Wat Is Statistical Process Control (SPC)?

Wat is Statistical Process Control (SPC) en waarom is het belangrijk?

“Are we in control?” Deze vraag staat centraal in processen beschrijven en beheersen, en Statistical Process Control (SPC) is een methode die wordt gebruikt om via statistische methoden toezicht te houden op en controle te houden over een proces. Door SPC toe te passen, kunnen we consistentie waarborgen en ingrijpen als het dreigt mis te gaan.

Wat is Statistical Process Control?

Statistical Process Control (SPC), bedacht door Walter A. Shewhart, is een methode om de output van processen te monitoren en te controleren. Het doel is om variatie binnen acceptabele grenzen te houden, wat leidt tot hogere kwaliteit en betrouwbaarheid. In Lean Six Sigma gebruiken we SPC in de control-fase van het DMAIC-traject om het proces te controleren.

Waarom SPC belangrijk is in Lean Six Sigma

SPC wordt vaak gebruikt in Lean en Lean Six Sigma, omdat het helpt bij het beheersen van processen en het minimaliseren van variatie. Binnen de Lean Six Sigma-methode is het doel om processen in control te houden en te verbeteren, met als streven zo min mogelijk fouten. Dit leidt tot consistentere resultaten en hogere klanttevredenheid. Door statistische controlemethoden te integreren in de control-fase van DMAIC, kan je als Black Belt continu verbeteren en hoge kwaliteit handhaven.

De voordelen van Statistical Process Control

• Consistentie: SPC helpt bij het handhaven van consistente procesprestaties door variatie binnen acceptabele grenzen te houden.
• Kwaliteitsverbetering: Door problemen vroegtijdig te identificeren, kan SPC helpen bij het nemen van corrigerende maatregelen voordat de kwaliteit van het eindproduct wordt beïnvloed.
• Efficiëntie: SPC maakt gebruik van statistische technieken om gegevens te analyseren. Dit resulteert in efficiëntere en effectievere procescontrole.

Toepassing van SPC in Lean Six Sigma

In Lean Six Sigma wordt SPC toegepast in de control-fase van verbeterprojecten. Door het gebruik van SPC kunnen teams:

• Monitoren: Continu toezicht houden op procesprestaties.
• Analyseren: Variaties en trends in de procesdata identificeren.
• Controleren: Actief problemen aanpakken en corrigerende maatregelen implementeren met PDCA of DMAIC.

Door SPC te integreren in Lean Six Sigma kun je niet alleen verbeteringen doorvoeren, maar deze ook voortdurend monitoren en controleren.

Twee soorten variatie in proces controls

Shewhart concludeerde dat elk proces onderhevig is aan twee soorten variatie:

1. Normale variatie (‘common cause’): Dit type variatie is inherent aan het proces zelf. Het is normaal dat geen enkel proces altijd exact hetzelfde presteert, waardoor er altijd enige variatie aanwezig is, bijvoorbeeld in de doorlooptijd.
2. Speciale variatie (‘special cause’): Dit type variatie doet zich voor wanneer er ongebruikelijke gebeurtenissen plaatsvinden die normaal niet onderdeel zijn van het proces. Deze afwijkingen wijzen op specifieke problemen of veranderingen die directe aandacht vereisen.

Control Charts

Een van de belangrijkste tools binnen SPC zijn de Control Charts, of regelkaarten. Deze grafieken helpen bij het detecteren van:

• Afwijkingen van het normale procesverloop.
• Veranderingen in het gemiddelde.
• Veranderingen in variatie.
• Veranderingen door speciale oorzaken.

Het primaire doel van een Control Chart is om vast te stellen of een proces stabiel en statistisch onder controle is.

Hoe werken Control Charts?

Bij een Control Chart krijg je een bovenste en een onderste controlegrens, respectievelijk de Upper Control Limit (UCL) en de Lower Control Limit (LCL). Deze limieten zijn gedefinieerd als drie standaarddeviaties boven en onder de centrale lijn (het gemiddelde).

• Upper Control Limit (UCL): De limiet die 3 standaarddeviaties boven de centrale lijn ligt. Het geeft aan tot hoe ver een procesmeting kan variëren voordat deze als ongewoon wordt beschouwd.
• Lower Control Limit (LCL): Deze limiet ligt 3 standaarddeviaties onder de centrale lijn en markeert de ondergrens van acceptabele variatie.

Volgens de empirische regel bevindt minimaal 99,73% van alle meetgegevens zich binnen drie standaarddeviaties van het gemiddelde. Dit betekent dat bijna alle procesdata binnen deze limieten zouden moeten vallen als het proces stabiel is.

Wanneer is je proces “in control”?

Je proces is “in control” als alle data binnen de control limits vallen, die gedefinieerd zijn als drie standaarddeviaties boven en onder de centrale lijn. Dit betekent dat minimaal 99,73% van je data binnen deze grenzen zit. Als alle datapunten binnen deze control limits vallen, zonder duidelijke patronen of trends, wordt het proces als stabiel en onder controle beschouwd.

Wanneer is een proces niet in control?

Een proces wordt beschouwd als ‘niet in control’ wanneer er datapunten buiten de vastgestelde controlelimieten (UCL en LCL) vallen. Dit duidt op de aanwezigheid van speciale oorzaken van variatie, die niet worden verwacht als onderdeel van het normale procesverloop.

Tekenen van een proces dat niet in control is

• Datapunten buiten de controlelimieten: Als er meetwaarden zijn die buiten de UCL of LCL vallen, is dit een teken dat er iets ongewoons gebeurt.
• Patronen of trends binnen de controlelimieten: Zelfs als alle datapunten binnen de controlelimieten vallen, kunnen bepaalde patronen of trends wijzen op een probleem.

Wat te doen bij een proces dat niet in control is?

Als er sprake is van outliers in het proces, zoek je de oorzaak op. Dit doe je door te onderzoeken wat er anders is gegaan tijdens de periodes waarin de afwijkende waarden zijn gemeten. Het is belangrijk om te zoeken naar oorzaken in plaats van meteen oplossingen. Een rootcause analyse helpt hierbij. Mogelijke stappen zijn:

• Analyseren van de omstandigheden: Kijk naar wat er gebeurde op het moment van de outliers. Waren er veranderingen in materialen, personeel of machines?
• Identificeren van speciale oorzaken: Zoek naar specifieke gebeurtenissen of omstandigheden die de afwijking kunnen verklaren.
• Corrigerende maatregelen nemen: Zodra de oorzaak is vastgesteld, voer je corrigerende maatregelen door om ervoor te zorgen dat het probleem zich niet herhaalt.

Wat is het verschil tussen Specification Limits en Control Limits?

Het is belangrijk om de verschillen tussen Specification Limits en Control Limits te begrijpen:

• Specification Limits: Dit zijn klantspecifieke eisen. De Upper Specification Limit (USL) en Lower Specification Limit (LSL) definiëren de acceptabele grenzen vanuit het perspectief van de klant.
• Control Limits: Dit zijn statistische grenzen, berekend als 3 standaarddeviaties boven en onder de centrale lijn. De UCL en LCL helpen bij het monitoren van de stabiliteit van het proces.

USL en LSL worden bepaald door klantverwachtingen en specificaties. UCL en LCL worden berekend op basis van de procesprestaties. Of een stabiel proces ook daadwerkelijk binnen de klantspecificaties presteert, breng je in beeld met een process capability analyse.

Verschillende soorten Control Charts en hun toepassingen

Control charts zijn tools voor het monitoren van processen. Hieronder vind je een globaal overzicht van enkele veelgebruikte control charts.

Individuals Chart (I Chart)

De I Chart wordt gebruikt voor het verzamelen van individuele meetpunten. Deze chart is ideaal voor continue data en individuele meetpunten met een normale verdeling.

Individual Moving Range Chart (I-MR Chart)

De I-MR Chart is een combinatie van twee grafieken: de Individuals (I) Chart en de Moving Range (MR) Chart. Deze chart is geschikt voor het analyseren van individuele meetpunten en de variabiliteit tussen opeenvolgende datapunten.

EWMA (Exponentially Weighted Moving Average)

De EWMA-chart monitort kleine veranderingen in processen. Het maakt gebruik van gewogen gemiddelde punten, waardoor trends beter zichtbaar worden.

X̄ en R Chart en X̄ en S Chart

Deze charts monitoren subgroepen met continue data. De X̄ en R Chart is geschikt voor kleine subgroepen (minder dan 6 datapunten), terwijl de X̄ en S Chart wordt gebruikt voor grotere subgroepen (meer dan 6 datapunten).

P Charts en NP Charts

P Charts en NP Charts analyseren attribute data, zoals goed/fout of geslaagd/gefaald. Ze zijn geschikt voor situaties waarin elke waarneming in één van twee categorieën valt.

C Charts en U Charts

C Charts en U Charts analyseren count data, zoals het aantal defecten in producten. De keuze tussen deze charts hangt af van de subgroepgrootte en de variabiliteit ervan.

Met deze richtlijnen kun je de juiste control chart kiezen op basis van je data en analysebehoeften, wat helpt om processen beter te monitoren en te verbeteren.

Samenvatting

Statistical Process Control (SPC) is een methode binnen Lean en Lean Six Sigma om processen te monitoren en te verbeteren. Het wordt toegepast in de control-fase van een verbetertraject. Als je proces out of control dreigt te raken, kun je met PDCA of DMAIC ingrijpen en je proces weer onder controle houden.

Door gebruik te maken van control charts krijg je inzicht in de stabiliteit van je processen en kun je afwijkingen snel identificeren. Het uiteindelijke doel is het optimaliseren van processen, wat leidt tot consistentere kwaliteit en hogere klanttevredenheid.

Wil je meer leren over Lean Six Sigma en Statistical Process Control? Meld je aan voor de online Lean Six Sigma Black Belt-training van Lean.nl.