Six Sigma: de systematiek heeft zich bewezen als zeer waardevol voor het continu verbeteren van processen. Daarbinnen wordt een mooie standaardbenadering van de statistiek toegepast die verder gaat dan een basisanalyse. Iedereen kan deze aanpak vrij vlot aanleren in een praktijksituatie (doen!).
Six Sigma blijft echter beperkt tot (de opzet van en uitvoering van*) meerweg-variantieanalyses, een techniek met beperkingen. Het móet met normaal verdeelde variabelen, het mág niet met tellingen of nominale kwaliteitsvariabelen. Meer over de techniek op Wikipedia.
Het kan echt nóg beter als je 20 jaar ervaring hebt met een grote verscheidenheid aan technieken voor analyse van proces- en productgegevens. Zonder de beperkingen die de Six-Sigmabenadering voorschrijft. Op deze pagina vertel ik u hoe.
Ik kan het u ook leren, net als mijn eerstejaars HBO-studenten. Ik leer hen technieken als meervoudige regressieanalyse die op veel universiteiten pas in de Master- of PhD-fase aan bod komen. Ik móet het hen wel leren, want zij krijgen in de praktijk te maken met complexe bedrijfsprocessen en producen, waarbij de kwaliteit afhankelijk is van veel stuurvariabelen. Zij hebben meestal niet de gelegenheid om de invloeden van variabelen één voor één te onderzoeken. De één-voor-één-benadering is overigens ook niet efficiënt en levert geen kennis op over de onderlinge beïnvloeding tussen stuurvariabelen.
* Six-Sigmagebruikers spreken van DoE (‘Design of Experiment’), ook als het ontwerp van het experiment al gereed is en de variantieanalyse van gegevens is begonnen.
Ik heb verschillende Six Sigma ‘black belts’ presentaties zien en horen geven waaruit blijkt dat hun kennis van de statistiek achter de methode beperkt is (dat hoeft geen probleem te zijn). Kennis van de krachtiger techniek regressieanalyse is veelal afwezig.