Prozessoptimierung mit statistischen Verfahren (eBook)

Eine anwendungsorientierte Einführung mit destra und Minitab

Lorenz Braun, Claus Morgenstern, Michael Radeck (Autoren)

eBook Download: PDF

2011 | 1. Auflage
366 Seiten
Carl Hanser Fachbuchverlag
9783446426696 (ISBN)

Infos

"Für die ständige Verbesserung von Unternehmensprozessen stehen viele Konzepte und Verfahren zur Verfügung. Das derzeit aktuelle Konzept ist Six Sigma. Im Rahmen einer strukturierten Vorgehensweise werden dabei viele Verfahren zur Analyse und Verbesserung eingesetzt, z.B. Lean Methoden, Statistische Versuchsplanung, Regressions- und Varianzanalyse. Leider fehlen vielen ""Statistikanfängern"" die Routine und die grundlegenden Kenntnisse für den Einsatz dieser Verfahren. Als Konsequenz daraus werden diese leistungsfähigen Verfahren nur selten zur Prozessoptimierung eingesetzt.
Das vorliegende Buch möchte dies ändern. Als anwendungsorientierte Einführung ist dieses Buch klar an die ""Statistikanfänger"" adressiert. Anhand eines einfachen Prozesses werden verschiedene Problemstellungen vorgestellt, die anschließend mit dem passenden statistischen Verfahren analysiert werden. Das Buch zeigt die Verfahrensauswahl, deren software-technische Umsetzung und legt viel Wert auf die Interpretation der Ergebnisse und deren Umsetzung im Prozess.
Alle Beispiele werden mit den modernen und benutzerfreundlichen Programmen destra® und MiniTab berechnet, die als Demoversionen im Internet erhältlich sind. Das im Buch verwendete Datenmaterial kann von einer Internetseite heruntergeladen werden. Das ermöglicht es jedem Leser, alle statistischen Auswertungen direkt nachzuvollziehen.

Die Optimierung von Prozessen zur Steigerung der Wettbewerbsfähigkeit ist für Unternehmen unerlässlich. Im technischen und betriebswirtschaftlichen Bereich haben Management-Konzepte wie Six Sigma oder Lean Management den Prozess in den Mittelpunkt der Analyse gerückt. Zudem kamen vermehrt statistische Methoden der Prozessanalyse zur Anwendung, sei es zur Prozessbeurteilung oder -verbesserung. Dieses Buch gibt eine problemorientierte Einführung in die Anwendung statistischer Verfahren zur Optimierung von Prozessen nach dem Ursache-Wirkungs-Prinzip. Der Leser soll befähigt werden, Prozesse zu modellieren und diese datenbasiert mit Hilfe von Statistik-Software zu steuern. Neben einer Einführung in verschiedene statistische Verfahren wird deren Anwendung anhand von Fallbeispielen mit den Software-Paketen destra® und Minitab® erläutert. Dadurch soll eine einfache Umsetzung der Methoden in die Praxis ermöglicht werden.

Die Herausgeber sind Inhaber der Q-DAS Gesellschaft für Datenverarbeitung und Systemtechnik mbH in Weinheim."

Inhalt

Vorwort 6
Inhaltsverzeichnis 8
1 Einfu?hrung in die Prozessoptimierung 12
1.1 Ansätze der Prozessoptimierung 12
1.1.1 Grundlagen und Begriffe 12
1.1.2 Six Sigma 15
1.1.3 Lean Management 18
1.2 Grundlagen der Statistik 20
1.2.1 Daten und Merkmale 20
1.2.2 Statistische Kenngrößen und Verteilungen 23
1.2.3 Statistische Tests 29
1.3 Vom Problem zum statistischen Verfahren 34
1.3.1 Realität und Modell 35
1.3.2 Modellierung von Problemstellungen 37
1.3.3 Ein einfu?hrendes Beispiel 41
1.4 Weiterfu?hrende Literatur 46
2 Regressionsanalyse 47
2.1 Problemstellung 47
2.1.1 Anwendungsbeispiele 48
2.1.2 Grundlagen der Regression 49
2.2 Vorgehensweise 53
2.2.1 Modellformulierung 54
2.2.2 Schätzung der Regression 55
2.2.3 Modellpru?fung 66
2.2.4 Interpretation und Umsetzung 87
2.3 Fallbeispiel 92
2.3.1 Beschreibung des Ist-Zustandes 92
2.3.2 Abhängigkeiten im Prozess 93
2.3.3 Schätzung und Beurteilung des Regressionsmodells 94
2.3.4 Steuerung des Prozesses 99
2.4 Modellvarianten 100
2.4.1 Auswahl der wesentlichen Einflussgrößen 101
2.4.2 Nicht-lineare Regression 103
2.4.3 Dummy-Variablen 106
2.5 Anwendungsempfehlungen 109
2.6 Weiterfu?hrende Literatur 110
3 Varianzanalyse 111
3.1 Fragestellung 111
3.1.1 Beispiele fu?r die Anwendung 112
3.1.2 Grundlagen der Varianzanalyse 112
3.2 Vorgehensweise 117
3.2.1 Die einfaktorielle Varianzanalyse 118
3.2.2 Pru?fung des Modells 128
3.2.3 Ergänzende Deutungen 136
3.3 Zweifaktorielle Varianzanalyse 139
3.3.1 Das Prinzip der Streuungszerlegung 140
3.3.2 Diagramme der Haupt- und Wechselwirkungseffekte 145
3.4 Fallbeispiel Schweißversuch 147
3.5 Modellvarianten 152
3.5.1 Ungleicher Stichprobenumfang 152
3.5.2 Multivariate Varianzanalyse 152
3.5.3 Kovarianzanalyse 153
3.5.4 Nicht normalverteilte Merkmalswerte 153
3.6 Weiterfu?hrende Literatur 155
4 Statistische Versuchsplanung 156
4.1 Problemstellung 156
4.1.1 Anwendungsbeispiele 158
4.1.2 Grundlagen der Versuchsplanung 159
4.2 Vorgehensweise 178
4.2.1 Einflussgrößenscreening 178
4.2.2 Modellbildung durch Anwendung vollständiger faktorieller Versuchspläne 187
4.2.3 Teilweise faktorielle Versuchspläne 211
4.2.4 Versuchsplanung fu?r nominale Einflussgrößen 221
4.2.5 Blockbildung 222
4.2.6 Optimierung 227
4.3 Fallbeispiel 237
4.4 Anwendungsempfehlungen 243
4.5 Weiterfu?hrende Literatur 245
5 Logistische Regression 246
5.1 Problemstellung 246
5.1.1 Anwendungsbeispiele 247
5.1.2 Grundlagen der logistischen Regression 247
5.2 Vorgehensweise 251
5.2.1 Modellformulierung 252
5.2.2 Schätzung der logistischen Regression 255
5.2.3 Modellpru?fung 259
5.2.4 Interpretation und Umsetzung 274
5.3 Fallbeispiel 278
5.4 Modellvarianten 285
5.4.1 Auswahl der wesentlichen Einflussgrößen 286
5.4.2 Weiterfu?hrende Statistiken 287
5.4.3 Modell fu?r Zielgrößen mit mehreren Ausprägungen 290
5.5 Anwendungsempfehlungen 290
5.6 Weiterfu?hrende Literatur 292
6 Mehrfeldertafeln 293
6.1 Problemstellung 293
6.1.1 Anwendungsbeispiele 294
6.1.2 Grundlagen 294
6.2 Vorgehensweise 295
6.2.1 Vierfeldertafel 295
6.2.2 Mehrfeldertest mit der Zielgröße Anzahl fehlerhafte Einheiten 301
6.2.3 Mehrfeldertafel mit der Zielgröße Anzahl der Fehler 305
6.3 Fallbeispiel 307
6.3.1 Bearbeitung des Fallbeispiels mit dem Programm destra 308
6.4 Anwendungsempfehlungen 309
6.4.1 Vierfeldertafel mit kleinen Stichproben 309
6.4.2 Mehrfeldertafel mit kleinen Stichproben 310
6.4.3 kxj Mehrfeldertafeln 310
6.5 Weiterfu?hrende Literatur 310
7 Anhang – Fallbeispiele mit Minitab 311
7.1 Regressionsanalyse 311
7.1.1 Beschreibung des Ist-Zustandes 311
7.1.2 Abhängigkeiten im Prozess 312
7.1.3 Schätzung und Beurteilung des Regressionsmodells 314
7.1.4 Steuerung des Prozesses 318
7.2 Varianzanalyse 319
7.3 Statistische Versuchsplanung 326
7.4 Logistische Regression 335
7.5 Mehrfeldertafeln 343
8 Tabellenanhang 345
8.1 Verteilungsfunktion ? der Standardnormalverteilung 345
8.2 Quantile z1?? der Standardnormalverteilung N (0,1) 346
8.3 Quantile tFG,1?? der t-Verteilung mit FG Freiheitsgraden 347
Quantile ?2FG,1?? der Chi-Quadrat-Verteilung mit FG Freiheitsgraden 348
8.5 95-%-Quantile FFG1FG2,0,95 der F-Verteilung mit FG1 und FG2 Freiheitsgraden 349
8.6 99-%-Quantile FFG1 FG2
9 Verzeichnisse 351
9.1 Abbildungsverzeichnis 351
9.2 Tabellenverzeichnis 356
10 Index 361

Textauszug

"1.1.3 Lean Management (S. 18-19)

Der Begriff Lean Management ist in seinem Herkunftsland Japan nicht geläufig. Er wurde vor allem durch die amerikanische Management-Literatur verbreitet. Besondere Beachtung aus dem Gesamtsystem Lean Management fanden die Elemente Gruppenarbeit und das Prinzip der Just-in-Time Fertigung, die mit einem Minimum an Beständen auskommt.

Die erfolgreich mit Lean Management arbeitenden Unternehmen haben es geschafft, ihre Mitarbeiter in die Lage zu versetzen, dass sie die Informationen, Methoden und Sachmittel haben, die sie für ein optimal zielgerichtetes Handeln benötigen. Das dazu notwendige Niveau an Arbeitsmoral und Selbstdisziplin gedeiht jedoch nur dort, wo die Verpflichtung gegenüber den Mitarbeitern in der Beteiligung an ihren Aktivitäten und im direkten Austausch von Informationen spürbar ist.

Ein zentrales Ziel des Lean Managements ist das Schaffen von schlanken Prozessen. Überflüssige Tätigkeiten oder Zwischenlager sollen vermieden werden. Die hohe Synergie des Lean Management erwächst aus der simultanen Anwendung von Systemen wie Total Quality Management, Just-in-Time-Produktionsprinzip, Total Productive Maintenance, Policy Deployment, Vorschlagswesen und Kleingruppenarbeit.

Total Quality Management (TQM)

Das TQM-Konzept bedeutet, dass jeder im Unternehmen eingebunden wird, beginnend mit der Unternehmensleitung, über Führungshierarchien hinweg bis zu den Mitarbeitern an den Linien. Dabei sind Vertriebsorganisationen und auch Lieferanten mit einbezogen. Inhaltlich umfasst TQM Arbeitsmittel wie das Policy Deployment, Qualitätssicherungskonzepte, Standardisierung, Training und Ausbildung, Kostenmanagement und auch die Kleingruppenarbeit.

Just-in-Time-Produktionsprinzip

Entwickelt wurde das Prinzip bei Toyota. Es umfasst die Konzepte Angleichung der Takt- und Zykluszeit, Pull-Production, Autonomation der Mitarbeiter (Jidoka) und die Einführung von Fertigungszellen unter Berücksichtigung des One-Piece-Flow.

Total Productive Maintenance (TPM)

Der wesentliche Fokus von TPM ist die gelebte Praxis eines vorbeugenden Instandhaltungssystems mit dem Ziel, die Einrichtungen und Maschinen über die gesamte Lebensdauer hinweg mit maximaler Effizienz zu betreiben."

Produkt-Details

• Erscheint lt. Verlag: 1.1.2011
• Verlagsort: München
• Sprache: deutsch
• Themenwelt: Technik ► Maschinenbau
• Themenwelt: Wirtschaft ► Betriebswirtschaft / Management ► Planung / Organisation
• Schlagworte: Prozessmanagement • Prozessoptimierung • Qualitätsmanagement • Statistik
• ISBN-13: 9783446426696 / 9783446426696