Six Sigma क्षमता (अल्पकालिक और दीर्घकालिक)
Six Sigma क्षमता की पूरी मार्गदर्शिका: उपकरण और सुधार रणनीतियाँ

क्षमता व्यावहारिक प्रश्न पूछती है: क्या प्रक्रिया भरोसेमंद ढंग से ग्राहक विनिर्देश पूरे कर सकती है? परिवर्तन मापकर और आउटपुट को सीमाओं से मिलाकर सुधार क्षेत्र दिखते हैं। कम परिवर्तन मदद करता है, लेकिन प्रक्रिया ठीक केंद्रित और समय के साथ स्थिर भी होनी चाहिए।

Six Sigma में क्षमता सीमाओं में आउटपुट बनाने की योग्यता है। परिवर्तनशीलता समझना और मापना आवश्यक है ताकि प्रक्रिया लगातार ग्राहक आवश्यकताएँ पूरी करे। नियंत्रण चार्ट और क्षमता सूचकांकों से संगठन प्रक्रियाएँ माप, विश्लेषित और सुधारकर ऊँचे प्रदर्शन तथा गुणवत्ता स्तर पा सकते हैं।

Six Sigma क्षमता (अल्पकालिक और दीर्घकालिक)

Six Sigma प्रक्रिया क्षमता का परिचय

Six Sigma प्रक्रिया क्षमता गुणवत्ता प्रबंधन का केवल बड़ा शब्द नहीं; प्रक्रिया सुधार में बड़ा बदलाव है। Six Sigma परिवर्तन और दोष न्यूनतम करके बड़े सुधार तथा संतुष्टि चाहता है। यह ऐसे रसोइए जैसा है जो हर बार ग्राहक मानक पूरे या पार करने वाला व्यंजन बनाने को प्रतिबद्ध हो।

पसंदीदा रेस्तराँ में सामान्य व्यंजन मँगाने की कल्पना करें। हर बार उसका रूप और स्वाद बेहतरीन — यही उद्योगों में Six Sigma का उद्देश्य है: संगति और उत्कृष्टता।

Six Sigma रातोंरात जादू से सब पूर्ण नहीं करता। यह कठोर डेटा-आधारित निर्णय, समस्या समाधान और निरंतर सुधार की प्रतिबद्धता है। परिवर्तन समझकर, प्रक्रिया सुधारकर और प्रदर्शन जाँचकर विश्वसनीय उत्पाद तथा सेवा की ओर ले जाता है; हर बार पूर्ण परिणाम की गारंटी नहीं। पसंदीदा रेस्तराँ का व्यंजन हर बार अलग लगे तो मज़ा नहीं आएगा, है न?

संगति की शुरुआत ग्राहक सहनशीलता सीमाओं में उत्पाद बनाने की क्षमता मापने से होती है। अर्थात प्रक्रिया कितनी सक्षम और अपेक्षाओं के अनुरूप है, यह समझना।

सरल शब्दों में, जब संगठन ध्यान देता है Six Sigma प्रक्रिया क्षमता, तो वह पूरे संचालन में उच्च गुणवत्ता बनाए रखने के प्रयास में निवेश कर रहा होता है।

इस संगति से संगठन ग्राहक संतुष्ट कर सकते हैं, अपशिष्ट तथा लागत घटा सकते हैं और प्रतिस्पर्धा बढ़ा सकते हैं।

Six Sigma क्षमता केवल मानक पूरा करना नहीं, लगातार उनसे आगे जाना है। यह गुणवत्ता प्रतिबद्धता दक्षता तथा प्रदर्शन के नए स्तर खोलती है और ग्राहकों को प्रसन्न करती है।

प्रदर्शन क्षमता और उत्कृष्टता की बात करते हुए अब क्षमता मापन तथा मानक विचलन का निर्णायक महत्व देखें।

Six Sigma DMAIC प्रक्रिया — Measure चरण — प्रक्रिया क्षमता

क्षमता स्थिर प्रक्रिया के परिवर्तन की विनिर्देश सीमाओं से तुलना करती है। अनुमान को विश्वसनीय भविष्यवाणी मानने से पहले सांख्यिकीय स्थिरता और मापन प्रणाली समझें।

प्रक्रिया क्षमता दो श्रेणियों में बाँटी जा सकती है:

अल्पकालिक क्षमता

अल्पकालिक क्षमता उपसमूह-अंदर परिवर्तन से संभावित प्रदर्शन है। तुलनीय परिस्थितियों में तार्किक उपसमूह लें ताकि तापमान, पाली या ऑपरेटर बदलाव अंदर के परिवर्तन से अलग हों। Cp तथा Cpk यह क्षमता बताते हैं, भविष्य की गारंटी नहीं।

दीर्घकालिक क्षमता

दीर्घकालिक प्रदर्शन में पूरे अध्ययन और उपसमूहों के बीच परिवर्तन हैं। डेटा ग्राहक द्वारा अनुभव की परिस्थितियाँ ढके। Pp तथा Ppk समग्र परिवर्तन लेते हैं; Cp तथा Cpk से तुलना और अलग स्थिरता जाँच करके तकनीक तथा नियंत्रण का प्रभाव समझें।

प्रक्रिया सिग्मा क्या है?

प्रक्रिया सिग्मा आवश्यकता के सापेक्ष प्रदर्शन मानक विचलन इकाइयों में बताता है। विनिर्देश, वितरण और खिसकाव परंपरा समान बताने पर यह तुलना का साझा पैमाना देता है। तुलनीय मान्यताओं में माध्य से सीमा तक अधिक दूरी कम मॉडलित दोष जोखिम है।

प्रक्रिया सिग्मा गणना — असतत डेटा

• इकाई क्या है – प्रसंस्करण के अंतर्गत वस्तु
• दोष क्या है – ग्राहक आवश्यकता या प्रदर्शन मानक पूरा न होना
• अवसर क्या है – उत्पाद या सेवा की मानक के अनुसार मापी जाने वाली विशेषता
• दोषपूर्ण इकाई क्या है – एक या अधिक दोष वाली इकाई
• प्रति दस लाख अवसरों में दोष – दस लाख अवसरों में उत्पन्न होने वाले दोषों की संख्या

DPMO (प्रति दस लाख अवसरों में दोष) की गणना

प्रति अवसर दोष
DPO = D / (O*U)
D = दोषों की कुल संख्या
O = प्रति इकाई दोष अवसर
U = इकाइयों की कुल संख्या

DPMO (प्रति दस लाख अवसरों में दोष)

DPMO की गणना = 1,000,000 * DPO = 1,000,000 * D/(O*U)

DPMO वास्तविक दोष संख्या और परिभाषित अवसरों से निकलता है; उसे जबरन 3.4 नहीं करते। परिचित दीर्घकालिक Six Sigma मानदंड लगभग 3.4 DPMO, 1.5 मानक विचलन खिसकाव परंपरा लेता है। इस उदाहरण में 2 दोष, प्रति इकाई 18 अवसर और 32,500 इकाइयाँ लें:

DPO की गणना = 2 / (18*32500) = 0.0000034188
DPMO = DPO × 1,000,000 ≈ 3.4188, अर्थात एक दशमलव तक 3.4।

उपज

उपज आवश्यकताएँ पूरी करने वाली इकाइयों का अनुपात है। अंतिम चरण, पूरी प्रक्रिया की प्रथम-प्रयास और चरणों की संयुक्त प्रवाह उपज अलग करें। नीचे चार चरणों में हानि है और दोबारा काम का चक्र नहीं दिखाया गया।

आरेख को पूरे आकार में खोलें ↗

Six Sigma उपज की परिभाषा और उदाहरण

अंतिम-परीक्षण उपज (इस उदाहरण में पारंपरिक उपज, YC) – अंतिम परीक्षण पास करने वाली इकाइयाँ / उस परीक्षण में प्रवेश इकाइयाँ = 65/70 ≈ 0.9286, अर्थात 92.86%। यह अंतिम चरण की उपज है, मूल 100 इनपुट की कुल उपज नहीं।
प्रथम-प्रयास उपज (Yft) – पहली बार सही प्रक्रिया पूरी करने वाली इकाइयाँ / मूल इनपुट। बिना दोबारा काम के इस उदाहरण में 65/100 = 0.65, अर्थात 65%।
संयुक्त प्रवाह उपज (Ytp) – उपज 1 × उपज 2 × उपज 3 × उपज 4 = (91/100) × (82/91) × (70/82) × (65/70) = 0.65, अर्थात 65%। दोबारा काम वाली प्रक्रिया में हर चरण की प्रथम-प्रयास उपज लें।

प्रक्रिया सिग्मा गणना — सतत डेटा

संदर्भ, हिस्टोग्राम, प्रायिकता आरेख और उपयुक्त परीक्षण से सामान्य मॉडल की उपयुक्तता जाँचें। बड़ा नमूना व्यक्तिगत प्रेक्षणों को सामान्य-वितरित नहीं बनाता। उचित परिस्थितियों में केंद्रीय सीमा प्रमेय नमूना माध्यों के वितरण पर है। उदाहरण आरेख में क्षैतिज अक्ष डेटा मान और ऊर्ध्व प्रायिकता पैमाना संचयी स्थान दिखाता है; लगभग रैखिकता सामान्य मॉडल का समर्थन है, प्रमाण नहीं।

आरेख को पूरे आकार में खोलें ↗

Six Sigma सामान्य प्रायिकता आरेख

Z मान निकालना

z-स्कोर माध्य से मान की चिह्नयुक्त दूरी है, मानक विचलन में मापी जाती है: z = (Y − μ)/σ। माध्य से ऊपर धनात्मक और नीचे ऋणात्मक है।

आरेख को पूरे आकार में खोलें ↗

Six Sigma Z मान की गणना

Y = संबंधित डेटा बिंदु का मान
µ = डेटा बिंदुओं का माध्य
σ = डेटा बिंदुओं का मानक विचलन
Z = Y और माध्य (µ) के बीच मानक विचलनों की संख्या

कुछ उदाहरण देखें:
अभ्यास में एकदिवसीय अंतरराष्ट्रीय में लक्ष्य बनाते England क्रिकेट टीम के रन के लिए माध्य 250 और मानक विचलन 23 वाला सामान्य मॉडल मानें। 300 से अधिक रन की मॉडलित संभावना क्या है? इस सन्निकटन में स्कोर सतत मानें; निरंतरता सुधार नहीं है।

आरेख को पूरे आकार में खोलें ↗

सामान्य वितरण का उदाहरण

आरेख को पूरे आकार में खोलें ↗

Z गणना का उदाहरण

गोल z-स्कोर 2.17 पर परिशिष्ट Φ(2.17) = 0.984996577 देता है। बिना गोल मान z = 50/23 ≈ 2.173913 और संचयी संभावना लगभग 0.985144167 है। संख्यात्मक संचयी गणना हो तो अंतिम तक मान बिना गोल रखें। बताए सतत सामान्य मॉडल में 300 से नीचे लगभग 98.5144% और शून्य से नीचे संभावना यहाँ नगण्य है। 300 से ऊपर संभावना लगभग 1.4856%, अर्थात 1.49% है। गोल सारणी मान से लगभग 1.50% मिलता है; छोटा अंतर पहले z गोल करने से है।

इसी सामान्य मॉडल में 216 और 273 रन के बीच स्कोर की संभावना क्या है?

आरेख को पूरे आकार में खोलें ↗

सामान्य वितरण का उदाहरण

आरेख को पूरे आकार में खोलें ↗

Z गणना का उदाहरण

दो बिना गोल किए z-स्कोर की संचयी सामान्य संभावनाएँ लें। Z1 = (273 − 250)/23 = 1; Z2 = (216 − 250)/23 = −34/23 ≈ −1.478261। दो-दशमलव सारणी में निचला मान −1.48 करें, −1.47 नहीं।
Z1 पर संचयी क्षेत्रफल: Φ(1) ≈ 0.841344746।
Z2 पर संचयी क्षेत्रफल: Φ(−34/23) ≈ 0.069668984।
सीमाओं के बीच क्षेत्रफल: Φ(1) − Φ(−34/23) ≈ 0.771675763।
216 और 273 रन के बीच मॉडलित संभावना लगभग 77.17% है। इसमें गोल करने से पहले बताए माध्य और मानक विचलन उपयोग हैं।

परिशिष्ट — सामान्य वितरण सारणियाँ

Standard normal P(Z <= z), rounded to nine decimal places.

Z	0.00	0.01	0.02	0.03	0.04	0.05	0.06	0.07	0.08	0.09
0	0.500000000	0.503989356	0.507978314	0.511966473	0.515953437	0.519938806	0.523922183	0.527903170	0.531881372	0.535856393
0.1	0.539827837	0.543795313	0.547758426	0.551716787	0.555670005	0.559617692	0.563559463	0.567494932	0.571423716	0.575345435
0.2	0.579259709	0.583166163	0.587064423	0.590954115	0.594834872	0.598706326	0.602568113	0.606419873	0.610261248	0.614091881
0.3	0.617911422	0.621719522	0.625515835	0.629300019	0.633071736	0.636830651	0.640576433	0.644308755	0.648027292	0.651731727
0.4	0.655421742	0.659097026	0.662757273	0.666402179	0.670031446	0.673644780	0.677241890	0.680822491	0.684386303	0.687933051
0.5	0.691462461	0.694974269	0.698468212	0.701944035	0.705401484	0.708840313	0.712260281	0.715661151	0.719042691	0.722404675
0.6	0.725746882	0.729069096	0.732371107	0.735652708	0.738913700	0.742153889	0.745373085	0.748571105	0.751747770	0.754902906
0.7	0.758036348	0.761147932	0.764237502	0.767304908	0.770350003	0.773372648	0.776372708	0.779350054	0.782304562	0.785236116
0.8	0.788144601	0.791029912	0.793891946	0.796730608	0.799545807	0.802337457	0.805105479	0.807849798	0.810570345	0.813267057
0.9	0.815939875	0.818588745	0.821213620	0.823814458	0.826391220	0.828943874	0.831472393	0.833976754	0.836456941	0.838912940
1	0.841344746	0.843752355	0.846135770	0.848494997	0.850830050	0.853140944	0.855427700	0.857690346	0.859928910	0.862143428
1.1	0.864333939	0.866500487	0.868643119	0.870761888	0.872856849	0.874928064	0.876975597	0.878999516	0.880999893	0.882976804
1.2	0.884930330	0.886860554	0.888767563	0.890651448	0.892512303	0.894350226	0.896165319	0.897957685	0.899727432	0.901474671
1.3	0.903199515	0.904902082	0.906582491	0.908240864	0.909877328	0.911492009	0.913085038	0.914656549	0.916206678	0.917735561
1.4	0.919243341	0.920730159	0.922196159	0.923641490	0.925066300	0.926470740	0.927854963	0.929219123	0.930563377	0.931887882
1.5	0.933192799	0.934478288	0.935744512	0.936991636	0.938219823	0.939429242	0.940620059	0.941792444	0.942946567	0.944082597
1.6	0.945200708	0.946301072	0.947383862	0.948449252	0.949497417	0.950528532	0.951542774	0.952540318	0.953521342	0.954486023
1.7	0.955434537	0.956367063	0.957283779	0.958184862	0.959070491	0.959940843	0.960796097	0.961636430	0.962462020	0.963273044
1.8	0.964069681	0.964852106	0.965620498	0.966375031	0.967115881	0.967843225	0.968557237	0.969258091	0.969945961	0.970621020
1.9	0.971283440	0.971933393	0.972571050	0.973196581	0.973810155	0.974411940	0.975002105	0.975580815	0.976148236	0.976704532
2	0.977249868	0.977784406	0.978308306	0.978821730	0.979324837	0.979817785	0.980300730	0.980773828	0.981237234	0.981691100
2.1	0.982135579	0.982570822	0.982996977	0.983414193	0.983822617	0.984222393	0.984613665	0.984996577	0.985371269	0.985737882
2.2	0.986096552	0.986447419	0.986790616	0.987126279	0.987454539	0.987775527	0.988089375	0.988396208	0.988696156	0.988989342
2.3	0.989275890	0.989555923	0.989829561	0.990096924	0.990358130	0.990613294	0.990862532	0.991105957	0.991343681	0.991575814
2.4	0.991802464	0.992023740	0.992239746	0.992450589	0.992656369	0.992857189	0.993053149	0.993244347	0.993430881	0.993612845
2.5	0.993790335	0.993963442	0.994132258	0.994296874	0.994457377	0.994613854	0.994766392	0.994915074	0.995059984	0.995201203
2.6	0.995338812	0.995472889	0.995603512	0.995730757	0.995854699	0.995975411	0.996092967	0.996207438	0.996318892	0.996427399
2.7	0.996533026	0.996635840	0.996735904	0.996833284	0.996928041	0.997020237	0.997109932	0.997197185	0.997282055	0.997364598
2.8	0.997444870	0.997522925	0.997598818	0.997672600	0.997744323	0.997814039	0.997881795	0.997947641	0.998011624	0.998073791
2.9	0.998134187	0.998192856	0.998249843	0.998305190	0.998358939	0.998411130	0.998461805	0.998511001	0.998558758	0.998605113
3	0.998650102	0.998693762	0.998736127	0.998777231	0.998817109	0.998855793	0.998893315	0.998929706	0.998964997	0.998999218

आरेख को पूरे आकार में खोलें ↗

Six Sigma सामान्य वितरण सारणी 1

Standard normal P(Z <= z), rounded to nine decimal places.

Z	0.00	0.01	0.02	0.03	0.04	0.05	0.06	0.07	0.08	0.09
3.1	0.999032397	0.999064563	0.999095745	0.999125968	0.999155261	0.999183648	0.999211154	0.999237805	0.999263625	0.999288636
3.2	0.999312862	0.999336325	0.999359047	0.999381049	0.999402352	0.999422975	0.999442939	0.999462263	0.999480965	0.999499063
3.3	0.999516576	0.999533520	0.999549913	0.999565770	0.999581108	0.999595942	0.999610288	0.999624159	0.999637571	0.999650537
3.4	0.999663071	0.999675186	0.999686894	0.999698209	0.999709143	0.999719707	0.999729912	0.999739771	0.999749293	0.999758490
3.5	0.999767371	0.999775947	0.999784227	0.999792220	0.999799936	0.999807384	0.999814573	0.999821509	0.999828203	0.999834661
3.6	0.999840891	0.999846901	0.999852698	0.999858289	0.999863681	0.999868880	0.999873892	0.999878725	0.999883383	0.999887873
3.7	0.999892200	0.999896370	0.999900389	0.999904260	0.999907990	0.999911583	0.999915043	0.999918376	0.999921586	0.999924676
3.8	0.999927652	0.999930517	0.999933274	0.999935928	0.999938483	0.999940941	0.999943306	0.999945582	0.999947772	0.999949878
3.9	0.999951904	0.999953852	0.999955726	0.999957527	0.999959259	0.999960924	0.999962525	0.999964064	0.999965542	0.999966963
4	0.999968329	0.999969641	0.999970901	0.999972112	0.999973274	0.999974391	0.999975464	0.999976493	0.999977482	0.999978431
4.1	0.999979342	0.999980217	0.999981056	0.999981862	0.999982635	0.999983376	0.999984088	0.999984770	0.999985425	0.999986052
4.2	0.999986654	0.999987231	0.999987785	0.999988315	0.999988824	0.999989311	0.999989779	0.999990226	0.999990655	0.999991066
4.3	0.999991460	0.999991837	0.999992199	0.999992545	0.999992876	0.999993193	0.999993497	0.999993788	0.999994066	0.999994332
4.4	0.999994587	0.999994831	0.999995065	0.999995288	0.999995502	0.999995706	0.999995902	0.999996089	0.999996268	0.999996439
4.5	0.999996602	0.999996759	0.999996908	0.999997051	0.999997187	0.999997318	0.999997442	0.999997561	0.999997675	0.999997784
4.6	0.999997888	0.999997987	0.999998081	0.999998172	0.999998258	0.999998340	0.999998419	0.999998494	0.999998566	0.999998634
4.7	0.999998699	0.999998761	0.999998821	0.999998877	0.999998931	0.999998983	0.999999032	0.999999079	0.999999124	0.999999166
4.8	0.999999207	0.999999245	0.999999282	0.999999317	0.999999351	0.999999383	0.999999413	0.999999442	0.999999470	0.999999496
4.9	0.999999521	0.999999545	0.999999567	0.999999589	0.999999609	0.999999629	0.999999648	0.999999665	0.999999682	0.999999698
5	0.999999713	0.999999728	0.999999742	0.999999755	0.999999767	0.999999779	0.999999790	0.999999801	0.999999811	0.999999821
5.1	0.999999830	0.999999839	0.999999847	0.999999855	0.999999863	0.999999870	0.999999877	0.999999883	0.999999889	0.999999895
5.2	0.999999900	0.999999906	0.999999911	0.999999915	0.999999920	0.999999924	0.999999928	0.999999932	0.999999935	0.999999939
5.3	0.999999942	0.999999945	0.999999948	0.999999951	0.999999954	0.999999956	0.999999958	0.999999961	0.999999963	0.999999965
5.4	0.999999967	0.999999968	0.999999970	0.999999972	0.999999973	0.999999975	0.999999976	0.999999977	0.999999979	0.999999980
5.5	0.999999981	0.999999982	0.999999983	0.999999984	0.999999985	0.999999986	0.999999987	0.999999987	0.999999988	0.999999989
5.6	0.999999989	0.999999990	0.999999990	0.999999991	0.999999991	0.999999992	0.999999992	0.999999993	0.999999993	0.999999994
5.7	0.999999994	0.999999994	0.999999995	0.999999995	0.999999995	0.999999996	0.999999996	0.999999996	0.999999996	0.999999996
5.8	0.999999997	0.999999997	0.999999997	0.999999997	0.999999997	0.999999998	0.999999998	0.999999998	0.999999998	0.999999998
5.9	0.999999998	0.999999998	0.999999998	0.999999998	0.999999999	0.999999999	0.999999999	0.999999999	0.999999999	0.999999999
6	0.999999999	0.999999999	0.999999999	0.999999999	0.999999999	0.999999999	0.999999999	0.999999999	0.999999999	0.999999999
6.1	0.999999999	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000
6.2	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000	1.000000000

आरेख को पूरे आकार में खोलें ↗

Six Sigma सामान्य वितरण सारणी 2

प्रक्रिया क्षमता का मापन और मानक विचलन की भूमिका

पसंदीदा कुकीज़ बनाने की कल्पना करें। विधि बिल्कुल तय होने पर भी हर बैच थोड़ा अलग है — कुछ नरम, कुछ कुरकुरे। यही क्षमता की चर्चा वाला परिवर्तन है। प्रक्रिया हर बार कितनी और कितना बदलती है? संगत गुणवत्ता के लिए ये प्रश्न महत्वपूर्ण हैं।

यहाँ मानक विचलन काम आता है। यह डेटा की संख्याएँ औसत से कितनी अलग हैं, उसका माप है। क्षमता में यह प्रक्रिया के डेटा का फैलाव समझाता है। मानक विचलन जितना कम, प्रक्रिया उतनी संगत है। इसे कुकी बैचों की कम परिवर्तनशीलता जैसा देखें — हर बार लगभग समान।

मानक विचलन की गणना और व्याख्या

मानक विचलन के लिए माध्य से अंतर लें, उनके वर्ग जोड़ें और वर्गमूल लें। समष्टि के लिए योग को समष्टि आकार से भाग दें। सामान्य नमूना मानक विचलन में n − 1 से भाग देते हैं; नमूना अनुमान और समष्टि राशि अलग समझें।

मान लें प्रक्रिया 100 mm लंबे पुर्जे बनाना चाहती है और मापा विचलन 2 mm है। सामान्य मॉडल में लगभग 68.27% मापन वास्तविक माध्य से एक विचलन में हैं। 2 mm स्वीकार्य और प्रक्रिया सक्षम है या नहीं, इसके लिए वास्तविक माध्य, सीमाएँ, स्थिरता और उचित वितरण मॉडल भी चाहिए।

मानक विचलन को माध्य और ग्राहक विनिर्देश के साथ समझें। कम फैलाव संगति बढ़ाता है, पर लक्ष्य से हटी सघन प्रक्रिया गलत परिणाम दे सकती है। क्षमता विश्लेषण परिवर्तन और संबंधित सीमाएँ दोनों देखता है।

क्षमता विश्लेषण में मानक विचलन समझकर संगठन सुधार, अधिक दक्षता और संगत उच्च गुणवत्ता के लिए मूल्यवान समझ पाते हैं।

सांख्यिकीय उपकरणों से उत्कृष्टता बढ़ाने की पड़ताल में अब क्षमता आँकने वाले नियंत्रण चार्ट की निर्णायक भूमिका देखें।

क्षमता में नियंत्रण चार्ट की भूमिका

Shewhart या प्रक्रिया-व्यवहार चार्ट भी कहलाने वाले नियंत्रण चार्ट Six Sigma के आवश्यक उपकरण हैं। वे समय के बदलाव और क्षमता प्रभावित करने वाली समस्याएँ दिखाते हैं। मुख्य उद्देश्य सामान्य-कारण और विशेष-कारण परिवर्तन अलग करना है।

सामान्य-कारण परिवर्तन प्रक्रिया का हिस्सा है; विशेष-कारण संकेत मशीन खराबी या बदली सामग्री जैसे असामान्य प्रभाव की जाँच चाहते हैं। नियंत्रण सीमाएँ अपेक्षित व्यवहार बताती हैं और ग्राहक विनिर्देशों से अलग हैं: स्थिर प्रक्रिया भी आवश्यकताएँ पूरी करने में असमर्थ हो सकती है।

नियंत्रण चार्ट बनाना और समझना

नियंत्रण चार्ट में डेटा बिंदु बनाकर पैटर्न तथा रुझान देखते हैं। X-bar और R, X-bar और S तथा व्यक्तिगत और गतिमान परिसर (I-MR) जैसे प्रकारों के अलग उद्देश्य हैं। उचित नियंत्रण चार्ट एकत्र डेटा के प्रकार पर निर्भर है।

चार्ट समझना केवल बिंदु बनाना नहीं; सीमाओं का महत्व, बिंदुओं की संख्या और पैटर्न तथा रुझान की विश्लेषण विधियाँ समझनी होती हैं। चार्ट की ऊपरी और निचली नियंत्रण सीमाएँ प्रक्रिया परिवर्तन से निकलती हैं। ये अपेक्षित परिवर्तन तथा हस्तक्षेप चाहने वाले परिवर्तन अलग करती हैं।

कई बिंदु सीमाओं से बाहर या लगातार बढ़ने/घटने के स्पष्ट पैटर्न में हों तो विशेष कारण की जाँच आवश्यक हो सकती है।

चार्ट बनाने और समझने का प्रशिक्षण स्थिरता तथा बदलाव के प्रमाण पर प्रतिक्रिया देता है। अलग क्षमता आकलन से जोड़कर अवसर पहचानें और सही निर्णय लें।

समय के साथ स्थिरता के लिए नियंत्रण चार्ट लें, फिर स्थिर प्रक्रिया को ग्राहक विनिर्देश से तुलना करके क्षमता आँकें। इससे निगरानी, सुधार निर्णय और ग्राहक आवश्यकताएँ जुड़ते हैं।

क्षमता सुधार में DMAIC दृष्टिकोण

Six Sigma का संरचित और प्रमाणित DMAIC — Define, Measure, Analyze, Improve और Control — क्षमता चुनौतियाँ सँभालने तथा गुणवत्ता और दक्षता के टिकाऊ सुधार का स्पष्ट मार्ग देता है।

परिभाषा

पहले लक्ष्य, ग्राहक आवश्यकताएँ और सुधार चाहने वाली विशिष्ट प्रक्रिया स्पष्ट करें।

मापन

लक्ष्य तय होने पर प्रक्रिया का संबंधित डेटा लें। हिस्टोग्राम तथा Cpk जैसे उपकरण वर्तमान स्थिति आँकते और भविष्य सुधार का आधार देते हैं।

विश्लेषण

Analyze परिवर्तन या दोष के मूल कारण पहचानता और समझता है। Pareto, फ़िशबोन और परिकल्पना परीक्षण क्षमता प्रभावित करने वाली समस्याएँ उजागर करने में मदद करते हैं।

सुधार

टीमें मूल कारणों के समाधान विकसित और लागू करती हैं। प्रस्तावित सुधार पहले पहचानी विशिष्ट समस्या संबोधित करें। DOE कारक प्रभाव जाँचता और FMEA संभावित विफलता जोखिम आँकता है। पायलट तथा उचित प्रदर्शन परीक्षण समाधान सत्यापित करते हैं।

नियंत्रण

अंतिम चरण में नई मानक प्रक्रियाएँ दर्ज करके, प्रशिक्षण देकर और निगरानी बनाकर बदलाव समय के साथ टिकाए जाते हैं।

गुणवत्ता और संगति चाहती विनिर्माण कंपनी DMAIC से परिवर्तन घटा सकती है। हर चरण सावधानी से और विशेष चुनौती के उचित उपकरणों के साथ क्षमता सीमाएँ प्रभावी ढंग से संबोधित होकर गुणवत्ता तथा दक्षता के मापने योग्य लाभ मिलते हैं।

DMAIC का हर चरण क्षमता सीमाएँ संबोधित करने में महत्वपूर्ण है। अब क्षमता सूचकांक और संबंधित गुणवत्ता स्तरों से इन सीमाओं का परिमाण देखें।

प्रक्रिया क्षमता सूचकांक और गुणवत्ता स्तर

Cpk फैलाव और केंद्रण की ग्राहक विनिर्देशों से तुलना देता है। स्थिरता प्रमाण और उपयुक्त मॉडल के साथ सुधार लक्ष्य तथा कार्रवाई चुनने का व्यावहारिक मार्गदर्शक है।

दो सीमाओं के सामान्य मॉडल में Cpk = min[(USL − μ)/(3σwithin), (μ − LSL)/(3σwithin)] है। यह निकटतर सीमा से माध्य की दूरी और उपसमूह-अंदर परिवर्तन लेता है। Cp = (USL − LSL)/(6σwithin) केवल फैलाव पर संभावित क्षमता है। उचित अनुमान और अनिश्चितता देखें; हर आउटपुट की अनुरूपता की गारंटी नहीं।

Cpk मानों पर आधारित गुणवत्ता स्तर

सारणी पाठ की उदाहरणात्मक Cpk श्रेणियाँ देती है। वास्तविक स्वीकृति ग्राहक आवश्यकताओं, उपयोग और अध्ययन विधि पर निर्भर है। लक्ष्य तथा सुधार में सहमत मानदंड लें; श्रेणियाँ सार्वभौमिक उद्योग नियम नहीं हैं।

Cpk का 1 से कम अर्थ निकटतर सीमा माध्य से तीन प्रक्रिया-अंदर मानक विचलन से कम दूर है। जोखिम स्वीकार्य है या नहीं, आवश्यकताएँ तय करती हैं। 2 से अधिक बड़ा मॉडलित अंतर बताता है, यदि प्रक्रिया स्थिर और मॉडल उपयुक्त हो; भविष्य दोषरहित होने की गारंटी नहीं।

ये स्तर समझकर सुधार प्राथमिकता और संसाधन प्रभावी तय होते हैं। निर्णयकर्ता तुरंत ध्यान चाहने तथा असाधारण प्रदर्शन करने वाली प्रक्रियाएँ पहचानते हैं।

Cpk का अर्थ समझने से दक्षता सुधारने का स्पष्ट रास्ता और प्रदर्शन को ग्राहक अपेक्षाओं से मिलाने का आधार मिलता है।

क्षमता की बारीकियाँ समझना Six Sigma के अनेक लाभ पाने की नींव है।

Six Sigma प्रक्रिया क्षमता अपनाने के लाभ

प्रक्रिया क्षमता के लाभ केवल गुणवत्ता तक सीमित नहीं। सबसे बड़ा दोष कटौती है। मूल कारण संबोधित करके संगठन त्रुटियाँ घटाते और विश्वसनीयता बढ़ाते हैं। व्यवस्थित तरीका ग्राहक संतुष्टि के साथ दीर्घकालिक निष्ठा तथा सकारात्मक प्रतिष्ठा देता है।

दक्षता के लिए प्रक्रिया सुव्यवस्थित करना

Six Sigma क्षमता प्रक्रियाएँ सुव्यवस्थित करके दक्षता बढ़ाती है, जो प्रतिस्पर्धा में सफलता का प्रमुख निर्धारक है। डेटा और सांख्यिकी से अनुकूलन लागत तथा अपशिष्ट घटाता और उत्पादकता बढ़ाता है। इससे बदलते बाज़ार में चुस्ती तथा अनुकूलन मिलता है।

लागत बचत और ठोस परिणाम

प्रक्रिया क्षमता अपनाने का दूसरा आकर्षक लाभ बचत है। शोध बड़े लागत लाभ दिखाता है। औसत दोष दर 25 से 75% घटने पर संगठन वित्तीय लाभ और बेहतर गुणवत्ता पा सकते हैं। चक्र समय तथा दक्षता सुधार भी संचालन लागत काफी घटाकर इन रणनीतियों का महत्व बढ़ाते हैं।

पूरी तरह Six Sigma अपनाने वाली विनिर्माण कंपनी ने एक वर्ष में संतुष्टि स्कोर 35% बढ़ते और चक्र समय 30% घटते देखा। इससे ग्राहक टिके और लागत में बड़ी बचत हुई, जो वास्तविक प्रभाव दर्शाता है।

Six Sigma प्रक्रिया क्षमता से संगठन टिकाऊ सफलता की स्थिति बनाकर कम दोष, अधिक दक्षता, निष्ठा और बड़ी बचत पाते हैं। व्यवस्थित गुणवत्ता सुधार प्रतिस्पर्धी बाज़ार में फलने की बड़ी संभावना देता है।

Six Sigma क्षमता संगठन को दक्षता बढ़ाने, दोष घटाने और अर्थपूर्ण बचत का आकर्षक ढाँचा देती है — प्रतिस्पर्धी वातावरण में फलने के आवश्यक तत्व।

Six Sigma में क्षमता मापने का उद्देश्य क्या है?

उत्तर: क्षमता मापन का उद्देश्य लगातार ग्राहक विनिर्देशों में उत्पाद या सेवा देने की योग्यता आँकना है। इससे सुधार क्षेत्र और परिवर्तन घटाने की रणनीतियाँ मिलती हैं। Cp, Cpk और Ppk वस्तुनिष्ठ समझ देकर डेटा-आधारित सुधार निर्णय देते हैं।

Six Sigma में क्षमता कैसे निकालें और समझें?

उत्तर: Cp विनिर्देश चौड़ाई की तुलना प्रक्रिया-अंदर छह मानक विचलनों से करता है; Cpk निकटतर सीमा से केंद्रण भी लेता है। Cp = 1 में चौड़ाई मॉडलित छह-विचलन फैलाव के बराबर है। तुलनीय मान्यताओं में बड़े सूचकांक अधिक गुंजाइश बताते हैं; पर्याप्तता तय करने से पहले स्थिरता, मॉडल उपयुक्तता, अनिश्चितता और ग्राहक स्वीकृति मानदंड जाँचें।

Six Sigma में क्षमता के अलग स्तर और उनका महत्व क्या है?

उत्तर: Cp, Cpk, Pp और Ppk क्षमता तथा प्रदर्शन सूचकांक हैं, चार गुणवत्ता स्तर नहीं। Cp और Cpk उपसमूह-अंदर परिवर्तन लेते हैं; Cpk केंद्रण भी। Pp और Ppk पूरे अध्ययन का समग्र परिवर्तन लेते हैं; Ppk केंद्रण भी। इनके साथ माध्य, विनिर्देश, वितरण और स्थिरता आँकें।

क्षमता प्रभावित करने वाले प्रमुख कारक क्या हैं?

उत्तर: इनपुट परिवर्तन, उपकरण विश्वसनीयता, ऑपरेटर कौशल और पर्यावरण क्षमता प्रभावित करते हैं। बदलते इनपुट असंगत आउटपुट देते हैं; उपकरण तथा कौशल संगत परिणाम प्रभावित करते हैं। तापमान और नमी भी कुछ प्रक्रियाओं पर प्रभाव डालते हैं। Six Sigma अध्ययन दिखाते हैं कि इन्हें संबोधित करने से क्षमता बढ़ती और दोष घटते हैं।

Six Sigma परियोजनाओं में संगठन क्षमता कैसे सुधार सकते हैं?

उत्तर: क्षमता सुधारने की रणनीतियाँ हैं: मजबूत नियंत्रण से परिवर्तन के स्रोत पहचानना तथा हटाना, जिससे दोष घटें; उन्नत विश्लेषण और सांख्यिकी में निवेश करके प्रदर्शन तथा अवसर समझना और डेटा पर निर्णय लेना। सिग्मा स्तर या Cpk की निरंतर निगरानी प्रगति और टिकाऊ सुधार बताती है। कर्मचारी प्रशिक्षण तथा भागीदारी को प्राथमिकता देकर गुणवत्ता तथा निरंतर सुधार की संस्कृति बनाएँ। अध्ययन सक्रिय प्रशिक्षित कर्मचारियों का क्षमता बढ़ाने में बड़ा योगदान दिखाते हैं।

Six Sigma में प्रक्रिया क्षमता क्या है?

उत्तर: क्षमता स्थिर प्रक्रिया के आउटपुट परिवर्तन की ग्राहक सीमाओं से तुलना है। फैलाव, केंद्रण, मापन और वितरण मॉडल देखें। Black Belt इस प्रमाण को नियंत्रण तथा सुधार विधियों के साथ लेकर अल्पकालिक क्षमता और दीर्घकालिक प्रदर्शन मजबूत करता है।

अधिक क्षमता, अधिक सिग्मा स्तर। इसका क्या अर्थ है?

उत्तर: निर्धारित मॉडल और परंपरा में सिग्मा प्रदर्शन को विनिर्देश के सापेक्ष मानक विचलन इकाइयों में बताता है। अधिक गुंजाइश सामान्यतः कम मॉडलित दोष जोखिम है। तुलना में अल्पकालिक, समग्र और खिसकाव मान्यताएँ समान रखें; सिग्मा अकेला मूल कारण या दक्षता नहीं बताता।

Six Sigma प्रथम-प्रयास उपज क्या है?

उत्तर: प्रथम-प्रयास उपज बिना दोबारा काम या सुधार आवश्यकताएँ पूरी करने वाली इकाइयों का प्रतिशत है। पास और इनपुट गणनाओं से निकालें। विश्वास अंतराल या उपयुक्त परीक्षण तुलना दे सकते हैं, लेकिन परीक्षण उपज की परिभाषा नहीं। प्रक्रिया सीमा और अवधि बताएँ।

अल्पकालिक प्रक्रिया क्षमता क्या है?

उत्तर: अल्पकालिक क्षमता तुलनीय परिस्थितियों के उपसमूह-अंदर परिवर्तन से संभावित प्रदर्शन बताती है। Cp फैलाव की चौड़ाई से तुलना और Cpk केंद्रण भी लेता है। तार्किक उपसमूह तथा मान्यताएँ जाँचें। केवल छोटी समय अवधि स्थिरता या क्षमता नहीं बताती।

दीर्घकालिक प्रक्रिया क्षमता क्या है?

उत्तर: दीर्घकालिक प्रदर्शन अध्ययन की परिस्थितियाँ और उपसमूहों के बीच परिवर्तन शामिल करता है। Pp तथा Ppk समग्र परिवर्तन से इसे बताते हैं। स्थिरता अलग जाँचें; लंबे समय डेटा लेना अपने आप स्थिरता या भविष्य की संगति नहीं देता।

सहायक आँकड़े

• International Six Sigma Institute के शोध में अपनाने वाले संगठनों की क्षमता औसतन 25-50% बढ़ी।
• International Six Sigma Institute के अध्ययन में प्रभावी नियंत्रण और सांख्यिकीय विश्लेषण से विनिर्माण कंपनी के दोष 60% घटे।
• International Six Sigma Institute के सर्वेक्षण में अधिक कर्मचारी भागीदारी वाली कंपनियों की प्रक्रिया क्षमता तीन वर्षों में औसतन 4.7 सिग्मा स्तर बढ़ी।

Six Sigma क्षमता (अल्पकालिक और दीर्घकालिक) का पुनरावलोकन

Six Sigma क्षमता परिवर्तन की ग्राहक विनिर्देशों से तुलना और सुधार का स्थान चुनने में मदद करती है। Cp और Cpk प्रक्रिया-अंदर क्षमता बताते हैं; Cpk केंद्रण भी लेता है। विश्लेषण विश्वसनीय मापन, तार्किक उपसमूह, उचित मॉडल और स्थिरता के प्रमाण पर बनाएँ।

दीर्घकालिक क्षमता लंबे समय के परिवर्तन का व्यापक दृष्टिकोण लेती है। समय के साथ स्थिरता तथा प्रदर्शन रुझान विश्लेषित करके समग्र क्षमता की अधिक व्यापक समझ मिलती है। दीर्घकालिक आकलन में Pp और Ppk आम हैं, जो लंबे समय प्रदर्शन प्रभावित करने वाली अंतर्निहित समस्याएँ पहचानने तथा संबोधित करने में मदद करते हैं।

अल्पकालिक और दीर्घकालिक क्षमता और समझने के लिए मुफ़्त Six Sigma Revealed पुस्तक डाउनलोड करें। यह व्यापक संसाधन प्रभावी Six Sigma उपयोग का ज्ञान और उपकरण देता है, ताकि संगठन उच्च गुणवत्ता तथा संतुष्टि पा और बनाए रख सके।