Die von Shewhart und Deming eingeführte Denkweise wurde von den Japanern in den 50er und 60er Jahren als logische Konsequenz ihrer Fortschritte in der kontinuierlichen Verbesserung weiterentwickelt. Ishikawa, Vorsitzender der "Japanischen Vereinigung von Wissenschaftlern und Ingenieuren", erweiterte die Anwendung dieser Denkansätze durch die Einführung der 7 Werkzeuge zur Qualitätskontrolle.
Ausgangspunkte der Qualitätsverbesserung sind immer Zahlen und Fakten (also objektive Informationen) und nicht etwa Meinungen oder Vermutungen (also subjektive Informationen). Zur Qualitätsverbesserung kann ein Unternehmen heute eine große Anzahl von Qualitätswerkzeugen nutzen. Alle diese Werkzeuge haben dabei gemein, daß sie auf dem Zusammentragen und der Analyse von Daten beruhen.
In der Industrie können viele Dinge gemessen werden, da eine Vielzahl von objektiven Informationen vorhanden ist. Für Dienstleistungsunternehmen ist z.B. die Kundenzufriedenheit von entscheidender Bedeutung. Auch wenn diese bis zu einem gewissen Grad immer auf subjektiven Informationen beruht, so ist sie doch meßbar.
Die Kunden sind zufrieden | Meinungen |
Es ist heiß | |
Auf diesem Schreibtisch liegt eine Menge Papier | |
Wir bieten gute Dienstleistungen | |
Wir haben ein Lieferproblem |
85% der Kunden sagen uns, daß sie mit ... zufrieden sind | Fakten |
Die Temperatur beträgt 22° C | |
Auf dem Schreibtisch liegen 5 Papiere | |
5% der Kunden hätten gerne weitere Dienstleistungen | |
26% aller Lieferungen werden nicht zum genannten Liefertermin versandt |
Abbildung 1: Beispiele für Meinungen und Fakten
Meinungen werden fälschlicherweise oft als Fakten ausgelegt.
Die 7 Elementaren Qualitätswerkzeuge sind Methoden zur Analyse von Daten. Sie sind gut geeignet um Meinungen von Fakten zu trennen, und diese Fakten zu analysieren. Die Ergebnisse der Analysen können interpretiert und Maßnahmen zur Problembeseitigung eingeleitet werden.
Die 7 Werkzeuge im einzelnen:
Ein Flußdiagramm stellt die Abläufe oder Sequenzen eines (Produktions-)Prozesses dar (siehe Abbildung 2).
Abbildung 2: Das Flußdiagramm
Das Fischgrätendiagramm, auch Ursache- und Wirkungsdiagramm oder Ishikawadiagramm genannt, ist eine Methode zur Erforschung und Darstellung aller möglicher Ursachen eines Problems, um die Hauptursachen aufzudecken (siehe Abbildung 3).
Abbildung 3: Fischgrätendiagramm für Kanten Fehler
Die Erstellung eines Fischgrätendiagramms ist ein kreativer Prozeß.
Anmerkung: Einige Ursachen können auch zu mehreren Kategorien passen.
Ein Paretodiagramm oder auch Prioritätendiagramm konzentriert sich auf die Häufigkeit von Problemen, in Verbindung mit dem potentiell größten Verbesserungsbeitrag. Es priorisiert die Ursachen, die wegen ihrer Häufigkeit zuerst gelöst werden sollten.
Abbildung 4: Das Paretodiagramm
Zur Erstellung eines Paretodiagramm (Abbildung 4) sollten Sie folgende Stufen durchlaufen:
Falls notwendig können verschiedene Kategorien in getrennten Paretodiagrammen betrachtet und verglichen werden.
Eine Fehlersammelliste wird verwendet, um Beobachtungen und "historische" Rohdaten aufzuzeichnen und zu sammeln (siehe Abbildung 5). Sie hilft Ihnen Muster oder Trends aufzuzeigen.
Um eine Fehlersammelliste zu erstellen, sollten Sie folgende Stufen durchlaufen:
Projekt:Oberfläche A | Ort: Werk 5 | Datum: 7/8 bis 11/8 | ||||
Abteilung: Klein II | Name: | Schicht: Tag | ||||
Ereignis / Fehler: | Datum / Zeit |
Total |
||||
7/8 |
8/8 |
9/8 |
10/8 |
11/8 |
||
Ausschuß | 3 |
9 |
1 |
0 |
3 |
16 |
zu hell | 8 |
9 |
10 |
7 |
8 |
42 |
zu dunkel | 1 |
0 |
0 |
1 |
0 |
2 |
falsche Farbe | 0 |
0 |
13 |
0 |
1 |
14 |
Total | 12 |
18 |
24 |
8 |
12 |
74 |
Abbildung 5: Die Fehlersammelliste zeigt, welche Fehler aufgetreten sind, wie oft an verschiedenen Tagen und die Gesamtzahl. Dies gibt die Möglichkeit Trendcharts und Paretodiagramme aller Fehler zu erstellen.
Eine weitere Form der Fehlersammelliste ist die geographische Fehlersammelliste, hierauf können Sie den Ort des Geschehens konkret eintragen. Geographische Fehlersammellisten sind Karten oder Bilder auf welchen die Häufigkeit eines Ereignisses am Ort des "Geschehens" markiert ist. Ein Beispiel wird in Abbildung 6 dargestellt. Es zeigt eine Fehlersammelliste, an der die Bereiche von Farbfehlern an einer Autokarroserie gekennzeichnet werden.
Abbildung 6: Beispiel einer geographischen Fehlersammelliste für Farbfehler an der Autokarroserie
Das Histogramm ist ein Balkendiagramm, das die Verteilung von Variablen zeigt. Ein Beispiel zur Illustration wäre die Gewichtsverteilung einer Gruppe von Leuten. Eine Person wäre immer die Schwerste und eine die Leichteste, und eine gewisse Anzahl von Personen würde sich im Bereich des Durchschnittsgewichts bewegen. Wenn die Verteilung zu beiden Seiten des Durchschnitts gleichmäßig ist, spricht man von einer Normalverteilung. Es ist viel einfacher ein Histogramm zu interpretieren, als eine Reihe von ungeordneten Zahlen. Dieses Werkzeug hilft Ihnen dabei die Problemursache eines Prozesses herauszufinden, indem Sie sowohl sowohl die Art, als auch durch die Breite der Verteilung (Streuung) untersuchen (Abbildung 7).
Abbildung 7: Das Histogramm
Wie wird ein Histogramm erstellt?
Bei der Erstellung eines Histogrammes gibt es verschiedene Stufen, die zu berücksichtigen sind.
62,5 | 66,0 | 75,7 | 78,9 | 79,9 |
82,6 | 88,6 | 88,8 | 89,3 | 83,0 |
68,2 | 79,5 | 91,5 | 72,5 | 66,6 |
89,0 | 69,7 | 72,4 | 65,3 | 77,1 |
84,2 | 79,4 | 72,0 | 72,0 | 61,0 |
81,2 | 76,6 | 59,6 | 75,6 | 73,4 |
65,0 | 68,8 | 73,0 | 82,5 | 78,9 |
84,1 | 81,6 | 91,0 | 87,6 | 74,8 |
74,3 | 68,8 | 63,0 | 76,5 | 61,4 |
54,6 | 83,6 | 88,5 | 63,5 | 73,7 |
87,2 | 89,8 | 63,3 | 75,5 | 72,5 |
82,0 | 74,6 | 62,8 | 68,2 | 80,3 |
100,3 | 82,1 | 69,2 | 77,0 | 64,9 |
87,8 | 83,5 | 82,5 | 66,2 | 82,8 |
102,7 | 77,5 | 66,6 | 79,2 | 77,7 |
94,9 | 84,5 | 89,2 | 70,7 | 77,7 |
Abbildung 8:
Tabelle eines DatenbeispielsBeispiel für die Erstellung eines Histogramms für die Gewichtsverteilung einer Gruppe:
1. Erstellen Sie aus den gesammelten Daten eine Tabelle (Abbildung 8).
2. Markieren Sie den höchsten und den niedrigsten Wert in dieser Tabelle (54,6 und 102,7 in Abbildung 8).
3. Berechnen Sie die Spanne R (englisch Range) als die Differenz des niedrigsten und des höchsten Wertes:
R = Xmax - X min
(102,7 - 54,6 = 48,1) 4. Bestimmen Sie die Anzahl der Klassen K bzw. Intervalle (siehe Abbildung 7),( In diesem Beispiel ist n = 80 und k = 8,94. Dies ergibt gerundet 9 Klassen oder Intervalle.)
5. Bestimmen Sie die Klassenbreite, H
(In diesem Beispiel 48,1 / 8,94 = 5,38 oder gerundet 5,4)
Runden Sie die berechnete Zahl auf den nächstliegenden Wert, der dieselben Dezimalzahlen enthält wie das Beispiel der Rohdaten.
6. Legen Sie die Klassengrenzen fest. Verwenden Sie den kleinsten gemessenen Einzelwert aus den Beispielen als den niedrigsten Endpunkt der ersten Klasse (54,6). Addieren Sie den Wert H (5,4) zu genau diesem Punkt (= 60). Dies ist der niedrigste Endpunkt der zweiten Klasse.Um den höchsten Wert der ersten Klasse zu erhalten subtrahieren Sie 0,01 von dem Ergebnis (60 - 0,01 = 59,9). Dies ist notwendig um jedem Wert eine Klasse zuzuordnen. Fahren Sie so fort, bis alle Klassenintervalle berechnet sind.
7. Erstellen Sie eine Häufigkeitstabelle und ordnen Sie die Daten der entsprechenden Intervallklasse zu.
Klasse |
Klasse Grenzwerte |
Häufigkeit |
Total |
|||
1 |
54,6 < 60,0 |
/ / | 2 |
|||
2 |
60,0 < 65,4 |
/ / / / / | / / / / / | 10 |
||
3 |
65,4 < 70,8 |
/ / / / / | / / / / / | / | 11 |
|
4 |
70,8 < 76,2 |
/ / / / / | / / / / / | / / / / | 14 |
|
5 |
76,2 < 81,6 |
/ / / / / | / / / / / | / / / / / | 15 |
|
6 |
81,6 < 87,0 |
/ / / / / | / / / / / | / / / | 13 |
|
7 |
87,0 < 92,4 |
/ / / / / | / / / / / | / / | 12 |
|
8 |
92,4 < 97,8 |
/ | 1 |
|||
9 |
97,8 < 103,2 |
/ / | 2 |
|||
Total |
80 |
Abbildung 9: Beispiel einer Häufigkeitstabelle
8. Zeichnen Sie ein Histogramm (siehe Abbildung 7) auf Basis der Häufigkeitstabelle.
9. Interpretieren Sie das Histogramm. Wenn Sie dies tun, sollten Sie die folgenden Punkte beachten:
Welche Art von Verteilung ist dargestellt?
Wo ist der Durchschnittswert der Verteilung? Ist der Durchschnittswert dem Ziel entsprechend oder gibt es Abweichungen?
Wie ist die Streuung verglichen mit dem Ziel?
Ein Korrelationsdiagramm zeigt graphisch eine mögliche Beziehung der sich verändernden Ergebnisse zwischen zwei unterschiedlichen Variablen auf (Abbildung 10).
Abbildung 10: Das Korrelationsdiagramm
Ein Korrelationsdiagramm wird wie folgt erstellt:
1. Sammeln Sie 40 bis 100 Paarbeispiele von möglichen zusammenhängenden Daten.
2. Ziehen Sie die X- und Y-Achse des Diagramms. Die X-Achse (horizontal) bezieht sich auf die unabhängige Variable (Ursache) und die Y-Achse (vertikal) bezieht sich auf die abhängige Variable (Auswirkung).
3. Setzen Sie nun einen Punkt oder ein Kreuz für jedes Beispielpaar an jeden Schnittpunkt des X- oder Y- Wertes.
4. Für nicht lineare Beziehungen wandeln Sie die Zahlen z.B. Y = X2
5. Bewerten Sie die Daten und leiten Sie gegebenenfalls Verbesserungsmaßnahmen ein.
Betrachten Sie nur die Stärke der Beziehungen zwischen den beiden Variablen.
Eine Regelkarte zeigt graphisch Informationen über Trends und Muster aus Datenbeobachtungen über einen bestimmten Zeitraum hinweg an. Ein SPC-Kontrolldiagramm ist ein Spezialfall einer Regelkarte.
Abbildung 11: Ein Beispiel einer Regelkarte
Eine Regelkarte wird anhand regelmäßig entnommener Proben über einen bestimmten Zeitraum erstellt.
1. Legen Sie den zu untersuchenden Prozeß fest.
2. Tragen Sie Daten zusammen. Sammeln Sie mindestens 20 - 25 Datenpunkte, um bedeutsame Trends oder Muster aufzudecken.
3. Erstellen Sie eine Graphik mit einer X- und einer Y-Achse. Auf der X-Achse (horizontal) tragen Sie die Zeit oder die Sequenz ein. Auf der Y-Achse (vertikal) wird die Skala in Bezug zur gemessenen Variabel eingetragen. Die Y-Achse entspricht 1½ mal der Spanne der gesammelten Daten.
4. Verbinden Sie die Daten durch eine Linie. Berechnen Sie den Durchschnitt (Mittelwert) und zeichnen sie diesen als (horizontale) Linie in die Regelkarte.
5. Bewerten Sie die Regelkarte. Beachten Sie, daß nicht jede Abweichung von Bedeutung ist.