Kontinuierliche Verbesserung als Managementtechnik

3.3 Six Sigma

Die sogenannte Six Sigma-Methode²⁹ ist auf ähnliche Verbesserungen wie das BPR ausgerichtet und zählt somit ebenso zur ersten Sparte. Das Vorgehen ist dabei jedoch viel strukturierter, weil es klar definierte und aufeinander aufbauende Schritte durchläuft. Das Konzept kombiniert unterschiedliche Techniken in Form von Einzelbausteinen und zur besseren Akzeptanz und Einbettung in das Unternehmen werden spezielle Promotoren³⁰ eingesetzt, die als Kompetenzverantwortliche das jeweilige Verbesserungsprojekt vorantreiben. Für die operative Umsetzung steht ein umfangreicher Methoden- und Werkzeugkatalog zur Verfügung. „Hauptziel von Six Sigma ist es, Kundenbedürfnisse vollständig und profitabel zu erfüllen“ (Toutenburg & Knöfel, 2008, S. 2). Je nach Anforderung kann Six Sigma auf einzelne oder mehrere Prozesse im Unternehmen angewendet werden.

Soll ein bereits bestehender Ablauf verbessert werden³¹, wird dafür meist das sogenannte DMAIC-Verfahren angewendet, bei dem nacheinander die fünf Phasen Define, Measure, Analyze, Improve und Control durchlaufen werden (vgl. Tabelle 2). Beim zu Grunde liegenden Prozess wird zunächst dessen Leistungsfähigkeit dokumentiert. Erst nach einer eigehenden Analyse auf Basis festgelegter Routinen werden anschließend für die aufgespürten Fehlerursachen Lösungen erarbeitet. Diese müssen im Prozess integriert und überwacht werden.

Tabelle 2 – Die fünf Phasen des DMAIC-Verfahrens³²

Das „Besondere an der Prozessverbesserung durch Six Sigma besteht darin, dass Prozesse mittels statistischer Methoden analysiert, gemessen und kontrollierbar gemacht werden, bevor über mögliche Lösungen nachgedacht wird“ (Toutenburg & Knöfel, 2008, S. 10). Durch die Strukturierung der relevanten Daten in einer messbaren Form lassen sich die erzielten Erfolge in Kennzahlen abbilden. Im Gegensatz zu vielen anderen QM-Verfahren, die oft nur auf die Verbesserung der Qualität ausgerichtet sind, achtet „Six Sigma hingegen … gleichzeitig auf die Effizienz des Prozesses bzw. darauf, dass das Kundenbedürfnis bei effizientem Ressourceneinsatz befriedigt wird“ (Toutenburg & Knöfel, 2008, S. 10).

Weil in der zweiten Phase des DMAIC-Verfahrens der reale Ablauf im Unternehmen in ein mathematisches Modell übertragen werden muss, können nicht alle auftretenden Probleme mit dieser Methode gelöst werden. Desweiteren sind die statistischen Resultate nur repräsentativ, wenn der zu Grunde liegende Prozess genügend oft und immer in der gleichen Art und Weise durchlaufen wird.

Sind alle Einflussfaktoren auf das Ergebnis des Prozesses messbar³³, kann der Prozess-Output Y als Funktion der einzelnen Inputvariablen X₁, …, X_n dargestellt und statistisch ausgewertet werden: Y = f (X₁, …, X_n). Plakativ veranschaulicht wird dieser Zusammenhang in Abbildung 4. Man kann dort gut erkennen, dass nicht der absolute Wert der einzelnen Größen an sich von Bedeutung ist, sondern vielmehr die jeweilige Varianz. Sie kann als Maß für die Streuung der Zufallsgrößen X₁, … X_n um den jeweils erwarteten Mittelwert aufgefasst werden. Eng damit verknüpft ist die sogenannte Standardabweichung σ³⁴.

Abbildung 4 – Einflussfaktoren auf den Prozess-Output³⁵

Mit der Six Sigma-Methode möchte man die gesamte Varianz des Prozesses verstehen und herausfinden, wo die Ursachen für die beobachteten Abweichungen liegen (Toutenburg & Knöfel, 2008, S. 16). Gibt es vorhersehbare Schwankungen oder liegen unsystematische Störungen vor, die beseitigt werden müssen? Auf Grund der vorausgesetzten Messbarkeit der einzelnen Größen kann der Kunde, der nach einem bestimmten Prozessabschnitt oder ganz am Ende des Prozesses einen bestimmten Output erhält, genaue Spezifikationsgrenzen festlegen, innerhalb derer der angeforderte Output liegen muss. So kann er zum Beispiel fordern, dass ein bestimmtes Metallstück mindestens 9,8 mm und höchstens 10,2 mm lang sein sollte (vgl. Abbildung 32 in Kapitel 5.1.8). Wird der Prozess sehr häufig durchlaufen, kann man diesem auf Grund von Stichprobenuntersuchungen ein spezielles Sigma-Niveau zuordnen. In der Praxis geht man meist davon aus, dass die tatsächliche Verteilung der Zufallsgrößen näherungsweise einer Normalverteilung entspricht. Grafisch lässt sich diese Normalverteilung als Gauß‘sche Glockenkurve darstellen, bei der der erwartete Zielwert in der Mitte liegt und am häufigsten auftritt. Je weiter man sich vom Mittelwert entfernt, umso geringer wird die Wahrscheinlichkeit, dass die Zufallsgröße den entsprechenden Wert annimmt. Möchte man mit der Problemlösung eine geringere Varianz erreichen, äußert sich dies (nach erfolgreicher Umsetzung) grafisch darin, dass die Kurve schmäler (und höher) wird (vgl. Abbildung 5). Damit liegen nämlich mehr Werte innerhalb der vom Kunden festgelegten Spezifikationsgrenzen (Toutenburg & Knöfel, 2008, S. 18).

Bei der Six Sigma-Methode bedient man sich einer ganz einfachen Metrik, an der man auch die Namensbedeutung „6σ“ begreift: „Man errechnet die Anzahl der Standardabweichungen …, die zwischen den Zielwert und die Spezifikationsgrenzen ‚passen‘. Diese Anzahl ist der Sigma-Wert … Ein Prozess hat sechs Sigma erreicht, wenn genau sechs Standardabweichungen dazwischen passen“ (Toutenburg & Knöfel, 2008, S. 19). Geht man von der Normalverteilung aus, bedeutet ein erreichtes Niveau von 6σ, dass 99,99966 Prozent der Realisierungen innerhalb der vom Kunden akzeptierten Grenzen liegen. Dies wiederum entspricht 3,4 Fehlerauftritten bei einer Million Fehlermöglichkeiten.

Abbildung 5 – Vergleich unterschiedlicher Verteilungen und Spezifikationsgrenzen³⁶

Es wäre zu kurz gedacht, wenn sämtliche Six Sigma-Projekte als einziges Ziel ein Niveau von exakt 6σ anstreben würden. Betrachtet man zum Beispiel Herztransplantationen, könnte vom Krankenhaus eine (in diesem Fall einseitige) Spezifikationsgrenze im Sinne von „alle Patienten überleben die Operation mindestens fünf Tage“ festgelegt werden. Würde der Transplantationsprozess formal das 6σ-Niveau erreichen, wären 3,4 Tote bei einer Million Eingriffen „im Rahmen“, was sicherlich nicht Ziel beziehungsweise Sinn und Zweck dieser Methode ist³⁷. Gleiches gilt für Flugzeugabstürze oder ähnliche Praxisbeispiele, bei denen der Raum zwischen den Spezifikationsgrenzen beliebig klein wird. Dennoch kann 6σ auch für die Optimierung solcher Abläufe eingesetzt werden und sie enorm verbessern.

Es müssen auch nicht immer explizite Spezifikationsgrenzen angegeben werden. Diese dienen als Kontrollpunkte zur Überprüfung der Verbesserungen. Viel wichtiger ist jedoch die Verbesserung an sich und diese wird bei 6σ über das Verständnis und die Reduzierung der Prozessvarianz erreicht. Aber auch hier muss ein akzeptables Maß für die Varianz gefunden werden, um überflüssige und verschwenderische Optimierung an der gewünschten Stelle abzubrechen (vgl. unnötig hohe Sigma-Niveaus in Kapitel 4.1.4). „Grundsätzlich gilt: Das Qualitätsniveau muss so hoch sein, wie der Kunde es akzeptiert – zu dem Preis, den er dafür zu bezahlen bereit ist. Es geht bei Six Sigma nicht um die Steigerung der Qualität um jeden Preis, sondern um die profitable Erfüllung der Kundenbedürfnisse“ (Toutenburg & Knöfel, 2008, S. 21).

» Inhalt       » zurück      » vor       » Quellen

Dieser Text ist urheberrechtlich geschützt. Gemäß dem Urheberrechtsgesetz (§51 UrhG) kann aber gerne aus diesem Text - mit Quellenangabe und Verweis auf den Autor - zitiert werden. Als Quelle bitte angeben: http://www.robert-bauer.eu/kvp.php

Der Text wurde in Zusammenarbeit mit der KARER CONSULTING erstellt. Falls nichts anderes angegeben, liegen daher die Bildrechte der Grafiken und Abbildungen bei der KARER CONSULTING sowie beim Autor. Sie dienen ausschließlich dem besseren Verständnis des hier veröffentlichten Textes und dürfen nur nach schriftlicher Zustimmung für andere Zwecke (insbesondere Veröffentlichungen und Verwendung in Präsentationen oder Konzepten) verwendet werden.

In diesem Dokument wird an einigen Stellen die Bezeichnung „ViT: Verbesserungen im Team” verwendet. Dies ist ein für die KARER CONSULTING geschütztes Markenzeichen.