Spreidingsmaten in Lean Six Sigma

Spreidingsmaten zijn statistische maten die aangeven hoe sterk de waarden in een dataset verspreid zijn. In Lean Six Sigma gebruik je spreidingsmaten om variatie in een proces te meten, te begrijpen en te beheersen.

Wie werkt met procesdata weet dat het gemiddelde alleen nooit het volledige verhaal vertelt. Twee processen kunnen hetzelfde gemiddelde hebben maar totaal verschillend presteren. Het ene proces levert elke dag consistent dezelfde doorlooptijd, het andere schommelt tussen extremen. Spreidingsmaten maken dat verschil zichtbaar en meetbaar.

Wat zijn spreidingsmaten?

Spreidingsmaten zijn statistische maten die beschrijven hoe ver de afzonderlijke meetwaarden uit elkaar liggen. Ze geven antwoord op de vraag: zijn de metingen allemaal op een kluitje, of zijn ze sterk verspreid over de meetschaal?

Hoe meer de waarnemingen verspreid zijn, hoe meer variatie er in het proces zit. Die variatie heeft directe gevolgen voor de procesprestaties: een proces met veel spreiding is onvoorspelbaar. Levertijden variëren, kwaliteit wisselt en de klant ervaart dat als onbetrouwbaarheid.

Waarom zijn spreidingsmaten belangrijk in Lean Six Sigma?

Operationele stabiliteit is de basis van Lean. Een stabiel proces presteert iedere dag min of meer hetzelfde, met zo min mogelijk afwijkingen. Spreidingsmaten zijn het instrument waarmee je meet of een proces die stabiliteit heeft bereikt.

Let wel op: een stabiel proces betekent niet automatisch dat het proces goed presteert. Je kunt bijvoorbeeld iedere dag tien minuten te laat op je werk komen. Best stabiel, maar of de baas daar blij mee is, is een tweede. Om te beoordelen of de variatie in een proces acceptabel is, heb je altijd een klanteis of KPI nodig als referentiepunt.

Twee soorten variatie

In Lean Six Sigma maak je onderscheid tussen twee soorten variatie. Normale variatie is altijd aanwezig en inherent aan elk proces: geen enkel proces is perfect constant.

Bijzondere variatie of uitschieters ontstaan door uitzonderingen en abnormale situaties, zoals een defecte machine, een stroomstoring of een plotselinge piek in de vraag.

Een beheerst proces bevat alleen normale variatie. Bijzondere variatie is een signaal dat er iets uitzonderlijks speelt en vraagt om een oorzakenanalyse.

Spreidingsmaten helpen je te bepalen hoeveel variatie er in een proces zit en of die variatie normaal of bijzonder is. Dat inzicht is de basis voor elk Lean Six Sigma verbeterproject in de Measure- en Analyse-fase van DMAIC.

De belangrijkste spreidingsmaten

Er zijn verschillende spreidingsmaten, elk met een eigen toepassing en berekening.

De range is de eenvoudigste spreidingsmaat: het verschil tussen de hoogste en de laagste waarde in een dataset. De range is snel te berekenen en makkelijk te communiceren, maar heeft als nadeel dat hij gevoelig is voor uitschieters. Eén extreme waarde kan de range sterk beïnvloeden terwijl de rest van de data heel stabiel is.

De standaarddeviatie is de meest gebruikte spreidingsmaat in Lean Six Sigma. Ze geeft de gemiddelde afwijking van alle meetwaarden ten opzichte van het gemiddelde. Hoe groter de standaarddeviatie, hoe meer variatie er in het proces zit. De standaarddeviatie is robuuster dan de range omdat ze alle meetwaarden meeneemt in de berekening.

De variantie is het kwadraat van de standaarddeviatie. De variantie wordt minder vaak direct gerapporteerd omdat de eenheid niet overeenkomt met de originele meetwaarden, maar speelt een belangrijke rol in statistische analyses zoals variantieanalyse.

De interkwartielafstand (IQR) is het verschil tussen het 75e en het 25e percentiel. Om dit te begrijpen verdeel je de dataset in vier gelijke delen, de kwartielen. Het eerste kwartiel (Q1) is de waarde waarbij 25% van de data eronder valt, het derde kwartiel (Q3) is de waarde waarbij 75% eronder valt. De IQR is het verschil tussen die twee: Q3 min Q1. Dat middelste bereik omvat de 50% meest centrale waarnemingen en laat uitschieters aan beide kanten buiten beschouwing.

De IQR is bestand tegen uitschieters en wordt vooral gebruikt bij scheef verdeelde data of wanneer extreme waarden de spreiding vertekenen. In een boxplot wordt de IQR visueel weergegeven als de breedte van de box.

De variatiecoëfficiënt is de standaarddeviatie uitgedrukt als percentage van het gemiddelde. Dit is handig wanneer je de spreiding van datasets met verschillende eenheden of gemiddelden wilt vergelijken.

Hoe kies je de juiste spreidingsmaat?

De keuze hangt af van je data en je vraagstelling. Bij continue data zonder extreme uitschieters is de standaarddeviatie de standaardkeuze. Bij data met uitschieters of een scheve verdeling is de IQR betrouwbaarder. De range gebruik je voor een snelle eerste indruk of in combinatie met een regelkaart. De variatiecoëfficiënt gebruik je wanneer je processen met verschillende schalen wilt vergelijken.

In de Measure-fase van DMAIC begin ik altijd met de standaarddeviatie als primaire spreidingsmaat. Daarna bekijk ik de range en de verdeling van de data om te beoordelen of er uitschieters zijn die de standaarddeviatie vertekenen.

Spreidingsmaten en operationele stabiliteit

Een proces is stabiel als de variatie beheersbaar en voorspelbaar is. Spreidingsmaten geven je de getallen, maar de interpretatie vereist context. Een standaarddeviatie van vier dagen bij een doorlooptijdproces van gemiddeld vijf dagen is dramatisch. Diezelfde standaarddeviatie bij een gemiddelde van honderd dagen is acceptabel.

Daarom gebruik je spreidingsmaten altijd in combinatie met het gemiddelde en de klanteisen of KPI’s. Pas dan kun je beoordelen of de variatie in een proces acceptabel is of vraagt om verbetering.

Spreidingsmaten en Statistical Process Control

Om variatie in een proces te monitoren gebruik je Statistical Process Control (SPC). SPC maakt gebruik van regelkaarten, ook wel control charts genoemd, die de procesdata in de tijd weergeven samen met een bovenste en onderste controlegrens, de UCL en LCL. Die grenzen liggen op drie standaarddeviaties boven en onder het gemiddelde.

Dit principe is afkomstig van Walter Shewhart, die in de jaren twintig van de vorige eeuw aantoonde dat elk datapunt dat buiten die grenzen valt een signaal is van bijzondere variatie. Het proces gedraagt zich op dat moment anders dan normaal en vraagt om een oorzakenanalyse. Datapunten binnen de grenzen zijn onderdeel van de normale variatie van het proces en vragen geen directe actie, al kan de spreiding zelf nog steeds te groot zijn ten opzichte van de klanteis.

SPC is daarmee niet alleen een meetinstrument maar ook een beslissingsondersteunend instrument: het vertelt je wanneer je moet ingrijpen en wanneer je het proces met rust moet laten.

Samenvatting

Spreidingsmaten geven aan hoe ver meetwaarden uit elkaar liggen en hoe groot de variatie in een proces is. De belangrijkste zijn de range, de standaarddeviatie, de variantie, de IQR en de variatiecoëfficiënt. Elk heeft een eigen toepassing: de standaarddeviatie is de standaardkeuze bij continue data, de IQR bij scheef verdeelde data of uitschieters, de range voor een snelle eerste indruk. Spreidingsmaten zeggen pas iets als je ze combineert met het gemiddelde en de klanteis of KPI. Een stabiel proces hoeft niet per definitie een goed proces te zijn. Met Statistical Process Control monitor je of variatie normaal of bijzonder is en bepaal je wanneer ingrijpen nodig is.

Wil je leren hoe je spreidingsmaten berekent en toepast in een verbeterproject? In de online Lean Six Sigma Black Belt training doorloop je de volledige statistische basis van Lean Six Sigma, inclusief het berekenen en interpreteren van spreidingsmaten in je eigen processen. Bekijk de Black Belt training.