Ppk en Cpk uitgelegd

- Willem Heijboer

Waar past Ppk in Lean Six Sigma Measure?

Binnen Lean Six Sigma gebruik je de DMAIC aanpak om processen stap voor stap te verbeteren. In de Measure fase breng je eerst de huidige prestatie van het proces objectief in beeld. Je wilt weten hoe het proces nu presteert, hoeveel variatie erin zit en in hoeverre de uitkomst voldoet aan de specificaties van de klant. Ppk past precies in die fase, omdat deze index laat zien hoe een proces zich over een langere periode daadwerkelijk gedraagt ten opzichte van de specificatiegrenzen. Daarmee maak je de nulmeting concreet en leg je een feitelijke basis voor de rest van het verbetertraject.

Dat is belangrijk, want veel organisaties starten al snel met oplossingen terwijl de echte prestatie nog niet scherp is. Ppk helpt om dat te voorkomen. Je ziet niet alleen of de spreiding te groot is, maar ook of het procesgemiddelde te dicht tegen een onder of bovengrens aan zit. Stel dat een productieproces op papier stabiel lijkt, maar de metingen structureel dicht tegen de bovengrens aan liggen. Dan lijkt er weinig aan de hand, terwijl het risico op afkeur in de praktijk groot is. Juist daarom is Ppk in de Measure fase zo waardevol. Het maakt zichtbaar wat de klant werkelijk ervaart en geeft richting aan de analyse in de volgende DMAIC stap.

• Ppk gebruik je in de Measure fase om de huidige procesprestatie objectief vast te stellen.

• De maat laat zien hoe een proces over tijd presteert ten opzichte van specificatiegrenzen.

• Een goede nulmeting met Ppk voorkomt dat je te vroeg op oplossingen stuurt.

Wat is Ppk (Process Performance Index) precies?

Ppk staat voor Process Performance Index. Het is een kengetal dat laat zien hoe een proces over een langere periode presteert ten opzichte van de gestelde specificatiegrenzen. Daarbij kijk je niet alleen naar de spreiding in de uitkomsten, maar ook naar de vraag of het procesgemiddelde netjes tussen de ondergrens en bovengrens ligt. Dat maakt Ppk vooral waardevol in Lean Six Sigma wanneer je de werkelijke procesprestatie wilt beoordelen. Niet de theoretische potentie, maar wat het proces in de praktijk daadwerkelijk laat zien.

• Ppk meet de feitelijke procesprestatie over tijd

• Ppk vergelijkt procesuitkomsten met specificatiegrenzen

• Ppk houdt rekening met spreiding én centrering

• Ppk gebruikt de totale variatie in de dataset

• Ppk is vooral bruikbaar als nulmeting in de Measure fase

Juist dat onderscheid maakt Ppk zo relevant voor verbetertrajecten. Een proces kan namelijk op sommige dagen goed draaien, maar over meerdere weken toch te veel variatie laten zien. Dan valt de Ppk lager uit dan je misschien op basis van losse metingen zou verwachten. Stel dat een verpakkingsproces meestal binnen specificatie produceert, maar bij ploegwissels of na omstellingen meer afwijking laat zien. Dan neemt Ppk die extra variatie gewoon mee. Daardoor krijg je een eerlijker beeld van wat de klant of eindgebruiker daadwerkelijk ervaart.

Wat is Pp en wat is het verschil met Ppk?

Pp staat voor Process Performance. Net als Ppk is het een maatstaf om te beoordelen hoe een proces presteert ten opzichte van de specificatiegrenzen. Bij Pp kijk je vooral naar de totale spreiding van het proces over een langere meetperiode. Daarmee geef je antwoord op de vraag: hoe breed is de variatie in verhouding tot wat de klant nog acceptabel vindt? Pp zegt dus iets over de algemene procesprestatie, maar kijkt nog niet specifiek naar hoe goed het procesgemiddelde tussen de grenswaarden ligt.

• Pp vergelijkt de totale procesvariatie met de specificatieruimte

• Pp laat zien of de spreiding van het proces acceptabel is

• Pp is een globale maat voor procesprestatie over tijd

Het verschil met Ppk zit in de centrering van het proces. Ppk kijkt namelijk niet alleen naar de spreiding, maar ook naar de positie van het gemiddelde ten opzichte van de ondergrens en bovengrens. Daardoor is Ppk in de praktijk informatiever. Een proces kan namelijk een redelijke Pp hebben omdat de spreiding beperkt is, maar toch een lage Ppk omdat het gemiddelde te veel naar één kant verschoven is. Stel dat een boorproces vrijwel altijd met weinig variatie werkt, maar structureel net te dicht tegen de bovengrens aan zit. Dan oogt de spreiding misschien netjes, maar is het risico op afkeur alsnog te groot. Juist daar maakt Ppk het verschil zichtbaar.

• Pp kijkt vooral naar spreiding, Ppk naar spreiding én ligging

• Ppk geeft daardoor een realistischer beeld van klantimpact

• Gebruik Pp voor inzicht in breedte, en Ppk voor echte prestatiebeoordeling

Wanneer gebruik je Ppk en wanneer Cp/Cpk?

In Lean Six Sigma gebruik je Ppk en Cp/Cpk niet door elkaar, ook al lijken de formules sterk op elkaar. Het echte verschil zit in de standaarddeviatie die je gebruikt. Cp en Cpk kijken naar de korte termijnvariatie binnen subgroepen, terwijl Pp en Ppk uitgaan van de totale variatie over de hele meetperiode. Daardoor past Ppk beter bij een nulmeting in de Measure fase, omdat je dan wilt weten wat de klant over tijd echt ervaart. Cp en Cpk zijn juist vooral bruikbaar bij een test, experiment, pilot of eerste check van een proces. Je gebruikt ze dan om in een gecontroleerde setting te beoordelen of het proces in potentie aan de specificaties kan voldoen. Dat maakt Cp/Cpk meer voorspellend, terwijl Ppk vooral beschrijvend is voor de praktijkprestatie.

• Gebruik Ppk voor de werkelijke prestatie over tijd

• Gebruik Cp/Cpk voor een test, pilot of eerste capability check

• Kies bewust tussen korte termijnpotentie en lange termijnprestatie

Die keuze is belangrijk, omdat veel misverstanden ontstaan doordat mensen wel dezelfde termen gebruiken, maar niet dezelfde sigma definitie bedoelen. In veel software en sectoren, zoals automotive, staat Cpk voor within variation en Ppk voor overall variation. Dat is logisch, maar alleen als je ook expliciet maakt welke meetopzet en tijdshorizon je gebruikt. Vanuit verbeterperspectief is de praktische volgorde vaak helder: eerst Ppk om de huidige situatie eerlijk vast te stellen, daarna Cp/Cpk om te beoordelen wat het proces onder gecontroleerde omstandigheden zou moeten kunnen. Na een verbetering kun je opnieuw Cp/Cpk gebruiken om de eerste capability aan te tonen en later Ppk om te bevestigen dat de prestatie ook over tijd standhoudt.

Hoe bereken je Ppk stap voor stap?

Een Ppk berekenen is in de basis overzichtelijk, zolang je met de juiste data werkt. Je hebt de ondergrens en bovengrens van de specificatie nodig, het gemiddelde van je metingen en de overall standaarddeviatie van alle meetwaarden samen. Vervolgens kijk je hoe ver het procesgemiddelde van beide specificatiegrenzen afligt en deel je dat door drie keer de standaarddeviatie. De laagste van die twee uitkomsten is de Ppk. Daarmee meet je dus de feitelijke procesprestatie over tijd, inclusief verschuivingen en langetermijnvariatie.

Stappenplan

1. Bepaal de specificatiegrenzen. Leg vast wat de LSL en USL zijn. Dit zijn de ondergrens en bovengrens waarbinnen de uitkomst moet blijven volgens klantwens, norm of productspecificatie.

2. Verzamel representatieve meetdata. Gebruik data uit de normale praktijk. Niet alleen uit een ideale proefopstelling of een korte test onder perfecte omstandigheden.

3. Schoon de data zorgvuldig op. Verwijder alleen meetfouten, dubbele registraties of aantoonbaar ongeldige waarden. Haal geen ongunstige data weg zonder inhoudelijke reden.

4. Bereken het gemiddelde van de metingen. Bepaal het procesgemiddelde van de volledige dataset. Dit is het centrale punt van je procesprestatie.

5. Bereken de overall standaarddeviatie. Gebruik de totale spreiding van alle metingen samen. Juist dat onderscheidt Ppk van Cp of Cpk, die meer op korte termijnvariatie gericht zijn.

6. Bereken de afstand tot beide grenzen. Reken uit hoeveel ruimte er zit tussen het gemiddelde en de LSL, en tussen het gemiddelde en de USL.

7. Deel beide uitkomsten door 3 keer de standaarddeviatie. Je berekent dus feitelijk twee waarden: één richting de ondergrens en één richting de bovengrens.

8. Neem de laagste uitkomst. Die laagste waarde is de Ppk, omdat die laat zien aan welke kant het proces het meest kwetsbaar is.

In Excel, Minitab of andere statistische software is deze berekening technisch snel te maken. De formule is meestal niet het moeilijke deel. De echte valkuil zit in de aannames onder de berekening. Zijn de specificatiegrenzen correct, is de dataset representatief en meet je de normale procesprestatie over voldoende tijd? In een later rekenvoorbeeld kun je dit hoofdstuk nog sterker maken met echte getallen, bijvoorbeeld voor diameter, gewicht of doorlooptijd, plus een korte interpretatie zoals: een Ppk van 1,11 laat zien dat de langetermijnprestatie nog onvoldoende robuust is.

• Controleer altijd eerst of je specificatiegrenzen inhoudelijk kloppen

• Gebruik voldoende metingen verspreid over tijd, ploegen of batches

• Laat tooling het rekenwerk doen, maar beoordeel zelf de aannames

Welke data en steekproefgrootte heb je nodig?

Voor een bruikbare Ppk heb je niet alleen genoeg metingen nodig, maar vooral representatieve metingen over tijd. Ppk gebruikt de overall variatie van het proces. Dat betekent dat je data moet verzamelen over verschillende omstandigheden, zoals shifts, batches, teams, machines of tijdstippen. Anders lijkt het alsof je een langetermijnbeeld maakt, terwijl je in werkelijkheid vooral een korte momentopname analyseert. In de praktijk wordt ongeveer 30 datapunten vaak gezien als een ondergrens voor een eerste capability-inschatting, maar de betrouwbaarheid neemt toe als je meer data hebt én als die data goed verspreid is over de relevante procescondities. Bovendien geldt een belangrijke voorwaarde: capability- en performance-indices zijn pas echt betekenisvol als je proces voldoende stabiel is.

• Richt je op data uit de normale praktijk, verspreid over tijd en omstandigheden

• Zie circa 30 metingen als startpunt, niet als gouden norm

• Check eerst processtabiliteit, anders wordt Ppk snel misleidend

Een goede Ppk start dus eigenlijk al vóór de berekening. Eerst definieer je de CTQ helder, daarna maak je een meetplan, controleer je of het meetsysteem betrouwbaar is en bepaal je over welk tijdsvenster je data verzamelt. Pas daarna heeft het zin om Ppk te berekenen. Een praktisch voorbeeld: als je doorlooptijden alleen op rustige dinsdagochtenden meet, dan mis je piekbelasting, overdrachtsmomenten en andere normale bronnen van variatie. Je gebruikt dan wel een overall formule, maar niet echt overall data. Voor de latere uitwerking van dit hoofdstuk is een mini checklist daarom sterk: CTQ-definitie, meetplan, MSA, datarange en tijdsvenster, en pas daarna Ppk.

Welke aannames en valkuilen gelden bij Ppk?

Ppk is een nuttige maat om de werkelijke procesprestatie af te zetten tegen de specificatiegrenzen. Daarmee vergelijk je in feite wat het proces doet met wat de klant of organisatie acceptabel vindt. Die vergelijking is alleen waardevol als de context klopt. Denk aan een helder gedefinieerde specificatie, betrouwbare meetdata, een representatieve dataset en een proces dat je goed begrijpt. Ook de verdeling van de data en de mate van processtabiliteit spelen een grote rol in de interpretatie. Een Ppk is dus nooit alleen een rekensom, maar altijd ook een beoordeling van de aannames onder de analyse.

• Meetfout in het meetsysteem
  Een zwak meetsysteem vergroot de gemeten standaarddeviatie en drukt daardoor de Ppk kunstmatig omlaag. Je denkt dan dat het proces te veel varieert, terwijl een deel van die variatie uit de meting zelf komt. Voorkom dit met een MSA of Gage R&R voordat je de capability analyse uitvoert.

• Menging van verschillende populaties
  Als je data van verschillende producten, klantsegmenten, teams of procesroutes op één hoop gooit, wordt één Ppk al snel betekenisloos. Je meet dan meerdere processen tegelijk. Voorkom dit door eerst te bepalen of de dataset echt één vergelijkbare populatie vertegenwoordigt en anders per stroom apart te analyseren.

• Proces is niet statistisch beheerst
  Een instabiel proces met special causes kan een Ppk opleveren, maar die waarde is dan vooral een beschrijving van het verleden en geen betrouwbare basis voor voorspelling. Voorkom verkeerde conclusies door eerst met controlekaarten te beoordelen of de dataset hoofdzakelijk common cause variatie bevat.

• Niet normale of scheve data
  Bij sterk scheve verdelingen, zoals doorlooptijden of wachttijden, kan een standaard Ppk op basis van normaliteit te optimistisch of juist te negatief uitpakken. Voorkom dit door eerst de verdeling te beoordelen en zo nodig een non normal capability analyse, transformatie of alternatieve methode te gebruiken.

• Te weinig of niet representatieve data
  Een Ppk op basis van een kleine of eenzijdige steekproef kan er strak uitzien, maar mist vaak de echte variatie over tijd. Dan maak je met een long term formule toch een short term inschatting. Voorkom dit door data te verzamelen over relevante shifts, batches, teams of perioden.

• Verkeerde interpretatie van een lage Ppk
  Een lage Ppk betekent niet automatisch dat je meteen het proces moet aanpassen. Soms zit het probleem eerst in de aannames, de specificaties of de datakwaliteit. Voorkom ongerichte verbeteracties door eerst de randvoorwaarden van je analyse te controleren.

Wat is een goede Ppk waarde?

Een goede Ppk waarde hangt af van de context, maar in de praktijk worden 1,33 en 1,67 vaak gebruikt als herkenbare richtpunten. Daarmee heb je als lezer meteen een bruikbaar startpunt voor interpretatie. Tegelijk is het belangrijk om daar niet te absoluut mee om te gaan. Een Ppk van 1,33 kan in de ene omgeving prima zijn, terwijl dezelfde score in een veiligheidskritisch proces of streng gereguleerde sector nog onvoldoende is. Denk daarom niet alleen in algemene benchmarks, maar ook in risico, klantimpact en kosten van afwijkingen.

In de basis geldt: hoe hoger de Ppk, hoe kleiner de kans dat de procesoutput over tijd buiten specificatie valt. Omdat Ppk uitgaat van de meest kritieke kant van het proces, dus de grens waar het gemiddelde het dichtst bij ligt, vat deze index het risico op ‘non conformance’ compact samen. Dat maakt Ppk sterk in Lean Six Sigma. Je koppelt de statistiek direct aan iets wat de klant merkt, zoals afkeur, vertraging, herstelwerk of kwaliteitsverlies.

• Rond 0,20 wijst op een proces dat structureel ver buiten acceptabele prestaties zit

• Rond 0,70 laat zien dat het proces duidelijk tekortschiet en weinig marge heeft

• Rond 1,00 betekent dat het proces net aan de specificatiegrenzen raakt

• Rond 1,33 geldt vaak als praktische ondergrens voor een capabel proces

• Rond 1,67 past vaker bij strengere eisen of kritischere CTQ’s

Waarom wijken Ppk en Cpk soms sterk af?

Ppk en Cpk liggen dicht bij elkaar als een proces stabiel is en de variatie binnen subgroepen ongeveer gelijk is aan de variatie over de totale meetperiode. In dat geval is er weinig extra spreiding door tijd, batches, shifts of andere invloeden. De within standaarddeviatie en de overall standaarddeviatie verschillen dan nauwelijks van elkaar. Daardoor vertellen Cpk en Ppk vrijwel hetzelfde verhaal. Dat zie je vooral bij processen die goed beheerst zijn en over tijd weinig verschuiving laten zien.

• Een klein verschil wijst vaak op een stabiel proces

• Een groot verschil wijst vaak op extra tijdsvariatie

• Drift kan ontstaan door slijtage of opwarming

• Verschillen kunnen ook uit shifts of batches komen

• Ppk lager dan Cpk is dus een belangrijk signaal

Als Ppk duidelijk lager is dan Cpk, dan zit er extra variatie over tijd in het proces die je met alleen binnen subgroepen niet ziet. Denk aan operatorverschillen, batchwisselingen, omstellingen, slijtage of een proces dat langzaam wegdrijft. Dat maakt dit verschil heel bruikbaar als diagnose-informatie. Een logisch diagnosepad is dan: bekijk eerst de controlekaart, stratificeer daarna de data naar bijvoorbeeld shift, machine, team of leverancier, zoek vervolgens de dominante variantiebron en koppel daar een gerichte verbeteractie aan.

Hoe verbeter je Ppk met Lean Six Sigma tools?

Een hogere Ppk krijg je niet door zomaar een paar verbeteracties uit te voeren. Je verhoogt Ppk maar op twee manieren: door de variatie in het proces te verlagen en door het procesgemiddelde beter te centreren binnen de specificatiegrenzen. In de praktijk moet je daarom eerst bepalen welk van die twee het echte probleem is. Is de spreiding te groot, dan moet je oorzaken van instabiliteit en verschillen in de uitvoering aanpakken. Ligt het gemiddelde te dicht bij een specificatiegrens, dan moet je het proces opnieuw afstellen of beter richten op de target. Vaak spelen beide tegelijk. Lean Six Sigma helpt juist om dat onderscheid scherp te maken, zodat je niet aan symptomen sleutelt maar aan de echte oorzaak.

1. Meet eerst de huidige Ppk als nulmeting

2. Check of het probleem zit in spreiding, centrering of beide

3. Gebruik data om verschillen per shift, batch of machine zichtbaar te maken

4. Zoek met root cause analyse naar de dominante oorzaak

5. Verminder variatie met standard work en duidelijke werkwijzen

6. Beperk omstelverschillen en instelafwijkingen

7. Verbeter onderhoud, kalibratie en procescondities

8. Train medewerkers op kritieke handelingen en beslismomenten

9. Voorkom fouten met poka yoke of vaste controles

10. Gebruik DOE als procesinstellingen elkaar beïnvloeden

11. Borg het resultaat met SPC en duidelijke reactieafspraken

De kracht van Lean Six Sigma zit dus niet in één tool, maar in de juiste volgorde. In de Measure fase bepaal je de baseline Ppk. In Analyze onderzoek je waardoor spreiding of drift ontstaat. In Improve kies je gerichte maatregelen, zoals standaardiseren, onderhoud verbeteren, omstelvariatie verlagen of het proces beter centreren. In Control leg je vast hoe je voorkomt dat de verbetering weer wegzakt, bijvoorbeeld met controlekaarten, signaleringsgrenzen en een helder reactieplan.

Wat zijn de belangrijkste lessen over Ppk?

Ppk is een krachtige maat om te beoordelen hoe een proces over tijd echt presteert ten opzichte van de specificatiegrenzen. In dit artikel heb je gezien dat Ppk vooral waardevol is in de Measure fase van Lean Six Sigma, omdat het de werkelijke prestatie laat zien inclusief variatie over tijd. Ook is duidelijk geworden wat het verschil is met Pp, Cp en Cpk, hoe je Ppk berekent, welke data je daarvoor nodig hebt en welke aannames onder de analyse liggen. Daarbij geldt steeds dezelfde kern: een Ppk krijgt pas echt betekenis als je werkt met representatieve data, heldere specificaties en een proces dat je goed begrijpt. Is de Ppk lager dan gewenst, dan ligt de oplossing meestal in het verlagen van variatie, het beter centreren van het proces of het aanpakken van instabiliteit over tijd.

Wil je hier in de praktijk mee aan de slag, dan kan Impactery je daarbij ondersteunen. Bijvoorbeeld met Lean Six Sigma trainingen zoals Green Belt en Black Belt, waarin je leert hoe je capability analyses, statistische technieken en procesverbetering goed toepast. Daarnaast ondersteunt Impactery organisaties met consultancy om ook echt resultaten te boeken, bijvoorbeeld via statistische analyses, root cause analyses, procesverbetering, projectmanagement en het begeleiden van verbetertrajecten. Wil je weten wat in jouw situatie passend is, neem dan gerust contact op.