Incluso un proceso estable puede mostrar variación si las mediciones se registran con suficiente detalle. La variación describe las diferencias entre observaciones. Algunas mediciones, como las alturas de una población adecuada, pueden agruparse en torno a una media; pero una distribución simétrica en forma de campana debe comprobarse, no darse por supuesta.
Perspectivas de International Six Sigma Institute™
La revelación definitiva de la variación Six Sigma
La desviación estándar mide la dispersión de las observaciones alrededor de la media del proceso, en las mismas unidades que las mediciones. Reducirla disminuye esa dispersión. El nivel sigma compara la distancia entre la media y un límite de especificación con la desviación estándar del proceso. Cinco, seis o siete sigma describen esa distancia, no la desviación estándar entre salidas consecutivas.
El conocido objetivo Six Sigma de unos 3,4 defectos por millón de oportunidades utiliza la suposición convencional de un desplazamiento de la media de 1,5 desviaciones estándar. No es una predicción incondicional para cualquier proceso. En un proceso estable y aproximadamente normal, centrado entre límites situados a seis desviaciones estándar de la media, Cp y Cpk son iguales a 2 antes de cualquier desplazamiento. Si la media se mueve 1,5 desviaciones estándar hacia un límite y la dispersión permanece igual, Cpk pasa a 1,5 y ese límite queda a 4,5 desviaciones estándar de la media.
Para reducir la variación, mida el rendimiento, investigue sus causas, aplique mejoras y supervise los resultados. Una menor variación puede reducir el riesgo de defectos, pero también influyen la media, los límites de especificación y la distribución. Estime las tasas de defectos mediante un modelo adecuado y comprobado o datos observados con una definición clara de la oportunidad de defecto. Reducir la dispersión por sí solo no garantiza cero defectos.
Seguir mejorando puede exigir atención continua de la dirección, experimentos diseñados, análisis de capacidad y equipos con autonomía. Una distribución normal o gaussiana es simétrica y acampanada, pero los datos de los procesos no siempre son normales. Compruebe la estabilidad y los supuestos de distribución antes de aplicar índices de capacidad basados en la normalidad o predecir probabilidades en las colas. Para datos no normales, elija un análisis alternativo adecuado. Compare las salidas con los límites inferior y superior de especificación, y seleccione gráficos de control, diagramas de dispersión, gráficos de secuencia y estudios de capacidad según la pregunta investigada.
