Von Jeff Joines (Außerordentlicher Professor für Textiltechnik an der NCSU)
Dies ist eine dreiteilige Serie über Six Sigma, Lean Sigma und Simulation. Im ersten Blog werden die Six-Sigma-Methodik und die Brücke zur Simulationsanalyse und -modellierung erläutert, während im zweiten und dritten Teil die Verwendung der Simulation in jeder der Six-Sigma-Phasen bzw. in Lean Sigma (d. h. Lean Manufacturing) beschrieben wird.
"Systeme verhalten sich selten genau wie vorhergesagt" war der Ausgangspunkt für den Blog Vorhersage der Prozessvariabilität und ist die treibende Kraft hinter den meisten Verbesserungsprojekten. Wie bereits erwähnt, ist die Variabilität allen Prozessen inhärent, unabhängig davon, ob es sich um die Herstellung eines Produkts in einem Werk, die Produktion eines Produkts über einen ganzen Lieferkettenkomplex oder die Erbringung einer Dienstleistung im Einzelhandel, im Bankwesen, in der Unterhaltungsbranche oder in einem Krankenhaus handelt. Könnte man die Variabilität eines Prozesses oder Produkts vorhersagen oder beseitigen, dann gäbe es keine Verschwendung (oder Muda in der Lean-Welt, die in einem dritten Teil erörtert wird), die mit einem Prozess verbunden ist, keine Überstunden zur Erledigung eines Auftrags, keine Umsatzeinbußen aufgrund falscher Bestände oder langer Vorlaufzeiten, keine Todesfälle aufgrund von Fehlern in der Gesundheitsversorgung, kürzere Vorlaufzeiten usw., was letztlich zu geringeren Kosten führt. Für jedes Unternehmen (in der Fertigung oder im Dienstleistungssektor) ist die Reduzierung von Kosten, Durchlaufzeiten usw. eine Priorität, um in der globalen Welt wettbewerbsfähig zu sein. Die Verringerung, Kontrolle und/oder Beseitigung der Variabilität in einem Prozess ist der Schlüssel zur Kostenminimierung.
Six Sigma ist eine Unternehmensphilosophie, die sich auf die kontinuierliche Verbesserung zur Verringerung und Beseitigung von Schwankungen konzentriert. In einer Dienstleistungs- oder Produktionsumgebung wäre ein Six Sigma (6?)-Prozess praktisch fehlerfrei (d. h. nur 3,4 Fehler bei einer Million Arbeitsvorgänge eines Prozesses sind zulässig). Die meisten Unternehmen arbeiten jedoch mit Four Sigma, das 6.000 Fehler pro Million zulässt. Six Sigma entstand in den 1980er Jahren, als Motorola die Anzahl der Fehler in seinen eigenen Produkten reduzieren wollte. Motorola suchte nach Wegen, die Verschwendung zu reduzieren, die Qualität zu verbessern, die Produktionszeit und -kosten zu senken und sich auf die Art und Weise zu konzentrieren, wie die Produkte entworfen und hergestellt wurden. Six Sigma entstand aus dieser proaktiven Initiative, bei der exakte Messungen zur Vorwegnahme von Problembereichen eingesetzt wurden. Im Jahr 1988 wurde Motorola als erstes großes Fertigungsunternehmen mit dem Malcolm Baldrige National Quality Award ausgezeichnet. Infolgedessen wurden die Methoden von Motorola eingeführt, und bald wurden auch die Zulieferer ermutigt, die Six-Sigma-Praktiken zu übernehmen. Heute erzielen Unternehmen, die die Six-Sigma-Methodik anwenden, erhebliche Kostensenkungen.
Six Sigma entwickelte sich aus anderen Qualitätsinitiativen wie ISO, Total Quantity Management (TQM) und Baldrige und wurde zu einem Qualitätsstandardisierungsprozess, der auf harten Daten und nicht auf Ahnungen oder Bauchgefühlen basiert - daher der mathematische Begriff Six Sigma. Six Sigma verwendet eine Vielzahl traditioneller statistischer Werkzeuge, die jedoch in einen Rahmen zur Prozessverbesserung eingebettet sind. Zu diesen Werkzeugen gehören Affinitätsdiagramme, Ursache-Wirkungs-Analysen, Fehlermöglichkeits- und Effektivitätsanalysen (FMEA), Poka Yoke (Fehlersicherung), Umfrageanalysen (Stimme des Kunden), Versuchsplanung (DOE), Fähigkeitsanalysen, Messsystemanalysen, statistische Prozessregelkarten und -pläne usw.
Es gibt zwei grundlegende Six Sigma-Prozesse (d. h. DMAIC und DMADV), die beide datenintensive Lösungsansätze verwenden und die Verwendung des Bauchgefühls oder der Intuition bei Entscheidungen und Verbesserungen ausschließen. Die Six Sigma-Methode basiert auf dem DMAIC-Prozess und wird eingesetzt, wenn das Produkt oder der Prozess bereits vorhanden ist, aber nicht den Spezifikationen entspricht oder nicht ausreichend funktioniert, und wird wie folgt beschrieben
Definieren, identifizieren, priorisieren und wählen Sie die richtigen Projekte aus. Nach der Auswahl werden die Projektziele und -ergebnisse definiert.
Messen Sie die wichtigsten Produktmerkmale und Prozessparameter, um eine Basislinie zu erstellen.
Analyse und Identifizierung der wichtigsten Prozessdeterminanten oder der Grundursachen für die Variabilität.
Verbessern und Optimieren der Leistung durch Beseitigung von Fehlern.
Kontrolle der aktuellen und zukünftigen Prozessleistungen.
Wenn der Prozess oder das Produkt noch nicht existiert und entwickelt werden muss, muss das Design for Six Sigma (DFSS) Verfahren (DMADV) angewendet werden. Prozesse oder Produkte, die mit dem DMADV-Verfahren entwickelt wurden, sind in der Regel schneller auf dem Markt, haben weniger Nacharbeit, niedrigere Kosten usw. Obwohl die DMADV-Methode der DMAIC-Methode ähnelt und mit denselben drei Schritten beginnt, unterscheiden sie sich, wie im Folgenden definiert, erheblich.
Definieren, identifizieren, priorisieren und wählen Sie die richtigen Projekte aus. Nach der Auswahl werden die Projektziele und die zu erbringenden Leistungen definiert.
Messung und Bestimmung der Kundenbedürfnisse und -spezifikationen durch die Stimme des Kunden.
Analyse und Identifizierung der Prozessoptionen, die zur Erfüllung der Kundenanforderungen erforderlich sind.
Entwurf eines detaillierten Prozesses oder Produkts zur Erfüllung der Kundenanforderungen.
Überprüfung der Leistung des Entwurfs und der Fähigkeit, die Kundenanforderungen zu erfüllen, wobei es sich um interne oder externe Kunden handeln kann.
Bei beiden Prozessen wird eine kontinuierliche Verbesserung von einer Phase zur nächsten angewandt. Wenn Sie zum Beispiel in der Analysephase feststellen, dass ein wichtiger Input nicht gemessen wird, müssen neue Messgrößen definiert werden, oder es können neue Projekte definiert werden, sobald die Kontrollphase erreicht ist.
Nachdem wir nun Six Sigma definiert haben, fragen Sie sich vielleicht, wo die Brücke zur Computersimulation und -modellierung ist. Die Simulationsmodellierung und -analyse ist nur ein weiteres Werkzeug im Six-Sigma-Werkzeugkasten. Viele der statistischen Werkzeuge (z. B. DOE) versuchen, die abhängigen Variablen(Y) in Bezug auf die unabhängigen Variablen(X) zu beschreiben, um sie zu verbessern. Außerdem handelt es sich bei den meisten statistischen Werkzeugen um parametrische Methoden (d. h. sie setzen voraus, dass die Daten normal verteilt sind, oder sie nutzen unseren Freund, den zentralen Grenzwertsatz, um die Daten normal verteilt erscheinen zu lassen). Viele der traditionellen Werkzeuge können zu suboptimalen Ergebnissen führen oder gar nicht verwendet werden. Wenn man zum Beispiel einen neuen Prozess oder ein neues Produkt entwirft, existiert das System noch nicht, so dass eine Bestimmung der aktuellen oder zukünftigen Leistungsfähigkeit nicht möglich ist. Die Komplexität und Ungewissheit bestimmter Prozesse kann mit herkömmlichen Methoden nicht bestimmt oder analysiert werden. Die Simulationsmodellierung und -analyse geht von keiner dieser Annahmen aus und kann eine realistischere Bandbreite an Ergebnissen liefern, insbesondere wenn die unabhängigen Variablen(X) als Werteverteilung beschrieben werden können. In Six Sigma und Simulation: Teil 2 wird ein detaillierterer Blick darauf geworfen, wie die Simulation in den beiden Six-Sigma-Prozessen(DMAIC und DMADV) eingesetzt wird.