W2 Workbook - 2014-02-03

Woche 2: Measure Phase Arbeitsbuch
Six Sigma Woche Zwei
Measure Phase
Klassenraum Arbeitsbuch
Continuous Improvement
Superior Essex © Jan 2014 1 Measure Phase

Proprietary & Confidential 570997063.doc
Woche Zwei Inhaltsverzeichnis

WOCHE ZWEI INHALTSVERZEICHNIS..................................................................................................................................2
ÜBER DIESES ARBEITSBUCH....................................................................................................................................................4
BLACK BELT UND GREEN BELT TRAINING MODULE.....................................................................................................................4
PIKTOGRAMME ZU DEN AKTIVITÄTEN............................................................................................................................................5
SIX SIGMA: EINFÜHRUNG IN WOCHE 2.................................................................................................................................6
ÜBUNG 1.1: WAS IST SIX SIGMA?..................................................................................................................................................6
Zusammenspiel: Six Sigma Rollen und Zuständigkeiten...........................................................................................................7
ÜBUNG 1.2: SIX SIGMA STORYBOARD............................................................................................................................................8
MODUL 2: FESTLEGEN DES PROZESSES, DEM PRODUKT UND DEN KUNDEN ANFORDERUNGEN.................10
ÜBUNG 2.1A: ERSTELLEN EINES IPO-DIAGRAMMS: KATAPULT SCHIESSEN................................................................................10
ÜBUNG 2.1B: ERSTELLEN SIE EIN IPO DIAGRAM: IHR PROJEKT.................................................................................................13
Wer sind die Kunden?.............................................................................................................................................................14
ÜBUNG 2.2: IDENTIFIZIEREN SIE DIE KUNDEN UND IHRE ANLIEGEN...........................................................................................15
ÜBUNG 2.3: DETAILLIERTER PROZESSABLAUFPLAN: KATAPULT SCHIESSEN...............................................................................17
MODUL 3: FEHLERBESCHREIBUNG......................................................................................................................................20
ÜBUNG 3.1: ÜBERARBEITEN SIE IHR SOW..................................................................................................................................20
Ordnen Sie den Boxplot der jeweiligen Verteilung zu!...........................................................................................................24
AUFGABE 3.2: VISUELLE DARSTELLUNG VON DATEN.................................................................................................................25
HINWEIS: ERSTELLEN VON GRAPHIKEN MIT MINITAB®...............................................................................................................28
DOT PLOT..............................................................................................................................................................................29
HISTOGRAMM.......................................................................................................................................................................31
BOX PLOT..............................................................................................................................................................................34
LINE GRAPH (TIME SERIES PLOT).....................................................................................................................................35
SCATTER DIAGRAM (SCATTERPLOT)................................................................................................................................36
PARETO CHART....................................................................................................................................................................37
PIE CHART.............................................................................................................................................................................39
CONCENTRATION CHART (FÜR DATENSAMMLUNGEN)...............................................................................................40
AUFGABE 3.3: VISUELLE DARSTELLUNG VON DATEN: SITZSCHIENEN........................................................................................41
MODULE 4: BESTIMMEN DER MESSGRÖSSE DER VORGESEHENEN FUNKTION..................................................43
ÜBUNG 4.1: AUSSAGEN ZUR VORGESEHENEN FUNKTION.............................................................................................................43
ÜBUNG 4.2: ERSTELLEN EINES WIE WIE DIAGRAMMS................................................................................................................45
Brainstorm Process Ys: Beispiel Batterieschweißnaht...........................................................................................................47
ÜBUNG 4.3: MESSEN DER VORGESEHENEN FUNKTION:................................................................................................................48
Tiefziehteile und Platten schäumen.........................................................................................................................................48
ÜBUNG 4.4: MULTI-VARI ANALYSE: SCHAUMBLÖCKE SCHÄUMEN UND LASERSCHWEISSEN....................................................51
MODUL 5: MESSSYSTEMANALYSE........................................................................................................................................53
ÜBUNG 5.1: KOMPONENTEN DER MESSSYSTEMSTREUUNG..........................................................................................................53
ÜBUNG 5.2: WELCHE KOMPONENTE DES MESSFEHLERS IST ES?.................................................................................................54
ÜBUNG 5.3: WEITERE URSACHEN FÜR MESSSYSTEMSTREUUNG.................................................................................................55
% Study Variation vs. % Tolerance.........................................................................................................................................56
ÜBUNG 5.4: VARIABLE GAGE R&R MIT MINITAB®.....................................................................................................................57
ÜBUNG 5.5: VARIABLE GAGE R&R MIT MINITAB®....................................................................................................................58
Gruppendiskussion: Besondere Herausforderungen..............................................................................................................59
ÜBUNG 5.6: ATTRIBUTITIVE GAGE R&R: WAS SIND DIE STREUUNGSQUELLEN?........................................................................60
ÜBUNG 5.7: ATTRIBUTIVE GAGE R&R MIT MINITAB®................................................................................................................61
MODUL 6: BEWERTE DAS PROZESSVERHALTEN............................................................................................................62
ÜBUNG 6.1: MITTLERE TÄGLICHE PRODUKTIONSKOSTEN............................................................................................................62
Process Control Diskussion....................................................................................................................................................65
ÜBUNG 6.2: VERTEILUNG VON EINZEL- UND MITTELWERTEN.....................................................................................................66
ÜBUNG 6.3: XBAR & R CHARTS MIT MINITAB............................................................................................................................68
Referenz: Erstellung eines I-MR Charts.................................................................................................................................71
ÜBUNG 6.4: I-MR CHARTS MIT MINITAB®...................................................................................................................................73
Referenz: Erstellung von p und u Charts................................................................................................................................75
ÜBUNG 6.5: P & U CHARTS MIT MINITAB®...................................................................................................................................77

ÜBUNG 6.6: DUNKLE SCHLIEREN AN TÜRVERKLEIDUNGEN – PRÜFEN DER POTENTIELLEN URSACHE........................................80

MODUL 7: BESTIMMEN DER PROZESSFÄHIGKEIT..........................................................................................................82
ÜBUNG 7.1: TEST AUF NORMALITÄT............................................................................................................................................82
ÜBUNG 7.2: DATEN BESCHREIBEN................................................................................................................................................85
ÜBUNG 7.3: BESTIMMEN DER FLÄCHE MIT HILFE DER Z-TABELLE.............................................................................................87
Cp Index Berechnung..............................................................................................................................................................90
ÜBUNG 7.4: PROZESSFÄHIGKEIT...................................................................................................................................................91
ÜBUNG 7.5: PROZESSFÄHIGKEIT MITTELS MINITAB®...................................................................................................................98
ÜBUNG 7.6: ANPASSEN DER KURVE AN DIE DATEN...................................................................................................................101
ÜBUNG 7.7: PROZESSFÄHIGKEIT – FALLBEISPIEL NR.2: SECHS NESTER SPRITZGUSS: IHRE AUFGABE.....................................106
Beispiel einer kompletten Measure Phase: Streifen schneiden.............................................................................................112
ÜBUNG 7.8: MEASURE PHASE WORKSHOP..............................................................................................................................114
MODUL 8: IDENTIFIZIEREN POTENZIELLER XE............................................................................................................116
Xe von Ye unterscheiden: Beispiel.......................................................................................................................................116
ÜBUNG 8.1: XE AND YS..............................................................................................................................................................117
ÜBUNG 8.2: CONTROL ODER NOISE?.........................................................................................................................................118
ÜBUNG 8.3: BRAINSTORMEN VON FAKTOREN – IHR PROJEKT.................................................................................................119
Ideen als Ursachen formulieren............................................................................................................................................120
ÜBUNG 8.4: CAUSE & EFFECT DIAGRAMM...............................................................................................................................121
ÜBUNG 8.5: WIE VORGEHEN?.....................................................................................................................................................123
ANHANG.......................................................................................................................................................................................126
IMPROVEMENT PROJECT STORYBOARD......................................................................................................................................127
Z TABELLE..................................................................................................................................................................................129
CONTROL CHART KONSTANTEN.................................................................................................................................................131
BLACK BELT CERTIFICATION.............................................................................................................................................133
GREEN BELT CERTIFICATION.............................................................................................................................................134
MEASURE PHASE HAUPTZIELE...........................................................................................................................................135
Basic Statistics-References.............................................................................................................................................................136

Über dieses Arbeitsbuch

Einleitung
Dieses Arbeitsbuch beinhaltet alle wichtigen Lerninhalte und Anweisungen. Diese
unterstützen bei der Durchführung des eigenen Projektes.
Es ist ggf. hilfreich für Sie, parallel sich im Arbeitsbuch Notizen zu den Präsentationen
zu machen.
Das Inhaltsverzeichnis listet alle Übungen und Referenzabschnitte auf.
Black Belt und Green Belt Training Module

Das folgende Bild zeigt alle für das Black Belt und Green Belt Training geforderten
Training Module auf.
Woche Eins Tage 1-5 Woche Zwei Tage 6 - 10

5 Selbstlern-Module Measure Phase
1. Einleitung
1. Six Sigma Overview / Überblick
2. Klärung des Prozesses/Produktes und Kunden CTS´s
2. Möglichkeiten zur Verbesserung erkennen 3. Beschreibung des Fehlers
3. Projekte definieren 4. Bestimmen der Messgröße der vorgesehenen Funktion
4. Einführung in Minitab® 5. Validierung des Meßsystems
6. Beschreibung des Prozessverhaltens PROJEKT-
5. Grundlagen zur Datensammlung und Analyse MANAGEMENT
7. Ermittlung der Prozessfähigkeit
8. Identifizieren potentieller Ursachen (Xe)
Projektpräsentationen
Woche Drei Tage 11 - 15 Woche Vier Tage 16 - 20

Analyze Phase Improve & Control Phases
1. Einleitung 1. Einleitung
2. Schätzung und Konfidenzintervalle 2. Bestimmen von Gegenmaßnahmen
3. Hypothesentests 3. Polynome und Multiple Regression
4. Korrelation und einfache lineare Regression 4. Teilfaktorielle Designs
5. ANOVA 5. Robust Design (statisch)
6. Basiswissen DOE Leadership 6. Control Phase VSM
7. Vollfaktorielle Designs 7. Fehlersicherheit
8. Verifizieren der Xe Projektpräsentationen 8. Zusammenfassung Projektpräsentationen
6 Weiterführend - Review der Projekte durch MBB und Management
Training Zertifikat-
Übergabe erst nach Bemerkung: Das Training
erfolgreichem Abschluss Zertifikat ist eine der
der Verbesserungsphase Anforderungen zur BB/GB
und anschließender Zertifizierung.
Präsentation

Piktogramme zu den Aktivitäten
Denkaufgabe! Diskutieren Sie

Der Trainer stellt die Aufgabe mit
Fragen an die Ihrem
Teilnehmer. Tischnachbarn.
Denkaufgabe! Bearbeiten Sie

Beantworten Sie die Aufgabe in
die Fragen in Teams, die vom
Ihrem Trainer festgelegt
Arbeitsbuch. wurden.
Benutzen Sie das Benutzen Sie

Workbook, um Minitab® , um die
die Aufgabe zu Aufgabe zu
bearbeiten. bearbeiten.
Das Team
Benutzen Sie ein
bestimmt einen
Flipchart, um die
Freiwilligen, der
Aufgaben zu
die Ergebnisse
bearbeiten.
präsentiert.
Der Trainer wird
Bearbeiten Sie
die Ergebnisse
die Aufgabe in
der Übung in der
der vorge-
großen Gruppe
gebenen Zeit.
besprechen.

Six Sigma: Einführung in Woche 2

Übung 1.1: Was ist Six Sigma?
AUFGABE:
1. Brainstorm: Was ist Six Sigma? Listen Sie alle Ideen und
Beschreibungen auf.
2. Entwickeln Sie ein Statement: Six Sigma IST…
3. Entwickeln Sie ein zweites Statement: Six Sigma IST NICHT…
Brainstorm: Was ist Six Sigma?
Statement: Six Sigma IST:
Statement: Six Sigma IST NICHT:

Zusammenspiel: Six Sigma Rollen und Zuständigkeiten
Welche Person ist für welche Rolle zuständig:
ROLLE ZUSTÄNDIGE PERSON
1. Unterstützt and schult Leaders, BBs and a. Black Belt/ Green Belt
GBs
2. Liefert Fachkenntnisse zum Prozess-/ b. Process Owner

Produkt
c. Master Black Belt

3. “Besitzt” das Six Sigma Projekt
4. Führt das Team durch MAIC d. Controller
5. Bestimmt die Kostenauswirkung e. Team Mitglied
6. Beseitigt Hindernisse / stellt die 6 Sigma

Ausführung innerhalb der BU Group f. Führungskräfte
sicher
7. Hauptsächlich zuständig, um neue g. Champion

Verbesserungsmöglichkeiten zu finden

Übung 1.2: Six Sigma Storyboard
AUFGABE:
1. Schauen Sie sich bitte die Schritte im Storyboard
und die aufeinanderfolgenden Fragen an.
2. Welche Schritte/Fragen stellen Ihrer Meinung die
größten Herausforderungen dar?
3. Welche Schritte/Fragen sind Ihrer Meinung
entscheidend, um die Streuung zu reduzieren?
Define
1 Definiere, was für den Kunden wichtig ist. Definiere den Projektumfang.
Measure
2 Bestimme, was zu messen ist (Y) und überprüfe das Messsystem.
3 Quantifiziere die aktuelle Leistung, und lege das Verbesserungsziel fest.
Analyze
4 Identifiziere die potentiellen Ursachen (Xs) der Abweichungen und der
Fehler.
5 Erbringe den statistischen Beweis dafür, welche der vermuteten
Ursachen wichtig sind.
Improve
Bestimme Lösungen (Wege zum Entgegenwirken der Ursachen) inklusive
6 Arbeitsablauf und Toleranzen.
Implementiere die Lösungen und sorge für den statistischen Beweis, dass
7
sie funktionieren.
Control
Lege fest, wie die Xe gesteuert werden müssen, um die Verbesserungen
8
beizubehalten.
9 Beweise statistisch, dass die Verbesserungen nachhaltig sind.
1

Welche Schritte/Fragen stellen Ihrer Meinung die größte Herausforderung dar?
Welche Schritte/Fragen sind Ihrer Meinung entscheidend, um die Streuung zu reduzieren?

Modul 2: Festlegen des Prozesses, dem Produkt und den

Kunden Anforderungen
Übung 2.1A: Erstellen eines IPO-Diagramms: Katapult schießen
Einführung:
IPO Diagramme sind sehr grobe Prozessablaufpläne.
 Input: Ressourcen, die in den Prozess einfließen (Material, Energie, Zeit, Druck, Infos..)
 Prozess: Maßnahmen werden aufgenommen oder Input wird verwendet.
 Output: Greifbares Objekt, das aus dem Prozess resultiert und den Prozess abschließt.
IPO DIAGRAMM
INPUT PROCESS OUTPUT
 Rohhülsen
 Aluminum-
Spulen
lamellen  Erweiterte Spulen
 Hydraulischer
herstellen
Druck
Prozess als Verb

Materialien, Bauteile, und Nomen Das greifbare
Energie beschrieben Produkt, das der
format Prozess herstellt
Warum sollte ein IPO erstellt werden?

Ein IPO schafft Klarheit für das Team.
 Unterschiedliche Team Mitglieder haben eine unterschiedliche Sicht wie sich der
Prozess darstellt.
 Ein IPO ist ein hervorragendes Kommunikationswerkzeug.
 Ein Blick auf das IPO liefert jedem ein schnelles Verständnis für den Prozess an dem
das Team arbeitet.
Mit einem IPO können auch die wichtigsten Untersysteme des Prozesses erkannt werden.
Der beste Weg, um diese Subsysteme zu erkennen ist, den Prozess vor Ort zu beobachten.
INPUT PROCESS OUTPUT

Spulen herstellen
 Rohhülsen
A
A B
B C
C
 Aluminum
Lamellen Strecken Einbau
Einbau in die Abschnitt
in die Abschnitt der
der  Erweiterte
Strecken übersteh-
 Hydrau- und
und
Aluminum
Aluminum übersteh- Spulen
Lamellen
Lamellen enden
enden und
und
lischer Zuschnitt
Zuschnitt und
und aufgebördel-
aufgebördel-
Druck der
der Länge.
Länge. erweitern.
erweitern. ten
ten Enden.
Enden.
Dieser Prozess hat
drei Hauptschritte
(Subsysteme).

Prozess, um die wichtigsten Untersysteme zu bestimmen:

1. Gehen Sie an den Arbeitsplatz, beobachten Sie den Prozess.
2. Machen Sie sich detaillierte Notizen, wie die Arbeit durchgeführt wird.
 Was sind die Prozess Schritte?
 Wie werden das Material und/oder die Information befördert?
 Was sind die Inputs und die Outputs bei jedem Prozess-Schritt?
3. Gruppieren Sie die detaillierten Schritte 3 bis 5 (wertschöpfende) Hauptprozess-
Schritte (Subsystems).
AUFGABE:
Sammeln Sie Daten:
Das Ziel ist es mit dem Katapult eine Schussweite von 4 Meter (+/- 0,5
Meter) zu erzielen.
1. Jedes Team Mitglied schießt 3 Bälle.
2. Messen und notieren Sie die Weite von jedem Schuss (die
Daten werden für eine spätere Aufgabe benutzt).
Beobachten Sie die Prozess-Schritte.
3. Passen Sie die Rückzugsposition an und schießen Sie
erneut, wenn der Ball nicht das Ziel trifft.
Erstellen Sie das IPO Diagramm:

1. Erstellen Sie das IPO Diagramm für den Prozess “Katapult
schießen”:
2. Inklusive der Hauptprozessschritte (Sub-Systems).
3. Zeichnen Sie Ihr komplettes IPO Diagramm auf ein Flipchart
und legen Sie eine Person fest, die es der Gruppe präsentiert.

Notizen zu dem Prozess “Katapult schießen”:

Übung 2.1B: Erstellen Sie ein IPO Diagram: Ihr Projekt
AUFGABE:
1. Betrachten Sie Ihr eigenes Six Sigma Projekt.
2. Stellen Sie sich vor, dass Sie den Arbeitsablauf Ihres
Projektprozesses beobachten.
3. Erstellen Sie ein IPO Diagram für Ihren Prozess.
 Inklusive der Hauptprozessschritte (subsystems).
4. Befestigen Sie das erstellte IPO an dem Flipchart und besprechen
es in der großen Gruppe.

Wer sind die Kunden?
Einführung:
Bei Six Sigma geht es um die Verbesserung von Prozessen für den Kunden! Wir wollen
sicherstellen, dass unsere Prozesse und Produkte das liefern was der Kunde möchte. Es ist
entscheidend, dass der Output eines Prozesses die wichtigsten Bedürfnisse aller Kunden
erfüllt.
 Ein Kunde ist jemand, der ein Ergebnis aus einem Prozess erhält oder benutzt.
 Kunden sind “Personen, die ….”
 Kunden können intern (innerhalb von ESSEX) oder extern (außerhalb von ESSEX)
sein.
 Welche Erwartungen haben die “Personen, die…” an den Output? Was möchten oder
benötigen sie, um ihre Arbeit auszuführen oder wenn sie den Output verwenden?
Interne und externe Kunden können evtl. ähnliche oder verschiedene Anforderungen
haben.
 Häufig müssen wir den Kunden beobachten, um die Kunden Anforderungen zu
erkennen und zu bestimmen, ob diese erfüllt werden.
Welche Erwartungen haben die jeweils gefundenen Kundengruppen?
PROZESS Einige Kunden Ihre Anforderungen
ENTWICKELN EINES SIX

SIGMA TRAININGS
Output: Schulungskurs

Übung 2.2: Identifizieren Sie die Kunden und Ihre Anliegen
AUFGABE:
1. Betrachten Sie den Prozess “Sonnenblenden-
Inlays herstellen” wie er als IPO unten
dargestellt ist.
2. Identifizieren Sie den internen und externen
Kunden für den “Sonnenblenden-Inlays
herstellen”- Prozess.
3. Schreiben Sie die wahrscheinlichen
Kundenanliegen (Kunden Anforderungen) für
jede Kunden Gruppe auf. Versuchen Sie aus
der Kundenperspektive zu denken.
 Harz-Pellets Sonnen-
 Strom blenden- gefertigte
 Wasser Inlays Inlays
 Luftdruck herstellen
Montage von
Komponenten an das Inlay
Kaschieren des Inlays
Einbau des Spiegels Versand zum

externen Kunden

PROZESS “Sonnenblenden Inlays herstellen”

Intern Kunden Anforderungen
Extern Kunden Anforderungen

Übung 2.3: Detaillierter Prozessablaufplan: Katapult schießen

Einführung:
Ein detaillierter Prozessablaufplan dokumentiert die wertschöpfende und nicht wert-
schöpfende Arbeit. Er sollte den Austausch der Arbeit zwischen den Abteilungen zeigen.
Prozessablaufpläne:
 ermöglichen uns den Prozess zu erkennen (der Weg wie die Arbeit durchgeführt wird)
 wandeln "verborgene" Prozessschritte in "sichtbare" Prozessschritte um
 verschaffen eine Konzentration auf den Kunden
 sind ein wichtiges Kommunikationswerkzeug
 sind Mittel zum Analysieren von Prozessen
 liefern den Rahmen zur Datenerfassung
 geben die Richtung für die Verbesserung an
Vorsichtsmaßnahmen beim Erstellen des Prozessablaufplans:

 Erfassen Sie die “manchmal machen wir es so”-Prozessschritte.
 Vermeiden Sie die Verwendung von Prozessflussdokumenten, die beschreiben, wie
der Prozess durchgeführt werden sollte.
 Beginnen Sie unbedingt mit sachlichen Prozessgrenzen (spezifischen Ereignissen, die
Start- und Endpunkt des Prozesses beschreiben).
 Nennen Sie deutlich den primären Output, über den definiert wird, warum der Prozess
vorhanden ist.
 Konzentrieren Sie sich auf die Kunden und auf das Ergebnis, das sie über den Prozess
erhalten.
Zwei Arten von Prozessablaufplänen:
Customer Step 1 Step 4

Ein linearer Ablaufplan wird
verwendet wenn der Prozess
Service
Provider
Step 2
nicht sehr komplex ist oder
wenn er aus den Macro-Supervisor
Step 3
Prozessschritten (Subsystems)
Admin
erzeugt wird.
Ein bereichsübergreifender Ablaufplan

wird verwendet, wenn der Prozess aus
meheren Übergaben zwischen
Abteilungen besteht.
Ein üblicher Ansatz ist die Verwendung eines übergeordneten linearen Ablaufplans in der
Measure Phase mit anschließender Verwendung eines bereichsübergreifenden Ablaufplans in
der Improve Phase.

Erstellen eines bereichsübergreifenden Ist-Prozessablaufplans

1. Legen Sie Start- und Endpunkt des Prozesses fest.
2. Listen Sie alle am Prozess beteiligten Abteilungen oder Gruppen auf. (Vermerken Sie
dies in der linken Spalte der "Swim Lanes", und hängen Sie diese an die Wand).
3. Führen Sie ein Brainstorming der Liste mit den übergeordneten Prozessschritten aus.
(Überprüfen Sie den Prozess und befragen sie bei Bedarf weitere Personen).
4. Listen Sie übergeordnete Prozessschritte auf Haftnotizzetteln auf. (Positionieren Sie
diese in den "Swim Lanes").
5. Führen Sie Diskussionen, Überprüfungen und Änderungen durch.
6. Vermerken Sie Übereinstimmungen auf dem bereichsübergreifenden Ist-
Prozessablaufplan.
Beispiel für einen linearen Prozessablaufplan

KUNDENÄNDERUNGS-ANFORDERUNGS-PROZESS
Kunden-
änderungs- Übereinst.
anforderung mit Umsatz
Entwurf Nein
erstellen
Auswirkung Auswirk.
abschätzen OK?
Ja
Zeichnung Zeichung
ändern iO?
Ja
Nein
Dateipaket
erstellen
Kunde
Senden an empfängt
Kunden CAD Dateien
Prozessablaufplan Symbole:
Start oder Ende des Prozesses
Vorgang oder Prozessschritt
Entscheidungs- oder Kontroll-Punkt
Verbindungssymbol
Flussrichtung

Übung 2.3: Prozessablaufplan “Katapult schießen”
AUFGABE:
1. Schauen Sie sich die Aufzeichnungen zum Prozess und das IPO,
das Ihr Team für den Prozess “Katapult schießen” erstellt hat, an.
2. Erstellen Sie am Flipchart einen detaillierten Prozessablaufplan
von dem Prozess “Katapult schießen”.
3. Stellen Sie sicher, dass der Ablaufplan wertschöpfende und nicht
wertschöpfende Prozessschritte enthält.
4. Bereiten Sie sich vor, um den Prozessablaufplan in der großen
Gruppe vorzustellen.
Prozessablaufplan für den “Katapult schießen”-Prozess:

Modul 3: Fehlerbeschreibung
Übung 3.1: Überarbeiten Sie Ihr SOW
Einleitung:
Das SOW ist ein zentrales Dokument, das sicherstellt, dass das Team die notwendige Klarheit
hat, um sich nach vorn in die richtige Richtung zu bewegen. Es ist wichtig sicherzustellen,
dass Ihr SOW das Projektziel klar kommuniziert.
Werkzeug
Werkzeug zur
zur
Kommunikation
Kommunikation
Klären SOW:
SOW: im
im Team
Team
des Kommuniziert
Kommuniziert
Projektrahmen
Projektrahmen undund
Projektes Projektziel
Projektziel
Klarheit bei diesen Schlüsselrubriken des SOWs ist essentiell für den Projekterfolg.
1. Projekttitel
Der Titel jedes Six-Sigma-Projektes sollte folgendem Standard folgen:
Prozessname >Bindestrich > Verbesserungsziel
2. Y’s
Bei Six Sigma ist “Y” eine Output-Variable oder Messgröße des Prozesses. Ein “Y” ist
eine spezifische zu verbessernde Messgröße.
Beispiele: Anzahl verschrotteter Teile, Ausschußkosten pro Tag,
Rohrdurchmesser
3. Problembeschreibung
Die Problembeschreibung stellt das Kernproblem oder den Fehler klar dar, mit dem das
Projekt sich befasst. Sie beantwortet klar die Frage “Was ist falsch mit Was?“
Sie müssen ebenfalls die Frage “Und ich weiß das, weil…” mit Hilfe von zeitabhängigen
Daten beantworten.

Abweichung KERNPROBLEMBESCHREIBUNG: Ziel

WAS IST FALSCH MIT WAS.
Beschreiben Sie das Kernproblem, nicht die Symptome.
Beispiel: Dunkle Streifen auf Türverkleidungen
Fünf Warums:
“Fünf Warums” ist eine Technik, um eine Symptombeschreibung in eine
Kernproblembeschreibung umzuwandeln. Beginnen Sie mit der Frage „WARUM“?
Warum trat dieses Symptom auf? An dem Punkt, an dem die Frage “WARUM” nicht
mehr beantwortet werden kann, erhält man die Kernproblembeschreibung.
4. Achtung: Wir suchen zu diesem Zeitpunkt NICHT nach Kernursachen. Das Ziel ist es,
den Fehler klar zu beschreiben (Kernproblem).
5. Projektziel
Das Projekt fasst das Ziel des Six Sigma-Projektes zusammen und quantifiziert es.
Es beschreibt, wie sich das Team dem Kernproblem nähern möchte.
Auf diese Weise ist das Projektziel mit der Problembeschreibung verknüpft, welche in
Zusammenhang steht mit den Y’s: Der Messgröße, die verbessert werden soll.
Projekttitel:
Projekttitel:
Prozessname
Prozessname und
und Verbesserungsziel
Verbesserungsziel
Ys:
Ys:
Spezifische
Spezifische Messgröße,
Messgröße, die
die verbessert
verbessert werden
werden soll
soll (Mit
(Mit Maßeinheit).
Maßeinheit).
Problembeschreibung:
Was ist nicht in
Was ist nicht in Ordnung
Ordnung mit
mit dem
dem Prozessoutput
Prozessoutput ..
Quantifizierung des
Quantifizierung des aktuellen
aktuellen Stands
Stands jedes
jedes Ys.
Ys.
 Und ich weiss das, weil… (zeitabhängige Daten).
Und ich weiss das, weil… (zeitabhängige Daten).
Projektziel:
Projektziel:
Quantifizierung
Quantifizierung des
des Verbesserungsziels
Verbesserungsziels jedes
jedes Ys.
Ys.

Aufgabe:
Aufgabe:
1.
1. Überarbeiten
Überarbeiten Sie
Sie das
das SOW
SOW fürfür Ihr
Ihr Six
Six Sigma
Sigma Projekt
Projekt und
und diskutieren
diskutieren Sie
Sie
mit Ihren Nachbarn.
mit Ihren Nachbarn.
2.
2. Begutachten
Begutachten SieSie diese
diese 44 kritischen
kritischen Komponenten
Komponenten Ihres
Ihres SOWs:
SOWs:
 Projekttitel
Projekttitel (richtiges
(richtiges Format?)
Format?)
 Y’s
Y’s (klare
(klare Messgrößen,
Messgrößen, mitmit Maßeinheit?)
Maßeinheit?)
 Problembeschreibung
Problembeschreibung (ausgedrückt
(ausgedrückt als
als “Was
“Was ist
ist falsch
falsch mit
mit was”?)
was”?)
 Projektziel
Projektziel (quantifizierte
(quantifizierte Verbesserung
Verbesserung für
für jedes
jedes Y?)
Y?)
 Hausaufgabe:
Hausaufgabe: Aktualisieren
Aktualisieren Sie
Sie Ihr
Ihr SOW
SOW falls
falls nötig!
nötig!
Vorgesehene Zeit:
Projekttitel:
7 MINUTEN
Y’s:

Projektziel:

Ordnen Sie den Boxplot der jeweiligen Verteilung zu!

2 Minuten
| |
Uniforme
Verteilung
| |
Schräge
Verteilung
| |
Normale
Verteilung

Aufgabe 3.2: Visuelle Darstellung von Daten

Einleitung:
Ein wichtiger Schritt in der Fehlerbeschreibung ist die Visualisierung des Fehlers durch geeignete
Graphiken. Die graphische Darstellung von Fehlern sollte vor Beginn statistischer Analysen
erfolgen.
 Für jeden gegebenen Datensatz werden angemessene Graphiken erstellt, um ein tieferes
Verständnis für den Defekt und mögliche Hinweise zu bekommen.
 Es existieren zahlreiche Typen von Graphiken, die unterschiedliche Arten von

Informationen liefern.
Brauchbare
Informtionen
Visuelle
Roh- Diagramme und
daten Graphiken
Daten sollten in einer sinnvollen Art visualisiert werden, bevor überhaupt statistische
Analysen durchgeführt werden.
Vorgesehene Zeit
20 MINUTEN
AUFGABE:
1.
1. Öffnen
Öffnen Sie
Sie 3.2
3.2 Visual
Visual Data.MTW.
Data.MTW. Bearbeiten
Bearbeiten Sie
Sie folgende
folgende Datensätze:
Datensätze:
3.2A:
3.2A: Battery
Battery Paste
Paste
3.2B:
3.2B: Production Interruption
Production Interruption
3.2C:
3.2C: Fire
Fire Catapult
Catapult (geben
(geben Sie
Sie Daten
Daten von
von Übung
Übung 2.1
2.1 ein)
ein)
Erstellen
Erstellen Sie
Sie Graphiken
Graphiken (für
(für jeden
jeden Datensatz)
Datensatz) der
der Ihnen
Ihnen das
das beste
beste Bild
Bild
vom
vom Prozessoutput
Prozessoutput vermittelt.
vermittelt.
2.
2. Wählen
Wählen Sie
Sie aus
aus den
den Graphiken,
Graphiken, diedie in
in diesem
diesem Modul
Modul vorgestellt
vorgestellt wurden.
wurden.
3. Schreiben Sie die Fragen auf, die sich aus Betrachtung der Graphiken
3. Schreiben Sie die Fragen auf, die sich aus Betrachtung der Graphiken
ergeben.
ergeben.
Notiz: Ihr Arbeitsbuch enthält Minitab-Anleitungen

zur Erstellung sämtlicher im Modul vorgestellter
Graphiken.

Teil 3.2A: Batterie Paste

 Ein Team misst die Dicke von Bleimasse auf Batterieelektroden.
 Akzeptable Spezifikationen sind 9,5 – 10,5 mm.
 Die Minitab® -Datei enthält zeitlich geordnete Daten einer Pastierlinie.
Batterie Paste Beispiel
Typ der Graphik Frage
Teil 3.2B: Produktionsunterbrechungen

 Ein Team beschäftigt sich mit dem Problem der Mehrarbeit in einer Fabrik.
 Die Daten bezüglich der Produktionsunterbrechungen wurden für einen Monat gesammelt.
 Die Minitab® -Datei enthält zeitlich geordnete Daten einer Fertigungslinie.
Beispiel : Produktionsunterbrechungen

Teil 3.2C: Katapultschießen

 Betrachten Sie erneut die gesammelten Daten aus Übung 2.1.
 Geben Sie die Daten in Minitab® ein
Beispiel Katapult schießen

Notizen:

Hinweis: Erstellen von Graphiken mit Minitab®

Datentyp Beschreibung Beispiele gebräuchliche Graphiken
Variabel Messungen auf  Dimension (mm)  Dot Plot

einer  Volt (Volts)  Histogramm
kontinuierlichen
 Kosten ($)  Box Plot
Skala
 Zeit (Minuten)  Liniendiagramm
 Scatter Plot
 Control Chart*
Attributiv durch Zählen
ermittelte Daten
Binomial nur 2 Ergebnisse  Anzahl der  Liniendiagramm
(Fehlstücke) möglich Rechnungen mit  Control Chart*
(bestanden/durch- einem oder mehr
gefallen) Fehlern
Poisson  viele Ergebnisse  Anzahl der Fehler  Liniendiagramm
(Fehler) möglich auf jeder  Pareto-Chart
 kategorisierte Rechnung
 Tortendiagramm
Daten
 Concentration Chart
 Control Chart*
*Bemerkung: Control Charts werden in einem der folgenden Module gesondert besprochen.

DOT PLOT
Beschreibung:
WAS WARUM WANN

Eine Graphik, in der jeder Um zu visualisieren, wie die Variable
Meßwert als einzelner Punkt auf Daten verteilt sind. Das Daten
einer kontinuierlichen Skala von “Zentrum” und die Streuung in
Werten dargestellt wird den Daten wird sichtbar.
So erstellt man einen Dot Plot:

 Öffnen Sie die Minitab® -Datei “location one.mtw”.
 Wählen Sie auf der Menüleiste Graph è Dotplot
 Unter One Y: è Wählen Sie Simple èKlicken Sie auf OK

Einen Dot Plot erstellen (Fortsetzung)
 Wählen Sie nun die Datenspalte (C1): “Location 1” indem Sie deren Namen
markieren.
 Klicken Sie auf Select
 Klicken Sie auf OK
Ergebnis:
Dot Plot von Location 1

HISTOGRAMM
Beschreibung:
WAS WARUM Wann

Ein Säulendiagramm in dem die Daten in Um Zentrum, Variable Daten
Klassen gruppiert werden. Die Höhe jeder Streuung und Form
Säule zeigt wie viele oder welcher Anteil von der Daten zu zeigen.
Daten auf jede Klasse fallen.
So erstellt man ein Histogramm:

 Öffnen Sie die Minitab® -Datei “location one.mtw”
 Wählen Sie auf der Menüleiste Graph è Histogram
 Wählen Sie Simple
markieren.

Ein Histogramm erstellen (Fortsetzung)
Ergebnis:
Histogramm von Location 1
Die Form der Daten zeigt eine Lücke.

Dies ist keine geeignete Darstellung der
Datenform.
Die Intervallgrößen müssen angepasst

werden, um die tatsächliche Form der
Daten zu visualisieren.
Die Daten müssen in geeigneter Form gruppiert werden, um die Form der Datenverteilung verstehen zu
können.
 Die folgenden Richtlinien sind hilfreich, um Daten in geeigneter Form zu gruppieren:
Anzahl der Datenpunkte Anzahl der Gruppen
unter 50 5-7
50 -100 6 -10
100 - 250 7-12
über 250 10 - 20
 Wählen Sie im Fenster “Edit Bars” die Rubrik “Binning”
 Interval type = Midpoint
 Wählen Sie “Number of intervals” èGeben Sie “5” ein
 Klicken Sie auf “OK”

Erstellen eines Histogramms (Fortsetzung)
Ergebnis:
Nützliches Histogramm von Location 1.

BOX PLOT
Beschreibung:
WAS WARUM WANN
Ein rechteckiger Kasten, der den Um Zentrum, Streuung Variable Daten
Median sowie das “normale” Ausmaß und Datenform zu
der Daten anzeigt. Ausreißer werden zeigen. Identifiziert
gesondert markiert. potentielle Ausreißer.
So erstellt man einen Box Plot:

 Öffnen Sie die Minitab® -Datei “location one”.
 Wählen Sie auf der Menüleiste Graph è Boxplot
 Wählen Sie Simple
markieren.
Ergebnis:
Boxplot von Location 1

LINE GRAPH (TIME SERIES PLOT)

Beschreibung:
WAS WARUM WANN

jeder Datenpunkt wird in Um zu sehen, ob sich der Normalerweise bei variablen Daten
chronologischer Reihenfolge von genutzt, könnte aber auch für
Prozess im Laufe der Zeit
links nach rechts aufgetragen. attributive Daten angewendet werden.
ändert.
So erstellt man einen Line Graph:

 Öffnen Sie die Minitab® -Datei “rail effort.mtw”.
 Wählen Sie Graph Time Series Plots  Simple  OK
 Wählen Sie “effort” , dann klicken Sie zweimal auf OK
Ergebnis:
Time series plot von „Effort über Track“.
Time Series/Line Graph Plot of Effort

80
70
60
Effort
50
40
30
3 6 9 12 15 18 21 24 27
Track

SCATTER DIAGRAM (SCATTERPLOT)

Beschreibung:
WAS WANN WANN
Eine Graphik von Um zu sehen, welcher Variable Daten
Datenpaaren Zusammenhang zwischen zwei
(x, y). Variablen x und y besteht.
So erstellt man einen Scatterplot:
 Öffnen Sie die Minitab® -Datei “production cost.mtw”.
 Wählen Sie Graph Scatterplots  Simple OK
 Gehen Sie vor wie unten gezeigt, dann klicken Sie zweimal auf OK
Ergebnis:
Scatterplot von „Production Cost über Lot Size“.
Scatterplot of Production Cost per Unit vs Production Lot Size

14
12
Production Cost per Unit
10
0
100 150 200 250 300
Production Lot Size

PARETO CHART
Beschreibung:
WAS WARUM WANN

Ein Werkzeug, um kategorisierte Daten Um die “vital few” von Kategorisierte
anzuzeigen. Die Kategorien werden von der trivialen Masse zu Daten
höchster Anzahl nach niedrigster Anzahl trennen.
geordnet. Balken repräsentieren Kategorien. Die
Balkenhöhe zeigt die Häufigkeit der Kategorie
an.
So erstellt man ein Pareto Chart:

 Öffnen Sie die Minitab® -Datei “production interruption.mtw”.
 Wählen Sie auf der Menüleiste Stat è Quality Tools è Pareto Chart
 Aktivieren Sie “Chart defects data in”

 Gehen Sie wie unten gezeigt vor, dann wählen Sie Select

Erstellen eines Pareto Charts (Fortsetzung)
 Aktivieren Sie “Do not chart cumulative percent”
Wenn Sie diese Option

aktivieren, werden die Balken
ohne kumulierte Prozentlinie
angezeigt.
Ergebnis:
Pareto Chart von Type of Interruption:

PIE CHART
Beschreibung:
WAS WARUM WANN

graphisches Werkzeug, um kategorisierte Daten Um den größten Beitrag kategorisierte
zu zeigen. Tortenst ücke repräsentieren
Kategorien. Die Gr öße der Tortenst ücke zeigt
am Gesamten zu sehen.. Daten
den Anteil der Kategorie an.
So erstellt man ein Pie Chart:

 Öffnen Sie die Minitab® -Datei “pie chart.mtw”.
 Wählen Sie Graph Pie Chart Gehen Sie wie unten gezeigt vor.
 Wählen Sie Pie Chart Options
 Aktivieren Sie „Decreasing volume“
Ergebnis:
Pie Chart für Frequency of Occurrence:
Pie Chart of Frequency of Occurrance vs Type of Interruption

C ategory
Machine Break down
Defectiv e Production
No Material
C hange-ov er
Tool Breakdown
Defectiv e Material
Maintenance
No Labor

CONCENTRATION CHART (FÜR DATENSAMMLUNGEN)

Beschreibung:
WAS WARUM WANN
Graphisches Werkzeug, das während der Um zu bestimmen, ob Attributive
Datensammlung genutzt wird, um ein Muster der Daten
anzuzeigen, wo am Teil ein Fehler auftritt. Fehlerposition besteht..
Stichproben Concentration Chart
= Contamination
Fehler auf der Tür-Haut
on door panel skin.
1 2 3 4 5
Concentration Chart Methode
1. Erstellen Sie eine Zeichnung der zu untersuchenden Einheit.

2. Fügen Sie dieser Zeichnung ein Gitternetz hinzu.
3. Dokumentieren Sie die Position der Fehler von fehlerhaften Teilen.
4. Benutzen Sie verschieden Symbole für verschiedene Fehlerarten.
5. Platzieren Sie das jeweilige Symbol auf der Position in der Zeichnung.
6. Zählen sie die Anzahl der Fehler in jedem Planquadrat des Gitters.
7. Analysieren Sie das gesamte Chart.

Aufgabe 3.3: Visuelle Darstellung von Daten: Sitzschienen

Einleitung:
Ein Team beschäftigt sich mit der Streuung von Dimensionen von Sitzschienen. Beim
Herstellungsprozess solcher Schienen wird ein langes schmales Metallstück in eine
Schienenprofil geformt.
Obere
Obere
Schiene
Schiene Kugellager
Kugellager
– Sitzschienen ermöglichen es, Autositze in ihrer Position zu

verschieben.
– Die obere Schiene ist auf dem Boden, die obere ist am Sitz
befestigt. Die Schienen bewegen sich mittels Kugellagern.
Untere
Untere
– Streuung in den Dimensionen von Sitzschienen wirkt sich
Schiene negativ auf die Qualität (Laufruhe) der Sitzbewegung aus
Schiene
– Beim Herstellungsprozess solcher Schienen

wird ein langes schmales Metallstück in eine
Schienenprofil rollgeformt.
– Das Team hat Daten von der oberen
Schiene gesammelt. Die Daten entstammen
zahlreichen Punkten entlang der Sitzschiene
(x)
Illustration am Querschnitt von x = 15mm (obere Schiene)

Actual vs Nominal Profile at X = 15mm
30
Der gemessene Wert

25 liegt rechts und höher
als der Sollwert 
negative y-Abweichung
20 und positive z- – Die Daten wurden mit einem
Abweichung.
Koordinatenmessgerät
Z (mm)
15
Punkte,
Punkte, an
an bestimmt, dass die
denen
denen Daten
Daten
10
genommen
genommen beschriebenen Punkte an +/-
5
wurden
wurden (für
(für y-
y- 100 Positionen entlang der
und
und z-
z-
Richtung)
Richtung)
Schiene (x-Richtung) misst.
0
-20 -10 0 10 20
– Die Abweichung von der
Y (mm) Spezifikation wird von einem
Referenzpunkt (Mitte der
Schiene) aus zu Punkten
Sollwert
Z gemessen, wo die Scheine
Meßwert
Y beginnt sich zu krümmen.
(Links oder rechts Y und Z)

Vorgesehene Zeit
20 MINUTEN
AUFGABE:
Ein
Ein Team
Team besch
besch äftigt
äftigt sich
sich mit
mit der
der Streuung
Streuung von
von Dimensionen
Dimensionen von
von
Sitzschienen.
Sitzschienen.
1.
1. Betrachten
Betrachten Sie
Sie die
die Diagramme
Diagramme in in Ihrem
Ihrem Workbook.
Workbook.
2.
2. Berücksichtigen
Berücksichtigen SieSie den Minitab®® -Datensatz
den Minitab -Datensatz (3.3
(3.3 Rail
Rail Dimension.MTW
Dimension.MTB). ).
3.
3. Erstellen
Erstellen Sie
Sie Graphiken
Graphiken der
der Ihnen
Ihnen das
das beste
beste Bild
Bild vom
vom Prozessoutp
Prozessoutput
ut
vermittelt.
vermittelt.
4.
4. Wählen
Wählen Sie
Sie aus
aus den
den Graphiken,
Graphiken, die
die in
in diesem
diesem Modul
Modul vorgestellt
vorgestellt wurd
wurden.
en.
5.
5. Schreiben
Schreiben Sie
Sie die
die Fragen
Fragen auf,
auf, die
die sich
sich aus
aus Betrachtung
Betrachtung der
der Grap
hiken
Graphiken
ergeben.
ergeben.
Daten sind von fünf Schienen vorhanden:

 Y and z -Richtung (die x-Richtung) Abweichungen entlang der Schienenlänge.
 Die mittleren Abweichungen in y- und z-Richtung entlang der Schienenlänge
 Spezifikationen sind +/- .2 mm vom Nominalwert.
Dimensionen von Sitzschienen

Graph Frage

Module 4: Bestimmen der Messgröße der vorgesehenen

Funktion
Übung 4.1: Aussagen zur vorgesehenen Funktion
Einleitung:
Die “vorgesehene Funktion” ist die Darstellung von dem, was ein Prozess machen sollte. Die
vorgesehene Funktion ist die positive Darstellung und nicht die Abwesenheit eines Problems.
Ein Prozess kann mehr als eine vorgesehene Funktion haben. Es treten dann Defekte auf,
wenn die vorgesehene Funktion nicht stetig ist. Innerhalb oder auch zwischen
Zyklen/Einheiten der Produktion.
Beschreibung der
Prozess Problem oder Defekt
vorgesehenen Funktion
grundlegenden Funktion
Verschwei ßen Erzeugen einer dichten Undichtheit
von Deckel und Schwei ßnaht.
Gehäuse
Weshalb
Weshalb wollen
wollen wir
wir Aus
Aus solchen
solchen
dies?
dies? Gründen
Gründen starten
starten
wir
wir ein
ein Six
Six Sigma
Sigma
Projekt!
Projekt!
geplante Zeit
7 MINUTEN
Aufgabe:
1. Lesen Sie die Aussagen im Arbeitsbuch “Was
wir vom Prozess erwarten.”
2. Welche Aussagen beschreiben die
“vorgesehenen Funktion” und welche
Aussagen beschreiben die “Abwesenheit eines
Problems”.
3. Beschreiben Sie zu Ihrem Projekt die
vorgesehene Funktion in dem freien Feld.
.

vorgesehene
Prozess Was wir vom Prozess erwarten Funktion oder
Problem?
Punktschweißen Erzeugen einer starken Verbindung
Keine Schweißspritzer
Batterien pastieren
Gleichmäßige Pastenverteilung auf dem Gitter
Keine Fehlstellen
Sitzbezüge nähen Keine losen Fäden
Keine welligen Nähte
Feste Nähte
Für Ihr Projekt:

Problem / Defekt:
Beschreibung der vorgesehenen Funktion:

Übung 4.2: Erstellen eines Wie Wie Diagramms

Einleitung:
Das Wie-Wie Diagram ist ein Mittel, um Prozesse genauer zu untersuchen.
Ein naher Verwandter der “Fünf Warum” ist das „Wie-Diagramm“. Jeder Prozess Schritt wird
hinterfragt mit “Wie?” und jede Antwort wird noch mal befragt mit “Wie?”, bis der komplette
Prozess funktional verstanden und dokumentiert ist.
Anders als beim Prozessablaufplan, behandelt das Wie-Diagramm nur die physikalische
Erklärung wie der Prozess funktioniert. Der Baum hat so viele Äste, wie benötigt werden, um
die physikalischen Zusammenhänge zu erklären.
Wie? Wie?
Zeit
Vorge-
sehene
Funktion
Die Physik wird von links nach rechts

immer detaillierter beschrieben.
geplante Zeit
20 MINUTEN
AUFGABE:
1. Wählen Sie aus ein Six Sigma Projekt aus Ihrer
Gruppe aus.
2. Erstellen Sie ein Wie-Diagramm des Prozesses,
beantworten Sie die bekannten Bereiche.
3. Erstellen Sie eine Liste von “Wie” Fragen, um die
Fachleute zu befragen.
4. Benutzen Sie ein Flipchart, um Ihre Ergebnisse den
anderen Teams zu präsentieren.

Wie- Diagramm / Funktionsdiagramm

Prozess:____________________________________

Brainstorm Process Ys: Beispiel Batterieschweißnaht
Einleitung:
 Um eine gute Verbindung zu schaffen, sollte das Schmelzen des Plastiks an allen Stellen
der Schweißverbindung stetig sein.
 Überlegen Sie die Physik des Prozesses:
 Welche Messung könnte dies erfassen?
Wie? Wie?
Erhitzen des Elektrische Energie wird in
Schweißspiegels Wärme umgewandelt. Vorgesehene Funktion:
Vorgesehene
Funktion:
Erzeugen einer dichten
schmelzen des Anpressen von Deckel und Verbindung zwischen Deckel
Plastiks von Deckel Gehäuse gegen den erhitzten
Erzeugen und Gehäuse Schweißspiegels und Gehäuse.
einer
Schweißnaht Deckel und Gehäuse
zwischen Hydraulische Presse
zusammenpressen
Deckel und
Gehäuse
Geschmolzenes Plastik ist
Schweißnaht miteinander verbunden (von
ist geformt Deckel und Gehäuse)
Es erstarrt beim Kühlen.
Effektive Einfach zu
Mögliche Messgrößen (Process Y’s) Messung? messen?

Übung 4.3: Messen der vorgesehenen Funktion:

Tiefziehteile und Platten schäumen
geplante Zeit
30 MINUTEN
AUFGABE: ZWEI BEISPIELE

 Prozess Beispiel A: Tiefziehteile
 Prozess Beispiel B: Platten schäumen
Für das Ihrer Gruppe zugewiesene Beispiel:
1. Erstellen Sie die Beschreibung der vorgesehenen Funktion für
jeden Prozess.
2. Beschreiben Sie, so weit bekannt, wie der Prozess funktioniert.
3. Schlagen Sie ein oder mehrere Prozess Y vor, die funktionieren
könnten.
4. Schätzen Sie die Effektivität und die einfache Anwendung der
Metrik ab
5. Was haben Sie herausgefunden?
Notizen:

Prozess Beispiel A: Tiefziehteile Prozess

Schauen Sie sich die Bilder an und beschreiben Sie was physikalisch passiert:
Inputs Process Outputs

••Stahlblech
Sheet metal STAMPING
Teile ••Tiefgezogene
Formed part
blank
• Pressenstopp PARTS
tiefziehen Teile
••Presswerkzeug
Press break Ziehen
Draw
• Die 
Stanzen
Punch

Form
Formen
Wie Defekte auftreten:
Beispiel A: Tiefziehteile Prozess

Vorgesehene Funktion:
Physikalische Beschreibung:
Mögliche Prozess Y’s: Effektive Messung? Einfach zu messen?

Beispiel B: Plattenschäumen-Prozess
Einleitung:
Platten werden mit flüssigem Schaum gefüllt. Der Schaum expandiert in der Form und ergibt eine
feste Schaumplatte, die die gesamte Form füllen sollte. Das Problem ist, dass die Form nicht
immer vollständig gefüllt ist. Um das zu kompensieren, füllen die MA mehr Schaum ein. Dabei tritt
zuviel eingefüllter Schaum oft aus den Ventilationsöffnungen aus.
Inputs Process Outputs
•• Metallplatten
Sheet metal Foam Panels
Platten • Panels
Mit Schaum
filled
• Foam with foam
gefüllte
• Schaum- schäumen
chemicals (solid)
Platten
chemikalien
(liquid)
•• Schaumform
. Hardware
Defekte
Die Form ist an allen vier Seiten geschlossen. Sie

ist hier nur zur Demonstration offen.
The panels are closed on all four sides, but are
shown opened here to illustrate how foam grows.
Beispiel B: Plattenschäumen-Prozess
Vorgesehene Funktion:
Physikalische Beschreibung:
Mögliche Prozess Y’s: Effektive Messung? Einfach zu messen?

Übung 4.4: Multi-Vari Analyse:

Schaumblöcke schäumen und Laserschweißen
geplante Zeit
20 MINUTEN
AUFGABE:
1. Lesen Sie die Beschreibungen der im Arbeitsbuch dargestellten Prozesse:
 Prozess Beispiel A: Schaumblöcke schäumen
 Prozess Beispiel B: Laserschweißen
1. Benutzen Sie Minitab® und die Daten aus Datei “4.4 Multivar.mtw”.
Erstellen Sie ein Multi-Vari Chart für jeden Prozess.
(In Minitab® : Wähle Stat > Quality Tools > Multi-Vari Chart.).
2. Bestimmen Sie die Quelle der größten Streuung für jeden der Prozesse.
Beispiel A: Schaumblöcke schäumen

Einleitung:
Um einheitliche Dachhimmel zu produzieren,
werden große Schaumblöcke geschäumt Drei geschäumte Schaumblöcke
und dann in Scheiben geschnitten. Eine
gleichmäßige Dichte des Schaums wird
gefordert.
Drei Blöcke werden gemessen. Aus jedem
Block werden drei Scheiben für Proben
entnommen. Die Scheiben stammen aus
drei unterschiedlichen Höhen - Oben, Mitte
und Unten.
Von jeder Scheibe werden 7 Positionen
vermessen. FROM EACH FOAM BLOCK:
Erstelle ein Multi-Vari-Chart: Bestimme die
größte Quelle der Variation: untere Lage
Von Block zu Block
mittlere Lage
Zwischen den Höhen 1 2 3
Zwischen den Positionen obere Lage
4
Die Daten befinden sich in der Minitab Datei:
„Exercise 4.4 Foam Block.MTW“ 5 6 7
Quellen der größten Streuung:
 Block zu Block
 zwischen den Scheiben
 zwischen den Positionen

Beispiel B: Laserschweißen
Einleitung:
Die Schweißgüte kann über die Messung der
„Schweißbreite“ bestimmt werden.
Das Ziel ist es, eine konsistente Schweißbreite von größer 1 mm zu bekommen.
Wir haben Daten zu Beginn und zu Ende eines 4-
stündigen Tests erhoben.
Die Daten stammen von verschiedenen
Spanneinrichtungen und von vier verschiedenen
Stellen. Erstelle ein Multi-Vari Chart. Bewerte die
verschiedenen Quellen der Variation bezüglich der
Schweißbreite:
Über die Zeit (Beginn und Ende des Versuches)
Zwischen den Aufspannvorrichtungen
Innerhalb des Teils: verschiedene Schweißposition
Die Daten befinden sich in der Minitab Datei
„Exercise 4.4 Fusion Width.mtw“
SCHWEISSBREIT
A
B
C D
Größte Quelle für Variation:

 über der Zeit
 zwischen den Spannvorrichtungen
 zwischen den Schweißpositionen

Modul 5: Messsystemanalyse
Übung 5.1: Komponenten der Messsystemstreuung
Einleitung:
Der Gesamtfehler eines Messsystems ist die Summe aus:
– Genauigkeit – Reproduzierbar
– Wiederholbarkeit keit
– Stabilität
AUFGABE:
1. Schauen Sie sich die grafische Darstellung der Messsystemkomponenten an.
2. Ordnen Sie den Grafiken die entsprechenden Aussagen zu.
Genauigkeit
A B
Wiederholbarkeit
beobachteter tatsächlicher
Durchschnitts- Durchschnitts-
wert wert
C D
Reproduzierbarkeit
Stabilität
Prüfer B
Zeit 1 Zeit 2
Prüfer A Prüfer C
1. Die Abweichungen beim Mittelwert, die sich ergeben, wenn zwei Messreihen mit dem
gleichen Messmittel zu unterschiedlichen Zeiten durchgeführt werden.
2. Der Unterschied zwischen dem beobachteten Mittelwert und dem tatsächlichen Mittelwert
des gemessenen Merkmals.
3. Die Abweichungen, die sich bei mehrmaligen Messungen ergeben, wobei die Messungen
von einem Prüfer am identischen Werkstück vorgenommen werden und immer ein und
dasselbe Merkmal gemessen wird.
4. Die Abweichung bei den Mittelwerten, die bei Messungen durch verschiedene Prüfer
entstehen, wobei ein und dasselbe Messmittel verwendet wird und an identischen
Werkstücken immer dasselbe Merkmal gemessen wird.

Übung 5.2: Welche Komponente des Messfehlers ist es?

Einleitung:
Der Gesamtfehler eines Messsystems ist die Summe der Abweichungen aus
Wiederholbarkeit, Reproduzierbarkeit, Genauigkeit und Stabilität. Für ein Six Sigma Team ist
es sehr wichtig, diesen Zusammenhang zu kennen.
AUFGABE:
1. Lesen Sie sich die Aufgabenstellung durch.
2. Identifizieren Sie die die Komponenten des
Messsystemfehlers, wie unten beschrieben..
 Der wahre Gewicht des Teiles beträgt 185.97g.

 Mit einer digitalen Waage wurden bei Wiederholungsmessungen an dem
gleichen Teil von gleichen Prüfer innerhalb einer kurzen Zeitspanne folgende
Gewichte ermittelt:
 182,40; 182,39; 182,41; 182,37 und 182,43.
1. Der Mittelwert aus 5 Messungen (Gewicht) beträgt 182,40g. Nehmen

wir an, dass der wahre Mittelwert 185,97g beträgt, die Waage also
konsistent im Durchschnitt 2,97g zu wenig anzeigt.
2. Es gibt auch Unterschiede von Messung zu Messung. In diesem Fall

beträgt die Spannweite der Messwerte 0,06g.
a. Wiederholbarkeit
b. Reproduzierbarkeit
c. Gesamtfehler des Messsystems
d. Genauigkeit

Übung 5.3: Weitere Ursachen für Messsystemstreuung

Einleitung:
 Ein Team untersucht einen Nietprozess.
 Gemessen werden Kopfhöhe und Durchmesser.
AUFGABE:
Beantworten Sie bitte folgende Fragen:
Nietkopf- D
durchmesser Nietkopf-
H höhe
1. Welche Streuungsquellen müssen berücksichtigt werden, damit Kopfhöhe und Durchmesser

verlässlich gemessen werden können?
2. Wie sollte die Messsystemanalyse durchgeführt werden?

% Study Variation vs. % Tolerance
Diskutieren Sie diese Fragen im Team und fassen Sie die Ergebnisse auf
einer Flipchart zusammen.
Einleitung:
1. % Study Variation ist vor allem beim Baselining des Prozesses
(Measure Phase) von Bedeutung.
• Stellen Sie sicher , dass die gemessenen Teile repräsentativ für die
tatsächliche Prozessvarianz sind
 Gage R & R Study Var   0 . 34306 

% Study Var  100     100     32 . 66 %
 Total Variation Study Var  1 . 05042 
2. Der % Tolerance–Wert ist wichtig um i.o. und n.i.o.-Teile zu unterscheiden.
 Gage R & R Study Var   0 . 34306 

% Tolerance  100     100     22. 87
 Tolerance Range   1. 5 
Warum sind sowohl % Study Variation als auch % Tolerance wichtig?

Übung 5.4: Variable Gage R&R mit Minitab®
AUFGABE:
1. Öffne Sie die Datei 5.4 GAGEAIAG.MTW
2. Führen Sie die Gage R&R-Studie
entsprechend den Anweisungen durch.
1. Öffnen Sie die Datei: 5.4 GAGEAIAG.MTW

2. Wählen Sie: Stat > Quality Tools > Gage Study >Gage R&R Study (crossed)
3. Als “Part Number” C1 – Part auswählen
4. Als “Operator” C2 – Operator auswählen
5. Als “Measurement Data” C3 – Response auswählen
6. Wählen Sie: Options>Study Variation und geben Sie 5.15 ein (Anzahl der
Standardabweichungen)
7. Klicken Sie OK , OK
Notizen:

Übung 5.5: Variable Gage R&R mit Minitab®
AUFGABE:
1. Jedes Team erhält 10 Gegenstände und ein Messmittel.
2. Jeder der 3 Prüfer misst jeden Gegenstand 2 Mal. Die Teile sollten in
zufälliger Reihenfolge gemessen werden und die beiden Durchläufe
sollten unabhängig von einander sein..
3. Tragen Sie die Messergebnisse in ein Datensammelblatt ein.
4. Geben Sie die Daten in Minitab® ein und analysieren Sie sie mit der
ANOVA-Methode.
5. Beantworten Sie folgende Frage:
Ist das Messsystem adäquat?

Warum bzw. Warum nicht?
Notizen:

Gruppendiskussion: Besondere Herausforderungen
Diskutieren Sie folgende Fragen in Ihrem Team:
Was tun, wenn sich das Teil während den Messungen verändert? Wie kann man dann zwischen
der Streuung des Messsystems und der Streuung, die durch die Veränderung des Teils entsteht,
unterscheiden?
 Was tun, wenn es sich um eine zerstörende Prüfung handelt?
 Kann man Mittelwerte bilden, um dadurch die Reproduzierbarkeit zu verbessern? Warum,

bzw. warum nicht?

Übung 5.6: Attributitive Gage R&R: Was sind die Streuungsquellen?

AUFGABE:
3 Beispiele für Attribute Gage R&R.
1. Schauen Sie sich die Beispiele an.
2. Ordnen Sie die Beispiele den Streuungsquellen zu.
3. Was sind mögliche Ursachen für die
Abweichungen?
Beispiel 1 Appraiser 1 Appraiser 2

Sample Attribute First Repeat First Repeat Sample Attribute First Repeat First Repeat Sample Attribute First Repeat First Repeat
1 G G G G G 1 G G G G G 1 G G G G G
6 G NG G G G 6 G NG G G G 6 G NG G G G
9 NG G G NG NG 9 NG G G NG NG 9 NG G G NG NG
10 NG NG NG G G 10 NG NG NG G G 10 NG NG NG G G
13 NG NG NG NG NG 13 NG NG NG NG NG 13 NG NG NG NG NG
17 NG NG NG NG NG 17 NG NG NG NG NG 17 NG NG NG NG NG
 Ordnen Sie die Beispiele den Streuungsquellen zu:

Streuungsquelle Beispiel # Mögliche Ursachen für die Abweichungen?
Within Appraiser
Between
Appraiser
Appraiser vs.
Standard

Übung 5.7: Attributive Gage R&R mit Minitab®
AUFGABE:
Folgen Sie den Anweisungen. Überprüfen
Sie, ob das Messsystem adäquat ist..
1. Bilden Sie 3er-Teams:

 Eine Person übernimmt die Aufgabe des “Experten” und legt fest, welche Teile “gut”
und welche Teile “schlecht” sind.
 Die anderen beiden Personen sind die Prüfer.
2. Die Aufgabe der Prüfer ist es, zu entscheiden, welche M&Ms gut sind. (Kriterien für ein
“Gutes” M&M: Gute Farbe, glänzend, Gutes “M”.)
3. Ordnen 30 M&Ms auf einem Blatt Papier an und nummerieren Sie sie von 1-30.
4. Nachdem der “Experte” seine Beurteilung abgegeben hat, bewertet jeder Prüfer jedes
M&M zwei Mal (unabhängig voneinander!).
5. Geben Sie die Daten in Minitab® ein und wählen Sie Stat > Quality Tools > Attribute
Agreement Analysis, um die Daten zu analysieren..
Notizen:
Notizen

Modul 6: Bewerte das Prozessverhalten

Übung 6.1: Mittlere tägliche Produktionskosten
Einleitung:
Die mittleren täglichen Produktionskosten im Werk XYZ sind innerhalb der letzten vier
Wochen jede Woche gestiegen, wie im Diagramm unten gezeigt.
Der Produktionsleiter beauftragt Ihr Team herauszufinden, warum die Kosten steigen und er
möchte, dass Sie erklären, wodurch die Änderung innerhalb der einzelnen Wochen verursacht
wird.
 Benutzen Sie den Platz der zur Verfügung

steht, um die Fragen unten zu
beantworten.
 Da dies eine fortführende Übung ist,
schauen Sie bitte nicht vorher die nächste
Frage an.
 Frage 1: Frage 1: Basierend auf

dieser Grafik, sollten wir nach Ursachen
für die Kostensteigerung suchen?
____________________________________
____________________________________
____________________________________
____________________________________

Haben Sie nach mehr Daten gefragt? Das ist ein guter Start.
 Frage 2: Wenn Sie auf diese Daten schauen, was würden Sie als nächsten machen?
Frage 3: Der Produktionsleiter beauftragt Ihr Team eine Untersuchung durchzuführen, die
herausfinden soll, warum die Kosten steigen.
 Ist dies eine sinnvolle Fragestellung?

 Erläutern Sie:

Teil Zwei: Korrekturmaßnahme

Nach einem langen Meeting wurde ein Aktionsplan entwickelt. Später in der Woche wurden die
Maßnahmen implementiert. Die Daten der darauf folgenden vier Wochen kann man unten sehen:
 Haben die Maßnahmen gewirkt? Erläutern Sie:

Process Control Diskussion
 Ist der Prozess fähig?

 Erläutern Sie.

Übung 6.2: Verteilung von Einzel- und Mittelwerten

Teil Eins: Datensammlung
AUFGABE:
JEDER SOLL SEINE LETZTEN 4 ZIFFERN SEINER PRIVATEN
TELEFONNUMMER SAGEN
TRAGEN SIE JEDEN WERT, SOBALD GENANNT, AN DIE PASSENDE STELLE
IM DIAGRAMM IN IHREM ARBEITSBUCH EIN.
STARTEN SIE AM BODEN DES DIAGRAMMS
EINZELWERTE
0 1 2 3 4 5 6 7 8 9

Teil Zwei: Aufnahme der Mittelwerte

AUFGABE:
Berechnen Sie den Mittelwert der letzten 4 Nummern ihrer Telefonnummer (Runden Sie auf 0,5)
Jeder nennt seinen Mittelwert
Tragen Sie jeden Datenwert, nachdem genannt, in die richtige Stelle des Diagramms ein.
Beginnen Sie am Boden des Diagramms
.
Letzten 4 Ziffern der Nummer #: ______________ Mittelwert: ______________
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5 9 9,5
Teil Drei AUFGABE:

Vergleichen Sie die beiden Verteilungen, was
beobachten Sie?

Übung 6.3: Xbar & R Charts mit Minitab

Teil Eins: Mit Übungsleiter
 Ein Team hat die Dimensionen (inches) eines Details an einem Dachhimmel zu
kontrollieren.
 Die Untergruppengröße ist n=5
ANWEISUNG:
1. öffnen Sie die Datei 6.3 X-Bar and R.MTW
2. folgen Sie dem Übungsleiter, um ein Xbar and R Chart
über die Daten in Spalte 1 (Dimension) zu erstellen.
3. beachten Sie die Beschreibungen weiter unten.
 Öffnen Sie das Worksheet:

 Wählen Sie Stat > Control Charts > Variable charts for subgroups > Xbar-R
 In der Dialogbox wählen Sie “C1 Dimension” aus

 In subgroup sizes: geben Sie “5” ein
 Wählen Sie OK
 Was kann über das Range Chart gesagt werden?
 Was kann über das Xbar Chart gesagt werden?
 Ist der Prozess unter statistischer Kontrolle?

Einleitung: Teil Zwei (a) Sie sind dran: “Response Time (Hours)”
 Ein Hotline Team sammelte Daten über die Zeiten (in Stunden) die vergehen bis
Kundenanfragen beantwortet wurden.
 Die Daten enthalten 5 Anrufe an jedem der 15 Tage.
AUFGABE:
Erstellen Sie ein Xbar and R Chart
unter Verwendung der Daten in
Spalte 2 (Hours).
 Was können wir über das Range Chart sagen?
______________________________________________________________________
 Was können wir über das Xbar Chart sagen?
______________________________________________________________________
______________________________________________________________________
Teil Zwei (b) Sie sind dran: “Aufkleberposition (mm)”

 Ein Team muss die Position eines Aufklebers bewerten.
 Jede Stunde wurden 5 Proben entnommen, wobei die erste Probe bei Schichtbeginn
genommen wurde (3. Datenspalte).
AUFGABE:
Erstellen Sie ein Xbar and R Chart
unter Verwendung der Daten in
Spalte 3 (Position).
 Was können wir über das Range Chart sagen?
______________________________________________________________________
 Was können wir über das Xbar Chart sagen?
______________________________________________________________________
______________________________________________________________________

Referenz: Erstellung eines I-MR Charts

Anweisung
Die folgenden Informationen basieren darauf, wie ein I-MR Chart in Minitab ® erstellt wird.
1. Einzelmessungen
Sample 1 2 3 4 5 6 7
X 8 8,5 7,4 10,5 9,3 11,1 10,4
MR 0,5 1,1 3,1 1,2 1,8 0,7
2. Berechnen Sie den Moving Range für jede Untergruppe, beginnend mit Untergruppe 2.
MR ist gleich dem Range der Untergruppe und dem vorherigen Untergruppenwert.
Untergruppe 2 : MR = 8,5 – 8,0 = 0,5

Untergruppe 3 : MR = 8,5 – 7,4 = 1,1
Untergruppe 4 : MR = 10,5 – 7,4 = 3,1
3. Berechnen Sie X, den Mittelwert aller Einzelwerte. X ergibt die Mittellinie im I-Chart.
X = 1/7 (8,0 + 8,5 + 7,4 + 10,5 + 9,3 + 11,1 + 10,4) = 9,31
4. Berechnen Sie R, den Mittelwert über alle MRs. R ergibt die Mittellinie im
MR Chart.
R = 1/6 (0,5 +1,1 + 3,1 + 1,2 +1,8 + 0,7) = 1,4
5. Berechnen Sie die Kontrollgrenzen :
Für das I-Chart :

UCL = X + 2,66 R LCL = X – 2,66 R
UCL = 9,31 + (2,66 x 1,4) LCL = 9,31 - (2,66 x 1,4)
UCL = 13,04 LCL = 5,59
Für das MR chart :
UCL = D4 R LCL = D3 R (D3, D4 basierend auf n = 2)
UCL = 3,267 x 1,4 LCL = 0 x 1,4
UCL = 4,57 LCL = 0

6. Zeichnen Sie die Mittellinien und die Kontrollgrenzen in beiden Diagramme ein.
Zeichnen Sie die Xe und die MRs. Analysieren Sie das Chart.
ACHTUNG: Trends sind nicht unüblich für MR Charts und identifizieren keine
instabilitäten.
Kein Chart zeigt Anzeichen für eine instabile Situation.
Notizen:

Übung 6.4: I-MR Charts mit Minitab®

Einleitung:
 Daten wurden gesammelt über a) Entwicklungskosten und b) Verkäufen.
AUFGABE:
1. Öffnen Sie 6.4 IMR.MTW
2. Erstellen Sie I & MR Charts für
a) C1 Eng Costs und
b) C2 Sales.
3. Beantworten Sie die Fragen zu jeder Analyse
Select Stat > Control Charts > Variable charts for Individuals > I-MR
 Daten über die monatlichen

Entwicklungskosten in $ befinden
sich in Spalte C1 „Eng_Cost“.
 Daten über die monatlichen
Verkaufszahlen in $ befinden
sich in Spalte C2 „Sales“.

a) Entwicklungskosten ($)
Sind die Entwicklungskosten über die letzten 36 Monate stabil? Was untermauert Ihre
Schlussfolgerung?
b) Verkäufe ($)
Sind die Verkaufszahlen über den angezeigten Zeitbereich stabil? Was untermauert Ihre
Schlussfolgerung?

Referenz: Erstellung von p und u Charts

p Chart
Average proportion
Wobei:
Subgroup Size (n)
defective (p bar)
Defectives (np)
defective (p)
Subgroup #
Number of defectives
p 
proportion
Subgroup size
3 UCLp LCLp
1. 11 202 0.054 0.057 0.049 0.106 0.008
p   np
p 
226
 0 . 057
2. 12 204 0.059 0.057 0.049 0.106 0.008
pn
3. 10 201 0.050 0.057 0.049 0.106 0.008
3979 4. 12 191 0.063 0.057 0.050 0.107 0.007
5. 11 192 0.057 0.057 0.050 0.107 0.007
6. 14 193 0.073 0.057 0.050 0.107 0.007
3 p(1  p)
3  7. 17 199 0.085 0.057 0.049 0.106 0.008
n 8. 9 203 0.044 0.057 0.049 0.106 0.008

9. 13 200 0.065 0.057 0.049 0.106 0.008
10. 8 196 0.041 0.057 0.050 0.107 0.007
11. 13 191 0.068 0.057 0.050 0.107 0.007
12. 14 197 0.071 0.057 0.050 0.107 0.007
13. 13 200 0.065 0.057 0.049 0.106 0.008
UCLp  p  3  14. 12 202 0.059 0.057 0.049 0.106 0.008
15. 9 198 0.045 0.057 0.049 0.106 0.008
16. 10 209 0.048 0.057 0.048 0.105 0.009
17. 11 198 0.056 0.057 0.049 0.106 0.008
LCLp  p  3  18. 6 197 0.030 0.057 0.050 0.107 0.007

19. 13 210 0.062 0.057 0.048 0.105 0.009
20. 8 196 0.041 0.057 0.050 0.107 0.007
T 226 3979

u Chart
Wobei:
Defects per
Defects per
Subgroup #
Unit (u bar)
Defects (c)
Averaage
Units (n)
c c2 6
Unit (u)
u  z . B. u 2    0 . 207 UCLu LCLu
n n2 29 1. 9 33 0.273 0.290 0.571 0.009
2. 6 29 0.207 0.290 0.590 0.000
u  c 
175
 0 . 290
3. 11 31 0.355 0.290 0.580 0.000
n 603 4.
5.
14
14
29
23
0.483
0.609
0.290
0.290
0.590
0.627
0.000
0.000
6. 15 26 0.577 0.290 0.607 0.000
u
UCL u u 3 7. 5 36 0.139 0.290 0.559 0.021
n 8. 9 31 0.290 0.290 0.580 0.000

9. 14 35 0.400 0.290 0.563 0.017
UCL u  0 . 290  3 0 . 290  0 . 559 10. 6 27 0.222 0.290 0.601 0.000

11. 7 24 0.292 0.290 0.620 0.000
36
7
12. 5 37 0.135 0.290 0.556 0.024
u 13. 5 33 0.152 0.290 0.571 0.009

LCL u  u  3 14. 7 29 0.241 0.290 0.590 0.000
n 15. 7 33 0.212 0.290 0.571 0.009
16. 5 23 0.217 0.290 0.627 0.000
LCL u  0 . 290  3 0 . 290  0 . 021 17. 8 37 0.216 0.290 0.556 0.024
7
36 18. 8 22 0.364 0.290 0.634 0.000
19. 11 27 0.407 0.290 0.601 0.000
20. 9 38 0.237 0.290 0.552 0.028
T 175 603

Übung 6.5: p & u Charts mit Minitab®

 Ein Team analysiert die Anzahl Falten in Sitzbezügen.
AUFGABE:
1. Öffnen Sie die Datei: 6.5 p & u Charts.MTW
2. Für jedes Beispiel (Falten & Applikation):
 Entscheiden Sie, welche Art von Regelkarte ist zu
verwenden für die Daten
 Erstellen und interpretieren Sie das Chart
 Die erste Datenspalte (Wrinkles) gibt die

Anzahl der Sitze mit Falten befor sie durch
den Dampfer laufen.
 Die zweite Datenspalte (n Wrinkles) gibt die
Stichprobengröße
 Select Stat > Control Charts > Attribute charts>
 In die Variables: wählen Sie “Wrinkles”

 In der Subgroup sizes: wählen Sie “n
Wrinkles“
 Wählen Sie OK.

Was sagt uns dieses Chart?

 Spalte Drei (Applique) ist die Anzahl von

Defekten pro Teil.
 Spalte Vier (n Applique) ist die Anzahl an
Teilen die untersucht wurden.
 Ausführliche Instandhaltung an der
Gußmaschine wurde nach der 11. Stichprobe
durchgeführt.
 Entscheiden Sie, welches Chart zu verwenden ist und konstruieren Sie es
Was sagt uns dieses Chart?

Übung 6.6: Dunkle Schlieren an Türverkleidungen – Prüfen der

potentiellen Ursache
Einleitung:
Der erste Schritt der Special Cause Problemlösung ist es die IST/IST NICHT Analyse
auszuwählen. IST/ IST NICHT Analyse ist ein strukturierter Weg darzustellen, was wir über
das Problem bereits wissen und was wir noch herausfinden müssen. Zuerst muss das Team
klar definieren was das Problem IST und was das Problem NICHT IST. Danach wird die
IST/IST NICHT Analyse durchgeführt um Fragen zu generieren und mögliche Ursachen für
das Problem oder den Defekt zu nennen.
Problemanalyse ®
KT
Problembeschreibung
IS
IST IS
ISTNOT
NICHT
WAS
WHAT
WHERE
Wo
WANN
WHEN
AUSMAß
EXTENT
Fragen die beantwortet werden müssen:

Was: Welches Objekt ist es? Was ist die physikalische Abweichung? Bei einem
visuellem Effekt, beschreiben Sie Größe, Form, Farbe, Beschaffenheit, etc.. Was
ist es NICHT?
Wo: Wo geografisch? Welche Produktionslinie, Maschine, Teile, Abteilungen? Wo am
Objekt? Wo NICHT?
Wann: Wann wurde es zuerst erkannt? Taucht es periodisch auf? Wann im
Lebenszyklus? An welchem Prozessschritt oder –stufe? Wann NICHT?
Ausmaß: Wie viele Objekte sind betroffen? Wie viele Unterschiede pro Objekt? Was ist das
Ausmaß? Wie ist der Trend?
Änderungen und Besonderheiten

Als nächstes benutzt das Team die IST/IST NICHT Informationen um alle Änderungen und
Besonderheiten aufzulisten.
Problemanalyse
Describe Problem
Problembeschreibung
Besonderheiten Änderungen
Was ist unterschiedlich, Was änderte sich in, im
IST
IST
NICHT merkwürdig, speziell oder Umfeld oder bei jeder
einzig-artig an IST Besonderheit? Wann trat
verglichen mit IST NICHT? die Änderung auf?
WAS
WO
WANN
AUSMAß

Beispiel: Dunkle Schlieren an Türverkleidungen

Problem Analyse
Problem Analysis ®
Problembeschreibung KT
Descrbe Problem
Benenne das Problem: Dunkle Schlieren auf Türverkleidungen
Spezifiziere das Problem: IST IST NICHT
WAS:
Welches Objekt? Geformte Türverkleidung X Geformte Türverkleidungen Y & Z
Welche Abweichung? Dunkle Schlieren, Sonnenstrahl Form Helle Schlieren, zufällige Form
WO: Spritzgussmaschine #1 Spritzgussmaschine #2
Wo Geografisch? (Stapelpresse) (Stapelpresse)
Wo am Objekt? Sternförmig von Einspritzstelle Weg von Einspritzstelle
WANN:
Seit Tag 1
Wann zuerst?
Wann im Lebenszyklus? Austritt aus Presse, nach Verteiler Herstellproz. nach Presse
AUSMASS
90% mit Defekten.
Wie viele Objekte?
Wie groß ist das Ausm.? 25% sind kritisch (bedecken ganzes
Teil)
Wie viele Abweichungen? Eine pro Verkleidung, mit mehreren
Linien
Welcher Trend zeichnet Plötzlicher Sprung nach Tag 15; Stabil mit Mittelwert von 0,9
sich ab? neuer Mittelwert ~ 4,0 (Regelkarte)
Das Team fragt:

BESONDERHEITEN: Was ist besonders an der Türverkleidung X? Wie unterscheidet sie sich von den
Türverkleidungen Y & Z?
- Die Türverkleidung X ist schwarz, die anderen 2 sind bräunlich.
ÄNDERUNGEN: Was änderte sich in, im Umfeld oder bei jeder Besonderheit
- Die schwarze Farbe wurde 3 Tage zuvor hinzugefügt.
Bis dahin wurde die Türverkleidung X nur mit dem
Basisgranulat hergestellt.
Xbar-R Chart of Rating
5 1
1
4 1
1 1 1
Sample M ean
2 U C L=2.025
_
1
_
X=0.987 AUFGABE:
0 LC L=-0.052 Beachten Sie die beigefügten
1 3 5 7 9 11 13 15 17 19 21 Informationen
Sample
Day Könnte der schwarze Farbstoff ein
4
U C L=3.806 Grund für die schwarzen Schlieren
3
sein? Warum oder warum nicht?
Sample Range
2 _
R=1.8
0 LC L=0
1 3 5 7 9 11 13 15 17 19 21
Sample
Day
Dieser Graph beinhaltet die Daten von Türverkleidung X der letzten

21 Tage.
Daten entsprechen der 0-5 Skale der dunklen Schlieren auf
Türverkleidungen.

Modul 7: Bestimmen der Prozessfähigkeit

Übung 7.1: Test auf Normalität
Einführung:
 Obwohl das Histogramm dazu benutzt werden kann, um ein Urteil über die Normalität zu
fällen, kann ein statistischer Normalverteilungstest auch durchgeführt werden.
 Minitab®
Interpretation des P-Werts (Wahrscheinlichkeitswert): verwendet
den Anderson-
Darling Test, um zu bestimmen, ob eine
Datenmenge als normale Daten Beispiel: Montagezeit
behandelt werden kann.
 Der P-Wert ist die

Wahrscheinlichkeit diese
Stichprobe zu erhalten, wenn die
Grundgesamtheit normal ist.
P-Wert = 0,001 nicht normal
 P-Wert < 0,05 bedeutet, dass die
Wahrscheinlichkeit diese
Stichprobe von einer normalen
Grundgesamtheit zu erhalten sehr
klein ist (kleiner 5%).
AUFGABE:
1. Öffnen Sie die Datei “7.1 Tensile.MTW”.
2. Für jedes Beispiel (P Time, Tensile):
a) Erstellen Sie ein Histogramm mit Hilfe von Minitab®.
b) Führen Sie einen Anderson Darling Normalitätstest durch mit Minitab®.
c) Frage: Sind die Daten normal verteilt?

Auswertung der “P-time”-Daten:
a) Erstellen Sie ein Histogramm:

Wählen Sie Graph > Histogram.
Markieren Sie “Simple”, klicken Sie OK, geben Sie ‘P Time’ in das Graph variables
Kästchen ein und klicken Sie anschließend auf OK.
Stichprobengröße n = 50.
Mit einer begrenzten Anzahl an

Daten ist es sehr schwierig
festzustellen, ob die Daten aus
einer normalverteilten
Grundgesamtheit stammen.
Mit Hilfe des Anderson-Darling
Normalitätstests können wir eine
endgültige Entscheidung treffen.
b) Führen Sie einen Anderson Darling Normalitätstest durch:

Wählen Sie Stat > Basic Stat > Normality test.
Füllen Sie die Maske wie angegeben aus und klicken Sie dann auf OK

Ergebnis:
p-Wert = 0,467
Ein p-Wert von

0,467 übersteigt
den Grenzwert
von 0,05.
c) Sind die „P-time“- Daten normal verteilt?

Warum bzw. warum nicht?
Auswertung der „tensile“- Daten: Sind die Daten normal verteilt?

Warum bzw. warum nicht?

Übung 7.2: Daten beschreiben

Einführung:
Drei Kenngrößen werden benutzt, um ein Menge von variablen Daten zu beschreiben:
 Form (Histogramm)
 Lage (Mittelwert, Median, Modalwert)
 Streuung (Spannweite, Standardabweichung, Varianz)
Alle drei Kenngrößen werden verwendet, um die Prozessfähigkeit zu schätzen.
AUFGABE:
Öffnen Sie die Minitab Datei “7.2 Describing Data.MTW”
Bearbeiten Sie folgende Aufgaben für den Datensatz, der
Ihrem Team zugeteilt wurde:
1. Bestimmen Sie für Ihren Datensatz die Lage, die Streuung
und die Form. Sind die Daten normal verteilt?
2. Verwenden Sie Minitab®, um entsprechende Graphen zu
erstellen.
3. Präsentieren Sie die deskriptive Statistik und die Grafiken
der Schulungsgruppe und diskutieren Sie, was Ihre
vorbereitete Analyse über die Daten aussagt.

 In fünf Situationen sind Daten gesammelt worden.

 Alle Daten sind in der zeitlichen Reihenfolge aufgelistet.
A. COST: Tägliche Kosten wurden über 15 Woche gesammelt. Untergruppengröße

ist n=4
B. CUTOFF: Filzstreifen werden von Hand mit einem Festanschlag auf 110mm
geschnitten. Untergruppengröße ist n=5
C. ID: Innere Abmessung einer Sitzschiene. Nominal liegt bei 8cm.
Untergruppengröße ist n=5
D. THICKNESS: Dicke von Schaumstoffplatten.
Untergruppengröße ist n=5
E. DELIVERY TIME: Zeit in Tagen um Prototypenteile zu liefern. Untergruppengröße
ist n=4
Notizen:

Übung 7.3: Bestimmen der Fläche mit Hilfe der z-Tabelle

Einführung:
 0 y
Die Standardnormalverteilung, oft
auch z-Verteilung genannt, hat: z
 1
z = 0,80 
Wobei z die Anzahl

der Standard-
abweichungen vom
Mittelwert darstellt.
Beispiel:
ZEIT DER STELLENBESETZUNG FÜR BÜROSTELLEN
%?
z = 0,80
12.0
2.5 5.0 7.5 10.0 12.5 15.0 17.5 Tage P = 0,2119
aus z-Tabelle
-3 -2 -1  1 2 3 z Skala
y    12.0  10.0  2.0 

z 0.80
 2.5 2. 5

AUFGABE:
Verwenden Sie das vorhergehende Beispiel “Zeit der
Stellenbesetzung für Bürostellen”:
Welcher Anteil an Stellenbesetzungen benötigt 14 Tage oder mehr?
ZEIT DER STELLENBESETZUNG FÜR BÜROSTELLEN
14.0
2.5 5.0 7.5 10.0 12.5 15.0 17.5 Tage
-3 -2 -1  1 2 3 z Skala

2,09)
z-Tabelle im Dezimalsystem für einen gegebenen Wert (für z-Werte von 0,5 bis

Cp Index Berechnung
USL = 182
LSL = 160
ZIEL
171
167,8 178,6 189,4 Zur Erinnerung:

Berechnen Sie den Cp Index:
USL  LS
Cp   ____
6 L
Würde dieser Prozess bei Zentrierung fähig sein, die Spezifikationen zu erfüllen?

Übung 7.4: Prozessfähigkeit
Einführung:
Wenn die Grundgesamtheit
normalverteilt ist, dann werden die
Flächen unterhalb der
Normalverteilungskurve genutzt, um
die Anteile der Produkte, die
außerhalb der Spezifikationsgrenzen
liegen, zu bestimmen.
Schritte, um die Prozessfähigkeit zu bestimmen: Normalverteilung

Annahmen: Prozess ist stabil. Gage R&R ist fähig.
1. Überzeugen Sie sich, dass die Daten normalverteilt sind. (Histogramm, Anderson-Darling
Test).
2. Berechnen sie den Mittelwert und die Standardabweichung des Prozesses (normalerweise
durch Verwendung von Informationen aus einem X Bar- und R-Chart).
3. Bestimmen Sie die Prozessstreuung (Breite von 6 Standardabweichungen) und
vergleichen Sie sie mit den Spezifikationsgrenzen. Erstellen Sie das Fähigkeitsdiagramm.
4. Berechnen Sie den Prozentanteil des Produkts der außerhalb der Spezifikationsgrenzen
liegt. Stellen Sie sicher, dass sie die Spezifikationsgrenzen verwenden, die die
Kundenerwartungen beschreiben!
5. Bestimmen Sie die potentielle Fähigkeit des Prozesses durch Berechnung des Cp-Index.
6. Bestimmen Sie die tatsächliche Leistung des Prozesses durch Berechnung des Cpk-Index.
AUFGABE:
1. Bestimmen Sie die Prozessfähigkeit mit Hilfe der 6
Schritte für das Beispiel, dass Ihrem Team zugewiesen
wurde.
 “Number of Calls “ Daten
 “Decal Position” Daten
2. Für jedes Beispiel wurde Schritt 1 schon ausgeführt.

“Calls Daten” – Schritt 1
Ein Team untersucht die Daten

von einer Telefonumfrage, die
durchgeführt wurde, um
Feedback vom Kunden zu
erhalten. Die Messgröße ist
“Anzahl der Anrufe pro Tag”. Die
Datenmenge umfasst 25 Wochen.
Die Spezifikation ist 150 + 10
Anrufe pro Tag.
Untergruppengröße = 5
Anderson Darling:
P-Value = 0,215
Normalität wird angenommen.
Rbar = 6,18


Schätzen des Prozessmittelwertes und der Standardabweichung:
Prozessmittelwert = Xbar = __________
Prozess Standardabweichung () = Rbar / d2 = ___________________

Bestimmen der Prozessstreuung und Vergleich mit den Spezifikations-
grenzen:
Xbar + 3 =151,2 + 3 (2,66) = ______
Xbar - 3 =151,2 - 3 (2,66) = ______
Beschriften Sie die

Felder, die die Streuung
des Prozesses angeben.
Zeichnen Sie
anschließend die
Spezifikationsgrenzen
ein.
Scheint der Prozess
fähig zu sein, die Spez.
einzuhalten?

“Calls Daten” – Schritt 4: Bestimmen des Prozentanteils außerhalb der

Spezifikationsgrenzen:
Z upper = ________ Proportion = _________ = _______%
Z lower = ________ Proportion = _________ = _______%
Wie groß ist der gesamte Prozentsatz außerhalb der

Spezifikationsgrenzen? _________%
Wie groß ist die Gesamt-PPM? ___________
“Calls Daten” – Schritt 5: Bestimmen Sie die potentielle des Prozesses:
USL  LSL
CP   =
6
“Calls Daten” – Schritt 6: Bestimmen Sie die tatsächliche Leistung des
Prozesses:
z min
C PK   =
3

“Decal Position Daten” – Schritt 1
 Ein Team untersucht die

“Aufkleberposition”-Daten.
 Engineering Spezifikationen:
0,250” +- 0,005”
 Das Histogramm sieht so aus, als
wenn eine Normalverteilung
vorliegen würde.
 Untergruppengröße = 5
Anderson Darling:
P-Value = 0,518
Normalität wird angenommen.
Rbar = 0,00519


Schätzen des Prozessmittelwerts und der Standardabweichung:
Prozessmittelwert = Xbar = ________
Prozess Standardabweichung () = Rbar / d2 = ______________
“Decal Position” Daten” – Schritt 3

Bestimmen der Prozessstreuung und Vergleich mit den Spezifikations-
grenzen:
Xbar + 3 = ______
Xbar - 3 = ______
Beschriften Sie die

Felder, die die Streuung
des Prozesses angeben.
Zeichnen Sie
anschließend die
Spezifikationsgrenzen
ein.
Scheint der Prozess
fähig zu sein, die Spez.
einzuhalten?


Bestimmen des Prozentanteils außerhalb der Spezifikationsgrenzen:
Z upper = ________ Proportion = _________ = _______%
Z lower = ________ Proportion = _________ = _______%
Wie groß ist der gesamte Prozentsatz außerhalb der

Spezifikationsgrenzen? _________%
Wie groß ist die Gesamt-PPM? ___________
“Decal Position” Daten – Schritt 5: Bestimmen Sie die potentielle

Prozessfähigkeit:
USL  LSL
CP   =
6
“Decal Position” Daten – Schritt 6: Bestimmen Sie die tatsächliche Leistung
des Prozesses:
z min
C PK   =
3

Übung 7.5: Prozessfähigkeit mittels Minitab®

Teil 1: zusammen mit dem Schulungsleiter
AUFGABE:
1. Öffnen Sie das Minitab Worksheet:
“7.5 Process Capability.MTW”
2. Führen Sie zusammen mit dem Schulungsleiter eine
Fähigkeitsanalyse unter Verwendung der “Aufkleberposition”-
Daten durch. (LSL=0,245, USL=0,255)
“Decal Position” Ausgangssituation

Annahmen:
Der Prozess Output ist stablil.
P-value = 0,518
Die Grundgesamtheit ist normal

verteilt.

Fähigkeitsanalyse (normal verteilt)

 Wählen Sie Stat > Quality Tools > Capability Analysis (Normal).
 Klicken Sie in das Feld “Single column” > Geben Sie “Position” ein.
 Klicken Sie in das Feld “Subgroup size” > Geben Sie “5” ein.
 Lower spec = 0,245; Upper spec = 0,255.
 Klicken Sie auf “OK”.
“Decal Position”- Daten
Bemerkung:
Minitab berechnet die
Standardabweichung über einen
leicht anderen Ansatz als die vorher
gezeigte Berechnung per Hand.
Bei welchen Bedingungen sind die “within” und “overall” PPM-Schätzungen annähernd gleich?

Teil 2: Versuchen Sie es!
AUFGABE:
1. Öffnen Sie das Minitab® Worksheet: “7.5 Process Capability.MTW”
2. Führen Sie mit Hilfe von Minitab® eine Prozessfähigkeitsanalyse für die Anrufdaten
durch.
3. Wie groß ist die Fähigkeit des Prozesses? (LSL=140; USL=160)
“Calls” Daten Ausgangssituation
Annahmen:
Der Prozess Output ist stabil.
P-Value = 0,215
Die Grundgesamtheit ist

normal verteilt.
Wie groß ist die Fähigkeit des Prozesses?

Übung 7.6: Anpassen der Kurve an die Daten

Einführung:
Die Vorhersage der Prozessfähigkeit ist auch mit nicht normal verteilten Daten
möglich. Finden Sie als erstes heraus, warum die Daten nicht normal verteilt
sind.
Folgen Sie diesen Schritten, um den Grund für die nicht Normalverteilung der Daten zu
bestimmen:
1. Wenn der Prozess nicht stabil ist, stabilisieren Sie ihn, bevor Sie die Fähigkeitsanalyse
durchführen.
2. Wenn der Prozess stabil ist und die Daten nicht normalverteilt sind, überprüfen Sie die
Daten, um zu sehen, ob verschiedene Quellen zusammengefasst wurden(z.B.
unterschiedliche Linien, mehrere Kavitäten oder Werkzeuge usw.). Wenn dem so ist,
dann führen Sie einzelne Analysen für jede Datenquelle durch.
3. Wenn der Process stabil ist, die Daten nicht normalverteilt und die Daten nur aus einer
Datenquelle kommen, versuchen Sie die Ursache der Form der Verteilung zu verstehen.
Die Lognormale
Verteilung ist eine
Funktion, die gut zu den
Daten passt.
Diese Analyse
ist korrekt!
Die Kurve passt
zu den Daten!
Da die Kurve zu den Daten passt, ist die Fähigkeitsanalyse gültig, vorausgesetzt:
 Der Prozess ist stabil und
 Die Daten stammen aus einer Datenquelle.

Teil 1: Zusammen mit dem Schulungsleiter
AUFGABE:
 Öffnen Sie das Minitab® Worksheet:
“7.6 Non-Normal Data.MTW”
 Analysieren Sie zusammen mit dem
Schulungsleiter die “Diameter” Daten:
1. Prüfen Sie auf Normalität.
2. Finden Sie eine Verteilung, die am
besten zu den Daten passt.
3. Führen Sie die Fähigkeitsanalyse durch.
LSL = 49,7mm, USL = 50,3mm
Test auf Normalverteilung:” Diameter” Daten.
Das Histogramm zeigt eine

nicht normalverteilte Form.
Normalität ist abgelehnt:

P-Value = 0,020

Bestimmung der Art der Verteilung:

 Wählen Sie Stat > Quality Tools > Individual Distribution Identification.
Klicken Sie in “Single column” > Geben Sie “Diameter” ein.
 Wählen Sie “Use all distributions…”
3-Parameter
Weibull Test
Ergebnisse
Fähigkeitsanalyse für nicht normal verteilte Daten:

 Wählen Sie Stat > Quality Tools > Capability Analysis Non-normal Distribution
 Klicken Sie in “Single column” > Geben Sie “Diameter” ein.
 Wählen Sie “Distribution” > Wählen Sie “3-parameter Weilbull“ aus
 Geben Sie für LSL 49,7 ein
 Geben Sie für USL 50,3 ein

Bemerkung: Wenn
eine
Spezifikationsgrenze
eigentlich eine
natürliche Grenze
ist, dann markieren
Sie das
entsprechende
Kästchen.
Ppk = 0,65
(Minitab berechnet keinen
Cpk aus nicht
normalverteilten Daten)
PPM = 17382
Ist der Prozess fähig? __________________________________

Teil 2: Versuchen Sie es selbst!
AUFGABE:
 Öffnen Sie das Minitab® Worksheet:
“7.6 Non-Normal Data.MTW”
 Analysieren Sie die “Flatness” Daten:
a. Überprüfen Sie die Stabilität (n=5)
b. Prüfen Sie auf Normalverteilung.
c. Finden sie eine Verteilung, die am besten
zu den Daten passt.
d. Führen Sie die Fähigkeitsanalyse durch.
USL = 10
0 ist die untere natürliche Grenze
(boundary).
1. Welche Verteilung passt zu den Daten? ___________________________________
2. Wie groß ist die Prozessfähigkeit? ______________________________________

Übung 7.7: Prozessfähigkeit – Fallbeispiel Nr.2: Sechs Nester

Spritzguss: Ihre Aufgabe
Einführung:
 Ein Team wertet die Fähigkeit aus: Ein Spritzgiessprozess mit sechs Nestern: YP =
Kraft
 Nehmen Sie an, dass der Prozess unter statistischer Kontrolle ist
AUFGABE:
1. Schauen Sie sich die folgenden drei Fähigkeitsanalysen an (drei
unterschiedliche Ansätze für die gleiche Sachlage):
 ERSTER ANSATZ: Daten aus allen sechs Nestern in einem
Graphen bei Verwendung der Normalverteilung
 ZWEITER ANSATZ: Daten aus allen sechs Nestern in einem
Graphen bei Verwendung der Largest Extreme Value
Verteilung
 DRITTER ANSATZ: Einzelne Graphen (Analysen) zu jedem
Nest.
2. Beantworten Sie in Ihrem Workbook: Welcher Ansatz ist der
richtige Weg, um die Fähigkeitsanalyse durchzuführen? Warum?

ERSTER ANSATZ: Die Daten stammen aus allen sechs Nestern. Die
Normalverteilung wurde angewendet.
Ppk = 1,79
LSL= 68,6
USL=107,8
Anderson-Darling Test:
P-Value < 0,005.
PPM = 0,04
ZWEITER ANSATZ: Die Daten stammen aus allen sechs Nestern. Die Largest
Extreme Value Verteilung wurde verwendet.
 Die Largest Extreme Value Verteilung passt gut zu den Daten (P-Value =0,386).
Ppk = 1,07
PPM = 863

DRITTER ANSATZ: Auswertung von jedem Nest einzeln.
Histogram ( with Normal Curve) of Force by Cavity

0
. 0 .5 .0 .5 .0 .5 0.
85 87 90 92 95 97 10
C avity 1 Cavity 2 C qv ity 3
20
15
10
5
Frequency
0
C avity 4 Cavity 5 C av ity 6
20
15
10
0
.0 .5 .0 .5 .0 .5 .0 . 0 .5 .0 .5 .0 .5 .0
85 87 90 92 95 97 100 85 87 90 92 95 97 100
Der Normalitätstest wurde bei jedem Nest bestanden.



ANSATZ RICHTIG ODER NICHT RICHTIG? WARUM?

ERSTER ANSATZ:
Die Daten stammen aus
allen sechs Nestern.
Die Normalverteilung
wurde angewendet.
ZWEITER ANSATZ:
Die Daten stammen aus
allen sechs Nestern. Die
Largest Extreme Value
Verteilung wurde
verwendet.
DRITTER ANSATZ:
Einzelne Graphen
(Analysen) zu jedem
Nest.

Beispiel einer kompletten Measure Phase: Streifen schneiden

 IPO: INPUT PROCESS OUTPUT
Vinyl STREIFEN auf Länge

Folien SCHNEIDEN geschnittene
Streifen

 Customer Y: % Reklamationen beim nachfolgendem
Prozess (schlechte Passung) = 11%

 Intended Function: Streifen auf eine bestimmte Länge schneiden

 Prozess Y: Schnittlänge (mm)

 Gage R&R: bestanden (um die Länge zu messen)
Prozess ist

 Die Datenaufnahme 17.2
X-barXbar-R
& RChart
Chart - Length
of Length
1
1
nicht stabil.
wurde über einen
17.1 U C L=17.1083
Was könnte die

Sample M ean
_
_
17.0 X=16.9989
Zeitraum durchgeführt, 16.9

1
LC L=16.8894 Ursache für die
häufigen
1
16.8
bei dem Chargen des

1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
1
Ausreißer nach
Rohmaterials und
0.4 U C L=0.4012
oben und unten

Sample Range
0.3
Werker gewechselt
_
sein?
0.2 R=0.1897
0.1
wurden. 0.0
1 3 5 7 9 11 13
Sample
15 17 19 21 23 25
LC L=0
X-barXbar-R
& RChart
Chart - Length
of Length
17.2
1
1
Spezielle Ursache:
17.1 UC L=17.1083
Das Team finden heraus,
Sample M ean
_
_
17.0 X=16.9989
16.9 LC L=16.8894
dass die Werker ständig den
Prozess anpassen. Diese
1
1
16.8
1 3 5 7 9 11 13 15 17 19 21 23 25
Übersteuerung verursacht
Sample
1
0.4 UC L=0.4012
das Auftreten der Ausreißer

Sample Range
0.3
nach oben und unten (breite

_
0.2 R=0.1897
0.1
0.0 LC L=0 Streuung).

1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
Histogram of Length
50
Anderson Darling:
40
P-Value < 0,005
LSL = 16.92 USL = 17.08 Daten sind nicht
Frequency
30
20
normalverteilt, weil
der Prozess nicht
10
stabil ist!
0
16.6 16.7 16.8 16.9 17.0 17.1 17.2
Length
Gegenmaßnahme für die spezielle Ursache:

Einstellen der ständigen Prozessanpassungen!


 Neue Datenaufnahme: auch wieder über einen Zeitraum, bei
dem die Chargen des Rohmaterials
X-bar & R Chart – Length (No adjustments)
Xbar-R Chart of Length-No Adjustments
17.050
und die Werker gewechselt wurden.
U C L=17.0415
17.025
Der Prozess ist jetzt stabil.
Sample M ean
17.000 _
Die Fähigkeitsanalyse kann

X=16.9907
16.975
durchgeführt werden.
16.950
LC L=16.9398
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
0.20
U C L=0.1864
Process Capability of Length-No Adjustments
0.15
Sample Range
0.10 _
R=0.0881 LSL USL
0.05 Process D ata Within
LS L 16.92 Ov erall
0.00 LC L=0
Target *
1 3 5 7 9 11 13 15 17 19 21 23 25 USL 17.08 P otential (Within) C apability
Sample
Sample M ean 16.9907 Cp 0.70
Sample N 125 C P L 0.62
StDev (Within) 0.0378931 C P U 0.79
StDev (O v erall) 0.0382218 C pk 0.62
Anderson Darling:
O v erall C apability
Pp 0.70
PP L 0.62
P-Value=0,333 PP U
Ppk
0.78
0.62
C pm *
Die Fähigkeitsanalyse für

normalverteilte Daten kann 16.88 16.92 16.96 17.00 17.04 17.08 17.12
Cpk =
abgewendet werden. O bserv ed P erformance
PP M < LS L 24000.00
Exp. Within Performance
P P M < LS L 31119.61
Exp. O v erall P erformance
P P M < LS L 32261.48
0,62
PP M > U S L 16000.00 P P M > U SL 9191.31 P P M > U SL 9705.60
PP M Total 40000.00 P P M Total 40310.92 P P M Total 41967.09

 Verbesserungsziele festlegen: Ziel für das Prozess Y:
% Fehler = 4,2
Minimum Cpk=1,33 (mit angegebenen Spez. Grenzen).

Das wird sicherstellen, dass der nachfolgende Prozess
immer Streifen erhält die gut bei der Vormontage passen
(Null Fehler beim Kunden).

Übung 7.8: MEASURE Phase Workshop
 Sie haben 2 Stunden, um diesen Workshop erfolgreich abzuschließen!

 Bestimmen Sie einen Zeitnehmer, der das Team in der Zeitschiene hält!
AUFGABE:
Führen Sie die komplette Measure Phase beim “Katapult schießen”-Prozess
durch:
1. Führen Sie den Prozess, wie beschrieben, aus.
2. Führen Sie eine Gage R&R durch.
3. Sammeln Sie Anfangsdaten, erstellen Sie eine Regelkarte und
das anfängliche Fähigkeitsdiagramm (Histogramm mit
Spezifikationsgrenzen).
4. Bestimmen Sie die Fähigkeit, wenn der Prozess stabil ist.
5. Benutzen Sie das Minitab Report Pad, um Ihre Gage R&R
Analyse, die Regelkarte und die Fähigkeitsanalyse zu
speichern.
 Bemerkung: Speichern Sie Ihre Workshop Ergebnisse!

Dies ist der erste Teil Ihres D-MAIC Schulungsprojekts. Sie werden die Analyze- und
Improve-Phase während der folgenden Schulungswochen ergänzen.
Prozess: “Katapult schießen”:

Der Prozess läuft momentan wie folgt ab:
 Das Katapult wird auf den Boden gestellt und auf dem Boden nicht fixiert.
 Der Ball wird aufgelegt.
 Der Wurfarm wird auf die zweite Rückzugsposition zurückgezogen und dann losgelassen.
 Die Schussweite des Balls wird gemessen.
 Die Rückzugsposition wird während der gesamten Datenaufnahme nicht angepasst.
Zielweite = 270 cm
USL= 260 cm Y = Schussweite
LSL= 280 cm

Notizen:

Modul 8: Identifizieren Potenzieller Xe
Xe von Ye unterscheiden: Beispiel
Ein Team arbeitet daran, die Effektivität von Trainings zu verbessern.

 Sie überlegen eine Messgröße (Y) für ein Six Sigma Projekt.
 Was wäre eine Messgröße für die Effektivität von Black Belt / Green Belt
Trainings?
 Welche dieser Beispiele sind Messgrößen (Y) und welche sind Xe?
Y oder X?
Zeit bis zur Zertifizierung
Anzahl abgeschlossener Projekts
Anzahl Schüler / Trainer
Wissensstand der Trainer
Funktionierende PCs verfügbar
Test-Ergebnisse (Vorher / Nachher)
Projektbewertung

Übung 8.1: Xe and Ys

Einleitung:
Ihr Team arbeitet an einem Six Sigma Projekt: Steigern der Effektivität von Meetings.
AUFGABE:
Ermitteln von Messgrößen (Y) für die Effektivität von Meetings:
1. Brainstorm einer Liste möglicher Messgrößen.
2. Identifizieren aller Punkte als X oder Y *.
3. Auswählen der besten Messgröße Y.
4. Identifizieren einiger Xe, die das gewählte X beeinflussen
könnten.
*Hinweis: Um Ys zu identifizieren fragen Sie sich: “Ist das eine Messgröße für die Effektivität von
Meetings?“. Ein X ist eher ein Grund für die Ineffektivität von Meetings.
Liste möglicher Messgrößen X oder Y?
Beste Messgröße Y:

Übung 8.2: Control oder Noise?

Einleitung:
Ein Six Sigma Team (mit Experten) überlegt:
Welche Faktoren könnten das Prozess Y = Wandstärke beeinflussen?
AUFGABE:
1. Review der Faktorliste für das Prozess Y:
“Wandstärke”
2. Einteilen der Faktoren in “Control” oder “Noise”
Welche Faktoren beeinflussen das Process Y = Wandstärke?
 Unterscheiden Sie jeden Faktor nach “Control” oder “Noise”:
 Luftdruck an den Halteklammern ______
 Schließgeschwindigkeit ______
 Teilegeometrie (Polsterdesign) ______
 Werkzeugtemperatur ______
 Bolzenhöhe ______
 Umgebungstemperatur ______
 Variationen in der Vinyldicke (vom Lieferanten) ______
 Haltezeit des Werkzeugs ______

Übung 8.3: Brainstormen von Faktoren – Ihr Projekt

Einleitung:
Wählen Sie das Projekt eines Teammitglieds aus.
AUFGABE:
Wählen Sie ein Projekt aus Ihrem Team aus, dann:
1. Ermitteln Sie ein Prozess Y (Variable Messgröße der
Intended Function).
2. Brainstorm der Faktoren (X) die das Prozess Y
beeinflussen könnten.
3. Unterscheidung der Faktoren nach “Control” oder Noise”
4. Präsentieren der Ergebnisse im Plenum.
Prozess Y
Faktoren, die Einfluss auf das Prozess Y haben Control oder Noise?

Ideen als Ursachen formulieren
 Die folgenden Ideen sind noch als “Fehlende Lösungen” formuliert:

 Wie könnten diese Ideen als „Ursachen“ umformuliert werden?
EFFEKT FEHLEN EINER LÖSUNG URSACHE
Niedrige Moral Das Management verteilt

der Mitarbeiter keine Informationen
Es fehlen
Sicherheitsanweisungen.
Es fehlen private
Büroräume.

Übung 8.4: Cause & Effect Diagramm

Einleitung:
 Ihr Team wird daran arbeiten, den Prozess Papierknäuel in den Papierkorb werfen zu
verbessern.
 Produktivität ist wichtig. Zeit und Anzahl der missglückten Würfe werden erfasst!
AUFGABE:
Ihr Team wird daran arbeiten, den Prozess, Papierknäuel in
den Papierkorb werfen zu verbessern.
1. Lassen Sie den Prozess wie beschrieben ablaufen.
2. Ermitteln Sie den % Anteil der Fehlwürfe.
3. Benutzen Sie das C&E Diagramm, um potentielle
Ursachen für den ermittelten % Anteil an Fehlwürfen
zu identifizieren.
Der Prozess:
 Eine Person (der KNÄUELER) nimmt ein Blatt Papier vom Tisch.
 Der KNÄUELER knüllt das Blatt Papier.
 Der KNÄUELER gibt das Teil an die nächste Person (den WERFER).
 Der WERFER wirft das Papier in den Papierkorb, der 5 Schritte entfernt ist. Zehn Würfe
pro Werfer.
 Der Prozess ist schnell. Die 10 Würfe sollten innerhalb von 10 Sekunden gemacht werden!
 Lassen Sie die Rollen von KNÄUELER und WERFER von jedem Teammitglied
übernehmen
 Die Gesamtzahl der Würfe für Ihr Team: 50
 Sammeln Sie Daten über die Würfe von den 50, die daneben gingen..

Knäueler Werfer Anzahl der Würfe Fehlwürfe
1 10
2 10
3 10
4 10
5 10
Aktuelle Situation: ______ Fehlwürfe von 50 oder ______ % Defekte
Verbesserungsziel: Null Fehlwürfe!
 Erstellen Sie ein C&E Diagramm, um die Ursachen für den Anteil an Fehlwürfen zu
entdecken:
Bei ____% der

Versuche wurde
der Korb verfehlt.

Übung 8.5: Wie vorgehen?
AUFGABE:
1. Besprechen Sie die folgenden Informationen
bezüglich: “Effizienzprojekt Trennmittel”.
2. Diskustieren und dokumentieren Sie, wie das Team
vorgehen könnte.
 Wie könnte das Team vorgehen um kritische Xe aufzudecken?
 Welch Formulierung für den “Unerwünschten Effekt” könnte das Team zum
Erstellen eines C&E Diagramms verwenden?
Process: Dachhimmel formen

Kunden care-about:
Hohe Kosten für Trennmittel
Projektziel:
Menge des verbrauchten Trennmittels
reduzieren (aktuell: 0,31€ / Teil)
Yp = Auftragshöhe (mm)
 Trennmittel wird von Hand in das

Werkzeug gesprüht, um die Teile
leichter und ohne Verklebungen
entnehmen zu können.
 Der Kunde will die 0,31€ / Teil für das
Trennmittel nicht bezahlen



Anhang

Improvement Project Storyboard


Z Tabelle
Tabelle 1: z Tabelle in Dezimalen oberhalb eines gegebenen Wertes (z von 0 bis 6)

Tabelle 2: z Tabelle in Dezimalen oberhalb eines gegebenen Wertes (z von -6 bis 0)
z table as proportion greater than a given z value (-6.00  z  0.00)

0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
-6.00 0.999999999
-5.90 0.999999998 0.999999998 0.999999998 0.999999998 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999
-5.80 0.999999997 0.999999997 0.999999997 0.999999997 0.999999997 0.999999998 0.999999998 0.999999998 0.999999998 0.999999998
-5.70 0.999999994 0.999999994 0.999999995 0.999999995 0.999999995 0.999999996 0.999999996 0.999999996 0.999999996 0.999999996
-5.60 0.999999989 0.999999990 0.999999990 0.999999991 0.999999991 0.999999992 0.999999992 0.999999993 0.999999993 0.999999994
-5.50 0.999999981 0.999999982 0.999999983 0.999999984 0.999999985 0.999999986 0.999999986 0.999999987 0.999999988 0.999999989
-5.40 0.999999967 0.999999968 0.999999970 0.999999972 0.999999973 0.999999975 0.999999976 0.999999977 0.999999979 0.999999980
-5.30 0.999999942 0.999999945 0.999999948 0.999999951 0.999999953 0.999999956 0.999999958 0.999999961 0.999999963 0.999999965
-5.20 0.999999900 0.999999905 0.999999910 0.999999915 0.999999920 0.999999924 0.999999928 0.999999932 0.999999935 0.999999939
-5.10 0.999999830 0.999999839 0.999999847 0.999999855 0.999999862 0.999999870 0.999999876 0.999999883 0.999999889 0.999999895
-5.00 0.999999713 0.999999727 0.999999741 0.999999754 0.999999767 0.999999779 0.999999790 0.999999801 0.999999811 0.999999821
-4.90 0.999999520 0.999999544 0.999999567 0.999999588 0.999999609 0.999999628 0.999999647 0.999999665 0.999999682 0.999999698
-4.80 0.999999206 0.999999244 0.999999281 0.999999316 0.999999350 0.999999382 0.999999412 0.999999441 0.999999469 0.999999495
-4.70 0.999998698 0.999998760 0.999998819 0.999998876 0.999998930 0.999998982 0.999999031 0.999999078 0.999999122 0.999999165
-4.60 0.999997885 0.999997985 0.999998079 0.999998170 0.999998256 0.999998339 0.999998417 0.999998492 0.999998564 0.999998632
-4.50 0.999996599 0.999996756 0.999996905 0.999997048 0.999997185 0.999997315 0.999997440 0.999997559 0.999997673 0.999997782
-4.40 0.999994583 0.999994827 0.999995061 0.999995284 0.999995498 0.999995703 0.999995898 0.999996086 0.999996264 0.999996436
-4.30 0.999991454 0.999991831 0.999992193 0.999992539 0.999992870 0.999993188 0.999993492 0.999993783 0.999994061 0.999994328
-4.20 0.999986646 0.999987223 0.999987777 0.999988308 0.999988817 0.999989304 0.999989772 0.999990220 0.999990649 0.999991060
-4.10 0.999979331 0.999980206 0.999981046 0.999981852 0.999982625 0.999983367 0.999984078 0.999984761 0.999985416 0.999986044
-4.00 0.999968314 0.999969626 0.999970887 0.999972098 0.999973261 0.999974378 0.999975451 0.999976481 0.999977470 0.999978420
-3.90 0.999951884 0.999953833 0.999955707 0.999957509 0.999959242 0.999960908 0.999962509 0.999964048 0.999965527 0.999966948
-3.80 0.999927628 0.999930493 0.999933251 0.999935906 0.999938461 0.999940919 0.999943285 0.999945562 0.999947752 0.999949858
-3.70 0.999892170 0.999896341 0.999900359 0.999904232 0.999907962 0.999911555 0.999915017 0.999918350 0.999921560 0.999924651
-3.60 0.999840854 0.999846865 0.999852663 0.999858254 0.999863647 0.999868846 0.999873859 0.999878692 0.999883351 0.999887842
-3.50 0.999767327 0.999775903 0.999784184 0.999792178 0.999799895 0.999807344 0.999814533 0.999821470 0.999828164 0.999834623
-3.40 0.999663019 0.999675135 0.999686844 0.999698160 0.999709094 0.999719659 0.999729865 0.999739724 0.999749247 0.999758445
-3.30 0.999516517 0.999533462 0.999549856 0.999565714 0.999581052 0.999595887 0.999610233 0.999624105 0.999637518 0.999650485
-3.20 0.999312798 0.999336262 0.999358984 0.999380986 0.999402289 0.999422914 0.999442878 0.999462202 0.999480905 0.999499004
-3.10 0.999032329 0.999064496 0.999095677 0.999125901 0.999155194 0.999183581 0.999211088 0.999237740 0.999263560 0.999288571
-3.00 0.998650033 0.998693692 0.998736057 0.998777162 0.998817040 0.998855724 0.998893246 0.998929637 0.998964929 0.998999149
-2.90 0.998134120 0.998192789 0.998249775 0.998305122 0.998358871 0.998411062 0.998461736 0.998510932 0.998558689 0.998605044
-2.80 0.997444809 0.997522864 0.997598756 0.997672537 0.997744260 0.997813974 0.997881730 0.997947576 0.998011558 0.998073724
-2.70 0.996532977 0.996635789 0.996735852 0.996833231 0.996927987 0.997020181 0.997109875 0.997197128 0.997281997 0.997364539
-2.60 0.995338778 0.995472853 0.995603474 0.995730718 0.995854658 0.995975369 0.996092924 0.996207393 0.996318845 0.996427351
-2.50 0.993790320 0.993963425 0.994132240 0.994296853 0.994457354 0.994613830 0.994766365 0.994915046 0.995059954 0.995201171
-2.40 0.991802471 0.992023745 0.992239749 0.992450589 0.992656367 0.992857185 0.993053143 0.993244339 0.993430871 0.993612833
-2.30 0.989275919 0.989555950 0.989829586 0.990096947 0.990358150 0.990613313 0.990862548 0.991105971 0.991343692 0.991575823
-2.20 0.986096601 0.986447466 0.986790661 0.987126322 0.987454580 0.987775567 0.988089412 0.988396244 0.988696189 0.988989373
-2.10 0.982135643 0.982570884 0.982997038 0.983414253 0.983822675 0.984222449 0.984613720 0.984996631 0.985371321 0.985737932
-2.00 0.977249938 0.977784475 0.978308376 0.978821799 0.979324905 0.979817852 0.980300797 0.980773894 0.981237299 0.981691164
-1.90 0.971283507 0.971933461 0.972571119 0.973196650 0.973810224 0.974412010 0.975002175 0.975580885 0.976148306 0.976704602
-1.80 0.964069734 0.964852162 0.965620555 0.966375089 0.967115942 0.967843287 0.968557300 0.969258155 0.969946026 0.970621086
-1.70 0.955434568 0.956367097 0.957283815 0.958184901 0.959070532 0.959940886 0.960796142 0.961636477 0.962462069 0.963273096
-1.60 0.945200711 0.946301077 0.947383870 0.948449263 0.949497431 0.950528549 0.951542794 0.952540341 0.953521368 0.954486051
-1.50 0.933192771 0.934478263 0.935744490 0.936991617 0.938219807 0.939429229 0.940620050 0.941792438 0.942946563 0.944082597
-1.40 0.919243289 0.920730109 0.922196112 0.923641445 0.925066257 0.926470700 0.927854925 0.929219087 0.930563344 0.931887852
-1.30 0.903199451 0.904902018 0.906582427 0.908240802 0.909877266 0.911491948 0.913084979 0.914656492 0.916206622 0.917735507
-1.20 0.884930268 0.886860491 0.888767499 0.890651383 0.892512238 0.894350161 0.896165253 0.897957619 0.899727366 0.901474606
-1.10 0.864333898 0.866500443 0.868643073 0.870761839 0.872856799 0.874928011 0.876975542 0.878999459 0.880999834 0.882976744
-1.00 0.841344740 0.843752345 0.846135756 0.848494980 0.850830029 0.853140919 0.855427672 0.857690314 0.859928875 0.862143390
-0.90 0.815939908 0.818588775 0.821213646 0.823814480 0.826391238 0.828943888 0.831472403 0.833976760 0.836456943 0.838912939
-0.80 0.788144666 0.791029974 0.793892006 0.796730665 0.799545861 0.802337508 0.805105527 0.807849842 0.810570386 0.813267094
-0.70 0.758036422 0.761148006 0.764237576 0.767304982 0.770350076 0.773372720 0.776372779 0.779350124 0.782304631 0.785236183
-0.60 0.725746935 0.729069152 0.732371166 0.735652770 0.738913765 0.742153956 0.745373154 0.748571176 0.751747842 0.754902979
-0.50 0.691462467 0.694974281 0.698468229 0.701944056 0.705401511 0.708840345 0.712260318 0.715661192 0.719042736 0.722404724
-0.40 0.655421697 0.659096986 0.662757237 0.666402148 0.670031420 0.673644759 0.677241874 0.680822481 0.684386299 0.687933051
-0.30 0.617911357 0.621719457 0.625515770 0.629299955 0.633071673 0.636830590 0.640576374 0.644308699 0.648027240 0.651731677
-0.20 0.579259687 0.583166134 0.587064387 0.590954073 0.594834824 0.598706274 0.602568057 0.606419814 0.610261186 0.614091818
-0.10 0.539827896 0.543795364 0.547758470 0.551716823 0.555670033 0.559617712 0.563559473 0.567494933 0.571423709 0.575345420
0.00 0.500000000 0.503989379 0.507978354 0.511966527 0.515953499 0.519938873 0.523922253 0.527903240 0.531881440 0.535856456

Control Chart Konstanten


Black Belt Certification
Black Belt Certification
(To be completed by the Black Belt’s Champion and Master Black Belt)
Name of Black Belt: _______________________________________________

Name of Master Black Belt: _______________________________________________
Name of Champion: _______________________________________________
Business Division / Unit: _______________________________________________
Date of Final Certification: ___________________ ( mm / dd / yy )
Project #1 Project #2
SigmaTrac #: ______________________ SigmaTrac #: ______________________
Project Title: _______________________ Project Title: _______________________
 Final project report (MBB/CH)  Final project report (MBB/CH)

 Financial validation (CTR)  Financial validation (CTR)
 Process in control (PO)  Process in control (PO)
 Business goals met (CH)  Business goals met (CH)
 Initial Black Belt training completed (JCLI)

 Technical/tools assessment (MBB)
 Recommend for Certification (MBB/CH)
______________________________ ________________________________
Champion Master Black Belt/Technical Designate
______________________________ ________________________________
Date Date
Submit this form to your Human Resource Department and the JCI Leadership Institute
Key: CH – Champion, CTR – Controller, MBB – Master Black Belt or Technical Designate), PO –
Process Owner

Green Belt Certification
Green Belt Certification

(To be completed by the Green Belt’s Champion and Master Black Belt)
Name of Green Belt: _______________________________________________

Name of Master Black Belt: _______________________________________________
Name of Champion: _______________________________________________
Business Division / Unit: _______________________________________________
Date of Final Certification: ___________________ ( mm / dd / yy )
Project #1
SigmaTrac #: ______________________
Project Title: _______________________
 Final project report (MBB/CH)

 Financial validation (CTR)
 Process in control (PO)
 Business goals met (CH)
 Standard Green Belt training completed (JCLI)

 Technical/tools assessment (MBB)
 Recommend for Certification (MBB/CH)
______________________________ ________________________________
Champion Master Black Belt/Technical Designate
______________________________ ________________________________
Date Date
Submit this form to the JCI Leadership Institute
Key: CH – Champion, CTR – Controller, MBB – Master Black Belt or Technical Designate, PO
– Process Owner

Measure Phase Hauptziele
Der Zweck der Measure Phase ist die Ermittlung der Baseline
Prozessleistung. Die Aktivitäten der Measure Phase dazu sind:
 Erstellen des IPO (Input-Process-Output Diagramm)

 Kunden Y / Business Y quantifizieren (Messen des Defekts)
 Prozess Y ermitteln (Messen der vorgesehenen Funktion)
 Durchführen einer Gage R&R
 Erste Datensammlung
 Gegensteuern von besonderen Ursachen (soweit erforderlich)
 Neue Daten sammeln, nachdem die besonderen Ursachen
beseitigt sind. (Soweit erforderlich)
 Verbesserungsziel setzen.
Ergbenisse der Measure Phase sind:

 Quantifizierte Leistung für jedes Y
 Verbesserungsziele

Basic Statistics-References
1. Auto Industry Action Group, Measurement System Analysis (MSA), AIAG,

Southfield, Michigan, 3rd Edition, March 2002.
2. Auto Industry Action Group, Statistical Process Control (SPC), AIAG,

Southfield, Michigan, 1995, 2nd Edition, July 2005.
3. Bothe, Davis R., Measuring Process Capability, McGraw-Hill, New York, 1997.
4. Breyfogle III, Forrest W., Implementing Six Sigma, John Wiley and Sons, Inc.,
New York, 1999.
5. Kiemele, Mark J., Stephen R. Schmidt, Ronald J. Berdine, Basic Statistics, Air
Academy Press, Colorado Springs, Colorado, 1999.
6. Minitab 14 Documentation, Meet Minitab, Minitab Inc., (1-800-448-3555),

September 2003.
7. Triola, Mario F., Elementary Statistics, Addison-Wesley, New York, 1998.
8. Wheeler, Donald J., Understanding Variation – The Key to Managing Chaos,

SPC Press, Knoxville, TN, 2000.




W2 Workbook - 2014-02-03

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

W2 Workbook - 2014-02-03

Hochgeladen von

Copyright:

Verfügbare Formate

Woche 2: Measure Phase Arbeitsbuch

Six Sigma Woche Zwei

Superior Essex © Jan 2014 1 Measure Phase

Woche Zwei Inhaltsverzeichnis

Superior Essex © Jan 2014 2 Measure Phase

ÜBUNG 6.6: DUNKLE SCHLIEREN AN TÜRVERKLEIDUNGEN – PRÜFEN DER POTENTIELLEN URSACHE........................................80

Superior Essex © Jan 2014 3 Measure Phase

Über dieses Arbeitsbuch

Black Belt und Green Belt Training Module

Woche Eins Tage 1-5 Woche Zwei Tage 6 - 10

Woche Drei Tage 11 - 15 Woche Vier Tage 16 - 20

6 Weiterführend - Review der Projekte durch MBB und Management

Superior Essex © Jan 2014 4 Measure Phase

Piktogramme zu den Aktivitäten

Denkaufgabe! Diskutieren Sie

Denkaufgabe! Bearbeiten Sie

Benutzen Sie das Benutzen Sie

Superior Essex © Jan 2014 5 Measure Phase

Six Sigma: Einführung in Woche 2

Brainstorm: Was ist Six Sigma?

Statement: Six Sigma IST:

Statement: Six Sigma IST NICHT:

Superior Essex © Jan 2014 6 Measure Phase

Zusammenspiel: Six Sigma Rollen und Zuständigkeiten

Welche Person ist für welche Rolle zuständig:

ROLLE ZUSTÄNDIGE PERSON

2. Liefert Fachkenntnisse zum Prozess-/ b. Process Owner

c. Master Black Belt

4. Führt das Team durch MAIC d. Controller

5. Bestimmt die Kostenauswirkung e. Team Mitglied

6. Beseitigt Hindernisse / stellt die 6 Sigma

7. Hauptsächlich zuständig, um neue g. Champion

Superior Essex © Jan 2014 7 Measure Phase

Übung 1.2: Six Sigma Storyboard

3 Quantifiziere die aktuelle Leistung, und lege das Verbesserungsziel fest.

Superior Essex © Jan 2014 8 Measure Phase

Welche Schritte/Fragen stellen Ihrer Meinung die größte Herausforderung dar?

Welche Schritte/Fragen sind Ihrer Meinung entscheidend, um die Streuung zu reduzieren?

Superior Essex © Jan 2014 9 Measure Phase

Modul 2: Festlegen des Prozesses, dem Produkt und den

Prozess als Verb

Warum sollte ein IPO erstellt werden?

INPUT PROCESS OUTPUT

Superior Essex © Jan 2014 10 Measure Phase

Prozess, um die wichtigsten Untersysteme zu bestimmen:

Erstellen Sie das IPO Diagramm:

Superior Essex © Jan 2014 11 Measure Phase

Notizen zu dem Prozess “Katapult schießen”:

Superior Essex © Jan 2014 12 Measure Phase

Übung 2.1B: Erstellen Sie ein IPO Diagram: Ihr Projekt

Superior Essex © Jan 2014 13 Measure Phase

Wer sind die Kunden?

Welche Erwartungen haben die jeweils gefundenen Kundengruppen?

PROZESS Einige Kunden Ihre Anforderungen

ENTWICKELN EINES SIX

Superior Essex © Jan 2014 14 Measure Phase

Übung 2.2: Identifizieren Sie die Kunden und Ihre Anliegen

Kaschieren des Inlays

Einbau des Spiegels Versand zum

Superior Essex © Jan 2014 15 Measure Phase

PROZESS “Sonnenblenden Inlays herstellen”

Extern Kunden Anforderungen

Superior Essex © Jan 2014 16 Measure Phase