Aanwijsbare Oorzaken

Created with Sketch.

Wanneer je een Control Chart bekijkt dan kan het goed zijn dat een van de datapunten buiten de Control Limits valt. Zodra je deze niet-natuurlijke variantie hebben ontdekt, kan het zijn dat hier een aanwijsbare oorzaak voor is. We moeten dan nagaan wat er op die momenten is gebeurd dat deze afwijkingen hebben plaatsgevonden. Is het een eenmalig incident of een terugkerend probleem? Er zijn twee scenario’s die zich kunnen voordoen zodra je op zoek gaat naar de oorzaak: 
1. Je vind een oorzaak die je weg kan nemen, en daardoor ook het effect van de oorzaak op het proces;
2. Je vind wel een oorzaak voor het probleem, maar je ontdekt dat dit een eenmalig incident was en dat er geen oorzaak weggenomen hoeft te worden.

Alpha Beta Risico

Alpha Risico

In het geval van voorbeeld 1 (hierboven), kan het zijn dat je denkt een grondoorzaak te hebben gevonden, en deze wegneemt, maar dat je er vervolgens achter komt dat dit geen effect had op de uitkomst. In dat geval heb je een grondoorzaak weggehaald zonder dat het enig effect heeft gehad. Dit noemen we ook wel een Type 1 fout waar we voor waarschuwen met een term wat we het Alpha Risico noemen.

Beta Risico

In het geval van voorbeeld 2 (hierboven), kan het zijn dat je denkt dat er geen grondoorzaak is en dat het incident puur toeval was. Het blijkt dan achteraf misschien dat er toch wel degelijk een structurele grondoorzaak aanwezig is en het geen toeval is. Hoewel je de grondoorzaak had moeten vinden heb je deze over het hoofd gezien. Dit noemen we een Type 2 fout. Hier wordt voor gewaarschuwd met de benaming Beta Risico.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *