Six Sigma en variatie in processen

Variatie meten en beheersen is de kern van Six Sigma. In dit artikel leer je wat variatie statistisch betekent, hoe je het meet en welke tools je gebruikt om het te analyseren en te beheersen binnen DMAIC-verbeterprojecten.

Wat is variatie in Six Sigma?

In Six Sigma verwijst variatie, ook wel spreiding genoemd, naar de afwijking van de verwachte uitkomst in een proces. Stel dat je een dobbelsteen rolt. De kans dat je een zes gooit, is één op zes, oftewel ongeveer 16,67%. Als je de dobbelsteen zes keer rolt, verwacht je gemiddeld één keer een zes te gooien. Dit is je verwachting.

In de praktijk kunnen de resultaten echter variëren. Misschien gooi je één keer een zes, misschien helemaal niet, of misschien vaker dan één keer. De mate waarin je ervaring afwijkt van de verwachting, is de mate van variatie. Dit principe geldt in elk meetbaar proces, van productielijnen tot doorlooptijden in de dienstverlening.

Twee typen variatie: common cause en special cause

In Six Sigma onderscheiden we twee typen variatie, een onderscheid dat Walter A. Shewhart introduceerde en dat de basis vormt voor statistische procesbeheersing.

1. Common cause variatie: Dit type variatie is inherent aan het proces zelf en ontstaat door natuurlijke fluctuaties binnen het systeem, zoals kleine verschillen in materialen, omgevingstemperatuur of het gebruik van machines. Deze variatie is voorspelbaar en ligt binnen een vast patroon. Omdat ze deel uitmaakt van het normale proces, kun je common cause variatie alleen verminderen door het proces als geheel te verbeteren.
2. Special cause variatie: Dit type variatie is niet inherent aan het proces en ontstaat door specifieke, vaak onverwachte oorzaken, zoals een defecte machine, een menselijke fout of een verandering in de omgeving. Special cause variatie is plotseling en onvoorspelbaar. Het identificeren en elimineren van deze oorzaken leidt direct tot procesverbetering.

Dit onderscheid is cruciaal omdat de aanpak verschilt. Bij special cause variatie zoek je naar de specifieke oorzaak via een rootcause analyse. Bij common cause variatie richt je je op het optimaliseren van het hele systeem, bijvoorbeeld door standaardisatie of betere procescondities. Pak altijd eerst de special cause variatie aan. Een onstabiel proces geeft geen betrouwbare data voor verdere statistische analyse.

Variatie meten: standaarddeviatie en spreiding

In Six Sigma is het analyseren van variatie van groot belang. Naast het gemiddelde is het essentieel om de spreiding van de resultaten rond dat gemiddelde te begrijpen. Variatie wordt statistisch uitgedrukt met de standaarddeviatie (σ), die laat zien hoe ver de individuele resultaten gemiddeld afwijken van het procesgemiddelde. Hoe groter de standaarddeviatie, hoe minder voorspelbaar en stabiel het proces is.

De naam Six Sigma verwijst direct naar dit begrip. Een proces op zes sigma niveau heeft een standaarddeviatie die zo klein is dat de specificatiegrenzen van de klant op zes standaarddeviaties van het gemiddelde liggen. Dit correspondeert met slechts 3,4 defecten per miljoen kansen. Hoe hoger het sigma-niveau, hoe minder variatie en hoe beter het proces.

Variatie en de normale verdeling

Veel procesdata volgt een normale verdeling, ook wel de klokkromme genoemd. Dit betekent dat de meeste metingen zich dicht bij het gemiddelde bevinden en dat extreme waarden steeds zeldzamer worden naarmate ze verder van het gemiddelde liggen. De empirische regel stelt dat bij een normale verdeling ongeveer 68% van de data binnen één standaarddeviatie van het gemiddelde valt, 95% binnen twee standaarddeviaties, en 99,73% binnen drie standaarddeviaties.

Dit is ook de basis voor de controlelimieten in een control chart: de UCL en LCL liggen standaard op drie standaarddeviaties boven en onder het gemiddelde. Datapunten buiten die grenzen wijzen op special cause variatie die direct aandacht verdient.

Korte termijn versus lange termijn variatie

Variatie kan in de loop van de tijd veranderen. In Six Sigma onderscheiden we twee niveaus:

• Korte termijn variatie verwijst naar fluctuaties over een relatief korte periode. Dit type variatie wordt uitgedrukt in Cp en Cpk en laat zien wat het proces in principe kan presteren als het stabiel draait.
• Lange termijn variatie verwijst naar veranderingen over een langere periode, veroorzaakt door factoren zoals seizoensgebonden schommelingen, veroudering van machines of wijzigingen in grondstoffen. Dit wordt uitgedrukt in Pp en Ppk.

Het verschil tussen Cpk en Ppk geeft inzicht in de mate van procesverschuiving over tijd, ook wel de sigma shift genoemd. Wanneer het verschil groot is, wijst dat op instabiliteit of structurele verschuivingen in het proces die verder onderzoek vragen.

Oorzaak en gevolg: variatie beheersen

Alle variatie in een proces heeft een oorzaak. Om de uitkomst van een proces te beheersen, moet je de onderliggende oorzaken begrijpen en beheersen. Elke afwijking van het verwachte resultaat, groot of klein, is het gevolg van een specifieke oorzaak. Die oorzaken kunnen variëren van veranderingen in materialen en werkwijzen tot omgevingsfactoren zoals temperatuur of vochtigheid. Zodra je weet wat de variatie veroorzaakt, kun je gerichte maatregelen nemen om die oorzaken te beheersen of te elimineren.

Meten is weten: het fundamentele principe van Six Sigma

Een bekende uitspraak van de Britse wetenschapper William Thompson uit 1891 luidt: “Als je kunt meten waarover je spreekt en het in getallen kunt uitdrukken, weet je er iets over. Maar als je het niet in getallen kunt uitdrukken, is je kennis van magere en onbevredigende aard.”

Zoals W. Edwards Deming het treffend verwoordde: “In God we trust; all others bring data.”

Meten vormt de basis voor elke vorm van procesverbetering. Binnen DMAIC is de Measure-fase het fundament. Zonder betrouwbare meting van variatie kun je geen onderbouwde conclusies trekken in de Analyse-fase en geen effect aantonen in de Control-fase. Een goed meetplan is daarbij onmisbaar.

Met welke tools analyseer je variatie in Six Sigma?

1. Histogram: Een grafische weergave die de verdeling van gegevens laat zien. Het toont hoe vaak bepaalde waarden in een dataset voorkomen, wat helpt om de spreiding en vorm van de data te begrijpen. Door naar de breedte en vorm van de balken te kijken, analyseer je de variatie visueel en zie je of de data een normale verdeling volgt.
2. Standaarddeviatie: De statistische maatstaf die aangeeft hoeveel de individuele waarden in een dataset afwijken van het gemiddelde. Een lage standaarddeviatie wijst op weinig variatie, een hoge standaarddeviatie op veel variatie. Dit is de basis voor het berekenen van Cp, Cpk en het sigma-niveau.
3. Control charts (regelkaarten): Grafieken die worden gebruikt om te bepalen of een proces in statistische controle is. Ze tonen de variatie over tijd, met een gemiddelde lijn en controlegrenzen op drie standaarddeviaties. Door te observeren of procesdata binnen de controlegrenzen blijven, onderscheid je common cause variatie van special cause variatie.
4. Boxplot: Een grafische weergave die de spreiding van een dataset laat zien via mediaan, interkwartielbereik en uitschieters. Handig om snel de verdeling en variatie binnen een dataset te beoordelen en groepen met elkaar te vergelijken.
5. Scatterplot: Een grafiek die twee variabelen tegen elkaar uitzet om te zien of er een correlatie bestaat. Dit helpt om relaties tussen factoren in een proces te identificeren die mogelijk bijdragen aan variatie.
6. Process Capability Analysis (Cp, Cpk, Pp, Ppk): De statistische maatstaf die beoordeelt hoe goed een proces voldoet aan de specificaties van de klant. Cp en Cpk meten de korte termijn procescapabiliteit, Pp en Ppk de lange termijn prestatie. Lees meer over de process capability analyse.

Deze tools helpen je om variatie in je proces te visualiseren, te kwantificeren en te begrijpen, waardoor je gerichte verbeteringen kunt doorvoeren. Meer over het toepassen lees je in het artikel over data-analyse in Lean.

Variatie en het defectpercentage

Variatie heeft een directe relatie met het aantal defecten in een proces. Hoe groter de variatie ten opzichte van de specificatiegrenzen van de klant, hoe meer output buiten de eisen valt. Dit wordt uitgedrukt in het defectpercentage of in DPMO (defects per million opportunities). Het verminderen van variatie is daarmee de meest directe weg naar minder fouten en hogere kwaliteit.

Samenvatting

Variatie is onvermijdelijk in elk proces, maar niet alle variatie is gelijk. Het onderscheid tussen common cause en special cause variatie bepaalt welke aanpak je kiest. De standaarddeviatie en de normale verdeling vormen de statistische basis om variatie te meten en te beoordelen. Tools als control charts, histogrammen en process capability analyse maken die variatie zichtbaar en stuurbaar. Binnen Lean Six Sigma is het beheersen van variatie geen doel op zich, maar het middel om processen betrouwbaarder, voorspelbaarder en klantgerichter te maken.

Wil je meer leren over variatie en hoe je het statistisch analyseert? In de online Lean Six Sigma Black Belt-training van Lean.nl leer je hoe je variatie meet, interpreteert en structureel aanpakt in complexe verbetertrajecten.