📋 İçindekiler
Altı Sigma Nedir?
Altı Sigma, 1986'da Motorola'da Bill Smith tarafından geliştirilen, istatistiksel araçlarla proses değişkenliğini azaltmayı hedefleyen bir kalite yönetim metodolojisidir. GE'nin Jack Welch liderliğinde 1990'larda benimsemesiyle küresel bir fenomen oldu.
• GE, Altı Sigma ile 12 milyar dolar tasarruf etti (1996-2004)
• Motorola, 17 milyar dolar toplam tasarruf açıkladı
• Ortalama bir Altı Sigma Black Belt projesi 250.000–500.000 dolar yıllık tasarruf sağlar
• Fortune 500 şirketlerinin %82'si Altı Sigma programı uyguluyor
Sigma Seviyesi ve DPMO
Sigma (σ) seviyesi, bir prosesin spesifikasyon sınırlarına göre ne kadar kabiliyetli olduğunu gösterir:
| Sigma Seviyesi | DPMO (Milyonda Hata) | Verim (%) | Karakter |
|---|---|---|---|
| 1σ | 691.462 | 30.9 | Kontrol dışı |
| 2σ | 308.538 | 69.1 | Zayıf |
| 3σ | 66.807 | 93.3 | Ortalama endüstri |
| 4σ | 6.210 | 99.38 | Rekabetçi |
| 5σ | 233 | 99.977 | Dünya sınıfı |
| 6σ | 3.4 | 99.99966 | Mükemmellik |
Günlük hayattan örnekler:
• 3σ'da: Saatte 54.000 mektup kaybolur → 6σ'da: yılda 2 mektup kaybolur
• 3σ'da: Günde 2 saatlik hatalı ameliyat → 6σ'da: 20 yılda bir
• 3σ'da: Havaalanında günde 2 hatalı iniş → 6σ'da: 5 yılda bir
Not: 6σ hesaplamaları 1.5σ kayma (shift) ile yapılır — uzun vadede proses ortalaması ±1.5σ kayabilir (Motorola varsayımı).
DMAIC Döngüsü
DMAIC, Altı Sigma'nın yapılandırılmış problem çözme metodolojisidir:
Problemi, müşteriyi, kapsamı ve hedefi net olarak tanımla. CTQ (Critical to Quality) özelliklerini belirle. Proje şartnamesi (Project Charter) hazırla: problem tanımı, iş etkisi, hedef, kapsam, ekip, zaman planı.
Mevcut proses performansını veriyle ölç. MSA (Ölçüm Sistemi Analizi) ile ölçüm güvenilirliğini doğrula. Proses yeterlilik (Cp, Cpk) hesapla. Mevcut sigma seviyesini belirle.
Kök nedenleri veri analiziyle tespit et. Araçlar: Balık kılçığı diyagramı, 5 Neden, Pareto analizi, regresyon, hipotez testi, ANOVA, FMEA. Veriye dayalı olmayan "sezgisel" köklere güvenme!
Kök nedenlere yönelik çözümler geliştir ve uygula. DOE (Deney Tasarımı) ile optimal faktör seviyelerini belirle. Pilot uygulama yap, sonuçları doğrula.
İyileştirmeyi kalıcı kıl. Kontrol grafikleri (X-bar, R, p, c) ile sürekli izleme. Kontrol planı, tepki planı ve standardize prosedürler oluştur. Proje sonrası sigma seviyesini raporla.
Her Aşamada Kullanılan Araçlar
| DMAIC Aşaması | Temel Araçlar | Çıktı |
|---|---|---|
| Define | SIPOC, VOC (Müşterinin Sesi), CTQ ağacı, Proje şartnamesi | Net problem tanımı, hedef, kapsam |
| Measure | MSA (Gage R&R), Proses haritası, Cp/Cpk, Sigma seviyesi | Mevcut performans verisi |
| Analyze | Histogram, Pareto, İşkılçığı, 5 Neden, Regresyon, ANOVA, FMEA | Doğrulanmış kök nedenler |
| Improve | DOE, Beyin fırtınası, Pilot test, Maliyet-fayda analizi | Uygulanan çözümler, doğrulanan iyileşme |
| Control | Kontrol grafikleri (SPC), Kontrol planı, FMEA güncelleme | Kalıcı iyileştirme, standartlar |
Proses Yeterlilik: Cp ve Cpk
Prosesin potansiyel yeterliliği — tolerans genişliği ile proses yayılımını karşılaştırır.
Cp > 1.33 → Yeterli | Cp > 1.67 → İyi | Cp > 2.0 → Mükemmel
Cpk (Proses Performansı) = Min[(USL − μ)/(3σ), (μ − LSL)/(3σ)]
Prosesin gerçek performansı — merkezlenmeyi de dikkate alır.
Cp yüksek ama Cpk düşükse → proses merkezlenmemiş (ortalama kayık)!
Cp = 1.5, Cpk = 1.5: Proses hem yeterli hem merkezli ✅
Cp = 1.5, Cpk = 0.8: Proses geniş yeterli ama kaymış ⚠️ → Ortalamayı ayarla
Cp = 0.7, Cpk = 0.7: Proses ne yeterli ne merkezli ❌ → Değişkenliği azalt
Uygulama: Bir DMAIC Projesi
Firma: EFG Otomotiv Parça San. A.Ş. — Bursa fabrikası
Ürün: Motor pistonu, çap spesifikasyonu: 85.00 ± 0.05 mm
USL = 85.05 mm, LSL = 84.95 mm, Tolerans = 0.10 mm
Problem: Müşteri ret oranı %4.2 → Hedef: <%0.5
Measure Aşaması - Mevcut Durum:
| Metrik | Mevcut Değer |
|---|---|
| Örnek ortalama (X̄) | 85.018 mm |
| Standart sapma (σ) | 0.022 mm |
| Cp | (85.05 − 84.95) / (6×0.022) = 0.10 / 0.132 = 0.758 |
| Cpk | Min[(85.05−85.018)/(3×0.022), (85.018−84.95)/(3×0.022)] = Min[0.485, 1.030] = 0.485 |
| Sigma seviyesi | ~1.5σ (DPMO ≈ 42.000) |
Analyze Aşaması - Kök Nedenler:
- Kök Neden 1: Torna tezgahının termal genleşmesi — sabah ilk parçalar hep düşük çapta (soğuk makine)
- Kök Neden 2: Kesici takım aşınması — 200 parçadan sonra çap sistematik olarak yükseliyor
- Kök Neden 3: Hammadde sertlik varyasyonu — farklı tedarikçilerden gelen çelik farklı işleniyor
Improve Aşaması - Çözümler:
| Kök Neden | Çözüm | Etki |
|---|---|---|
| Termal genleşme | 15 dk'lık ısınma döngüsü + termal kompanzasyon programı | Sabah shift'i sapması ortadan kalktı |
| Takım aşınması | Otomatik takım ölçüm + 150 parçada zorunlu takım kompanzasyonu | Sistematik kayma ortadan kalktı |
| Hammadde varyasyonu | Gelen malzeme sertlik testi + tolerans dışı tedarikçi bildirimi | σ malzeme %40 azaldı |
Control Aşaması - Sonuçlar:
Yeni ortalama: X̄ = 85.002 mm (neredeyse nominal!)
Yeni standart sapma: σ = 0.012 mm
Cp = 0.10 / (6×0.012) = 0.10 / 0.072 = 1.389
Cpk = Min[(85.05−85.002)/(3×0.012), (85.002−84.95)/(3×0.012)]
Cpk = Min[1.333, 1.444] = 1.333
Sigma seviyesi: ~4σ (DPMO ≈ 6.200 → ret oranı %0.6)
Cp: 0.758 → 1.389 (%83 artış)
Cpk: 0.485 → 1.333 (%175 artış)
Ret oranı: %4.2 → %0.6 (%86 azalma)
💡 Hedef <%0.5'e çok yaklaştı. Sonraki DMAIC döngüsünde σ'yı 0.010'a indirmek 5σ seviyesine ulaştırır.
Gerçek Dünya Vaka Çalışmaları
Büyük bir Amerikan teknoloji şirketi, 1986'da "milyonda 3.4 hata" hedefini koydu. 10 yıl içinde hata oranını %80 azaltarak 17 milyar dolar tasarruf sağladı. Bu başarı, 6σ'nın küresel olarak benimsenmesini sağladı ve Malcolm Baldrige Ulusal Kalite Ödülü'nü kazandılar.
Lider bir Türk otomotiv şirketi, kaynak kalitesi sorunlarına DMAIC uyguladı. Analyze aşamasında ana kök nedenin kaynak akım ayarlarındaki operatör varyasyonu olduğu tespit edildi. Improve'da otomatik parametre yükleme sistemi kuruldu. Kaynak hata oranı 3200 DPMO'dan 450 DPMO'ya düştü — yaklaşık 4.5σ seviyesi.
Bir Türk bankası, kredi onay süresine DMAIC uyguladı. Mevcut durum: ortalama 5.2 gün, σ = 2.8 gün. Kök neden: gereksiz onay aşamaları ve eksik doküman tekrarları. İyileştirme sonrası: ortalama 1.4 gün, σ = 0.6 gün. Müşteri memnuniyeti skoru %28 arttı.
Altı Sigma 4.0
- AI + DMAIC: Analyze aşamasında makine öğrenmesi modelleri kök neden tespitini otomatikleştiriyor, DOE'yi simülasyonla destekliyor
- Gerçek Zamanlı SPC: IoT sensörleri ile proses verileri anlık analiz ediliyor — kontrol grafiği sinyali anında uyarı gönderiyor
- Büyük Veri + 6σ: Milyonlarca veri noktasından gizli kalıplar keşfediliyor; geleneksel istatistiksel testlerin göremeyeceği etkileşimler ortaya çıkıyor
- Lean Six Sigma 5.0: Sürdürülebilirlik metrikleri (karbon ayak izi, su tüketimi) CTQ olarak ekleniyor — kalite + çevre entegrasyonu
Altı Sigma'nın gücü basit bir ilkeden gelir: "Ölçemediğin şeyi iyileştiremezsin, iyileştiremediğin şeyi kontrol edemezsin." DMAIC, yapılandırılmış ve veri odaklı problem çözme disiplini sağlar. Endüstri mühendisleri, istatistik, proses analizi ve optimizasyon eğitimleriyle Altı Sigma projelerinin doğal liderleridır.