Anche un processo stabile può mostrare variazioni quando le misurazioni sono registrate con sufficiente dettaglio. La variabilità descrive le differenze tra osservazioni. Alcune misure, come l’altezza in una popolazione appropriata, possono concentrarsi intorno alla media; una distribuzione simmetrica a campana va però verificata, non presunta.
Approfondimenti di International Six Sigma Institute™
La Rivelazione Definitiva della Variabilità Six Sigma
La deviazione standard misura la dispersione delle osservazioni intorno alla media del processo, nelle stesse unità delle misurazioni. Ridurla diminuisce tale dispersione. Il livello sigma confronta invece la distanza tra la media e un limite di specifica con la deviazione standard del processo. Cinque, sei o sette sigma descrivono quella distanza, non la deviazione standard tra risultati consecutivi.
Il noto obiettivo Six Sigma di circa 3,4 difetti per milione di opportunità usa l’ipotesi convenzionale di uno spostamento della media pari a 1,5 deviazioni standard. Non è una previsione incondizionata per ogni processo. Per un processo stabile e approssimativamente normale, centrato tra limiti a sei deviazioni standard dalla media, Cp e Cpk valgono 2 prima di qualsiasi spostamento. Se la media si sposta di 1,5 deviazioni standard verso un limite mantenendo invariata la dispersione, Cpk diventa 1,5 e quel limite dista 4,5 deviazioni standard dalla media.
Per ridurre la variabilità, misurate le prestazioni, indagatene le cause, applicate miglioramenti e monitorate i risultati. Una variabilità minore può ridurre il rischio di difetti, ma contano anche la media, i limiti di specifica e la distribuzione. Stimate i tassi di difetto con un modello adeguato e verificato o con dati osservati e una definizione chiara dell’opportunità di difetto. Ridurre la dispersione da sola non garantisce zero difetti.
Ulteriori miglioramenti possono richiedere attenzione costante della direzione, esperimenti progettati, analisi della capacità e team autonomi. Una distribuzione normale o gaussiana è simmetrica e a campana, ma i dati di processo non sono sempre normali. Verificate la stabilità e le ipotesi distributive prima di usare indici di capacità basati sulla normalità o prevedere probabilità nelle code. Per dati non normali, scegliete un’analisi alternativa adeguata. Confrontate gli output con i limiti inferiore e superiore di specifica, quindi scegliete carte di controllo, diagrammi di dispersione, grafici temporali e studi di capacità in base alla domanda esaminata.
