Aber manchmal kann die Verwendung dieser Toolkits aufgrund ihrer Komplexität oder des Mangels an Beispielen für spezifische Anwendungen unüberwindbar erscheinen.
In diesem Artikel geht es um die 7 grundlegenden Werkzeuge der Qualität - 7 verschiedene analytische statistische Modelle, die Sie als Anfänger verwenden können, ohne dass Sie sich mit komplizierter Mathematik auseinandersetzen müssen.
Jedes der 7 grundlegenden Werkzeuge wird im Folgenden kurz beschrieben und mit einem relevanten Beispiel aus der Fertigung versehen.
1. Kontrollblatt
Ein Kontrollblatt ist ein visueller Indikator für Daten, die während eines Prozesses gesammelt werden. Es kann so einfach wie eine nummerierte Checkliste sein, die der Reihe nach abgearbeitet wird, oder so kompliziert, wie es die Aufgabe erfordert.
Es funktioniert ähnlich wie eine Kanban-Tafel, die eine visuelle Darstellung der laufenden oder noch zu erledigenden Aufgaben ist. Sie unterscheidet sich von einer Kanban-Tafel dadurch, dass sie den Verlauf eines einzelnen Auftrags sowie Informationen über die Mitarbeiter, die Spezifikationen und den Standort des Auftrags erfasst.
Profi-Tipp : Das Fertigungsprinzip Just-in-Time unterstreicht die Bedeutung der Überwachung von Prozessen in Echtzeit, während sie stattfinden. Dies ermöglicht eine optimale Reaktionszeit für Änderungen im Arbeitsablauf entsprechend den aktuellsten Erkenntnissen. Prüfbögen eignen sich hervorragend für Echtzeit-Einsichten, da sie kontinuierlich Daten über einen bestimmten Zeitraum sammeln.
Zu lösende Frage: Wie überwachen und bewerten wir einen Prozess Just-In-Time?
Beispiel aus der Fertigung: Sie möchten die Prozesskontrolle über die gesamte Produktionslinie hinweg messen, in diesem Fall an Ihrem Arbeitsplatz für die Motorenmontage. Es gibt viele Variablen, aber Sie machen sich noch keine Gedanken über Ursachen oder Ursache und Wirkung - nur über die Grundlagen, wie z. B. wie viele Fehler in einer normalen Woche verursacht werden, einschließlich der Art der Fehler und an welchen Tagen sie auftreten.
Anhand dieser Auflistung auf einem Kontrollblatt können Sie Daten als ersten Schritt für eine weitere Analyse sammeln.
Sehen Sie sich zum Beispiel das nachstehende Kontrollblatt für die Motormontage an. Ein kurzer Blick auf die erfassten Daten zeigt, dass es sich bei den häufigsten Mängeln um verrostete Zulieferteile handelt, und dass dieses Problem am häufigsten in der ersten Wochenhälfte auftritt.
Daher sollte ein aufmerksamer Manager am besten prüfen, ob es in der Lieferkette Probleme gibt, wie z. B.:
Teile, die vor Ort ankommen, sind bereits verrostet;
Teile, die spät in der Woche vor Ort eintreffen und über das Wochenende unsachgemäß gelagert wurden, so dass sie rosten;
Teile, die von den Schichtleitern am Montag und Dienstag strenger auf Rost geprüft werden als von anderen Schichtleitern;
usw.
Prüfbögen sind unglaublich vielseitig. Im folgenden Video erhalten Sie weitere kreative Einblicke in die Verwendung von Check Sheets innerhalb von Softwareanwendungen, wie der VKS-Plattform:
2. Ishikawa-Diagramm
Fischgrätdiagramme wurden erstmals von Kaoru Ishikawa, einem Ingenieur für Qualitätskontrolle in der japanischen Schiffbauindustrie, in den 1960er Jahren entwickelt. Sie sind auch als Ishikawa-Diagramme bekannt und sollen als kooperativer Ansatz für die Ursachenanalyse dienen.
Ishikawa-Diagramme sind, wie andere Managementdiagramme und Untersuchungsmethoden, wertvolle Werkzeuge für Teams, die eine Vielzahl von Problemen lösen wollen. Zu den Vorteilen von Fischgräten-Diagrammen gehören:
Anwendung von Rahmenwerken, die an das Total Quality Management (TQM) angrenzen
Einfach genug, um ohne Software oder Ausrüstung gezeichnet zu werden
Schneller Ansatz für Brainstorming
Fördern die Zusammenarbeit im Team
Zu lösende Frage: Was vermuten wir als Grundursache für ein Problem?
Beispiel aus der Fertigung: Ihr Führungsteam in der Fertigung hat einen Fehler festgestellt, der sich stark auf die Qualität auswirkt, aber Sie sind sich nicht ganz sicher, woher das Problem kommt.
Also leiten Sie eine Brainstorming-Sitzung, um mögliche Ursachen und beitragende Faktoren in jedem Bereich Ihres Produktionsprozesses zu ermitteln, um die Grundursachen zu finden.
Sie können diese Übung leicht mit einem Stift und Papier oder sogar einem Whiteboard durchführen. Sehen Sie sich das nachstehende Diagramm an: Der erste Schritt besteht darin, das Hauptproblem aufzuschreiben - in diesem Fall den problematischen Fehler.
Als Nächstes versammeln Sie die entsprechenden Teammitglieder, die von diesem Fehler wissen, und lassen jeden eine mögliche Ursache für dieses Problem aufschreiben. Schreiben Sie diese groben Kausalbereiche entlang der Hauptstacheln des Fisches, wo "Schritt #2" steht.
Gehen Sie schließlich im Team etwas tiefer und stellen Sie Fragen, warum diese Ursachen auftreten. Kümmern Sie sich nicht zu sehr darum, genau zu sein, denn dies ist eine Brainstorming-Übung. Schreiben Sie diese Ursachen unter den Kategorien auf, die Sie gerade in Schritt 2 identifiziert haben.
3. Regelkarte
Regelkarten sind Liniendiagramme, die dazu dienen, Produktabweichungen auf einen Blick zu erkennen. Der schwankende Linienteil der Karte bewegt sich um eine mittlere "Kontrolllinie", die einen bestimmten Qualitätsstandard darstellt.
Der Zweck der Regelkarte besteht darin, Prozessfehler und -anomalien zu erkennen und auch mögliche Verbesserungen zu modellieren. Sie werden häufig in der industriellen Fertigung und im Prozessmanagement eingesetzt, insbesondere wenn es um kontinuierliche Verbesserung geht.
Zu lösende Frage: Liegt die Anzahl der Fehler, die wir sehen, innerhalb eines normalen Bereichs oder verursacht etwas mehr Fehler als üblich?
Beispiel aus der Fertigung: Wenn Sie Ihr Manufacturing Execution System (MES) öffnen, sehen Sie historische Daten über die Anzahl der Fehler, die Ihr Fertigungsteam im Durchschnitt pro Monat produziert.
Sie haben jedoch gerade auf modernere Maschinen umgestellt und möchten wissen, ob Ihre Fehlerquote noch innerhalb akzeptabler Grenzen liegt oder ob Ihre Prozesssteuerung nicht mehr vorhersehbar ist.
Daher erstellen Sie eine Regelkarte mit zwei durch horizontale Linien dargestellten Kontrollgrenzen, um auf einen Blick zu sehen, ob die Daten in den gewünschten Bereich fallen.
Das obige Bild ist eine Vorlage zum Verständnis der grundlegenden Elemente einer Regelkarte. Hier sehen Sie ein Beispiel für eine Regelkarte in unserer Software und wie sie in der Werkstatt eines Fertigungsbetriebes aussieht:
Die Daten für die Absorptionsniveaus der Farbsortierung in einer Vakuum-Mischmaschine sind hier nach Anzahl der Chargen aufgetragen. Die Datenpunkte liegen innerhalb der beiden roten gestrichelten Linien, die die oberen und unteren Kontrollgrenzen darstellen.
In diesem Fall liegen die Absorptionswerte also innerhalb der roten Linien, was bedeutet, dass der Prozess "unter Kontrolle" ist. Mit anderen Worten: Die durch den Vakuummischer verursachten Defekte liegen im Rahmen der normalen Abnutzung, und die Maschine ist wahrscheinlich korrekt kalibriert.
4. Histogramme
Histogramme sind großartig, weil sie nicht nur die "Abweichungen" oder "Ausreißer" in Datensätzen aufzeigen, sondern auch die Häufigkeit dieser Abweichungen.
Wenn eine Fabrik eine riesige Menge von Artikeln mit millimetergenauen Messungen herstellt, kann es schwierig sein, Bereiche zu finden, die kontinuierlich verbessert werden können.
Anhand eines Histogramms lässt sich leicht feststellen, ob eine Maschine unter Dutzenden fehleranfällig oder falsch eingestellt ist. Dies macht es zu einem unschätzbaren Qualitätsinstrument bei der Produktion in großem Maßstab.
Zu lösende Frage: Treten bestimmte Fehlerarten häufiger oder weniger häufig auf als andere?
Beispiel aus der Fertigung: Ähnlich wie beim obigen Beispiel mit der Regelkarte, nehmen wir an, Sie haben gerade mehrere neue Maschinen in Ihrer Fertigung aufgerüstet, die neben einigen älteren Maschinen laufen.
Die Produktionsraten der neuen Maschinen unterscheiden sich von denen der alten, so dass es schwierig ist, sie miteinander zu vergleichen.
Sie möchten die Produktionsrate der alten Maschinen im Laufe der Zeit analysieren, um festzustellen, ob und wann die Fehlerhäufigkeit zunimmt. Auf diese Weise wird Ihr Histogramm-Diagramm anzeigen, wann Sie die alten Maschinen ersetzen sollten.
5. Pareto-Diagramm
Pareto-Diagramme werden üblicherweise für die Qualitätskontrolle verwendet, bei der Unternehmen die Anzahl der Defekte zählen und feststellen, welche Defekte die meisten Probleme und/oder Umsatzeinbußen verursachen.
Der Clou des Pareto-Diagramms ist, dass es sowohl ein Linien- als auch ein Balkendiagramm ist, so dass Unternehmen einen genauen Überblick über die Anzahl der Fehler erhalten und gleichzeitig ihren kumulativen Wert nebeneinander verstehen können.
Die Verteilung muss nicht zwangsläufig 80/20 betragen, aber dies ist die am häufigsten beobachtete Verteilung nach dem Pareto-Prinzip.
Zu lösende Frage: Welches ist die häufigste oder aussagekräftigste Teilmenge von Daten?
Beispiel aus der Fertigung: Sie stellen ein Produkt von außergewöhnlich hoher Qualität her, aber wie bei jedem Produktionsprozess gibt es unweigerlich unerwartete Fehler, die auftreten. Sie erstellen ein Pareto-Diagramm, um festzustellen, welche Art von Defekt sich aufgrund seiner Häufigkeit und seiner Auswirkungen am stärksten auf Ihr Endergebnis auswirkt.
Das obige Beispiel ist ein einfaches Pareto-Diagramm, aus dem hervorgeht, dass etwa 80 % aller auftretenden Mängel auf Dellen und Lackfehler zurückzuführen sind. Daher weiß der Betriebsleiter, auf welche Bereiche er sich konzentrieren muss, um die Fehlerquote insgesamt zu verringern.
Einen detaillierteren Überblick über die Verwendung von Pareto-Diagrammen mit Hilfe von Fertigungssoftware-Plattformen finden Sie in unserem Video über die Erstellung von Pareto-Diagrammen mit VKS:
Wie im obigen Video beschrieben, benötigen Pareto-Diagramme, die z. B. Fehler erfassen, die folgenden vier Spalten: Fehler, Häufigkeit, kumulierte Häufigkeit und kumulierter Prozentsatz. Wenn Sie die Daten nach Excel exportieren, können Sie leicht Ihr eigenes Pareto-Diagramm erstellen.
6. Streuungsdiagramm
Ein Streudiagramm ist eines der einfachsten Diagramme, auch bekannt als X-Y-Wert-Diagramm. Diese Diagramme werden verwendet, wenn Sie gepaarte numerische Daten haben, wobei eine Variable des Paares auf der X-Achse und die andere Variable auf der Y-Achse liegt.
Sie werden verwendet, wenn Sie vermuten, dass es eine Beziehung zwischen den Variablen geben könnte. Aus diesem Grund werden Punktdiagramme häufig verwendet, um Ursache-Wirkungs-Beziehungen zu ermitteln.
Je nach Darstellung der Punkte im Punktediagramm können Sie eine statistische Signifikanzlinie (d. h., es besteht tatsächlich eine Kausalität oder Korrelation) durch die Gruppierung der Punkte ziehen.
Zu lösende Frage: Beeinflussen sich zwei Variablen gegenseitig?
Beispiel aus der Fertigung: Sie fragen sich, ob Ihr Herstellungsprozess optimiert werden könnte, um qualitativ hochwertigere Produkte zu erhalten, indem Sie die Menge des Rohstoffs Eisen ändern. Sie messen zwei Variablen, um zu sehen, ob sie sich gegenseitig beeinflussen: die allgemeine Produktreinheit und das Vorhandensein von Eisenmolekülen im Produkt.
Sobald die Datenpunkte aufgetragen sind (d. h. "verstreut"), zeichnen Sie zwei Linien, die den Medianwert entlang jeder Achse darstellen. Da es keinen leicht erkennbaren Trend gibt (d. h. die Punkte fallen nicht gleichmäßig auf die Linien), kann man daraus schließen, dass die beiden Variablen - Eisen und Produktreinheit - wenig bis gar keinen Einfluss aufeinander haben.
Daher ist es keine gute Strategie, zu versuchen, die Qualität durch eine Änderung des Eisengehalts zu verbessern.
7. Schichtung
Die Schichtung ist eine Form der Datenanalyse, bei der die Daten zur visuellen grafischen Darstellung in homogene Gruppen - Schichten genannt - eingeteilt werden. Sie ist statistisch oder mathematisch gesehen nicht so tiefgründig wie eine Kontrollkarte.
Jede Schicht stammt aus einer anderen Datenquelle und wird in der Schichtkarte anhand einer visuellen Legende unterschiedlich dargestellt.
Der Zweck einer Schichtungskarte besteht darin, Muster zwischen verschiedenen Sätzen homogener Daten zu erkennen.
Zu lösende Frage: Gibt es hier irgendwelche Muster, die tiefer erforscht werden sollten?
Beispiel aus der Fertigung: Sie haben 3 separate Maschinen, die gleichzeitig in Ihrer Werkstatt arbeiten. Sie dienen der Herstellung verschiedener Komponenten und weisen daher unterschiedliche Datenpunkte auf, je nachdem, welche Maschine Sie betrachten. Sie möchten jedoch die Gesamtanlageneffektivität (OEE) aller 3 Maschinen miteinander vergleichen, um zu sehen, ob eine Maschine ein erkennbares Muster in der Fehlermenge aufweist.
In diesem Beispiel eines Schichtungsdiagramms zeigt sich, dass die Maschinen 1, 2 und 3 alle ähnliche Kurven oder Linien aufweisen, die einzelne Datenpunkte miteinander verbinden. Maschine 3 weist auf der X-Achse bei weitem die höchste Anzahl von Fehlern pro Datum auf.
Dies könnte mehrere Dinge bedeuten:
Wenn es sich bei allen 3 Maschinen um denselben Gerätetyp handelt, sind die Maschinen 2 und 3 nicht leistungsfähig und müssen gewartet und eingestellt werden.
Wenn alle 3 Maschinen unterschiedlich sind - z. B. Maschine 1 ist ein Roboter-Montagearm, Maschine 2 ist ein Drehmomentwerkzeug und Maschine 3 ist ein automatischer Lastaufnahmetest -, dann ist es in Ordnung, wenn die 3 Zeilen im Diagramm so getrennt sind, wie sie sind.
In jedem Fall hilft ein Schichtungsdiagramm dem Betrachter, Problembereiche und die Auswirkungen dieser einzelnen Bereiche auf den gesamten Produktionsprozess zu beurteilen.
Die 7 Qualitätswerkzeuge zur kontinuierlichen Verbesserung nutzen
Bei den 7 Werkzeugen der grundlegenden Qualitätskontrolle handelt es sich um verschiedene statistische Methoden zur Analyse von Datensätzen, die im Fertigungskontext nützlich sind. Trotz ihrer mathematischen Grundlage sind sie so einfach, dass sie auch von Personen verwendet werden können, die keinen ausgeprägten analytischen Hintergrund haben, insbesondere wenn sie mit einer Arbeitsanweisungssoftware kombiniert werden, die Daten in Ihrer Anlage speichert, sortiert und verarbeitet.
Die Verwendung dieser 7 Werkzeuge kann manchmal eher eine Kunst als eine exakte Wissenschaft sein, da Sie auswählen können, welche Werkzeuge sich am besten für Ihre kontextuelle Situation in der Fertigung eignen. Es steht Ihnen frei, mehrere auf einmal zu verwenden oder auch nur ein paar - lassen Sie sich einfach von den datengestützten Erkenntnissen leiten, um Ihre nächsten Schritte zur kontinuierlichen Verbesserung zu unternehmen.
