Comment décrypter votre sigma (z) score pour six sigma

Du point de vue de la qualité, Six Sigma est défini comme 3.4 dpmo. Ce chiffre est appelé Six Sigma niveau de la qualité.

Scores de Sigma sont projetés tellement que vous avez certainement besoin de faire preuve de compréhension à l'aise ce qu'ils sont et comment ils sont calculés. Fondamentalement, un Le score sigma vous indique combien de déviations standard peuvent tenir entre la limite de la moyenne et la spécification de tout processus ou les spécifications.

Le score sigma peut être appliqué à la performance de tout ce qui a un cahier des charges et un taux de défaut: la performance du système de messagerie dans la livraison des lettres à la bonne adresse, la capacité d'un constructeur automobile à produire une porte qui correspond à l'organisme au sein de une tolérance dimensionnelle requise, ou un processus de budgétisation répété que doit être terminée dans sa fenêtre de calendrier défini.

Combien de déviations standard peut s'adapter?

La tendance centrale de la distribution de la performance est définie par la moyenne. Le montant de la variation de la performance, ou la largeur de la distribution, est défini par son écart-type # 963-. La question est de savoir combien déviations standard peut vous tenir entre le processus ou la moyenne de caractéristique et sa limite de spécification SL?

Vous pouvez voir que quatre écarts-types peuvent tenir entre la moyenne et la limite de spécification. Le nombre exact peut toujours être calculée par la formule

Un faible sigma (ZSignifie) Partition qu'une partie importante de la queue de la distribution prolonge au-delà de la limite de spécification. Donc, plus le sigma (Z) Score, plus le nombre de défauts. Un processus ou une caractéristique obtient un bon sigma (Z) Marquer lorsque la distribution est sans risque de variation de distance à partir du bord de la spécification falaise. A sigma (Z) Score peut changer dans l'une des trois façons suivantes:

• L'emplacement de la tendance centrale de la distribution - la moyenne - se déplace soit plus près ou plus loin de la limite de spécification.

• 
  
  
  
  

  La largeur de la distribution, telle que définie par l'écart-type # 963- changements.

• La localisation de la limite de spécification SL se déplace soit plus près ou plus de la variation caractéristique ou processus.

Comparer à court terme à long terme sigma marquer calculs

De la moyenne et l'écart-type, vous pouvez calculer un sigma (Z) But. Une ride ici est que vous devez savoir quel type de déviation standard que vous utilisez pour calculer le sigma (Z) Score: Est-il un écart-type à court terme # 963-_ST, ou est-ce un écart-type à long terme # 963-_LT?

Si vous utilisez un écart-type à court terme, le sigma (Z) Score vous calculez est le score d'un sigma à court terme Z_ST:

Si, toutefois, vous avez un écart-type à long terme, vous pouvez calculer le long terme score sigma Z_LT:

Lien capacité de court terme à la performance à long terme avec le passage de 1,5 sigma

Performances de variation à court terme, telle que quantifiée par le court terme score sigma Z_ST, représente la meilleure performance de variation que vous pouvez attendre de votre processus actuellement configuré. C'est un idéaliste mesure de la capacité. Il est également plus facile le type de données à collect- juste aller et saisir rapidement un échantillon relativement petit de mesures de processus ou d'une caractéristique, et vous l'avez.

Mais dans le long terme, un processus ou une caractéristique ne fonctionne pas comme il le fait idéalement à court terme. Sa performance se dégrade par quart de travail, la dérive, et les influences de tendance. Au cœur de Six Sigma est une méthode qui combine le meilleur des deux mondes. Il vous permet de tirer parti de l'économie des données de variation à court terme tout en projetant réaliste, la performance à long terme par rapport aux spécifications est le processus ou caractéristiques de.

Le processus caractéristique ou reste dans les spécifications pendant le court terme et semble avoir aucun problème. Mais sur le long terme, des perturbations dans le processus faire se dilater, et cette expansion crée des défauts au-delà de la limite de spécification.

Une façon mathématique pour simuler l'effet de ces influences dégradants, à long terme est de déplacer artificiellement la distribution à court terme plus proche de la limite de spécification jusqu'à ce que la quantité de défauts pour la distribution à court terme est la même que celle pour le long terme distribution.

Les premiers praticiens de Six Sigma proposé que le passage mathématiquement se rapprocher de une caractéristique ou la distribution de court terme de processus plus proche de sa limite de spécification par une distance de 1,5 fois son écart-type à court terme le nombre de défauts qui se produisent dans le long terme. Cette idée révolutionnaire peut être appliqué directement sur le calcul de court terme et à long terme sigma (ZScores).

Car Z_ST représente le nombre d'écarts-types à court terme entre le centre de variation et la spécification, le sigma (Z) Score de la distribution est décalée

Z_décalé = Z_ST - 1.5

Mais avec la distribution décalé étant équivalent, vice-sage, à la distribution à long terme, l'équation précédente peut être réécrite comme

Z_LT = Z_ST - 1.5

Donc, ce que les praticiens Six Sigma faire est de mesurer la variabilité à court terme d'un processus ou d'une caractéristique et de calculer le score de ses sigma à court terme. Ensuite, ils se traduisent immédiatement par ce score à la performance attendue des taux de défaut à long terme, en utilisant le 1,5 court terme quart de l'écart type. Ce long terme marquent sigma, Z_LT, est communiquée en termes de dpmo, EMPN.