Die statistische Versuchsplanung ist Teil der Six Sigma Qualität Philosophie, welche mit Hilfe von mathematischen Methoden und wirtschaftlichen Kenngrößen Prozesse optimiert. Das Design of Experiment (engl.: stat. Versuchsplanung) wirkt als Instrument um im Entwicklungs- und Optimierungsprozess Zeit und Ressourcen zu sparen1.

1.0 Six Sigma

Das Ziel von SIX SIGMA ist Prozesse zu optimieren und Null-Fehler-Lösungen anzustreben, dies wollen sie mit statistischen Mitteln, Daten und Fakten durch Betrachtung des kompletten Produktionsprozesses erzielen. Der Fokus liegt hierbei vor allem auf der Prozessteuerung und wie sich die Streuung reduzieren lässt mit Hilfe des DMAIC-Zyklus2.

1.1 DMAIC-Zyklus

Beispielabbildung

  • Abbildung: DMAIC-Zyklus3

Die Six Sigma Methode arbeitet mit dem DMAIC-Zyklus, dessen Abkürzung für Define, Measure, Analyze, Improve und Control steht. Der Prozess beginnt folglich beim ersten Schritt, der Definition, dabei wird das genaue Problem definiert und im zweiten Schritt mit passenden Kenngrößen gemessen, um heraus zu finden wie groß das jeweilige Problem ist. Bei der Analyse, dem dritten Schritt, werden die Kernursachen des Problems analysiert und wie man dieses lösen kann, hierbei handelt es sich bereits um den vierten Schritt, dem verbessern. Im fünften und letzten Schritt geht es um die Kontrolle des Problems und deren Lösung und wie diese langfristig im Unternehmen verankert werden kann. Diese fünf Schritte werden wiederholt bis eine Reduktion der Fehlerquote stattfindet und im Optimum eine Null-Fehler-Lösung gefunden wird4.

1.2 Vorteile von Six Sigma

Die Six Sigma Methode bietet dem Nutzer diverse Vorteile, welche für fundamentale Entscheidungen im Unternehmen wichtig sind. Zu diesen gehören Folgende:

  1. Kostensenkung
  2. Qualitätssteigerung
  3. Steigerung der Kundenzufriedenheit

Der Prozess ist klar strukturiert und hilft die Prozesse im Unternehmen kontinuierlich zu verbessern und schafft so die Grundlage zur langfristigen Senkung der Kosten und Steigerung der Qualität. Daraus resultierend steigt die Kundenzufriedenheit, da die Kundenperspektive bei der Six Sigma Methode klar in den Fokus gesetzt wird, denn durch die Einführung konkreter Messgrößen können Kundenwünsche effizienter verstanden und umgesetzt werden5.

2.0 Statische Versuchsplanung

Die stat. Versuchsplanung, auch Design of Experiment genannt, ist ein Analyseverfahren für Systeme und ein essenzieller Bestandteil von Six Sigma. Das Verfahren ist universell einsetzbar und kann sowohl zur Produkt- oder Prozessoptimierung angewendet werden. Der rote Faden bildet hierbei die Durchführung systematischer Versuchsreihen mit engem Praxisbezug und statistischen Hilfsmitteln6.

2.1 Statistische Versuchsplanung Vorgehen

Es wird davon ausgegangen, dass in allen Versuchsergebnissen unvermeidbare Zufallsfehler vorhanden sind, welche von Anfang an berücksichtigt werden müssen, um eine effizientere Datenanalyse entwickeln zu können. Dadurch sind die Wechselwirkungen von Einflussfaktoren leichter zu vergleichen und mathematisch zu beschreiben7. Je mehr Einflussgrößen berücksichtigt werden, desto genauer und erfolgreicher ist das Verfahren8.

2.2 Schritte der stat. Versuchsplanung

Zu den Phasen einer stat. Versuchsplanung gehören9:

  1. Auswahl geeigneten Variablen
  2. Auswahl verlässlicher Messmethoden für diese Variablen
  3. Berechnung des erforderlichen Versuchsumfanges für statistisch aussagekräftige Ergebnisse
  4. Auswahl des Verfahrens für die Stichprobenerhebung
  5. Identifizierung und – wenn möglich – Eliminierung von Störgrößen
  6. Aufstellung des Versuchsplans
  7. Versuchsdurchführung
  8. Datenauswertung mit statistischer und grafischer Aufarbeitung
  9. Wiederholungsversuch zur Bestätigung der Ergebnisse

Voraussetzung ist es ein zuverlässiges System und Reproduzierbarkeit zu gewährleisten. Außerdem müssen die Messungen der Variablen und Kenngrößen so präzise wie möglich erfolgen. Es müssen passende Faktoren ausgewählt werden, welche die Parameter realistisch darstellen und einen möglichst breiten Bereich abdecken10.

Siehe auch

Weiterführende Literatur

  • Six Sigma Blog - Statistische Versuchsplanung (https://six-sigma.com/blog/statistische-versuchsplanung/10078718/)
  • Lean Six Sigma (https://www.youtube.com/watch?v=FuCaDeZ9Fqo)
  • Statistische Versuchsplanung (https://www.quality.de/lexikon/statistische-versuchsplanung/)

Quellen

  1. [Six Sigma - Statistische Versuchsplanung, abgerufen am 20.11.2021] (https://www.dirk-joedicke.de/statistische-versuchsplanung) ↩

  2. [Six Sigma, abgerufen am 20.11.2021] (https://six-sigma.com/) ↩

  3. [Lean Six Sigma, abgerufen am 21.12.2021] (https://www.leansixsigmatraining.ie/the-lean-six-sigma-model/) ↩

  4. [Six Sigma, abgerufen am 20.11.2021] (https://six-sigma.com/) ↩

  5. [Six Sigma, abgerufen am 20.11.2021] (https://six-sigma.com/) ↩

  6. [Design of Experiments (DoE), abgerufen am 20.11.2021] (https://six-sigma.com/lexikon/design-of-experiments-doe/) ↩

  7. [Six Sigma - Statistische Versuchsplanung, abgerufen am 20.11.2021] (https://www.dirk-joedicke.de/statistische-versuchsplanung) ↩

  8. [Design of Experiments (DoE), abgerufen am 20.11.2021] (https://six-sigma.com/lexikon/design-of-experiments-doe/) ↩

  9. [Six Sigma - Statistische Versuchsplanung, abgerufen am 20.11.2021] (https://www.dirk-joedicke.de/statistische-versuchsplanung) ↩

  10. [Statistische Versuchsplanung (DoE), abgerufen am 20.11.2021] (https://www.mt.com/de/de/home/applications/L1_AutoChem_Applications/L2_ReactionAnalysis/design-of-experiments-doe.html) ↩