Supposons que vous vouliez générer différentes statistiques de comparaison pour votre produit, mais que vous ne disposiez pas de données sur la complexité.
Le nombre total d'opportunités est de 657 092. La valeur DPMO totale est de 1357,5, qui correspond à une valeur Z.ST globale de 4,498. A présent, prenez la composante 16, qui présente la plus faible valeur Z.ST (c'est-à-dire, la pire capabilité). Supposons que, en prévision d'un arrêt programmé du procédé qui fabrique la composante 16, vous augmentiez la production au point de fabriquer 100 fois plus d'unités de la composante 16 et de constater également 100 fois plus de défauts.
Le nombre total d'opportunités n'a pas beaucoup changé. Il est passé de 657 092 à 734 609. Toutefois, la valeur DPMO totale est passée de 1357 à 7952,5 (soit 6 fois plus). La valeur Z.ST totale est, quant à elle, passée de 4,498 à 3,911, ce qui représente une réduction considérable de près d'un demi sigma. Tous ces changements sont le résultat de l'augmentation de la production de la composante 16, et non d'un déclin en matière de capabilité.
Voici la même analyse avec les données sur la complexité.
A présent, la valeur DPMO totale est de 1300,7, avec une valeur Z.ST totale de 4,511. Notez que ces valeurs diffèrent légèrement des valeurs initiales car vous avez utilisé les données sur la complexité pour ajuster les nombres d'unités et de défauts. Maintenant, augmentez la production de la composante 16 comme précédemment, en utilisant cette fois les données sur la complexité.
Vous pouvez constater que les seules différences résident au niveau des unités et des défauts observés la composante 16. L'utilisation des données sur la complexité a permis de supprimer entièrement tout effet généré par un échantillonnage et une production disproportionnés de la composante 16.