Six-Sigma-Prinzipien und -Tools

Willkommen zum dritten Teil unserer Serie zu Lean und Six Sigma. Wie wir im ersten Beitrag „Was sind Lean- und Six Sigma-Methoden?“ gesehen haben, sind Lean und Six Sigma ergänzende Methoden zur kontinuierlichen Verbesserung, die den Gesamtabfall bzw. Der zweite Beitrag, „Lean-Prinzipien und -Tools“, befasste sich eingehend mit einigen der wichtigsten Prinzipien, Tools und Methoden von Lean. Hier schließen wir unsere Serie mit einer hochrangigen Diskussion über Six Sigma ab. Es gibt viele Tools im Six Sigma Toolkit (Failure Mode Effects Analysis (FMEA), IPO-Diagramm, Konfidenzintervalle, Histogramme, Pareto-Diagramme, F-Tests, Design for Six Sigma (DFSS) und viele mehr), die nicht besprochen werden Hier. Der Fokus liegt hier darauf, die statistischen Realitäten zu diskutieren, die Six Sigma effektiv machen.

Six Sigma zielt darauf ab, die Grundursache(n) von Fehlern und Verschwendung zu identifizieren und zu beseitigen, indem statistische Werkzeuge verwendet werden, um die Abweichungen zu identifizieren, die Fehler verursachen. In der Six Sigma-Methodik besteht der einzige Weg zur effektiven Lösung eines Problems darin, seine Ursache dauerhaft zu beseitigen.

Es handelt sich um eine messbasierte Strategie, die sich auf die Prozessverbesserung konzentriert und darauf abzielt, nicht mehr als 3,4 Fehler pro Million Möglichkeiten zu erreichen. Ein Six Sigma-Defekt ist definiert als alles, was außerhalb der Kundenspezifikationen liegt. Eine Six-Sigma-Chance ist dann die Gesamtzahl der Chancen, dass ein Fehler auftritt.

Six-Sigma-Doktrin

Six Sigma basiert auf drei Schlüsselideen, die die Six Sigma-Doktrin ausmachen:

1. Kontinuierliche Bemühungen um stabile und vorhersehbare Prozessergebnisse (d. h. Reduzierung von Prozessschwankungen) sind für den Geschäftserfolg von entscheidender Bedeutung.
2. Fertigungs- und Geschäftsprozesse haben Eigenschaften, die gemessen, analysiert, kontrolliert und verbessert werden können.
3. Das Erreichen einer nachhaltigen Qualitätsverbesserung erfordert das Engagement der gesamten Organisation, insbesondere der obersten Führungsebene.

Six Sigma-Methodik:Der DMAIC-Prozess

DMAIC ist eine auf Daten basierende Six Sigma-Problemlösungsmethodik. Der fünfphasige Prozess wird durch jeden Buchstaben des Akronyms beschrieben:

• Definieren - Beschreiben Sie das Problem, die Projektziele, die Verbesserungsbereiche oder die Kundenanforderungen.
• Maßnahme - Prozessleistung messen.
• Analyse - Analysieren und identifizieren Sie mögliche Ursachen für Fehler und Abweichungen.
• Verbessern - Verbessern Sie den Betrieb, indem Sie die Grundursachen beseitigen.
• Kontrolle - Qualitätskontrolle des Verbesserungsprozesses.

Lasst uns die Phasen weiter aufschlüsseln:

Definieren

Nachdem das Problem, das Ziel oder der Verbesserungsbereich beschrieben wurde, ist es wichtig zu versuchen, die verschiedenen Eingangs- und Ausgangsvariablen zu identifizieren, die mit dem Verhalten des Prozesses zusammenhängen. Häufig liegen die Ausgabevariablen außerhalb der Spezifikationen. Es ist wichtig zu identifizieren, welche Eingangsvariablen die Variation mit der/den Ausgangsvariable(n) verursachen können.

Maßnahme

Sobald die Eingangsvariablen identifiziert sind, die das Ausgangsverhalten verursachen, ist es möglich, einen Messplan zu entwickeln, der genügend Daten liefert, um mit der Analyse zu beginnen. In dieser Phase werden Daten zu den wichtigsten Eingangs- und Ausgangsvariablen gesammelt. Dies ist auch die Phase, in der Leistungs-Baselines entwickelt werden, um spätere Verbesserungen zu messen. In der Regel sind mindestens 30 Beobachtungen erforderlich, um genügend Daten zu liefern, um das Prozessverhalten darzustellen.

Analysieren

Sobald die Daten gesammelt wurden, werden sie analysiert, um die wahrscheinlichsten drei bis fünf potenzielle Ursachen zu ermitteln. Dies wird durch kontinuierliche Datensammlung und Überprüfung erreicht, um den Beitrag jeder potenziellen Grundursache mithilfe von statistischen Werkzeugen, Diagrammen und Diagrammen zu verstehen. Der DMAIC-Prozess ist iterativ und wird wiederholt, bis alle gültigen Grundursachen identifiziert sind.

Verbessern

Basierend auf den in der Analysephase identifizierten gültigen Ursachen wird der Prozess angepasst, bis die übermäßige Streuung beseitigt ist. Die Phasen Messen und Analysieren werden wiederholt, bis das gewünschte Ergebnis erreicht ist.

Kontrolle

Wenn das gewünschte Ergebnis erreicht ist, werden die Verbesserungen institutionalisiert, so dass die Quelle der übermäßigen Variation beseitigt wird. Dieser Schritt sollte von einem Kontrollplan begleitet werden, um sicherzustellen, dass die Ergebnisse weiterhin auf einem akzeptablen Qualitätsniveau liegen. Der Kontrollplan umfasst die Implementierung einer statistischen Prozesskontrolle, um den Prozess zu überwachen und sicherzustellen, dass er im Laufe der Zeit ordnungsgemäß funktioniert. Dieser Kontrollplan sollte auch Gegenmaßnahmen enthalten, falls ein Problem auftritt.

Zusammenfassung: DMAIC ist eine Methode zur Problemlösung, die dem Praktiker hilft, ein Problem mit übermäßiger Variation anzugehen und es systematisch zu lösen.

Statistische Prozesskontrolle

Die statistische Prozesskontrolle ist ein Werkzeug, das misst, ob ein Prozess Produkt- oder Prozessstandards erfüllt oder nicht. Wenn ein Prozess fähig und im Laufe der Zeit stabil ist, werden die Ergebnisse erzielt, die der Prozess hervorbringen sollte.

Lassen Sie uns ein Beispiel verwenden, um diese wichtigen Konzepte besser zu verstehen. Denken Sie daran, Muffins zu backen.

Prozessfähigkeit und Variation

Ein Prozess wandelt Inputs in Outputs um. In diesem Fall sind die Zutaten die Inputs. Es ist bekannt, dass der Ofen für eine bestimmte Zeit eine bestimmte Temperatur mit dem Muffin-Teig im Inneren erreichen muss, um die idealen Muffins zu erhalten.

Nehmen wir an, der Ofen funktioniert richtig. Es ist in der Lage, das zu produzieren, was wir wollen – warme Muffins, die genau und perfekt gebacken werden. Garantiert die einwandfreie Funktion des Backofens, dass die Backwaren richtig herauskommen?

Natürlich nicht.

Was ist, wenn der Ofen richtig funktioniert, aber seine muffinhungrigen, ängstlichen Kinder immer wieder die Tür öffnen, um zu sehen, ob die Muffins schon fertig sind? Die Muffins werden erst halb gebacken, wenn der Timer abläuft. Dies ist ein Beispiel für eine besondere Ursache für Abweichungen – wir erzielen nicht das gewünschte Ergebnis, weil der Prozess außer Kontrolle gerät. Der Prozess ist fähig, er wird uns geben, was wir wollen, wenn er richtig eingesetzt wird, aber er hat keine Kontrolle.

Wenn wir dafür sorgen, dass der Backofen optimal funktioniert — bei der richtigen Temperatur und bei geschlossener Backofentür für die vorgeschriebene Zeit – der Prozess wird wieder unter Kontrolle. Wir haben jetzt einen Prozess, der sowohl fähig als auch unter Kontrolle ist, und wir können vernünftigerweise davon ausgehen, dass er ein ideales Dutzend Muffins produziert.

Wenn alle speziellen Variationsursachen wie oben beseitigt wurden, gilt der Prozess als unter Kontrolle und alle auftretenden Variationen sind Variationen, die dem Prozess selbst inhärent sind. Dazu gehören kleine Abweichungen der abgemessenen Zutaten und leichte Abweichungen der Ofentemperatur. Aber der Prozess ist robust genug, um auch mit diesen Quellen von (inhärenter) Variation das gewünschte Ergebnis zu erzielen.

Zusammenfassung: Die Prozessfähigkeit ist ein Maß dafür, wie fähig der Prozess ist, das gewünschte Ergebnis zu erzielen – d. h. sie kann uns sagen, wie viel Prozent der Fehler der Prozess von Natur aus produziert, wenn er die Kontrolle hat. Gewünschtes Ergebnis:ein Dutzend perfekt gebackener Muffins.

Standardabweichung

Da Sie nun wissen, wie Sie den idealen Muffin backen, führen wir die Standardabweichung ein.

Die Standardabweichung (Ϭ) ist ein Maß für die Abweichung und die Zahl, die zur Berechnung der Prozessfähigkeit verwendet wird. Sie wird als Quadratwurzel der Varianz berechnet.

>

Dr. William Shewhart, der Vater der Qualität, begann in den frühen 1920er Jahren mit der Entwicklung von Regelkarten. Er erkannte, dass, wenn wichtige Prozessausgangsvariablen gemessen wurden und sie eine Verteilung erzeugten, die wie die obige glockenförmige Kurve grafisch aussehen würde, die angezeigte Variation zufällig und daher prozessinhärent war.

Mit anderen Worten, der Prozess verhält sich oder arbeitet so, wie er für seine Arbeit entworfen wurde. Wenn die Daten nicht zufällig sind, muss es eine Logik geben, um dieses Verhalten zu erklären. Das ist eine besondere Ursache für Variation.

Dann gibt es die empirische Regel. Diese Regel sagt uns, dass für eine zufällige Verteilung:

• 68 % der Beobachtungen liegen innerhalb von plus oder minus 1 Standardabweichung
• 95 % der Beobachtungen liegen innerhalb von plus oder minus 2 Standardabweichungen
• 99,7 % der Beobachtungen liegen innerhalb von plus oder minus 3 Standardabweichungen

Shewhart entwarf auch Kontrollkarten (siehe unten), die Kontrollgrenzen enthalten. Kontrollgrenzen sind normalerweise ein Abstand von plus oder minus drei Standardabweichungen vom Mittelwert. Und wir wissen, dass unser Qualitätsniveau mindestens zu 99,7 % gut ist, wenn die Datenpunkte innerhalb der Kontrollgrenzen liegen.

Cpk =min(UCL - μ, μ - LCL) / (3σ)

Je höher der Cpk, desto besser (näher an 2,0 ist ausgezeichnet), wobei ein Cpk von 1,33 im Wesentlichen den niedrigsten Wert für einen Prozess anzeigt, der unter Kontrolle ist und die Spezifikation erfüllt.

Inzwischen wissen wir, ob ein Prozess fähig ist und die Kontrolle hat, er wird per Definition das Ergebnis produzieren, für das der Prozess entworfen wurde. Wir haben besprochen, wie man die Prozesskontrolle mit SPC misst und wie wichtig es ist, einen Prozess unter Kontrolle zu halten.

Die Spezifikationsgrenzen beziehen sich auf die Toleranzen des Prozesses. Beispielsweise könnte eine Schraube mit einem Durchmesser von 3 Zoll (3 Zoll) bemessen sein. Aber wie kompensieren wir die inhärente Variation des Prozesses zur Herstellung des Stifts? Wir tun dies, indem wir Toleranzen anbieten. Es wird festgestellt, dass eine Schraube von 3 Zoll plus oder minus dreitausendstel Zoll (0,003 Zoll) Durchmesser gut genug ist. Alle Schrauben innerhalb dieses Durchmesserbereichs funktionieren erfolgreich für ihre Anwendung.

Gemäß NIST (National Institute of Standards and Technology):

„Die Prozessfähigkeit vergleicht die Ausgabe eines kontrollierten Prozesses mit den Spezifikationsgrenzen unter Verwendung von Fähigkeitsindizes. Der Vergleich erfolgt durch Bilden des Verhältnisses der Streuung zwischen den Prozessspezifikationen (die Spezifikation „Breite“) zur Streuung der Prozesswerte, gemessen in 6 Prozess-Standardabweichungseinheiten (die Prozess-„Breite“).“

Der Prozessfähigkeitsindex wird verwendet, um zu bestimmen, wie nahe der Output am bestehenden Ziel liegt und wie konsistent die durchschnittliche Leistung ist. Daher kann es verwendet werden, um zukünftige Ausgabeleistungen und Konsistenz vorherzusagen.

Prozessfähigkeitsindex und Standardabweichung

Für unsere Zwecke müssen wir nur wissen, dass wir die Fähigkeit eines Prozesses zur Herstellung von Gutteilen bestimmen können. Dies entspricht der Beantwortung der folgenden Fragen:

• Welcher Prozentsatz der Ausgabe entspricht den Kundenspezifikationen?*
• Wie viele Schrauben sind größer als 3 Zoll plus drei Tausendstel Durchmesser (3,003 Zoll)?
• Wie viele Schrauben werden kleiner als 3 Zoll und weniger als drei Tausendstel im Durchmesser (2,997 Zoll) sein?

Sie erinnern sich vielleicht daran:

Die drei Variationsmaße der Standardabweichung bedeuten ein Qualitätsniveau von 99,7 % der produzierten guten Arbeit. Dies entspricht einem Prozessfähigkeitsmaß von eins.

Die Literatur ist sich ziemlich einig:

Wir benötigen ein Prozessfähigkeitsmaß (Cp und Cpk) von mindestens 1,33.

Dies ermöglicht das, was als Verschiebung und Drift bekannt ist, wobei die normale Variation des Prozesses einige Fehler verursacht, die ohne Variation nicht auftreten würden.

Aber Abwechslung wird es immer geben. Der Schlüssel besteht darin, eine gute Prozesskontrolle aufrechtzuerhalten, um Fehler zu vermeiden.

Wieder laut NIST:

„Ein Prozessfähigkeitsindex verwendet sowohl die Prozessvariabilität als auch die Prozessspezifikationen, um zu bestimmen, ob der Prozess ‚fähig‘ ist.“

Shift &Drift

Das Hauptproblem bei der Aufrechterhaltung einer guten Prozesskontrolle besteht darin, dass sich jeder Prozess im Laufe der Zeit verschiebt und abdriftet, egal wie eng die Anfangseinstellungen waren. Wenn dies auftritt, ist der wichtigste Punkt zu beachten, dass sich mit dem Prozessdurchschnitt auch der gesamte variable Bereich ändert, während die Spezifikationsgrenzen unverändert bleiben.

>

Wenn der Prozess die Spezifikationsgrenzen überschreitet, werden fehlerhafte Produkte hergestellt. Sie möchten Indexstände von 1,00 oder besser beibehalten. Dies wird durch eine gute Zentrierung des Prozessdurchschnitts und eine Minimierung der Variabilität erreicht.

Zusammenfassung: Mit Six Sigma ist es möglich zu verstehen, ob ein Prozess fähig ist und Prozesssteuerung und Prozessfähigkeit zu messen. Solange ein "unter Kontrolle"-Prozess in der Lage ist, das gewünschte Ergebnis zu erzielen (Prozessfähigkeits-Cpk von mindestens 1,33), muss er ordnungsgemäß funktionieren, solange er unter Kontrolle ist. Für weitere Informationen zu Six Sigma oder Lean besuchen Sie bitte www.cmtc.com und wählen Sie die Option "Services".

Wer wir bei CMTC sind

CMTC bietet kleinen und mittleren Herstellern (SMMs) in ganz Kalifornien technische Unterstützung, Personalentwicklung und Beratungsdienste, um SMMs dabei zu helfen, ihre Produktivität und globale Wettbewerbsfähigkeit zu steigern.

Weitere Informationen zu CMTC finden Sie auf unserer Website unter www.cmtc.com oder kontaktieren Sie uns unter 310-263-3060.