Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner

Transkript

1 Johann Wappis, Berndt Jung Taschenbuch NullFehlerManagement Umsetzung von Si Sigma Herausgegeben von Franz J. Brunner ISBN1: ISBN13: Vorwort Weitere Informationen oder Bestellungen unter sowie im Buchhandel.

2 Vorwort Der internationale Wettbewerb wird schärfer, Preise und Margen verfallen, Personal und Materialkosten steigen, und das Innovationsrad dreht sich immer schneller. Nur die kontinuierliche Erneuerung und Verbesserung der Produkte und Prozesse garantieren Wettbewerbsfähigkeit und langfristigen Erfolg. Si Sigma bietet Ansätze, um diese notwendigen Veränderungen rasch, effizient und nachhaltig umzusetzen. Die Entwicklung von Si Sigma wird Motorola zugeschrieben. Si Sigma wurde dort 1987 als strategische Initiative zur Verbesserung der Qualität und Reduktion der Kosten eingeführt. Bis Mitte der 9er Jahre war Si Sigma relativ unbekannt. Erst seit General Electric eine Si SigmaInitiative startete und damit in der Wirtschaftspresse Schlagzeilen machte, beschäftigen sich die Unternehmen weltweit mit Si Sigma. Im Zentrum von Si Sigma stehen Verbesserungsprojekte, so genannte Si SigmaProjekte", mit deren Hilfe die Prozesse bzw. Produkte im Unternehmen optimiert werden. Verbesserungen werden nach dem DMAIC Ablauf DEFINE MEASURE ANALYZE IMPROVE CONTROL umgesetzt. Jeder Schritt ist mit schlagkräftigen und erprobten Werkzeugen hinterlegt. Während des gesamten Verbesserungsprojektes orientiert man sich konsequent an den Bedürfnissen der Kunden. Dieser klare und standardisierte Rahmen macht das Verbessern im Unternehmen zur Routine. Für die Verbesserungen in der Entwicklung von Produkten und Prozessen wird unter dem Titel Design for Si Sigma ein ähnliches Vorgehen angewendet. Darauf wird im letzten Abschnitt des Buches eingegangen. Das vorliegende Buch soll Green Belts und Black Belts, aber auch Führungskräften als Hilfestellung bei der Umsetzung von Si Sigma dienen. Zunächst wird dazu in Abschnitt 1 ein Überblick über Si Sigma gegeben. Es wird erläutert, was Si Sigma ist und auf die Erfolgsfaktoren für Si Sigma eingegangen. Abschnitt 2 beschreibt das Management von Si SigmaProjekten. Um die begrenzten Ressourcen zielgerichtet einzusetzen, müssen aus den vielen Vorschlägen für Verbesserungen die besten Ideen ausgewählt werden. Diese werden anschließend konsequent in Projektform abgewickelt. Abschnitt 3 behandelt die statistischen Grundlagen. Ein Erfolgsfaktor der Si SigmaProjekte liegt in der Nutzung schlagkräftiger Werkzeuge. Auch wenn man in der Prais die Berechnungen einer StatistikSoftware überlässt, ist für die Interpretation der Ergebnisse die Kenntnis der statistischen Hintergründe erforderlich. Die grundlegenden statistischen Zusammenhänge sind in diesem Abschnitt

3 VI Vorwort zusammengefasst. Sie können ihn vorerst auch überspringen und sich erst bei der Interpretation der Berechnungen wieder diesem Kapitel zuwenden. Anschließend wird in den Abschnitten 4 bis 8 das Vorgehen bei der Abwicklung von Verbesserungsprojekten erläutert. Die Basis bietet die Si Sigma Roadmap, ein Leitfaden zur Umsetzung der Si SigmaProjekte. Anhand dieser wird Schritt für Schritt die Umsetzung der Verbesserungsprojekte erläutert. Die eingesetzten Werkzeuge und Verfahren werden detailliert beschrieben. Abschnitt 9 beschäftigt sich mit der Verankerung von Si Sigma in der Unternehmensorganisation. Damit Si Sigma auch nachhaltig und erfolgreich betrieben werden kann, müssen die notwendigen Rahmenbedingungen im Unternehmen geschaffen werden. Zuletzt wird auf Design for Si Sigma (DFSS) eingegangen. Abschnitt 1 gibt einen Überblick über die Anwendung von Si Sigma bei der Entwicklung von Produkten und Prozessen. Bei der Erstellung des Buches haben wir besonderes Augenmerk auf die Darstellung von bewährten Methoden und Werkzeugen gelegt. Keines der beschriebenen Werkzeuge ist neu. Vielmehr greift Si Sigma auf erprobte und etablierte Werkzeuge zurück. Ebenso wichtig ist uns auch die leichte Übertragbarkeit der Inhalte in die betriebliche Prais. Daher wird anhand von Beispielen auch der Rechengang mit StatistikSoftware und die Interpretation der Ergebnisse erläutert. Zur leichteren Nachvollziehbarkeit sind die MenüPfade in der Software angegeben. Bei der Umsetzung von Si Sigma werden von den Autoren vor allem die im Folgenden angeführten Softwarepakete verwendet. Diese wurden auch zur Erstellung der Beispiele des Buches herangezogen. Microsoft Ecel ist in den meisten Unternehmen verfügbar und bei den meisten Mitarbeitern bereits bekannt. MINITAB zählt zu den im Rahmen von Si SigmaProgrammen am häufigsten eingesetzten Softwarepaketen. Die besondere Stärke von MINITAB liegt im Bereich der statistischen Versuchsmethodik. Unter kann eine für einen Monat in vollem Umfang funktionsfähige DemoVersion beschafft werden. Für die Erstellung des Buches wurde Release 14 verwendet. qsstat wird von den Autoren vor allem für den Nachweis der Prozessfähigkeit, für die statistische Prozessregelung und den Nachweis der Fähigkeit von Prüfprozessen eingesetzt. Eine besondere Stärke dieses Programmpaketes liegt darin, dass eine Vielzahl von Vorgaben der Automobilhersteller abgebildet ist. Weitere Informationen finden Sie unter Die Auswertungen wurden mit der Version ME 5 erstellt.

4 Vorwort VII Um das Verständnis der Werkzeuge zu erleichtern, stehen Ihnen viele der in diesem Buch verwendeten Dateien als Download zur Verfügung: Adresse: user: nullfehler password: management Häufig wird das Vorgehen erst klarer, wenn man den Rechengang anhand eines konkreten Beispieles mit Hilfe von Ecel händisch nachvollzieht. Für die Umsetzung in der industriellen Prais empfehlen wir jedoch, eine auf die jeweilige Anwendung ausgerichtete professionelle Software einzusetzen. An dieser Stelle ist es eine angenehme Aufgabe, all jenen zu danken, die zum Gelingen dieses Buches beigetragen haben. Unser herzlicher Dank ergeht an die Kollegen von Si Sigma Austria, der Merten Management GmbH und der Fachhochschule Wiener Neustadt, allen voran den Herren Dipl.Ing. Christian Edler, Ing. Peter Gritsch, Heinrich Rechberger, Dipl.Ing.(FH) Gernot Schieg und Dipl. Ing. Stefan Schweiszer. Besonderer Dank gilt auch Herrn Dipl.Ing. Gunther Spork, Mitarbeiter der Magna Powertrain, für die Durchsicht und die vielen spannenden Diskussionen zu diesem Thema. Für die vielen Anregungen und Tipps sowie die Möglichkeit, dieses Buch zu realisieren, bedanken wir uns beim Herausgeber der Praisreihe Qualitätswissen, Herrn Univ.Doz. Dr. Franz J. Brunner. Weiters danken wir auch Herrn Jürgen Rainer für die Erstellung von Illustrationen zu diesem Buch und Frau Ing. Klaudia Zencica, BSc. sowie Frau Mag. Barbara Krebs für die Durchsicht des Manuskripts. Nicht zuletzt gilt unser Dank auch dem Carl Hanser Verlag, vertreten durch Herrn Dipl.Ing. Volker Herzberg, für die gute Zusammenarbeit. Unser uneingeschränkter Dank gilt unseren Ehefrauen. Durch viel Verständnis und das richtige motivierende Wort zum richtigen Zeitpunkt haben sie wesentlich zum Gelingen dieses Buches beigetragen. Trotz aller Sorgfalt sind wir uns sicher, dass es noch verbesserungswürdige Stellen in dem Buch gibt. Bei Kommentaren, Verbesserungsvorschlägen oder Fragen zu diesem Buch schreiben Sie bitte an Für wertvolle Hinweise dürfen wir uns jetzt schon bei unseren Lesern bedanken. Wir wünschen Ihnen viel Erfolg bei der Umsetzung Ihrer Verbesserungsprojekte! Wien, Jänner 28 Johann Wappis Berndt Jung

5 Johann Wappis, Berndt Jung Taschenbuch NullFehlerManagement Umsetzung von Si Sigma Herausgegeben von Franz J. Brunner ISBN1: ISBN13: Leseprobe Weitere Informationen oder Bestellungen unter sowie im Buchhandel.

6 144 5 Phase Measure Eignungsnachweis für Messprozesse nach VDA 5 In VDA 5 [3] wird beschrieben, wie für die verschiedenen Einflussfaktoren die Standardunsicherheitskomponente ermittelt und daraus die so genannte erweiterte Messunsicherheit U errechnet wird. Je nach Verwendungszweck des Messsystems sind die Vorgehensweisen unterschiedlich. Messprozesse für Prozessregelung Wenn die Fähigkeit eines Fertigungsprozesses nachgewiesen ist, dann ist eine gesonderte Berücksichtigung der Messunsicherheit nicht erforderlich, weil die Streuung des Prüfprozesses in der Prozessbeurteilung bereits enthalten ist. Messprozesse für Konformitätsnachweis Anders ist die Vorgangsweise, wenn der Herstellprozess nicht fähig ist und das Messsystem zur Sortierprüfung an den Toleranzgrenzen verwendet wird. Wenn die Messunsicherheit einen Grenzwert überschreitet, muss sie an den Spezifikationsgrenzen berücksichtigt werden. Mit der Kenntnis der Messunsicherheit lässt sich ein Bereich in der Nähe der unteren und oberen Spezifikationsgrenze bestimmen, in dem Fehlentscheidungen möglich sind. Bild 558 zeigt dies am Beispiel des zweiseitig begrenzten Merkmals. USG Sollwert OSG U U U U I II III II I Bereich I: Bereich II: Bereich III: schlechte Teile werden immer als schlecht erkannt gute Teile können als schlecht bewertet und schlechte Teile können als gut bewertet werden gute Teile werden immer als gut erkannt Bild 558: Fehlentscheidungen zufolge eines unzureichenden Messprozesses Bereich I: Dies ist der Bereich außerhalb der Spezifikationsgrenzen, verringert um die erweiterte Messunsicherheit U, in dem schlechte Teile als schlecht beurteilt werden. Bereich II: Dies ist der Unsicherheitsbereich um die Spezifikationsgrenzen, in dem unter Berücksichtigung der Messunsicherheit weder gut noch schlecht nachgewiesen werden kann.

7 5.4 Eignung des Prüfsystems sicherstellen 145 Bereich III: Dies ist der Bereich innerhalb der Spezifikationsgrenzen, verringert um die erweiterte Messunsicherheit U, in dem gute Teile als gut beurteilt werden. Die Konsequenz daraus ist, dass der Lieferant so produzieren muss, dass die Messwerte nur im Bereich III liegen und dass der Abnehmer Teile akzeptieren muss, welche in Bereich II und Bereich III liegen. Das Verfahren nach VDA 5 ist aufwendiger durchzuführen. Nach der Bestimmung der Messunsicherheit können die Spezifikationsgrenzen korrigiert werden. Im Gegensatz zu VDA 5 lässt die MSA Fehlentscheidungen an den Spezifikationsgrenzen zu. Auf eine Beschreibung der Vorgehensweise zur Ermittlung der erweiterten Messunsicherheit muss an dieser Stelle verzichtet werden. Es sei auf VDA Band 5 [3] und [6] verwiesen Eignungsnachweis von attributiven Prüfprozessen Beispiel: Lehrenprüfung Der Vergleich mit einem Messwert ist möglich, eine objektive Referenz ist vorhanden. Beispiel: Sichtprüfung Der Vergleich mit einem Messwert ist nicht möglich, Musterteile dienen als Referenz. Bild 559: Beispiele für attributive Prüfprozesse Attributive Prüfsysteme können dem Prüfergebnis nur Klassen zuordnen. Vielfach liegt als Ergebnis der Prüfung nur die Aussage gut / schlecht bzw. Nacharbeit / gut / schlecht vor. Bei Sichtprüfungen ist gegebenenfalls eine Zuordnung zu mehreren Klassen möglich. Grundsatzfrage: lehrende oder messende Prüfung Attributive Prüfsysteme haben den Nachteil, dass Veränderungen eines Prozesses erst erkannt werden, wenn Spezifikationsgrenzen überschritten werden, also bereits fehlerhafte Teile aufgetreten sind. Solche Prüfsysteme sind weder geeignet, um einen Prozess am Zielwert zu führen, noch um weitergehende Prozessanalysen durchzuführen. Generell sollte daher versucht werden, attributive Prüfsysteme durch anzeigende Messsysteme zu ersetzen.

8 146 5 Phase Measure Attributive Prüfprozesse für messbare Merkmale (z.b. Lehren) Bild 56 zeigt das Beispiel eines nicht fähigen Prozesses, bei dem die Teile mit Hilfe einer Lehre sortiert werden. Auch hier kommen drei Arten von Entscheidungen in Frage: Bereich I: schlechte Teile werden immer als schlecht erkannt Bereich II: gute Teile können als schlecht bewertet und schlechte Teile können als gut bewertet werden (Unsicherheitsbereich) Bereich III: gute Teile werden immer als gut erkannt Der Nachweis der Fähigkeit solcher Prüfsysteme zielt darauf ab, die Größe des Unsicherheitsbereiches zu ermitteln, in dem Fehlentscheidungen getroffen werden können. Streuung des Prozesses USG OSG I II III II I Bild 56: Unsicherheitsbereich bei attributiven Prüfprozessen Attributive Prüfsysteme für beobachtbare Merkmale (z.b. Erscheinungsbild) Beobachtbare Merkmale sind zum Beispiel Oberflächenfehler an Teilen der FahrzeugInnenausstattung. Wie groß darf eine Falte im Leder sein? Ist die Grenze überall gleich oder gibt es kritischere und weniger kritische Bereiche am Teil? Bei subjektiven Prüfungen ist der Nachweis der Fähigkeit des Prüfsystems schwieriger, da vielfach kein objektiver Referenzwert verfügbar ist. Das Ergebnis der Prüfung ist in hohem Maße vom Prüfer abhängig. Gerade darin liegt das größte Optimierungspotenzial. Zum Beispiel wird bei der Durchführung von Sichtprüfungen häufig bewusst hingenommen, dass bestimmte Mitarbeiter kritischer und andere Mitarbeiter weniger kritisch prüfen. Meist kann diese ungleiche Beurteilung (mit der Folge der Verschwendung oder Unzufriedenheit des Kunden) durch einfache Maßnahmen wie Bereitstellen von Referenzteilen, Erstellen von Arbeitsbehelfen und Unterweisung der Mitarbeiter sowie bessere Gestaltung des Arbeitsplatzes (z.b. Beleuchtung) minimiert werden.

9 5.4 Eignung des Prüfsystems sicherstellen Verfahren nach VDA 5 Im Anhang des VDA 5 wird ein Verfahren für den Eignungsnachweis von Lehren vorgestellt. Es ist vergleichbar mit der Short Method, welche in MSA 2. Auflage noch enthalten war und in MSA 3. Auflage entfallen ist. Dem Prozess werden 2 Teile entnommen. Die Teile werden mit einem geeigneten Messgerät mit bekannter Messunsicherheit gemessen, um einen Referenzwert zu erhalten. Anschließend prüfen zwei Prüfer alle Teile in zwei Durchgängen und halten das Prüfergebnis fest. Prüfentscheid aus der Messung Prüfentscheid aus der Lehrenprüfung Prüfobjekt Nr. Gemessener Merkmalswert (in mm) [U =,8] Bewertung i.o : n.i.o: Prüfer 1 Durchlauf 1 Durchlauf 2 Prüfer 2 Durchlauf 1 Durchlauf 2 Bewertung: Übereinst. = Nichtübereinst. = 1 1 3, , , , , , ,69 8 3, , , , , , , , , , , , ,637 Summe der Nichtübereinstimmungen = 2 Bild 561: Verfahren nach VDA 5 Der Prüfprozess ist geeignet, wenn jedes Prüfobjekt durch beide Prüfer in allen Durchgängen richtig bewertet wurde. D.h. die Summe der Nichtübereinstimmungen muss gleich null sein. Da in diesem Fall die Eignung des Prüfsystems zur Sortierung an den Toleranzgrenzen ermittelt wird, hängt das Ergebnis wesentlich von den verwendeten Teilen ab. Liegen alle Teile in der Toleranzmitte, dann wird man auch mit einer schlechten Lehre gute Resultate erzielen. Für eine bessere Aussage empfiehlt [6] daher die gezielte Auswahl von Teilen knapp um die Spezifikationsgrenze herum. Liegen eine obere und eine untere Spezifikationsgrenze vor, dann könnte man die Teile folgendermaßen auswählen: 5 Teile knapp unter der unteren Grenze und 5 Teile knapp über der unteren Grenze und ebenso 5 Teile knapp unter der oberen Grenze und 5 Teile knapp über der oberen Grenze.

10 148 5 Phase Measure Methode der Signalerkennung Die Methode der Signalerkennung stammt aus MSA [2] und ist in [6] in detaillierter Form beschrieben. Zielsetzung des Verfahrens ist es, den Graubereich II und seinen Anteil an der gesamten Toleranz zu bestimmen. Wie beim Verfahren nach VDA 5 müssen die Prüfobjekte durch mehrere Prüfer geprüft werden. In der Tabelle in Bild 562 sind die Ergebnisse dieser Prüfungen kodiert eingetragen. MinusZeichen: PlusZeichen: Zeichen X: Ergebnis aller Prüfer und auch ReferenzEinstufung ist auf Ablehnung Ergebnis aller Prüfer und auch ReferenzEinstufung ist auf Annahme mindestens einer der Prüfer ist zu einem Ergebnis gekommen, das nicht der ReferenzEinstufung entspricht letztmalige übereinstimmende Ablehnung erstmalige übereinstimmende Annahme Code II II Referenzwert Referenzwert Code letztmalige übereinstimmende Annahme erstmalige übereinstimmende Ablehnung Bild 562: Prinzip der Methode der Signalerkennung

11 5.4 Eignung des Prüfsystems sicherstellen 149 Bereich II an der oberen Spezifikationsgrenze: Bereich II an der unteren Spezifikationsgrenze: d OSG =,566152,54274 d OSG =,23448 d USG =,47832 d USG =,24135, Mittlere Breite von Bereich II d dusg,23448,24135 d = = d =, OSG Anteil der Grauzone an der Toleranz d, % R & R = = 24% T,1 Bild 563: Berechnungsformeln Der erhaltene %GR&RWert wird der gleichen Beurteilung unterzogen wie bei der Analyse von Messsystemen. Nicht unbeträchtlich ist der Aufwand zur Durchführung dieser Prüfsystemanalyse. In diesem, in der MSA vorgestellten, Beispiel wurden die 5 Teile von den drei Prüfern jeweils dreimal geprüft, was insgesamt 45 Prüfungen ergibt Testen von Hypothesen mit Kreuztabellen Dieses Verfahren des Testens von Hypothesen mit Kreuztabellen stammt aus MSA [2]. Es ist auch dann anwendbar, wenn keine Messwerte zur Verfügung stehen. Dieselben Teile werden von mehreren Prüfern wiederholt geprüft. Ein Maß für die Güte des Messsystems ist, wie häufig die Prüfer zum selben Ergebnis kommen. Als Hilfsmittel zur Berechnung einer solchen Kennzahl werden Kreuztabellen verwendet. beobachtete Häufigkeiten: Prüfer A schlecht gut Gesamt Prüfer B schlecht gut Gesamt Spalte Bild 564: Prinzip des Testens von Hypothesen mit Kreuztabellen Das Prinzip soll anhand des Vergleiches von zwei Prüfern erläutert werden. 5 Teile wurden von zwei Prüfern jeweils dreimal geprüft. Bei den insgesamt 15 Prüfungen wurden durch Prüfer A 47 Teile als schlecht und 13 als gut bewertet.

12 15 5 Phase Measure Prüfer B hat 5 Teile als gut und 1 als schlecht bewertet. In der Mitte der Kreuztabelle erfolgt eine weitere Unterteilung der Prüfentscheidungen. Von den 47 von Prüfer A als schlecht eingestuften Teilen hat Prüfer B 44 ebenso als schlecht und 3 als gut bewertet. Bei voller Übereinstimmung würden schlechte Teile von beiden Prüfern als schlecht und gute Teile von beiden Prüfern als gut bewertet werden. Im linken unteren und rechten oberen Feld des Kerns der Matri würde dann eine null stehen. In diesem Beispiel sind drei bzw. sechs Prüfungen unterschiedlich bewertet worden. Die Frage ist nun, welche Abweichungen noch zulässig sind und ab wann die Übereinstimmung der Prüfentscheidungen als zu gering bewertet wird. Untersuchungen dazu sind Gegenstand des Testens von Hypothesen mit Kreuztabellen. Eine detaillierte Beschreibung der Vorgangsweise finden Sie zum Beispiel in [6]. Genau genommen kann man aus der hier angeführten Vorgangsweise nicht herauslesen, wie gut das Prüfsystem tatsächlich zwischen guten und schlechten Teilen unterscheiden kann. Diese Methode beleuchtet nicht die Richtigkeit der Prüfentscheidungen, sondern das Ausmaß der Übereinstimmung der Entscheidung durch die Prüfer. Ersetzt man die Ergebnisse von Prüfer B durch die Referenzentscheidung, dann lässt sich die Effektivität als Anteil der korrekten Entscheidungen an der Anzahl der gesamten Entscheidungen angeben Bestimmung der fälschlichen Annahme / Rückweisung Dieses Verfahren eignet sich sehr gut zur Beurteilung von subjektiven Prüfprozessen, wie zum Beispiel die Sichtprüfung von lackierten Blechteilen. Durch die Bildung von Kennzahlen lässt sich die Tendenz von Prüfern zur fälschlichen Annahme oder fälschlichen Rückweisung quantifizieren. 2 Prüfteile werden von mehreren Prüfern jeweils einmal geprüft. Darüber hinaus wird für jedes Prüfteil eine Referenzentscheidung ermittelt. schlechte Teile gute Teile schlechte Teile, die angenommen wurden gute Teile, die zurückgewiesen wurden Bild 565: Prinzip: Bestimmung der fälschlichen Annahme / Rückweisung

13 5.4 Eignung des Prüfsystems sicherstellen 151 Für jeden Prüfer werden folgende Kennzahlen berechnet: Effektivität (E) bezeichnet die Fähigkeit des Prüfers, zwischen fehlerfreien und defekten Produkten zu unterscheiden. E = Anzahl der korrekt eingestuften Teile Gesamtanzahl der Möglichkeiten einer korrekten Prüfung Wahrscheinlichkeit der fälschlichen Rückweisung (FR) P(FR) = Anzahl der guten Teile, die zurückgewiesen werden Gesamtanzahl der Möglichkeiten, gute Teile zu prüfen Wahrscheinlichkeit der fälschlichen Annahme (FA) P(FA) = Anzahl der schlechten Teile, die angenommen werden Gesamtanzahl der Möglichkeiten, schlechte Teile zu prüfen Bias (B) ist ein Maß für die Tendenz des Prüfers, Produkte eher abzuweisen oder anzunehmen 1 P(FA) B = 1 P(FR) B=1 => Kein Bias (beide Fehler sind gleich wahrscheinlich) B>1 => Tendenz: gute Teile abzuweisen B<1 => Tendenz: schlechte Teile werden angenommen Bild 566: Formeln zur Berechnung der Kennzahlen Die Wahrscheinlichkeit der fälschlichen Annahme ist ein Kennwert mit hoher Bedeutung. Er gibt die Wahrscheinlichkeit an, mit welcher der Prüfer ein schlechtes Teil an den Kunden weitergibt. Unzufriedenheit des Kunden ist die Folge. Die Wahrscheinlichkeit der fälschlichen Rückweisung hingegen gibt an, wie wahrscheinlich der Prüfer ein gutes Teil zurückweist. Dies ist Verschwendung. Das Bias gibt insgesamt die Tendenz des Prüfers an. Ist es größer als 1, dann tendiert der Prüfer eher dazu, gute Teile abzuweisen. Wenn der Bias kleiner als 1 ist, dann nimmt er eher schlechte Teile an. Der Vorteil dieses Verfahrens ist, dass durch die Kennzahlen diese Tendenzen transparent und damit gute Ansatzpunkte für Verbesserungen geliefert werden. Die folgende Tabelle zeigt empfohlene Grenzwerte für die Kennzahlen. Parameter geeignet Grauzone ungeeignet E,9,8,9 <,8 P(FR),5,5,1 >,1 P(FA),2,2,5 >,5 B,9 1,1,7,9 oder 1,11,3 <,7 oder >1,3 Bild 567: Empfohlene Grenzwerte zur Beurteilung des Prüfsystems