Six Sigma meistern: Kernprinzipien & wesentliche Werkzeuge

Willkommen zum dritten Teil unserer Serie zu Lean und Six Sigma. Wie wir im ersten Beitrag „Was sind Lean- & Six-Sigma-Methoden?“ sahen, sind Lean und Six Sigma komplementäre Continuous-Improvement-Methoden, die Gesamtverschwendung bzw. Variabilität in Produktionsprozessen reduzieren. Der zweite Beitrag „Lean-Prinzipien und -Werkzeuge“ ging tiefer auf zentrale Lean-Prinzipien, -Werkzeuge und -Methoden ein. Hier schließen wir die Serie mit einer hochrangigen Diskussion zu Six Sigma ab. Es gibt viele Werkzeuge im Six-Sigma-Werkzeugkasten (FMEA, IPO-Diagramm, Konfidenzintervalle, Histogramme, Pareto-Charts, F-Tests, Design for Six Sigma (DFSS) und mehr), die hier nicht besprochen werden. Der Fokus liegt auf den statistischen Realitäten, die Six Sigma effektiv machen.

Six Sigma zielt darauf ab, die Ursache(n) von Fehlern und Verschwendung mithilfe statistischer Werkzeuge zu identifizieren und zu beseitigen, die die variationsbedingten Fehler erkennen. In der Six-Sigma-Methodik ist der einzige Weg, ein Problem effektiv zu lösen, seine Ursache dauerhaft zu eliminieren.

Es ist eine messbasierte Strategie, die auf Prozessverbesserung abzielt und nicht mehr als 3,4 Fehler pro Million Gelegenheiten anstrebt. Ein Six-Sigma-Fehler ist alles außerhalb der Kundenspezifikationen. Eine Six-Sigma-Gelegenheit ist die Gesamtzahl der Möglichkeiten für einen Fehler.

Six-Sigma-Doktrin

Six Sigma basiert auf drei Kernideen, die die Six-Sigma-Doktrin bilden:

1. Kontinuierliche Anstrengungen für stabile, vorhersehbare Prozessergebnisse (d. h. Reduzierung der Prozessvariation) sind für Geschäftserfolg von vitaler Bedeutung.
2. Fertigungs- und Geschäftsprozesse haben Eigenschaften, die gemessen, analysiert, kontrolliert und verbessert werden können.
3. Nachhaltige Qualitätsverbesserung erfordert Engagement der gesamten Organisation, besonders des Top-Managements.

Six-Sigma-Methodik: Der DMAIC-Prozess

DMAIC ist eine datengetriebene Six-Sigma-Problemlösungsmethodik. Der Fünf-Phasen-Prozess wird durch jeden Buchstaben des Akronyms beschrieben:

• Define (Definieren) – Problem, Projektziele, Verbesserungsbereiche oder Kundenanforderungen beschreiben.
• Measure (Messen) – Prozesseffizienz messen.
• Analyze (Analysieren) – Mögliche Ursachen für Fehler und Variationen analysieren und identifizieren.
• Improve (Verbessern) – Abläufe durch Eliminierung der Ursachen verbessern.
• Control (Steuern) – Qualitätskontrolle des Verbesserungsprozesses.

Lassen Sie uns die Phasen näher betrachten:

Define

Sobald Problem, Ziel oder Verbesserungsbereich beschrieben ist, ist es kritisch, die verschiedenen Input- und Output-Variablen zu identifizieren, die zum Prozessverhalten gehören. Oft sind die Output-Variablen diejenigen, die außerhalb der Spezifikationen liegen. Wichtig: Identifizieren, welche Input-Variablen die Variation der Output-Variable(n) verursachen können.

Measure

Sobald die das Output-Verhalten verursachenden Input-Variablen identifiziert sind, kann ein Messplan entwickelt werden, der genügend Daten für die Analyse liefert. Hier werden Daten zu den Schlüsselinput- und -output-Variablen gesammelt. Auch werden Performance-Baselines für spätere Verbesserungsmessung erstellt. Faustregel: Mindestens 30 Beobachtungen für ausreichende Daten zur Repräsentation des Prozessverhaltens.

Analyze

Sobald Daten gesammelt sind, werden sie analysiert, um die drei bis fünf wahrscheinlichsten Ursachen zu bestimmen. Erreicht durch fortgesetzte Datenerfassung und -prüfung, um den Beitrag jeder potenziellen Ursache mit statistischen Werkzeugen, Plots und Charts zu verstehen. Der DMAIC-Prozess ist iterativ und wiederholt sich, bis alle validen Ursachen identifiziert sind.

Improve

Basierend auf den im Analyze-Phase identifizierten validen Ursachen wird der Prozess angepasst, bis die übermäßige Variation eliminiert ist. Measure- und Analyze-Phasen werden wiederholt, bis das gewünschte Ergebnis erreicht ist.

Control

Wenn das gewünschte Ergebnis erreicht ist, werden die Verbesserungen institutionalisiert, sodass die Quelle der übermäßigen Variation eliminiert wird. Dieser Schritt sollte von einem Kontrollplan begleitet werden, um sicherzustellen, dass Outputs weiterhin auf akzeptablem Qualitätsniveau bleiben. Der Kontrollplan umfasst Implementierung von Statistical Process Control (SPC) zur Prozessüberwachung und Sicherstellung der langfristigen Funktionsfähigkeit. Auch Gegenmaßnahmen bei Problemen sollten im Kontrollplan enthalten sein.

Zusammenfassend: DMAIC ist eine Problemlösungsmethodik, die Praktikern hilft, ein Problem mit übermäßiger Variation systematisch zu lösen.

Statistical Process Control (SPC)

Statistical Process Control ist ein Werkzeug, das misst, ob ein Prozess Produkt- oder Prozessstandards erfüllt. Wenn ein Prozess fähig und über Zeit stabil ist, werden die Ergebnisse erreicht, für die er konzipiert wurde.

Lassen Sie uns ein Beispiel nutzen: Muffins backen.

Prozessfähigkeit und Variation

Ein Prozess transformiert Inputs in Outputs. Hier: Zutaten sind Inputs. Bekannt: Ofen muss bestimmte Temperatur für bestimmte Zeit mit Teig erreichen für ideale Muffins.

Angenommen, Ofen funktioniert korrekt. Er ist fähig, das Gewünschte zu produzieren – warme, perfekt gebackene Muffins. Garantiert das korrekte Funktionieren, dass das Backwerk richtig gelingt?

Natürlich nicht.

Was, wenn der Ofen korrekt arbeitet, aber muffinhungrige, ungeduldige Kinder ständig die Tür öffnen, um zu prüfen, ob die Muffins fertig sind? Die Muffins werden nur halb gebacken, wenn der Timer klingelt. Beispiel für eine spezielle Ursache der Variation – wir erhalten nicht das gewünschte Ergebnis, weil der Prozess außer Kontrolle ist. Der Prozess ist fähig, liefert das Gewünschte bei korrekter Anwendung, aber er ist nicht in Kontrolle.

Stellen wir sicher, Ofen arbeitet optimal – richtige Temperatur, Tür geschlossen für vorgeschriebene Zeit – ist der Prozess zurück in Kontrolle. Wir haben nun einen fähigen und kontrollierten Prozess und können vernünftigerweise ein ideales Dutzend Muffins erwarten.

Wenn alle speziellen Variationsursachen wie oben eliminiert sind, gilt der Prozess als in Kontrolle und alle erlebten Variationen sind dem Prozess inhärent. Dazu gehören kleine Abweichungen bei gemessenen Zutaten und leichte Ofentemperaturschwankungen. Aber der Prozess ist robust genug, das gewünschte Ergebnis trotz dieser (inhärenten) Variation zu produzieren.

Zusammenfassend: Prozessfähigkeit misst, wie fähig der Prozess ist, das gewünschte Ergebnis zu produzieren – d. h., welcher Prozentsatz an Fehlern der Prozess inhärent produziert, wenn er in Kontrolle ist. Gewünschtes Ergebnis: ein Dutzend perfekt gebackene Muffins.

Standardabweichung

Nun, da Sie ideale Muffins backen können, führen wir Standardabweichung ein.

Standardabweichung (σ) ist ein Variationsmaß und die Zahl zur Berechnung der Prozessfähigkeit. Sie wird als Quadratwurzel der Varianz berechnet.

Dr. William Shewhart, der Vater der Qualität, begann in den frühen 1920ern mit der Entwicklung von Regelkarten. Er erkannte: Wenn wichtige Prozess-Output-Variablen gemessen werden und eine Verteilung erzeugen, die wie die obige Glockenkurve aussieht, dann ist die angezeigte Variation zufällig und damit dem Prozess inhärent.

Mit anderen Worten: Der Prozess verhält sich so, wie er konzipiert wurde. Wenn Daten nicht zufällig sind, muss es eine Logik geben, die dieses Verhalten erklärt. Das ist eine spezielle Variationsursache.

Dann gibt es die Empirische Regel. Sie besagt für eine Zufallsverteilung:

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

Shewhart entwarf auch Regelkarten (siehe unten) mit Kontrollgrenzen. Kontrollgrenzen liegen meist bei ±3 Standardabweichungen vom Mittelwert. Wir wissen: Liegen Datenpunkte innerhalb der Kontrollgrenzen, ist das Qualitätsniveau mindestens 99,7 % gut.

Statistical Process Control nutzt dieses Wissen. Zwei Diagramme (Run Charts) werden überwacht, indem Daten eingegeben und beobachtet wird, wo Datenpunkte relativ zum Mittelwert (Durchschnitt) und den Kontrollgrenzen liegen. Solange Punkte innerhalb der Kontrollgrenzen fallen, gilt der Prozess als in Kontrolle. Beim Muffin-Beispiel würde das Run-Chart der Ofentemperatur die spezielle Variationsursache durch häufiges Türöffnen als außerhalb des normalen Bereichs zeigen – der normale Variationsbereich stammt von zufälliger Temperaturschwankung, wenn die Heizquelle ein-/ausschaltet.

Beachten Sie: Keine Beachtung von Spezifikationen oder Spezifikationsgrenzen (Toleranzen). Ein in-Kontrolle-Prozess produziert, wofür er konzipiert (nicht unbedingt beabsichtigt) wurde. Er kann also tatsächlich schlechte Outputs produzieren.

Prozessfähigkeitsindex und Kontrollen

In Six Sigma ist der Prozessfähigkeitsindex (Cpk) ein statistisches Werkzeug zur Messung der Fähigkeit eines Prozesses, Produkte innerhalb der Kundentoleranz zu produzieren. Je höher der Cpk, desto schmaler die Prozessverteilung im Vergleich zum Toleranzbereich, desto einheitlicher der Output.

Cpk wird mit folgender Formel berechnet, wobei UCL die obere und LCL die untere Kontrollgrenze bezeichnet:

Cpk = min(UCL - μ, μ - LCL) / (3σ)

Je höher der Cpk, desto besser (nahe 2,0 exzellent), wobei Cpk 1,33 im Wesentlichen den niedrigsten Wert für einen in-Kontrolle-Prozess angibt, der Spezifikationen erfüllt.

Wir wissen: Ist ein Prozess fähig und in Kontrolle, produziert er per Definition das Ergebnis, für das er konzipiert wurde. Wir besprachen Prozesskontrolle-Messung mit SPC und Wichtigkeit der Prozesskontrolle.

Spezifikationsgrenzen beziehen sich auf Prozesstoleranzen. Beispiel: Schraube dimensioniert auf 3 Zoll (3″) Durchmesser. Wie berücksichtigen wir inhärente Prozessvariation? Durch Toleranzen. Festgelegt: Schraube 3″ ± 0,003 Zoll Durchmesser ist gut genug. Alle Schrauben in diesem Durchmesserbereich funktionieren erfolgreich.

Laut NIST (National Institute of Standards and Technology):

„Prozessfähigkeit vergleicht den Output eines in-Kontrolle-Prozesses mit Spezifikationsgrenzen durch Fähigkeitsindizes. Der Vergleich erfolgt durch Bildung des Verhältnisses der Spreizung zwischen Prozessor spezifikationen (Spezifikations-‚Breite‘) zur Spreizung der Prozesswerte, gemessen in 6 Prozess-Standardabweichungseinheiten (Prozess-‚Breite‘).“

Der Prozessfähigkeitsindex bestimmt, wie nah der Output am Ziel ist und wie konsistent die Durchschnittsleistung. Daher kann er zukünftige Output-Leistungen und Konsistenz vorhersagen.

Prozessfähigkeitsindex und Standardabweichung

Für unsere Zwecke: Wir können die Fähigkeit eines Prozesses bestimmen, gute Teile zu produzieren. Das beantwortet:

• Welcher Prozentsatz des Outputs erfüllt Kundenspezifikationen?*
• Wie viele Schrauben sind größer als 3,003 Zoll?
• Wie viele Schrauben sind kleiner als 2,997 Zoll?

Sie erinnern sich:

Drei Standardabweichungen = Qualitätsniveau 99,7 % guter Output. Entspricht Prozessfähigkeitsmaß 1.

Die Literatur ist sich weitgehend einig:

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

Das erlaubt „Shift and Drift“, wo normale Prozessvariation einige Defekte verursacht, die ohne Variation nicht auftreten würden.

Aber es wird immer Variation geben. Der Schlüssel: Gute Prozesskontrolle aufrechterhalten, um Defekte zu vermeiden.

Wieder laut NIST:

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

Shift & Drift

Hauptproblem bei guter Prozesskontrolle: Über Zeit wird jeder Prozess shiften und driften, egal wie straff die Initialwerte waren. Wichtiger Punkt: Bewegt sich der Prozessdurchschnitt, bewegt sich der gesamte Variablenbereich mit, während Spezifikationsgrenzen stationär bleiben.

Bewegt sich der Prozess über die Spezifikationsgrenzen hinaus, produziert er fehlerhafte Produkte. Sie wollen Indexwerte von 1,00 oder besser halten. Erreicht durch gute Zentrierung des Prozessdurchschnitts und Minimierung der Variabilität.

Zusammenfassend: Mit Six Sigma lässt sich verstehen, ob ein Prozess fähig ist, und Prozesskontrolle sowie Prozessfähigkeit messen. Solange ein „in Kontrolle“ Prozess das gewünschte Ergebnis produzieren kann (Prozessfähigkeit Cpk ≥ 1,33), muss er ordnungsgemäß funktionieren, solange er in Kontrolle bleibt. Für mehr zu Six Sigma oder Lean: www.cmtc.com, „Services“ wählen.

Wer wir bei CMTC sind

CMTC bietet technische Unterstützung, Personalentwicklung und Beratungsdienstleistungen für kleine und mittlere Hersteller (SMMs) in Kalifornien, um deren Produktivität und globale Wettbewerbsfähigkeit zu steigern.

Für mehr über CMTC: www.cmtc.com oder 310-263-3060.