Sie sind auf Seite 1von 20

Praxisleitfaden Qualitt

Walter Jahn, Lorenz Braun


Prozessoptimierung mit multivariater Statistik in 150 Beispielen

ISBN 3-446-40616-6

Inhaltsverzeichnis

Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-40616-6 sowie im Buchhandel

Inhaltsverzeichnis

Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . XVII 1 Qualittsprobleme und Lsungsanstze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.1 Was ist ein betriebliches Problem? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Welches sind die Hauptprobleme in Ihrem Unternehmen? . . . . . . . . . . . . . . . . . . . . . 2 1.3 Wie knnen Probleme gelst werden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3.1 Klassikation der Probleme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3.2 Projektbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.3.3 Diagnose des Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 1.3.4 Ursachenforschung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.3.5 Auswertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.3.5.1 Visualisierung der multivariaten Datenstze . . . . . . . . . . . . . . . . . . 15 1.3.5.2 Datenanalyse Datenmanipulation . . . . . . . . . . . . . . . . . . . . . . . . . . 17 1.3.5.3 Produktaudit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 1.3.6 Six-Sigma-Philosophie und Problemlsung . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 1.3.7 Warum mssen die multivariaten statistischen Methoden bei der Prozessverbesserung angewandt werden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2 Warum sollen Kunden mein Produkt kaufen oder meine Dienstleistung in Anspruch nehmen? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Was ist ein Kunde? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Wie knnen Produkte bewertet werden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Produkt und Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4 Was besagt die Kundenzufriedenheit und wie kann man diese messen? . . . . . . . . . 2.5 Durch welche Variablen wird die Kaufentscheidung beeinusst? . . . . . . . . . . . . . . .

35 35 38 42 47 56

3 Datengewinnung und Datenaufbereitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 3.1 Anforderungen an die Daten: Produkte des Messprozesses . . . . . . . . . . . . . . . . . . . . 62 3.2 Wie knnen Sie univariate Ausreier erkennen? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 3.2.1 Tests fr einen Ausreier im univariaten normal verteilten Fall . . . . . . . . . . 68 3.2.2 Test fr mehrere Ausreier im univariaten normal verteilten Fall . . . . . . . . 69 3.3 Fehlerarten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 3.3.1 Systematische Fehler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 3.3.2 Zufllige Fehler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 3.4 Datengewinnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 3.4.1 Spezikation der Anforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 3.4.2 Uni- und multivariate Prozessfhigkeitsindizes . . . . . . . . . . . . . . . . . . . . . . . . 75 3.5 Messmittelfhigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 3.6 Multivariate Ausreiererkennung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77 3.6.1 Verursacher von Ausreiern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 3.6.2 Vergleich verschiedener univariater Methoden der Ausreiererkennung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 3.6.3 Beeinussung der Ergebnisse multivariater Analysen durch Ausreier . . . 84 3.7 Visualisierung von Datenstzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

VI

Inhaltsverzeichnis

3.7.1 3.7.2 3.7.3 3.7.4 3.7.5 3.7.6 3.7.7 3.7.8

Star Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Sunray Plots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Streudiagramme (Draftsman Plots) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Drei-D-Hugkeitsverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dreidimensionales Streu-Korrelationsdiagramm . . . . . . . . . . . . . . . . . . . . . Dreidimensionales Oberchendiagramm . . . . . . . . . . . . . . . . . . . . . . . . . . . Verlaufsdiagramm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zusammenfassung der Produktvariablen zu Produkten . . . . . . . . . . . . . . .

102 105 106 107 108 108 109 110 111 112 112 113 114 123 125 126 127 144 147 147 150 155 155 158 159 159 162 165

4 Qualitt in der Entwicklung und Konstruktion von Produkten . . . . . . . . . . . . . . . . . . 4.1 Wer bentigt warum ein neues Produkt? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2 Wie kommen Sie vom Kundenwunsch zum Produkt? . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 Mit welchen Methoden kann der Weg vom Kundenwunsch zum Produkt untersttzt werden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.2 Conjoint Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.3 Phasen der Produktentwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.4 Nherungsweise Bestimmung der Toleranzgrenzen bei Produkten im Entwicklungsstadium . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.2.4.1 Strukturierung eines Produktes fr die Weiterverarbeitung . . . . 4.2.4.2 Was sind Latitudes und wozu bentigt man diese? . . . . . . . . . . . . 4.3 Wie knnen Sie nachweisen, dass hinsichtlich der Funktionen simultan alle Kundenanforderungen erfllt werden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4 Wie kann die Prozessentwicklung fr ein neues Produkt durch multivariate statistische Methoden untersttzt werden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1 Ziele bei der Prozessentwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.2 Phasen der Prozessentwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Qualitt in der Fertigung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1 Was ist ein Produkt? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2 Wie knnen Sie entscheiden, ob Ihre Prozesse in Ordnung sind oder verbessert werden mssen? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Was ist ein modernes Produktaudit? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1.1 Was beinhaltet das Kunden-Anforderungs-Prol (KAP)? . . . . . . 5.2.1.2 Wie kann man die parametrisierten Kundenanforderungen statistisch tolerieren? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1.3 Auf welchem Prinzip basiert die statistische Tolerierung? . . . . . . 5.2.1.4 Wie knnen unter der Bedingung (1) die Toleranzintervalle fr jede einzelne Produktvariable unter Beachtung der Abhngigkeitsstruktur statistisch bestimmt werden? . . . . . . . . . . 5.2.1.5 Wie kann man das Produkt statistisch tolerieren? . . . . . . . . . . . 5.2.1.6 Univariate Prozessfhigkeitsindizes . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1.7 Was sind multivariate Prozessfhigkeitsindizes? . . . . . . . . . . . . . . 5.3 Vergleich verschiedener Tolerierungsverfahren an 6- und 5-dimensionalen Beispielen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.1 Charakteristische Zusammenhnge zwischen Funktionssicherheit und Toleranz aus Sicht der Techniker . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.2 Berechnung von Ma- und Toleranzketten fr vollstndige Austauschbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3.3 Verallgemeinerung der Tolerierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

167 170 170 193 210 211 213 215

Inhaltsverzeichnis

VII

5.4 5.5 5.6 5.7 5.8 5.9

5.10 5.11

5.12 5.13 5.14

5.3.3.1 Statistische Tolerierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 5.3.3.2 bung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 Warum sollen Sie die Prozessdarstellung whlen? . . . . . . . . . . . . . . . . . . . . . . . . . . . 224 Warum mssen Sie Ihr Unternehmen als Netzwerk von Dienstleistungs- und Fertigungsprozessen darstellen? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226 Kommunikation zwischen Prozessen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228 Was heit Prozessverbesserung und was mssen Sie tun? . . . . . . . . . . . . . . . . . . . . 230 Wie knnen wir das Ergebnis erreichen? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232 Was bedeutet Abhngigkeitsstruktur eines Prozesses? . . . . . . . . . . . . . . . . . . . . . . . . 233 5.9.1 Wie fhrt man eine Korrelationsanalyse (KA) durch und was besagen die Ergebnisse? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234 5.9.2 Verteilungsfreie Korrelationskoefzienten . . . . . . . . . . . . . . . . . . . . . . . . . . . 241 5.9.2.1 Was ist ein Vierfelder Korrelationskoefzient? . . . . . . . . . . . . . . . . 241 5.9.2.2 Was fr ein Abhngigkeitsma knnen wir berechnen, wenn die Variablen ber eine Rangskala quantiziert wurden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243 5.9.3 Was sind partielle Korrelationskoefzienten . . . . . . . . . . . . . . . . . . . . . . . . . 247 5.9.4 Was sind multiple Korrelationskoefzienten und wozu bentigt man diese? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250 5.9.5 Was sind partiell multiple Korrelationskoefzienten und wozu bentigt man diese? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253 5.9.6 Was besagen der multivariat partiell-multiple und der multivariat semipartiell-multiple Korrelationskoefzient? . . . . . . . . . . . . . . . . . . . . . . . . 258 Was ist eine Prozessgleichung und wozu bentigt man diese? . . . . . . . . . . . . . . . . . 259 Modelle fr die Prozessgleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 5.11.1 Nur die Produktvariable Y ist zufllig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260 5.11.1.1 Was versteht man unter einem univariaten, linearen, multiplen Modell mit festen Input- und Prozessvariablen? . . . . 263 5.11.1.2 Multivariates, multiples lineares Modell mit determinierten Input- und Prozessvariablen; Y ist ein zuflliger Vektor. . . . . . . . 267 5.11.2 Lineare Modelle mit stochastischen Input- und Prozessvariablen . . . . . . . 268 5.11.2.1 Wie sieht das multiple lineare Modell mit stochastischen Inputund Prozessvariablen aus und wodurch unterscheidet es sich von dem Modell mit festen Input- und Prozessvariablen? . . . . . 269 5.11.2.2 Das multivariate, multiple, lineare Modell mit stochastischen Input- und Prozessvariablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274 5.11.3 Statistische Modelle mit stochastischen Input- und Prozessvariablen . . . 276 5.11.4 Wie kann man die Schtzungen fr die unbekannten Modellparameter fr die Modelle mit stochastischen Input- und Prozessvariablen gewinnen? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278 Welche Eigenschaften haben die Schtzungen fr die unbekannten Modellparameter? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290 Einuss der Multikollinearitt auf die Schtzfunktionen . . . . . . . . . . . . . . . . . . . . . 296 Wie knnen wir die wesentlichen Input- und Prozessvariablen auswhlen? . . . . 305 5.14.1 Warum mssen aber nun wieder Input- und/oder Prozessvariablen aus dem Ansatz gestrichen werden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 5.14.2 Welche Verfahren knnen fr die Auswahl optimaler Teilmengen von xen Input- und Prozessvariablen verwendet werden? . . . . . . . . . . . 307 5.14.3 Red-Auswahlverfahren von Jahn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 318

VIII

Inhaltsverzeichnis

5.15 Unter welchen Umstnden ist die Annahme der Linearitt gerechtfertigt?. . . . . . 5.16 Warum muss ein Prozess gesteuert werden und wie knnen wir einen Prozess steuern? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.16.1 Statistische Tolerierung der Inputvariablen . . . . . . . . . . . . . . . . . . . . . . . . . . 5.16.2 Berechnung der statistischen Sollwerte und Toleranzgrenzen fr die Inputvariablen unter der Bedingung der gegebenen Werte fr die Produktvariablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.17 Zusammenfassung der Produktvariablen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.18 Kalibrierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Kontrolle des Prozesses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1 Univariate Shewhartkarten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.2 Warum brauchen Sie multivariate Kontrollkarten? . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Welches statistische Prinzip dient als Grundlage fr die Konstruktion von multivariaten Kontrollkarten? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4 Was soll mit der multivariaten Kontrollkarte kontrolliert werden? . . . . . . . . . . . . 6.5 Wie knnen multivariate Kontrollkarten konstruiert werden? . . . . . . . . . . . . . . . . 7 Multivariate Analysen mit qualitativen Daten: Varianzanalysen . . . . . . . . . . . . . . . . . 7.1 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2 Univariate Varianzanalyse ANOVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.2.1 Wiederholte Anwendung des t-Zweistichprobentests . . . . . . . . . . . . . . . . . . 7.2.2 Zerlegung der Summe der Abweichungsquadrate . . . . . . . . . . . . . . . . . . . . . 7.3 Kleinste signikante Differenz (Least signicant difference) . . . . . . . . . . . . . . . . . . 7.4 Varianzanalyse als allgemeines univariates multiples lineares Modell mit festen Einussvariablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.5 Prfung der allgemeinen linearen Hypothese H0: C = 0 . . . . . . . . . . . . . . . . . . . . 7.6 Zweifache Klassikation der Varianzanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.7 Multiple Vergleiche der Behandlungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.8 Ringversuche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.8.1 Bestimmung der Wiederhol- und Vergleichbarkeit . . . . . . . . . . . . . . . . . . . . 7.9 Multivariate Varianzanalyse (multivariate analysis of variance = manova) . . . . . 7.9.1 Das multivariate verallgemeinerte lineare Modell mit festen Einussparametern . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9.2 Einfache Klassikation der MANOVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9.3 Multiple Vergleiche in der MANOVA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9.4 Prolanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9.5 Test fr die Parallelitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9.6 Test fr die gleiche Ausprgung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9.7 Reproduzierbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.9.8 Fall fr beliebige k > 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Planung und statistische Auswertung von Versuchen zur Gewinnung von Prozessgleichungen (Versuchsplanung oder Design of Experiments DoE) . . . . . . . . 8.1 Voraussetzungen fr die Durchfhrung der Versuchsplanung . . . . . . . . . . . . . . . . 8.2 Prinzip der Versuchsplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.3 Bezeichnungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.4 Ziele der Versuchsplanung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.5 Verallgemeinerung des Konstruktionsprinzips . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

333 334 335

340 346 350 359 359 362 368 370 375 387 387 391 392 394 398 403 405 407 413 416 417 423 423 425 430 433 433 434 435 435

439 441 441 443 448 449

Inhaltsverzeichnis

IX 462 464 465 470 478 489 503

8.6 Teilweise faktorielle Versuchsplne (TFV) vom Typ 2n p . . . . . . . . . . . . . . . . . . . . 8.7 Derivate der Versuchsplanung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.7.1 Das Multi-Vari-Bild . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.7.2 Variablenvergleich von Shainin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.8 Versuchsplne von Taguchi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.9 Vergleich der Problemlsung mit multivariaten statistischen und Versuchsplanmethoden anhand von Beispielen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8.10 Zusammenstellung der Vor- und Nachteile der Versuchsplan- und mutivariaten statistischen Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

9 Untersuchung der Zuverlssigkeit von Produkten mit neuen multivariaten Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 507 9.1 Produkt-Funktionen-Prozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 509 9.2 Denition der Zuverlssigkeit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 513 10 Klassikationsverfahren Verfahren zur berprfung der Homogenitt von Stichproben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.1 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.2 Anliegen der Klassikationsverfahren. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.3 Clusteranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10.4 Diskriminanzanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 Analyse der Abhngigkeitsstruktur zuflliger Vektoren mit der Hauptkomponenten- oder Faktoranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.1 Grundlagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Anliegen der Hauptkomponenten- und Faktoranalyse . . . . . . . . . . . . . . . . . . . . . . . 11.3 Geometrische Deutung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.4 Hauptkomponentenanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.5 Hauptkomponentenregression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.6 Faktoranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 Betriebswirtschaftliche Entscheidungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.1 Was sind Kosten? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.2 Was sollten Sie ber die klassische Kostenrechnung wissen? . . . . . . . . . . . . . . . . . . 12.3 In welchen Schritten erfolgt die prozessorientierte Kostenrechnung? . . . . . . . . . . 12.3.1 Der Kostenentstehungsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.3.2 Wie mssen die Kosten erfasst werden? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.4 Wie erfolgt die Analyse und Steuerung der Kosten? . . . . . . . . . . . . . . . . . . . . . . . . . . 12.4.1 Aufbereitung des Datenmaterials . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.4.2 Analyse der Kostenstruktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12.4.3 Steuerung des Kostenentstehungsprozesses . . . . . . . . . . . . . . . . . . . . . . . . . . 12.4.4 Kostenkalkulation im Kostenentstehungsprozess . . . . . . . . . . . . . . . . . . . . . 12.5 Lieferterminberschreitungen als betriebswirtschaftliche Produktvariable . . . . . 13 berfhrung der Ergebnisse der statistischen Prozessanalyse und Steuerung in die Praxis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13.1 Gemeinsame Durchfhrung eines konkreten Projektes . . . . . . . . . . . . . . . . . . . . . . 13.2 Schulung der Prozessverantwortlichen und Mitarbeiter . . . . . . . . . . . . . . . . . . . . . . 13.3 Widerstand gegen den Wandel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

519 519 522 523 528

535 535 541 545 546 553 559 581 582 583 585 585 588 589 590 591 594 598 601

607 609 611 613

Inhaltsverzeichnis

Glossar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 615 Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 639 Lsungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapitel 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapitel 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapitel 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapitel 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapitel 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kapitel 12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 645 645 646 656 658 663 667

Stichwortverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 669

Downloadbereich: Unter der Adresse http://downloads.hanser.de/3-446-40616-6 knnen Sie die zum Buch gehrenden Dateien herunterladen.

Beispielverzeichnis
Motorsttzen. Problembeschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Motorsttzen. Problemdenition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 Motorsttzen. Problemklassikation 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 Motorsttzen. Problemklassikation 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 Motorsttzen. Ursachenndung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 Bremsweg. Abhngigkeitsstruktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Analyse von Bodenproben. Qualitative Variablen . . . . . . . . . . . . . . . . . . . . . 19 Papierfeeder. Zuverlssigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Motorsttzen. Problemlsung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 Auftragsabwicklung. Produktbenchmarking . . . . . . . . . . . . . . . . . . . . . . . . . 36 Elektromotor. Variablen und Abhngigkeiten . . . . . . . . . . . . . . . . . . . . . . . . 38 Plastikschalen fr Akku-Bohrschrauber. Anforderungen . . . . . . . . . . . . . . 41 Papierfeeder. Wirkungsweise und Funktionen . . . . . . . . . . . . . . . . . . . . . . . . 43 Fragebogen Kundenzufriedenheit. Auswertungen. . . . . . . . . . . . . . . . . . . . . 49 Fragebogen zur Kundenzufriedenheit. Auswertung mit der Faktoranalyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 Beispiel 2.4.3: Marktgre. Variablen und Abhngigkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . 55 Beispiel 2.5.1: Plastikschalen fr Akku-Bohrschrauber. Lieferantenauswahl . . . . . . . . . . . 56 Beispiel 3.1.1: Motorventile. Parametrisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 Beispiel 3.2.1: Ausreier. Datenaufbereitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 Beispiel 3.2.2: Ausreier. Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 Beispiel 3.3.1: Lslichkeit von Natriumnitrat. Datensammlung . . . . . . . . . . . . . . . . . . . . . . 70 Beispiel 3.4.1: Bremsweg. Anforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 Beispiel 3.4.2: Bremsweg. Fhigkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 Beispiel 3.5.1: Bremsweg. Messen der Geschwindigkeit eines PKW . . . . . . . . . . . . . . . . . . 76 Beispiel 3.6.1: Produktivitt. Verfahren der Ausreiererkennung. . . . . . . . . . . . . . . . . . . . . 79 Beispiel 3.6.2: Produktivitt. Zeilensummenmethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 Beispiel 3.6.3: Produktivitt. Hugkeitsverteilungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 Beispiel 3.6.4: Produktivitt. Streuungsdiagramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 Beispiel 3.6.5: Produktivitt. Statistische Mazahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 Beispiel 3.6.6: Produktivitt. Grubbs Teststatistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 Beispiel 3.6.7: Produktivitt. Ausreierelimination . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 Beispiel 3.6.8: Produktivitt. Einuss auf Analysen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 Beispiel 3.6.9: Produktivitt. Einuss auf Varianzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 Beispiel 3.6.10: Produktivitt. Einuss auf Korrelationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 Beispiel 3.6.11: Produktivitt. Lnge der Hauptachsen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 Beispiel 1.3.1: Beispiel 1.3.2: Beispiel 1.3.3: Beispiel 1.3.4: Beispiel 1.3.5: Beispiel 1.3.6: Beispiel 1.3.7: Beispiel 1.3.8: Beispiel 1.3.9: Beispiel 2.1.1: Beispiel 2.2.1: Beispiel 2.2.2: Beispiel 2.3.1: Beispiel 2.4.1: Beispiel 2.4.2:

XII

Beispielverzeichnis

Beispiel 3.6.12: Beispiel 3.6.13: Beispiel 3.6.14: Beispiel 3.6.15: Beispiel 3.6.16: Beispiel 3.6.17: Beispiel 3.6.18: Beispiel 3.6.19: Beispiel 4.1.1: Beispiel 4.2.1: Beispiel 4.2.2: Beispiel 4.2.3: Beispiel 4.2.4: Beispiel 4.2.5: Beispiel 4.3.1: Beispiel 4.3.2: Beispiel 4.3.3: Beispiel 4.4.1: Beispiel 4.4.2: Beispiel 5.1.1: Beispiel 5.1.2: Beispiel 5.2.1: Beispiel 5.2.2: Beispiel 5.2.3: Beispiel 5.2.4: Beispiel 5.2.5: Beispiel 5.2.6: Beispiel 5.2.7: Beispiel 5.2.8: Beispiel 5.2.9: Beispiel 5.2.10: Beispiel 5.2.11: Beispiel 5.2.12: Beispiel 5.2.13: Beispiel 5.3.1: Beispiel 5.3.2: Beispiel 5.3.3: Beispiel 5.3.4: Beispiel 5.4.1:

Produktivitt. Leverage Punkte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 Produktivitt. Mahalanobis Distanz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 Produktivitt. Bedingte Erwartungswerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 Produktivitt. Residuen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 Produktivitt. Cooksche Distanz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 Produktivitt. Aerk Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 Produktivitt. Grenze fr Ausreierbetrachtung . . . . . . . . . . . . . . . . . . . . . . 97 Quantile einer standardisierten normalverteilten Zufallsgre . . . . . . . . 100 Papierfeeder. Aufgaben und Abgrenzung . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 Papierfeeder. Zuverlssigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 Laser Pointer. Conjoint Analyse. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 Metallsge. Input/Prozess/Produkt/Funktion . . . . . . . . . . . . . . . . . . . . . . . . 127 Metallsge. Versuchsplanung und Latitudes . . . . . . . . . . . . . . . . . . . . . . . . . 130 Metallsge. Besttigungsexperimente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 Metallsge. Simultane Erfllung der Anforderungen . . . . . . . . . . . . . . . . . 144 Metallsge Zusammenfassung der Funktionen . . . . . . . . . . . . . . . . . . . . . . 146 Metallsge. Funktionalitt und Toleranzgrenze . . . . . . . . . . . . . . . . . . . . . . 146 Drucker. Kundenanforderungsprol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 Drucker. Produktweiterentwicklung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151 Ziegelsteinherstellung. Nicht unabhngige Zufallsgren . . . . . . . . . . . . . 156 Dmpfung der Motorvibration. Abhngigkeiten . . . . . . . . . . . . . . . . . . . . . 157 Kunststoffscheiben. Denition von Kundenanforderungen . . . . . . . . . . . 160 Akkubohrschrauber. Statistische Tolerierung . . . . . . . . . . . . . . . . . . . . . . . . 169 Wellendurchmesser. Univariate Prozessfhigkeit . . . . . . . . . . . . . . . . . . . . . 175 Wellendurchmesser. Prozessfhigkeit nach Taguchi . . . . . . . . . . . . . . . . . . 178 Fhigkeiten und Ausfallrate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 Wellendurchmesser. Ausfallrate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 Akkubohrschrauber. Kondenzintervalle fr Cp und Cpk . . . . . . . . . . . . . . . . . . . . . 186 Simulationen. Mazahlen und univariate Fhigkeiten . . . . . . . . . . . . . . . . 194 Simulationen. Eigenwerte und Lngen der Hauptachsen . . . . . . . . . . . . . 195 Demonstrationsbeispiel. Multivariate Fhigkeiten . . . . . . . . . . . . . . . . . . . 205 Dmpfung der Motorvibration. Multivariate Fhigkeiten . . . . . . . . . . . . . 207 Akkubohrschrauber. Prozessfhigkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 Karosseriebau. Multivariate Fhigkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209 Einfaches Getriebe. Maketten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 Einfaches Getriebe. Ortsvektoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216 Quadratische Form . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 Einfaches Getriebe. Tolerierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 Drehen einer Welle. Prozessdarstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225

Beispielverzeichnis

XIII 227 229 231 235 238 241 242 243 244 246 247 248 248 250 252 256 260 263 270 271

Beispiel 5.5.1: Beispiel 5.6.1: Beispiel 5.7.1: Beispiel 5.9.1: Beispiel 5.9.2: Beispiel 5.9.3: Beispiel 5.9.4: Beispiel 5.9.5: Beispiel 5.9.6: Beispiel 5.9.7: Beispiel 5.9.8: Beispiel 5.9.9: Beispiel 5.9.10: Beispiel 5.9.11: Beispiel 5.9.12: Beispiel 5.9.13: Beispiel 5.10.1: Beispiel 5.11.1: Beispiel 5.11.2: Beispiel 5.11.3: Beispiel 5.11.4:

Beispiel 5.11.5:

Beispiel 5.11.6: Beispiel 5.12.1: Beispiel 5.12.2: Beispiel 5.13.1: Beispiel 5.13.2: Beispiel 5.14.1: Beispiel 5.14.2: Beispiel 5.14.3: Beispiel 5.14.4: Beispiel 5.14.5:

Papierfeeder. Prozessnetzwerk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Papierfeeder. Prozessnetzwerk mit Kommunikation . . . . . . . . . . . . . . . . . Chemischer Prozess. Prozessverbesserung . . . . . . . . . . . . . . . . . . . . . . . . . . Bremsweg eines PKW. Korrelationskoefzienten. . . . . . . . . . . . . . . . . . . . . Bremsweg eines PKW. Abhngigkeit des Bremsweges . . . . . . . . . . . . . . . . Bremsweg eines PKW. Determinante der Korrelationsmatrix . . . . . . . . . Stillstandszeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lieferterminberschreitung. Rangkorrelationskoefzienten. . . . . . . . . . . Lieferfristenberschreitung. Spearmanscher Rangkorrelationskoefzient. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lieferfristenberschreitung. Kendallscher Rangkorrelationskoefzient. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einuss von zwei Prozess- auf eine Produktvariable. Abhngigkeiten . . Einuss von zwei Prozess- auf eine Produktvariable. Partieller Korrelationskoefzient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einuss von zwei Prozess- auf eine Produktvariable. Ma der Beherrschbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bremsweg eines PKW. Partielle Korrelationskoefzienten. . . . . . . . . . . . . Bremsweg eines PKW. Multipler Korrelationskoefzient. . . . . . . . . . . . . . Bremsweg eines PKW. Partiell multipler Korrelationskoefzient . . . . . . . Brennen von Porzellan. Technologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bremsweg. Einfache Prozessgleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bremsweg. Prozessgleichung mit mehreren Prozessvariablen . . . . . . . . . . Bremsweg. Mehrere Prozessvariable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Multivariates multiples Modell mit zwei Produkt- und zwei stochastischen Prozessvariablen. Bedingte Kovarianz und bedingte Erwartungswerte. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Multivariates multiples Modell mit zwei Produkt- und zwei stochastischen Prozessvariablen. Multivariater multipler Korrelationskoefzient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Akkubohrschrauber. Statistische Prozessanalysen . . . . . . . . . . . . . . . . . . . . Bremsweg. Vorhersagen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bremsweg. Varianzanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Multikollinearitt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einuss der Multikollinearitt. Einuss auf die Modellparameter. . . . . . Chemischer Prozess. Teilmengenregressionen . . . . . . . . . . . . . . . . . . . . . . . Chemischer Prozess. Schrittweise Auswahl der unwesentlichen Prozessvariablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chemischer Prozess. Red-Auswahlverfahren . . . . . . . . . . . . . . . . . . . . . . . . Chemischer Prozess. Vergleich von Reduktionsverfahren . . . . . . . . . . . . . Mikroelektronik. Red-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

275

276 279 291 295 298 303 310 317 326 328 330

XIV

Beispielverzeichnis

Beispiel 5.16.1: Chemischer Prozess. Statistische Tolerierung der Input- und Prozessvariablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 5.17.1: Karosseriebau. Zusammenfassung der Produktvariablen . . . . . . . . . . . . . Beispiel 5.18.1: Kalibrierung. Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 5.18.2: Kalibrierung. Vorhersageintervall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 5.18.3: Nachweisgrenze. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 5.18.4: Erfassungsgrenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 5.18.5: Bestimmungsgrenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 6.1.1: Lnge des Bremsweges. Univariate Qualittskontrollkarte . . . . . . . . . . . . Beispiel 6.2.1: Lnge des Bremsweges. Streuungsdiagramm . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 6.2.2: Lnge des Bremsweges. Statistische Mazahlen . . . . . . . . . . . . . . . . . . . . . . Beispiel 6.4.1: Lnge des Bremsweges. T2-Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 6.5.1: Zementplatten. Uni- und multivariate Kontrollkarten . . . . . . . . . . . . . . . . Beispiel 6.5.2: Akkubohrschrauber. bung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 7.1.1: Porzellanteller . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 7.2.1: Schweien von Motorsttzen. Problembeschreibung . . . . . . . . . . . . . . . . . Beispiel 7.2.2: Schweien von Motorsttzen. t-Zweistichprobentest . . . . . . . . . . . . . . . . . Beispiel 7.2.3: Einfache ANOVA. Beispielrechnung. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 7.3.1: Einfache ANOVA. Least signicant difference . . . . . . . . . . . . . . . . . . . . . . . Beispiel 7.3.2: Schweien von Motorsttzen. Varianzanalyse . . . . . . . . . . . . . . . . . . . . . . . Beispiel 7.6.1: Schweien von Motorsttzen. Dreifache Klassikation . . . . . . . . . . . . . . . Beispiel 7.7.1: Schweien von Motorsttzen. Kondenzintervalle . . . . . . . . . . . . . . . . . . . Beispiel 7.8.1: Nikotingehalt von Zigaretten. Wiederhol- und Vergleichbarkeit . . . . . . . Beispiel 7.9.1: Vergleich von Laboren. Einfache Klassikation . . . . . . . . . . . . . . . . . . . . . . Beispiel 7.9.2: Vergleich von Laboren. Multiple Vergleiche . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.3.1: Bremsweg. Durchfhrung von Versuchen . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.3.2: Bremsweg. Prozessgleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.5.1: Bschungswinkel von Tagebaubschungen. Problembeschreibung und Versuchsdurchfhrung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.5.2: Solarenergie. Durchfhrung von Versuchen . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.6.1: Solarenergie. Reduziertes Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.7.1: Mikroelektronik. Multi-Vari-Bild . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.7.2: Papierfeeder. Variablenvergleich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.8.1: Solarzelle. Taguchi-Versuchsplan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.8.2: Feeder. Taguchi-Versuchsplan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.9.1: Chemischer Prozess. Vergleich verschiedener Methoden . . . . . . . . . . . . . . Beispiel 8.9.2: Chemischer Prozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 8.9.3: Chemischer Prozess. Statistische Tolerierung . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 9.1.1: Papierfeeder. Problem der Zuverlssigkeit. . . . . . . . . . . . . . . . . . . . . . . . . . . Beispiel 9.2.1: Zeichnen von Linien mit einem Bleistift . . . . . . . . . . . . . . . . . . . . . . . . . . . .

335 347 352 355 355 356 356 360 363 365 372 378 385 390 391 392 396 399 400 409 415 418 428 432 444 445 450 454 463 465 471 481 484 491 499 502 511 514

Beispielverzeichnis

XV 519 526 528 530 535 540 544 545 547 550 553 556 559 570 574 575 583 587 588 590 591 592 594 596 598 602 607 619 621 630 636

Beispiel 10.1.1: Beispiel 10.3.1: Beispiel 10.4.1: Beispiel 10.4.2: Beispiel 11.1.1: Beispiel 11.1.2: Beispiel 11.2.1: Beispiel 11.3.1: Beispiel 11.4.1: Beispiel 11.4.2: Beispiel 11.5.1: Beispiel 11.5.2: Beispiel 11.6.1: Beispiel 11.6.2: Beispiel 11.6.3: Beispiel 11.6.4: Beispiel 12.2.1: Beispiel 12.3.1: Beispiel 12.3.2: Beispiel 12.4.1: Beispiel 12.4.2: Beispiel 12.4.3: Beispiel 12.4.4: Beispiel 12.4.5: Beispiel 12.4.6: Beispiel 12.5.1: Beispiel 13.1.1: Beispiel G1: Beispiel G2: Beispiel G3: Beispiel G4:

Schwingungsdmpfer. Klassikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Schwingungsdmpfer. Bildung von Clustern . . . . . . . . . . . . . . . . . . . . . . . . Schwingungsdmpfer. berprfung der Klassikation . . . . . . . . . . . . . . . Akkubohrschrauber. Unterschiedliche Montagezeiten . . . . . . . . . . . . . . . . Akkubohrschrauber. Berechnung von Faktoren . . . . . . . . . . . . . . . . . . . . . Schwingungsdmpfer. Berechnung von Faktoren . . . . . . . . . . . . . . . . . . . . Persnlichkeitsmarketing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Markt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Akkubohrschrauber. Hauptkomponentenanalyse . . . . . . . . . . . . . . . . . . . . Akkubohrschrauber. Reduktion des Parameterraums . . . . . . . . . . . . . . . . Akkubohrschrauber. Hauptkomponentenregression . . . . . . . . . . . . . . . . . Akkubohrschrauber. Rcktransformation . . . . . . . . . . . . . . . . . . . . . . . . . . Akkubohrschrauber. Interpretation der Faktoranalyse. . . . . . . . . . . . . . . . Akkubohrschrauber. Rotation der Faktormatrix . . . . . . . . . . . . . . . . . . . . . Akkubohrschrauber. Spezielle Rotation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chemischer Prozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Brotherstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbau. Prozessnetzwerk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbau. Statistische Mazahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbau. Starplots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbau. Abhngigkeitsstruktur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbau. Kostengleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbau. Steuerung, allgemein . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbau. Steuerung, speziell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kalkulation im Herstellungsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Maschinenbau. Kosten und Zeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Univariate Prozessfhigkeitsindizes und Ausschussanteil . . . . . . . . . . . . . Euklidischer Abstand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Machalanobisabstand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wellendurchmesser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fahrverhalten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Einleitung
Die groe Tragdie der statistischen Prozessanalyse: die Ersetzung einer schnen Hypothese durch eine hssliche Tatsache knnte man frei nach T. Huxley sagen In jedem Unternehmen gibt es Probleme. Sie verringern die Produktivitt, damit die Wettbewerbsfhigkeit, den Gewinn, die Kundenzufriedenheit und sie beeinussen die Kommunikation zwischen den Prozessen und das Betriebsklima, sie verursachen Verluste. Verluste sind die Verschwendung von Arbeitskraft, Material, Energie usw. und drfen keinesfalls mit den Kosten, im Sinne der monetren Bewertung des notwendigen Verbrauchs von allen mglichen Ressourcen gleichgesetzt werden. Die Probleme mssen gelst werden, um die Verluste zu reduzieren. Dabei entstehen natrlich Kosten fr die Datenerfassung, die Modellierung und die Berechnung von Lsungen fr die Modelle. Hieraus resultiert die Frage, ob alle Probleme gelst werden mssen, die pauschal nur verneint werden kann. Eine Abschtzung ist notwendig. Sind die Kosten geringer als die Verluste, dann muss im Sinne der Wirtschaftlichkeit gehandelt werden. Diese Abschtzung ist aber nicht einfach, da weder die Verluste noch die Kosten bekannt sind. Hilfe fr die Entscheidungsndung ist unbedingt notwendig. Zur Verdeutlichung betrachten wir die Herstellung eines Produktes in einem Fertigungsprozess, aber das Prinzip gilt auch fr das Ergebnis eines Dienstleistungsprozesses. In unserem Beispiel ist das Produkt eine Welle mit einem bestimmten Durchmesser. Der Kunde, der das Produkt kaufen will bzw. in Auftrag gibt, fordert einen Durchmesser von einem gewissen Wert, in unserem Beispiel von 2 [mm]. Das Produkt wollen wir wegen der Verstndlichkeit der folgenden Aussagen nur durch eine Variable charakterisieren. Die Erfahrung zeigt, dass aufgrund von Materialstreuungen und gewisser Schwankungen im Fertigungsprozess der exakten Wert fr den Durchmesser selten erreicht werden kann. Daher wird fr diesen Wert der Produktvariablen, den Durchmesser der Welle, ein zulssiges Streuungsintervall zwischen dem Kunden und dem Hersteller der Welle vereinbart. Das Intervall ist der technisch versierte Leser kennt das das Toleranzintervall. Die Kundenanforderung an die Welle lautet also: die Welle muss Durchmesser aus dem Intervall [2,0 0,1] [mm] haben. Nach vertraglichen Vereinbarungen beginnt die Produktion der Wellen. Noch whrend der Herstellung werden die Durchmesser der gefertigten Wellen gemessen und in Form einer Hugkeitsverteilung visualisiert. An der Stelle des Solldurchmessers von 2,0 [mm] und an den Stellen der unteren Toleranzintervallgrenze Tu = 1,9 [mm] und der oberen Toleranzgrenze To = 2,1 [mm] werden senkrechte Linien (Ordinaten) in die Hugkeitsverteilung eingezeichnet. Liegt die Hugkeitsverteilung vollstndig in dem Toleranzintervall, dann sagen wir die Fertigung ist in Ordnung. Ragt die Hugkeitsverteilung auf einer Seite ber die untere oder obere Toleranzgrenze hinaus, dann wird Ausschuss produziert. Die Wellen sind fr den Kunden nicht verwertbar und fr den Produzenten ein Verlust. Die Formalisierung des graschen Vergleichs zwischen Soll- und Istzustand bezeichnen wir als Fhigkeitsnachweis, wobei wir das Wort Fhigkeit genauso verwenden wie in der Rechtsprechung. Es ist die Eigenschaft des Prozesses, Produkte mit der Vorgabe der Durchmesser soll im Toleranzintervall liegen zu produzieren. Es gibt zwei Prozessfhigkeitsindizes, wir wollen sie Cp und Cpk nennen. Mit Cp wird die Toleranzbreite mit der Breite der Hugkeitsverteilung verglichen. Cpk heit korrigierter Prozessfhigkeitsindex. Dieser bezieht die Abweichung zwischen dem Mittel- und Sollwert in den Vergleich mit ein.

XVIII

Einleitung

Die Prozessfhigkeitsanalyse, wie in Abbildung 1 dargestellt, ermglicht die Entscheidungen des Produzenten, den Prozess im Fall Cpk < 1 so zu verbessern, dass die Streuung der Durchmesser kleiner wird, den Prozess im Falle Cp > 1 und Cpk < 1 so zu justieren, dass der Mittelwert mit dem Sollwert bereinstimmt oder falls Cp > 1und Cpk > 1 den Prozess mit Regelkarten zu kontrollieren, so dass die Kundenanforderung eingehalten wird. Aus der Abbildung 1 lesen wir ab, dass die dunkelgefrbten Anteile der Hugkeitsverteilung die Ausschussanteile unterhalb der unteren und/oder oberhalb der oberen Toleranzgrenze liegen. Die Prozessfhigkeitsindizes stehen damit in unmittelbarer Beziehung zu den Ausschussanteilen. Berechnen wir bei den produzierten Wellen eine Prozessfhigkeit Cpk = 0,47, dann liegen ca. 14 % aller produzierten Wellen auerhalb des Toleranzintervalls. Die Halbierung der Streuung durch eine Prozessverbesserung liefert dann eine Prozessfhigkeit von ca. 1,0, d. h. fast alle produzierten Wellen haben einen Durchmesser, der der Kundenanforderung entspricht. An diesem kleinen Beispiel wird die Kraft der Statistik schon sehr deutlich. Damit ist die Aussage, der Prozessfhigkeitsindex Cpk < 1, die klarste und krzeste Problemdenition. Ein Produkt wird nun aber durch mehrere, in der Regel nicht unabhngige Produktvariable beschrieben. Ein Kunde verlangt auerdem, dass ein Produkt simultan alle seine relevanten Kundenanforderungen erfllen muss! Diesen Nachweis knnen und mssen wir mit den multivariaten Prozessfhigkeitsindizes fhren, da die univariaten Prozessfhigkeitsindizes fr alle Produktvariablen keine Entscheidung ermglichen.

Daten

Tu

M Cp < 1 Cpk <1

To

Tu

M Cp > 1 Cpk < 1

To

Tu

M Cp > 1 Cpk > 1

To

Prozessverbesserung Reduktion der Streuung Justierung

SPC

berprfung oder Berechnung der Sollwerte und Toleranzgrenzen

Abb. 1: Entscheidungsndung mittels Prozessfhigkeitsindizes

Einleitung

XIX

Der Wert des angepassten multivariaten Prozessfhigkeitsindexes ist die Messgre fr die Qualitt. Es ist dies eine hoch aggregierte Gre, die trotz der Kompliziertheit den Vorteil hat, dass die Kommunikation mit anderen Prozessen und mit den Lieferanten przisiert werden kann und so z. B. verschiedene Lieferanten aufgrund der Inputqualitten miteinander verglichen werden knnen. Und letztlich ist es ja die Qualitt nach der wir entscheiden mssen, was zu tun ist. Jedes Problem hat Ursachen. Betrachten wir den Fall, dass die Prozessfhigkeit kleiner als 1 ist, dann knnen vernderte Inputvariablen, wie Materialcharakteristiken, Stromschwankungen und vernderte Prozessvariablen wie z. B. die Drehzahl beim Drehen einer Welle, die vernderte Temperatur der Khlssigkeit, die vernderte Schneidgeometrie usw. die Ursachen sein. In der Regel gibt es mehrere, nicht unabhngig voneinander wirkende Ursachen, deren Auswirkungen ebenfalls miteinander korreliert sind. Fr die Lsung eines Problems mssen die Auswirkungen in Abhngigkeit von den Ursachen dargestellt werden. Das ist eines der Anliegen der multivariaten (mehrdimensionalen) Statistik. Trotz einiger sehr guter Bcher ber die multivariaten statistischen Methoden, z. B. das Buch von Fahrmeir [1984], werden diese Methoden zu selten fr die Lsung der betrieblichen Probleme eingesetzt. Eine Ursache hierfr ist sicherlich auch die Tatsache, dass die multivariaten Methoden an technischen und betriebswirtschaftlichen Fakultten nicht gelehrt werden. Whrend und nach meiner wissenschaftlichen Ttigkeit an der Universitt habe ich mich der Anwendung der multivariaten statistischen Methoden zur Lsung von betrieblichen Problemen gewidmet und mit vielen Unternehmen zusammengearbeitet. Dabei entwickelte ich einige neue multivariate Methoden, wie z. B. die Erweiterung der uni- auf die multivariaten Prozessfhigkeitsindizes, Methoden fr die multivariate statistische Tolerierung, Methoden fr die Auswahl der wesentlichen Input-, Prozess- und Produktvariablen, eine technische Sprache fr die Kommunikation zwischen Prozessen, Methoden zur Behandlung von Netzwerken von Prozessen usw., die fr die erfolgreiche Lsung von Problemen notwendig sind. Alle diese aus der Praxiserfahrung und Anwendung erarbeiteten mathematischen Methoden werden in einem gemeinsam mit der Firma Q-DAS erarbeiten multivariaten Modul fr das Programmsystem q-stat zusammengefasst. Die Programme fr diese Methoden hat Lorenz Braun erarbeitet. Die beiliegenden CD enthlt Testversionen. Den Kostenenstehungsprozess und das sensible Problem der Vernderung der kostenerzeugenden Faktoren, so dass die Kosten fr ein Produkt kleiner sind als der am Markt zu erzielende Preis, hat Braun mit diesen Methoden analysiert und gelst. Das Buch soll ein Leitfaden fr die Lsung von betrieblichen Problemen mit den multivariaten statistischen Methoden sein. Es soll viele Experten ansprechen und sie anregen, sich mit dieser spannenden und fr die Unternehmen sehr lohnenden Thematik zu befassen. Unser Dank gilt dem Hanser Verlag, vor allem meinen Lektor Volker Herzberg, der Mut machte, das Projekt konsequent als Leitfaden der Qualitt von der gedanklichen Entstehung des Produktes ber die Angebotsphase, die Produkt- und Prozessentwicklung, die Fertigung und dem Einsatz des Produktes in nachfolgenden Prozessen zu realisieren und der mit Rat und Tat zur Seite stand. Ganz besonders mchte ich auch meiner Frau Beate danken, die ber einen lngeren Zeitraum die unvermeidlich hhere Belastung und Anspannung ertrug, die mit einem solchen Projekt einhergeht und trotzdem immer bereit war, mich mit ihrer Lektoratserfahrung zu untersttzen. Sie und Frau Nora Winkler, lasen Auszge aus dem vollstndigen Manuskript und gaben wertvolle Hinweise zur Verbesserung der Verstndlichkeit der Sachverhalte.

XX

Einleitung

Damit der Inhalt mglichst vielen Lesern verstndlich wird, haben wir viele Beispiele einbezogen, die aus konkreten Situationen in Unternehmen abgeleitet wurden. Fr die Zustimmung zur Aufnahme in unser Buch mchten wir den Unternehmen BMW, BDT, Eternit AG, Habasit und vielen weiteren Unternehmen Dank sagen. Warum sollen Sie dieses Buch lesen? Es ist besser, das winzigste Lmpchen zu entznden, als sich ber Dunkelheit zu beklagen. Konfuzius Gesellschaft und Wirtschaft sind spieltheoretisch Kontrahenten. Die Unternehmen sind in der betriebswirtschaftlichen Sphre ttig und die wirtschaftlichen Aufgaben der Regierung erstrecken sich grtenteils auf ordnungspolitische Aufgaben. Jede Seite strebt fr sich ein Maximum an. Fr die Gesellschaft fordert Ludwig Erhard in seinem Buch Wohlstand fr alle genau das als Maximum. Daraus schlussfolgert er, dass die Wirtschaft Verantwortung gegenber dem ganzen Volk trgt und sich diese nicht gegenber einzelnen Gruppen erschpft. Erhard fordert weiter, jedes Einzelinteresse kann seine Rechtfertigung nur dadurch nden, dass es geeignet ist, auch dem Interesse des Ganzen zu dienen. Die Wirtschaft richtet ihr Handeln nach der Maximierung des Betriebsergebnisses in Form von maximalen Gewinn, maximalen Renditen usw. Der neue Wirtschaftsminister tritt mit dem Anspruch an, berall ordnungspolitische Linien hervorzuheben und durchzusetzen. Stimmen die Stze von Erhard noch? Ist es ausreichend die Wirtschaftspolitik der Regierung als ordnungspolitisches Regulativ zu verstehen? Das gesellschaftliche Problem besteht darin, dass das Gleichgewicht zwischen den Kontrahenten zugunsten der Wirtschaft verschoben ist. Das uert sich in den folgenden Tatsachen: Viele deutsche Unternehmen (Konzerne) suchen und nden ihr wirtschaftliches Heil im Ausland. Petersdorf [2005] schreibt hierzu, dass von den 30 Dax-Unternehmen, deren Aktien breit gestreut sind, sich die meisten mehrheitlich in auslndischen Hnden benden, wie z. B. Deutsche Bank, Eon, Siemens und BASF. Bei der Allianz, Mnchner Rck, DaimlerChrysler halten die auslndischen Investoren gut die Hlfte der Aktien. Die Internationalisierung erfolgt in den Schritten: Zuerst wird der Umsatz verlagert, d. h. die Konzerne erwirtschaften den grten Teil ihrer Erlse im Ausland; 19 von den 30 Unternehmen erzielen mehr als 2/3 des Umsatzes im Ausland. Fr die deutschen Traditionsunternehmen wie Adidas, Fresenius Medical Care, Schering u. a. ist der deutsche Markt nur noch eine Randgre. Dann wird die Belegschaft verlagert. Die Mehrheit der Dax 30-Konzerne beschftigt jetzt schon mehr Mitarbeiter jenseits der Grenzen. Der Trend setzt sich ungebremst fort. Die Begrndungen basieren auf der Verlagerung der Produktion und der hheren Dynamik der Volkswirtschaften im Osten und Fernen Osten. Schlielich wird das Eigentum durch das Aufnehmen von auslndischen Kapital und durch auslndische Aktionre selbst ins Ausland verlagert.

Einleitung

XXI

Das alles ist mglich, da sich die deutschen Banken fast vollstndig von ihren Industriebeteiligungen gelst haben. Dieser Prozess wird durch die Finanznot der ffentlichen Hand noch beschleunigt. Petersdorf [2005] schreibt hierzu Die Auslnder steigen bei den Deutschen ein, weil die Deutschen so erfolgreich im Ausland sind und weiter die Anleger scheinen zu verstehen, dass deutsche Unternehmen extrem erfolgreich sein knnen, selbst wenn die deutsche Volkswirtschaft extrem schwach ist oder das Gute an deutschen Konzernen ist, dass sie kaum noch deutsch sind. Konkret wird das Dilemma der deutschen Wirtschaft mit dem Interview von Conti-Chef Wennemer durch Meck [2005] beschrieben. Den Widerspruch zwischen dem Rekordgewinn und der Beendigung der PKW-Reifenproduktion begrndet Wennemer mit dem guten Handeln seiner Vorgnger und der Notwendigkeit, dass sich Conti nicht auf diesem Polster ausruhen darf und dem zunehmenden Wettbewerb aus China und Korea begegnen muss. Der Frage nach Protgier aufgrund der Verfnffachung der Aktie seit 2001 und einer Rendite von 18 % entgegnet er mit dem Hinweis, dass Conti auf internationale Investitionen angewiesen ist, da gerade mal 10 % der Conti-Aktien Deutsche sind und niedrigere Rendite hhere Kosten fr die Finanzierung bedeuten. Wenn Conti den Anschluss im globalen Wettbewerb verlre, dann wre Conti ein bernahmekandidat. Das Werk Hannover arbeitet protabel und wird trotzdem geschlossen. Warum? Wennemer: es wird nur ein Teil der Produktion in einem Werk geschlossen, da berkapazitten vorhanden sind und dass er dort, wo die Kosten am hchsten sind, reduzieren muss. Die Gewerkschaft kritisiert, dass, obwohl sie 2004 einer Erhhung der Arbeitszeit auf 40 Std. ohne Lohnausgleich zugestimmt hat, Conti 2005 trotzdem 320 Jobs streicht. Die Aktion sei eine Chance gewesen. Heute wei man, diese war nicht tragfhig. Der Beitrag hat nicht ausgereicht. Bei Conti gibt es keine Arbeitsplatzgarantie. Die Lohnkosten liegen bei Conti bei ca. 30 % und es gibt hochefziente moderne Werke an Niedriglohnstandorten. Die Liste der unternehmerischen Aktivitten liee sich z. B. mit der Anhufung von Geld fr Firmenzukufe usw. fortsetzen. Auf der gesellschaftlichen Seite wchst das Heer der Arbeitslosen, steigen die Sozialausgaben und nimmt die Wirkung der Steuerung des Netzwerkes der wirtschaftlichen Prozesse durch ordnungspolitischen Manahmen ab. Der Konikt zwischen diesen beiden Kombattanten wird durch den Einuss der Lobbyisten, den Gewerkschaften auf den einen und den Unternehmensverbnden auf der anderen Seite, noch verschrft. Was mssen Gesellschaft und Industrie tun, um den Konikt zu entschrfen? Selbst ein Weg von tausend Meilen beginnt mit einem Schritt. (Japanisches Sprichwort) Der gesellschaftliche Konikt begrndet sich durch real existierende Probleme, die in der ersten Stufe der Koniktlsung neutral aufgelistet und damit transparent gemacht werden mssen. Wnschenswert wre es, schon in diesem Stadium die Probleme zu denieren und die Ziele der Problemlsung aufzulisten. Dazu sind aber Daten und Kenntnisse von modernen statistischen Methoden erforderlich. Danach sind die Ursachen fr die Probleme durch Brainstormings zu suchen und zusammenzustellen.

XXII

Einleitung

Erst danach kann die Koniktlsung konkret beginnen. Hierfr sind die existierenden Datenbanken zu sichten, neue Daten zu erheben und mit statistischen Methoden auszuwerten. Zu diesen zhlen zweifelsohne die multivariaten statistischen Methoden. Die Problemdenition in Verbindung mit den Datenstzen fr die Problemlsung gestattet als weitere Entscheidung den Vergleich zwischen der Reduktion der Verluste und den Kosten fr die Problemlsung. Sind die Verluste grer als die Kosten, dann muss das Problem gelst werden. Im Folgenden stellen wir Verfahren fr die Problemdenition, die Problemlsung und den Kosten-Nutzen-Vergleich vor. Die Probleme dieser Art beschreiben naturgem beraus vielschichtige und komplizierte Sachverhalte. Wir wollen sie global nennen. Es ist kaum anzunehmen, das sie ohne Zerlegung lsbar sind. Damit ist gemeint, dass ein globales Problem in Kardinal- und Folgeprobleme zerlegt werden muss, um gelst werden zu knnen. Ohne Wert auf die Wichtigkeit und Vollstndigkeit zu legen, betrachten wir ein globales Problem. Das ist beispielsweise die Bildung, angefangen im Kindengarten, fortgesetzt mit der Schule, beendet mit der Berufsausbildung im gnstigsten Fall durch einen Hochschul- oder Universittsabschluss. In jeder Ausbildungsphase gibt es zahlreiche weitere kardinale Probleme, die dem obigen Lsungsgedanken folgen mssen. Ein Folgeproblem der Ausbildung ist z. B. die zu gering ausgeprgte Fhigkeit der Menschen, zu erkennen, dass alle naturwissenschaftlichen, gesellschaftlichen, betrieblichen usw. Erscheinungen Wirkungen sind, die von mehreren Ursachen erzeugt werden. Die verschiedenen Ursachen wirken nicht losgelst voneinander, sondern werden sich in der Regel gegenseitig mehr oder weniger stark beeinussen. Ein anderes Folgeproblem ist der weitverbreitete Glaube, man knne durch die Vernderung einer einzelnen Ursache eine ins Auge gefasste Wirkung in eine gewnschte Richtung korrigieren. Man spricht in diesem Zusammenhang hug vom Drehen an einem Rdchen zur Korrektur von Wirkungen. Das ist auf Grund der Abhngigkeitsstruktur zwischen den Ursachen und Wirkungen nicht mglich. Ein weiteres globales Problem ist die zu geringe Anzahl an Produktneu- und Weiterentwicklungen mit den zugehrigen Prozessentwicklungen zur Herstellung dieser Produkte. Natrlich ist dieses Problem mit den vorher genannten hochkorreliert. Nicht auer acht gelassen werden darf das Problem, dass die fetten Jahre zu einer Trgheit vor allem im Denken der Menschen verfhrt haben. Die fetten Jahre sind aber nun vorbei. Es werden neue Anforderungen an alle Mitglieder der Gesellschaft gestellt, die diese erfllen mssen. Hierzu gehrt auch die Bewltigung aller Probleme, die durch die deutschen Einheit der Gesellschaft und Wirtschaft auferlegt wurden. Die Liste der globalen Probleme liee sich beliebig fortsetzen. Es geht mir hier aber nicht um die Vollstndigkeit dieser Liste, sondern um die Sensibilisierung fr Lsungsideen. Fr die Gesellschaft wurden die Ziele in dem Buch von Erhard formuliert; diese stimmen nach wie vor, mssen aber hier und da modiziert werden. Die Ziele der Wirtschaft mnden in dem Bestreben, auf den globalen Mrkten bestehen zu knnen, der Wiederherstellung der Wettbewerbsfhigkeit, der Erhhung der Rentabilitt usw.

Einleitung

XXIII

Diese Ziele sind aber notwendig nur zu erreichen durch die mit erhhten Aufwand betriebene betriebliche Forschung, Entwicklung und Weiterentwicklung von Produkten, Dienstleistungen und Prozessen, die Verbesserung der Qualitt von Produkten, Dienstleistungen und Prozessen, die Senkung der Kosten fr die Produktion und damit die Erhhung der Produktivitt, die Analyse der Prozesse zur Produktion von Produkten und Dienstleistungen und die Steuerung der Prozesse, sodass die Produkte und Dienstleistungen simultan alle Kundenanforderungen erfllen. Fr die Realisierung dieser Ziele brauchen Gesellschaft und Wirtschaft hoch qualizierte Mitarbeiter aller Fachrichtungen fr die Analyse und Steuerung der gesellschaftlichen und betrieblichen Prozesse, des Marktes und der Politik sowie der Produkt- und Prozessentwicklung bzw. Weiterentwicklung. Sowohl die Aus- und Weiterbildung, als auch die Prozessanalysen, die Steuerung der Prozesse und die Entwicklungen kosten Geld. Das kann nur Teil des erwirtschafteten Gewinns sein, der nicht zu den Aktionren iet. In dem vorliegenden Buch werden vorrangig betriebliche Probleme und deren Lsungen mit multivariaten statistischen Methoden behandelt. Multivariat bedeutet in diesem Zusammenhang, dass Methoden fr die Bearbeitung des Ursache-Wirkungs-Prinzip dargestellt und an vielen Beispielen aus der betrieblichen Praxis demonstriert werden. Da hierfr mindestens eine Ursache und eine Wirkung infrage kommen, mssen die Methoden mehrere Variablen mit deren Abhngigkeiten behandeln knnen.