De Control Chart is een belangrijk onderdeel binnen elke Lean Six Sigma verbetertraject. Het helpt niet alleen bepalen wat de huidige kwaliteit van een proces is, maar geeft ook inzicht in resultaten van pilots of doorgevoerde procesverbeteringen. Daarnaast is het een hulpmiddel dat door Managers kan worden ingezet om periodiek de proces kwaliteit te volgen en bij te sturen. Want niet elke afwijking ten opzichte van het gemiddelde verdient direct een Six Sigma project. Een goed ingerichte Control Chart signaleert alleen die afwijkingen waar echt actie op moet worden ondernomen. De Control Chart wordt gezien als een vast onderdeel van de statistische procescontrole, een statistische techniek om processen te volgen en te beheersen.
Maar hoe ziet zo’n Control Chart eruit, welke karakteristieken heeft het en hoe ga je er mee om? Hieronder schetsen we, naast algemene uitleg, een voorbeeld van een Control Chart waarmee we enkele belangrijke elementen zullen verduidelijken. Ook leggen we uit hoe met behulp van een Control Chart het proces continue kan worden verbeterd totdat de klantwens wordt behaald of zelfs wordt overstegen!
Run Chart 2.0
Een Control Chart heeft veel overeenkomsten met een Run Chart. Bij een Run Chart staat op de x-as een tijdslijn en op de Y-as de gemeten prestatie. Een Control Chart heeft daar een aantal toevoegingen op, namelijk een lijn die het gemiddelde weergeeft, en 2 lijnen die de Upper Control Limit en de Lower Control Limit weergeven. Deze Control Limits geven aan tussen welke bandbreedte het proces zich normaal gesproken bevindt. Om te bepalen op welk niveau de Control Limits moeten worden geplaatst, gaat men vrijwel altijd uit van het gemiddelde plus en min 1 tot 3 keer de standaard deviatie van het proces. Voor de Upper Control Limit neem je dus het gemiddelde en telt daarbij de standaard deviatie bij op. Voor de Lower Control Limit trek je juist de standaard deviatie van het gemiddelde af. Hoeveel Standaard Deviaties je hanteert hangt af van de zekerheid die je wilt hebben. De mate waarin je het proces wil kunnen voorspelen.
Bij 3 keer de St. Deviatie zal 99,7% van alle waarnemingen binnen de Control Limits vallen. Hiermee kan je niet alleen voorspellen wat de minimale en maximale prestaties van het proces zullen zijn, maar ook identificeren wanneer de prestaties van het proces significant afwijken. Bij 1 keer de Standaard Deviatie weet je dat ongeveer 65% van alle waarnemingen binnen de Control Limits zullen vallen. 3 keer de Standaard Deviatie is de meest gebruikte norm in de wereld van process improvement.
Onderstaand afbeelding toont een (fictief) voorbeeld van een Control Chart met de Upper en Lower Control Limits gebaseerd op 3 keer de Standaard Deviatie (klik op de afbeelding voor een vergroting).
Het voorspellen van de minimale of maximale prestaties kan bijvoorbeeld nuttig zijn bij het garanderen van een SLA met een klant. U meet bijvoorbeeld dagelijks de up time van uw webserver en constateert dat in 99,7% van de gevallen de up time ligt tussen 99,5 en 99,9%. U kunt dus met enige zekerheid een SLA afsluiten voor 99,5% Up Time (voor de incidentele gevallen dat het lager uitvalt heeft u natuurlijk de kleine lettertjes van het contract).
Die incidentele gevallen dat het proces toch buiten de Control Limits valt, dat zijn de significante afwijkers. Het proces varieert in dat geval in extreme mate en vereist een directe aanpak. Dat is namelijk de vorm van variatie die je moet wegnemen om van een gecontroleerd proces te spreken.
De variatie die binnen de Control Limits plaats vindt, kan je zien als de standaard proces variatie, ook wel Common Cause variation genoemd. Elk proces heeft in meer of mindere mate last van standaard proces variatie. Het sturen op het verminderen van deze standard proces variatie is een vorm van sub optimalisatie zolang er nog variatie plaats vindt die buiten de control Limits valt.
Variatie wegnemen uit het proces
De variatie die buiten de control Limits valt noemen we de Special Cause variation. Special Cause variation impliceert afwijkend gedrag binnen een proces en moet direct worden onderzocht. De oorzaak van deze variatie is namelijk anders dan de oorzaak van de standaard proces variatie. Bij standaard proces variatie valt de variatie binnen de natuurlijke norm. Speciale proces variatie valt daarbuiten en zorgt er daarbij voor dat de control Limits (gebaseerd op de Standaard Deviatie) verder uit elkaar zullen vallen. De mate waarmee, in het eerder genoemde voorbeeld, de up time kunnen voorspellen wordt daardoor negatief beïnvloed en de garantie van 99,5% up time kan wellicht niet meer worden afgegeven. Uw concurrentiepositie kan daarmee onder druk komen te staan (of uw klanttevredenheid wanneer u de SLA niet aanpast en de gegarandeerde up time uiteindelijk niet waar kan maken). U bent op dat moment minder in control van uw eigen proces.
Onderstaande afbeelding toont een (fictief) voorbeeld van een Control Chart met een Upper en Lower Control Limit (klik op de afbeelding voor een vergroting). In de Control Chart is tevens aangeven welk deel van de chart behoort tot de Common Cause Variation en welk deel tot de Special Cause Variation. Het kruis identificeert de meting waaruit blijkt dat het proces onder de norm heeft gepresteerd.
Om uw proces weer in control te krijgen is het dus noodzakelijk om direct, bij constatering van Special Cause Variations, de oorzaak te onderzoeken en aanvullende maatregelen te nemen om de oorzaak definitief te elimineren. Op die manier zorgt u er voor dat de control Limits weer dichter bij elkaar komen te liggen. De variatie wordt minder en het proces wordt stabieler en voorspelbaar. Doordat Special Cause variation uit het proces wordt weggenomen en de control Limits dichter bij elkaar komen te liggen, zullen er nu issues zijn die eerst onder de Common Cause variation vielen, maar nu buiten de control Limits gaan vallen, en daarmee als Special Cause variation geclassificeerd kunnen worden. Hierdoor komen deze issues uiteindelijk toch aan bod voor een Six Sigma project. Indien er niet direct nieuwe Special Cause Variations zichtbaar worden, kan er ook voor gekozen worden om die metingen te onderzoeken die het dichtstbij de Control Limits vallen. Uiteindelijk creëer je hiermee Continuous Process Improvement. Want door elke keer de items die buiten de Control Limits vallen op te lossen, zullen de Control Limits dichter bij elkaar komen te liggen en ontstaan er weer nieuwe items, die voorheen binnen de Control Limits vielen maar, die nu buiten de Control Limits vallen en daarmee het onderzoeken waard zijn.
Focus je vanaf het begin op de Common Cause variations dan zal je nooit het proces onder controle krijgen en zullen de Control Limits nooit dichter bij elkaar komen. Dit omdat de Special Cause Variations de spreiding hoog zullen houden.
Specification Limits
Naast Control Limits bevat een Control Chart vaak ook Specification Limits. Deze Limits bestaan uit een onder –en bovenwaarde, of alleen een onderwaarde, en geven de klantwens weer. Deze geven weer wat de klant verwacht (of zelfs eist) en dienen als minimaal doel voor de Six Sigma projecten. Wanneer de control Limits gelijk lopen met de Specification Limits kan je er redelijk zeker van zijn dat je kunt leveren wat de klant verwacht. Immers, bij een Upper Control Limit en Lower Control Limit gebaseerd op 3 keer de standaard deviatie vallen 99,7% van de resultaten tussen de control én Specification Limits.
Liggen de Control Limits en de Specification Limits ver uit elkaar dan is dat een duidelijk signaal dat proces improvement hoger op de agenda moet worden geplaats. Wanneer de control Limits en de Specification Limits gelijk op lopen dan kan je je afvragen of je nog verder moet verbeteren. De Specification Limits geven namelijk de klant wens aan, en het proces is in dat geval hetgeen gevraagd ook te leveren of te realiseren.
Indien hoger presteren dan wat de klant vraagt ook extra omzet, minder kosten, meer klanten, of een hogere klanttevredenheid oplevert (zie Kano model) dan kan het lonen om het proces verder te blijven verbeteren. Indien dat niet het geval is, dan kan de focus beter worden verlegd naar een ander proces waar de Specification Limits nog niet worden behaald.
Onderstaande afbeelding laat de Control Chart zien inclusief de Specification Limit. (klik op de afbeelding voor een vergroting). In dit specifieke voorbeeld ligt het gemiddelde al hoger dan de Specification Limit. Toch kan het zijn dat, gezien de prestaties van het proces, de klant niet tevreden is. Er zijn immers momenten dat het proces onder de Specification limit komt. Afhankelijk van hoe het contract met de klant is opgesteld, kunnen deze incidentele afwijkers, grote gevolgen hebben. Dit zie je vooral bij productieprocessen waarbij de Specification limit staat voor de minimale eisen waaraan een product moet voldoen. Indien het product niet voldoet aan de eisen zal het worden afgekeurd. Het gemiddelde alleen is dus zeker niet bepalend bij het aflezen van een Control Chart.
Mochten er na het lezen van dit artikel nog vragen zijn, vul dan hieronder een reactie in en wij zullen met veel plezier reageren.