In veel organisaties leidt de geringste beweging in een indicator tot een reactie. Een cijfer dat hoger of lager is dan de dag ervoor, is genoeg om een team te mobiliseren en een corrigerende actie in te plannen. Deze waakzaamheid lijkt legitiem, gezien de zware druk van kwaliteitseisen op processen.
Toch heeft niet elke afwijking dezelfde betekenis. Sommige weerspiegelen de normale werking van een proces, met de onvermijdelijke willekeurige schommelingen van dien. Andere onthullen een echte verandering, een drift, een afwijking die om ingrijpen vraagt. Het door elkaar halen van beide leidt ertoe dat je handelt wanneer je zou moeten observeren, en observeert wanneer je zou moeten handelen.
Besturingskaarten, ontleend aan Statistical Process Control, bieden een gestructureerd antwoord op deze verwarring. Ze bieden een visuele en statistische aflezing die normale variatie onderscheidt van een signaal van een anomalie, en ze transformeren de manier waarop een organisatie haar processen aanstuurt.
De verwarring tussen variatie en afwijking
Een proces is nooit prefect stabiel. Zelfs onder de meest streng gecontroleerde omstandigheden fluctueren de resultaten van de ene meting op de andere, en die schommeling weerspiegelt niet noodzakelijkerwijs een storing.
In veel bedrijven wordt deze statistische realiteit slecht begrepen. Elke afwijking wordt geïnterpreteerd als het symptoom van een opgelost probleem. Een willekeurige schommeling wordt vervolgens gecorrigeerd alsof het om een grondoorzaak gaat, met als gevolg dat de ingreep juist verslechtert wat hij probeerde te verbeteren.
Twee soorten variatie: algemeen en speciaal
De statistische benadering onderscheidt twee soorten variatie met heel verschillende oorsprongen. Algemene oorzaak-variatie komt overeen met de ruis die inherent is aan het proces, de som van vele kleine oorzaken die het zinloos zou maken om stuk voor stuk aan te pakken. Speciale oorzaak-variatie daarentegen is het resultaat van een identificeerbare gebeurtenis buiten de normale werking.
Dit onderscheid verandert alles. Algemene oorzaak-variatie wordt verminderd door het ontwerp van het proces zelf te wijzigen. Speciale oorzaak-variatie wordt aangepakt door de specifieke oorzaak te identificeren die eraan ten grondslag ligt. Het door elkaar halen van beide leidt tot twee symmetrische doodlopende wegen.
Control limits begrijpen
Control charts laten zien hoe een indicator zich in de loop der tijd ontwikkelt, omlijst door twee lijnen: de upper limit en de lower limit. Zolang de punten binnen die grenzen blijven en zich op natuurlijke wijze rond het gemiddelde verdelen, wordt het proces geacht in statistische controle te zijn.
Deze grenzen worden niet per decreet vastgesteld. Ze komen niet overeen met een klanttolerantie noch met een intern doel. Ze worden berekend op basis van de procesdata zelf, uit de geobserveerde variabiliteit. Een grafiek zegt niet of een resultaat commercieel gezien goed of slecht is: hij zegt of het proces dat het heeft opgeleverd zich stabiel gedraagt of is veranderd.
De signalen die een belletje moeten doen rinkelen
Een proces dat onder controle is, produceert punten die rond het gemiddelde zijn verspreid, zonder duidelijke structuur. Verschillende configuraties geven daarentegen aan dat er iets is veranderd en verdienen analyse:
- een punt dat buiten een control limit valt
- een langdurige trend van punten die in dezelfde richting lopen
- een reeks opeenvolgende punten aan één kant van het gemiddelde
- regelmatige cycli of zich herhalende patronen
- variabiliteit die abnormaal breder of smal wordt
Deze signalen bevestigen niet dat er een defect aanwezig is. Ze geven aan dat er vermoedelijk een speciale oorzaak in het proces is geslopen, en dat het nu legitiem is om daarnaar op zoek te gaan.
De valkuil van oversturen
Zonder statistische aflezing is de verleiding groot om op elke variatie te reageren. Een punt onder het gemiddelde leidt tot de ene actie, een punt erboven tot de andere. Elke aanpassing is bedoeld als correctie, maar verandert een proces dat geen fouten vertoonde.
Deze overreactie leidt tot een paradoxaal effect: ze vergroot de variabiliteit in plaats van deze te verkleinen. Het proces, dat voortdurend wordt opgeschrikt door onnodige correcties, wordt instabieler dan het was. Oversturen put teams net zo hard uit als dat het de resultaten verslechtert.
De valkuil van ondersturen
Aan het andere uiterste glijdt een organisatie die echte signalen negeert, af in ondersturen. Er treedt een trage drift op zonder dat iemand het merkt, omdat geen enkel punt spectaculair de grenzen overschrijdt.
Control charts maken deze geleidelijke driften zichtbaar: een reeks punten aan dezelfde kant van het gemiddelde, of een geleidelijke maar continue trend, signaleert een verandering die het blote oog ontgaat. Zonder deze aflezing drijft het proces door totdat het defecten oplevert, en kost de correctie vele malen meer dan een vroege reactie had gekost.
Control charts binnen de DMAIC-aanpak
Binnen DMAIC, komen control charts met name van pas in de Control-fase, de fase die erop gericht is om de behaalde resultaten te behouden. Zodra het proces is verbeterd, maken ze het mogelijk om in de loop van de tijd te verifiëren of de nieuwe prestaties op peil blijven.
Hun nut beperkt zich echter niet tot die fase. Reeds in de Measure-fase karakteriseren ze de initiële variabiliteit van het proces; in de Analyze-fase helpen ze structurele oorzaken te onderscheiden van eenmalige gebeurtenissen. Deze continuïteit maakt ze tot een dwarsdoorsnijdend hulpmiddel in plaats van een simpel bewakingsmiddel voor het einde van een project.
De rol van het management bij het gebruik van control charts
Zoals de meeste Lean Six Sigma-tools hangt de effectiviteit van control charts grotendeels af van de managementhouding. De tool kan worden misbruikt als instrument om mensen te controleren, of worden ingezet als gedeelde taal over de toestand van de processen.
Wanneer elk punt buiten de grenzen leidt tot een zoektocht naar een individuele schuldige, leren teams al snel om data te verbergen of metingen aan te passen, en verliest de aflezing haar diagnostische waarde.
Wanneer de analyse collectief is en gericht op het begrijpen van het systeem, worden control charts een basis voor dialoog. Teams eigenen zich de tool toe en signaleren afwijkingen eerder. De managementhouding bepaalt de waarde van de geproduceerde informatie.
Van reactie naar duurzame stabiliteit
Het adopteren van control charts betekent dat je de reflex loslaat die je aanzet om direct te reageren op elke afwijking. Het betekent accepteren dat een levend proces fluctueert, terwijl je weet hoe je ruis van signaal kunt scheiden.
Deze discipline transformeert de relatie van de organisatie met haar eigen processen. Beslissingen worden minder emotioneel en beter onderbouwd door feiten, en de inspanning concentreert zich waar het daadwerkelijk waarde creëert.
Control charts vervangen noch menselijke analyse noch domeinexpertise. Ze bieden een kader dat die analyse nauwkeuriger en zuiniger maakt. Ze worden daarmee veel meer dan een bewakingsinstrument. Ze worden een managementinstrument in dienst van duurzame prestaties.
Belangrijkste punten
- Control charts onderscheiden normale variatie van een afwijking
- Een stabiel proces fluctueert op natuurlijke wijze rond zijn gemiddelde
- Algemene oorzaak-variatie weerspiegelt de normale werking van het proces
- Speciale oorzaak-variatie weerspiegelt een identificeerbare verandering
- Control limits worden berekend, niet opgelegd
- Verschillende visuele signalen waarschuwen voor een verlies aan controle
- Oversturen verslechtert de processen die het zegt te verbeteren
- Ondersturen zorgt ervoor dat stille driften voet aarde krijgen
