Sie sind auf Seite 1von 7

1.

Six Sigma
Definitionen von Six Sigma:
Six Sigma ist darauf ausgerichtet, Abweichungen und Durchlaufzeiten bei Produkten, Prozessen und generell bei Transaktionen zu reduzieren, die besonders kritisch fr die Kundenzufriedenheit sind, sowie zustzlich das Nutzungsniveau bzw. den Wirkungsgrad aller Einsatzfaktoren nachhaltig zu erhhen, um dadurch eine Wertsteigerung fr das Unternehmen zu erreichen. (Magnusson et al. 2001, S.4, Pande et al, 2001, S. 77) Der Begriff Six Sigma subsumiert im Grunde genommen eine Strategie, die alle erfolgreichen Unternehmen mit einer hohen Qualittsorientierung seit Jahren auszeichnet: Der Kunde steht im Mittelpunkt, Gewinn ist die Folge von fehlerfreien Produkten und Prozessen die, wenn irgendwie mglich mit mathematisch-statistischen Methoden berwacht werden und Mitarbeiter haben ein groes Interesse am Wohlergehen des Unternehmens. (Six Sigma, Konzeption und Erfolgsbeispiele fr praktizierte Null-Fehler-Qualitt, Tpfer, Armin, Springer Verlag, Geleitwort zur 3. Auflage)

Begriffserklrung: Six Sigma setzt sich zusammen aus Six (englische Zahl) und Sigma, der Standardabweichung. Die Standardabweichung ist das Ma der Streuung und bezeichnet, die mit der Wahrscheinlichkeit gewichtete Summe aller Quadrate, der Abweichungen, der Realisationen vom Erwartungswert1.

Geschichte: Dieses Konzept wurde in den 70er Jahren in Japan erstmals entwickelt. Es diente damals der Konstruktion von Schiffen und dessen Bau. 1987 wurde das japanische Konzept von der Firma Motorola aufgegriffen, weiter entwickelt und zur statistischen Qualittssicherung eingesetzt. Den Ausgangspunkt bildete hier die Erkenntnis, dass in Prozessketten die Gesamtausbeute (Through-Put-Yield) sehr gering sein kann, obwohl alle einzelnen Prozess-Schritte mit einem Qualittsniveau von 99% arbeiten. Anfang der 90er Jahre verbreitete sich das Konzept in der USA immer weiter bis es Ende des Jahrzehntes auch in Europa Einzug hielt. Grundstzlich wurde Six Sigma rein fr Produktionsbetriebe entwickelt und verwendet. Im Laufe der Zeit entdeckten jedoch auch andere Branchen, wie etwa Dienstleistungsunternehmen, die Vorteile von diesem Konzept und begannen es fr ihre Betriebe zu bernehmen. Heute versteht man unter Six Sigma einen Qualittsmanagementansatz, bei dem eine Null-Fehler-Qualitt angestrebt wird. Es werden perfekt kontrollierte Geschftsprozesse im gesamten Unternehmen angestrebt, die mit Hilfe statistischer
1

Vgl.: Schleifer, Karl, Egghart, Eva-Maria,( Six Sigma, Referat)

Methoden erreicht werden sollen. Ziel ist es, die Prozesse so zu berwachen, dass Abweichungen frhzeitig erkannt werden knnen, um somit Fehler zu vermeiden. Durch diese Strategie werden Kosten minimiert, Prozesse effizienter, der Ausschuss verringert und die Kundenzufriedenheit gesteigert. Kernpunkt ist eine ausgeprgte Projektorientierung, die sich in allen Aktivitten widerspiegelt, wobei bewhrte Methoden des Qualittsmanagement geschickt kombiniert werden. Unternehmen die Six Sigma anwenden: Motorola, Kodak, General Electric, Siemens, VA Tech Elin, Ford Motor Company, Basis: Die Methode basiert auf die Gauschen Glockenkurve. Die Glockenkurve beschreibt die Normalverteilung einer stetigen Zufallsgre, bei der die Wahrscheinlichkeitsdichte die Form einer Glockenkurve hat. Das Integral unter dieser Kurve betrgt eins, wobei dies gleichbedeutend mit 100%, also Fehlerfreiheit ist2. Diesen Wert kann man allerdings nie erreichen, weil die Kurve die Abszisse erst im Unendlichen schneidet. Weiters ist die Annahme der Normalverteilung der Merkmalswerte eine einschrnkende Bedingung, die im Alltag eines Unternehmens oft nicht gegeben ist. Produziert man also mit 6 Sigma hat man eine Qualittsstufe von 99,9997% erreicht, dass heit man produziert nur 0,0003% Ausschu.

68.26%

95.4% Wendepunkt 99.73% 2.16% 13.57% -4 -3 34.13% 34.13% 13.57% 4 2.16%

0.13%

0.13%

-2 -1 0 1 2 3 Anzahl der Standardabweichungen vom Mittelwert


Bild 1: Gausche Glockenkurve

Vgl.: Schleifer, Karl, Egghart, Eva-Maria, (2005)

2.1. Warum Six Sigma?


Fr ein Unternehmen gibt es viele Grnde eine Null-Fehler Qualitt anzustreben. Der wohl augenscheinlichste Grund dafr ist die Verbesserung der Qualitt, um mglichst fehlerfreie Produkte herzustellen, seine Prozesse zu verbessern und seine Kunden zufrieden zustellen. Oft ist die Anwendung auch eine Voraussetzung fr eine Zusammenarbeit mit einem bestimmten Kunden oder um sein Image aufzubessern. Grundstzlich gilt jedoch: schlechte Qualitt kostet. Genau hier setzt das Konzept an. Es fhrt weg von der alleinigen Kontrolle des Endproduktes, hin zu einer stndigen statistischen Kontrolle von smtlichen Prozessen, um die Qualitt eines Produktes kontinuierlich zu verbessern. Kosten fr Fehler setzen sich zusammen aus3:

Personen, die in internen Prozessen Marktleistungen Fehler machen.

oder

an

extern

gerichteten

Personen, die diese Fehler in Prozessen und Produkten entdecken und beseitigen. Kulanz gegenber Kunden, die unter diesen Fehlern und damit verbundenen negativen Auswirkungen litten. Kunden, die man aufgrund des schlechten Qualittsimages verliert, oder Zielkunden, die deshalb erst gar nicht kommen und die Produkte kaufen. Weiters setzen sich Fehlerkosten zusammen aus den traditionellen, also den sichtbaren und leicht identifizierbaren Kosten, und den zustzlichen Fehlerkosten, die wenig offensichtlich und schwer zu orten sind. Zu den traditionellen Fehlerkosten zhlen Garantieleistungen, Ausschuss, Nacharbeit, Minderung, Inspektion und Wandlung. Unter zustzlichen Kosten versteht man unter anderem hohe Lagerkosten, spte Auslieferung, Abwanderung von Kunden, lange Durchlaufzeiten, gebundenes Kapital und technische nderungen von Auftrgen. Hier kann man sofort das Einsparungspotential durch gezielte Fehlervermeidung erkennen. Erfahrungswerte aus den USA zeigen, dass bei Industrieunternehmen zum Beispiel die Fehlerkosten nahezu 30% des Jahresumsatzes ausmachen. Der momentane technische Standard bei den Unternehmen liegt bei 3,8 Sigma, dies bedeutet ca.99% fehlerfreie Produkte. Das klingt ja nicht so schlecht. Weshalb sollte also ein 6 Sigma Level erreicht werden, wenn man schon 99% fehlerfrei Produkte produzieren kann? Bei einem Produkt, welches nur aus einem Teil besteht, sind 99% fehlerfreie Produkte, also eine Fehlerquote von 1 %, ein guter Erfolg. Dies entspricht aber normalerweise nicht der Realitt. Vielmehr wird eine bestimmte Anzahl von Bauteilen
3

Vgl.: Tpfer, Armin, (2004), S.12

in mehreren Montageschritten zusammengebaut. Das bedeutet, selbst wenn smtliche Bauteile mit dem gleichen Qualittsniveau von 99% hergestellt werden, hat man eine deutlich niedrigere Ausbeute fehlerfreier Endprodukte (Yield) erreicht. Folgende Beispiele sollen diese Tatsache verdeutlichen4:

99% gut (3,8 Sigma):


20.000 Postsendungen pro verloren Stunde gehen verloren Trinkwasser 15 Minuten/Tag nicht verfgbar 5.000 inkorrekte chirurgische Operationen treten pro Woche auf Auf den meisten Flughfen finden tglich zwei zu kurze/zu lange Landungen statt 200.000 falsche Rezepte pro Jahr werden ausgestellt Jeden Monat verfgt man sieben ber Stunden lang ber keinen Strom

99,99966% gut (6 Sigma)


Sieben Sendungen pro Stunde gehen

Alle sieben Monate ist das Trinkwasser fr eine Minute nicht verfgbar 1,7 inkorrekte Operationen treten pro Woche auf

Alle fnf Jahre findet eine zu kurze oder zu lange Landung statt

68 falsche Rezepte pro Jahr werden ausgestellt Alle 34 Jahre verfgt man eine Stunde lang keinen Strom

2.2. Wichtige Begriffe bei Six Sigma


DPMO (Defects per Million Opportunities): Dieser zentrale Begriff stellt die Fehlerquote dar. Gemeint ist die Fehlermglichkeit, die vor der Produktion eines Produktes rechnerisch ermittelt wird und gleichbedeutend mit der Anzahl der mglichen Fehler ist. Die Fehlermglichkeit einer Einheit beschreibt somit an wie vielen Stellen in dem gesamten Produktionsprozess Fehler auftreten knnen.5 Im Folgenden wird die Herleitung der Fehlerquote dargestellt6: (1) Anzahl fehlerfreier Einheiten / Anzahl produzierter Einheiten = Anteil fehlerfreier Einheiten (2) 1 Anteil fehlerfreier Einheiten = Fehlerrate (3) Fehlerrate / Anzahl von Fehlerquellen = Fehlerquote
4 5

Vgl.: Lear Corporation, (2003) Vgl.: Tpfer, Armin, (2004), S. 54 6 Vgl.: Tpfer, Armin, (2004), S. 54

(4) Fehlerquote * 1.000.000 = Defects per Million Opportunities Die Anzahl der Fehlerquellen ist eine Funktion der Teile und Montageschritte eines Produktes, hier gilt: je mehr einzelne Teile und Schritte, desto hher die Anzahl der mglichen Fehlerquellen Anhand der Tabelle kann man das dazugehrige Sigma Niveau ermitteln.

Sigma Level 1 2 3 4 5 6

DPMO 317311,0 45500,0 2700,0 63,0 0,6 0,0

DPMO mit Shift 697672,0 308770,0 66811,0 6210,0 233,0 3,4

Bild 2: Sigma Niveau mit und ohne +/- 1,5 Sigma Verschiebung

Die Verschiebung von +/- 1,5 Sigma ergibt sich daraus, dass der Mittelwert einer gewissen Schwankungsbreite unterliegt. Nheres dazu siehe unter Kurzzeit/Langzeit Z-Werte auf Seite 22.

PPM (Parts per Million): PPM bezeichnet die Fehlerrate. Das heit, die am Ende der Produktion tatschlich aufgetretene und rechnerisch ermittelte Zahl der Fehler. Wenn ein Produkt oder Prozess nur aus einem einzigen Teil besteht, sind Fehlerquote und Fehlerrate gleich gro. Denn nur dann kann per Definition die tatschliche Fehlerzahl mit der Fehlermglichkeit bereinstimmen. Bei einem Prozess, der aus mehreren Teilen und Montageschritten besteht stimmen diese beiden Werte nicht mehr berein. Der DPMO und PPM Wert sind jedoch nur fr diskrete Merkmale anwendbar, wie etwa die zhlbaren Fehler bei einem Produkt. Fr stetige Merkmale erfolgt die Messung ber Prozessfhigkeits-Kennzahlen, die nun im Folgenden erlutert werden: Der Streuungsindex Cp: Dieser Wert kennzeichnet die mgliche Fhigkeit eines Prozesses, Werte mit kleiner Streuung im Hinblick auf die Lnge des Toleranzintervalls zu liefern. Dies wird erreicht, indem die Streuung der realen Ergebniswerte um den angenommenen Mittelwert einer Normalverteilung berechnet wird. Zustzlich setzt man voraus setzt, dass alle Prozesse zentriert sind. Kurz gesagt: Der Cp Wert spiegelt die Streuung der Ergebniswerte um den angenommenen Mittelwert wieder. 5

Berechnung7: Cp = (Obergrenze Untergrenze) / 6 Sigma

Der Lage/Niveauindex Cpk: Der Cpk Wert verwendet zustzlich den Mittelwert, nicht nur die Toleranzbreite, um die Fhigkeit abzuschtzen. Es wird also der Abstand der oberen und unteren Toleranzgrenze vom Mittelwert betrachtet. Berechnung8: Cpk= min (Obergrenze Mittelwert) / 3 Sigma ( Mittelwert Untergrenze) / 3 Sigma Die Bezeichnung min (Cpk(u), Cpk(o)) steht fr die krzeste numerische Entfernung zwischen dem Mittelwert und der engsten Spezifikationsgrenze. Um die stetigen und diskreten Werte vergleichen zu knnen, sucht man sich wieder die entsprechenden Sigma Werte aus der Tabelle heraus.
Sigma Level 1 2 3 4 5 6 Cp=Cpk ohne Shift 0,3 0,7 1,0 1,3 1,7 2,0 Cpk mit Shift 0,2 0,5 0,8 1,2 1,5

Cp mit Shift 0,3 0,7 1,0 1,3 1,7 2,0

Bild 3: Cp, Cpk Wert mit und ohne Sigma Verschiebung

Wie man anhand der Tabelle gut erkennen kann, bedeutet ein niedrigeres Sigma Niveau (hhere Fehlerquote), geringere Cp und Cpk Werte. Das zeigt, dass das Sigma Niveau und die beiden Werte positiv miteinander korrelieren.

Die Ausbeute (Yield): Der Yield ist definiert als die fehlerfreie Ausbeute am Ende eines Prozesses. Berechnet wird er folgendermaen: (1) 1 Fehlerquote = Anteil der fehlerfreien Einheiten = Gesamtausbeute (Yield) Wie bereits erwhnt, nimmt die Ausbeute ab, je mehr Teile und Montageschritte ein Produkt bentigt. Daher sichert eine hohe Qualitt der Einzelteile noch lange nicht
7 8

Vgl.: Tpfer, Armin, (2004), S. 57 Vgl.: Tpfer, Armin, (2004), S. 57

die Endqualitt eines Produktes. Hat man ein Produkt mit mehreren Einzelteilen und Komponenten berechnet man den Yield so: (2) (1 Fehlerquote) hoch Anzahl der Komponenten = Yield Anzahl der Komponenten = Teile + Montageschritte Ein Beispiel soll dies veranschaulichen:9 Man hat ein Sigma Niveau von 3 bei allen Komponenten, die Fehlerfreiheit betrgt somit 93,3%. Insgesamt hat man 28 Komponenten, die sich aus den einzelnen Teilen und Montageschritten addieren. Yield = (1 (1 0,933)) hoch 28 = 0,1434 Das entspricht einer Ausbeute von ca. 15%. Htte man ein Niveau von 3,8 Sigma, also 99% Fehlerfreiheit wrde sich folgendes ergeben: Yield = (1 ( 1 0,99)) hoch 28 = 0,7547 Hier sieht man, wie sich eine leichte Verbesserung des Niveaus auf die fehlerfreie Gesamtausbeute auswirkt.

Tpfer, Armin, (2004), S. 62