Geschiedenis: van Shewhart naar Deming

Statistical Process Control (SPC) werd oorspronkelijk ontwikkeld door Walter A. Shewhart in de jaren 1920 bij Bell Laboratories. Shewhart, een collega en mentor van Deming, creëerde de fundamentele concepten en de control chart als instrument om procesvariatie te begrijpen en te beheersen.

W. Edwards Deming, opgeleid als mathematisch fysicus en statisticus, werd diep beïnvloed door Shewhart’s werk. Deming erkende de revolutionaire implicaties van deze statistische benadering en werd de primaire evangelist en verfijner van SPC-methodologie. Na de Tweede Wereldoorlog introduceerde Deming SPC in Japan, waar het een cruciale rol speelde in de transformatie van de Japanse industrie van lage naar superieure kwaliteit.

Deming’s versie van SPC ging verder dan puur technische toepassing. Hij integreerde het in een bredere managementfilosofie waarin begrip van variatie centraal stond. Zijn beroemde uitspraak “In God we trust, all others must bring data” weerspiegelde zijn overtuiging dat objectieve, statistische analyse superieur is aan intuïtie of hiërarchische mening.

Het probleem: variatie begrijpen

Deming’s kern-inzicht was dat alle processen variatie vertonen. Geen enkel productieproces, geen enkele dienstverlening, geen enkel bedrijfsproces produceert exact identieke output. Deze variatie is inherent aan de werkelijkheid. Het cruciale managementvraagstuk is: hoe onderscheiden we normale, verwachte variatie van abnormale variatie die interventie vereist?

Deming identificeerde twee fundamenteel verschillende bronnen van variatie:

Common Cause Variation (Normale Procesvariatie)

Dit is de inherente, natuurlijke variatie die voorkomt uit het proces zelf wanneer het stabiel opereert. Het wordt veroorzaakt door talrijke kleine factoren die individueel verwaarloosbaar zijn maar collectief resulteren in een voorspelbaar patroon van variatie. Voorbeelden zijn minimale temperatuurverschillen, kleine materiaalvariaties, natuurlijke menselijke inconsistentie binnen normale grenzen, of machine-vibrations.

Deze variatie is statistisch voorspelbaar en vormt de baseline van het proces. Een proces dat alleen common cause variation vertoont is “in statistical control” – het gedraagt zich consistent en voorspelbaar over tijd, ook al produceert het niet exact identieke output.

Special Cause Variation (Abnormale Procesvariatie)

Dit is variatie die ontstaat door specifieke, identificeerbare oorzaken die extern zijn aan het normale proces. Het representeert fundamentele veranderingen of verstoringen in het systeem. Voorbeelden zijn defecte gereedschappen, onjuist gekalibreerde apparatuur, ongetrainde operators, verkeerde materiaalinput, of systematische fouten in procedures.

Deze variatie is niet voorspelbaar binnen het normale procespatroon en signaleert dat het proces “out of statistical control” is – er is iets fundamenteel veranderd dat aandacht en correctie vereist.

Management

Deming benadrukte dat de meeste managementfouten voortkomen uit het niet onderscheiden van deze twee types variatie. Managers maken twee fundamentele fouten:

Fout Type 1: Reageren op Common Cause Variation alsof het Special Cause is

Dit wordt “tampering” genoemd. Managers zien normale fluctuaties in het proces en interveniëren door procedures te veranderen, mensen te disciplineren, of equipment aan te passen. Deze interventies introduceren echter additionele variatie in plaats van deze te reduceren. Het proces wordt minder stabiel en voorspelbaar.

Een voorbeeld: een productielijn produceert dagelijks tussen 980 en 1020 units, wat normale variatie is. Op dinsdag produceert het 985 units. Een manager die niet begrijpt dat dit binnen normale variatie valt, start een onderzoek en vraagt het team “extra inspanning” te leveren. Op woensdag produceert het 1015 units. De manager prijst het team voor de verbetering. Deze acties zijn betekenisloos – ze reageren op noise, niet op signaal – en creëren verwarring en frustratie.

Fout Type 2: Niet reageren op Special Cause Variation

Managers accepteren abnormale variatie als “normaal” en ondernemen geen actie wanneer het proces daadwerkelijk uit controle is. Hierdoor blijven fundamentele problemen onopgelost en accumuleert kwaliteitsverlies.

Een voorbeeld: dezelfde productielijn produceert plotseling 850 units op donderdag. Dit valt duidelijk buiten het normale patroon en signaleert een special cause (misschien defect gereedschap of materiaalprobleem). Een manager die dit als “normale variatie” beschouwt en geen actie onderneemt, laat een fundamenteel probleem voortbestaan.

De Methodologie

Deming’s SPC-methodologie gebruikt control charts als primair instrument om deze twee types variatie te onderscheiden. Een control chart is een tijdreeksgrafiek van procesmetingen met statistisch berekende controlelimieten.

Data Verzameling

Het proces begint met systematische verzameling van procesgegevens over tijd. Dit kunnen metingen zijn van producten (afmetingen, gewicht, sterkte), procestijden, defectpercentages, temperaturen, of andere relevante variabelen. Kritisch is dat metingen genomen worden in chronologische volgorde, omdat het tijdselement essentieel is voor detectie van trends en patronen.

Berekening van Controlelimieten

Op basis van historische data wanneer het proces stabiel opereerde, worden statistische controlelimieten berekend. De centrale lijn (centerline of CL) representeert het procesgemiddelde. De Upper Control Limit (UCL) en Lower Control Limit (LCL) worden typisch berekend als het gemiddelde ±3 standaarddeviaties.

Interpretatie: In Control versus Out of Control

Een proces is “in statistical control” wanneer:

• Alle datapunten binnen de controlelimieten vallen
• Punten random verdeeld zijn rond de centrale lijn zonder systematische patronen
• Geen trends, cycli of andere non-random patronen zichtbaar zijn

Dit betekent niet dat het proces perfect is of dat de output acceptabel is. Het betekent alleen dat het proces voorspelbaar en stabiel opereert met alleen common cause variation. De capability van het proces – of het specificaties haalt – is een separate vraag.

Een proces is “out of statistical control” wanneer:

• Één of meer punten buiten de controlelimieten vallen
• Systematische patronen zichtbaar zijn (bijvoorbeeld: 7 opeenvolgende punten boven de centrale lijn, trend omhoog of omlaag, cyclische patronen)

Dit signaleert de aanwezigheid van special cause variation. Het proces gedraagt zich anders dan zijn historische baseline. Actie is vereist om de special cause te identificeren en elimineren.

De filosofie

Deming’s SPC impliceert een radicaal andere managementbenadering:

Stop met blaming en firefighting. Wanneer problemen optreden, vraag eerst: is dit common of special cause variation? Als het common cause is, ligt de oplossing in systeemverbetering, niet in individuele verantwoordelijkheid.

Investeer in proces-stabiliteit. Voordat je een proces probeert te verbeteren, zorg eerst dat het in statistical control is. Een instabiel proces is onvoorspelbaar en elke “verbetering” wordt gemaskeerd door de special cause variation.

Gebruik data, niet meningen. Beslissingen over procesinterventies moeten gebaseerd zijn op statistische analyse van control charts, niet op intuïtie, hiërarchie of politiek.

Focus management op systemen. Management moet het systeem continu verbeteren door common cause variation te reduceren, niet door operators te micro-managen of te reageren op normale fluctuaties.

Praktische Toepassing 

Als voorbeeld om dit concept in de praktijk te kunnen visualiseren gebruiken we als voorbeeld manufacturing. In productieomgevingen worden kritieke procesparameters continu gemonitord via control charts. Afmetingen van componenten, procestemperaturen, cyclustijden, defectpercentages deze worden geplot over tijd. Operators zijn getraind om control charts te interpreteren en alleen te interveniëren wanneer special causes worden gedetecteerd.

B.v.: Een machinaal bewerkingsproces produceert schroeven met een target diameter van 8.00mm. De control chart toont dat het proces normaal opereert tussen 7.97mm en 8.03mm. Wanneer een serie metingen plotseling rond 8.05mm ligt – buiten de UCL – signaleert dit een special cause. Onderzoek onthult dat een gereedschap verslijt. Na vervanging keert het proces terug binnen controle.