Оценка возможности процесса

Оценка возможностей процесса — это основной шаг фазы измерения, на котором рассчитывается эталонное значение метрики процесса. Ниже приведены показатели, которые можно использовать для оценки возможности.

• Долгосрочный уровень сигмы (Zlt или Zoverall) и краткосрочный уровень сигмы (Zst или Zwithin)

• Индексы Pp, Ppk (с использованием общего стандартного отклонения) и Cp, Cpk (с использованием стандартного отклонения)

• DPMO (defects per million opportunities), DPU (defects per unit) и процент брака

При расчете краткосрочного уровня сигмы (Zwithin) используется стандартное отклонение, а при расчете долгосрочного (Zoverall) - общее стандартное отклонение. Разница между стандартным и общим стандартным отклонением заключается в том, как вы воспринимаете собранные данные. Если используется весь набор данных (или популяция), это приводит к общему стандартному отклонению. А если мы разделим все данные на рациональные подгруппы, мы получим «в пределах стандартного отклонения» (которое также известно как обобщенное стандартное отклонение).

Еще один распространенный метод понять разницу: в пределах стандартного отклонения – это когда учитываются только вариации по общей причине, а общее стандартное отклонение – это когда учитываются вариации как по общей, так и по особой причине.

Рациональные подгруппы - это сбор данных в аналогичных условиях процесса, что приводит к меньшим различиям, что приводит к следующей концепции: 
в пределах стандартного отклонения < общего стандартного отклонения.

Ниже приведены несколько сценариев, в которых группировка по подгруппам НЕ предпочтительна.

1. Рациональные подгруппы не имеют смысла при работе с дискретными данными. Например, если мы еженедельно делаем подгруппы и собираем данные о дефектах. За конкретную неделю, если дефектов нет (хоть и маловероятно, но всё же), то в пределах стандартного отклонения будет 0. Следовательно, нет особого смысла использовать рациональные подгруппы при работе с дискретными данными. Напротив, следует проверить возможность разделения на рациональные подгруппы в случае непрерывных данных.

2. Последовательный и стандартизированный процесс, который не меняется очень часто. Например, контроль температуры стволовых клеток. Если предположить, что температура поддерживается на уровне -4 по Цельсию, маловероятно, что она будет демонстрировать большое количество изменений по общей причине. В таких случаях, даже если мы сделаем подгруппу, вариации внутри и в целом будут более или менее одинаковыми (если только не было особой причины).

3. Объем проекта касается поставки конкретного продукта или услуги конкретному клиенту. Например, время доставки одной и той же пиццы только одной пиццерией и конкретному корпоративному клиенту (при условии, что этот корпоративный клиент заказывает почти ежедневно и каждый раз заказывает одну и ту же пиццу из одной и той же точки).

4. Все входные данные процесса хорошо контролируются. Если все входные данные процесса хорошо контролируются, вероятность изменений в процессе снижается. В таком случае можно было бы избежать разделения на рациональные подгруппы. Пример — это процесс приготовления гамбургера в Макдональдс. Все технологические процессы хорошо контролируются, поэтому мы получаем тот же вкус гамбургера. Можно возразить, что это не идеальный пример, с чем можно согласиться, потому что очень сложно найти процесс, в котором все входные данные можно было бы контролировать. Всегда будет усталость, износ и т. д. Как говорится, «идеального процесса» не существует.

Здесь важно отметить, что независимо от того, выполняете ли вы разделение на рациональные подгруппы или нет, необходимо придерживаться подхода к сравнению до и после проекта. Если исходно используется Zwithin, то сравнивать улучшение целесообразно только с Zwithin.

P.S. - Если все это слишком утомительно, можно просто использовать эмпирическую формулу Zwithin = Zoverall + 1,5 (однако следует помнить, что если данные непрерывны, то и то, и другое можно определить независимо).