Auch ein stabiler Prozess kann bei ausreichend genauen Messungen Schwankungen zeigen. Variation beschreibt Unterschiede zwischen Beobachtungen. Manche Messwerte, etwa Körpergrößen in einer geeigneten Population, können sich um einen Mittelwert gruppieren. Eine symmetrische Glockenverteilung muss jedoch geprüft und darf nicht einfach angenommen werden.
Einblicke des International Six Sigma Institute™
Die umfassende Erklärung der Variation in Six Sigma
Die Standardabweichung misst die Streuung der Beobachtungen um den Prozessmittelwert in derselben Einheit wie die Messungen. Eine kleinere Standardabweichung bedeutet weniger Streuung. Ein Sigma-Niveau vergleicht dagegen den Abstand vom Mittelwert zu einer Spezifikationsgrenze mit der Prozessstandardabweichung. Fünf, sechs oder sieben Sigma beschreiben einen solchen Abstand, nicht die Standardabweichung zwischen aufeinanderfolgenden Ergebnissen.
Das bekannte Six-Sigma-Ziel von etwa 3,4 Fehlern pro Million Möglichkeiten beruht auf der üblichen Annahme einer Mittelwertverschiebung um 1,5 Standardabweichungen. Es ist keine uneingeschränkte Vorhersage für jeden Prozess. Bei einem stabilen, annähernd normalverteilten Prozess, der zwischen sechs Standardabweichungen vom Mittelwert entfernten Spezifikationsgrenzen zentriert ist, betragen Cp und Cpk vor einer Verschiebung 2. Verschiebt sich der Mittelwert bei gleicher Streuung um 1,5 Standardabweichungen zu einer Grenze, wird Cpk zu 1,5 und diese Grenze liegt 4,5 Standardabweichungen vom Mittelwert entfernt.
Um Variation zu verringern, messen Sie die Prozessleistung, untersuchen ihre Ursachen, setzen Verbesserungen um und überwachen die Ergebnisse. Weniger Streuung kann das Fehlerrisiko senken, der Zusammenhang hängt aber auch von Prozessmittelwert, Spezifikationsgrenzen und Verteilung ab. Schätzen Sie Fehlerquoten mit einem geeigneten geprüften Modell oder anhand beobachteter Daten bei klar definierter Fehlermöglichkeit. Eine geringere Streuung allein garantiert keine Fehlerfreiheit.
Weitere Verbesserungen können dauerhafte Aufmerksamkeit des Managements, geplante Experimente, Fähigkeitsanalysen und eigenverantwortliche Teams erfordern. Eine Normal- oder Gaußverteilung ist symmetrisch und glockenförmig, Prozessdaten sind aber nicht immer normalverteilt. Prüfen Sie Stabilität und Verteilungsannahmen, bevor Sie normalverteilungsbasierte Fähigkeitsindizes oder Randwahrscheinlichkeiten berechnen. Wählen Sie bei nichtnormalen Daten eine geeignete alternative Analyse. Vergleichen Sie Ergebnisse mit der unteren und oberen Spezifikationsgrenze und wählen Sie Regelkarten, Streudiagramme, Verlaufsdiagramme oder Fähigkeitsstudien passend zur Untersuchungsfrage.
