Publikationen

Dieser erste Band vermittelt die Grundlagen der Lösung von Fluss-Problemen und die Basisprinzipien des Lean Management. Das Buch richtet sich an Studierende und Lehrende des Lean Six Sigma sowie an Führungskräfte, die über die reine Anwendung von Formeln hinausgehen und ihre Praxis auf einem soliden theoretischen Fundament aufbauen möchten. Unter Wahrung der historischen Wurzeln, des Geistes und der etablierten Terminologie von Lean Six Sigma ist das Buch bestrebt, dessen zugrundeliegende Grundprinzipien zu identifizieren, zu vereinheitlichen und zu formalisieren.

Dieser zweite Band beschreibt detailliert die Umsetzung des Ansatzes in Unternehmen sowie das generische DMAIC-Methodenprotokoll. Basierend auf einer originellen Definition statistischer Probleme vermittelt er die Grundlagen der Lösung "unterscheidbarer" statistischer Probleme und die Basisprinzipien von Six Sigma. Das Buch richtet sich an Studierende und Lehrende des Lean Six Sigma sowie an Praktiker der operationalen Verbesserung, die über das bloße Aneignen von Formeln hinausgehen und ihre Praxis auf der Grundlage eines soliden theoretischen Rahmens weiterentwickeln möchten.

Dieser dritte Band zeigt, wie Probleme analysiert und reduziert werden, deren Ursachen im Einzelfall nicht unterscheidbar sind. Anhand einer originellen Analogie zur Optik wird erklärt, wie analytische Ressourcen auf die angestrebte Verbesserung abgestimmt werden. Er zeigt, wie Hypothesentests genutzt werden, um nützliche Stellschrauben für Verbesserungen zu identifizieren, realistisch erzielbare Gewinne zu bewerten und zu bestimmen, ob vorgeschlagene Lösungen das Ziel erreichen können. Das Buch richtet sich an Six Sigma Anwender und Nutzer statistischer Analysen, die das Entscheidungsfindungspotenzial kleiner Datensätze voll ausschöpfen möchten.

Zusammenfassung:

%GRR und die Anzahl unterschiedlicher Kategorien (NDC) werden häufig als Indikatoren für die Fähigkeit von Messsystemen verwendet. Der gewöhnlich akzeptierten Berechnungsformel des NDC ist jedoch ein Koeffizient zugewiesen, dessen Ursprung zur Koexistenz zweier unterschiedlicher und irreführender Interpretationen des NDC geführt hat. Wir empfehlen, diesen Koeffizienten zu entfernen, um der Definition der Auflösung des Messsystems oder dem äquivalenten Signal-Rausch-Konzept treu zu bleiben. Wir schlagen außerdem eine Neuausrichtung der Akzeptanzschwellenwerte für %GRR und NDC vor.

Zusammenfassung:

Als Teil der Measure-Phase eines Six Sigma (DMAIC)-Projekts ist es entscheidend, die angemessene Stichprobengröße basierend auf der erforderlichen statistischen Präzision bei der Schätzung der Prozessfähigkeit (hier definiert als der erwartete Anteil fehlerhafter Einheiten) zu bestimmen. Six Sigma-Praktikern wird im Allgemeinen beigebracht, entweder eine Faustregel zu verwenden (wobei die Präzisionsanforderung übersprungen wird) oder eine Formel für die Stichprobengröße, mit der die erforderliche Präzision angegeben werden kann. Während eine solche Formel für binäre Daten bereitgestellt wird, geht es bei der Analyse von Fehlerzähldaten bei der üblicherweise gelehrten Formel um die Schätzung der durchschnittlichen Anzahl von Fehlern pro Einheit und nicht um den Anteil fehlerhafter Einheiten (d. h. die Fehlerquote). Diese Arbeit entwickelt eine Formel und abgeleitete Tabellen zur Berechnung der Stichprobengröße, die erforderlich ist, um die benötigte statistische Präzision der Fehlerquote bei der Arbeit mit einer Fehlerzählmetrik zu erreichen. Umgekehrt wird die für eine bestimmte Stichprobengröße erzielte Präzision berechnet. Die Ergebnisse werden dann mit denen für binäre Daten verglichen, und es wird nahegelegt, dass die Berechnung der Stichprobengröße für binäre Daten als eine akzeptable, einfacher zu verwendende Alternative in Betracht gezogen werden kann. Hervorgehoben wird auch die Herausforderung, aufgrund der Anforderungen an die Stichprobengröße bei niedrigen Fehlerquoten eine angemessene Präzision zu erreichen.

Zusammenfassung:

Als Teil der Measure-Phase eines Six Sigma (DMAIC)-Projekts ist es entscheidend, die angemessene Stichprobengröße basierend auf der erforderlichen statistischen Präzision bei der Schätzung der Prozessfähigkeit (hier definiert als der erwartete Anteil fehlerhafter Einheiten) zu bestimmen. Six Sigma-Praktikern wird im Allgemeinen beigebracht, entweder eine Faustregel zu verwenden (wobei die Präzisionsanforderung übersprungen wird) oder eine Formel für die Stichprobengröße, mit der die erforderliche Präzision angegeben werden kann. Während eine solche Formel für binäre Daten bereitgestellt wird, geht es bei stetigen Daten bei der üblicherweise gelehrten Formel um die Schätzung des Mittelwerts und nicht der Fehlerquote. Andere alternative Ansätze behandeln die Berechnung der Stichprobengröße basierend auf der Präzision von Prozessfähigkeitsindizes, die für die fertigende Industrie entwickelt wurden. Diese technischen Indizes sind jedoch für die meisten Benutzer und Führungskräfte, die nicht in spezifischen Produktionsumgebungen arbeiten, oft nicht relevant. Diese Arbeit entwickelt Lösungen zur Berechnung der Stichprobengröße, die erforderlich ist, um die benötigte statistische Präzision der Fehlerquote bei der Arbeit mit einer stetigen Metrik sowohl für Fälle mit einer als auch mit zwei Spezifikationsgrenzen zu erreichen. Umgekehrt wird die für eine bestimmte Stichprobengröße erzielte Präzision berechnet. Die Herausforderung, hohe Sigma-Leistungsniveaus aufgrund der erforderlichen Stichprobengröße zu bewerten, wird ebenfalls hervorgehoben.