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 funktionieren 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, um einen Auftrag zu erledigen, 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. er erlaubt nur 3,4 Fehler pro Million Arbeitsgänge). 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 Möglichkeiten, die Verschwendung zu reduzieren, die Qualität zu verbessern, die Produktionszeit und -kosten zu verringern 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. In der Folge 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 hat sich aus anderen Qualitätsinitiativen wie ISO, Total Quantity Management (TQM) und Baldrige entwickelt, um ein Qualitätsstandardisierungsverfahren zu werden, das auf harten Daten und nicht auf Ahnungen oder Bauchgefühlen beruht, 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, die auf dem DMAIC-Prozess basiert und eingesetzt wird, wenn das Produkt oder der Prozess bereits existiert, aber die Spezifikationen nicht erfüllt oder nicht angemessen funktioniert, 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.
Analysieren und identifizieren Sie die wichtigsten Prozessdeterminanten oder Grundursachen für die Variabilität.
Verbesserung und Optimierung der Leistung durch Beseitigung von Mängeln.
Kontrolle der aktuellen Gewinne und der 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-Prozess entwickelt wurden, sind in der Regel schneller auf dem Markt, haben weniger Nacharbeit, niedrigere Kosten usw. Obwohl der DMADV-Prozess der DMAIC-Methode ähnelt und mit denselben drei Schritten beginnt, unterscheiden sie sich, wie unten definiert, erheblich.
Definieren, identifizieren, priorisieren und wählen Sie die richtigen Projekte aus. Nach der Auswahl werden die Projektziele und -ergebnisse definiert.
Messung und Bestimmung der Kundenbedürfnisse und -spezifikationen durch die Stimme des Kunden.
Analysieren und ermitteln Sie die Prozessoptionen, die zur Erfüllung der Kundenanforderungen erforderlich sind.
Entwerfen Sie einen detaillierten Prozess oder ein Produkt, das den Bedürfnissen des Kunden entspricht.
Überprüfung der Leistungsfähigkeit des Entwurfs und der Fähigkeit, die Anforderungen des Kunden zu erfüllen, unabhängig davon, ob es sich um einen internen oder externen Kunden des Unternehmens handelt.
Bei beiden Prozessen wird die kontinuierliche Verbesserung von einer Phase zurück zum Anfang eingesetzt. Wenn Sie beispielsweise 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.