Berjuang dengan Kualitas? Biarkan Otomatisasi Memecahkan Masalah Anda

Masalah kualitas jarang datang dari satu orang yang ceroboh. Mereka sering kali tumbuh dalam tugas yang berulang: kode produk yang hilang, unit yang salah, bidang kosong, tautan rusak, atau dua catatan yang seharusnya cocok tetapi tidak. Ketika sebuah tim memeriksa setiap item dengan tangan, kesalahan kecil dapat terjadi selama periode sibuk. Otomatisasi dapat mengurangi tekanan tersebut dengan memeriksa volume besar, menemukan pola, dan mengirimkan kasus yang tidak biasa kepada seseorang untuk ditinjau. Itu tidak menggantikan penghakiman. Ini memberi orang daftar yang lebih jelas tentang apa yang perlu diperhatikan. Saya menggunakan otomatisasi untuk pekerjaan berkualitas dalam lima langkah praktis. 1. Definisikan arti “baik” Otomatisasi memerlukan aturan yang jelas. Halaman produk mungkin memerlukan: - Nama produk yang lengkap - SKU yang valid - Harga dengan mata uang yang benar - Satu format gambar yang disetujui - Tautan yang berfungsi - Deskripsi singkat dalam panjang yang dipilih - Unit pengukuran yang konsisten Tim dukungan dapat melacak: - Waktu respons - Detail pelanggan tidak ada - Tiket duplikat - Label status tidak jelas - Pertanyaan yang belum terjawab Tanpa aturan ini, alat dapat melaporkan banyak masalah tanpa menunjukkan masalah mana yang memengaruhi pelanggan. Daftar periksa kualitas yang sederhana memberi sistem sesuatu yang berguna untuk diuji. 2. Mulai dengan kesalahan berulang Saya tidak mencoba mengotomatiskan setiap tugas berkualitas sekaligus. Saya mencari kesalahan yang sering muncul dan mengikuti pola yang jelas. Contoh umum mencakup: - Alamat email tanpa simbol “@” - Nomor telepon dengan digit yang hilang - Harga ditampilkan sebagai nol ketika suatu produk seharusnya memiliki harga yang dibayar - Tanggal ditulis dalam beberapa format - Duplikat catatan pelanggan - Judul produk yang melebihi panjang yang disepakati - Gambar yang gagal dimuat - Bidang yang wajib diisi dikosongkan Pemeriksaan ini cocok untuk otomatisasi karena aturannya mudah dijelaskan. Sistem dapat meninjau ribuan catatan tanpa kehilangan fokus. 3. Pemeriksaan build yang menunjukkan alasannya Peringatan yang berguna akan memberi tahu saya tiga hal: 1. Apa yang gagal 2. Di mana masalah muncul 3. Tindakan apa yang dapat menyelesaikannya “Kesalahan data” memberi sedikit pekerjaan pada tim. “Produk 1842 tidak memiliki berat pengiriman di lembar inventaris” lebih mudah dipahami. Pesan yang jelas memperpendek jalur dari deteksi ke koreksi. Saya juga memisahkan masalah berdasarkan tingkat: - Pemblokiran: Catatan tidak dapat dipublikasikan atau diproses - Perlu peninjauan: Catatan mungkin valid, namun seseorang harus memeriksanya - Dampak rendah: Catatan berfungsi, namun formatnya dapat ditingkatkan. Ini membantu tim fokus pada kesalahan yang mungkin memengaruhi pesanan, pelaporan, layanan pelanggan, atau visibilitas penelusuran. 4. Hubungkan otomatisasi ke pekerjaan yang sudah digunakan oleh orang-orang Pemeriksaan kualitas tidak akan ada gunanya jika hasilnya berada di alat yang tidak dibuka oleh siapa pun. Saya lebih suka mengirimkan peringatan ke tempat yang sudah dikenal, seperti: - Papan tugas - Spreadsheet bersama - Platform layanan pelanggan - Saluran obrolan tim - Laporan email untuk tinjauan terjadwal Pesan harus menyertakan ID rekaman, aturan yang gagal, nilai yang terdeteksi, dan saran langkah berikutnya. Seorang anggota tim kemudian dapat memperbaiki data sumber alih-alih menyalin rincian antara beberapa sistem. Misalnya, tim konten yang mengelola halaman produk dapat menerima daftar harian halaman dengan teks gambar yang hilang. Penulis memperbarui halaman, menandai tugas sebagai selesai, dan pemeriksaan berikutnya mengonfirmasi apakah masalah telah hilang. 5. Simpan tinjauan manusia di tempat yang tepat Beberapa pemeriksaan memerlukan pertimbangan. Suatu sistem mungkin mendeteksi bahwa deskripsi produk menggunakan klaim terbatas, namun sistem mungkin tidak memahami arti kalimat sepenuhnya. Ini mungkin menandai nama yang terlihat mirip dengan nama lain meskipun kedua produk tersebut berbeda. Ini mungkin menandai pesan pelanggan sebagai negatif karena satu kata, meskipun pelanggan mengajukan pertanyaan netral. Saya menggunakan otomatisasi untuk mengurutkan dan menandai kasus-kasus ini. Saya tidak membiarkannya mengambil keputusan sensitif tanpa peninjauan kembali. Pemeriksaan manusia berguna untuk: - Kata-kata yang sensitif terhadap hukum atau kebijakan - Keluhan pelanggan - Klaim produk - Nada merek - Transaksi yang tidak biasa - Data yang memengaruhi akses, harga, atau status akun Tujuannya bukan untuk mengeluarkan orang dari proses. Tujuannya adalah memberi mereka lebih sedikit pemeriksaan rutin dan lebih banyak waktu untuk mengambil keputusan yang memerlukan konteks. Contoh umum muncul di ritel online. Sebuah toko menambahkan beberapa ribu produk dari file pemasok. Data yang diimpor berisi format berbeda untuk berat, ukuran, dan warna. Beberapa halaman menampilkan “1 kg”, beberapa menampilkan “1000 g”, dan halaman lainnya tidak memiliki bobot sama sekali. Alur otomatisasi dasar dapat: - Membaca setiap catatan produk - Memeriksa apakah kolom wajib diisi - Mengonversi unit yang disetujui ke dalam satu format - Menandai nilai di luar rentang yang diharapkan - Menemukan duplikat SKU - Membuat daftar tinjauan untuk tim katalog Alat ini tidak menentukan apakah deskripsi produk menarik atau akurat. Seseorang masih memeriksa informasi sumber dan menyetujui halaman akhir. Pemeriksaan otomatis mengurangi jumlah pencarian manual. Ada batasan yang harus diperhatikan. Otomatisasi dapat mengulangi aturan buruk dengan sangat cepat. Jika kisaran harga yang diizinkan salah, sistem mungkin menandai produk yang valid dan melewatkan masalah sebenarnya. Sumber data juga bisa berisi kesalahan yang terlihat konsisten. Catatan yang lengkap tidak selalu merupakan catatan yang benar. Saya meninjau aturan ketika: - Jenis produk baru ditambahkan - Pemasok mengubah format file - Pelanggan melaporkan masalah yang berulang - Tim melihat terlalu banyak peringatan palsu - Proses berubah - Bisnis mulai menggunakan platform baru Ada baiknya melacak beberapa langkah berguna: - Jumlah masalah yang ditemukan - Jumlah peringatan palsu - Waktu koreksi rata-rata - Tingkat kesalahan berulang - Jumlah catatan yang diperiksa - Jumlah masalah yang terlewat selama peninjauan Angka-angka ini menunjukkan apakah otomatisasi membantu tim atau hanya menciptakan lebih banyak pekerjaan. Rencana awal yang praktis dapat dimuat dalam satu halaman: Langkah 1: Pilih satu proses dengan kesalahan berulang. Langkah 2: Tulis lima hingga sepuluh aturan kualitas yang jelas. Langkah 3: Uji aturan pada sampel kecil. Langkah 4: Bandingkan hasilnya dengan tinjauan manusia. Langkah 5: Sesuaikan aturan yang menghasilkan terlalu banyak peringatan palsu. Langkah 6: Kirim pemberitahuan yang disetujui ke sistem kerja normal tim. Langkah 7: Tinjau hasilnya setelah jangka waktu tertentu. Saya melihat otomatisasi sebagai filter kualitas, bukan pengganti layanan kesehatan. Hal ini akan berfungsi dengan baik jika peraturannya jelas, peringatannya berguna, dan orang-orang dapat meninjau kasus-kasus yang memerlukan konteks. Kualitas meningkat ketika tim menemukan masalah lebih awal, memahami mengapa masalah itu terjadi, dan memperbaiki proses yang memungkinkan masalah tersebut diselesaikan. Otomatisasi dapat menangani pemeriksaan berulang. Masyarakat harus memandu peraturan, meninjau kasus-kasus yang tidak pasti, dan memutuskan seperti apa pekerjaan yang baik.

Saya dulu berpikir kualitas yang tidak konsisten berasal dari pekerjaan yang ceroboh. Itu hanya sebagian dari masalahnya. Di banyak tim, orang-orang mengikuti kebiasaan yang berbeda, memeriksa produk di titik yang berbeda, dan mencatat hasil dengan cara yang berbeda. Satu operator dapat memeriksa setiap detail. Yang lain mungkin hanya fokus pada cacat yang terlihat. Keduanya mungkin percaya bahwa mereka melakukan pekerjaan dengan benar. Hasilnya sudah tidak asing lagi: pengerjaan ulang, keluhan pelanggan, pesanan tertunda, dan proses kualitas yang terlalu bergantung pada penilaian individu. Otomatisasi dapat membantu menciptakan proses yang lebih stabil tanpa menghilangkan pengawasan manusia. ## Memulai dengan masalah kualitas Saya tidak memulai dengan membeli perangkat lunak atau peralatan. Saya mulai dengan menanyakan di mana perubahan kualitas. Area masalah yang umum meliputi: - Entri data manual - Metode pemeriksaan yang berbeda - Catatan produksi tidak ada - Cacat berulang - Langkah persetujuan yang lambat - Visibilitas yang buruk di seluruh shift - Pemeriksaan kualitas dilakukan terlambat Tim pengemasan, misalnya, mungkin menemukan bahwa sebagian besar kesalahan terjadi selama penempatan label. Masalahnya mungkin tidak datang dari satu karyawan saja. Hal ini mungkin disebabkan oleh panduan penempatan yang tidak jelas, pemeriksaan yang terburu-buru, atau kurangnya umpan balik yang segera. Menemukan sumbernya membuat otomatisasi lebih berguna. ## Ubah proses menjadi langkah-langkah yang jelas Otomatisasi berfungsi paling baik bila proses yang ada mudah dijelaskan. Saya memetakan pekerjaan dari awal sampai akhir: 1. Apa saja yang masuk dalam prosesnya? 2. Apa saja yang perlu diperiksa? 3. Siapa yang melakukan setiap pemeriksaan? 4. Apa yang dianggap sebagai hasil yang dapat diterima? 5. Apa yang terjadi bila hasil berada di luar kisaran yang ditetapkan? 6. Dimana informasi disimpan? Peta sederhana ini seringkali mengungkapkan kesenjangan. Sebuah tim mungkin memiliki aturan kualitas yang hanya ada dalam ingatan supervisor. Tim lain mungkin menggunakan spreadsheet yang diperbarui setelah produksi, bukan selama produksi. Alur kerja digital dapat memberikan pemeriksaan yang tepat pada titik yang tepat. ## Gunakan pemeriksaan standar untuk pekerjaan berulang Daftar periksa standar memberikan serangkaian pertanyaan yang sama kepada setiap operator. Hal ini dapat mencakup: - Pengukuran produk - Kondisi material - Pengaturan mesin - Titik inspeksi visual - Pemeriksaan keamanan - Detail pengemasan - Bidang persetujuan Daftar periksa harus sesuai dengan pekerjaan. Formulir panjang yang berisi pertanyaan-pertanyaan yang tidak berhubungan dapat memperlambat orang dan mengurangi perhatian. Untuk lini produksi makanan kecil, formulir digital mungkin meminta staf untuk mencatat suhu, nomor batch, kondisi segel kemasan, dan rincian label. Jika suatu nilai berada di luar kisaran yang dipilih, sistem dapat mengirimkan item tersebut untuk ditinjau sebelum unit lainnya diproduksi. Tujuannya bukan untuk membuat lebih banyak dokumen. Hal ini untuk membuat pemeriksaan kunci lebih mudah diikuti. ## Kumpulkan data pada sumbernya Data berkualitas kehilangan nilainya ketika orang memasukkannya beberapa jam kemudian. Saya lebih menyukai proses di mana operator mencatat informasi saat pekerjaan berlangsung. Tablet, pemindai kode batang, kamera, atau sensor yang terhubung mungkin mendukung langkah ini, bergantung pada lingkungan. Data yang berguna dapat mencakup: - Waktu inspeksi - Mesin atau area kerja - Batch produk - ID Operator - Nilai terukur - Jenis kerusakan - Tindakan perbaikan Informasi ini membantu manajer melihat pola alih-alih mengandalkan memori. Jika cacat yang sama muncul dalam satu shift, pada satu mesin, atau pada satu batch material, tim memiliki jalur penyelidikan yang lebih jelas. ## Tambahkan peringatan yang mendukung tindakan Peringatan harus memandu langkah selanjutnya. Peringatan yang berguna mungkin memberitahu operator untuk menghentikan sementara jalur, mengulangi pemeriksaan, menghubungi supervisor, atau memindahkan barang ke area peninjauan. Pesan yang tidak jelas seperti “masalah kualitas terdeteksi” tidak banyak membantu. Saya menggunakan aturan sederhana: - Tentukan kisaran yang dapat diterima - Tetapkan respons untuk setiap pemeriksaan yang gagal - Catat tindakan yang diambil - Wajibkan persetujuan bila diperlukan - Jaga agar riwayat item tetap tersedia Pendekatan ini membantu mencegah masalah kecil melewati proses penuh. Otomatisasi tidak perlu membuat setiap keputusan. Hal ini dapat menunjukkan hasil yang tidak biasa sementara staf terlatih menangani kasus-kasus yang memerlukan penilaian. ## Pola tinjauan, tidak hanya cacat tunggal Satu pemeriksaan yang gagal mungkin acak. Pola yang berulang biasanya patut mendapat perhatian. Dasbor berkualitas dapat membantu tim membandingkan: - Cacat berdasarkan produk - Cacat berdasarkan mesin - Hasil berdasarkan shift - Tingkat pengerjaan ulang - Penyelesaian inspeksi - Waktu yang dihabiskan untuk koreksi - Masalah terkait pemasok Bengkel furnitur, misalnya, mungkin memperhatikan bahwa tanda permukaan meningkat setelah langkah pengamplasan tertentu. Tim kemudian dapat memeriksa kondisi alat, penanganan material, dan instruksi kerja daripada menyalahkan pekerja secara individu tanpa bukti. Jenis tinjauan ini mendukung keputusan yang lebih baik karena menghubungkan hasil yang berkualitas dengan kondisi proses. ## Menjaga keterlibatan orang-orang Otomatisasi harus mengurangi pekerjaan yang dapat dihindari, bukan menghilangkan tanggung jawab dari orang-orang terdekat dalam proses. Operator sering kali memperhatikan detail yang tidak dapat dipahami oleh sistem. Mereka mungkin melihat perubahan tekstur material, mendengar suara mesin yang tidak biasa, atau mengenali masalah sebelum masalah tersebut muncul dalam data. Saya memberi ruang untuk komentar, foto, dan tinjauan manual. Detail ini dapat membantu menjelaskan mengapa suatu hasil berubah. Pelatihan juga penting. Staf perlu mengetahui: - Apa yang diperiksa oleh sistem - Mengapa setiap pemeriksaan dilakukan - Bagaimana menanggapi peringatan - Kapan harus menghentikan produksi - Bagaimana melaporkan masalah sistem Sebuah alat tidak dapat meningkatkan kualitas jika orang tidak memercayai alur kerja atau memahami peran mereka. ## Ukur proses sebelum dan sesudah Proyek yang berkualitas memerlukan pengukuran yang jelas. Indikator yang berguna dapat mencakup: - Tingkat kerusakan - Jam pengerjaan ulang - Tingkat penyelesaian inspeksi - Pengembalian pelanggan - Waktu yang dihabiskan untuk menemukan catatan - Waktu respons setelah pemeriksaan gagal - Cacat berulang Tujuannya bukan untuk mengumpulkan setiap metrik yang mungkin. Saya memilih satu set kecil yang mencerminkan masalah utama. Jika inspeksi yang tidak konsisten menyebabkan penundaan, penyelesaian inspeksi dan waktu respons mungkin lebih penting daripada dasbor besar yang berisi angka-angka yang tidak berhubungan. ## Cara praktis untuk memulai Saya akan memulai dengan satu proses yang sering diulang dan menimbulkan masalah yang terlihat. Jalurnya bisa terlihat seperti ini: 1. Pilih satu produk atau area kerja. 2. Catat metode pemeriksaan saat ini. 3. Identifikasi perbedaan hasil. 4. Buat daftar periksa digital singkat. 5. Tambahkan aturan yang jelas untuk pemeriksaan yang gagal. 6. Latih orang yang menggunakannya. 7. Tinjau data setelah jangka waktu tertentu. 8. Sesuaikan alur kerja berdasarkan masalah yang diamati. 9. Perluas hanya jika prosesnya stabil. Awal yang kecil ini memudahkan untuk menemukan titik lemah. Hal ini juga memberi tim kesempatan untuk beradaptasi sebelum otomatisasi menjangkau setiap departemen. Kualitas yang lebih baik jarang sekali dihasilkan dari satu perubahan besar. Hal ini tumbuh dari standar yang jelas, informasi yang tepat waktu, dan proses yang dapat diikuti orang tanpa perlu menebak-nebak. Ketika saya menggunakan otomatisasi dengan cara ini, saya memperlakukannya sebagai sistem pendukung. Ini membantu tim memeriksa pekerjaan secara konsisten, menemukan pola lebih awal, dan menghabiskan lebih sedikit waktu untuk menelusuri catatan yang tidak lengkap. Orang-orang masih membawa penilaian, pengalaman, dan tanggung jawab dalam proses tersebut. Keseimbangan tersebut menciptakan jalur yang lebih dapat diandalkan dari produksi hingga pelanggan.

Banyak tim beralih ke otomatisasi untuk menghemat waktu, namun alur kerja yang tidak direncanakan dengan baik dapat menimbulkan masalah baru. Bidang yang terlewat, catatan duplikat, atau aturan persetujuan yang tidak jelas dapat memengaruhi beberapa departemen sebelum ada yang menyadarinya. Saya menemukan bahwa otomatisasi yang lebih baik tidak dimulai dengan lebih banyak alat. Dimulai dengan proses yang jelas, data yang andal, dan pemeriksaan sederhana yang dapat dipahami masyarakat. ### Mulailah dengan proses memetakan pekerjaan sebelum memilih perangkat lunak. Saya bertanya: - Bagaimana prosesnya dimulai? - Siapa yang memiliki setiap tugas? - Informasi apa yang harus ada? - Dimana penundaan terjadi? - Hasil apa yang harus dihasilkan oleh alur kerja? Langkah ini sering kali mengungkapkan bahwa masalah utamanya bukanlah pekerjaan manual. Ini mungkin berupa entri data yang berulang-ulang, kepemilikan yang tidak jelas, atau formulir yang mengumpulkan informasi yang salah. Misalnya, perusahaan jasa kecil mungkin menerima permintaan pelanggan melalui email, telepon, dan formulir situs web. Anggota staf kemudian menyalin rinciannya ke dalam spreadsheet. Otomatisasi sederhana dapat mengirimkan entri formulir ke satu sistem bersama, namun prosesnya masih memerlukan aturan yang jelas untuk permintaan telepon dan email. Tanpa aturan tersebut, tim dapat terus membuat rekaman duplikat. ### Gunakan otomatisasi untuk pekerjaan berulang Otomatisasi bekerja paling baik bila tugas mengikuti pola yang stabil. Contoh yang baik meliputi: - Mengirim konfirmasi setelah penyerahan formulir - Menugaskan permintaan dukungan ke tim yang tepat - Memperbarui status proyek setelah disetujui - Memberi tahu manajer ketika data yang diperlukan tidak ada - Membuat laporan mingguan dari catatan yang disetujui Tugas yang bergantung pada penilaian mungkin memerlukan tinjauan manusia. Sebuah sistem dapat menandai permintaan bernilai tinggi, namun karyawan yang terlatih mungkin masih perlu memutuskan bagaimana permintaan tersebut harus ditangani. Saya lebih menyukai alur kerja bersama di mana perangkat lunak mengelola langkah-langkah rutin dan orang-orang menangani keputusan yang memerlukan konteks. ### Membangun pemeriksaan kualitas ke dalam alur kerja Alur kerja seharusnya tidak hanya memindahkan informasi. Ia juga harus memeriksa apakah informasinya masuk akal. Pemeriksaan yang berguna meliputi: - Bidang yang wajib diisi sebelum pengiriman - Format email dan telepon yang valid - Deteksi catatan duplikat - Persetujuan sebelum pembaruan publik - Peringatan untuk nilai yang hilang atau tidak biasa - Catatan perubahan yang jelas Misalkan sistem pemesanan online menerima formulir pengiriman tanpa kode pos. Pesanan mungkin sampai di gudang, lalu berhenti saat pengepakan. Aturan bidang yang wajib diisi dapat mencegah penundaan tersebut di titik masuk. Pemeriksaan kecil sering kali melindungi keseluruhan proses. ### Jaga agar alur kerja tetap mudah diikuti Alur kerja yang rumit sulit dipertahankan. Mereka mungkin bekerja untuk orang yang membuatnya, namun membingungkan orang berikutnya yang perlu memperbaruinya. Saya menggunakan label biasa seperti: - “Permintaan baru” - “Perlu ditinjau” - “Disetujui” - “Menunggu pelanggan” - “Selesai” Setiap langkah harus memiliki satu tujuan yang jelas. Jika suatu tugas memerlukan beberapa tindakan yang tidak terkait, saya membaginya menjadi beberapa bagian yang lebih kecil. Proses yang sederhana juga membuat pelatihan staf lebih mudah. Masyarakat dapat melihat apa yang terjadi selanjutnya, apa yang perlu mereka lakukan, dan kapan mereka harus meminta bantuan. ### Pengujian dengan kasus normal dan tidak biasa Menguji hanya satu kasus yang berhasil akan memberikan gambaran alur kerja yang terbatas. Saya memeriksa beberapa situasi: 1. Permintaan lengkap 2. Permintaan dengan informasi yang hilang 3. Pengiriman duplikat 4. Persetujuan tertunda 5. Pelanggan yang mengubah rinciannya 6. Seorang anggota staf yang tidak memiliki izin untuk mengedit catatan Saya mencatat hasil setiap tes. Jika alur kerja mengirimkan pesan yang salah atau melewatkan langkah persetujuan, saya memperbaiki aturan tersebut sebelum proses menjangkau lebih banyak pengguna. Sebuah kelompok uji kecil dapat membantu. Mintalah anggota staf yang menggunakan proses ini setiap hari untuk mencobanya tanpa panduan tambahan. Pertanyaan mereka sering kali menunjukkan di mana alur kerja memerlukan instruksi yang lebih jelas. ### Tinjau kinerja dengan ukuran yang berguna Otomatisasi harus memecahkan masalah bisnis yang dapat diamati. Saya dapat melacak: - Waktu respons rata-rata - Jumlah koreksi manual - Catatan duplikat - Tugas yang gagal - Permintaan menunggu persetujuan - Waktu yang dihabiskan untuk entri data berulang Perusahaan mungkin menemukan bahwa waktu respons meningkat setelah otomatisasi, sementara pekerjaan koreksi meningkat. Hasil tersebut menunjukkan bahwa prosesnya berjalan lebih cepat namun pengumpulan datanya lebih lemah. Penyesuaian berikutnya mungkin melibatkan bidang formulir yang lebih baik atau langkah peninjauan tambahan. Ukuran yang tepat tergantung pada tugasnya. Lebih banyak aktivitas tidak selalu berarti kinerja lebih baik. ### Memberi orang cara yang aman untuk memulihkan Tidak ada alur kerja yang selalu berjalan sempurna. Sistem yang berguna mencakup jalur pemulihan yang jelas. Staf harus mengetahui: - Cara menjeda alur kerja - Siapa yang menerima peringatan kesalahan - Di mana catatan yang gagal disimpan - Cara memperbaiki entri - Kapan penanganan manual diperbolehkan - Cara melaporkan masalah yang berulang Saya juga menyimpan panduan proses singkat di samping alur kerja. Ini menjelaskan tujuan, pemilik, aturan utama, dan langkah-langkah untuk kesalahan umum. Hal ini mengurangi dugaan ketika pembuat aslinya tidak tersedia. Otomatisasi yang lebih cerdas bukan berarti menghilangkan setiap tugas manusia. Ini tentang menghilangkan pengulangan yang tidak dapat dihindari sekaligus melindungi kualitas di setiap tahap. Saat saya memetakan proses, menambahkan pemeriksaan sederhana, menguji berbagai kasus, dan meninjau tindakan yang berguna, otomatisasi menjadi lebih mudah untuk dikelola. Hasilnya adalah alur kerja yang menghemat tenaga tanpa menyembunyikan masalah dari orang yang bertanggung jawab menyelesaikannya. Tertarik untuk mempelajari lebih lanjut tentang tren dan solusi industri? Hubungi longteou: fiona@lontoumachine.com/WhatsApp 18262164687.

W. Edwards Deming, 1986, Keluar dari Krisis Organisasi Internasional untuk Standardisasi, 2015, Persyaratan Sistem Manajemen Mutu Thomas H. Davenport dan Jeanne G. Harris, 2007, Bersaing dalam Analisis Michael Hammer dan James Champy, 1993, Reengineering the Corporation Erik Brynjolfsson dan Andrew McAfee, 2014, The Second Machine Age James P. Womack, Daniel T. Jones dan Daniel Roos, 1990, Mesin yang Mengubah Dunia