Angenommen, Sie möchten verschiedene Benchmark-Statistiken für ein Produkt erstellen, die Daten der Komplexität sind jedoch nicht verfügbar.
Die Gesamtzahl der Fehlermöglichkeiten beträgt 657.092. Gesamt-DPMO ist 1357,5, was einem Gesamt-Z.ST von 4,498 entspricht. Betrachten Sie nun Komponente 16, die den niedrigsten Z.ST-Wert (d. h. die schlechteste Prozessfähigkeit) aufweist. Angenommen, dass Sie wegen einer geplanten Ausfallzeit für den Prozess zur Herstellung der Komponente 16 die Produktion steigern und die Anzahl der zu produzierenden Einheiten für Komponente 16 verhundertfachen und dass sich die beobachtete Fehlerzahl ebenfalls verhundertfacht.
Die Gesamtzahl der Fehlermöglichkeiten wurde hiervon nicht wesentlich beeinflusst. Sie stieg von 657.092 auf 734.609. Gesamt-DPMO stieg jedoch von 1357 auf 7952,5 an (und beläuft sich damit auf das Sechsfache). Das Gesamt-Z.ST hingegen fiel von 4,498 auf 3,911, und dies ist beträchtliche Verringerung um etwa ein halbes Sigma. Alle diese Änderungen sind auf das Hochfahren der Produktion für Komponente 16 zurückzuführen und nicht das Ergebnis einer Verschlechterung der Prozessfähigkeit.
Nachfolgend finden Sie die gleiche Analyse mit Komplexitätsdaten.
Nun entspricht Gesamt-DPMO 1300,7, bei einem Z.ST-Gesamtwert von 4,511. Diese Werte sollten leicht von den ursprünglichen Werten abweichen, da Sie Komplexitätsdaten zum Korrigieren der Anzahl der Einheiten und Fehler verwendet haben. Steigern Sie nun die Produktion der Komponente 16 wie zuvor, und verwenden Sie dieses Mal die Komplexitätsdaten.
Sie stellen fest, dass die einzigen Differenzen in den beobachteten Einheiten und den beobachteten Fehlern für Komponente 16 vorliegen. Durch die Verwendung von Komplexitätsdaten wurde jeglicher Effekt eliminiert, der auf die disproportionale Produktion und Stichprobennahme für Komponente 16 zurückzuführen ist.