The Kaizen Philosophy assumes that our way of life -- be it our working life, our social life, or our home life -- deserves to be constantly improved.

Masaaki Imai

De bovenstaande kromme wordt Taguchi's verliesfunctie genoemd, vernoemd naar Genichi Taguchi. De figuur laat zien dat de traditionele alles-of-niets-kijk op kwaliteit (= voldoen aan specificaties). Alleen als specificaties niet worden nageleefd, worden onnodige kosten gemaakt. Binnen (Lean) Six Sigma is de visie op kwaliteit anders: het doel is dat een kenmerk volgens target functioneert, met zo min mogelijk variatie. Dit betekent dat er al extra kosten worden gemaakt zodra de performance zich van de target verwijderd.

Bron: Six Sigma voor Dummies, Craig Gygi, Neil DeCarlo en Bruce Williams

There are no traffic jams along the extra mile.

Roger Staubach

Unless you have 100% customer satisfaction, you must improve.

Horst Schulz

Six Sigma voor Dummies
Craig Gygi, Neil DeCarlo en Bruce Williams

Bij Bol.com

Kaizen is like a hotbed that nurtures small and ongoing changes, while innovation is like magma that appears in abrupt eruptions from time to time.

Masaaki Imai

Een Effort/Benefit-Matrix is een grafisch hulpmiddel voor het evalueren van mogelijke oplossingen in termen van de benodigde inspanning en de verwachte baten. De matrix helpt bij het prioriteren van oplossingen, waarbij de voorkeur zal uitgaan naar oplossingen die met weinig inspanning grote voordelen opleveren.

Voor oplossingen in het rode gebied (effort = hoog, benefit = laag) geldt dat implementatie geen zin heeft. Bij oplossingen in het gele gebied (effort = hoog, benefit = hoog) is nader onderzoek nodig om te bepalen of implementatie al dan niet zinvol is. In het groene gebied (effort = laag, benefit = hoog) heeft het zin een DMAIC-project te starten. Het blauwe gebied (effort = laag, benefit = laag) bevat oplossingen met een laag potentieel, maar gezien het quick win-gehalte, zeker het overwegen waard.

Bron: Lean Six Sigma Toolset, Stephan Lunau

Veel statistische technieken zijn gebaseerd op de veronderstelling dat de populatie bij benadering normaal verdeeld is. Daarom is het belangrijk eerst te bepalen of de steekproefgegevens uit een normaal verdeelde populatie komen, voordat je deze technieken kan toepassen.

Een beoordeling aan de hand van een frequentieverdeling (histogram, dot plot) biedt niet altijd voldoende zekerheid. De Probability Plot (normaliteitsplot) heeft een zodanige schaalverdeling dat de grafiek van een theoretisch zuivere normale verdeling een rechte lijn wordt. Hoe beter data in een normaliteitsplot op een rechte lijn liggen des te beter de data een normale verdeling benaderen. Ter vergelijking kun je de ideale lijn laten tekenen.

Bij een Probability Plot worden de waarnemingen in een gegevensverzameling van klein naar groot geordend en vervolgens in een grafiek uitgezet tegen de bijbehorende verwachte z-waarden als de waarnemingen uit een normale verdeling komen. Eigenlijk is een Probability Plot een spreidingsdiagram met de gesorteerde gegevenswaarden op de ene as, en de bijbehorende verwachte z-waarden van een standaardnormale verdeling op de andere as. Het berekenen van de verwachte standaardnormale z-scores is niet iets wat je handmatig doet, maar over kunt laten aan een statistisch programma, zoals Minitab.

Als de gegevens inderdaad uit een normale verdeling komen, zullen de gevonden punten op een rechte lijn liggen. Als de z-waarden niet bij benadering op een rechte lijn liggen, is dat een duidelijke aanwijzing dat er geen sprake is van een normale verdeling. In het bovenstaande voorbeeld zijn op basis van een betrouwbaarheidsinterval van 95%, twee 'limietlijnen' getekend, waarbinnen het merendeel van de punten moet liggen om van een rechte lijn te kunnen spreken.

Een Dotplot (puntendiagram) is een alternatief voor een histogram. In een puntendiagram kun je op eenvoudige manier weergeven wat de spreiding is van continue data. Het helpt bij het zichtbaar maken van uitschieters bij kleine hoeveelheden data.

Langs de horizontale as staan de mogelijke waarden en op de verticale as wordt elke meting vertegenwoordigd door 1 punt. Bij grote hoeveelheden datapunten kan elke punt ook meer dan één resultaat weergeven.