: Edgar Dietrich, Alfred Schulze, Stefan Weber
: Kennzahlensystem für die Beurteilung der Qualität in der industriellen Produktion
: Carl Hanser Fachbuchverlag
: 9783446413597
: 1
: CHF 35.40
:
: Maschinenbau, Fertigungstechnik
: German
: 226
: Wasserzeichen/DRM
: PC/MAC/eReader/Tablet
: PDF

Die industrielle Produktion bedient sich statistischer Kennzahlen, um Prozesse und Abläufe zu beurteilen und anhand von Vergleichen mit Grenzwerten und Benchmark diese zu bewerten, um ggf. Korrekturmaßnahmen einzuleiten.Das Buch gibt zunächst neben Begriffsdefinitionen einige grundlegende Hinweise zur Realisierung eines Kennzahlensystems. Größten Wert wird dabei auf die Datenqualität und die korrekte statistische Auswertung der Messdaten gelegt.

Nur ein validiertes Kennzahlensystem schafft Vertrauen, wird gelebt und bringt den gewünschten Erfolg.Anschließend wird dem Leser eine Art"Kochrezept" zum Aufbau eines Kennzahlensystems vorgestellt, anhand dessen er die für seine Prozesse im Unternehmen erforderlichen Kennzahlen ermitteln und darstellen kann. Die dabei vorgeschlagene Vorgehensweise wird mit Fallstudien aus der Praxis vertieft und die Machbarkeit belegt. Bei der software-technischen Umsetzung der Aufgabenstellungen kommen im Wesentlichen Q-DAS® Produkte zum Einsatz. Allerdings können viele der hier getroffenen Aussagen und Vorgehensweisen verallgemeinert werden. Ein Projektleitfaden nach dem Q-DAS® CAMERA Konzept zur Einführung eines Kennzahlensystems rundet das Werk ab.

Die Autoren
Dr.-Ing. Edgar Dietrich und Dipl.-Ing Alfred Schulze sind Inhaber der Q-DAS GmbH, Weinheim.

3 Anforderungen an Kennzahlen und -systeme (S. 14-15)

Für die nutzbringende Anwendung eines Kennzahlensystems müssen mehrere Anforderungen erfüllt sein. Dabei ist das oberste Gebot die Korrektheit und Aussagefähigkeit einer Kennzahl. Es ist wichtig, dass die Kennzahlen stetig aktualisiert werden und damit immer auf dem neuesten Stand sind. Um eine langfristige Vergleichbarkeit der Ergebnisse sicher zu stellen, muss die Ermittlung der Kennzahlen standardisiert sein, d.h. die Methode der Ermittlung muss immer die gleiche bleiben, um zurückliegende Ergebnisse mit neuen vergleichen zu können. Die Definition einer Kennzahl muss für den jeweiligen Leser klar und deutlich verständlich sein, um Fehlinterpretationen auszuschließen. Der Aufwand für die Erstellung und Pflege eines Kennzahlensystems ist nicht zu unterschätzen. Dies liegt insbesondere in den Aufwendungen für die Erfassung und Verwaltung der Datenbasis. Daher sind auch wirtschaftliche Aspekte zu beachten. Unter Umständen können die Aufwendungen für die Ermittlung einer Kennzahl deren Nutzen leichtübersteigen. Diese Fragestellungen sind im konkreten Fall jeweils einzeln zu betrachten. Große Bedeutung kommt einer aufgaben- und anwendergerechten Visualisierung zu. Nur leicht verständlich und lesbare Darstellungen werden vom Anwender akzeptiert und für die Steuerung bzw. Lenkung seiner Prozesse nutzbringend eingesetzt. Je nach Aufgabenstellung sind unterschiedliche Blickrichtungen auf die Daten und deren Analyse sinnvoll. Dementsprechend umfangreich kann das Kennzahlensystem ausfallen.

3.1 Priorisierung der Anforderungen

Gemäß der VDI-Studie„Produktionscontrolling mit Kennzahlen" [31] können die Anforderungen an eine Kennzahl bezüglich deren Bedeutung wie folgt priorisiert werden:

1. Kennzahlen müssen aussagefähig sein
D.h. Kennzahlen müssen die realen Sachverhalte ausreichend genau und verständlich beschreiben. Eine Kennzahl, die einen Sachverhalt falsch widerspiegelt, ist unbrauchbar! Um korrekte Kennzahlen ermitteln zu können, muss die Datenbasis repräsentativ sein, die Datenqualität den Anforderungen entsprechen und die Berechnungsmethode sowie der gesamte Ablauf validiert sein.

2. Eine Kennzahl muss aktuell und schnell verfügbar sein
Dabei bedeutet aktuell, dass die Kennzahl jederzeit den konkret vorliegenden Vorgang beschreibt. Möchte man gezielt aufgrund einer ad hoc Analyse eine Kennzahl oder mehrere Kennzahlen ermitteln, so muss diese schnell verfügbar sein. Benötigt man mehrere Stunden oder sogar Tage, bis Ergebnisse bereit gestellt werden, sind diese oft schon wiederüberholt. Insbesondere, wenn Daten manuell von verschiedenen Quellen zusammengeführt und daraus Kennzahlen gebildet werden, sind diese in der Regel in Frage zu stellen, da aufgrund der hohen Fehleranfälligkeit die Korrektheit nicht immer gegeben ist.

3. Eine Kennzahl muss vergleichbar sein
Insbesondere die zeitliche Veränderung von Kennzahlen hat eine hohe Aussagekraft. Oftmals ist es nicht erforderlich, einen wie auch immer definierten Idealzustand zu erreichen. In der Praxis ist es teilweise viel wichtiger, erreichte Zustände, mit denen man zufrieden ist, kontinuierlich fortzuführen. Daher ist es unabdingbar, dass Kennzahlen in ihrer Definition und Berechnungsmethode nicht verändert werden. Ein Vergleich zwischen„Äpfeln und Birnen" führt zu keinem Ergebnis. Solche Kennzahlen sind unbrauchbar. Ist eine neue Kennzahl erforderlich, so kann diese jederzeit eingeführt werden. Diese darf zum Vergleich jedoch erst für künftige Kennzahlen mit der gleichen Berechnungsmethode herangezogen werden.

Vorwort5
Inhaltsverzeichnis7
1 Einleitung11
1.1 Abgrenzung zu anderen Kennzahlenbüchern11
1.2 Anforderungen aus Normen und Richtlinien14
1.3 Allgemeiner Aufbau eines Kennzahlensystems16
2 Begriffe und Definitionen18
2.1 Unterschiedliche Definitionen18
2.2 Im Buch verwendete Definitionen21
3 Anforderungen an Kennzahlen und -systeme24
3.1 Priorisierung der Anforderungen24
3.2 Von der Datenbasis zur Kennzahl26
3.2.1 Stichprobenprüfung26
3.2.2 100%-Prüfung26
3.2.3 Allgemeine Kennzahlenberechnung27
3.3 Korrektheit einer Kennzahl28
3.4 Kennzahlen im Realtime- und Offline-Regelkreis31
4 Kommunikation von Kennzahlen37
4.1 Berichtspyramide37
4.2 Typische Fragestellungen41
4.3 Kennzahlen-Cockpit43
5 Aufbau der Datenbasis45
5.1 Merkmalsarten46
5.2 Prüfprozesseignung46
5.2.1 Eignungsnachweis von Messprozessen47
5.2.2 Messprozesse überwachen50
5.2.3 Subjektive Prüfprozesse52
5.3 Erfassungsarten53
5.4 Strukturierte Datenhaltung56
5.5 Datenvolumen und Archivierung61
5.6 Erhöhung der Datenqualität64
5.6.1 Datenqualität bei der Erfassung von Messwerten65
5.6.2 Automatische Überprüfung des Datenbestandes72
5.6.3 Datenbanktools76
6 Qualitätskennzahlen77
6.1 Beurteilung von Großserien77
6.2 Beurteilung von Kleinserien78
6.3 Messwert als einfachste Kenngröße79
6.4 Bewertung von Prozessen anhand variabler Merkmale82