GRUPPARBETE. Förbättringsprojekt på ICA Supermarket Porsön Studie av kötider. IEK215 Statistisk processtyrning och Sex Sigma Ht-2005

Transkript

1 GRUPPARBETE Förbättringsprojekt på ICA Supermarket Porsön Studie av kötider IEK215 Statistisk processtyrning och Sex Sigma Ht-2005 Anders Drott Johannes Ellström Eric Sellgren Kristin Åberg Luleå tekniska universitet Institutionen för industriell ekonomi och samhällsvetenskap Avdelningen för kvalitets- och miljöledning

2 Sammanfattning Detta arbete ingår som en del i kursen IEK215, Statistisk processtyrning och Sex sigma. I arbetet har vi genomfört en förbättringsstudie med hjälp av DMAIC-cykeln på kötiderna hos ICA Supermarket Porsön. Vi har använt oss av primärdata i form av egna mätningar av kötiden under en eftermiddag i butiken. Dessutom har vi fått tillgång till sekundär data i form av ICAs egen statistik över kundvariationen mellan veckor, dagar och klockslag. Fiskbensdiagram upprättades utifrån våra observationer över vad som leder till kötider samt exceldiagram och styrdiagram upprättades över de insamlade data. Utifrån diagrammen kunde vi tolka att den största orsaken till långa kötider är variationen av inkommande kunder. Då det är svårt att ändra kundernas köpbeteende är förbättringsförslagen som tagits fram i första hand fokuserade på att minska kötiderna med den befintliga kundvariationen. Ett förbättringsförslag för att minska variationen är att ha rabatt till kunder som handlar vid tidpunkter då det är ett lägre kundtryck. Övriga förbättringsförslag som vi kommit fram till är bland annat att synliggöra vilka kassor som är öppna, informera kunderna om kortdragning samt ändra hanteringen av kassar.

3 Innehållsförteckning 1 Introduktion Teori Sex sigma och DMAIC Flödesschema Fiskbensdiagram Styrdiagram Define Problembeskrivning Lösningsväg Avgränsningar Besparingspotential Risker Measure Fiskbensdiagram Insamling av data Resultat från datainsamlingen Synpunkter från kunder och kassörskor Problem under measure delen Analyse Sekundärdata Primärdata Improve / Control Förbättringsförslag Besparingspotential Diskussion Referenser Böcker Artikel Hemsida Bilaga Bilaga

4 1 Introduktion 1917 startade Hakon Swenson Hakonbolaget i Västerås och detta bolag kom senare att ombildas och blev 1938 känt som ICA. Idén med Hakonbolaget var att enskilda handlare skulle kunna gå samman i inköpscentraler för att genom gemensamma inköp och gemensam marknadsföring vinna samma stordriftsfördelar som stora kedjeföretag. ( Idag består ICA-koncernen av ungefär 2500 butiker och är ett av Nordens ledande detaljhandelsföretag. I gruppen ingår helägda försäljningsbolag, ICA Sverige, ICA Norge och Etos som säljer produkter inom hälsa och skönhet. Koncernen ägs till 40 % av Hakon Invest AB och till 60 % av holländska Royal Ahold N.V. ( ICA Sverige består av 1506 butiker vars affärsidé är att vara det ledande detaljhandelsföretaget i Sverige med fokus på mat och måltider ( Inom ICA Sverige AB så äger och driver varje ICA handlare sin egen butik. Det finns fyra olika butikskoncept; ICA Nära, ICA Supermarket, ICA Kvantum och ICA MAXI Stormarknad. Dessa skiljer sig i storlek och produktsortiment med ICA Nära som den minsta och lättillgängliga butiken och ICA MAXI stormarknad med butiken som har allt på samma ställe till lägre priser. ( ICA Supermarket Porsön (refereras som butiken) är en lokal ICA-butik på Porsön utanför Luleå. Hos en ICA Supermarket butik ska man kunna hitta det mesta för sina dagliga hushållsinköp. De ska erbjuda en god service och ha ett brett produktutbud. Som lokal privatägd ICA-butik är det extra viktigt att ha en nära kundkontakt och känna till sina kunders behov. ICA Supermarket Porsön är en butik studenterna vid LTU ofta handlar i. Det är matvarubutiken som ligger närmast campus och då studenter sällan har tillgång till bil så väljer de ofta det bekväma alternativet att handla på Porsön. En annan stor kundgrupp som handlar i butiken är småhushåll lokaliserade på Porsön. Vid intervjuer med studenter och samtal med butiksansvarig framkom att ett av de största problemen hos ICA Supermarket Porsön är den stundtals långa kötiden. Enligt butikschefen hade man gjort en kundundersökning som bekräftade att detta var den största källan till ökad kundmissnöjdhet. Efter diskussion med anställda på butiken så framkom också att lång kötid bidrar till en stressig arbetsmiljö som i slutändan kan leda till sjukfrånvaro. Detta bekräftas också av en gruppmedlem till detta arbete som har mångårig erfarenhet av kassatjänst vid en ICA butik i Örnsköldsvik. Om man drar ned på de stundtals långa kötiderna skulle det få en rad positiva effekter; nöjdare och mer lojala kunder (Bergman & Klefsjö, 2001), mer välmående medarbetare samtidigt som resurser frigörs till annat arbete. Syftet med denna studie inom Sex Sigma är att ta fram förbättringsförslag för att minska kötiderna i kassan på ICA Supermarket Porsön.

5 2 Teori 2.1 Sex sigma och DMAIC Sex sigma kommer ursprungligen från det amerikanska företaget Motorola. De startade sin sex sigma satsning Efter Motorolas lyckade försök, började andra stora företag med liknande arbete. (Park, 2003) I dagsläget är sex sigma väldigt populärt över hela världen, då det ses som en ny fräsch kvalitetsstrategi som kan ersätta exempelvis TQC (Total Quality Control) och TQM (Total Quality Management). Men även företag som inte var så lyckosamma i viss implementering av TQC eller TQM är intresserade av sex sigma. (Park, 2003) Metoden går ut på att reducera processers variation med hjälp av statistiska verktyg och tekniker. För existerande processer och produkter är det brukligt att använda sig av DMAIC cykeln. (Banuelas & Antony, 2004) DMAIC metodiken är indelad i fem faser: Definition, Measurement, Analysis, Improvement och Control. (Park, 2003) Figur 1. De fem förbättringsfaserna. (Park, 2003) Fas 0: (Definition) I denna fas identifieras produkten eller processen som skall förbättras. Fas 1: (Measurement) I fas 1 görs en kartläggning av processer och beroende variabler tas fram. Nödvändiga mätningar utförs också i denna fas samt mätning av processduglighet. Fas 2: (Analysis) Här analyseras produkternas och processernas prestation. Vanliga faktorer till lyckosam prestation identifieras. Fas 3: (Improve) Här väljs de delar i processen som måste förbättras för att de uppsatta målen skall nås. Sedan utarbetas lösningar för att eliminera orsakerna till problemen.

6 Fas 4: (Control) I den sista fasen övervakas processen med hjälp av statistisk processtyrning (SPS). Beroende på resultatet i fas 4, kan det vara nödvändigt att gå tillbaka till en eller flera av de tidigare faserna (Park, 2003). 2.2 Flödesschema Ett flödesschema skall beskriva en befintlig och specifik process från start till mål. Med hjälp av vedertagna symboler kan processen visualiseras. Detaljnivån kan variera mellan olika scheman. Ett vanligt arbetssätt är att börja med ett övergripande flödesschema för att sedan gå djupare in på de delar som är berörda. (Montgomery, 2005) Anledningen till att flödesschaman skapas är att lättare kunna hitta processer och aktiviteter som inte skapar värde. Ju mer detaljerat ett schema är desto lättare är det att identifiera dessa processer och aktiviteter. Nästa steg är att eliminera de icke värdehöjande aktiviteterna. Detta kan bland annat ske genom att; ändra arbetsordningen, ändra arbetsmetoder, och förbättra träning. (Montgomery, 2005) 2.3 Fiskbensdiagram Fiskbensdiagrammet används främst för att på ett strukturerat sätt identifiera, sortera och tydligt illustrera tänkbara orsaker till problem som uppkommer i en verksamhet. Av diagrammet framgår även orsakernas inbördes beroende samt hur de olika orsakerna rangordnas, med hänsyn taget till hur stor inverkan de har på problemet ifråga (Bergman & Klefsjö, 2001). Fiskbensdiagrammet kan sedan ligga till grund för val av vilka parametrar som ska studeras eller som beslutsunderlag för var förbättringsåtgärder bör utföras. Ju svårare orsakerna är att se desto mer finns att vinna genom att använda fiskbensdiagrammet. Förutom ovanstående fördelar för verktyget även med sig andra vinster (Montgomery, 2005). Enligt Montgomery för verktyget med sig en förbättrad laganda inom förbättringsgruppen. Genom att upprätta diagrammet i grupp blir val av vidare åtgärder enklare att motivera. Samtidigt säkerställs även att de inblandade fokuserar på samma sak samt att alla jobbar åt samma håll. Att upprätta och arbeta utefter ett fiskbensdiagram flyttar dessutom fokus från att belägga skuld till att attackera orsaker till problemet i fråga. Upprättandet av fiskbensdiagrammet kan sammanfattas i fyra faser (Bergman & Klefsjö, 2001): 1: Definiera problemet. Med ett bra definierat problem underlättas mycket av arbetet. Alla gruppmedlemmar bör ha samma uppfattning om vad det är för problem som ska struktureras upp. 2: Identifiera huvudorsaker. Huvudorsakerna till ett problem går ofta att finna i några av de sju M:en : Människa, Maskin, Metod, Material, Miljö, Mätning och Management. 3: Identifiera delorsaker. På samma sätt som med huvudorsakerna söks, t.ex. med hjälp av brainstorming, delorsaker till problemet. Med utgångspunkt från varje enskild huvudorsak identifieras saker som kan påverka den. 4: Markera intressanta orsaker. Orsakerna kan sedan betygsättas utifrån vilka som har störst inverkan på problemet samt vilka som är möjliga att påverka. Det färdiga diagrammet ger en

7 bra helhetsbild över problemet och kan sedan användas till att välja ut de parametrar den fortsatta studien ska fokusera på. 2.4 Styrdiagram Styrdiagrammet används vanligtvis för att presentera hur en tillverkningsprocess varierar men kan även användas på andra processer. Förutsättningar är att processens utfall är mätbart samt att de resurser som krävs för att mäta och dokumentera resultatet är rimliga. Styrdiagram kan i princip användas på alla processer där utfallet mäts. Variationer över exempelvis dygnet eller partiet upptäcks vilket skapar möjlighet till att eliminera problem innan de hinner försämra kvaliteten. Verktyget har som huvudsyfte att identifiera orsaker till fel, minska variationer samt att övervaka och dra lärdom av en process. (Bergman & Klefsjö, 2001) Exempel på olika styrdiagram och deras användningsområden är (Montgomery, 2005): X, R och X, S (vid analys av variabeldata då relativt stora skift vill identifieras) cusum- och EWMA (variabel- eller attributdata då mindre skift vill upptäckas) p och np (attributdata då större skift vill upptäckas) c och u (attributdata då större skift vill upptäckas) Arbetsgången vid upprättande av styrdiagram sammanfattas i fem punkter (Bergman & Klefsjö, 2001): 1: Vad skall mätas. Till att börja med bestäms vilket eller vilka mått som skall vara underlag för kontroll. Dessa mått bör vara av stor vikt för kvaliteten eller styrande på något annat sätt. Processkartläggning och fiskbensdiagram kan vara hjälpsamma verktyg i denna fas. 2: Beräkna styrgränser. Styrgränserna sätts så att diagrammet är känsligt för systematiska processförändringar. Risken för falska larm bör dock reduceras. En god balans mellan känslighet och risk för falsklarm brukar ligga vid tre standardavvikelser från målvärdet. 3: Rita ut målvärde. Processens medelvärde bör ligga så nära målvärdet som möjligt. 4: Genomföra mätningar. Grupper om exempelvis fem detaljer tas med jämna mellanrum ut. Det intressanta måttet ifråga mäts upp varefter medelvärdena prickas in i styrdiagrammet. Ofta förs ett parallellt diagram över inomgruppsvariationen. 5: Utvärdera styrdiagrammet. Larmpunkter identifieras och analyseras för att orsaker till processvariation ska kunna elimineras.

8 3 Define 3.1 Problembeskrivning En av de största källorna till hög kundmissnöjdhet hos kunderna på ICA Supermarket Porsön är enligt butikschefen långa kötider i kassan. Dessa kötider skapas av en rad olika anledningar; för lite personal i kassorna, variationer i besökstryck från kunderna, upplägget i kassorna samt bristande rutiner. Syftet med detta arbete är att ta reda på hur de långa kötiderna uppstår och därefter ta fram förbättringsförslag för att minska kötiderna i kassan. 3.2 Lösningsväg För att kunna få svar på vad det är som skapar de långa kötiderna genomfördes under en dag mätningar av kötiderna i kassorna på ICA Supermarket Porsön. På grund av begränsade resurser utfördes mätningarna under en eftermiddag. För att få en mer representativ bild har insamlad data kompletterats med ICAs egna mätningar över antal kunder och omsättning. De insamlade data analyserades med hjälp av olika verktyg inom Sex Sigma och därefter togs förbättringsförslag fram. 3.3 Avgränsningar Kötiden beräknas från att kunden ställer sig i kö till att kunden packat klart samtliga varor och lämnat varubandet (se figur 3 och 4). Mätningarna utfördes under en dag och under en begränsad tid. Detta ger inte en representativ bild över kötiderna under hela året. För att få en mer övergriplig bild användes ICA Supermarket Porsöns statistik över kundbesök. Våra mätningar utfördes på en av kassorna, men antalet öppna kassor noterades också. Kötiden kan delvis bero på kassör, vilket inte tas med i detta arbete då det är svårt att få fram en signifikant skillnad då mätningarna utförs under begränsad tid. Syftet med detta arbete är inte att ta fram de olika kassörskornas prestation utan att minska kötiderna oberoende av vem som sitter i kassan. Antagande har gjorts om att kötiden är positivt korrelerad med antalet kunder i butiken. Förbättringsförslagen som tas fram ska vara ekonomiskt realistiska och genomförbara. 3.4 Besparingspotential Kostandsreducering kan uppskattas i form av högre effektivitet i kassorna. Denna effektivisering kan i längden leda till reducerad arbetstid i kassan som kan användas till andra arbetsuppgifter. Nöjdare kunder är lojala kunder vilket leder till högre intäkter. 3.5 Risker Risker som kan uppkomma vid arbetet är att förbättringsåtgärderna som tas fram är för kostsamma eller får en negativ inverkan på andra moment. För att reducera den risken läggs fokus på realistiska och ekonomiskt genomförbara åtgärder. Eftersom det inte kommer göras någon implementering av förbättringsförslagen kommer det bli svårt att mäta den faktiska besparingspotentialen. En ytterliggare risk är att mätningen kan motarbetas av personalen då de kan uppfatta förbättringsåtgärderna som hot i form av personalrationaliseringar. För att minska denna risk är det viktigt att informera hela personalstyrkan om syftet med studien. Då

9 studien enbart utförs vid ett tillfälle kommer inte alla faktorer och trender med i resultatet, vilket på så sätt kan leda till dålig realibilitet och validitet.

10 4 Measure 4.1 Fiskbensdiagram För att få en bättre uppfattning om vad som leder till långa väntetider i kassorna upprättades ett fiskbensdiagram, se figur 2 nedan. De huvudorsaker som leder till väntetid identifierades till köuppbyggnad, uppackning, expediering, betalning samt packning av varor. Under varje huvudorsak togs delorsaker fram till respektive huvudorsak. Uppackning Betalning Antal varor Fullt i nedpacknings utrymmet Betalningmetod Bandet stannar Tillvägagångssätt Långsam expediering Info. Växel Typ av vara Väntetid Variation av kundtrycket Antal varor Föregående kunders process Typ av varor Dålig info. Glömt kasse Schema Monotomt arb. Färdigheter Val av kö Attityd Köuppbyggnad Nedpackning Expediering Figur 2. Fiskbensdigram över väntetiden i kassorna.

11 4.2 Insamling av data För att få en inblick i köfluktuationerna och kötidernas längd spenderades en eftermiddag med att studera köerna på ICA Supermarket Porsön. Insamling av kvantitativ data skedde genom tidtagning av kötider i kassorna. Kvalitativ data samlades även in genom kortare intervjuer med personal samt ICA Supermarket Porsöns kunder. Data från ICA koncernens egen kundundersökning, Kompassen, har även använts för att få en mer representativ bild av fluktuationerna över dagen, mellan veckodagar och mellan veckor. Tidtagning togs för kötiden på var 5:e kund, från att kunden ställde sig i eventuell kö till dess att den packat samtliga varor. Mätning av kötiden för var 5:e kund valdes för att få icke korrelerad data och undvika falsklarm. Vid varje tidtagning noterades totala antalet kunder i kö samt särskilda händelser som skedde i och runt kassorna. För att visualisera processen har processkartläggning gjorts för kassan utifrån kundens perspektiv samt utifrån kassörskans perspektiv (se figur 3 och 4). Processkartläggningen visar vilka moment i processen som är värdeskapande och vilka moment som i möjligast mån bör reduceras. Kund ställer sig i kö (klockan startas) Väntetid Packar upp Ev. väntetid Första varan registreras Blir expedierad Betalar Packar ner Färdigpackad (klockan stannar) Figur 3. Processkarta utifrån kundens perspektiv.

12 Hälsning Kontroll av ledigt fack Ev. väntetid Ja Ja Ja Varor? Ja/nej Registrera Postärende? Ja/nej Posthantering Hyfilm? Ja/nej Filmhantering Nej Nej Nej Betalning Ev. växel Figur 4. Processkarta utifrån kassörskans/kassörens perspektiv. 4.3 Resultat från datainsamlingen Resultaten från datainsamlingen visade att det var stora skillnader i kötiden mellan olika tidpunkter under eftermiddagen och kvällen. Genom att vara medveten om fluktuationerna i kundantal kan resurser anpassas efter rådande situation och på så sätt kan kötiderna bli mer jämna över tiden och en reducering av topparna kan ske. I analysfasen kommer styrdiagram upprättas för det insamlade primärdata och Exceldiagram för erhållen sekundärdata. 4.4 Synpunkter från kunder och kassörskor Efter samtal med ICA Supermarket Porsöns kunder kom det fram att kunder ofta upplever kötiden som mycket längre än vad den faktiska tiden är. En ytterliggare kommentar från kunderna var frustrationen över att behöva köa så pass länge då de enbart har ett fåtal varor. Efter samtal med kassörskorna framkom att postkassan och dvd-uthyrningen ses som ett stressmoment. De upplevde även stress och kände sig otillräckliga vid uppbyggande av långa köer. Kassörskorna anser själva att de arbetar bäst vid varierade arbetsuppgifter och är bättre kassörskor om de inte behöver sitta så länge i kassan i sträck. 4.5 Problem under measure delen Vid tidpunkten för mätningarna genomförde butiken smärre ombyggnationer vilket fick till följd att postkassan betjänades enskilt samt att dvd-uthyrningen för tillfället var stängd. Detta medförde att de mätningar som genomfördes utfördes på kassa två och tre. Mätningarna och observationerna som erhölls är giltiga även om inga mätningar erhölls för den intressanta postkassan. Ett antal problem som upptäcktes var att mätdata från tidsstudierna av kötider samt antal personer i kö på ICA Supermarket Porsön inte var normalfördelad (se bilaga 1), vilket är en förutsättning då man upprättar Shewartdiagram. För att ändå kunna upprätta styrdiagram logaritmerades data.

13 5 Analyse 5.1 Sekundärdata Den insamlade sekundärdatan har analyserats med hjälp av Excel. Jämförelser har genomförts mellan klockslag på dagen, mellan veckodagar och mellan veckor under året. Enligt ICA Supermarket Porsöns egen statistik från perioden till handlar genomsnittskunden sju varor per besök och den genomsnittliga varukorgen kostar 107 kr. Första jämförelsen har gjorts mellan vecka 20, 21 och 22 samt mellan klockslagen på dagen. Antal kunder per vecka Antal kunder V20 (9708 kunder) V21 (6612 kunder) V22 (6848 kunder) Klockslag Diagram 1. Visar antalet kunder Vecka 20,21 och 22 fördelat efter klockslaget på dagen. I diagrammet ovan (diagram 1) kan man utläsa antalet kunder vid olika tidpunkter på dagen. Siffrorna inom parentes i högra delen av bilden anger totala antalet kunder under respektive vecka. Den första punkten på x-axeln, klockan 10, markerar hur många kunder som handlar i butiken mellan klockan Den sista punkten, klockan 21, anger således antalet kunder som handlar efter klockan 21. Vid analys av ovanstående diagram (diagram 1) kan man tydligt urskilja trender vid vilken tidpunkt kunderna väljer att handla i butiken. De flesta kunder kommer in efter arbetet eller skolan vilket resulterar i en topp mellan klockan Man kan även antyda ett lokalt maximum vid lunchtid, mellan klockan Trenderna är likartade mellan de olika veckorna. Dock kommer det in betydligt fler kunder vecka 20 jämfört med vecka 21 och 22. Variationen i det totala kundantalet beror på att en av butikens största kundgrupper, studenterna vid LTU, lämnar Porsön under somrarna. Den sista punkten i diagrammet anger hur många kunder som besöker kassan efter klockan 21. Anledningen till att antalet kunder är så få vid den sista punkten beror på att butiken stänger klockan 21 men att det ändå är ett fåtal som inte hunnit betala innan stängning. Nästa jämförelse har gjorts mellan veckorna 51, 52, 1 och 2. Även här har hänsyn tagits till klockslaget på dagen.

14 Antal kunder per vecka Antal kunder Klockslag V1 (7602 kunder) V2 (9759 kunder) V51 (4599 kunder) V52 (4261 kunder) Diagram 2. Visar antalet kunder Vecka 51-2 vid respektive klockslag. Diagrammet ovan (diagram 2) visar antalet kunder under veckorna 51, 52, 1 och 2 fördelat på klockslag. I diagram 2 kan en markant skillnad utläsas mellan de olika veckorna. Vecka 1 och vecka 2 har likartat utseende som graferna i diagram 1 det vill säga toppar mellan klockan och klockan Anledningen till att det är fler kunder vecka 2 jämfört med vecka 1 är att studenterna börjar återvända till butiken under vecka 1 och vecka 2 har de flesta kommit tillbaka efter julledighet (jämför med vecka 20 diagram 1). Under julveckorna (vecka 51 och 52) ses inga tydliga toppar eller trender. Dessutom är antalet kunder avsevärt mycket lägre än vid någon annan undersökt vecka. Det låga kundantalet misstänks bero dels på att studenterna åkt hem men också att de övriga kunderna väljer att göra sin julhandel vid någon mer välsorterad butik. Anledningen till att det inte finns några trender eller toppar under julveckorna tyder på att kundbeteendet är annorlunda under dessa veckor. Många kunder har ledigt under julveckorna och antalet kunder vid respektive klockslag blir mer jämt fördelat jämfört med övriga veckor. 5.2 Primärdata Shewartdiagram upprättades över det insamlade primärdata över kötiden. Shewartdiagram valdes för att kontrollera om processen var stabil och upptäcka eventuella uteliggare och orsakerna till dessa. Individuella mätvärden valdes för att kunna utnyttja mätvärdena maximalt. Värdena över kötiden var inte normalfördelade vilket är en förutsättning vid upprättande av Shewartdiagram. För att få normalfördelad data logaritmerades kötiderna innan diagrammet upprättades. Styrdiagrammet nedan (diagram 3) beskriver logaritmerade mätningar av kötiden.

15 X Chart for Col_3 X 1,2 0,8 0,4 UCL = 1,02 CTR = 0,45 LCL = -0,12 0-0, Observation Diagram 3. Logaritmerade värden över kötid från statgraphics. Mätningarna utfördes måndagen den 14 november mellan klockan I styrdiagrammet (diagram 3) erhålls sex larm, varav fyra under den undre styrgränsen. Dessa fyra beskriver kunder som stått i kön under en väldigt kort tid. Punkt 16 och 17 är kunder som kommit till kassan vid en tidpunkt då det inte var någon kö, endast inhandlat tobaksprodukter samt betalat dessa kontant. Utifrån dessa grunder blev kundens kötid väldigt kort; 30 respektive 26 sekunder. Punkt 56 och 66 är också kunder som kommit till kassan vid tidpunkter då det enbart stod ett fåtal kunder i kö. Larmet vid punkt fem beror till största del på vilket betalningssätt som kunderna valde. Två kunder i rad drog ICA kortet för att få bonus samt betalade med betalkort. Båda dessa kunder påbörjade bonusdragningen och betalningen först efter alla varor var registrerade vilket medförde en ökad kötid för bakomvarande kunder. Vid punkt 45 uppkom ett larm på grund av stopp i flödet vid nedpackningen. Stoppet uppkom på grund av att en kund handlade många varor samt att samma kund glömde ta påsar och var tvungen att gå tillbaka och avbryta kassörskan för att få fler påsar.

16 6 Improve / Control 6.1 Förbättringsförslag Under våra mätningar av kötiden i kassan identifierades flera faktorer till långa kötider. Hantering vid kortbetalning, kassörskans prestation och dålig markering av vilka kassor som är öppna var några av faktorerna. Den absolut största källan till långa kötider, hämtat ur fiskbensdiagrammet (figur 2), var dock variationerna i kundtrycket. Kundtrycket varierar under dagen, mellan veckodagarna samt mellan veckorna (se diagram 1, 2 och 3). Om dessa variationer elimineras skulle det vara enkelt att planera hur många kassor som ska vara öppna och därmed hur mycket personal som behövs. Ett sätt att minska variationerna i kundtrycket under dagen är att, likt konkurrerande butiker, erbjuda ett prisavdrag på några procent om man handlar över en viss summa under den tiden på dagen då det är få kunder som besöker butiken. Detta skulle resultera i att fler kunder besöker butiken under till exempel förmiddagen då det vanligtvis inte är så högt tryck. Därmed skulle trycket minska på topparna (se diagram 1 och 2) under lunchen och mellan klockan och kötiderna under dessa tider skulle minska. Alla variationer går dock inte att eliminera genom prisavdrag vid vissa perioder under dagen. De flesta kunderna kommer förmodligen att fortsätta handla under eftermiddagarna när arbetsdagen är slut (se diagram 1 och 2). Dessutom kommer variationerna mellan veckorna bestå då det till exempel kommer att fortsätta vara få kunder som handlar i butiken under jullov och sommarlov (se diagram 1 och 2). För att kunna hantera det varierande kundtrycket är det viktigt att vara medveten om när kundtrycket är högt och anpassa schemaläggningen efter det. Det gäller att frigöra personal under kundtryckstopparna under lunch och under eftermiddagsrushen (klockan 16-18). Om möjligt skulle man kunna ta in extrapersonal under dessa tider eller anpassa schemaläggningen så att arbetspassen överlappar varandra så att man på så sätt får extrapersonal. Dessutom kan man dra ned på personalstyrkan under de tider då studenterna har ledigt och åkt hem. Under jul och sommarlov behövs inte lika mycket personal som under terminerna vid universitetet. När kundtrycket plötsligt ökar är det viktigt att så fort som möjligt öppna fler kassor för att eliminera uppbyggnaden av långa kötider. Att upprätta rutiner för att en ny kassa öppnas när antalet personer i kön överstiger till exempel fem stycken är ett sätt att påverka detta. När våra mätningar gjordes upptäcktes att kunderna inte alltid observerade vilka kassor som var öppna. Om skyltar som markerar om en kassa är öppen eller inte sätts upp borde en jämnare fördelning av kunder mellan kassorna kunna skapas. Hantering av kort vid betalning var en faktor som i fiskbensdiagrammet (se figur 2) identifierades till att öka kötiderna. Eftersom de flesta kunder handlar relativt få varor, 7 varor/kund i snitt, upptar tiden för betalning en stor del av köpprocessens totala tid. Många kunder är inte medvetna om att det går att dra sitt kreditkort och ICA-kort från det att första varan registrerats. Kunderna väntar istället till alla varor är registrerade och detta ökar kötiden för bakomvarande kunder. Om kassörskan alltid är noggrann med att informera kunderna

17 samt om ICA-kort kunderna informeras i samband med utskick att korten kan dras efter första varan registrerats kommer kötiderna minskas ytterligare. Vid mätningarna upptäcktes också att hanteringen av påsar och kassar var ytterliggare en faktor som ökade kötiderna. Vissa kunder kommer på att de ska ha kassar först när de betalat och ska börja packa ned varorna. Då går de tillbaka till kassörskan och vill betala för kassarna alternativt vill kunderna ha gratiskassar. Detta stör och fördröjer kassörskan i arbetet. Dessutom förlorar ICA pengar när kunderna vill ha gratiskassar. För att eliminera detta slöseri skulle man kunna införa samma hanteringssystem av kassar och påsar som Systembolaget använder sig av. Där finns kassar och påsar på nedpackningsstationen och kassörskan frågar alltid hur många kassar kunden vill ha. På så sätt glömmer inga kunder att betala för kassar och kassörskan blir inte fördröjd i arbetet på grund av kunder som frågar om kassar och påsar (se diagram 3). 6.2 Besparingspotential Besparingspotentialen för de framtagna förbättringsåtgärderna är svåra att förutse då det inte finns någon möjlighet att införa förbättringarna inom tidsramen för detta arbete. Besparingspotentialen kan uppskattas utifrån kostnaden av förbättringen samt eventuell intäkt till följd av förbättringen. Många av de framtagna förbättringarna leder inte till direkta kostnadsreduceringar utan till högre kundnöjdhet genom kortare kötider. Nöjdare kunder leder på lång sikt till ekonomiska vinster men ger inga större utslag under ett kortsiktigt perspektiv. Det mest kostsamma förbättringsförslaget är att minska variationen av kunder under dagen genom införande av rabatter. Två av de övriga förslagen, införande av nytt påssystem samt en tydligare markering av öppna kassor medför enbart engångskostnader. Att anpassa schemaläggningen efter kundvariationen medför ingen direkt kostnad, och kan lätt förbättras om man är medveten om variationen. Om kassörskan informerar kunder om kortbetalning kommer kötiden minskas vid långa köer samtidigt som det inte medför någon extra kostnad. De viktiga vid förbättringsarbetet med kötider är inte att få höga kostnadsbesparingar utan att få nöjdare kunder som i längden ger högre vinst.

18 7 Diskussion Syftet med sex sigma arbetet var att ta fram förbättringsförslag för att minska kötiderna i kassan på ICA Supermarket Porsön. En stor del av arbetet var att upprätta ett styrdiagram och utifrån detta dra lärdomar om processen samt att identifiera orsaker till icke-systematisk variation. Under den vecka vi genomförde mätningarna, genomfördes en ombyggnation på ICA Supermarket Porsön. Med anledning av denna hade man endast kassa två och tre öppna och posthanteringen sköttes med andra rutiner än i vanliga fall. Gruppen valde att genomföra mätningarna (men att inte titta på posthanteringen samt DVD-uthyrningen), och man kan diskutera huruvida våra mätningar är representativa för övriga delar av året. Vi anser att orsaker till variation är desamma men att den genomsnittliga kötiden har uppmätts till högre än normalt. Detta innebär dock inte något större problem eftersom vårt arbete rättfärdigas av att ICAs egen kundundersökning (Kompassen) visar att en av de största orsakerna till kundmissnöjdhet är just långa kötider. Innan data inhämtades beslöts att var femte kund skulle tas ut för mätning. Vi förutsatte att kön mycket sällan skulle överstiga fem personer och att risken för autokorrelation därmed skulle reduceras. Då mätningarna genomfördes upptäcktes däremot att kön ibland var så lång att flera kunder som stod i samma kö samtidigt ingick i mätningarna. I efterhand har ett autokorrelationstest uppförts och mycket riktigt var datan autokorrelerad (se bilaga 2) vilket leder till att analyserna av styrdiagrammet inte är korrekt. Att få autokorrelerad data hade kunnat undvikas genom att inte bestämma ett numeriskt intervall utan istället följa den första kunden hela vägen tills det att denne lämnat kön, varefter närmast följande kund som anslutit sig till kön valts ut och studerats. Ett av problemen som identifierades var att kunder glömmer bort att köpa kassar tills efter de har betalat och ska packa ned varorna. Vår lösning var att flytta kassarna till området där nedpackning av varor sker. Detta kan medföra att vissa kunder tar sig friheten att använda fler kassar än vad de har betalat för. Svinnet skulle kunna kontrolleras under kontrollfasen för att få en uppfattning av hur mycket pengar det handlar om. Man bör även beakta den eventuellt högre åtgången av kassar ur miljösynpunkt. Vid några tillfällen stannade bandet på grund av att framförvarande kunder inte hunnit packa ned sina varor i tid. Det skulle vara intressant att testa andra lösningar. Ett alternativ vore att låta kunden först sätta tillbaks varorna i vagnen, för att sedan packa ned varorna i kassar vid ett bord några meter bort från kassan. Vad som uppfattas som för lång väntetid är subjektivt och varierar från kund till kund. Vid våra samtal med kunder framkom att de ofta upplever kötiden som mycket längre än vad den faktiskt är. Man kan dessutom tänka sig att kunden upplever vissa orsaker till väntetid som mer störande än andra, trots att de egentligen inte påverkar den totala väntetiden tillräckligt mycket för att styrdiagrammet ska ge larm. Det skulle på grund av detta vara intressant att genomföra kompletterande mätningar där ett färre antal kunders köpprocess kartläggs mer ingående. Intervjuer med kunden ifråga skulle kunna genomföras för att få en bild av vad denne uppfattar som irriterande ödslande av tid. Vid dessa mätningar motsvaras styrdiagrammets larm istället av graden av missnöjdhet hos kund.

19 8 Referenser 8.1 Böcker Bergman, B. & Klefsjö, B (2001) Kvalitet från behov till användning 3:e uppl. Lund, Stundentlitteratur. ISBN: Montgomery, Douglas C (2005) Introduction to Statistical Quality Control, 5:e uppl. Wiley International Edition. ISBN: Park, Sung H (2003) Six sigma for Quality and Productivity promotion. Asian Productivity Organization. ISBN: x 8.2 Artikel Six sigma or design för six sigma. Banuelas & Antony. aldfulltextarticle/pdf/ pdf 8.3 Hemsida ICA koncernen (No date). Om ICA. Hämtat november 25, 2005 från

20 Bilaga 1 Quantile-Quantile Plot Distribution Normal Col_ Normal distribution Diagram 1. Normalfördelningsplot över insamlad data.

21 Bilaga 2 Nedan återfinns ett autokorrelationstest för de logaritmerade insamlade mätvärdena. Testet visar att det med 95 % sannolikhet finns autokorrelation i lag ett och två. Estimated Autocorrelations for Col_1 Autocorrelations lag Diagram 1. Autokorrelation över det logaritmerade mätvärdena.