Methodenbeschreibung Design Scorecards

Ähnliche Dokumente
Zur systematischen Zerlegung der Funktionen in die Teilfunktionen wird die Dekomposition gleichzeitig in 2 Richtungen umgesetzt:

Wie man leicht erkennen kann, steigt die Anzahl notwendiger Versuche zur Basis 2 bei jeder Modellerweiterung um einen weiteren Faktor.

Ziel. Prinzip. Auf der Grundlage einer frühzeitigen teamorientierten Zusammenarbeit von Produktplanung/Entwicklung,

POCKET POWER. Qualitätssicherung Produktionsprozess

Robust Design für Produkte & Prozesse. Produkte & Prozesse präventiv / reaktiv entwickeln, optimieren und absichern

Ziel. Prinzip. Vorgehensweise


Training Qualitätsmanagement Trainingsfragen - Praxisbeispiele - Multimediale Visualisierung

Stephan Back/Hermann Weigel DESIGN FOR SIX SIGMA. Kompaktes Wissen Konkrete Umsetzung Praktische Arbeitshilfen HANSER

Six Sigma Six Sigma (6σ)

Messwerte und deren Auswertungen


Ein Ursache-Wirkungs-orientiertes Kennzahlensystem für die Supply Chain

Elektrische Grundlagen der Informationstechnik. Laborprotokoll: Nichtlineare Widerstände

Leseprobe. Edgar Dietrich, Alfred Schulze, Stephan Conrad. Abnahme von Fertigungseinrichtungen ISBN:

Zusammenhang zwischen FMEA und QFD

Demo-Text für STOCHASTIK. Tschebyscheff-Ungleichung. Einführung mit Anwendungsbeispielen. Datei Nr Friedrich W.

Robust Design. Konzepte für Produkte und Herstellprozesse / Anlagen entwickeln, bewerten und auswählen

Produkt-Datenblatt. Technische Daten, Spezifikationen. MEsstechnik fängt mit ME an. Kontakt

Inhalt. Phase 1: DEFINE 21. Vorwort 1

5. Statistische Auswertung

E 2-24 Setzungsprognosen für nicht bodenähnliche Abfälle

Untersuchung zur Gleichwertigkeit des LOVIBOND CSB vario Küvettentest mit dem Hach * CSB Küvettentest

Methoden der Werkstoffprüfung Kapitel I Grundlagen. WS 2009/2010 Kapitel 1.0

Design for Six Sigma - DMADV.

Beispielberechnung Vertrauensintervalle

Basiswissen Qualitätsmanagement

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

Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger

Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit.

Lösungsvorschlag. Simulationsdatenmanagement. - auf eine reibungslose und vollkommene Integration in das bestehende oder geplante PDM System achten!

Praxishandbuch Qualitätsmanagement

Versuchspläne CCD, CCF, CCC

Messmittelfähigkeit. Fallstudien von BV-Anwendungen. R. Neubecker, SoSe Worum geht s?

Wie viele Produkte müssen zerstörend in der Qualitätskontrolle geprüft werden? DRK-Blutspendedienst West

QM08: 7 Managementwerkzeuge 7M

Fehler- und Ausgleichsrechnung

Mathematisch-Naturwissenschaftliche Fakultät I der Humboldt-Universität zu Berlin Institut für Physik Physikalisches Grundpraktikum.

CHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS

ALVA-Ringanalyse. Herbsttagung 2009 der ALVA-Fachgruppe Boden - Pflanzenernährung Linz, 10. November 2009

Übungsaufgabe Parameter und Verteilungsschätzung

v in km/h Anzahl

Die 0-Fehler0. Fehler-Strategie. Eine Methode zur Qualitätssicherung Ihrer Produkte und Dienstleistungen. Wehme Bockenem

Beispielberechnung Vertrauensintervall

Design for Six Sigma +Lean Toolset

Statistische Auswertung von Ringversuchen

Risiko ist, wenn Kundenanforderungen gefährdet sind.

Design for Six Sigma. Kompaktes Wissen Konkrete Umsetzung Praktische Arbeitshilfen. Stephan Back Hermann Weigel

Qualitätslenkung und -regelkreise

Die statistische Datenanalyse Ein Werkzeug zur Prozessoptimierung auch in der Papierindustrie

Präzision in der Analytik Ein unentbehrlicher Teil der Methodenvalidierung

Nadia El Masry, Alexander Leitloff, Michael Oberbillig, Oliver Fröhlich

Vorlesung: Software Engineering

Ostfalia Hochschule für angewandte Wissenschaften Fakultät Elektrotechnik

Ein Integriertes Berichtswesen als Führungshilfe

Praxiswissen Controlling

Club Apollo 13, 14. Wettbewerb Aufgabe 1.

Zusatzmaterial zu Kapitel 6

QM-Übungsaufgaben und Fragen

Einführung Qualitätsmanagement 1 QM 1

Statistische Prozesskontrolle

KALKULATION MIT RKR PRODUKTE UND PROZESSE VERURSACHUNGSGERECHT KALKULIEREN RESSOURCEN-UND KOSTENPOTENTIALE AUFDECKEN

Ohmscher Spannungsteiler

AUSWERTUNG DES RINGVERSUCHS Nonylphenol, Oktylphenol, Bisphenol A NP02

BOXPLOT 1. Begründung. Boxplot A B C

Tabelle 1: Altersverteilung der Patienten (n = 42) in Jahren

Statistische Qualitätssicherung

Sensitivität in der Statistik

Applikationen für das Qualitätsmanagement

Handreichung: Zielvereinbarung und Bewertungsprozess im Bonus-Programm

Bewertung von Optimierungs- und Zuverlässigkeitsalgorithmen für die virtuelle Produktauslegung

Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten

Der Einsatz der Six Sigma-Methode zur Qualitätssteigerung in Unternehmen

Physikalische Übungen für Pharmazeuten

Statistische Versuchsplanung und Optimierung

Protokoll Grundpraktikum: F5 Dichte fester Körper

Anpassungstests VORGEHENSWEISE

Taguchi. Voraussetzung und verwandte Themen. Einführung. Ziel und Nutzen. Grundlagen

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.

Mai Bericht zum Ringversuch Gruppe 243 Gammopathien. Prof. Dr. med. Dirk Peetz Dr. med. Christoph Niederau

Mathematische und statistische Methoden II

Klassische Qualitätsregelkartentechnik für attributive Prüfungen

Protokolle, Bericht der Managementbewertung, Übersicht der QM-Dokumente. Durchgeführt von/am: Max Mustermann am Freigegeben durch:

Leseprobe. Berndt Jung, Stefan Schweißer, Johann Wappis. Qualitätssicherung im Produktionsprozess. Herausgegeben von Gerd F.

Service Design Quality Function Deployment

Statistische Methoden der Datenanalyse. Übung XI

Für Leistung geschaffen AXALTA COATING SYSTEMS LEISTUNGSKATALOG 1

Konformitätsbewertung 3.9 A 3

1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober

Transkript:

Ziel Prinzip dienen der Bestimmung des Zielerreichungsgrades von Design-Faktoren unter Berücksichtigung von Variation durch den Herstellprozess. Die Methode baut auf die identifizierten kritischen Design-Faktoren der Systemebene, der Ebene der an den Funktionen beteiligten Teile sowie der Ebene des Herstell- und Montageprozesses aus den Qualitätshäusern der QFD auf. Sie verknüpft die dort bestimmten Faktoren inkl. ihrer jeweiligen Zielwerte mit den während der Realisierung erreichten Realwerten mittels statistischer Fehlerkalkulation. verdichten die durch QFD ermittelten Design-Faktoren mit Zielwerten sowie den aktuell gemessenen Realwerten inkl. Variation. Dies dient zur Bestimmung des Zielerreichungsgrades für jeden der essentiell kritischen Faktoren zur Erfüllung der Produktanforderung. Wurden mithilfe der QFD in den einzelnen Qualitätshäusern die kritischen Faktoren für das Produkt ermittelt für I. Leistungsfaktoren auf der Systemebene (Ergebnis HoQ1) II. Design-Parameter der Teile (Ergebnis HoQ2) III. Herstell-Prozess-Parameter (Ergebnis HoQ3) und IV. Montage-Prozess-Parameter (Ergebnis HoQ4), so ist es sinnvoll für alle nachfolgenden Schritte der Produktentwicklung diese Faktoren bzgl. ihres Zielerreichungsgrades kontinuierlich zu überwachen. Abbildung 1 verdeutlicht den Zusammenhang zwischen den Qualitätshäusern der QFD und den der jeweiligen Betrachtungsebenen. Abbildung 1

Ein Produkt wird nur dann fehlerfrei sein und seine Funktionen gemäß den Anforderungen erfüllen, wenn 1. alle Herstell- und Montageschritte fehlerfrei sind zur Sicherstellung der Eigenschaften der Teile (d.h. alle in HoQ3 identifizierten Prozessparameter müssen ausnahmslos ihre Zielwerte innerhalb der Toleranzgrenzen erreichen). Dies wird gemessen mithilfe der Design Scorecard Prozess 2. alle kritischen Design-Parameter der Teile im Wechselspiel derart zusammenwirken, dass die Funktionserfüllung garantiert werden kann (d.h. alle in HoQ2 identifizierten kritischen Design-Parameter der Teile müssen ebenfalls ausnahmslos ihre Zielwerte innerhalb der Toleranzgrenzen erreichen). Dies wird gemessen mithilfe der Design Scorecard Teile 3. alle kritischen Leistungsfunktionen des Produktes einwandfrei und ohne Fehler erfüllt sind, zur Sicherstellung der Gesamtperformanz des Produktes (d.h. alle in HoQ1 identifizierten Leistungsfaktoren des Produktes müssen ebenfalls ausnahmslos ihre Zielwerte erreichen). Dies wird gemessen mithilfe der Design Scorecard Performanz Stellt man nun für alle Ebenen (Leistungsebene Teileebene - Prozessebene) die Zielwerte für jeden Design-Faktor gegenüber den jeweils erreichten Realwerten inkl. Variation, so lässt sich statistisch für jeden Einzelfaktor der Grad der Abweichung ausdrücken als Defekt pro Einheit (DPU = Defect per Unit). Statistisch gesehen sind die Defekte pro Faktor additiv, woraus der Gesamterreichungsgrad der Zielerfüllung quantitativ bestimmbar wird. Hierdurch geben die in jeder Phase den Grad der Zielerfüllung pro Ebene wieder. Abbildung 2 zeigt den prinzipiellen Aufbau einer Design Scorecard. Diese beinhaltet neben den Kennwerten auf der Betrachtungsebene - wie Anzahl der betrachteten Faktoren, Defects-per Unit additiv über alle Faktoren dieser Ebene, dem daraus abgeleiteten Gesamtzielerreichungsgrad ausgedrückt als Yield sowie den Kurzzeit SIGMA und Langzeit SIGMA Niveau für jeden Faktor I. individueller Design-Faktor Name/Identifikation II. Zielerreichungsgrad statistisch ermittelt als DPU III. Zielwert (ideal) des Faktors IV. Mittelwertwert des Faktors als momentaner Realwert V. Standardabweichung des Faktors vom Mittelwert VI. Faktorgrenzen (Toleranzgrenzen LSL/USL untere/obere Spezifikationsgrenze)

VII. Messeinheit des Faktors (UOM Unit of Measure) für kontinuierlich messbare Faktoren oder V. Stichprobengröße für qualitative Tests VI. Anzahl der gefundenen Fehler für qualitativ bestimmbare Faktoren (z. B. Wareneingangsprüfung, etc.) oder VII. Der PPM-Rate aus historischen Messungen Abbildung 2: Design Scorecard für die Systemebene der Leistungsfaktoren (am Beispiel einer Batterie) Abbildung 2 Die nächste Ebene für die kritischen Design-Parameter der Teile gibt Aufschluss über den Zielerreichungsgrad der Teiledimensionen. Abbildung 3: Design Scorecard für die Teileebene der Design-Parameter (am Beispiel einer Batterie) Abbildung 3

Die Ebene der Prozessfaktoren (Abbildung 4) gibt Aufschluss über den Zielerreichungsgrad der Parameter für den optimalen Herstellprozess. Abbildung 4 Zur Gesamtübersicht für alle Ebenen wird die Zusammenfassung aller Scorecard als Übersicht mithilfe der jeweiligen Fehleranteile bestimmt. Hiermit können Schwerpunkte für die Optimierungsaufgaben bestimmt werden. (siehe Abbildung 5) Abbildung 5 Design Scorecard Übersicht (alle Ebenen) Die gesamte DPU eines Produktes setzt sich zusammen aus den DPU aller Teile, Prozessschritte und Leistungsfaktoren (Performance des Produktes).

Vorgehensweise Im ersten Schritt erfolgt die Identifikation der kritischen Faktoren für jede Ebene (resultierend aus den Qualitätshäusern der QFD) Anschließend werden die in der QFD ermittelten Zielwerte für die jeweiligen Faktoren sowie die Messeinheit in die Scorecard eingetragen. Zusätzlich erfolgt die Bestimmung der Toleranzgrenzen für die untere und obere Spezifikationsgrenze (LSL USL) Im Rahmen der Implementation werden die aktuellen Werte der Faktoren messtechnisch bestimmt und durch statistische Proben mit Bestimmung von Mittelwert und Standardabweichung oder bei qualitativer Bestimmung die Anzahl genommener Proben für einen Test sowie die Ausfallrate in die Scorecard eingetragen. Alternativ kann auch die historisch bekannte PPM-Rate bei bereits bekannten Lieferteilen zur Anwendung kommen. Die automatische Kalkulation der daraus folgenden Defekte pro Einheit (DPU) erfolgt im Allgemeinen auf der Basis fester statistischer Gesetzmäßigkeiten und wird in statistischen Tabellenkalkulationsprogrammen bereitgestellt. Nutzen und Ergebnisse Ermitteln und Dokumentieren des Grades der Zielerreichung für alle kritischen, für das Design relevanten Faktoren, auf allen Ebenen Übersicht über die Systemebene, Teileebene und Prozessebene zur Erkennung der Schwerpunkte für die weitere Optimierung bzw. Erhöhung des Zielerreichungsgrades Nachteile und Risiken Bei zu kleinen Stichprobengrößen ist die Aussagekräftigkeit der ermittelten Kennwerte fragwürdig (Stichprobengröße > 30 Proben Minimum) Bei einer großen Anzahl von Einzelfaktoren für ein Design wird der Aufwand zur Ermittlung der statistischen Messwerte über alle Phasen der Produktentstehung ggf. zu aufwendig. I.A. beschränkt man sich daher auf Stichprobenmessungen in den Phasen a) Labormusterstand b) Erstmusterstand Serienwerkzeugeinsatz c) Musterstand Null-Serie

Notwendiger Input Alle identifizierten kritischen Faktoren aus den Qualitätshäusern QFD (HoQ1, HoQ2, HoQ3) mit ihren jeweiligen Zielwerten Statistisch ermittelte Kennwerte für Mittelwert und Standardabweichung für jeden relevanten Faktor, basierend auf Messungen aus Laborversuchen, Prototypenbau oder Herstellmustern. Die statistischen Messungen müssen eine adäquate Stichprobengröße aufweisen. Vorbereitungen und Voraussetzungen Kenntnis der Ermittlung von statistischen Kennwerten (Mittelwert, Standardabweichung, Defects-per-Unit) Durchführung der Qualitätshäuser QFD HoQ1, HoQ2, HoQ3 Hilfsmittel (Werkzeuge) Softwarepaket Quantum-XL Alternativ Tabellenkalkulationssoftware (z.b. EXCEL) mit zusätzlichen statistischen Funktionen Beteiligte Mitarbeiter aus den Bereichen - Entwicklung (R&D) - Versuchsaufbau / Testfeld - Qualitätswesen (QM) - Fertigung (IE) Literatur B. Schäppi. M. Andreasen, M. Kirchgeorg, F. Radermacher: Handbuch der Produktentwicklung, Hanser Verlag, München, 2005 G. Kamiske: Handbuch QM Methoden, Hanser Verlag, München, 2012 S. Lunau: Design for Six Sigma Toolset, Springer Verlag, Berlin, 2006