Wat is Six Sigma?
Six Sigma is een methode om processen aantoonbaar beter te maken door variatie en fouten structureel te verminderen met data en oorzaak analyse. Het is ooit groot geworden in productieomgevingen, maar je ziet het net zo goed werken in dienstverlening, IT, zorg en overheid. Denk aan kortere doorlooptijden, minder herstelwerk, stabielere output en een hogere klanttevredenheid. Het sterke punt van Six Sigma is dat het discussie uit de onderbuik haalt. Je kijkt samen naar feiten, meet wat er echt gebeurt en verbetert gericht.
Definitie: Six Sigma is een datagedreven verbeteraanpak die procesvariatie reduceert en daardoor fouten, kosten en doorlooptijd verlaagt.
In de praktijk draait Six Sigma om het verbeteren van wat voor de klant of gebruiker kritisch is, vaak aangeduid als CTQ’s (Critical to Quality). Je start dus niet met “we moeten efficiënter”, maar met “waar merkt de klant last van en hoe meten we dat”. Vervolgens zoek je de oorzaken in het proces, niet in de personen. Een herkenbaar voorbeeld is een organisatie met veel rework in offertes: offertes zijn te laat of onvolledig, waardoor er extra afstemming nodig is. Met Six Sigma breng je het proces in kaart, meet je waar de vertraging ontstaat, en pak je de belangrijkste oorzaak aan in plaats van overal tegelijk te sleutelen.
Minder fouten en herstelwerk door structurele oorzaakanalyse
Betere voorspelbaarheid door het beheersen van procesvariatie
Meetbare resultaten die helpen bij besluitvorming en draagvlak
Wat is de geschiedenis van Six Sigma?
Six Sigma ontstond niet als theorie, maar als reactie op tastbare kwaliteitsproblemen. In de jaren tachtig trok Motorola intern een harde conclusie, “our quality stinks”, en besloot het probleem systematisch aan te pakken met meten, variatie reduceren en procescapability. Daarna is Six Sigma groot geworden doordat een paar organisaties het op schaal invoerden, met opleidingstrajecten, projectselectie en duidelijke rollen zoals Green en Black Belts.
Begin jaren 80: Motorola start met variatiereductie en capability-denken
Midden jaren 80: interne wake-up call bij Motorola, “our quality stinks”
1986: bredere uitrol van Six Sigma binnen Motorola
1988: Motorola wint de Malcolm Baldrige Award, brede aandacht
Begin jaren 90: AlliedSignal schaalt Six Sigma op in de operatie
Eind jaren 90: AlliedSignal fuseert met Honeywell en zet het voort
Midden jaren 90: GE maakt Six Sigma mainstream onder Jack Welch
Jaren 90–2000: Belt-trainingen worden de standaard, van Yellow Belt tot Master Black Belt
2000s en verder: Lean en Six Sigma groeien samen tot Lean Six Sigma
Wat je vandaag terugziet komt rechtstreeks uit die ontwikkeling: Six Sigma is ontworpen om prestaties meetbaar te verbeteren en die verbetering vast te houden. De discipline zit in de structuur en de rolverdeling, de kracht zit in data en analyse, en de schaalbaarheid komt uit het feit dat het als aanpak in organisaties is ingebed, niet als los projectje.
Hoe werkt Six Sigma?
Six Sigma werkt met een vaste, datagedreven aanpak om processen voorspelbaarder te maken. Dat maakt het toepasbaar in vrijwel elke sector, van productie en logistiek tot IT, zorg, overheid en zakelijke dienstverlening. De voorwaarde is wel dat je data hebt of verzamelt. Is er geen data, dan start je met meten. Denk aan een meetplan, een tijdelijke registratie of het slim ontsluiten van systeemdata. Daarmee verplaats je het gesprek van meningen naar feiten. En dat is precies waar Six Sigma sterk in is: variatie zichtbaar maken, oorzaken aantonen en verbeteringen borgen.
Je begint bij een scherp probleem en een meetbare CTQ
Als data ontbreekt, maak je die met een meetplan
Je stuurt op variatie reduceren en voorspelbaarheid verhogen
Je gebruikt statistiek om oorzaken te onderbouwen, niet te gokken
Bij grotere verbetertrajecten gebruik je meestal DMAIC: Define, Measure, Analyze, Improve, Control. In Define leg je vast wat het probleem is, wat de scope is en wanneer het project geslaagd is. In Measure bepaal je de nulmeting en controleer je eerst of het proces stabiel is: is de prestatie consistent of zie je speciale oorzaken die het beeld vertekenen. Vervolgens kijk je naar capability: kan het proces, als het stabiel is, überhaupt aan de eisen voldoen. Dat helpt om realistische verbeterdoelen te kiezen en om te voorkomen dat je gaat optimaliseren op ruis.
In Analyze ga je van vermoedens naar bewijs. Je formuleert hypotheses over mogelijke oorzaken van variatie en fouten, en toetst die met data. Denk aan verschillen tussen teams, locaties, systemen of producttypen. Met hypothesetoetsen en verbandanalyses kun je aantonen wat echt effect heeft en wat toeval is. Daarna verbeter je gericht in Improve en borg je in Control met standaarden, procesafspraken en monitoring. Voor kleinere verbeteringen kan een Lean A3 soms volstaan, maar DMAIC is de veilige route zodra de oorzaken onduidelijk zijn en veel variatie is.