Six Sigma en variatie in processen

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. Als je de dobbelsteen meerdere keren rolt, zie je dat de uitkomst (hoe vaak je een zes gooit) varieert per reeks van zes worpen. De mate waarin je ervaring afwijkt van de verwachting, is de mate van variatie.

Variatie in processen

Wanneer je de output van een proces meet, zul je merken dat er altijd variatie is. Geen enkele output is exact hetzelfde, ongeacht hoe goed je het proces beheerst. Denk bijvoorbeeld aan het gooien van een dobbelsteen: elke worp is anders, zelfs als je dezelfde dobbelsteen en techniek gebruikt.

Een ander voorbeeld is je dagelijkse rit naar het werk. Zelfs als je elke dag dezelfde route volgt, zul je telkens op een iets andere tijd aankomen, afhankelijk van factoren zoals verkeer of stoplichten.

Deze variatie, ook wel common cause variatie genoemd, is normaal en onvermijdelijk in elk proces.

Wat kun je met variatie?

Variatie is een belangrijk aspect van elk proces. Het begrijpen en analyseren van variatie is essentieel in Six Sigma, omdat dit je in staat stelt om beter met die variatie om te gaan en je processen continu te verbeteren. Door variatie te analyseren, kun je achterhalen waar verbeteringen mogelijk zijn en waar je processen stabiel genoeg zijn om betrouwbare resultaten te leveren.

In Six Sigma onderscheiden we twee typen variatie: common cause variatie en special cause variatie.

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 deze variatie deel uitmaakt van het normale proces, kun je deze 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 vaak plotseling en onvoorspelbaar. Het identificeren en elimineren van deze oorzaken kan direct leiden tot procesverbetering.

Waarom is het belangrijk?

Door het onderscheid te maken tussen common cause en special cause variatie, kun je gerichter actie ondernemen om je processen te verbeteren. Bij common cause variatie richt je je op het optimaliseren van het hele proces, bijvoorbeeld door beter onderhoud, training, of het verfijnen van werkwijzen. Bij special cause variatie zoek je naar de specifieke oorzaak van de afwijking, zodat je deze kunt corrigeren en herhaling kunt voorkomen.

Inzicht in variatie helpt je om processen beter te begrijpen, stabieler te maken en de kwaliteit van de output te verhogen.

Variatie analyseren

In Six Sigma is het analyseren van variatie van groot belang. Naast het gemiddelde is het belangrijk om de spreiding van de resultaten rond dit gemiddelde te begrijpen. Variatie wordt vaak gemeten met statistische hulpmiddelen zoals de standaarddeviatie, die laat zien hoe ver de individuele resultaten afwijken van het gemiddelde. Hoe groter de variatie, hoe minder voorspelbaar en stabiel je proces is.

Als je bijvoorbeeld een dobbelsteen vaak genoeg rolt, zul je zien dat het gemiddelde aantal keren dat elk getal (1, 2, 3, 4, 5 of 6) voorkomt, naar ongeveer één zesde neigt, oftewel ongeveer 16,67% per getal. Ondanks dit gemiddelde zal elke individuele worp een willekeurig resultaat geven, maar door een groot aantal herhalingen ontstaat er een patroon waarin de resultaten zich rondom het gemiddelde groeperen, waardoor de centrale tendens van het proces zichtbaar wordt.

Het beheersen en verminderen van variatie is essentieel in Six Sigma. Six Sigma richt zich op het grondig analyseren van deze variatie om processen te stabiliseren en consistentere resultaten te behalen. Het einddoel is om de variatie zo veel mogelijk te minimaliseren, zodat het proces betrouwbaar en voorspelbaar wordt.

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. Dit geldt ook voor variatie: om variatie te beheersen, moet je weten wat de variatie veroorzaakt.

Elke afwijking van het verwachte resultaat, of het nu groot of klein is, is het gevolg van een specifieke oorzaak. Deze oorzaken kunnen variëren van veranderingen in materialen, verschillen in werkwijzen, tot omgevingsfactoren zoals temperatuur of vochtigheid. Sommige oorzaken zijn inherent aan het proces en veroorzaken voorspelbare variatie, terwijl andere oorzaken onverwacht optreden en leiden tot onvoorspelbare resultaten.

Het identificeren van deze oorzaken is essentieel voor het beheersen van variatie. Door methoden zoals root cause analysis en statistische procesbeheersing kun je de oorzaken van variatie blootleggen. Zodra je weet wat de variatie veroorzaakt, kun je gerichte maatregelen nemen om die oorzaken te beheersen of te elimineren, waardoor je proces consistenter en betrouwbaarder wordt.

Lange Termijn en Korte Termijn Variatie: Wat is het Verschil?

Variatie kan in de loop van de tijd veranderen. Er zijn twee hoofdtypen variatie die we moeten onderscheiden: kortetermijnvariatie en langetermijnvariatie.

• Korte termijn variatie verwijst naar fluctuaties die je ziet in een proces over een relatief korte periode. Dit type variatie is vaak het resultaat van kleine, snel veranderende factoren zoals tijdelijke schommelingen in werkomstandigheden, machine-instellingen, of operatorhandelingen.
• Lange termijn variatie verwijst naar veranderingen in het proces over een langere periode. Deze variatie kan ontstaan door factoren zoals seizoensgebonden veranderingen, veroudering van machines, of veranderingen in de kwaliteit van grondstoffen.

Welke variatie pak je eerst aan?

Wanneer je variatie in een proces wilt beheersen, is het verstandig om eerst de variatie met speciale oorzaken aan te pakken, voordat je de algemene ruis probeert te verminderen. Special cause variatie maakt het proces onstabiel en onvoorspelbaar. Pas nadat je de speciale variatie hebt geëlimineerd, kun je werken aan het verminderen van de variabiliteit door gewone oorzaken.

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.”

Deze tijdloze wijsheid ligt ten grondslag aan het credo “meten is weten,” een van de fundamentele principes van Six Sigma.

Zoals W. Edwards Deming het treffend verwoordde:

“In God we trust; all others bring data.”

Dit benadrukt dat harde gegevens essentieel zijn om daadwerkelijk inzicht en verbetering te realiseren.

Meten vormt de basis voor elke vorm van procesverbetering. Het verzamelen van data stelt je in staat om nauwkeurig te begrijpen wat er in je proces gebeurt, waardoor je gerichte, effectieve acties kunt ondernemen om variatie te verminderen en prestaties te verbeteren.

Met welke tools kun je variatie analyseren?

1. Histogram: Een histogram is 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, kun je de variatie in het proces visueel analyseren.
2. Standaarddeviatie: De standaarddeviatie is een statistische maatstaf die aangeeft hoeveel de individuele waarden in een dataset afwijken van het gemiddelde. Een lage standaarddeviatie wijst op weinig variatie, terwijl een hoge standaarddeviatie aangeeft dat de waarden sterk variëren. Dit is een krachtige tool om de consistentie van je proces te beoordelen.
3. Control charts (regelkaarten): Control charts zijn grafieken die worden gebruikt om te bepalen of een proces in statistische controle is. Ze tonen de variatie in het proces over tijd, met een gemiddelde lijn en controlegrenzen. Door te observeren of de procesdata binnen de controlegrenzen blijven, kun je zien of er sprake is van gewone variatie (common cause) of speciale variatie (special cause).
4. Boxplot: Een boxplot, ook wel doosdiagram genoemd, is een grafische weergave die de spreiding van een dataset laat zien. Het toont de mediaan, het interkwartielbereik, en eventuele uitschieters. Dit maakt het een handig hulpmiddel om de verdeling en variatie binnen een dataset snel te beoordelen.
5. Scatterplot: Een scatterplot is een grafiek die twee variabelen tegen elkaar uitzet om te zien of er een correlatie of patroon bestaat tussen hen. Dit kan helpen om relaties tussen verschillende factoren in een proces te identificeren die mogelijk bijdragen aan variatie.
6. Process Capability Analysis (Cpk/Ppk): Dit is een statistische maatstaf die wordt gebruikt om te beoordelen hoe goed een proces voldoet aan specificaties. Het helpt je te bepalen of je proces in staat is om consistent producten te leveren die binnen de gewenste toleranties vallen.

Deze tools helpen je om variatie in je proces te visualiseren, te kwantificeren en te begrijpen, waardoor je gerichte verbeteringen kunt doorvoeren.

Wil je meer leren over variatie en hoe je deze kunt beheersen? Dan is onze online Lean Six Sigma Black Belt-training perfect voor jou.