<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Beste Morgül on Medium]]></title>
        <description><![CDATA[Stories by Beste Morgül on Medium]]></description>
        <link>https://medium.com/@beste.morgul?source=rss-68c05815c37a------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/0*hZ-XAPj8TFQTClrO</url>
            <title>Stories by Beste Morgül on Medium</title>
            <link>https://medium.com/@beste.morgul?source=rss-68c05815c37a------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Sat, 21 Nov 2026 09:21:46 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@beste.morgul/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Bir Problemi Çözmeden Önce Onu Anlamak: 6 Problem Analiz Tekniği]]></title>
            <link>https://medium.com/@beste.morgul/bir-problemi-%C3%A7%C3%B6zmeden-%C3%B6nce-onu-anlamak-6-problem-analiz-tekni%C4%9Fi-c44fdfedc0fc?source=rss-68c05815c37a------2</link>
            <guid isPermaLink="false">https://medium.com/p/c44fdfedc0fc</guid>
            <dc:creator><![CDATA[Beste Morgül]]></dc:creator>
            <pubDate>Sun, 23 Aug 2026 09:17:14 GMT</pubDate>
            <atom:updated>2026-08-23T09:17:14.165Z</atom:updated>
            <content:encoded><![CDATA[<p>Bir problem ortaya çıktığında genellikle çözüm konuşmaya çok hızlı başlıyoruz. “Şunu değiştirelim”, “buraya bir kontrol ekleyelim”, “bu adımı otomatikleştirelim” gibi öneriler peş peşe geliyor. Bir an önce aksiyon almak istiyoruz ve aslında bu oldukça doğal.</p><p>Ama ortada daha temel bir soru var:</p><p><strong>Biz gerçekten neyin problem olduğunu biliyor muyuz?</strong></p><p>Çünkü gördüğümüz şey her zaman problemin kendisi olmayabilir. Bazen yalnızca onun yarattığı sonucu görüyoruz ve doğal olarak ona odaklanıyoruz.</p><p>Bir süreç sürekli gecikiyorsa, gecikme asıl problem olmayabilir. Bir sistem sık sık hata veriyorsa hatayı düzeltmek, o hatanın tekrar ortaya çıkmasını engellemeyebilir. Müşteri şikayetleri artıyorsa, tek tek şikayetleri çözmek şikayetleri ortaya çıkaran nedeni ortadan kaldırmayabilir.</p><p>Problem analiz tekniklerinin değerli tarafı da tam olarak burada. Bize doğrudan çözümü söylemiyorlar. Bunun yerine problemi farklı açılardan görmemizi ve doğru soruları sormamızı sağlıyorlar.</p><p>5N1K, Balık Kılçığı Analizi, Kök Neden Analizi, CAPA, Pareto Analizi ve FMEA bu amaçla kullanılabilecek yöntemlerden bazıları. Fakat önemli bir nokta var: Bunlar aynı işi yapan altı farklı yöntem değil. Her biri problem çözme sürecinin farklı bir noktasında devreye giriyor.</p><h3>Her şey problemi doğru tanımlamakla başlıyor: 5N1K</h3><p>“Ödeme sisteminde sorun var.”</p><p>İlk bakışta oldukça net bir problem tanımı gibi görünüyor. Aslında değil.</p><p>Hangi ödeme yöntemi? Tüm kullanıcılar mı etkileniyor? Problem ne zamandır var? Web’de mi, mobil uygulamada mı? Kullanıcı tam olarak hangi adımda ilerleyemiyor?</p><p>Bu soruların cevaplarını bilmeden çözüm aramaya başladığımızda araştırma alanımız gereğinden fazla geniş oluyor.</p><p>5N1K tam olarak burada devreye giriyor:</p><p><strong>Ne? Nerede? Ne zaman? Nasıl? Neden? Kim ya da Kimler?</strong></p><p>Bir online alışveriş uygulamasında bazı müşterilerin ödemelerini tamamlayamadığını düşünelim.</p><p>İlk bilgi yalnızca “Bazı ödemeler başarısız oluyor” olabilir. Biraz araştırdığımızda ise şunları öğreniyoruz:</p><p>Problem yalnızca mobil uygulamada görülüyor. Son güncellemeden sonra başlamış. Belirli bir işletim sistemi sürümünü kullanan müşterileri etkiliyor ve kullanıcı ödeme butonuna bastığında işlem tamamlanmadan beklemede kalıyor.</p><p>Henüz problemin nedenini bulmadık. Hatta çözüm hakkında da kesin bir fikrimiz yok.</p><p>Ama önemli bir şey değişti: <strong>Nereye bakmamız gerektiğini artık çok daha iyi biliyoruz.</strong></p><p>5N1K’nın gücü de bence burada. Karmaşık bir problemi çözmüyor; onu araştırılabilir hale getiriyor.</p><h3>İlk aklımıza gelen neden gerçekten doğru mu? Balık Kılçığı Analizi</h3><p>Bir problemle karşılaştığımızda genellikle çok hızlı şekilde bir açıklama üretmeye çalışıyoruz.</p><p>Bir uygulama yavaşladıysa sunucuda problem vardır.</p><p>Bir işlem başarısız oluyorsa backend’de hata vardır.</p><p>Bir sayfa geç açılıyorsa frontend tarafında bir şeyler ters gidiyordur.</p><p>Bazen ilk tahminimiz gerçekten doğru olabilir. Ama problem analizinde tahmin ile neden arasında önemli bir fark var: <strong>kanıt</strong>.</p><p>Balık Kılçığı Analizi, diğer adıyla Ishikawa Diagram, özellikle nedenini henüz bilmediğimiz problemlerde tek bir ihtimale çok erken odaklanmamızı engelleyen yöntemlerden biri.</p><p>Örneğin, bir mobil bankacılık uygulamasında kullanıcıların son birkaç haftadır para transferi ekranının çok yavaş açıldığını söylediklerini düşünelim.</p><p>İlk refleksimiz backend servisinin yavaşladığını düşünmek olabilir. Fakat aynı probleme yol açabilecek farklı nedenler de var.</p><p><strong>Frontend tarafında</strong> ekran açılırken gereğinden fazla API çağrısı yapılıyor olabilir.</p><p><strong>Backend tarafında</strong> transfer ekranının ihtiyaç duyduğu servislerden biri beklenenden uzun sürede cevap veriyor olabilir.</p><p><strong>Database tarafında</strong> sık kullanılan bir sorgu artan veri miktarıyla birlikte yavaşlamış olabilir.</p><p><strong>Altyapı tarafında</strong> yoğun saatlerde kaynak kullanımı artıyor ve servislerin yanıt süreleri bundan etkileniyor olabilir.</p><p><strong>Entegrasyon tarafında</strong> ekranın kullandığı üçüncü parti servislerden biri zaman zaman geç yanıt veriyor olabilir.</p><p><strong>Süreç tarafında</strong> ise yakın zamanda yapılan bir değişiklik performans açısından yeterince test edilmeden canlıya alınmış olabilir.</p><p>Bu noktada elimizde altı farklı ihtimal var. Ama Balık Kılçığı Analizi bize bunlardan hangisinin gerçek neden olduğunu söylemiyor.</p><p>Zaten amacı da bu değil.</p><p>Amacı, “Backend yavaş” gibi tek bir varsayımla araştırmaya başlamak yerine olası nedenleri sistematik olarak görünür hale getirmek.</p><p>Bundan sonraki adım, bu ihtimalleri veriyle doğrulamak olabilir. API response sürelerine, loglara, database sorgularına, monitoring verilerine veya son yapılan değişikliklere bakabiliriz. Bazı ihtimalleri hızlıca eleyebilir, bazılarını ise daha detaylı araştırabiliriz.</p><p>Bu yüzden Balık Kılçığı Analizi ile Kök Neden Analizi aslında birbirini güzel tamamlıyor.</p><p>Balık Kılçığı bize:</p><p><strong>“Buna neler sebep olabilir?” </strong>diye sordururken, Kök Neden Analizi bir sonraki aşamada bizi <strong>“Peki bunlardan hangisi gerçekten bu probleme sebep oldu ve neden?” </strong>sorusuna götürüyor.</p><p>Bence bu yöntemin en faydalı tarafı da burada. İlk aklımıza gelen açıklamayı doğru kabul etmek yerine, araştırmaya başlamadan önce ihtimalleri biraz daha geniş tutmamızı sağlıyor.</p><h3>“Neden?” sorusunu bir kez daha sormak: Kök Neden Analizi</h3><p>Bir problemin nedenini bulduğumuzu düşündüğümüzde, aslında araştırma her zaman bitmiş olmuyor.</p><p>Çünkü bulduğumuz neden de başka bir şeyin sonucu olabilir.</p><p>Kök Neden Analizi (Root Cause Analysis/RCA), görünen problemi veya onun ilk nedenini düzeltmekten ziyade, problemin ortaya çıkmasına yol açan asıl nedeni bulmaya odaklanıyor.</p><p>Burada en bilinen yöntemlerden biri <strong>5 Why (5 Neden)</strong>. İsmi beş kez “neden?” diye sormamız gerektiğini düşündürse de, beş sayısı kesin bir kural değil. Bazı problemlerde üçüncü soruda yeterince derine inebiliriz, bazılarında ise beş soru bile yetmeyebilir.</p><p>Bir online alışveriş platformunda kullanıcıların siparişlerini tamamlamalarına rağmen sipariş onay e-postalarının gitmediğini düşünelim.</p><p>İlk bakışta problem oldukça açık görünüyor: E-posta servisi çalışmıyor.</p><p>Peki gerçekten kök neden bu mu?</p><p><strong>Kullanıcılara neden sipariş onay e-postası gitmedi?</strong></p><p>Çünkü sipariş tamamlandıktan sonra gönderilmesi gereken bildirim tetiklenmedi.</p><p><strong>Bildirim neden tetiklenmedi?</strong></p><p>Çünkü sipariş servisi, bildirim sisteminin beklediği eventi göndermedi.</p><p><strong>Event neden gönderilmedi?</strong></p><p>Çünkü son geliştirmede sipariş tamamlama akışında yapılan bir değişiklik sırasında event’i oluşturan adım kaldırıldı.</p><p><strong>Bu değişiklik neden fark edilmeden canlıya çıktı?</strong></p><p>Çünkü yapılan testler siparişin başarıyla oluşturulup oluşturulmadığını kontrol ediyordu, ancak sipariş sonrasında gerçekleşmesi gereken bildirim akışı test kapsamına dahil edilmemişti.</p><p><strong>Peki bu neden test kapsamına dahil edilmemişti?</strong></p><p>Çünkü sipariş tamamlama akışına bağlı sistemlerin ve beklenen yan etkilerin kontrol edilmesini zorunlu kılan bir regression checklist’i bulunmuyordu.</p><p>Başlangıçta problem bize “e-posta gönderilmiyor” gibi görünüyordu.</p><p>Biraz daha derine indiğimizde ise e-posta servisinin aslında düzgün çalıştığını görebiliriz. Sorun, bildirimi başlatması gereken event’in hiç oluşmaması.</p><p>Burada da durabilirdik.</p><p>Fakat birkaç kez daha “neden?” diye sorduğumuzda, teknik hatanın arkasında başka bir problem görüyoruz: <strong>Değişikliğin bağlı olduğu akışların test kapsamına sistematik olarak dahil edilmemesi.</strong></p><p>Bu ayrım önemli.</p><p>Çünkü eksik event’i tekrar eklemek mevcut problemi çözer. Kullanıcılar yeniden e-posta almaya başlar. Ama süreçte hiçbir şey değiştirilmezse başka bir geliştirmede benzer bir bağımlılık tekrar gözden kaçabilir.</p><p>İyi bir kök neden analizi bu nedenle yalnızca:</p><p><strong>“Nerede hata yaptık?” </strong>sorusuyla ilgilenmez.</p><p>Bir adım daha ileri giderek:</p><p><strong>“Sistemimiz veya sürecimiz bu hatanın kullanıcıya kadar ulaşmasına neden izin verdi?” </strong>sorusunu da sorar.</p><p>Kök nedene ulaşmak biraz da burada başlıyor.</p><h3>Hatayı düzeltmek ile nedeni ortadan kaldırmak aynı şey değil: CAPA</h3><p>Bir problemin kök nedenini bulduktan sonra sıradaki soru şu:</p><p><strong>Peki şimdi ne yapacağız?</strong></p><p>Bu noktada Corrective Action ve Preventive Action, yani CAPA yaklaşımı devreye giriyor.</p><p>Burada birbirine benzeyen ama aslında farklı amaçlara hizmet eden üç kavramı ayırmak önemli: <strong>Correction, Corrective Action ve Preventive Action.</strong></p><p>Bunu bir teknoloji örneği üzerinden düşünelim.</p><p>Bir online bilet platformunda bazı kullanıcıların ödeme sırasında “Öde” butonuna art arda bastıklarında aynı işlem için iki kez ödeme yaptıklarını düşünelim.</p><p>İlk yapılması gereken şey oldukça açık: Etkilenen kullanıcıları tespit edip fazla alınan ödemeleri iade etmek.</p><p>Bu bir <strong>Correction</strong>, yani mevcut hatanın etkisini düzeltmeye yönelik bir aksiyondur.</p><p>Ama kullanıcıya parasını iade etmek, problemin kendisini ortadan kaldırmaz. Aynı koşullar tekrar oluştuğunda başka bir kullanıcıdan yeniden iki kez ödeme alınabilir.</p><p>Yapılan incelemede ödeme isteğinin birden fazla kez gönderilebildiği ve sistemde aynı işlem için tekrarlanan ödeme taleplerini engelleyen bir kontrol bulunmadığı tespit edilmiş olsun.</p><p>Bu durumda ödeme işlemlerine idempotency kontrolü eklemek, butona ilk tıklamadan sonra yeni bir ödeme isteği oluşturulmasını engellemek ve ilgili senaryoyu otomasyon testlerine dahil etmek birer <strong>Corrective Action</strong> olabilir. Buradaki amaç artık yalnızca etkilenen kullanıcıların problemini çözmek değil, <strong>gerçekleşmiş problemin kök nedenini ortadan kaldırarak aynı hatanın tekrar yaşanmasını önlemek.</strong></p><p>Preventive Action tarafında ise bakış açısını biraz daha genişletiyoruz.</p><p>Aynı risk, yalnızca bilet satın alma ekranında mı var? Abonelik yenileme, rezervasyon veya başka ödeme akışlarında da benzer bir durum yaşanabilir mi?</p><p>Henüz bu alanlarda bir problem yaşanmamış olsa bile, benzer ödeme akışlarının incelenmesi, ortak geliştirme standartlarına tekrar eden isteklerin güvenli şekilde ele alınmasını sağlayacak kontrollerin eklenmesi ve yeni ödeme özellikleri için bu senaryoların test checklist’ine dahil edilmesi <strong>Preventive Action</strong> kapsamında değerlendirilebilir.</p><p>Aradaki farkı en basit haliyle şöyle düşünebiliriz:</p><p><strong>Correction:</strong> Oluşmuş hatanın etkisini düzelt.</p><p><strong>Corrective Action:</strong> Hatanın nedenini ortadan kaldır ve aynı problemin tekrarını önle.</p><p><strong>Preventive Action:</strong> Benzer bir problemin henüz yaşanmadığı alanlarda ortaya çıkma ihtimalini önceden değerlendir ve mümkünse oluşmasını önle.</p><p>Bu ayrım, özellikle yazılım tarafında çok önemli. Çünkü production’daki bir hatayı düzeltip ticket’ı kapatmak oldukça kolay.</p><p>Asıl soru şu:</p><p><strong>Aynı koşullar yarın tekrar oluştuğunda sistemimiz aynı hatayı tekrar verebilir mi?</strong></p><p>Cevap evetse, problemi düzeltmiş olabiliriz ama henüz gerçekten çözmüş sayılmayız.</p><h3>Peki önce hangi problemi çözeceğiz? Pareto Analizi</h3><p>Buraya kadar tek bir problem üzerinden ilerledik.</p><p>Gerçek hayatta ise çoğu zaman önümüzde çözülmeyi bekleyen tek bir problem olmuyor. Production’da farklı hatalar yaşanıyor, kullanıcılardan şikayetler geliyor, destek ekibi yeni kayıtlar açıyor ve backlog giderek büyüyor. Hepsini aynı anda çözmek ise çoğu zaman mümkün değil.</p><p>Bu noktada başka bir soruya ihtiyacımız var:</p><p><strong>Önce hangisine odaklanmalıyız?</strong></p><p>Pareto Analizi tam olarak bu noktada devreye giriyor.</p><p>Pareto prensibi genellikle sonuçların yaklaşık %80&#39;inin nedenlerin %20&#39;sinden kaynaklandığı fikriyle açıklanıyor. Fakat buradaki 80/20 oranını değişmez bir matematik kuralı olarak düşünmemek gerekiyor. Dağılım 70/30 da olabilir, 85/15 de.</p><p>Asıl önemli olan şu:</p><p><strong>Her problem aynı sıklıkta yaşanmıyor ve aynı etkiyi yaratmıyor.</strong></p><p>Bir mobil uygulamada bir ay boyunca production’da oluşan hata kayıtlarının incelendiğini düşünelim.</p><p>Toplam 1.000 hata kaydının dağılımı şöyle olsun:</p><ul><li>410: Kullanıcı girişinde OTP doğrulama hatası</li><li>270: Ödeme işleminin tamamlanamaması</li><li>130: Bildirimlerin kullanıcıya ulaşmaması</li><li>90: Profil bilgilerinin güncellenememesi</li><li>60: Dosya yükleme hatası</li><li>40: Diğer hatalar</li></ul><p>İlk bakışta elimizde altı farklı problem alanı var.</p><p>Fakat yalnızca ilk iki kategoriye baktığımızda toplam hata kayıtlarının %68&#39;ini oluşturduklarını görüyoruz.</p><p>Bu durumda ekibin bütün hata türlerine eşit şekilde zaman ayırması yerine önce OTP doğrulama ve ödeme problemlerine odaklanması, toplam hata sayısında çok daha büyük bir iyileşme sağlayabilir.</p><p>Tabii, burada yalnızca hata sayısına bakmak her zaman yeterli değil.</p><p>Örneğin yalnızca 20 kez yaşanmış bir hata, kullanıcıların hesaplarından yanlış tutarda para çekilmesine neden oluyorsa, 400 kez yaşanan daha düşük etkili bir hatadan daha öncelikli olabilir.</p><p>Bu nedenle Pareto Analizi bize tek başına “şunu çöz” demez. Daha çok, <strong>problemlerin nerede yoğunlaştığını görmemizi sağlar.</strong> Öncelik verirken sıklığın yanında problemin etkisini ve taşıdığı riski de değerlendirmek gerekir.</p><p>Bence Pareto’nun en kullanışlı tarafı da burada.</p><p>Uzun bir bug listesinin karşısında tek tek kayıtlara bakmak yerine bir adım geri çekilip şu soruyu sormamızı sağlıyor:</p><p><strong>Problemlerimizin büyük kısmı aslında nerede toplanıyor?</strong></p><p>Bu sorunun cevabını gördüğümüzde, sınırlı zamanı ve kaynağı nereye ayıracağımıza karar vermek çok daha kolay hale geliyor.</p><h3>Ya problem henüz yaşanmadıysa? FMEA</h3><p>Şimdiye kadar ele aldığımız örneklerin çoğunda ortada zaten bir problem vardı. Bir hata oluşmuş, kullanıcı etkilenmiş ya da sistemde bir şeylerin beklendiği gibi çalışmadığı fark edilmişti.</p><p>Peki henüz hiçbir problem yaşanmadıysa?</p><p>FMEA (Failure Mode and Effects Analysis), yani Hata Türleri ve Etkileri Analizi, tam olarak bu noktada diğer yöntemlerden ayrılıyor.</p><p>Burada geçmişte yaşanan bir problemin nedenini araştırmak yerine daha en başta şu soruyu soruyoruz:</p><p><strong>“Bu süreçte ne ters gidebilir?”</strong></p><p>Örneğin, bir uygulamaya yeni bir şifre sıfırlama özelliği eklendiğini düşünelim.</p><p>Özellik henüz kullanıma açılmadı. Dolayısıyla elimizde kullanıcı şikayetleri ya da production hata kayıtları yok.</p><p>Ama bu, potansiyel problemleri düşünemeyeceğimiz anlamına gelmiyor.</p><p>Şifre sıfırlama e-postası kullanıcıya hiç ulaşmayabilir.</p><p>Gönderilen bağlantının süresi dolduğu halde kullanılmaya devam edilebilir.</p><p>Aynı bağlantı birden fazla kez kullanılabilir.</p><p>Kullanıcıya ait olmayan bir hesap için şifre değişikliği yapılabilir.</p><p>Çok fazla şifre sıfırlama isteği gönderilerek sistem kötüye kullanılabilir.</p><p>Bunların hepsi birer <strong>failure mode</strong>, yani sürecin başarısız olabileceği farklı yollar.</p><p>FMEA’de yalnızca bu ihtimalleri listelemekle kalmıyoruz. Her birini genellikle üç açıdan değerlendiriyoruz:</p><p><strong>Severity (Şiddet):</strong> Bu hata gerçekleşirse etkisi ne kadar ciddi olur?</p><p><strong>Occurrence (Oluşma Olasılığı):</strong> Bu hatanın gerçekleşme ihtimali ne kadar yüksek?</p><p><strong>Detection (Tespit Edilebilirlik):</strong> Hata kullanıcıyı etkilemeden önce bunu fark etmek ne kadar zor?</p><p>Örneğin, şifre sıfırlama e-postasının birkaç dakika geç ulaşması kullanıcı deneyimini olumsuz etkileyebilir.</p><p>Ama başka bir kullanıcının hesabının şifresinin değiştirilebilmesi çok daha ciddi sonuçlar doğurur.</p><p>İkisi de olası bir hata senaryosu. Ama taşıdıkları risk aynı değil.</p><p>Klasik FMEA yaklaşımında bu üç kriter genellikle belirli bir ölçek üzerinden puanlanır ve <strong>Risk Priority Number (RPN)</strong> hesaplanabilir:</p><p><strong>RPN = Severity × Occurrence × Detection</strong></p><p>Basit bir örnek üzerinden düşünelim.</p><p>Şifre sıfırlama e-postasının geç ulaşması için Severity 3, Occurrence 6 ve Detection 3 olarak değerlendirildiğinde RPN değeri:</p><p><strong>3 × 6 × 3 = 54 </strong>olur.</p><p>Başka bir kullanıcının hesabında şifre değişikliğine izin veren bir hata için ise Severity 10, Occurrence 2 ve Detection 7 olarak değerlendirildiğinde:</p><p><strong>10 × 2 × 7 = 140 </strong>sonucuna ulaşabiliriz.</p><p>İkinci hata daha düşük ihtimalle gerçekleşse bile, etkisinin çok daha ciddi olması ve fark edilmesinin zor olması nedeniyle daha fazla dikkat gerektiriyor.</p><p>Tabii, FMEA’yı yalnızca ortaya çıkan RPN değerlerini büyükten küçüğe sıralamak olarak düşünmemek gerekiyor. Özellikle etkisi çok ciddi olan failure mode’lar, toplam puanı görece düşük olsa bile ayrıca değerlendirilmelidir. Kullanılan FMEA metodolojisine göre önceliklendirme yaklaşımı da değişebilir.</p><p>Asıl amaç kusursuz bir risk puanı hesaplamak değil.</p><p><strong>Riskleri kullanıcıdan önce fark etmek.</strong></p><p>Böylece geliştirme henüz production’a çıkmadan önce bazı aksiyonlar alınabilir.</p><p>Örneğin, şifre sıfırlama linklerinin belirli bir süre sonra geçersiz hale gelmesi, yalnızca bir kez kullanılabilmesi, kullanıcı doğrulamasının güçlendirilmesi, rate limiting uygulanması ve kritik senaryoların test kapsamına eklenmesi planlanabilir.</p><p>FMEA’nın diğer problem analiz yöntemlerinden ayrıldığı nokta da bence tam olarak burada.</p><p>Kök Neden Analizi bize:</p><p><strong>“Bu problem neden yaşandı?” </strong>diye sorarken FMEA:</p><p><strong>“Bu problem yaşanmadan önce nerelerde yaşayabileceğimizi görebilir miyiz?” </strong>diye soruyor.</p><p>Birinde gerçekleşmiş bir hatadan geriye doğru ilerliyoruz.</p><p>Diğerinde ise henüz hata oluşmadan ileriye bakmaya çalışıyoruz.</p><p>FMEA’yı değerli yapan şey de bu: Bir hata production’a çıktıktan sonra onu çözmek yerine, mümkün olduğunca production’a hiç ulaşmamasını sağlamak.</p><h3><strong>Bu yöntemlerden hangisini kullanmalıyız?</strong></h3><p>Bu tekniklere ilk baktığımızda birbirlerine oldukça benzer görünebilirler. Sonuçta hepsinde problem, neden ve risk gibi kavramlardan bahsediyoruz.</p><p>Fakat aralarındaki farkı yöntemlerin isimlerinden çok sordukları sorular üzerinden düşünmek işleri kolaylaştırıyor.</p><p><strong>Tam olarak ne oluyor?</strong> → 5N1K<br><strong>Buna neler sebep olabilir?</strong> → Balık Kılçığı Analizi<br><strong>Bunun gerçekten olmasına ne sebep oldu?</strong> → Kök Neden Analizi<br><strong>Bulduğumuz nedeni nasıl ortadan kaldırır ve benzer problemleri nasıl önleriz?</strong> → CAPA<br><strong>Birden fazla problemimiz varsa önce hangisine odaklanmalıyız?</strong> → Pareto Analizi<br><strong>Henüz gerçekleşmemiş hangi problemler bizim için risk oluşturuyor?</strong> → FMEA</p><p>Aslında en önemli noktalardan biri de bu yöntemleri birbirlerinin alternatifi olarak düşünmemek.</p><p>Aynı problem çözme sürecinin farklı aşamalarında birkaçını birlikte kullanabiliriz.</p><p>Örneğin, çok sayıda müşteri şikayeti varsa Pareto ile en büyük etkiyi yaratan problem grubunu belirleyebiliriz. 5N1K ile problemi netleştirebilir, Balık Kılçığı Analizi ile olası nedenleri belirleyebilir ve RCA ile bunların arasından gerçek kök nedeni tespit edebiliriz.</p><p>Sonrasında CAPA ile gerekli aksiyonları belirleyebiliriz.</p><p>Yeni tasarlanan bir süreçte ise problem ortaya çıkmadan önce FMEA ile olası hata noktalarını değerlendirebiliriz.</p><p>Yani soru aslında “En iyi problem analizi tekniği hangisi?” değil.</p><p><strong>“Şu anda hangi sorunun cevabına ihtiyacımız var?”</strong></p><h3>Son olarak</h3><p>Problem çözme denildiğinde akla genellikle hızlı karar almak ve hızlı aksiyon almak gelir.</p><p>Bazen gerçekten buna ihtiyaç var.</p><p>Ama hızlı olmakla acele etmek aynı şey değil.</p><p>Bir problemi yeterince anlamadan ürettiğimiz çözüm teknik olarak doğru olabilir ve yine de hiçbir şeyi çözmeyebilir. Çünkü semptomu ortadan kaldırmış, asıl nedeni olduğu yerde bırakmış olabiliriz.</p><p>Bu nedenle problem analizi tekniklerini yalnızca toplantılarda kullanılan diyagramlar, tablolar veya metodolojiler olarak görmüyorum.</p><p>Asıl değerleri daha basit bir yerde:</p><p><strong>Çözüme geçmeden önce biraz daha iyi düşünmemizi sağlıyorlar.</strong></p><p>Çünkü bazen doğru çözümü bulmak için ihtiyacımız olan ilk şey yeni bir cevap değil, doğru sorudur.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c44fdfedc0fc" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>