Buat kumpulan data yang komprehensif dan kategorikan penyebab utama. Dengan mengkategorikan penyebab ke dalam desain, pemasok, manufaktur, dan masalah lainnya (seperti distribusi dan pemasangan), perusahaan dapat menetapkan tim yang sesuai dan menerapkan pendekatan yang tepat untuk mengatasi setiap penyebab.
Ubah pembagian garansi dan akuntabilitas pemasok. Untuk memastikan bahwa pemasok berbagi tanggung jawab atas klaim, perusahaan dapat mempertimbangkan untuk menambahkan syarat dan ketentuan baru dalam kontrak pemasok, dan menyesuaikan insentif yang sesuai. Perusahaan juga dapat bersiap untuk menjalankan sprint pemulihan saat bernegosiasi tentang cara menangani masalah yang disebabkan pemasok. Tindakan ini membantu perusahaan memulihkan bagian biaya yang adil dari pemasok yang menyebabkan masalah.
Terapkan analisis akar penyebab yang kuat. Analisis ini memungkinkan perusahaan untuk mengidentifikasi dan mengatasi akar penyebab sebenarnya di balik masalah kualitas, dan secara bersamaan membangun kemampuan tim peningkatan kualitas.
Tingkatkan manajemen kinerja. Perusahaan dapat membuat visibilitas seputar data garansi dengan melacak kemajuan peningkatan kualitas dengan cermat melalui KPI (Key Performance Indicator) berjenjang (seperti waktu untuk mengidentifikasi dan waktu untuk memperbaiki), dasbor visual, dan rapat kinerja.
Kelola kolaborasi lintas fungsi dengan dukungan kepemimpinan senior. Kolaborasi sangat penting untuk mengubah pola pikir dan perilaku, seperti berpikir bahwa biaya jaminan tidak dapat dikelola karena kesulitan dalam mengidentifikasi akar penyebab, menafsirkan klaim lama, atau menganalisis siklus tugas. Hal ini juga membantu untuk memfasilitasi perubahan budaya dalam organisasi yang mempromosikan pola pikir yang lebih berfokus pada kualitas.
Perusahaan dapat menggunakan teknik AI dan ML baru untuk menyempurnakan pendekatan tradisional ini, mengatasi peningkatan kompleksitas masalah kualitas, dan mendapatkan nilai tambahan. Lima tuas, khususnya, dapat memungkinkan perubahan langkah dalam kinerja biaya kualitas, yaitu sebagai berikut:
- Buat model AI untuk mengidentifikasi tren mikro (seperti akar penyebab masalah serupa), memungkinkan tim mengidentifikasi masalah kualitas berbulan-bulan sebelum berubah menjadi klaim dan memengaruhi pelanggan.
- Buat alur kerja digital dan sistem pelacakan masalah kualitas untuk mempercepat pemulihan pemasok, mencegah terulangnya masalah, mengukur efektivitas perbaikan, dan melacak tindakan korektif.
- Gunakan analitik prediktif berbasis ML untuk memprioritaskan masalah kualitas berdasarkan pelanggan yang diproyeksikan dan dampak internal, untuk memfokuskan upaya perbaikan dan kapasitas pada masalah yang paling penting.
- Memanfaatkan model kausal berbasis ML / AIÂ untuk mempercepat pemecahan masalah akar penyebab, terutama untuk masalah kualitas yang tidak umum atau terputus-putus.
- Gunakan ML tanpa pengawasan untuk mengidentifikasi produk yang kemungkinan gagal, memungkinkan perusahaan untuk hanya memperbaiki populasi yang ditargetkan (yaitu, kelompok produk yang dibuat atau digunakan dengan cara tertentu) dan mengurangi jumlah tindakan lapangan yang diperlukan.
Penskalaan dan mempertahankan penangkapan nilai lebih mungkin terjadi ketika perusahaan sepenuhnya mengintegrasikan solusinya ke dalam proses kualitasnya sehingga dapat diadopsi oleh pengguna akhir. Selain itu, perusahaan yang paling sukses biasanya berfokus pada pembangunan kapabilitas internal, bukan hanya solusi, sehingga wawasan dapat berkembang dengan setiap rilis produk baru.
Penulis,
Merza Gamal
Author of Change Management & Cultural Transformation
Former AVP Corporate Culture at Biggest Bank Syariah
