Herzlich willkommen zu „At the Corner of Statistics Road and Business Decision Boulevard“. Ein kurzer Gruß an meinen Co-Moderator Juan Rivera. Juan und ich haben dies als Team zusammengestellt, aber er hat beschlossen, mir die Präsentation zu überlassen. Nur ein ganz kurzer Überblick über das Pyzdek Institute mit Sitz in Tucson, Arizona.
Wir haben Mitarbeiter an verschiedenen Standorten weltweit und lehren Ingenieurstatistik und Lean Six Sigma für viele Kunden und Branchen. Das ist ein wichtiger Punkt, denn heute möchten wir unsere Erfahrungen mit Kunden aus verschiedenen Branchen weitergeben und hoffentlich dazu beitragen, dass die Teilnehmer etwas dazulernen. Wir sind JMP-Partner. Wir freuen uns sehr, JMP-Partner zu sein, und freuen uns auf die Zukunft.
Um das ins rechte Licht zu rücken: Diese Präsentation ist eigentlich eine Fortsetzung von JMP Discovery in Tucson aus dem Jahr 2020 mit dem Titel „An der Ecke Lean Street und Statistics Road“. Sie ist eine Art Fortsetzung. Die Aufzeichnung ist auf jmp.com verfügbar, falls sie jemand sehen möchte. Ein paar Jahre später, im Jahr 2022, hielten Juan und ich außerdem eine Präsentation auf der ASQ Lean Six Sigma-Konferenz zum Thema „Fehlervermeidung für Designexperimente“. Auch hier lernen wir von unseren Kunden und versuchen, anderen zu helfen, aus den Fehlern dieser Kunden zu lernen.
Das Ziel der Präsentation? Nun ja, wir beschäftigen uns schon seit einiger Zeit damit. Es ist eine mehrjährige Studie. Wir versuchen, die Frage zu beantworten: Warum geraten statistische Methoden aus dem Ruder und bekommen einen schlechten Ruf? Wir sehen das selbst.
Wenn ich Vollzeit arbeite, ist der Chef sauer, weil ich in der Fabrik etwas falsch gemacht habe. Wie können wir aus diesen Fehlern lernen und präventive Maßnahmen entwickeln? Genau darum geht es uns heute.
Sehr einfaches Format. Ich habe fünf Hauptergebnisse, die ich mit allen teilen möchte. Jedes davon ist einer Fallstudie gewidmet. Wir sprechen nur darüber, was der Kunde getan hat, welche Konsequenzen es für ihn hatte und wie wir ihm helfen konnten, die Probleme zu lösen und zu verhindern, dass die Dinge erneut aus dem Ruder laufen.
Hier ist Erkenntnis Nr. 1. Fassen wir zusammen. Es geht um das Geschäft, nicht um Statistiken. Ein wiederkehrendes Thema. Die Ursache des Problems liegt, wie wir zusammenfassen können, darin, dass wir das große Ganze nicht erkennen.
Hier ist die Fallstudie. Erste Fallstudie. Dieses Unternehmen stellt Bänder her, die in Energiekabeln zur Wasserabdichtung verwendet werden. Das Bild oben, das Foto oben, echt cool. Bei Wasser quillt alles auf, und es nutzt Wasser, um Wasser abzuhalten. Echt cooles Zeug. Es besteht aus einem superabsorbierenden Polymer, gemischt mit Vliesstoffen, Bindemitteln und dergleichen.
Ziel war es, ein Produkt für die Salzwasserbeständigkeit zu optimieren. In Süßwasser quellen diese Bänder sehr gut auf, in Salzwasser hingegen weniger. Die technische Herausforderung bestand darin, Stromkabel in einem Gebiet mit Grundwasser, z. B. Brackwasser, zu verlegen.
Sie hatten kontrollierbare Faktoren. Sie konnten das Gewicht des Vliessubstrats kontrollieren. Sie hatten eine gewisse Kontrolle über die Partikelgröße des Superabsorbers. Er ist in verschiedenen Größen erhältlich. Sie hatten verschiedene Bindemittel, um alles zusammenzuhalten, und die Menge des Bindemittels, die sie einsetzten. Außerdem mussten sie einen Korrosionsinhibitor hinzufügen, damit Wasser eindringen konnte. Der Korrosionsinhibitor verhindert Erosion.
Ein ziemlich einfaches, unkompliziertes Design, ein wirklich wichtiges Produkt, denn wenn Wasser ins Kabel gelangt, ist die Hölle los. Ihre Antwort bestand darin, das Eindringen von Salzwasser mit einem bestimmten Salzgehalt in ein Kabel zu minimieren, wie in dieser Skizze dargestellt. Man greift die Zähne weg, legt die wasserabweisenden Bänder frei, übt mit einem erhöhten Wassertank etwas Druck aus und schaut, wie weit das Wasser in das Kabel eindringt. Natürlich wollen sie nicht, dass es sehr weit eindringt.
Sie haben ein Design-Experiment durchgeführt. Großartig. Im Vorhersage-Profiler sehen Sie das Substratgewicht, die Partikelgröße, die Bindungsmenge, die Inhibitormenge und die Bindungsart, also die Art des Klebstoffs, mit dem alles zusammengeklebt wurde.
Sie führten ein Experiment durch, erreichten die maximale Attraktivität und entschieden sich für Bindemittel 2, da es weniger Wasser durchdrang. Sie modifizierten das Design des Bandes und gingen zum nächsten Projekt über. Eine Routinefallstudie, und viele Leute machen so etwas.
Doch ein paar Monate später traf sie der Blitz aus heiterem Himmel. Zunächst schwankte die Partikelgröße des Superabsorbers, ohne dass sie es bemerkten. Außerdem gab es besondere Gründe, warum Gewichtsschwankungen im Vliesträger Probleme verursachten.
Um die Sache noch schlimmer zu machen, erhielt der Sicherheitsmanager die Benachrichtigung, dass bestimmte Elemente, bestimmte Pompons, auf dem europäischen Markt nicht mehr zugelassen seien. Der Sicherheitsmanager ordnete an, die Verwendung von Bonding Agent 2, das gerade erst zur Optimierung des Produktdesigns für die Salzwasserleistung ausgewählt worden war, sofort zu unterbinden. Wow.
Es gab Konsequenzen. Panikschalter. Ich musste von Bindemittel 2 auf Bindemittel 1 umstellen. Sie begannen mit einem Materialtest. Die Leute schoben sich gegenseitig die Schuld zu. Die Hölle brach los. Der Punkt ist: Es waren die statistischen Methoden und das Versuchsdesign, die den Rufschaden erlitten haben. Hey, das DOE hat nicht funktioniert. Warum ist das so?
Nur als Randbemerkung: Um einige weitere Fallstudien zu nennen: Wir haben durch die Nutzung optimierter Attraktivität noch weitere unbeabsichtigte Folgen kennengelernt. Wir haben Unternehmen erlebt, die zwar ein Versuchsplanungsprogramm (DOE) durchführten und die Attraktivität optimierten, aber am Ende einen starken Anstieg der Energiekosten verzeichneten oder den Arbeitsbereich für die Bediener gefährlich heiß machten, was zu höheren Maschinenausfällen und höheren Wartungskosten führte. Manchmal wurden ihre Kunden, die Person, der sie ihr Produkt verkauften, überrascht – nicht nur durch Maschinengeräusche usw.
Die erste vorbeugende Maßnahme, die wir ergriffen haben, war, diesem Kunden zu helfen und unser Erfahrungswissen zu nutzen. Wir empfehlen, die Maximierung der Attraktivität sehr vorsichtig einzusetzen. Wir haben gesehen, wie Leute damit in Schwierigkeiten geraten sind.
Tatsächlich empfehlen wir, es nur zu verwenden, wenn Sie eine große Anzahl von Antworten haben und viele komplexe Kompromisse zwischen finanziellen, technischen und kommerziellen Antworten usw. eingehen müssen. Ich rate zu etwas Vorsicht.
Die zweite vorbeugende Maßnahme besteht darin, anzuerkennen, dass die Versuchsplanung eine diskrete Übung ist. Die Versuchsplanung ist eine der besten Methoden zur Verbesserung, zum Verständnis und zur Optimierung von Prozessen, aber es handelt sich um eine diskrete Übung.
Hätten sie SPC-Kontrollkarten ihres Lieferanten zur Partikelgröße usw. verwendet, hätten sie sich eine Menge Ärger erspart. Wir sind davon überzeugt, dass DOE und SPC ein wirklich gutes Team bilden und wann immer möglich zusammenarbeiten sollten.
Die dritte präventive Maßnahme besteht darin, über die Workflow-Richtlinien nachzudenken. In diesem Unternehmen haben die Ingenieure alles richtig gemacht, das Experiment durchgeführt und so weiter. Aber es gab ein paar Fehler. Sie hätten mit den Leuten in der Lieferkette sprechen sollen und so weiter. Wir empfehlen, Richtlinien festzulegen, Unternehmensrichtlinien. Sie werden ein Experiment durchführen. So geht's: Wir hatten diese Idee. Lassen Sie uns das Experiment in Phasen unterteilen.
Denn in jeder Phase möchten Sie wahrscheinlich andere Personen einbeziehen. Ein Unternehmen sagte beispielsweise: „Wir nutzen diese drei Phasen. Wir werden arbeiten, einige Aufgaben erledigen, die gesammelten Daten auswerten und dann einige Geschäftsentscheidungen treffen.“ Schließlich erstellten sie visuelle Standards, einschließlich Schritte zur Fehlervermeidung.
Sie begannen mit einer kleinen Gruppe von Leuten. Die Leute planten ein Experiment, sammelten Daten und so weiter. Zu diesem Zeitpunkt wollte man keine große Gruppe von Leuten einbeziehen. Die Lieferkette wollte man zu diesem Zeitpunkt nicht einbeziehen und so weiter.
Anschließend geht es in die zweite Phase. Hier werden zusätzliche Mitarbeiter aus der Lieferkette, Sicherheitspersonal, Bediener, Vorgesetzte und andere zur Auswertung der Daten hinzugezogen. Bis dahin ist eine intensive Zusammenarbeit erforderlich. So werten wir die gerade gesammelten Daten aus. Wir führen bestimmte Schritte aus. Wenn die Ergebnisse gut sind, machen wir eine Sache. Wenn sie nicht gut sind, machen wir etwas anderes, um Richtlinien festzulegen.
In der letzten Phase müssen dann alle Beteiligten einbezogen werden, auch der Meeresspiegel und ähnliche Aspekte, und alle Beteiligten müssen in die endgültige Entscheidung einbezogen werden. Hätten sie das von Anfang an getan, wäre ihnen wahrscheinlich all dieser Ärger erspart geblieben.
Vierte vorbeugende Maßnahme, die wir empfehlen: Manche Unternehmen sagen: „Hey, wir bringen jedem DOE bei.“ Wahrscheinlich nicht die beste Idee. Jedes DOE ist ein eigenständiges Thema, aber unterrichten Sie es stattdessen als Teil des statistischen Denkens. Wie bringen wir die Leute dazu, statistisch zu denken, nicht nur Design-Experimente durchzuführen, sondern alles zu betrachten?
Beobachten Sie die Leistung der Rohstoffe, führen Sie Prozesszentrierungsstudien durch und stellen Sie sicher, dass unsere Instrumente in Ordnung sind. Gibt es in meinem Prozess Abweichungen mit zuordenbaren Ursachen? Und vermitteln Sie all diese Fähigkeiten, Zuverlässigkeitsanalysen usw.? Dies ist die vierte von uns empfohlene Präventivmaßnahme.
Hier ist eine Abschnittszusammenfassung von Fallstudie 1. Nach dem Sammeln der Antwortdaten wird die Studie Sie aus der Welt der Statistik in die Welt der Wirtschaft beamen – unsere Empfehlung. Es gibt ein Bild von Mr. Spock, als er zum ersten Mal den JMP Graph Builder sah. Es ist wie bei mir. Wow, das ist das Größte auf der Welt. Spaß beiseite, genau das empfehlen wir, um Probleme wie das beschriebene zu vermeiden.
Hier ist Erkenntnis Nr. 2. Zusammenfassend lässt sich sagen, dass die Erfüllung der Spezifikationen nicht das Ziel ist. Wir beobachten viele Kunden, die ihren Spezifikationen hinterherjagen und in Schwierigkeiten geraten, weil sie sich nur auf ihre Spezifikationen konzentrieren. Die Hauptursache ist, um es kurz zu sagen, das mangelnde Verständnis von Taguchi. Wir werden später näher darauf eingehen.
Ich möchte dieses Zitat hier nur erwähnen, weil es meiner Meinung nach eine sehr deutliche Sprache spricht. Jeder, vom Management bis hinunter zur Produktion, sollte über das Qualitätsparadoxon nachdenken, das Donald Wheeler in seinem Buch „Understanding Statistical Process Control“ formuliert. Und damit kommen wir zum Paradoxon: Solange das Management die Einhaltung von Spezifikationen zum Ziel hat, wird es dieses Ziel nicht erreichen können. Wenn die Maßnahmen des Managements signalisieren, dass die Einhaltung der Spezifikationen zufriedenstellend ist, wird das Produkt zwangsläufig die Anforderungen nicht erfüllen.
Tolle Worte. Unsere Beobachtungen, das, was wir von unseren Kunden lernen, bestätigen dieses Qualitätsparadoxon, wie es Donald Wheeler formulierte. Hier ist eine Fallstudie. Ich hatte einen CNC-Prozess, die Bearbeitung von Polycarbonatteilen. Die Firma erhielt einen Großauftrag für ein ziemlich komplexes Teil, und sie reagierten wie üblich auf die Anforderungen von Maschinenbauern. Die Teile mussten die richtige Geometrie und Dicke haben, der Winkel musste stimmen, die Oberflächenbeschaffenheit musste stimmen und so weiter.
Als sie den Auftrag erhielten, sagten sie: „Wir haben die Kontrolle über unseren Prozess. Wir haben diese Spezifikationen.“ Sie kramten die Ergebnisse einer alten Prozessfähigkeitsanalyse hervor. Damals hatten wir einen CPK von 1,357. Er basierte auf 30 Stichproben. Sie ahnten nicht, dass sie wahrscheinlich eine SPC-Vorstudie hätten durchführen sollen, um die Stabilität und Berechenbarkeit ihres Prozesses sicherzustellen.
Sie haben das Konfidenzintervall der CPK nicht berücksichtigt. Das kann immer eine Überraschung sein. Anschließend haben sie den Prozessverlauf nicht mehr betrachtet. Auch hier handelt es sich um ein diskretes Projekt. Die Prozessfähigkeitsanalyse ist diskret, und so gingen sie vor.
Sie kamen auf Grundlage der ermittelten Daten zu dem Schluss, dass alles in Ordnung sei. „Ja, sehen Sie, wir sind in der Lage, die Spezifikationen zu erfüllen. Wir haben gesehen, dass ein CPK-Wert von über 1,3 eine vernünftige Erfolgsgarantie darstellt.“ Verständlicherweise. Darüber wird ständig gesprochen.
Sie nahmen die Bestellung entgegen, stellten die Teile her, zerlegten das Produkt, lieferten es aus und konnten sich dann der nächsten Bestellung widmen. Verständlich. Doch dahinter steckt eine Wahrheit. Erstens wurden die Teile, die sie für ihre PCA-Studie sammelten, aus Bequemlichkeit gesammelt und stellten den Gesamtprozess nicht wirklich gut dar.
In der Kunststoffbearbeitung muss man sich nicht so viele Gedanken über Kaltverschleiß machen wie in der Metallbearbeitung. Es gibt Dinge, die sich mit der Zeit ändern. Sie haben auch nicht erkannt, dass das untere Konfidenzintervall ihres CPK-Index 0,89 beträgt. Die Prozessfähigkeit ist diskret. Es gibt keine Zeitskala.
Was sie vor einem Jahr gelernt haben, sagte ihnen nicht viel darüber, wie der Prozess aussah, als sie den Auftrag erhielten. Sie wussten nicht, dass ihr Prozess nicht statistisch kontrolliert war. Das ist eine der Voraussetzungen für die PCA. Wenn Ihr Prozess unter Kontrolle ist, bedeuten diese Indizes nicht viel.
Ein weiterer Punkt sind die von ihnen verwendeten Spezifikationen, die willkürlich waren. Sie basierten auf einem Toleranzblock und spiegelten nicht wirklich die Fähigkeit wider, den Kunden zufriedenzustellen. Dies kommt nach unseren Erfahrungen mit Kunden sehr häufig vor.
Ein paar Wochen später stellte sich heraus, dass der Kunde einige Teile nicht montieren konnte. Er hatte diese Kunststoffteile aus der Maschine. Sie konnten sie nicht richtig montieren. Der Streit begann wegen einiger Abmessungen usw. Der Lieferant, der die Teile herstellte, hatte keinerlei Nachweis für Messintegrität oder Prozesskontrolle. Er sagte: „Also, sehr geehrter Herr Kunde, unser CPK-Index liegt bei 1,357.“ Der Kunde, der Käufer, sagte: „Was haben Sie sonst noch? Das sagt mir nichts. Was haben Sie sonst noch?“ Er war in Schwierigkeiten. Die Folgen? Hohe Raten oder Ausschuss.
Der Kernpunkt dieser Präsentation ist, dass es immer die statistische Methode ist, die den Kürzeren zieht. Dinge gehen schief, Entscheidungen werden getroffen, und die statistischen Methoden sind solide. Die Berechnung eines CPK-Index ist relativ einfach. All diese Solidität ist unbestritten, aber es ist die Methode, die den Kürzeren zieht. Der Ruf von Mitarbeitern in Produktion, Management, Vertrieb und all diesen Bereichen ist ein weiteres Versagen der Statistik.
Was tun Sie dagegen? Sie haben dieses Problem. Die erste vorbeugende Maßnahme besteht darin, Taguchi zu verstehen. Die Taguchi-Verlustfunktion ist nach Ansicht des Pyzdek-Instituts eines der wichtigsten Konzepte, das jeder beherrschen sollte. Ganz einfach: Sie besagt, dass Sie Ihre Verluste minimieren, wenn Sie genau in der Mitte, also genau im Ziel, liegen.
Sobald Sie vom Ziel abweichen, vom Mittelpunkt Ihrer Verteilung, beginnt jemand, Geld zu verlieren. Das fasst wirklich zusammen, was diese Leute wahrscheinlich hätten tun sollen.
In JMP lässt sich dies visualisieren: die Taguchi-Verlustfunktion. Wir empfehlen Unternehmen, so etwas zu tun. Nehmen wir eines ihrer Produkte. In diesem Fall haben wir eine Dimension, wir haben Ziele, es gibt eine Konstante, die angepasst werden muss, bis die finanziellen Verluste stimmen. Anschließend führen wir einige Berechnungen durch und erstellen mit dem Graph Builder eine Tabelle, die wie ein Diagramm aussieht. Im Wesentlichen handelt es sich um ein Streudiagramm, das den Leuten zeigt: „Sehen Sie, wenn unser Teil 18 Millimeter groß ist, dürfen wir das ganze Geld behalten.“ In so einfachen Worten, die jeder versteht.
Übrigens: Nennen Sie es nicht Taguchi-Verlustfunktion. Darüber sollten Sie nicht mit den Führungskräften sprechen. Es ist ein Konzept. Das ist wichtig. Dann können Sie sagen: „Sehen Sie, wenn ein Teil 17,93 hat, entspricht es den Spezifikationen.“ Es gibt zwar eine untere Spezifikationsgrenze von 17,9, aber laut Taguchi-Verlustfunktion verlieren wir 108 Dollar pro Teil.
Die Leute verstehen das. Die Leute sehen das. Es geht darum, die Leute dazu zu bringen, nicht mehr an die Erfüllung der Spezifikationen zu denken. Ich liege im Rahmen der Spezifikation, ich liege außerhalb der Spezifikation und fang an, darüber nachzudenken, wie weit du vom Ziel entfernt bist.
Viele kluge Köpfe sagen das schon seit vielen Jahren, aber diese Botschaft kommt nicht unbedingt bei allen an. Ich will das Thema nicht weiter vertiefen. Eine weitere vorbeugende Maßnahme ist die Festlegung von Richtlinien. Was tun Sie, wenn Sie die Prozessfähigkeit verbessern wollen? Zunächst müssen Sie sicherstellen, dass der Prozess unter Kontrolle ist. Wenn nicht, müssen Sie das Problem finden und beheben.
Dann fragt man sich: Sind diese Angaben wirklich aussagekräftig? Sind sie nur ein paar Dinge aus einer Zeichnung, eine kleine Tabelle auf einer Zeichnung? Dann geht man diesen ganzen Denkprozess durch. Wir empfehlen, dabei wirklich viele Prozessverhaltenskarten einzubeziehen.
Noch einmal, sagen Sie es, wie es ist, eine weitere vorbeugende Maßnahme. Dies ist eine Zeichnung. Jeder hat sie schon gesehen. Sie haben Ihre untere Spezifikation, Sie haben Ihre obere Spezifikation, Sie haben Ihr Ziel. Wheeler nennt dies die Zone der wohlwollenden Vernachlässigung. Ich denke, er hat es sehr sorgfältig formuliert. Ich nenne es die Zone der falschen Perfektion. Wenn Sie außerhalb der Spezifikation liegen, haben Sie die untere Zone des Chaos und des Untergangs und die obere Zone des Chaos und des Untergangs.
Wenn man darüber nachdenkt, ist das die Welt der Spezifikationserfüllung. Man befindet sich in einem dieser beiden Zustände: Man tanzt vor Freude oder rennt wie verrückt herum und versucht, das Problem zu lösen. Wir stellen fest, dass dieser Denkprozess, diese Denkweise, Menschen in Schwierigkeiten bringt.
Weitere Punkte, die Unternehmen berücksichtigen sollten: JMP bietet ein Add-In namens Gage Performance Curve Generator oder so ähnlich. Tolle Sache. Fantastisch, denn es zeigt, warum Sie Ihr Ziel erreichen wollen. Denn sobald Sie sich Ihrem oberen oder unteren Sollwert nähern, wird das Messrauschen zu einem entscheidenden Faktor für die Kundenzufriedenheit.
Sobald Sie sich beispielsweise dem unteren Spezifikationswert nähern, treten Messstörungen auf. Sie beurteilen möglicherweise Teile, die innerhalb der Spezifikation liegen, als außerhalb der Spezifikation und umgekehrt. Dieses JMP-Add-In ist fantastisch, und wir empfehlen unseren Kunden, es zu verwenden, zu erlernen und daraus zu lernen.
Um den Abschnitt Fallstudie 2 zusammenzufassen: Das Ziel ist die Reduzierung von Abweichungen. Prozessfähigkeitsanalysen und Prozessfähigkeitsindizes konzentrieren jedoch die Aufmerksamkeit und Ressourcen auf die Erfüllung der Spezifikationen, und wir sehen, dass Kunden in Schwierigkeiten geraten.
Das sind zwei von fünf. Erkenntnis Nr. 3. Sie wissen vielleicht nicht, was Sie bereits wissen. Zusammenfassend lässt sich sagen: Erkenntnis Nr. 3. Wir haben es nicht geschafft, unsere Daten vollständig zu monetarisieren. Das ist die Grundursache dieser Probleme.
Hier ist eine Fallstudie zu einem anderen Kunststoffverarbeitungsunternehmen. Das Unternehmen ist weltweit vertreten und produziert Extrusion, Spritzguss, Rotationsformen und Blasformen – alle Kunststoffprodukte – mit Hunderten von Maschinen. Es ist ein riesiges Unternehmen. Ihr Problem mit statistischen Methoden ist die schiere Menge an Aufgaben, die sie bewältigen müssen.
Sie führten in jedem Werk unabhängige statistische Studien durch und arbeiteten unterschiedlich. Die Datenspeicherung war nicht besonders organisiert. Die Dateien wurden auf lokalen Netzwerkfestplatten, PC-Festplatten, USB-Sticks, Cloud-Laufwerken usw. gespeichert. Die Daten waren überall verstreut.
Sie sagten: „Okay, wir haben dieses Problem erkannt.“ Sie erkannten, dass sie ein Problem hatten. „Wir haben all diese Daten. Wie organisieren wir sie?“ Sie probierten einige manuelle Methoden aus. Sie versuchten, Daten an bestimmten Stellen zu simulieren.
Es gab diese lange Liste mit Lieferantendaten, aktuellen Statusdaten darüber, ob ihre Prozesse gesendet werden oder nicht, Messsystemanalysedaten und so weiter. Sie hatten sie alle, jede Menge Daten. Die zugrunde liegende Wahrheit war einfach zu viel für einen manuellen Ansatz. „Alle schicken ihre Dateien hierher. Wir speichern die Dateien auf diesem Netzwerklaufwerk oder diesem Cloud-Laufwerk oder so.“
Sie haben den Wert der Daten nicht wirklich maximiert, obwohl sie viel Geld für die Datenerfassung ausgegeben haben. Sie haben den Wert nicht maximiert. Es gab auch keine Datenverwaltung. Wenn jemand einen Faktor anders nennt als jemand anderes, und man versucht, etwas geltend zu machen, können diese unterschiedlichen Faktornamen zu Problemen führen. Es gibt keine gemeinsame Terminologie und so weiter.
Einige Jahre später, nachdem man versucht hatte, all diese Daten manuell zu verwalten und dabei sein Bestes gab, zeigten sich die Folgen. Es kam zu Doppelarbeit, verschiedene Werke stellten ähnliche Produkte her, führten doppelte Studien durch usw. Es gab einige Probleme mit Audits. Das Unternehmen arbeitete für die Luftfahrtindustrie, daher gab es einige externe Audits. Bei externen Audits gab es Probleme, Daten zu finden, und es gab viel Ärger.
Auch hier ist die Suche schwierig, denn in der Computerwelt ist Temp 1 nicht gleich Temp_1. Ich habe etwas Mühe, die Dinge zusammenzufügen. Hey, habe ich diese spezielle Temperatur schon einmal an einem Extruder untersucht? Oder habe ich diesen speziellen Faktor schon einmal an einer Spritzgussanlage untersucht? Die Leute verwenden unterschiedliche Terminologien und unterschiedliche Faktornamen.
Die Konsequenzen. Erstens: Wenn man so etwas macht, geht tendenziell Wissen verloren, wenn Mitarbeiter das Unternehmen verlassen. Jemand hat Daten auf einer Festplatte oder einem Netzwerklaufwerk gespeichert, und die Leute verlieren möglicherweise den Überblick darüber. Alle von ihnen durchgeführten Studien wurden ohne die gesamte Arbeit der Vergangenheit erstellt. All diese nützlichen Prozesserkenntnisse gehen mit der Zeit verloren wie Jahre im Regen.
In der Führungsetage hingegen waren der Vorstandsvorsitzende und seine Kollegen von den steigenden Kosten der statistischen Studien völlig überzeugt, und die Investitionen zahlten sich nicht aus. Ihre Erwartungen wurden nicht erfüllt. Statistische Methoden erleiden erneut einen schweren Reputationsschaden.
Was tun wir dagegen? Erstens: Präventivmaßnahmen. Ändern Sie Ihre Denkweise. Erstellen Sie Daten und die Ergebnisse aus Ihren Daten und die Modelle, die Sie aus Ihren Daten erstellen, wie ein Vermögenswert, wie Maschinen oder Geld auf der Bank.
Ändern Sie Ihre Denkweise. Diese Daten sind nicht von Nutzen, wenn sie verstreut sind. Legen Sie Unternehmensrichtlinien für Datenverwaltung, -speicherung, -analyse und historische Aufzeichnungen fest, damit alle diese Werke – und ich habe bereits erwähnt, dass diese Werke über die ganze Welt verstreut sind, in verschiedenen Zeitzonen und auf verschiedenen Kontinenten usw. – sicher sind.
Mit einer Unternehmensrichtlinie holen Sie den maximalen Nutzen aus Ihren Daten. ABC Widgets hat 571 Tage lang ohne Datenverlust gearbeitet. Das ist der richtige Ansatz. In manchen Branchen, etwa in der Biotechnologie, gibt es dagegen KASA (Data Governance and Auditing), bei dem es um Datenverwaltung und die Verfälschung von Audits geht. Wenn die Prüfer kommen und etwas verlangen, haben Sie es sofort zur Hand.
Weitere vorbeugende Maßnahmen. Wenn Sie eine JMP-Datei erstellen, versehen Sie sie mit Anmerkungen. Verwenden Sie die Variable „Neue Tabellen“, um das Ziel des Projekts zu beschreiben. Welche wichtigen Details sind zu beachten? Verwenden Sie Spaltennotizen und beantworten Sie die Frage: Wären Zweck, Methoden, Details und Ergebnisse auch in fünf Jahren für jemanden verständlich, der nicht an der Arbeit beteiligt war?
Bei den meisten JMP-Dateien lautet die Antwort: Nein. Jemand würde sie sich in fünf Jahren ansehen und hätte keine Ahnung, was getan wurde, welche Maschinen und Messsysteme verwendet wurden, wer beteiligt war usw.
Eine weitere vorbeugende Maßnahme, die unserer Meinung nach einen Mehrwert bietet, ist die Nutzung des JMP Query Builders. Integrieren Sie all diese Daten, verarbeiten Sie sie so weit wie möglich und ziehen Sie anschließend den Einsatz eines sogenannten Knowledge-Relationship-Management-Systems in Betracht. Es gibt einige davon. Eines davon ist CoBaseKRM. Einige von Ihnen haben vielleicht bereits Erfahrung damit.
Es ist auf JMP abgestimmt, verarbeitet Excel-Daten und erfordert per Definition Data Governance. Es ist durchsuchbar und skalierbar. Wenn Sie wirklich alle wertvollen Daten aus Ihren Daten extrahieren möchten, ist dieses umfassende, zentrale Verwaltungssystem ein guter Ausgangspunkt. Sie haben mehrere Standorte. Wenn Sie Audits durchführen müssen, weil das in Ihrer Branche zum Alltag gehört, ist es eine große Hilfe.
Fassen Sie diesen Abschnitt zusammen. Wissen, Daten, Analysen, statistische Modelle, Ursache-Wirkungs-Wissen. Es ist ein Unternehmenswert, wird aber nicht als solcher behandelt. Der Verlust dieses Wissens bedeutet Gewinnverlust und eine geringere statt einer besseren Wettbewerbsfähigkeit. In manchen Branchen ist Wissensmanagement von entscheidender Bedeutung.
Das ist der dritte von fünf Punkten. Erkenntnis Nr. 4. SPC bezieht sich nicht mehr nur auf das Endprodukt. Was wir hier haben, was wir von anderen lernen, könnte diese Probleme haben, in diesem Fall ein mangelndes Verständnis der Faktoren, die die Hauptursache unserer Erkenntnisse darstellen.
Eine weitere Fallstudie: Es geht um einen Metallbeschichtungsprozess. Ich kann nicht viel dazu sagen, aber es spielen viele Faktoren eine Rolle, sehr viele. Der Kunde identifizierte 21 Prozessfaktoren. Es gibt mehrere Antworten. Sie haben einige Dinge mit Metall gemacht.
Sie verwendeten statistische Prozesskontrollkarten für die Reaktionen, also die für die Beschichtung des Metalls wichtigen Faktoren. Sie betrachteten das Verhalten der Faktoren nicht wirklich. Sie betrachteten ihren Prozess im Wesentlichen rückwärts.
Wenn sie im IMR-Diagramm ein Signal für eine Reaktion sahen, gingen sie zurück und begannen den Prozess schwach. Das ist... Wie heißt das? Unserer Meinung nach, den Karren vor das Pferd spannen. Die zugrunde liegende Wahrheit ist, dass sie im Wesentlichen institutionalisierte Hemmnisse in ihrem Prozess hatten. Sie haben all diese Kontrollpunkte. Sie betrachten sie nicht, sie schauen nur auf das Ergebnis.
Es gibt aber auch eine tiefere Wahrheit. Es gibt da draußen noch all diese anderen Dinge, Störfaktoren, Rohstoffeinflüsse. In der Werkstatt arbeiteten verschiedene Leute mit unterschiedlichen Aufgaben, und es herrschte im Grunde systematisches Chaos. Mir gefällt, was Deming in seinem Trichterexperiment demonstriert hat.
Einige Zeit später litten sie unter anhaltend hohen Ausschussraten, höheren Kosten, verpassten Lieferungen, verärgerten Kunden und Mitarbeitern, die den Prozess, mit dem sie ständig zu kämpfen hatten, satt hatten. Ursache und Wirkung blieben ein Rätsel.
Der Grund dafür war, dass sie die Faktoren nicht berücksichtigten. Sie betrachteten nur die Antworten. Die Leute fragten: „Hey, wir haben SPC in der Leitung. Wie kommt es, dass wir so viele Probleme haben?“ SPC erleidet einen Reputationsschaden. Das Problem ist, dass sie die Faktoren nicht berücksichtigt haben. Sie haben die Faktoren nicht verstanden.
Hier ist die erste vorbeugende Maßnahme. Lesen Sie Donald Wheelers Buch „Zwanzig Dinge, die Sie wissen müssen“, Kapitel 3. Dort finden Sie eine fantastische Diskussion über kontrollierte und unkontrollierte Ursachen, mögliche Ursachen im Verborgenen und all diese wirklich tollen Dinge. Kurz gesagt: Wenn Sie wirklich unter solchen Problemen leiden, sollten Sie alles kontrollieren, was Sie in die Finger bekommen.
Hier ist ein Beispiel. Erstellen Sie dieses Array. JMP eignet sich hierfür hervorragend. Sie können beliebig viele Regelkarten stapeln. In diesem Fall hatten wir 23 gestapelte IMR-Karten für Faktor X1 und Faktor X2. Für 13 Prozessfaktoren, vier Störfaktoren, Umgebungstemperatur usw. Einige Materialeigenschaften, von denen man annahm, dass sie den Prozess beeinflussen würden, und einige Reaktionen.
Dieses ganze System dient dazu, den Status Ihres Prozesses zu überprüfen und herauszufinden, was in Zukunft passieren könnte. Es ist nicht wirklich für die rückwirkende Nutzung gedacht, sondern etwas, das Sie stündlich und täglich tun möchten.
Schauen Sie sich diese Diagrammreihe an. Wenn Sie das tun und ein bestimmtes Verhalten feststellen, haben wir, wie wir anhand der Antworten sehen, möglicherweise eine Änderung eines Störfaktors oder einer Materialeigenschaft festgestellt. Eine sehr wirkungsvolle Technik. Schauen Sie sich einfach einen ganzen Stapel Kontrolldiagramme an. Es erfordert etwas Übung, um den Dreh rauszukriegen und die Kontrollgrenzen richtig festzulegen, aber es ist machbar und eine sehr wirkungsvolle Technik.
Der andere Punkt ist, Richtlinien festzulegen und sich in die SPC einzufühlen. Letztendlich geht es um die Faktoren. Sie sollten Ihre Temperatur- und Druckregelung im Auge behalten. Wir haben vorhin über diese Fallstudie mit unterirdischen Stromkabeln gesprochen.
Wie verhält sich das superabsorbierende Polymer, das in meinen Prozess gelangt? Es ist ja im Grunde Teil meines Prozesses. Man schaut stromaufwärts, anstatt wie im klassischen Beispiel nur die Reaktionen zu betrachten. Schaffen Sie einen Workflow, lernen Sie aus Ihren Fehlern, seien Sie fehlersicher und dokumentieren Sie Richtlinien.
Zusammenfassend lässt sich sagen, dass Prozesse komplex sind. Überall lauern Variationen. Es gibt Dinge, die versuchen, in den Prozess einzudringen und Gewohnheiten zu verbreiten. Wenn Sie die Faktoren mithilfe der statistischen Prozesskontrolle betrachten und noch einmal genau hinschauen, werden Sie beginnen, das positive Effektverhalten zwischen Faktor und Reaktion zu verstehen. Gleichzeitig erhalten Sie so eine Orientierung für die Durchführung eines Experiments.
Hier ist eine L-Map, die ich von der JMP-Website heruntergeladen habe. Wirklich cooles Zeug. Hier heißt es früh: Faktoren und Reaktionen identifizieren. Die Reaktionen lassen sich leicht identifizieren. Man weiß, was man will: geometrische Kontrolle oder Wasserquellung eines Bandes. Die schwierige Frage in der DOE-Welt ist: Welche Faktoren berücksichtige ich?
Diese Frage wird ständig gestellt. Wenn Sie eine ganze Reihe Ihrer Faktoren durchgehen und lernen, wie sie sich verhalten und wie sie Ihren Prozess beeinflussen, verfügen Sie über die nötigen Erkenntnisse und zumindest eine Orientierungshilfe, um Ihre Faktoren mit Bedacht auszuwählen.
Zu guter Letzt Erkenntnis Nr. 5: Eine gute Gage-R&R-Studie bedeutet nicht automatisch, dass Ihr Instrument einwandfrei ist. Man könnte auch sagen, eine gute EMP-Studie bedeutet nicht automatisch, dass Ihr Instrument einwandfrei ist. Ich habe festgestellt, dass dies ein recht häufiges Problem ist. Die Ursache liegt darin, dass viele nicht wirklich verstehen, was Messsystemanalyse eigentlich ist. Es gibt ein dickes AIAG-Buch dazu, und es geht nicht nur um Gage R&R.
Fallstudie zum Aluminiumgussverfahren. Das Rohmaterial wird homogenisiert, Rohre oder Zylinder extrudiert, geglüht und dabei die Härte gemessen. Wir untersuchen die Rockwell-Härte, ein gut entwickeltes Messverfahren, und nutzen diese Härteprüfungen, um wichtige Entscheidungen für den Prozessverlauf (da es sich um einen mehrstufigen Prozess handelt) und die Abschlussprüfung zu treffen.
Sie haben eine Gage R&R-Studie durchgeführt, nachdem sich der Kunde beschwert hatte. Sie haben Aluminiumstücke mit unterschiedlichen bekannten Rockwell-Härten besorgt, und diese Standards kann man kaufen. Sie haben eine Gage R&R-Studie durchgeführt. Großartig. Das ist interessant.
Sie haben fantastische Ergebnisse erzielt. Wow! Betrachten Sie die Varianzkomponenten. Die gesamte Abweichung scheint von den Bauteilen zu stammen und nur sehr wenig vom Messgerät selbst. Sie kamen zu dem Schluss, dass das Gerät nahezu perfekt war.
Was sie nicht wussten: Das Gerät blieb über die Zeit stabil, und sie hatten einige ihnen unbekannte Verzerrungsprobleme. Betrachtet man einige dieser Daten, anstatt nur die Endergebnisse zu betrachten, sondern die Daten in einem Variabilitätsdiagramm, erkennt man, dass das Gerät mit den Teilen B85 und B100 deutlich größere Probleme hatte. Betrachtet man die Daten nach Bediener und nach Teil, sieht man dasselbe.
Wie wir alle wissen, hängen die Ergebnisse einer Messanalyse stark von der Teileauswahl ab. Wenn wir Teile erhalten, die sich deutlich voneinander unterscheiden, erhalten wir ein starkes Signal und das Rauschen im Messsystem ist relativ gering.
Ein Jahr später blieben die Konsequenzen bestehen, die Beschwerden blieben bestehen, es gab häufige Rücksendungen, all diese Aufforderungen zu Korrekturmaßnahmen. Wenn es etwas gibt, das mir Gänsehaut bereitet, dann sind es Aufforderungen zu Korrekturmaßnahmen. Ich nenne es eine Übung zur Chancengleichheit und zum Geldverbrennen.
Das ist meine Meinung zu Korrekturmaßnahmen, denn alle drehen sich im Kreis, die Leute werden wütend und so weiter, und dann schreiben sie: „Oh, wir müssen unseren Bediener neu schulen und so.“ Das alles löst das Problem nicht wirklich. Die Führungsebene wird wütend. Der Ruf der statistischen Methoden kann darunter leiden.
Was tun wir? Präventive Maßnahmen. Denken Sie an die Analyse von Messsystemen. Es handelt sich um einen Arbeitsablauf. Es ist kein Gage R&R. Es gibt eine ganze Reihe von Dingen, die Sie tun müssen, um Ihr Instrument zu verstehen. Beginnen Sie mit einer Konsistenzprüfung.
Messen Sie immer wieder dasselbe Körperteil, dieselbe Person. Wenn Sie in diesem Diagramm Signale sehen, hören Sie sofort auf. Sie haben ein Problem, das Sie beheben müssen. Sie müssen Bias und Linearität untersuchen. Sie müssen sicherstellen, dass Ihre Instrumente kalibriert sind.
EMP, Gage R&R ist wichtig, aber nur ein Teil des Prozesses. Sie können sich die Gage-Leistungskurven ansehen, über die wir zuvor gesprochen haben. Es gibt einige Methoden, wenn Sie Fragen zu Ihrem Messsystem haben und befürchten, dass es Ihre endgültigen Prüfentscheidungen beeinflusst. Sie können die sogenannten Fertigungsspezifikationen verwenden, eine temporäre Lösung, um Messrauschen zu berücksichtigen oder zu kompensieren. Ihre Instrumente müssen Sie wirklich über einen längeren Zeitraum hinweg betrachten. Gage R&R ist diskret. SVC-Diagramme sind es nicht.
Zusammenfassung: Es gibt dieses Missverständnis über MSA. Die Leute denken, es sei Gage R&R. Ich habe Audits erlebt, bei denen der Auditor sagt: „Zeigen Sie mir Ihr MSA“, und die Leute huschen herum und zeigen die Gage R&R-Ergebnisse. Ein Missverständnis.
Messsysteme könnten kontinuierlich sein. Messsystemanalysen und Messsystemstudien sollten kontinuierlich und nicht diskret erfolgen. Es handelt sich nicht um eine einmalige Angelegenheit, aus der man Schlussfolgerungen ziehen kann. Man legt Unternehmenspraktiken fest, macht sie visualisiert und so weiter. Ich denke dabei an das zeitskalierte Verhalten Ihrer Messsysteme.
Das war's. Hier ist das Fazit: Fassen Sie die fünf Fallstudien und einige Ratschläge zusammen. Lernen Sie zunächst aus den Erfahrungen anderer. Genau das versuchen wir, denn wir haben diese Kunden, denen wir helfen und von ihnen lernen wollen. Sie lernen von uns. Alle lernen gemeinsam. Großartig. Wir lernen voneinander. Statistische Methoden geraten manchmal in Schwierigkeiten, weil sie im luftleeren Raum durchgeführt werden. Sie werden mit dieser statistischen Denkweise durchgeführt.
Irgendwann müssen Sie die Auswirkungen auf das Geschäft, die Kosten, die Rohstoffverfügbarkeit, die Lieferkette, die Sicherheit, die Lagerhaltung und vieles mehr berücksichtigen. Bei vielen dieser kontinuierlichen Verbesserungsbemühungen geht es um ein viel größeres Bild. Denken Sie auch hier an Arbeitsabläufe statt an einzelne Bereiche. Lassen Sie uns nicht einfach eine MSA oder eine DOE durchführen. Denken wir über den Arbeitsablauf nach. Wie können wir ein breites Spektrum statistischer Methoden nutzen, um unser Leben zu verbessern und unsere Kunden zufriedenzustellen?
Betrachten Sie Daten und die daraus abgeleiteten Modelle als äußerst wichtiges Unternehmensgut. Konzentrieren Sie sich auf Faktoren. Beobachten Sie die Reaktionen. In meiner Zeit als Fertigungsingenieur habe ich mich mit den Faktoren beschäftigt. Es gibt keinen Regler für die Ausbeute. Es gibt keinen Regler für die Dimensionskontrolle. Es gibt keinen Regler für Reaktionen. Der Regler liegt bei den Faktoren. Sie müssen also verstehen, wie gut ich die Faktoren kontrollieren kann und wie sie meine Reaktion beeinflussen.
Konzentrieren Sie sich auf Variation, Reduktion und den Abschied. Verstehen Sie mich nicht falsch, die Einhaltung von Spezifikationen ist wichtig. Lassen Sie mich das klarstellen: Die Einhaltung von Spezifikationen ist wichtig, aber nicht das Ende. Sie müssen darüber hinausgehen und sich konzentrieren. Genau wie Taguchi uns vor Jahrzehnten sagte: „Konzentrieren Sie sich darauf, Variationen zu reduzieren und Ihr Ziel zu erreichen.“
Wir sind überzeugt, dass Sie durch die Umsetzung all dieser Maßnahmen Ihre Prozesse kontinuierlich verbessern werden. Ihre Mitarbeiter werden zufrieden sein, Ihre Lieferanten werden zufriedener sein, weil Sie ihnen helfen und sie Ihnen helfen, und Sie stellen Ihre Kunden zufrieden. Diese kontinuierlichen Verbesserungen werden sich mit der Zeit einstellen.
Abschließend möchten wir uns bei Ihnen bedanken. Juan und ich danken Ihnen fürs Zuhören. Kontaktieren Sie uns, wenn Sie eines dieser Themen besprechen möchten. Wir helfen Ihnen gerne weiter.
