"Effektiver Einsatz präventiver Qualitätsmanagement-Methoden" [1]. Um den

Transkript

1 1 Einleitung Qualitätsmanagement umfasst laut Definition der DIN EN ISO 8402 alle Tätigkeiten des Gesamtmanagements, die im Rahmen des QM-Systems die Quali-tätspolitik, die Ziele und Verantwortungen festlegen sowie diese durch Mittel wie Qualitätsplanung, Qualitätslenkung, Qualitätssicherung/QM- Darlegung und Qualitätsverbesserung verwirklichen. Der Nutzen eines erfolgreich eingeführten QM-Systems besteht demnach darin, die Leistungsfähigkeit und Produktqualität dauerhaft zu verbessern, indem bereits in frühen Phasen der Produktentwicklung die Kundenanforderungen, Produktrisiken und Kosten berücksichtigt und somit nachträgliche kosten- und zeitintensive Änderungen verhindert werden. Das erfordert einen gezielten und integrierten Einsatz von präventiven QM-Werkzeugen und -Methoden. Viele der elementaren QM-Werkzeuge sind schon länger aus anderen Anwendungsfeldern, wie beispielsweise der Statistik oder der Marktforschung, bekannt. Doch trotz des hohen Bekanntheitsgrades und Nutzens der einzelnen Analysetechniken und -verfahren werden sie aufgrund ihrer Komplexität, ihres erheblichen Personalbedarfs und der zeitintensiven Anwendung nur sehr selten eingesetzt. Dies zeigt zum Beispiel das Ergebnis einer Umfrage zum Thema "Effektiver Einsatz präventiver Qualitätsmanagement-Methoden" [1]. Um den Einsatz geeigneter QM-Techniken in Verbindung mit der Erstellung eines QM- Systems zu erleichtern, bietet sich daher die Entwicklung eines entsprechenden Add-Ons - einer Erweiterung der Systemfunktionalitäten - für die von der Laser & Co. Solutions GmbH entwickelte Anwendung SiSy Qualitätsmanagement (QM) an. Mit Hilfe dieses Add-Ons soll die Erfassung, Visualisierung und Auswertung der verschiedenen Werkzeuge und Methoden des Qualitätsmanagement auf EDV-Basis unterstützt werden. Ziel ist es, dem Anwender eine effektive sowie effiziente Verwendung ausgewählter QM- Werkzeuge und -Methoden zu ermöglichen.

2 2 Werkzeuge und Methoden des Qualitätsmanagements Als Werkzeuge und Methoden des Qualitätsmanagements werden diejenigen Problemlösungstechniken bezeichnet, die eine frühzeitige Erkennung, Vermeidung bzw. Behebung von Fehlerursachen in der Produktentwicklung und her-stellung durch die anschauliche Aufbereitung und Strukturierung von Informationen ermöglichen. Hierbei unterscheidet man sieben klassische Qualitätswerkzeuge ( Seven Tools ) und sieben Managementwerkzeuge ( Seven New Tools ), die in ihrer Gesamtheit die elementaren Techniken der QM-Methoden, wie zum Beispiel für das Quality Function Deployment oder für die Fehlermöglichkeits- und Einflussanalyse, bereitstellen. Die verschiedenen Verfahren helfen, Daten zu Informationen zu verarbeiten, die dann die Basis für weitere Analyse- und Optimierungstätigkeiten schaffen. Aufgrund ihrer einfachen und flexiblen Anwendung ermöglichen sie eine für jeden verständliche Visualisierung der Ergebnisse. In Abbildung 1 ist das Zusammenwirken der QM-Werkzeuge und Methoden, die ein integraler Bestandteil der Qualitätsphilosophie eines Unternehmens sind, graphisch veranschaulicht. Unternehmensphilosophien, wie zum Beipsiel KVP (Kontinuierlicher Verbesserungsprozess) oder TQM (Total Quality Management), spiegeln die Qualitätspolitik des Unternehmens wider und werden in Form von Leitsätzen formuliert. Bedingt durch die allgemeinen Aussagen sind diese Leitsätze jedoch nicht zur Lösung konkreter Probleme geeignet. Allerdings bilden sie die Grundlage für die Schaffung eines ganzheitlichen Qualitätsmanagements unter gezielter Anwendung ausgewählter QM-Werkzeuge und Methoden. Abbildung 1: Zusammenwirken der QM-Werkzeuge und -Methoden

3 2.1 Seven Tools Die Qualitätswerkzeuge ( Seven Tools ) sind elementare Hilfsmittel zur Erfassung und Analyse von Problembereichen und Fehlerquellen. Sie dienen überwiegend der Datenerhebung und Auswertung und sind daher in den meisten Fällen numerisch strukturiert. Sie werden insbesondere dann eingesetzt, wenn alle Daten, die zur Problemlösung benötigt werden, verfügbar sind. Zu den Seven Tools werden im allgemeinen folgende Werkzeuge gezählt: 1. Strichliste 2. Histogramm 3. Korrelationsdiagramm 4. Qualitätsregelkarte 5. Pareto-Analyse 6. Flussdiagramm 7. Ursache-Wirkungs-Diagramm Strichliste In Strichlisten (auch Fehlersammelkarte oder -liste) wird die Häufigkeit des Auftretens einzelner Fehlerarten oder Messwerte in abgegrenzten Intervallen erfasst. Dadurch können Fehlerhäufungen an einzelnen Stellen in kürzester Zeit und mit geringem Aufwand erkannt und dargestellt werden. Fehlersammellisten sind nur bei bekannten und klar definierten Fehlerarten anwendbar und nur für eine begrenzte Anzahl von Untersuchungsobjekten geeignet Histogramm Das Histogramm (Säulendiagramm) ist ein grafisches Mittel zur übersichtlichen Darstellung einer großen Menge von Messwerten, die in Klassen bzw. Intervalle eingeteilt sind (siehe Abbildung 2). Aus Histogrammen lassen sich Art der Verteilung, Mittelwert und Streuung ableiten. Voraussetzung für die Erstellung von Histogrammen ist das Vorhandensein einer relativ großen Datenmenge.

4 Abbildung 2: Histogramm Korrelationsdiagramm Mittels Korrelations- oder Streuungsdiagrammen lassen sich eventuell bestehende Abhängigkeiten zwischen zwei Größen ermitteln und analysieren. Dazu werden Wertepaare gebildet und als Punkte im Diagramm dargestellt (siehe Abbildung 3). Dadurch kann auf einfache Weise die Art der Beziehung zweier Merkmale (stark oder schwach, positiv oder negativ) ermittelt und Rückschlüsse auf potentielle Einflussgrößen gezogen werden. Für die Erstellung von Korrelationsdiagrammen ist eine relativ hohe Datenmenge erforderlich. Abbildung 3: Beispiele für Korrelationsdiagramme Qualitätsregelkarte Qualitätsregelkarten (SPC-Karten, SPC = statistische Prozessregelung) dienen der Erfassung von Prozessdaten (in der Regel von statistischen Kenngrößen, wie Mittelwert oder Streuung), die in regelmäßigen Abständen ermittelt und unter Berücksichtigung festgesetzter Toleranzgrößen in die jeweilige Regelkarte (siehe Abbildung 4) eingetragen werden. Dadurch können im Falle einer erhöhten Werteabweichung bzw. Grenzüberschreitung noch vor der Entstehung

5 fehlerhafter Produkte geeignete Korrekturmaßnahmen eingeleitet und somit bereits frühzeitig Fehler vermieden werden. Abbildung 4: Aufbau einer SPC-Karte Pareto-Analyse Die Pareto-Analyse beruht auf dem sogenannten Pareto-Prinzip, das besagt, dass die meisten Auswirkungen eines Problems (80%) nur auf wenige Fehlerursachen (20%) zurückzuführen sind. Im Rahmen einer durchzuführenden Pareto-Analyse werden demnach die einzelnen Fehlerschwerpunkte nach der Größe ihres Einflusses geordnet (mittels Kumulation der Prozentanteile) und in ein Säulendiagramm eingetragen (siehe Abbildung 5). Die so erhaltene Rangordnung der Einflussfaktoren bildet dann die Grundlage für die Festlegung von Prioritäten bei der Fehlerbeseitigung; d.h. die Ursachen, die den größten Anteil der Fehler ausmachen, werden zuerst analysiert und beseitigt. Abbildung 5: Ergebnis einer Pareto-Analyse

6 2.1.6 Flussdiagramm Flussdiagramme eignen sich zur graphischen Darstellung der einzelnen, miteinander verknüpften Arbeitsschritte und Tätigkeiten innerhalb eines Unternehmensprozesses. Damit ist es möglich, die komplexen Zusammenhänge von Abläufen auf einfache Weise zu visualisieren. Anhand einer anschließenden detaillierten Analyse der unterschiedlichen Aktivitäten und deren Beziehungen können dann mögliche Schwachstellen im Ablauf aufgedeckt und entsprechende Verbesserungsmöglichkeiten aufgezeigt werden. In Bezug auf die Anwendung innerhalb der QM-Werkzeuge können weiterhin mithilfe von Flussdiagrammen die genauen Abläufe im Falle einer Fehlerentdeckung und der daraufhin durchzuführenden Abstellmaßnahmen dargestellt werden (siehe Abbildung 6). Abbildung 6: Flussdiagramm Die Symbolik von Flussdiagrammen ist in der Norm DIN definiert [2] Ursache-Wirkungs-Diagramm Das Ursache-Wirkungs-Diagramm (Ishikawa- oder Fischgräten-Diagramm) ist ein Werkzeug zur systematischen Analyse und Visualisierung eines Sachverhaltes in Abhängigkeit von Ursache bzw. Einfluss und Wirkung. Ausgangspunkt ist dabei eine genaue Definition der betreffenden Auswirkung (z.b. eines Fehlers), die anschließend auf mögliche Ursachen gemäß der 7-M- Checkliste (Mensch, Maschine, Material, Methode, Milieu, Management und Messung) untersucht wird. Die Abbildung 7 zeigt den grundlegenden Aufbau eines Ursache-Wirkungs-Diagramms.

7 Abbildung 7: Ursache-Wirkungs-Diagramm Der Einsatz von Ishikawa-Diagrammen kann sich bei fach- bzw. abteilungsübergreifender Teamarbeit und unter Verwendung von Kreativitätstechniken (z.b. Brainstorming) als besonders sinnvolles und effektives Hilfsmittel zum Auffinden von noch unbekannten Fehlern erweisen. 2.2 Seven New Tools Die Managementwerkzeuge ( Seven New Tools ) dienen hauptsächlich der logischen Strukturierung und überschaubaren Visualisierung zahlreicher Informationen bzw. komplexer Problemstellungen. Im Gegensatz zu den Qualitätswerkzeugen werden die Seven New Tools überwiegend bei unvollständigen Datensammlungen eingesetzt. Ziel ist es, die in der Regel nur verbal vorliegenden Informationen durch geeignete Methoden in eine entscheidungsfähige Form zu bringen, um so eine effiziente Analyse und Lösungsfindung zu garantieren. Zu den Seven New Tools werden im allgemeinen folgende Werkzeuge gezählt: 1. Affinitätsdiagramm 2. Relationendiagramm 3. Portfolio 4. Baumdiagramm 5. Matrixdiagramm 6. Problem-Entscheidungsplan 7. Netzplan Affinitätsdiagramm Wenn bei der Sammlung von Verbesserungsvorschlägen (z.b. mittels Brainstorming) als Ergebnis eine große Anzahl von Ideen und Aussagen vorliegen, so sind diese meist ungeordnet und nur schwer überschaubar. Das

8 Affinitätsdiagramm (siehe Abbildung 8) hilft, diese Informationen zu verdichten, indem die einzelnen Lösungsvorschläge nach ihrer thematischen Zusammengehörigkeit geordnet und gruppiert sowie anschließend bewertet werden. Dabei sind mögliche bereichsübergreifende Auswirkungen ebenfalls zu berücksichtigen, um so Zusammenhänge zu erkennen und eine vernetzte, ganzheitliche Sicht auf die Problemstruktur und die entsprechenden Lösungsmöglichkeiten zu erlangen. Abbildung 8: Affinitätsdiagramm Relationendiagramm Im Relationendiagramm (siehe Abbildung 9) werden zu einem zentralen Problem die Einflussfaktoren bzw. Ursachen sowie deren wechselseitige Beziehungen und Zusammenhänge graphisch dargestellt. Dazu werden die möglichen Fehler- bzw. Problemursachen entsprechend ihrer gegenseitigen Wechselwirkungen gruppiert und zugeordnet. Dadurch können primäre Einflussfaktoren, die auf das jeweilige Problem einwirken, verdeutlicht werden. Abbildung 9: Relationendiagramm

9 2.2.3 Baumdiagramm Mit Hilfe von Baumdiagrammen werden ausgehend von einem zentralen Ziel in mehreren Stufen Teilziele und die zugehörigen Maßnahmen zur Zielerreichung abgeleitet. Dabei werden alle mögliche Lösungen solange als Äste aufgesplittet, bis sich daraus unmittelbar ausführbare Tätigkeiten ergeben. Durch diese fortlaufende Aufgliederung entsteht ein Hierarchiediagramm in Baumstruktur (siehe Abbildung 10), dessen unterste Ebene konkrete Maßnahmen und Mittel zur Problemlösung bereithält. Abbildung 10: Baumdiagramm Matrixdiagramm Zu einem zentralen Thema gibt es meist mehrere Sichtweisen bzw. Dimensionen. Dazu zählen beispielsweise verschiedene Problemursachen und auswir-kungen, unterschiedliche Maßnahmen, Verantwortlichkeiten oder Ressourcen. Zwischen den einzelnen Merkmalen bestehen häufig Wechselbeziehungen, die mit Hilfe eines Matrixdiagramms (zwei- oder mehrdimensional) dargestellt und ausgewertet werden können. Eine Matrix besteht aus Spalten und Zeilen, die die jeweiligen Merkmalsausprägungen enthalten. Jede Zelle dieser Matrix stellt eine mögliche Beziehung zweier Merkmale dar. Für jede dieser Beziehungen, d.h. für jede Zelle, muss geprüft werden, inwieweit Zusammenhänge bestehen und welcher Art die jeweilige Beziehung ist (stark oder schwach, positiv oder negativ). Im Anschluss daran erfolgt die Übertragung der Ergebnisse in das Matrixdiagramm unter Verwendung einer korrelationsbezogenen Symbolik (siehe Abbildung 11).

10 Abbildung 11: Matrixdiagramm Für die Darstellung der Matrixbeziehungen können unterschiedliche Symbole verwendet werden, deren Bedeutung im Vorfeld eindeutig festgelegt werden muss. Die folgende Abbildung 12 enthält eine Auswahl von verwendbaren Zeichen zur Darstellung der Wirkung und Intensität bestimmter Korrelationsmerkmale [2]. Abbildung 12: Darstellung der Intensität und Wirkung von Beziehungen Gerade komplexe Zusammenhänge, wie zum Beispiel eine Ursache mit verschiedenen Auswirkungen oder eine Maßnahme für mehrere Zielsetzungen, können anhand von Matrixdiagrammen systematisch aufgelistet und somit einfacher analysiert werden. Das Prinzip findet überwiegend im House of Quality, dem Kernelement der QFD-Methode (Abschnitt 2.3.1), Anwendung Portfolio Die Portfolio-Analyse (auch Matrix-Daten-Analyse) dient der qualitativen Gegenüberstellung von Objekten, zum Beispiel Produkte, Leistungen, Verfahren oder Marktdaten, die anhand von zwei Kriterien bewertet und anschließend in ein xy-koordinatensystem eingetragen werden. Aus der so erhaltenen Darstellung lassen sich dann Ist-Zustand, Entwicklungsmöglichkeiten und anzustrebende Ziele für ein Vorhaben ableiten.

11 Portfolio-Analysen werden meist in Verbindung mit Unternehmens- oder Produktvergleichen angewendet. Die bekanntesten Instrumente sind die 4- Felder-Matrix der Boston Consulting Group (siehe Abbildung 13) und die 9- Felder-Matrix nach McKinsey. Abbildung 13: BCG-Matrix (Marktwachstum-Marktanteil-Matrix) Netzplan Netzpläne (Pfeildiagramme) dienen der Visualisierung der zeitlichen und sachlogischen Abfolge von Projekten. Dazu wird das Gesamtprojekt in Teilvorgänge zerlegt, und deren jeweilige Zeitdauer ermittelt und festgehalten. Mit Hilfe von Richtungspfeilen wird dann die Anordnungsbeziehung (sequentieller oder paralleler Ablauf) der einzelnen Aktivitäten erfasst. Anschließend folgt eine Zeitanalyse, in der die sogenannten kritischen Vorgänge, d.h. die Vorgänge ohne Zeitreserven, gekennzeichnet werden. Die Kette aller kritischen Vorgänge ergibt den Kritischen Pfad, der die Gesamtdauer des Projektes bestimmt (siehe Abbildung 14). Im Rahmen des Qualitätsmanagement werden Netzpläne häufig zur Terminund Kostenplanung bei der Realisierung von Verbesserungsprozessen eingesetzt.

12 Abbildung 14: Beispiel eines Netzplans Problem-Entscheidungsplan Mit Hilfe von Problem-Entscheidungsplänen können schon im Voraus mögliche Probleme oder Schwierigkeiten bei Projekten gesammelt und vorbeugende Maßnahmen erarbeitet werden. Dabei werden ausgehend vom Ziel und den entsprechenden Tätigkeiten alle möglichen Problemfelder und die zugehörigen potentiellen Gegenmaßnahmen ermittelt und festgehalten (siehe Abbildung 15). Demzufolge kann eine Beseitigung der potentiellen Schwachstellen bereits in der Planungsphase erfolgen. Die eventuell notwendigen Gegenmaßnahmen können dann frühzeitig eingeleitet werden, und somit ein Vorhaben auch unter ungünstigen Umständen zum erwarteten Ziel führen [2]. Abbildung 15: Problem-Entscheidungsplan

13 2.3 Angewandte QM-Methoden Neben den bereits aufgeführten QM-Werkzeugen existieren eine Vielzahl von Methoden zur Optimierung der Produkt- bzw. Prozessqualität. Diese Methoden stellen eine kombinierte und systematische Verwendung der einzelnen elementaren Werkzeuge des Qualitätsmanagements dar. Charakteristisch für die QM-Methoden ist das planmäßige, nachvollziehbare Vorgehen sowie der präventive Einsatz in bestimmten Phasen der Produktentstehung [2]. Zu den am häufigsten angewendeten QM-Methoden zählen: 1. Quality Function Deployment (QFD) 2. Fehlermöglichkeits- und Einflussanalyse (FMEA; engl. Failure Mode and Effects Analysis) 3. Fehlerbaumanalyse (FTA; engl. Fault Tree Analysis) 4. Statistische Prozessregelung (SPC; engl. Statistical Process Control) 5. Statistische Versuchsmethodik (DoE; engl. Design of Experiments) Quality Function Deployment (QFD) Quality Function Deployment (QFD) ist eine umfassende und systematische Planungsmethode, die in allen Phasen der Produktentwicklung angewandt werden kann. Mit Hilfe der QFD-Methode werden die Kundenanforderungen und wünsche identifiziert und in die entsprechenden Produkt- sowie Leistungsmerkmale umgewandelt, um so eine Entwicklung bzw. ein Angebot an Gütern und Dienstleistungen sicherzustellen, das auch vom Markt angenommen wird. Ziel ist somit die hinreichende Erfüllung der Kundenerwartungen, wobei unter Kunde nicht nur der Produktabnehmer, sondern auch jeder der am Umsetzungsprozess Beteiligten, zu verstehen ist. Die Erstellung und Verknüpfung von sogenannten Qualitätstabellen bilden den zentralen Bestandteil eines QFD-Planungsprozesses. Mittels der Bildung von Beziehungsmatrizen werden die Qualitätstabellen, die die unterschiedlichen Kundenwünsche sowie die einzelnen Produkt- bzw. Leistungsmerkmale enthalten, miteinander verknüpft. Damit werden sämtliche Zusammenhänge und Erfüllungsgrade zwischen den Anforderungen (WAS?) und den Produktbzw. Prozesseigenschaften (WIE?) verdeutlicht. Eine der bekanntesten Qualitätstabellen wird aufgrund ihrer Struktur als das sogenannte House of Quality bezeichnet. Dieses House of Quality (kurz HoQ ), das eine

14 Zusammensetzung einzelner Matrizen, Listen und Tabellen in Form eines Hauses darstellt (siehe Abbildung 16), dient der Dokumentation und Visualisierung der Planungsergebnisse des QFD-Prozesses. Die jeweiligen Ergebnisse können dann anschließend als Ausgangspunkt für Entwicklungsaktivitäten und für Risikoanalysen wie zum Beispiel die Fehlermöglichkeits- und Einflussanalyse genutzt werden. Abbildung 16: Grundsätzlicher Aufbau eines "House of Quality" Für den Einsatz und die Verknüpfung der Qualitätstabellen gibt es verschiedene Grundansätze. Der am häufigsten Angewendete ist der sogenannte Vier- Phasen-Ansatz nach ASI (American Supplier Institute). Hierbei wird der Produktentwicklungsprozess in die vier Phasen Produktplanung, Komponenten- oder Teileplanung, Prozessplanung, Produktionsplanung, aufgeteilt (siehe Abbildung 17).

15 Abbildung 17: "Vier-Phasen-Ansatz" nach ASI Innerhalb dieser Phasen werden einzelne Qualitätstabellen erstellt, die anschließend mit der jeweils folgenden Planungsstufe verknüpft werden, und so eine durchgängige Weitergabe der relevanten Qualitätsmerkmale gewährleisten. Im Folgenden soll das grundsätzliche Vorgehen eines Vier- Phasen-QFD-Prozesses kurz beschrieben werden [2]. Phase 1: Phase 2: Phase 3: Phase 4: Aus den Kundenanforderungen (das WAS im HoQ ) gehen die Produktmerkmale und -eigenschaften (das WIE im HoQ ) hervor. Aus den Merkmalen und Eigenschaften des Produkts (das WAS im HoQ ) werden die Merkmale und Eigenschaften der einzelnen Komponenten, Teile oder Baugruppen (das WIE im HoQ ) abgeleitet. Die Merkmale und Eigenschaften der Komponenten, Teile oder Baugruppen (das WAS im HoQ ) werden in Anforderungen an die jeweiligen Bearbeitungsprozesse (das WIE im HoQ ) umgewandelt. Anhand der Anforderungen an die Bearbeitungsprozesse (das WAS im HoQ ) werden die für die Produktion benötigten Fertigungs- und Prüfmittel (das WIE im HoQ ) festgelegt.

16 Der besondere Vorteil des Quality Function Deployment liegt in der systematischen Vorgehensweise sowie in der abteilungsübergreifenden Kommunikation der Beteiligten bezüglich der Kundenanforderungen und den zugehörigen Qualitätsmerkmalen. Dadurch wird eine zielgerichtete, maximale Kundenorientierung sowohl bei der Produktentwicklung als auch bei der Prozessplanung garantiert Fehlermöglichkeits- und Einflussanalyse (FMEA) Fehler, die nicht entstehen, verursachen keine Probleme. 1. Ziel ist daher eine Null-Fehler-Strategie; d.h. potentielle Fehler sollen durch das Erkennen ihrer Ursachen und die Einführung nachweislich wirksamer Maßnahmen systematisch vermieden werden. In Bezug auf die Fehlervermeidung in den Planungsphasen von Produkten bzw. Dienstleistungen können mithilfe der Fehlermöglichkeits- und Einflussanalyse (FMEA; engl. Failure Mode and Effects Analysis) potentielle Fehler erfasst und geeignete Gegenmaßnahmen erarbeitet werden. Die FMEA wird beim Planen des Gesamtprodukts, beim Konstruieren von Baugruppen oder Einzelteilen und bei der Planung der Produktionsprozesse eingesetzt. Je nach Schwerpunkt und Zielrichtung unterscheidet man daher verschiedene FMEA-Arten [4]: System-FMEA Planung des Gesamtprodukts Konstruktions- oder Produkt-FMEA Konstruktion von Baugruppen oder Einzelteilen Prozess-FMEA Planung der Produktionsprozesse Seit der Überarbeitung durch den deutschen Verband der Automobilindustrie e.v. (VDA) wird heute nur noch zwischen System-FMEA Produkt und System-FMEA Prozess unterschieden [5]. Die System- und Konstruktions- FMEA werden dabei als verschiedene Betrachtungstiefen der System-FMEA Produkt eingeordnet (siehe Abbildung 18). 1 MASING, Walter (Hrsg.): Handbuch Qualitätsmanagement. 3. Aufl. München; Wien: Carl Hanser Verlag, 1994, S. 469

17 Abbildung 18: Einordnung der FMEA-Arten Bei einer Fehlermöglichkeits- und Einflussanalyse von Systemen, Produkten und Prozessen stehen das Auffinden und die Analyse von potentiellen Schwachstellen sowie deren mögliche Ursachen und Auswirkungen im Vordergrund. Ausgangspunkt und Grundlage einer FMEA ist daher eine genaue Systemanalyse, in der die einzelnen Elemente eines Produktes bzw. Prozesses definiert und entsprechend ihrer Beziehungen oder Abhängigkeiten in eine Systemstruktur (in der Regel in Form von Baumdiagrammen) gebracht werden. Die Systemstrukturen dienen somit der vollständigen Erfassung und Visualisierung des Systems und seiner Komponenten. Zusätzlich wird das funktionale Zusammenwirken der einzelnen Systemelemente ermittelt und beispielsweise als Funktionsbaum graphisch dargestellt. Ausgehend von den Funktionsstrukturen erfolgt eine detaillierte Fehleranalyse für jedes der Systemelemente, in der alle potentiellen Fehler sowie deren Auswirkungen und Ursachen gesammelt und in ein (genormtes) FMEA- Formblatt (siehe Anlage 1) übertragen werden. Dabei ist als Fehler jede Nichterfüllung einer Systemfunktion zu verstehen. Um das Risikopotential einer Fehlfunktion einschätzen zu können, macht sich die Berechnung der sogenannten Risikoprioritätszahl (RPZ) erforderlich. Die RPZ wird aus der Wahrscheinlichkeit des Auftretens (A), der Entdeckung (E) sowie der Bedeutung (B) eines Fehlers bzw. der Höhe des Schadens gebildet. Die Bewertung dieser drei Faktoren erfolgt mittels einer Punktevergabe im Bereich von 1 bis 10. Dazu kann die folgende Tabelle als Orientierungshilfe genutzt werden.

18 Tabelle 1: FMEA-Bewertung von Fehlern Wert Beschreibung Bedeutung eines Fehlers 2 1 Sehr unwahrscheinlich, dass der Fehler irgendeine wahrnehmbare Auswirkung auf das System hat, bzw. der Kunde den Fehler bemerkt 2 bis 3 Der Fehler ist unbedeutend. Das System wird nur in geringem Maße beeinträchtigt. 4 bis 6 Mittelschwerer Fehler, der Unzufriedenheit beim Kunden auslöst. 7 bis 8 Schwerer Fehler, der Verärgerung beim Kunden auslöst, z.b. durch nichtfunktionierende Systemteile. 9 bis 10 Äußerst schwerwiegender Fehler, der zum Ausfall des Systems führt und eventuell die Sicherheit beeinträchtigt. Wahrscheinlichkeit des Auftretens eines Fehlers 3 1 Unwahrscheinlich 2 bis 3 Sehr geringe Wahrscheinlichkeit 4 bis 6 Geringe Wahrscheinlichkeit 7 bis 9 Hohe Wahrscheinlichkeit 10 Sehr hohe Wahrscheinlichkeit Wahrscheinlichkeit der Entdeckung eines Fehlers 3 1 bis 2 Sehr hohe Wahrscheinlichkeit 3 bis 4 Hohe Wahrscheinlichkeit 5 bis 7 Geringe Wahrscheinlichkeit 8 bis 9 Sehr geringe Wahrscheinlichkeit 10 Unwahrscheinlich Die Risikoprioritätszahl ergibt sich dann aus der Multiplikation der einzelnen Bewertungsgrößen: RPZ = A x B x E Demzufolge lassen sich die potentiellen Schwachstellen und Fehler in drei Risiko-Kategorien einordnen: 1. RPZ = 1 3 = 1 Minimales Risiko 2. RPZ = 5 3 = 125 Mittleres Risiko 3. RPZ = 10 3 = 1000 Maximales Risiko Ziel ist es, die Risikoprioritätszahl so gering wie möglich zu halten. Im Rahmen der Analyse der Ergebnisse sind Maßnahmen zur Vermeidung der Fehlerursachen zu erarbeiten. Hierbei wird üblicherweise so vorgegangen, dass vordringlich für die Fehler mit den höchsten RPZ-Werten Gegenmaßnahmen definiert werden. Für die Suche nach Verbesserungsideen ergeben sich 2 MASING, Walter (Hrsg.): Handbuch Qualitätsmanagement. 3. Aufl. München; Wien: Carl Hanser Verlag, 1994, S NOHR, Holger - Hochschule der Medien (Hrsg.): QM-Methoden. [Online]

19 verschiedene prinzipielle Ansatzpunkte, z.b. das Vermeiden von Fehlerursachen, die Reduzierung der Auftretens- oder die Erhöhung der Entdeckungswahrscheinlichkeit. Jedoch ist hier festzuhalten, dass im Sinne einer präventiven Qualitätsmanagementphilosophie die Erarbeitung von Maßnahmen zur Fehlervermeidung gegenüber der Fehlerentdeckung zu bevorzugen ist. Die schlussendlich getroffenen Maßnahmen werden wiederum in das FMEA-Formblatt (Anlage 1) übernommen Fehlerbaumanalyse (FTA) Die Fehlerbaumanalyse (Fault Tree Analysis, FTA) wird zur Bewertung und Optimierung von Systemen (Produkte, Prozesse) hinsichtlich Sicherheit und Zuverlässigkeit eingesetzt. Sie dient der systematischen Suche nach Fehlerursachen sowie der logischen Verknüpfung der daraus resultierenden Komponenten- bzw. Teilsystemausfälle, die zu einem unerwünschten Top - Ereignis führen, wobei insbesondere eine Abschätzung der Ausfallwahrscheinlichkeit angestrebt wird. Ziel ist es, alle möglichen Ausfallkombinationen zu identifizieren und geeignete Zuverlässigkeitskenngrößen, wie z.b. Eintrittshäufigkeiten der Ausfallkombinationen bzw. des unerwünschten Top -Ereignisses, zu ermitteln. Die Darstellung der Ausfallkombinationen erfolgt anhand eines Fehlerbaums mit endlich vielen Eingängen und einem Ausgang, der dem unerwünschten Ereignis entspricht. Die Kombinationen sind auf Basis der mathematischen Theorie der Booleschen Algebra 4 auswertbar. Der Ablauf einer Fehlerbaumanalyse gliedert sich in die drei Phasen Systemanalyse, Erstellung und Auswertung des Fehlerbaums (siehe Abbildung 19). 4 Auf eine eingehende Erläuterung der einzelnen Rechenverfahren zur Auswertung von Fehlerbäumen wird im Rahmen dieser Ausarbeitung verzichtet.

20 Abbildung 19: Ablaufplan einer Fehlerbaumanalyse Eine wesentliche Voraussetzung zur Durchführung einer Fehlerbaumanalyse ist wie auch bei der FMEA-Methode (Abschnitt 2.3.2) - eine genaue Betrachtung des technischen Systems anhand eines zu erstellenden Komponentenbaums. Dabei werden für jede Systemkomponente folgende Elemente definiert: Identifikation der Systemfunktionen, Leistungsziele und zulässigen Abweichungen Identifikation der Betriebszustände des Systems Angabe der Umgebungsbedingungen und Hilfsquellen (z.b. Energie- und Informationsquellen) Identifikation der Systemkomponenten und ihr Zusammenwirken Analyse der Systemreaktionen auf Ausfälle von Komponenten oder Hilfsquellen (beispielsweise mithilfe einer FMEA) Die Erstellung des Fehlerbaums beginnt mit der Festlegung des unerwünschten Top -Ereignisses, das je nach Schwerpunkt der Untersuchung der Ausfall des Systems oder bestimmter Systemfunktionen sein kann. Die Ausfälle selbst sind in drei Kategorien einteilbar: Primärer Ausfall: Fehlfunktion bei zulässigen Einsatzbedingungen Sekundärer Ausfall: Fehlfunktion bei unzulässigen Einsatzbedingungen Kommandierter Ausfall: Fehlleistung trotz funktionsfähiger Komponenten aufgrund des Ausfalls einer Hilfsquelle Danach werden alle möglichen Ursachen, die zu dem unerwünschten Top - Ereignis führen, ermittelt und durch logische Verknüpfung in den Fehlerbaum

21 eingetragen. Dieser Schritt wird solange fortgesetzt, bis sich an den Enden aller Zweige des Fehlerbaums nur noch Primärausfälle von Systemfunktionen bzw. Sekundärereignisse als Ursache für die Fehlleistung einer Komponente befinden. Die zur Erstellung eines Fehlerbaums verwendeten Symbole sind in der Norm DIN Teil 1 definiert (siehe Anlage 2). Die folgende Abbildung 20 zeigt den beispielhaften Aufbau eines Fehlerbaums. Abbildung 20: Darstellung eines Fehlerbaums Auf Basis des erstellten Fehlerbaums erfolgt in der letzten Phase der Fehlerbaumanalyse die Auswertung mit folgenden Ergebnissen: Aufzählung aller Ausfallkombinationen Bewertung der Eintrittshäufigkeiten der Ausfallkombinationen und des Top - Ereignisses (mithilfe boolescher Rechenverfahren) Ermittlung der kleinsten Ausfallkombinationen Als abschließender Schritt der Auswertung werden schließlich die gewonnenen Resultate der Fehlerbaumanalyse bewertet, wobei insbesondere zu klären ist, welche Maßnahmen zur Vermeidung eines Systemausfalls ergriffen werden sollten.

22 2.3.4 Statistische Prozessregelung (SPC) Mit Hilfe von statistischen Methoden - insbesondere der Stichprobentechnik und der Normalverteilung - werden qualitätsrelevante Produkt- und Prozessparameter gemessen und analysiert. Der Vergleich der gewonnenen Analyseergebnisse mit den festgelegten Zielwerten entscheidet, ob ein Fertigungsprozess in der Lage ist, die geforderten Toleranzen einzuhalten, oder ob er gemäß den Parametern angepasst werden muss. Diese Analyse, Steuerung und Verbesserung von Prozessen wird als Statistische Prozessregelung (SPC; engl. Statistical Process Control) bezeichnet. Ziel der Statistischen Prozessregelung ist es, wichtige Kenngrößen eines Fertigungsprozesses zu verfolgen, um festzustellen, ob Maschinen bzw. Prozesse fähig sind, die gewünschte Qualität zu erzeugen, oder ob ein regulierendes Eingreifen erforderlich ist. Das wesentliche Element der SPC-Methode ist die Qualitätsregelkartentechnik (Abschnitt 2.1.4), mit der kontinuierlich Soll-/Ist-Vergleiche vorgenommen und dokumentiert werden können. Dazu werden dem Fertigungsprozess in regelmäßigen Zeitabständen Stichproben gleichen Umfangs - in Bezug auf die zu kontrollierenden Qualitätsmerkmale und die damit zu überwachenden Parameter - entnommen. Die Ergebnisse werden anschließend auf einer sogenannten SPC-Karte (Qualitätsregelkarte) festgehalten und auf eventuelle Überschreitungen der festgelegten Toleranzgrenzen geprüft. Dadurch können Störungen innerhalb des Prozessverlaufs erkannt und die möglichen Ursachen aufgedeckt und beseitigt werden. Vor Einsatz der Qualitätsregelkarten-Technik ist es notwendig, das Prozessverhalten anhand eines Vorlaufs zu untersuchen. Hierbei ist zu beachten, dass bei der Festlegung des Stichprobenumfangs und der frequenz der gesamte Prozessverlauf erfasst wird. Um eine ausreichende statistische Aussagefähigkeit, wie zum Beispiel über das Streuverhalten von Prozesskennzahlen zu erlangen, sind in der Regel zehn Stichproben à fünf Teile erforderlich [5]. Der Abstand der Stichproben und damit die aufgenommene Prozesslänge muss so gewählt werden, dass alle prozessrelevanten Einflussfaktoren (siehe Abschnitt 2.1.7: Maschine, Mensch, Methode, etc.) berücksichtigt werden können.

23 Ziel der Vorlaufphase ist es, die Eignung und Fähigkeit eines Prozesses für die Anwendung einer Statistischen Prozessregelung zu prüfen. Erweist sich der entsprechende Prozess als geeignet bzw. fähig, werden anschließend die statistischen Kennwerte, wie Prozessmittelwerte und Eingriffsgrenzen, berechnet und in die Regelkarte eingetragen, die dann ihren Einsatz in der laufenden Fertigung finden. Treten während der kontinuierlichen Führung der Qualitätsregelkarte spezielle Störungen innerhalb des Prozessverlaufs auf, so muss der Prozess gestoppt und hinsichtlich der Problemursachen untersucht werden. Nach Beseitigung der Störeinflüsse, insbesondere bei Änderung der Produktionsbedingungen (z.b. Reorganisation der Maschine oder der Werkzeugverwendung), wird die Regelkarte gemäß den neuen Bedingungen angepasst, d.h. die Eingriffsgrenzen werden neu berechnet und in die Karte eingetragen. Die jeweiligen Ursachen und Abstellmaßnahmen werden vermerkt. Auf diese Art und Weise wird ein Prozessregelkreis (siehe Abbildung 21) aufgebaut, der zu einer fortlaufenden Beseitigung von systematischen Störeinflüssen und somit zu einer kontinuierlichen Prozessverbesserung führt. Abbildung 21: SPC-Regelkreis Die Prozessregelung und verbesserung mit Qualitätsregelkarten ist eine kontinuierliche Vorgehensweise, in der die Phasen der Datenerfassung, Datenanalyse und Regelung fortlaufend wiederholt werden Statistische Versuchsmethodik Experimentelle Qualitätsuntersuchungen von Produkten und Prozessen sind in der Regel mit einem extrem hohen Versuchsaufwand und hohen Kosten verbunden. Daher ergibt sich die Notwendigkeit, diesen Aufwand durch eine effiziente Versuchsplanung auf ein geringes Maß zu reduzieren [5]. Hierzu stellt die Statistische Versuchsmethodik (DoE; engl. Design of Experiments), die der

24 systematischen Planung, Durchführung und Auswertung von experimentellen Versuchen mit Hilfe statistischer Methoden dient, ein geeignetes Hilfsmittel dar. Ziel ist es, die benötigten Informationen über die Einflüsse auf relevante Qualitätsmerkmale mit minimalem Aufwand zu beschaffen, statistisch abzusichern sowie die Parameter der Haupteinflussgrößen auf optimale Werte einzustellen [2]. Die Aufgabe der DoE-Methode besteht somit in der Konstruktion optimaler Versuchspläne anhand folgender Kriterien: Minimierung der Versuchsanzahl (Stichprobenumfang) Geringe Fehlerrate bei statistischen Schätzungen Sicherstellung der Erreichbarkeit der festgelegten Zielgrößen (Qualitätsmerkmale) Einfache und schnelle Auswertung und Interpretation der Ergebnisse Bereitstellung von detailliert beschriebenen Versuchsplänen Die Vorgehensweise eines DoE-Projekts kann in vier wesentliche Phasen gegliedert werden [5]: 1. Systemanalyse: Zusammenstellung potentiell wichtiger Produktmerkmale, Prozessparameter, Störgrößen und Wechselwirkungen 2. Versuchsstrategie: Optimierungsstrategie, Versuchsplanauswahl, Festlegung von Faktorstufen 3. Versuchsdurchführung: Versuchsergebnisse erfassen, Randbedingungen beachten, Störgrößen beobachten bzw. ermitteln 4. Versuchsauswertung und statistischer Nachweis: Ermittlung und Darstellung statistischer Kenngrößen, Nachweis über eine Verbesserung der Situation Zu Beginn der Untersuchungen steht die Systemanalyse, in der zunächst eine Beschreibung der Problemstellung hinsichtlich Optimierungskriterium und der zugehörigen relevanten Produkt- bzw. Prozesskenngrößen erfolgt. Ziel ist es, alle maßgeblichen Einflussfaktoren sowie vorhandene, bereits bekannte Wechselwirkungen, die die im Vorfeld definierte(n) Zielgröße(n) beeinflussen, zu bestimmen. Wichtig ist, dass nur diejenigen Produkt- bzw. Prozessparameter ermittelt werden, die den wesentlichsten Einfluss auf das Problem darstellen, da eine Berücksichtigung aller Faktoren aus Kosten- und Zeitgründen und hinsichtlich des hohen Versuchsaufwandes oft nicht möglich ist. Die Problemanalyse kann beispielsweise mit Hilfe eines Ursache-Wirkungs-

25 Diagramms (Abschnitt 2.1.7) oder einer Fehlermöglichkeits- und Einflussanalyse (Abschnitt 2.3.2) durchgeführt werden. Gegenstand der zweiten Phase ist die Auswahl und Festlegung eines geeigneten Versuchsplans basierend auf den Erkenntnissen der vorhergehenden Systemanalyse und bezüglich der zu variierenden Einflussgrößen. Hierzu gibt es verschiedene Methodenansätze: die klassische Methode in Form von ein-, voll- oder teilfaktoriellen Versuchsplänen, die Methode nach TAGUCHI und die Methode nach SHAININ. Die Einfaktormethode ist die einfachste Form der Statistischen Versuchsplanung. Hierbei wird jeweils nur ein Einflussfaktor variiert, während die übrigen konstant gehalten werden. Der Nachteil besteht jedoch darin, dass eventuell bestehende Wechselwirkungen zwischen den Faktoren sowie die Einflüsse von zusätzlichen Störgrößen nicht beachtet werden können, da jeweils nur die Veränderung einer einzelnen Einflussgröße in den Versuch einbezogen wird. Aus diesen Gründen wurden weiterführende Konzepte entwickelt, die eine gleichzeitige Untersuchung mehrerer Faktoren ermöglichen. Eine dieser Methoden ist der sogenannte vollfaktorielle Versuchsplan, bei dem alle möglichen Einstellungen der Parameter miteinander kombiniert und variiert werden. Dadurch können neben den Auswirkungen der einzelnen Einflussgrößen auch alle Wechselwirkungen zwischen den Faktoren untersucht und beurteilt werden. Nachteilig bei der vollfaktoriellen Variante ist jedoch der enorme Versuchsaufwand, der mit steigender Anzahl der Einflussfaktoren überproportional wächst. Daher bietet sich der Einsatz von teilfaktoriellen Versuchsplänen an, bei denen eine Reduzierung der Versuchsanzahl infolge der Vernachlässigung von Einflussfaktoren, zwischen denen keine Wechselwirkung existiert, ermöglicht wird. Es muss aber stets im Einzelfall geprüft werden, ob die vernachlässigte Wechselwirkung nicht doch für die Erreichung der Zielgröße(n) von Bedeutung ist, da sonst unter Umständen keine aussagekräftigen Ergebnisse erzielt werden können. Neben der klassischen Versuchsmethodik existieren noch eine Reihe weiterer Verfahren, die eine drastische Reduzierung der Versuchszahlen anstreben. Einer dieser Ansätze ist als Methode nach Taguchi bekannt, die sich ebenfalls der klassischen Versuchspläne jedoch mit abgewandelter Notation der Faktorstufen - bedient und bei der sich die Versuchsreduzierung aus der

26 Anwendung des sogenannten Hochvermengungsprinzips (gezielte Vernachlässigung von Wechselwirkungen) ergibt. Im Gegensatz dazu geht Shainin von der Gültigkeit des Pareto -Prinzips (Abschnitt 2.1.5) aus, das besagt, dass unter vielen Einflussgrößen nur wenige eine dominante Rolle spielen. Die Methode nach Shainin orientiert sich dabei an einer gestuften Vorgehensweise, bei der die relevanten Faktoren ihrer Bedeutung nach geordnet und so schrittweise eingegrenzt werden sollen. Im Rahmen der nun folgenden Versuchsdurchführung werden die einzelnen Versuchsreihen entsprechend dem gewählten Versuchsplan und der im Vorfeld festgelegten Anzahl der Versuchswiederholungen realisiert. Dabei ist auf eine genaue und sorgfältige Einstellung der jeweiligen Parameter, die Kennzeichnung der entsprechenden Proben sowie die Dokumentation der ermittelten Störgrößen zu achten. Im Anschluss daran erfolgt die Auswertung der durchgeführten Versuche mit Hilfe mathematisch-statistischer Analysen. In dieser Phase werden die Auswirkungen der Parametereinstellungen und die Wechselwirkungen auf die Zielgrößen rechnerisch ermittelt und graphisch dargestellt (z.b. als Balken- oder Wechselwirkungsdiagramm). Zur Auswertung von Versuchsergebnissen kommen in erster Linie zwei Methoden in Betracht [3]: Regressionsmodelle (zur Ermittlung der Abhängigkeit zwischen einem oder mehreren quantitativen Faktoren) Varianzanalyse (zur Feststellung, ob ein oder mehrere qualitative Faktoren einen Einfluss auf die Zielgröße ausüben) Als abschließender Schritt der Versuchsauswertung gilt es, statistisch nachzuweisen, dass sich die Situation aufgrund der geänderten Einstellungen der Parameter tatsächlich verbessert hat.