Six Sigma a snižování chyb v procesech

Six Sigma jako disciplína snižování chyb a variabilit

Six Sigma je manažerský a statistický rámec určený k systematickému snižování chyb a variabilit v procesech. Vychází z předpokladu, že kvalita je mírou předvídatelnosti a že efektivní rozhodování musí být podloženo daty, nikoli dojmy. V kontextu Lean managementu Six Sigma doplňuje odstraňování plýtvání o hlubokou analýzu příčin variability, což vede ke stabilnímu toku, vyšší spokojenosti zákazníka a udržitelným finančním přínosům.

Koncept „sigma úrovní“, DPMO a cíl 3,4 chyby na milion příležitostí

„Sigma“ měří, kolik standardních odchylek se vejde mezi průměr procesu a nejbližší specifikační hranici. Čím vyšší sigma, tím méně neshod. Praktickou metrikou je DPMO (Defects Per Million Opportunities) – počet chyb na milion příležitostí:

• 3 sigma ≈ 66 807 DPMO (≈ 93,3 % shoda)
• 4 sigma ≈ 6 210 DPMO (≈ 99,38 % shoda)
• 5 sigma ≈ 233 DPMO (≈ 99,977 % shoda)
• 6 sigma ≈ 3,4 DPMO (≈ 99,99966 % shoda)

Ačkoli se v praxi používají korekce (např. dlouhodobý posun o 1,5σ), podstata zůstává nezměněna: snížit rozptyl a posunout průměr procesu do středu specifikací.

DMAIC: základní cyklus zlepšování

1. Define (Definuj) – vymez problém, zákaznické požadavky (CTQ – Critical to Quality), rozsah a očekávané finanční přínosy. Výstup: projektová charta, SIPOC, definovaní stakeholderi.
2. Measure (Měř) – vytvoř plán sběru dat, proveď MSA (Measurement System Analysis), kvantifikuj aktuální výkonnost (baseline: DPMO, sigma level, Cp/Cpk). Výstup: důvěryhodná data a stabilizované měření.
3. Analyze (Analyzuj) – identifikuj vlivové faktory (X) na výstup (Y) pomocí statistiky (regrese, ANOVA, korelace, testy hypotéz), vizualizací a FMEA. Výstup: potvrzené kořenové příčiny variability.
4. Improve (Zlepši) – navrhni protinávrhy, otestuj je (DOE – Design of Experiments, pilot), optimalizuj nastavení. Výstup: ověřený proces s nižší variabilitou a lepším středem.
5. Control (Řiď) – zaveď kontrolní plány, SPC karty, standardy práce a vizualizaci výkonnosti. Výstup: udržený přínos a preventivní kontrola návratu k původnímu stavu.

Role a odpovědnosti v Six Sigma

Mapování procesu: SIPOC, CTQ a hlas zákazníka (VoC)

• SIPOC – rámcuje Suppliers–Inputs–Process–Outputs–Customers a stabilizuje jazyk týmu.
• VoC → CTQ – překládá „co je důležité“ do měřitelných specifikací (např. doba dodání ≤ 24 h, chybovost < 0,5 %).
• Operational Definitions – jednoznačné definice měřených jevů (kdy je položka „chybná“).

MSA: důvěryhodnost dat jako předpoklad zlepšování

Pokud je měření nestabilní, žádná analýza není spolehlivá. Gage R&R pro kontinuální data a Attribute Agreement Analysis pro atributová data měří podíl variability přisouzený měřicímu systému. Cílem je mít měřicí systém s dostatečně nízkou chybou opakovatelnosti/reprodukovatelnosti a jasnými instrukcemi měření.

Statistické nástroje: od popisu po inferenci

• Popisná statistika: průměr, medián, rozptyl, směrodatná odchylka, kvartily, histogramy, boxploty.
• Testy hypotéz: t-testy (jednovzorkový/dvouvzorkový), ANOVA, testy podílů, neparametrické testy (Mann–Whitney, Kruskal–Wallis) při nenormálních datech.
• Korelace a regrese: Pearson/Spearman, lineární a logistická regrese pro identifikaci vlivových faktorů.
• DOE (plánování experimentů): faktoriální plány (2^k), frakcionální plány, response surface pro optimalizaci nastavení.

SPC a procesní schopnost: Cp/Cpk, Pp/Ppk a řídicí karty

Procesní schopnost vyjadřuje, jak dobře proces splňuje specifikace:

• Cp porovnává šířku specifikací se šířkou procesu (6σ). Cpk zohledňuje i posun průměru vůči hranicím (asymetrii).
• Pp/Ppk používáme u krátkodobých/nezkušených procesů (zahrnují i dlouhodobou variabilitu).
• Řídicí karty:
  • Pro kontinuální data: X̄–R (skupiny), I–MR (jednotlivci), EWMA.
  • Pro atributová data: p/np (podíl chyb), c/u (počty chyb na jednotku).

SPC rozlišuje náhodnou (běžnou) a příčinnou (speciální) variabilitu. Intervence provádíme až na základě signálů z karty (např. body mimo hranice, sekvence na jedné straně středu).

FMEA: preventivní řízení rizik

Failure Modes and Effects Analysis identifikuje možné režimy selhání, jejich příčiny a důsledky. Pro každý režim se hodnotí závažnost, výskyt a detekovatelnost. Výsledkem je priorita opatření (RPN nebo akční matice), která se využívá v krocích Improve a Control.

Integrace s Lean: odstraňování plýtvání a stabilizace procesu

Lean se zaměřuje na plýtvání (Muda), vyrovnání Mura a prevenci Muri. Six Sigma poskytuje statistické nástroje pro potvrzení příčin a optimalizaci parametrů. Společně tvoří Lean Six Sigma – kombinaci tok–tah–kvalita u zdroje a datově řízeného snižování variability.

Výběr projektů a finanční verifikace přínosů

1. Strategická relevance: vazba na KPI (NPS, OTIF, náklady na kvalitu, MTTR, výkupnost, výtěžnost).
2. Ekonomika: Cost of Poor Quality (COPQ) – interní/externí selhání, prevence, kontrola. Cíl: výrazné snížení COPQ.
3. Realizovatelnost: dostupnost dat, vliv vlastníka procesu, připravenost na změny.
4. Odhad přínosu: úspora nákladů, růst marže, snížení kapitálové vázanosti (WIP, zásoby).

Příklady využití: výroba, služby, zdravotnictví, IT

• Výroba: snížení variability rozměrů dílů (I–MR karta, Cpk > 1,33), optimalizace parametrů stroje (DOE).
• Logistika: zkrácení dodací doby a snížení chybovosti vychystávání (p-karta, 5S, vizuální kontrola).
• Zdravotnictví: zkrácení času na vyšetření a pokles rehospitalizací (ANOVA, FMEA, standardizované postupy).
• IT a podpora: snížení reopen rate ticketů (logistická regrese, příčiny dle kategorií, kontrolní plán).

Ne-normální data a robustní techniky

Ne všechny procesy jsou normálně rozdělené. Řešení zahrnují transformace (Box–Cox), percentilové metriky, neparametrické testy a pro počty selhání Poisson/Binomiální modely. Klíčem je diagnostika rozdělení (Q–Q grafy, testy normality) a volba adekvátní karty/metody.

Kontrolní plán a udržitelnost (Control)

• Co monitorovat: klíčové X (vlivové faktory) i Y (výstup), frekvence a prahy zásahu.
• Jak reagovat: eskalační strom, standard práce, vizualizace (andon, dashboard).
• Dokumentace: aktualizované pracovní instrukce, školení, audit po 30/60/90 dnech.

Digitalizace a Industry 4.0 v Six Sigma

IoT senzory, MES/SCADA a pokročilá analytika umožňují near-real-time SPC a proaktivní zásahy. Machine Learning doplňuje DMAIC o predikce (např. prediktivní kvalita), avšak interpretovatelnost a standard metriky musí zůstat zachovány, aby byly změny auditovatelné a udržitelné.

Častá úskalí a jak jim předcházet

• „Projektizace“ každého problému: ne všechno vyžaduje DMAIC; malé problémy řeš 5S/Kaizen.
• Slabá MSA: nespolehlivé měření → falešné závěry. Priorita: stabilizuj měření.
• Přeanalyzování: statistika bez praktických protinávrhů. Trvej na pilotu a kontrolním plánu.
• Neangažovaný Process Owner: výsledky se neudrží. Zapoj ho již v Define.
• Ignorování kultury: zlepšování ≠ jen nástroje; potřebuješ disciplinované chování a lídrovské sponzorství.

Praktický minipříklad: snížení chybovosti v montáži

Define: chybovost 1,8 % při finální kontrole, cíl ≤ 0,5 %, COPQ 250 tis. € ročně. Measure: MSA (Gage R&R 8 % – vyhovující), baseline p-karta. Analyze: logistická regrese odhalila významný vliv operátorské směny a nastavení momentu šroubováku. Improve: DOE pro nastavení momentu + standardizace školení nové směny. Control: I–MR karta pro moment, p-karta pro chybovost, andon při odchylce > 2σ. Výsledek: chybovost 0,42 %, roční úspora 210 tis. €, stabilní Cpk > 1,67.

KPI a „Evidence-Based“ řízení

Implementační postup: 12týdenní roadmapa

1. Týdny 1–2: výběr projektů podle COPQ, definice CTQ, SIPOC, charta.
2. Týdny 3–4: MSA, baseline metriky, vizualizace procesu (VSM/flowchart).
3. Týdny 5–7: analýzy (testy hypotéz, ANOVA, regrese), FMEA, potvrzení příčin.
4. Týdny 8–9: Improve – DOE/pilot, validace zlepšení, aktualizace standardu.
5. Týdny 10–12: Control – SPC, kontrolní plán, školení, finanční schválení.

Checklist pro projektový tým

• Má