con lead time identici rappresentano Conferma di fenomeni di “trend” (p‐value for trends <
pratiche dello stesso cliente. 0,05) come già evidenziato nella times series plot.
19
DEFINE MEASURE ANALYZE IMPROVE CONTROL
20. PROCESS ANALYSIS – VA / NVA ACTIVITIES
Analisi attività per cui il cliente è disposto a pagare (value added vs. not value added)
Analisi attività necessarie per l’azienda, ma che non aggiungono valore dal punto di
vista del cliente (business value added)
TIPO ATTIVITA’ PROCESS AS‐IS % SU TOTALE
Value Added 7 17%
Business Value Added 21 50%
Not Value Added 14 33%
TOTALE 42 100%
Le fasi Value Added rappresentano quasi il 20% del totale (nei servizi
si attestano normalmente attorno al 10%).
Le fasi Business Value Added sono preponderanti (50% del totale).
20
DEFINE MEASURE ANALYZE IMPROVE CONTROL
21. POTENTIAL CAUSES ANALYSIS ‐ FISHBONE
Analisi qualitativa cause potenziali (Brainstorming e Diagramma Affinità)
Cause-and-Effect Diagram
Measurements Material Personnel
Testo docs
No misurazione Layout docs Commerciale
performance processo
No standard compilazione
Lead Time
elevato e
Gestione circuito info v ariabile
commerciali/gestori
Disposizione uffici No dati processo
Tempo firma cliente
Attità extra-processo non
ottimizzate
Archiviazione cartacea Blocchi IT
Gestione manuale docs
Tempo consegna fornitore
No doppi controlli Stampa docs
semi-automatica
No specializzazione per
attività
Env ironment Methods Machines
Aree d’intervento prioritarie individuate sono: Methods, Machines, Material.
La marcata evidenza delle cause individuate ha fatto propendere al passaggio
dell’individuazione immediate delle soluzioni, senza ulteriori approfondimenti analitici.
21
DEFINE MEASURE ANALYZE IMPROVE CONTROL
22. QUICK WINS
Individuazione azioni implementabili immediatamente (Brainstorming)
Definizione Action Plan
IMPATTO
CAUSA SOLUZIONE Rischio
Lead Time
Operativo
No misurazione performance
- Implementazione KPI seguito processo (manuali) X
processo
Gestione circuito informazioni - Creazione script anagrafica cliente
X X
tra commerciali / gestori - Creazione script / calcolatore condizioni finanziarie
Blocchi IT - Formazione IT a gestori X
- Attivazione circuito archiviazione ottica per documentazione
Archiviazione cartacea X X
contrattuale e fatture fornitori
Attività extra‐processo non - Creazione mailing list automatizzata ed invio di gruppo del
X
ottimizzate (es. invio DURC) documento ogni mese
22
DEFINE MEASURE ANALYZE IMPROVE CONTROL
23. IMPROVEMENTS
Individuazione soluzioni da implementare per ridurre / eliminare cause
identificate (brainstorming)
Definizione Action Plan
IMPATTO
CAUSA SOLUZIONE
Rischio
Lead Time
Operativo
- Revisione testo documentazione contrattuale da parte del
Testo Documenti X
Legale
- Revisione layout documentazione contrattuale da parte
Layout Documenti del Marketing Operativo X X
- Creazione standard istruzioni compilazione visuali
- Automatizzazione stampa documetazione contrattuale e
Gestione documentazione gestione documentale a sistema (sviluppo IT) X X
non automatizzata
- Automatizzazione report performance
23
DEFINE MEASURE ANALYZE IMPROVE CONTROL
24. OTTIMIZZAZIONE FLUSSI – PROCESS TO‐BE
Obiettivo di eliminare costi nascosti, ridurre complessità e lead time
processo, utilizzare meglio le risorse
TIPO ATTIVITA’ PROCESS AS‐IS PROCESS TO‐BE DELTA
Value Added 7 7 0
Business Value Added 21 19 ‐2
Not Value Added 14 2 ‐12
TOTALE 42 29 ‐14
Sulla base dell’analisi di processo sono state eliminate quasi tutte le fasi Not Value
Added (12 su 14).
Gli step Business Non Value Added sono stati ridotti (da 21 a 19) e semplificati per
renderli più fluidi e funzionali agli step Value Added (es. controlli su fasi chiave).
24
DEFINE MEASURE ANALYZE IMPROVE CONTROL
25. RISULTATI
Time Series Plot of Lead Time
70
EVOLUZIONE LEAD TIME 160 Categoria
(in giorni) after
before
140
60
120
- 69%
50
100
Lead Time
TARGET USL 90
40 80
68 60
30
40
20
36 33 20
10 21
0
2010-1 2010-1 2010-3 2010-4 2010-5 2010-6 2010-7 2010-7 2010-8 2010-9
0 Anno-Mese
Luglio Agosto Settembre Ottobre
Il lead time medio è passato da 68 giorni (baseline) a Il trend temporale discendente è più accentuato nell’ultimo
30 giorni (pratiche da agosto a ottobre 2010) trimestre.
riducendosi del 69%.
Minore oscillazione del lead time nell’ultimo trimestre.
Nell’ultimo trimestre tutte le pratiche sono state
gestite entro il target di 40 giorni.
25
DEFINE MEASURE ANALYZE IMPROVE CONTROL
26. RISULTATI
Test for Equal Variances for Lead Time Process Capability of Lead Time
Calculations Based on Weibull Distribution Model
F-Test
Test Statistic 0,14
after P-Value 0,000 LSL USL
Categoria
P rocess Data O v erall C apability
Lev ene's Test
LS L 0 Pp 1,06
Test Statistic 20,44 Target * PPL 1,05
P-Value 0,000 USL 90 PPU 1,07
before S ample M ean 30,1429 P pk 1,05
S ample N 28
E xp. O v erall P erformance
S hape 2,00826
10 20 30 40 50 P P M < LS L 0,00
S cale 33,6407
P P M > U S L 734,88
95% Bonferroni Confidence Intervals for StDevs
O bserv ed P erformance P P M Total 734,88
P P M < LS L 0,00
P P M > U S L 0,00
P P M Total 0,00
after
Categoria
before
0 25 50 75 100 125 150 175
Lead Time 0 20 40 60 80
Le performance del processo sono sensibilmente migliorate.
La varianza del lead time del processo "prima" delle implementazioni e quella "dopo" le
implementazioni sono statisticamente differenti. Gli intervalli di confidenza non sono
sovrapposti. P‐value = 0 conferma l’ipotesi alternativa, ovvero Ha: varianza “before” ≠ varianza
“after”.
La difettosità del processo si è sensibilmente ridotta passando dal 25% al 7% e la prestazione
effettiva (Ppk) è migliorata da 0,17 a 1,05.
26
DEFINE MEASURE ANALYZE IMPROVE CONTROL
27. RISULTATI
Le implementazioni effettuate nell’ambito del
progetto hanno consentito di:
Ottenere un risparmio totale annuo di circa
30.000 euro a fronte di un investimento in
sviluppo informatico iniziale di circa 10.000
euro.
Eliminare i rischi operativi legati ad errori nella
documentazione e nella reportistica.
Le soluzioni di miglioramento del layout della
documentazione verranno estese ad altre aree aziendali,
in particolare in ambito Customer Care con la revisione
dei format di richieste informazioni ai clienti.
27
DEFINE MEASURE ANALYZE IMPROVE CONTROL
28. LESSONS LEARNT
La flessibilità degli strumenti propri del Six Sigma
rende la loro applicazione efficace anche per la
risoluzione di problemi in ambito transazionale.
“Nobody’s perfect, but a team can be” (M. Belbin)
Il forte coinvolgimento ed interesse di sponsor e team
hanno rafforzato l’efficacia della metodologia DMAIC.
Il maggior tempo dedicato alle fasi di Define e
Measure ha facilitato e reso più oggettivo il lavoro
col team nelle fasi di Analyze e Improve.
28
DEFINE MEASURE ANALYZE IMPROVE CONTROL