30
Swen Günther Design for Six Sigma

Swen Günther Design for Six Sigma - download.e-bookshelf.de fileGABLER RESEARCH Forum Marketing Herausgegeben von Professor Dr. Reinhard Hünerberg, Universität Kassel, Professor

Embed Size (px)

Citation preview

Swen Günther

Design for Six Sigma

GABLER RESEARCH

Forum Marketing

Herausgegeben von

Professor Dr. Reinhard Hünerberg, Universität Kassel,

Professor Dr. Andreas Mann, Universität Kassel,

Professor Dr. Stefan Müller, Technische Universität Dresden und

Professor Dr. Armin Töpfer, Technische Universität Dresden

Die zunehmende Globalisierung führt zu einem verschärften Wettbewerb, vor allem

in den Bereichen Qualität, Zeit und Kosten. Vor diesem Hintergrund werden in der

Schriftenreihe aktuelle Forschungsergebnisse sowohl zu strategischen Fragen der

marktorientierten Unternehmensführung als auch zur operativen Unsetzung durch

konsequente Kundenorientierung präsentiert. Dazu werden innovative Konzeptionen

entwickelt, theoretische Ursache-Wirkungs-Beziehungen analysiert und pragmati-

sche Gestaltungsempfehlungen gegeben.

Swen Günther

Design for Six SigmaKonzeption und Operationalisierung von alternativen Problemlösungszyklen auf Basis evolutionärer Algorithmen

Mit einem Geleitwort von Prof. Dr. Armin Töpfer

RESEARCH

Bibliografi sche Information der Deutschen Nationalbibliothek

Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der

Deutschen Nationalbibliografi e; detaillierte bibliografi sche Daten sind im Internet über

<http://dnb.d-nb.de> abrufbar.

Dissertation Technische Universität Dresden, 2010

1. Aufl age 2010

Alle Rechte vorbehalten

© Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2010

Lektorat: Ute Wrasmann | Nicole Schweitzer

Gabler Verlag ist eine Marke von Springer Fachmedien.

Springer Fachmedien ist Teil der Fachverlagsgruppe Springer Science+Business Media.

www.gabler.de

Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede

Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist

ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere

für Vervielfältigungen, Übersetzungen, Mikroverfi lmungen und die Einspei-

cherung und Verarbeitung in elektronischen Systemen.

Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem

Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche

Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten

wären und daher von jedermann benutzt werden dürften.

Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg

Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier

Printed in Germany

ISBN 978-3-8349-2507-7

Geleitwort

Das Managementkonzept „Six Sigma“ hat in den vergangenen Jahren sowohl in der betriebswirtschaftlichen Praxis als auch in der wirtschaftswissenschaftlichen Forschung erheblich an Bedeutung gewonnen. Der aus der Statistik entlehnte Begriff 6σ steht für „praktikable Null-Fehler-Qualität“. Er tangiert heute alle Wertschöpfungsprozesse/ -bereiche des Unternehmens, also auch Forschung und Entwicklung. Hier liegt nach einschlägigen Erfahrungen der Six Sigma-Anwender der größte Hebel, um fehlerfreie Produkte/ Dienstleistungen zu erzeugen. Aus diesem Grund nimmt der Stellenwert von Design for Six Sigma (DFSS) als geziel-te Adaption des Six Sigma-Konzeptes für F&E immer mehr zu.

Die Erfolge, die mit der Anwendung von DFSS bis dato erzielt wurden, können bestenfalls als „durchwachsen“ bezeichnet werden. Als Schwachpunkt gelten u.a. die eingesetzten Vorgehensmodelle, anhand derer die Six Sigma-Pojekte durchge-führt werden. Sie zeichnen sich durch ein systematisch-analytisches Vorgehen aus, welches die Generierung von Innovationen häufig behindert. Aus diesem Grund haben sich in der Vergangenheit eine Reihe von praxisorientierten Publika-tionen diesem Thema gewidmet – ein wirklicher Durchbruch, der dem Konzept zu nachhaltiger Akzeptanz verholfen hätte, blieb jedoch aus.

Swen Günther hat in seiner Dissertation diesen Sachverhalt erstmals wissenschaft-lich analysiert. Dabei geht er insbesondere der Frage nach, wie aus theoriebasier-ter Sicht der DFSS-Problemlösungszyklus zu gestalten und/ oder zu verändern ist, um einer kundenorientierten Produktentwicklung gerecht zu werden. Ganz im Sinne der „Pragmatic Science“ verbindet er methodische Stringenz mit praktischer Relevanz. Dem vorliegenden Buch ist daher nicht nur eine gute Aufnahme in die Scientific Community, sondern auch in die Six Sigma Community zu wünschen.

Eine besondere Note erhält die Arbeit durch die Berücksichtigung von evolutionä-ren Algorithmen bei der Ableitung konkreter Gestaltungsempfehlungen. Sie sind das Ergebnis einer innovativen Theorieexploration, bei der im Analogieschluss-verfahren Erkenntnisse aus dem Bereich der mathematischen Optimierung auf den Design for Six Sigma-Zyklus übertragen werden. Swen Günther zeigt dabei neben den theoretischen Grundlagen auch die praxisbezogene Anwendung anhand von zwei Beispielen auf. Hier werden unmittelbar die Vorzüge eines an evolutionären Prinzipien ausgerichteten Produktentstehungsprozesses deutlich.

Die Ergebnisse dieses interdisziplinären Forschungsansatzes mögen durch die Aufnahme in unsere Schriftenreihe herausragender Forschungsarbeiten einer brei-teren Fachöffentlichkeit zugänglich werden und auch andere Forschungszweige im Bereich Marketing/ Unternehmensführung befruchten.

Prof. Dr. Armin Töpfer

Vorwort

Mit dem Six Sigma-Konzept bin ich erstmalig nach meinem Studium des Wirt-schaftsingenieurwesens in Berührung gekommen. Dabei näherte ich mich dem Thema nicht nur als angehender Wissenschaftler und Doktorand; in mehreren praxisbezogenen Weiterbildungsmaßnahmen habe ich den Grad des „Black Belts“ – einem unter Six Sigma-Anwendern anerkannten Qualifizierungsgrad – erreicht. Aufgrund der integrierten Projekttätigkeit(en) konnte ich die Stärken und Schwä-chen von Six Sigma respektive Design for Six Sigma (DFSS) unmittelbar „am eigenen Leib“ erfahren. Dies war eine wichtige Hilfestellung bei der Ausarbeitung des exploratorisch-instrumentellen Forschungsdesigns.

Der vorliegende Band wurde im Wintersemester 2007/ 08 als Dissertationsschrift an der Fakultät Wirtschaftswissenschaften der TU Dresden mit dem Titel „Kun-denorientierte Produktentwicklung mit evolutionären Algorithmen im Rahmen des Design for Six Sigma-Zyklus“ angenommen. Während der Bearbeitung des The-mas am Lehrstuhl für Marktorientierte Unternehmensführung habe ich von ver-schiedenen Personen vielfältige Unterstützung und wertvolle Hinweise erhalten. Bei allen möchte ich mich an dieser Stelle recht herzlich bedanken.

Zu besonderem Dank bin ich meinem Doktorvater, Prof. Dr. Armin Töpfer, der mir als Ideengeber und konstruktiver Diskussionspartner in allen Phasen meines Promotionsvorhabens zur Verfügung stand. Weiterhin möchte ich mich bei Prof. Dr. Bernhard Schipp und Prof. Dr. Reinhard Hünerberg für Ihr Interesse an der Arbeit und die Übernahme der beiden Gutachten bedanken.

Bei der Durchführung des empirischen Teils der Arbeit war ich teilweise auf die Mitwirkung von Studenten der Fakultät angewiesen. Ihnen allen sei ein herzlicher Dank gesagt. Zudem möchte ich mich beim Unternehmen Michael Jäckel Erzge-birgische Bürstenfabrik GmbH für die aktive Unterstützung bei der Umsetzung des Pilotprojektes bedanken. Insbesondere hat der zuständige Vertriebsleiter und langjährige Freund, Alexander Jäckel, die Konzeption und Erstellung der benötig-ten Prototypen nachhaltig vorangetrieben. Die Aussagekraft der Modelle sowie Validität der Forschungsergebnisse wurde hierdurch deutlich erhöht. Eine Viel-zahl von praxisbezogenen Anregungen konnte ich zudem im Rahmen meiner Black Belt-Tätigkeit bei der M+M Consulting GmbH, Kassel, sammeln.

Zu großem Dank bin ich auch meinen Kollegen am Lehrstuhl für Marktorientierte Unternehmensführung verpflichtet, allen voran Jörn Großekatthöfer für die vielen Gespräche und inhaltlichen Anregungen. Außerdem möchte ich mich an dieser Stelle ganz herzlich bei meinem Vater bedanken, der das gesamte Manuskript mit viel Ausdauer und Akribie gelesen und redigiert hat. Für verbliebene, nicht korri-gierte Fehler trage ich als Autor allein die Verantwortung.

VIII Vorwort

Ein ausdrücklicher Dank geht auch an Aileen Pohl, die mich bei der Durchsicht und Optimierung des Quellenverzeichnisses tatkräftig unterstützt hat, sowie an Martina Voss, die mir als „gute Seele des Lehrstuhls“ stets bei der Klärung von organisatorischen Dingen und Fragen zur Seite stand.

Last but not least, möchte ich mich bei meinen Eltern bedanken, die mich in mei-ner wissenschaftlichen Laufbahn stets liebevoll unterstützt haben, sowie bei mei-ner Frau, Nadine-Madeleine, für die ich während der mehrjährigen Bearbeitungs-zeit des Öfteren nur sehr eingeschränkt zur Verfügung stand, vor allem wenn ich bei kniffligen Problemen stundenlang über meinem Laptop brütete. Ihr und mei-nem in dieser Zeit geborenen Sohn, Terence, sei dieses Buch gewidmet.

Swen Günther

Inhaltsverzeichnis

Geleitwort ............................................................................................................... V

Vorwort................................................................................................................ VII

Inhaltsverzeichnis ..................................................................................................IX

Abbildungsverzeichnis........................................................................................ XIII

Abkürzungsverzeichnis......................................................................................XVII

1 Möglichkeiten und Grenzen des Einsatzes von Design for Six Sigma im Produktentstehungsprozess (PEP) ......................................... 1

1.1 Problemstellung und Zielsetzung ........................................................... 1

1.1.1 Der wissenschaftliche Anspruch von Six Sigma und Design for Six Sigma...................................................................... 1

1.1.2 Empirische Befunde zum Einsatz und zur Verbreitung von Six Sigma................................................................................. 6

1.1.3 Theoriegeleitete Verbesserung des DFSS-Problemlösungs- zyklus als Ziel ............................................................................... 12

1.2 Untersuchungs- und Forschungsdesign ............................................... 17

1.2.1 Forschen im „mode 2“ – Verbindung von rigour und re- levance .......................................................................................... 17

1.2.2 Konzeptionelle Grundlagen und inhaltliche Vernetzung .............. 21

1.2.3 Aggregatbezogene Differenzierung auf vier Ebenen .................... 36

2 Six Sigma – Zeitgemäßes Managementkonzept zur Erzielung von Null-Fehler-Qualität im Wertschöpfungsprozess ...................................... 49

2.1 Bedeutungsinhalte und Dimensionen des Begriffs Manage- mentkonzept ........................................................................................... 49

2.1.1 Theoretische Begriffsdeutung nach Wortstamm........................... 49

2.1.2 Praktische Differenzierung nach Strategiepotenzial ..................... 53

2.2 Managementkonzepte zur Verbesserung der Prozess- und Produktqualität...................................................................................... 58

2.2.1 Kontinuierlicher Verbesserungsprozess (KVP) ............................ 58

2.2.2 Business Process Reengineering (BPR)........................................ 61

2.2.3 Six Sigma und Design for Six Sigma (DFSS) .............................. 64

X Inhaltsverzeichnis

2.2.4 Kritische Bewertung der Konzepte auf der Basis eines multidimensionalen Vergleichs..................................................... 67

2.3 „Weiche Hülle“ und „Harter Kern“ von Management- konzepten am Beispiel von Six Sigma .................................................. 75

2.3.1 These: Six Sigma als Mode........................................................... 75

2.3.2 Antithese: Six Sigma als Technologie .......................................... 81

2.3.3 Synthese: Six Sigma als Mode & Technologie............................. 85

3 Praxis-Theorie-Transformation als induktive Vorgehensweise: Vom konkreten zum abstrakten Vorgehensmodell ................................... 92

3.1 Qualität und Innovation als wichtige Effektivitätskriterien – Begriffsdefinitionen ............................................................................... 92

3.1.1 Fünf Dimensionen der Qualität als Ausgangspunkt für Six Sigma...................................................................................... 92

3.1.2 Drei Dimensionen der Innovation als Anforderung an DFSS....... 97

3.2 Vorgehensmodelle zur Generierung von Innovationen und Erreichung von Null-Fehler-Qualität ................................................ 102

3.2.1 Vorgehensmodelle zur kreativen Problemlösung ....................... 102

3.2.2 Innovationsprozess als selbstregulierender Prozess.................... 108

3.2.3 Vorgehensmodelle zur kontinuierlichen Verbesserung .............. 113

3.2.4 Qualitätsmanagement als selbstregulierender Prozess................ 118

3.3 Konzeption und Inhalte der Six Sigma-Verbesserungszyklen......... 129

3.3.1 DMAIC-Zyklus zur Prozessoptimierung .................................... 129

3.3.2 DMADV-Zyklus zur Neuproduktentwicklung ........................... 137

3.4 Formal-analytische Beschreibung und Analyse der Six Sigma-Verbesserungszyklen ........................................................................... 147

3.4.1 DMAIC-Zyklus als abstraktes Vorgehensmodell ....................... 147

3.4.2 DMADV-Zyklus als abstraktes Vorgehensmodell ..................... 152

4 Mathematische Vorgehensmodelle zur funktionellen Optimie- rung und Lösung schwieriger Probleme................................................... 158

4.1 Anwendung von Algorithmen/ Heuristiken zum Auffinden des Optimums einer Zielfunktion – Begriffsdefinitionen................. 158

4.1.1 Mathematische Optimierung und Optimierungsrechnung .......... 158

4.1.2 Algorithmen und Heuristiken zum Auffinden des Optimums .... 160

Inhaltsverzeichnis XI

4.2 Klassische Algorithmen....................................................................... 163

4.2.1 Extremwertberechnung bei bekanntem/ unbekanntem Funktionsverlauf ......................................................................... 163

4.2.2 Analytische vs. statistische Verfahren zur Extremwert- berechnung.................................................................................. 173

4.2.3 Exakte vs. heuristische Lösungsverfahren für Optimie- rungsprobleme ............................................................................ 189

4.3 Evolutionäre Algorithmen .................................................................. 194

4.3.1 Die natürliche Evolution als Vorbild zur Lösung komp- lexer Probleme ............................................................................ 195

4.3.2 Evolutionäre Ökonomik – Übertragung evolutionärer Prin- zipien auf die Organisations-/ Managementwissenschaften ....... 200

4.3.3 Evolutionary Design – Anwendung evolutionärer Algo- rithmen in der Forschung & Entwicklung................................... 207

4.3.4 Grundkonzeption und Programmierung von Genetischen Algorithmen am Beispiel ............................................................ 212

5 Theorie-Praxis-Transformation als deduktive Vorgehensweise: Vom abstrakten zum konkreten Vorgehensmodell ................................. 229

5.1 Abgeleitetes Vorgehensmodell 1: DMAIDV-Zyklus als er- weiterter DFSS-Problemlösungszyklus.............................................. 229

5.1.1 Vorgehensmodell mit 5+1 Phasen .............................................. 229

5.1.2 Vorgehen und Methoden der Innovate-Phase ............................. 230

5.2 Abgeleitetes Vorgehensmodell 2: IESRM-Zyklus als kon- krete Anwendung Evolutionärer Algorithmen ................................. 237

5.2.1 Vorgehensmodell mit 5 Phasen .................................................. 237

5.2.2 Phasenbezogener Methodeneinsatz............................................. 246

5.3 Empirische Überprüfung der Effektivität der entwickelten Vorgehensmodelle an Beispielen ........................................................ 269

5.3.1 Optimierung der Flugzeit eines Papier-Rotors (Labor- experiment) ................................................................................. 269

5.3.2 Optimierung der Kehreigenschaften eines Straßenbesens (Fallstudie) .................................................................................. 305

6 Zusammenfassung, Schlussfolgerungen und Ausblick............................ 333

Literaturverzeichnis ............................................................................................. 349

Abbildungsverzeichnis

Abb. 1–1: Der Problemlösungsfluss in Six Sigma-Projekten.............................. 5

Abb. 1–2: Phasen der DFSS-Vorgehensmodelle im Überblick........................... 7

Abb. 1–3: Six Sigma-Projekte und Handlungsbedarfe für Verbesserungen........ 9

Abb. 1–4: Von der Primären Praxis zur Theoriegeleiteten Verbesserung des DFSS-Problemlösungszyklus..................................................... 16

Abb. 1–5: Einordnung der Dissertationsschrift in die Forschungstypologie nach Anderson/ Herriot/ Hodgkinson (2001) ................................... 18

Abb. 1–6: Struktur der Arbeit............................................................................ 23

Abb. 1–7: Vorgehen der Untersuchung (Untersuchungsdesign) ....................... 30

Abb. 1–8: Vernetzung der Inhalte (Forschungsdesign) ......................................... 38

Abb. 1–9: Überprüfung der Hypothesen (Prüfungsdesign) ................................... 48

Abb. 2–1: Inhalte/ Wirkungsbereiche von Managementkonzepten................... 52

Abb. 2–2: Strategie-Potenzial-Portfolio ausgewählter Managementkonzepte .. 57

Abb. 2–3: Das Führungsmodell Total Quality Management............................. 60

Abb. 2–4: Das Reorganisationsmodell Business Process Reengineering.......... 63

Abb. 2–5: Die Six Sigma Umsetzungstreiber.................................................... 66

Abb. 2–6: 10-Punkte-Kriterienraster zum Vergleich von KVP, Six Sigma und BPR ........................................................................................... 70

Abb. 2–7: Diffusionskurve eines neuen Managementkonzeptes....................... 77

Abb. 2–8: Kennzeichen von Managementmoden am Beispiel von Six Sigma .80

Abb. 2–9: Gegenüberstellung von Daten- und Konzeptwissen......................... 82

Abb. 2–10: DMAIC-Zyklus als Technologie zur Problemlösung bei Six Sigma................................................................................................ 86

Abb. 2–11: DMAIC-Zyklus als „harter Kern“ im Six Sigma-Rahmenkonzept .. 89

Abb. 3–1: Die prozessuale Vernetzung der fünf Qualitätsdimensionen nach Garvin (1984)........................................................................... 95

Abb. 3–2: Basisinnovationen als Grundlage für Technologiesprünge ............ 100

Abb. 3–3: Kriterienbasierte Bewertung der Vorgehensmodelle...................... 105

Abb. 3–4: Problemlösungsprozess nach dem OPM-Modell (Schema) ........... 108

XIV Abbildungsverzeichnis

Abb. 3–5: Innovationsprozess als kybernetischer Prozess .............................. 111

Abb. 3–6: Modell der Qualitätsregelung nach DIN EN ISO 9001:2000......... 114

Abb. 3–7: Kontinuierliche Verbesserung mit dem PDCA-Zyklus .................. 117

Abb. 3–8: Qualitätsmanagement als kybernetischer Prozess .......................... 121

Abb. 3–9: Die fünf Phasen des DMAIC-Zyklus ............................................. 135

Abb. 3–10: Die fünf Phasen des DMADV-Zyklus............................................ 141

Abb. 3–11: Rekonstruktion des DMAIC-Zyklus als analytisches Optimie- rungsmodell .................................................................................... 148

Abb. 3–12: Rekonstruktion des DMADV-Zyklus als analytisches Optimie- rungsmodell .................................................................................... 153

Abb. 4–1: Schematische Darstellung des Sekantenverfahrens ........................ 164

Abb. 4–2: Schematische Darstellung des Tangentenverfahrens...................... 166

Abb. 4–3: Graphische Lösung eines linearen Optimierungsproblems ............ 175

Abb. 4–4: . 3D-Oberflächen-Plots für empirische und geschätzte y-Werte auf Basis eines Polynoms 2. Grades mit einem lokalen Maximum...... 183

Abb. 4–5: Herleitung der Versuchsanordnung für Central-Composite-Design (CCD) bei zwei unabhängigen Faktoren ........................................ 185

Abb. 4–6: Sequentielles Vorgehen nach der Methode des steilsten Anstiegs .187

Abb. 4–7: Sequentielles Vorgehen nach dem Simplex-Verfahren .................. 188

Abb. 4–8: Terminologie von Evolutionären Algorithmen .............................. 199

Abb. 4–9: Vergleich von Evolutorischer und Klassischer Ökonomik............. 202

Abb. 4–10: Das Forschungsprogramm der Evolutorischen Ökonomik............. 203

Abb. 4–11: Die vier Felder des Evolutionary Design (ED)............................... 208

Abb. 4–12: Grundkonzeption eines Genetischen Algorithmus (GA)................ 213

Abb. 4–13: Schema für die binäre Lösungscodierung bei einem GA ............... 215

Abb. 4–14: Funktionelle Abhängigkeiten bei der Ermittlung der Fitness ......... 216

Abb. 4–15: Schematischer Zusammenhang zwischen Codier- und Suchraum .218

Abb. 4–16: Morphologischer Kasten zur Einordnung von GAs ....................... 222

Abb. 4–17: Fitnessfunktion fit(y) mit zwei lokalen Maxima ............................ 224

Abb. 4–18: Initialisierung und Evaluierung der Ausgangspopulation .............. 225

Abb. 4–19: Programmiercode für die Erzeugung von Mutationen ................... 226

Abbildungsverzeichnis XV

Abb. 4–20: Entwicklung der durchschnittlichen Fitness über die Zeit.............. 227

Abb. 5–1: Der erweiterte DMADV-Zyklus..................................................... 231

Abb. 5–2: Konzeption und Inhalte der 4 TRIZ-Säulen ................................... 233

Abb. 5–3: Kontinuierliche Verbesserung mit IESRM-Zyklus ........................ 238

Abb. 5–4: Das „magische Dreieck“ der evolutionären Produktentwicklung .. 240

Abb. 5–5: Die fünf Phasen des IESRM-Zyklus .............................................. 247

Abb. 5–6: Morphologischer Kasten am Beispiel Kugelschreiber ................... 252

Abb. 5–7: Codier-Tableau am Beispiel Kugelschreiber (Ausschnitt) ............. 253

Abb. 5–8: Nutzwertanalyse am Beispiel Kugelschreiber ................................ 257

Abb. 5–9: Entwicklung der durchschnittlichen Fitness der Population........... 259

Abb. 5–10: Vorgehen bei proportionaler Selektion am Beispiel....................... 263

Abb. 5–11: Vorgehen bei rangbasierter Selektion am Beispiel......................... 264

Abb. 5–12: 1-Point-Crossover mit Flipmutation am Beispiel ........................... 266

Abb. 5–13: Abmessungen des Papier-Rotors .................................................... 270

Abb. 5–14: Projektcharter für die Optimierung des Papier-Rotors ................... 272

Abb. 5–15: Gage R&R-Ergebnisse mit Minitab für Papier-Rotor .................... 274

Abb. 5–16: Ishikawa-Diagramm für Papier-Rotor ............................................ 276

Abb. 5–17: Vollfaktorieller 23-Versuchsplan für Papier-Rotor ........................ 278

Abb. 5–18: Pareto-Chart der standardisierten Effekte beim Papier-Rotor ........ 280

Abb. 5–19: Cube Plot mit mittleren Flugzeiten der Papier-Rotoren ................. 281

Abb. 5–20: Altschuller´sche Konflikte-Matrix (Auszug).................................. 285

Abb. 5–21: Definierter Suchraum zum Auffinden des optimalen Rotors ......... 289

Abb. 5–22: Zufällig erzeugte Ausgangspopulation mit 10 Rotoren und dekadischer Darstellung der Merkmalsausprägungen .................... 290

Abb. 5–23: Zufällig erzeugte Ausgangspopulation mit 10 Rotoren und binärer Darstellung der Merkmalsausprägungen............................ 291

Abb. 5–24: Bewertungsschema zur Ermittlung der Fitness der Rotoren in der Ausgangspopulation ................................................................. 293

Abb. 5–25: Fitnessproportionale Selektion der Rotoren mit Angabe der Häufigkeitsverteilung zur Bildung der Intermediärpopulation....... 294

Abb. 5–26: Vorgehen zur Erzeugung der Kindergeneration am Beispiel .... 296

XVI Abbildungsverzeichnis

Abb. 5–27: 1-Point-Crossover-Verfahren am Beispiel Papier-Rotor ................ 296

Abb. 5–28: Population nach 1. Optimierungsrunde mit binärer Darstellung der Merkmalsausprägungen und zufälliger Flip-Mutation ............. 297

Abb. 5–29: Entwicklung der Fitness der Rotoren-Population in 10 Runden .... 298

Abb. 5–30: Wesentliche Designtypen in der Endpopulation der Rotor-Optimierung ................................................................................... 300

Abb. 5–31: Definierter Suchraum zum Auffinden des optimalen „robusten“ Papier-Rotors (2. Verbesserungszyklus) ........................................ 301

Abb. 5–32: Entwicklung der Fitness der Rotoren-Population innerhalb von 10 Runden (2. Verbesserungszyklus) ............................................. 302

Abb. 5–33: Projektcharter für die Optimierung von Straßenbesen ................... 306

Abb. 5–34: Kennlinie für die Kehreigenschaften eines Besens (Beispiel) ........ 311

Abb. 5–35: Ablaufschema zur Reinigung der normierten Kehrfläche .............. 313

Abb. 5–36: Ishikawa-Diagramm zur Beeinflussung der Kehrwirkung ............. 316

Abb. 5–37: Skizze zur Dimensionierung eines Straßenbesens.......................... 317

Abb. 5–38: Pareto-Chart der standardisierten Effekte beim Besen ................... 319

Abb. 5–39: Morphologischer Kasten zur Bestimmung der Ausgangs- population....................................................................................... 320

Abb. 5–40: Codier-Tableau zur Lösungsrepräsentation auf der Genotyp- ebene (Ausschnitt) .......................................................................... 321

Abb. 5–41: Daten zur Ermittlung der Fitnesswerte für die Besen der Aus-gangspopulation.............................................................................. 322

Abb. 5–42: Selektion der Besen nach dem Roulette-Wheel-Verfahren ............ 324

Abb. 5–43: Rekombination der Besen der 1. Elterngeneration per Zufalls....... 324

Abb. 5–44: Population für 2. Optimierungsrunde in dekadischer und binärer Darstellung ......................................................................... 325

Abb. 5–45: Entwicklung der Fitness der Besen-Population.............................. 327

Abb. 5–46: Morphologischer Kasten mit Profillinien für beste Besen.............. 328

Abb. 5–47: Gegenüberstellung von DMADV, DMAIDV und IESRM ............ 331

Abb. 6–1: Übersicht der Hypothesen und empirische Belege ......................... 336

Abkürzungsverzeichnis

6σ Six Sigma als statistische Messgröße 7 M Mensch, Maschine, Messung, Material, Methode, Mitwelt, Mana-

gement Abb. Abbildung ACO Ant Colony Optimization (Ameisenalgorithmus) A-E Arenga-Elaston AFE Antizipierende Fehlererkennung AL Artificial Life (Künstliche Lebensformen) ANOVA Analysis of Variances (Varianzanalyse) ARIZ Algoritm Reshenije Izobretatjelskich Zadacz (russ. Akronym) Aufl. Auflage α-Fehler Fehler 1. Art bei Statistischem Test β-Fehler Fehler 1. Art bei Statistischem Test BB Black Belt BBD Box-Behnken-Design BE Business Excellence BFGS Broyden-Fletcher-Goldfarb-Shanno BPM/ BPR Business Process Management/ Business Process Reengineering BSC Balanced Scorecard, Balanced Score Card BSH Bosch Siemens Hausgeräte bspw. beispielsweise BVW Betriebliches Vorschlagwesen BWL Betriebswirtschaftslehre bzgl. bezüglich bzw. beziehungsweise ca. circa CAD Computer Aided Design CAM Computer Aided Manufacturing CCD Central-Composite-Design CCM Core Competence Management C/D Confirmation/ Disconfirmation

XVIII Abkürzungsverzeichnis

CDF Cumulative Density Function (Kumulierte Häufigkeitsverteilung) CED Creative Evolutionary Design CEO Chief Executive Officer CI Confidence Interval (Konfidenzintervall) CIP Contineous Improvement Process, auch KVP cm Zentimeter CM Conjoint Measurement, auch Conjoint Analyse CNC Computerized Numerical Control COPQ Cost of Poor Quality (Fehlerkosten) CP Wahrgenommenes Kostenführerschaftspotenzial c.p. ceteris paribus Cp Prozessfähigkeitsindex (Streuungsindex) Cpk Prozessfähigkeitsindex (Lageindex) CPS Creative Problem Solving CRM Customer Relationship Management CSI Customer Satisfaction Index CTB Critical to Business CTC Critical to Customer CTP Critical to Process CTQ Critical to Quality (Characteristic) CTQs Critical to Qualities χ2 Chi-Quadrat Δ Granularität (Genauigkeit) d.b. das bedeutet DCCDI Define, Customer, Concept, Design, Implementation df Anzahl der Freiheitsgrade d.h. das heißt DFMA Design for Manufacturing and Assembly DFSS Design for Six Sigma DIN Deutsche Industrie Norm DLZ Durchlaufzeit DMADV Define, Measure, Analyse, Design, Verify DMAIDV Define, Measure, Analyse, Innovate, Design, Verify DMAIC Define, Measure, Analyse, Improve, Control

Akürzungsverzeichnis XIX

DMEDI Define, Measure, Explore, Develop, Implement DNS Desoxyribonucleinsäure DOE Design of Experiments (Statistische Versuchsplanung) DP Wahrgenommenes Differenzierungspotenzial DPMO Defects Per Million Opportunities (Fehler pro 1 Mio. Fehlermög-

lichkeiten) DPU Defects Per Unit (Fehler pro Einheit) ε bzw. e Residuum EA Evolutionärer Algorithmus EAL Evolutionary Artificial Life-Forms EArt Evolutionary Art EBF Erzgebirgische Bürstenfabrik EC Evolutionary Computation ED Evolutionary Design EDO Evolutionary Design Optimisation EDV Elektronische Datenverarbeitung EFQM European Foundation for Quality Management ehem. ehemalig EN Europäische Norm EP Evolutionäre Programmierung ES Evolutionsstrategien ESRM Evaluierung, Selektion, Rekombination, Mutation et al. et alii (lat. und andere) etc. et cetera EVA Economic Value Added EVOP Evolutionary Operations F&E Forschung und Entwicklung f. folgende ff. fortfolgende fit Fitness FMEA Fehler-Möglichkeits und Einfluss-Analyse FTY First Time Yield (Ausbeute ohne Nacharbeit) FWW Faktorwechselwirkung g Gramm

XX Abkürzungsverzeichnis

GA Genetischer Algorithmus Gage R&R Messsystemanalyse (Reliability & Reproducibility) % R&R Messfähigkeitsindex GB Green Belt GE General Electric GEMS GE Medical Systems GG Grundgesamtheit ggf. gegebenenfalls GmbH Gesellschaft mit beschränkter Haftung GP Genetische Programmierung GPM Geschäftsprozessmanagement GRR Messsystemfehler GS Growth Strategies h Stunde H0 Nullhypothese bei Statistischem Test H1 Alternativhypothese bei Statistischem Test HoQ House of Quality Hrsg. Herausgeber i.A. im Allgemeinen i.d.R. in der Regel IESRM Initialisierung, Evaluierung, Selektion, Rekombination, Mutation i.e.S. im engeren Sinn i.H.v. in Höhe von i.O. in Ordnung i.w.S. im weiteren Sinn IM Innovationsmanagement inkl. inklusive insb. insbesondere IPO Input, Process, Output ISO International Organization for Standardization i.S.v. im Sinne von IT Informationstechnologie Jg. Jahrgang JIT Just in Time

Akürzungsverzeichnis XXI

KBI Kundenbindungsindex KKT Karush-Kuhn-Tucker KM Knowledge Management KNN Künstlich Neuronale Netze kg Kilogramm KPI Key Performance Indicator (Steuerungsgröße) KTQ Kooperation für Transparenz und Qualität im Gesundheitswesen KVP Kontinuierlicher Verbesserungsprozess L Lern-/ Degressionsrate LCL bzw. UEG Lower Control Limit (Untere Eingriffsgrenze) LDS Lightspeed Diagnostic Scanner lg Dekadischer Logarithmus LM Lean Management LMS Learning Management System ln Natürlicher Logarithmus LP Linear Programming (Lineare Optimierung) LSA Local Search Approaches (Lokale Suchverfahren) LSM Least Squares Method (Methode der kleinsten Quadrate) LSL bzw. USG Lower Specification Limit (Untere Spezifikationsgrenze) LSS Lean Six Sigma μ bzw. E Mu – Erwartungswert der Grundgesamtheit m Meter M Merkmal MA Mitarbeiter M&A Mergers & Acqusisitions MAIC Measure, Analyse, Improve, Control max Maximiere MBB Master Black Belt MBNQA Malcolm Baldrige National Quality Award MbO Management by Objectives m.E. mit Einschränkung MGP Multi Generation Plan Mio. Million min Minimiere

XXII Abkürzungsverzeichnis

min. minimal mind. mindestens mm Millimeter MPI Milestone Perfomance Index MPSP Management-Planungs-Steuerungs-Programm Mrd. Milliarde MSE Mean Square Error (Mittlerer quadratischer Fehler) MT Manntage n Stichprobengröße N(µ; σ) o. NV Normalverteilung NB Nebenbedingung n.i.O. nicht in Ordnung NIST National Institute of Standards and Technology NLP Non-linear Programming (Nicht-lineare Optimierung) NNB Nichtnegativitätsbedingung NW Nutzwert NY Normalized Yield (Normierte durchschnittliche Ausbeute) OE Organisationsentwicklung OEM Original Equipment Manufacturer OFAT One Factor At Time OFD Opportunities For Defects (Fehlermöglichkeiten) o.g. oben genannt OPM Offenes Problemlösungsmodell OT Organisationstransformation p Wahrscheinlichkeit PBR Projekt Business Review PDCA Plan, Do, Check, Act PEP Produktentstehungsprozess PERT Project Evaluation and Review Technique Pop Population PPM Parts Per Million (Fehler pro 1 Mio. gefertigte Teile) PPS Produktionsplanung und -steuerung PR Public Relation P-Regelkarte Prozess-Regelkarte

Akürzungsverzeichnis XXIII

p-Wert Signifikanzwert bei Statistischem Test QC Quality Circle QFD Quality Function Deployment QL Quality Leader QM Qualitätsmanagement QMS Qualitätsmanagement-System Q-Regelkarte Qualitätsregelkarte QS Quality System QVS Qualitätsverbesserungssystem R Spannweite r Korrelationskoeffizient R-sq bzw. R2 Bestimmtheitsmaß RPZ Risikoprioritätszahl RSM Response Surface Methodology RTY Rolled Throughput Yield (Durchschnittliche Ausbeute) σ Sigma – Standardabweichung der Grundgesamtheit σ2 Varianz der Grundgesamtheit S bzw. StDev Standardabweichung der Stichprobe s2 bzw. Var Varianz der Stichprobe s Sekunden s. siehe SA Simulated Annealing s.o. siehe oben S/N Signal to Noise SS Sum of Squares (Summe der quadrierten Abweichungen) Sample Stichprobe SIPOC Supplier Input Process Output Costumer SIS System Installation Status sog. sogenannte SPC Statistical Process Control / Statistische Prozesskontrolle SQP Sequential Quadratic Program SRM Selektion, Rekombination, Mutation SRP Saving Realisation Plan SSCI Social Science Citation Index

XXIV Abkürzungsverzeichnis

SVM Shareholder Value Management SVP Senior Vice President SWOT Strengths Weaknesses Opportunities Threats TIPS Theory of Inventive Problem Solving T Toleranz TPM Total Productive Maintenance TQM Total Quality Management TRIZ Theorija Reshenija Izobretatjelskich Zadacz (russ. Akronym) TSP Traveling Salesman-Problem u.a. unter anderem u.ä. und ähnliche UCVP Unique Customer Value Proposition u.U. unter Umständen UCL bzw. OEG Upper Control Limit (Obere Eingriffsgrenze) USL bzw. OSG Upper Specification Limit (Obere Spezifikationsgrenze) USP Unique Selling Proposition usw. und so weiter VA Verfahrensanweisung VC Virtual Corporations VDA Verband der Automobilindustrie vgl. vergleiche VOC Voice of the Customer vs. versus WS Wertschöpfung w.z.b.i. was zu beweisen ist X-bar bzw.⎯x Mittelwert der Stichprobe Xs Input-/ Prozessmessgrößen Ys Outputmessgrößen z.B. zum Beispiel z.T. zum Teil ZDF Zahlen, Daten, Fakten ZI Zielkostenindex ZP Zielplanung ZV Zielvereinbarung

1 Möglichkeiten und Grenzen des Einsatzes von Design for Six Sigma im Produktentstehungsprozess (PEP)

Der Einsatz von Six Sigma im Produktentstehungsprozess (PEP) wird bereits seit geraumer Zeit unter dem Schlagwort „Design for Six Sigma“ (DFSS) diskutiert. Es existieren verschiedene Ansätze, wie die von Six Sigma geforderte Null-Fehler-Qualität am besten in den PEP zu integrieren sei. Als vorläufige Best prac-tice gilt ein auf die Anforderungen des F&E-Bereichs abgestimmter Six Sigma-Problemlösungszyklus. Dieser wurde in der Vergangenheit jedoch nur von weni-gen Unternehmen mit nachweisbarem Erfolg eingesetzt. Die Gründe hierfür sind vielfältig und bis dato nur wenig erforscht. Nach Expertenmeinung liegt das Scheitern von DFSS-Projekten vor allem in der bestehenden Austauschbeziehung (Trade-off) zwischen hoher Produktqualität auf der einen Seite und der Forderung nach einem hohen Innovationsgrad auf der anderen Seite begründet. Ob und wie dieser Trade-off aus wissenschaftlicher Sicht gelöst werden kann, ist Gegenstand der vorliegenden Dissertationsschrift. In diesem Zusammenhang wird sowohl auf die praktische Relevanz (relevance) der Forschungsergebnisse als auch auf die methodische Stringenz (rigour) des Bearbeitungsprozesses geachtet.

1.1 Problemstellung und Zielsetzung

1.1.1 Der wissenschaftliche Anspruch von (Design for) Six Sigma

Durch die Globalisierung der Märkte wird der Wettbewerbsdruck, der auf den Unternehmen lastet, immer stärker. Dieser Druck resultiert aus einer drastischen Verkürzung der Produktlebenszyklen, inkl. der Entwicklungszeiten, einem konti-nuierlich anwachsenden Preiskampf mit einhergehenden Kostenreduzierungen sowie einem ständig steigenden Qualitätsanspruch der Kunden. Die Beherrschung des magischen Dreiecks Kosten-Zeit-Qualität stellt heute in vielen Wirtschaftsbe-reichen eine wesentliche Anforderung an den Fortbestand der Unternehmen dar. Darüber hinaus ist in vielen Branchen ein ständig steigender Innovationsdruck zu beobachten (vgl. z.B. BCG Innovationsstudie 2006). Unternehmen, die insb. auf technologieorientierten Feldern tätig sind, haben erkannt, dass sich die Zukunft nur mit neuen, innovativen Produkten und Prozessen nachhaltig sichern lässt. Aus diesem Grund besteht ein starkes Interesse daran, Produktentstehungsprozesse zu definieren und zu implementieren, die diesen Anforderungen gerecht werden.

Um wettbewerbsfähige Produkte zu entwickeln, sind neben klar definierten Vor-gehensmodellen Methoden notwendig, welche die Suche nach neuartigen Prob-lemlösungen unterstützen. Die Ausnutzung von biologischen Phänomenen und Erkenntnissen (Bionik) ist dabei nur eine von vielen Ansätzen, um die allgemein einsetzbaren technischen Entwicklungs- und Konstruktionswerkzeuge, z.B. nach VDI 2221ff., wirkungsvoll zu ergänzen (vgl. Günther 2004, S. 1).

2 1 Einsatz von Design for Six Sigma im Produktentstehungsprozess

Zu einer umfassenderen Sicht der Qualitätssicherung in Unternehmen hat maßgeb-lich der japanische Statistiker und Qualitätsexperte GENICHI TAGUCHI (1989) beigetragen. Den Hauptansatzpunkt zur Erhöhung der Produktqualität sieht er in der Verringerung der Streuung der zugrundeliegenden Leistungserstellungsprozes-se. Diesem Aspekt der Qualitätssicherung trägt insbesondere die Six Sigma-Philo-sophie Rechnung. JACK WELCH, ehem. CEO von General Electric (GE) und maß-geblicher Förderer und Gestalter von Six Sigma im Unternehmen1, machte hierzu die treffende Bemerkung: „Abweichung ist der Teufel in allen Kundenkontakten!“ (vgl. Garthe 2002, S. 343ff.). Damit unterstrich er die Auffassung, dass den Kun-den die Verbesserung der internen Prozesse nicht interessiert, sondern nur, ob seine Anforderungen und Erwartungen durch das Produkt/ die Dienstleistung vollständig erfüllt werden. Deshalb sind alle Geschäftsprozesse unmittelbar auf die Bedürfnisse/ Anforderungen des Kunden auszurichten. Nur wenn dies gegeben ist, kann von einer wertorientierten Unternehmenstätigkeit gesprochen werden, die – bei wirtschaftlicher Umsetzung der Kundenanforderungen im Unternehmen – finanziellen Erfolg nach sich zieht (vgl. Töpfer 2006, S. 424ff.).

Welche Erkenntnis lässt sich im Hinblick auf die Gestaltung und den Einsatz von Managementkonzepten daraus ziehen? Konzepte, die eine höhere Effizienz (Wirt-schaftlichkeit) der Prozessabläufe bewirken, müssen noch lange nicht die Effekti-vität (Zielerreichungsgrad) des Unternehmens verbessern; „Die Dinge richtig tun“ ist nicht gleich „Die richtigen Dinge tun“ (vgl. Töpfer 2007a, S. 75).

In Bezug auf Six Sigma hat PRADEEP B. DESHPANDE2 (2004) den Sachverhalt wie folgt auf den Punkt gebracht: „We need to remember, all Six Sigma does is to enable us to operate our work processes in the best possible manner. Nothing more, nothing less. It is quite possible you are operating all your work processes the Six Sigma way, but your competition has come up with a better business model or better technology which could cost you marketshare. [...] it is quite pos-sible for a company to be six sigma compliant and yet go bankrupt. Six Sigma does not make us better innovators, but since it shows how to work smarter and not harder, there is more time available for innovation.” Die Erzeugung von Inno-vationen steht also nicht im Mittelpunkt von Six Sigma; diese Aufgabe fällt dem in der Wertschöpfungskette vorgelagerten Ansatz des Design for Six Sigma (DFSS) zu (vgl. hierzu und im Folgenden Töpfer/ Günther 2007b, S. 106).

Das Six Sigma-Konzept wurde bei Motorola entwickelt und im Jahr 1987 offiziell eingeführt (vgl. Baetke/ Hammer/ Zalesky 2002, S. 2ff.). Der Name „Six Sigma“ geht auf den damals federführenden Qualitätsingenieur, BILL SMITH, am Standort

1 Unter JEFFREY R. IMMELT, dem neuen CEO von GE seit 2001 und ausgebildeten Black

Belt, wird die Six Sigma Initiative mit der gleichen hohen Priorität weitergeführt (vgl. Effinger/ Layne 2002, S. 2f.).

2 President and CEO of Six Sigma & Advanced Controls, Inc. and Professor of Chemical Engineering at the University of Louisville

1.1 Problemstellung und Zielsetzung 3

Schaumburg, Illinois, USA zurück. Sein Ansatz bestand darin, die z.T. mangelnde Kundenorientierung im Rahmen von existierenden ganzheitlichen QM-Konzepten zu beseitigen. Oftmals führte zwar die Umsetzung von Total Quality Management zu einem hohen Qualitätsniveau, jedoch blieb die Kundenzufriedenheit weiterhin auf einem relativ niedrigen Niveau. Für sein Vorhaben, eine kundenorientierte Null-Fehler-Strategie im Unternehmen zu implementieren, formulierte er deshalb die folgenden zwei „forschungsleitenden“ Fragen:

• Was heißt Kundenorientierung im Technologieunternehmen Motorola?

• Wie wird Kundenorientierung im Unternehmen wirkungsvoll umgesetzt?

Obwohl es, insb. im Bereich der Psychologie, eine Reihe von Ansätzen und Theo-rien zum Themengebiet gibt, wählte Bill Smith einen eher pragmatischen Ansatz, der unter dem Slogan „Customer focused Quality“ weltweit Bekanntheit erlangte. Im Kern geht es darum, eine stringente Projektmanagementmethode zu implemen-tieren, welche die Erfüllung der wesentlichen Kundenanforderungen (CTQs – Critical to Quality Characteristics) erlaubt und gleichzeitig zu optimierten, d.h. fehlerfreien Prozessen führt (vgl. Töpfer/ Günther 2007a, S. 18).

Die projektorientierte Ausrichtung von Six Sigma konkretisiert sich heute in zwei standardisierten Vorgehensweisen, nämlich dem DMAIC-Zyklus mit den fünf Phasen Define, Measure, Analyse, Improve und Control sowie dem DMADV-Zyklus mit den fünf Phasen Define, Measure, Analyse, Design und Verify. Beide Projektzyklen basieren auf dem klassischen DEMING-Zyklus PDCA (Plan, Do, Check, Act) und setzen bei der Messung und Analyse von wesentlichen Kunden-anforderungen an. Die unterschiedliche Phasenabfolge resultiert in erster Linie aus dem problemspezifischen Anwendungsbereich3: Während der DMAIC-Zyklus bei der Verbesserung von bestehenden Prozessen im Unternehmen zum Einsatz kommt, richtet sich die Anwendung des DMADV-Zyklus auf die Neuproduktpla-nung und -entwicklung (vgl. Töpfer/ Günther 2007b, S. 107ff.).

Die Philosophie von Six Sigma beruht im Wesentlichen darauf, durch eine zielge-richtete Übersetzung der „Stimme des Kunden“ (VOC – Voice of the Customer) in die „Sprache des Prozesses“ (VOP – Voice of the Process) Produkte und Dienstleistungen mit hoher Qualität zu erzeugen und so Wirtschaftlichkeit, also Effizienz, mit Kundenzufriedenheit, also Effektivität, zu verbinden. Richtet sich die Kundenstimme auf ein am Markt eingeführtes Produkt bzw. einen bestehenden

3 Bildlich gesprochen stellt dieses entwicklungsbezogene Six Sigma einen „Blick durch

die Frontscheibe“ dar, da hier zukünftig wichtige Kundenanforderungen ermittelt und erfüllt werden. Demgegenüber ermöglicht das prozessbezogene Six Sigma auf der Basis des DMAIC-Zyklus einen „Blick durch den Rückspiegel“. Ziel ist es, den aktuellen Wertschöpfungsprozess im Hinblick auf eine höhere Kundenzufriedenheit/ -bindung sowie eine effizientere Aufbau-/ Ablauforganisation in kurzer Zeit signifikant zu verbessern (vgl. Töpfer/ Günther 2007a, S. 10).

4 1 Einsatz von Design for Six Sigma im Produktentstehungsprozess

Prozess im Unternehmen, dann stehen bei der Bearbeitung des Verbesserungspro-jektes anhand des DMAIC-Zyklus die folgenden fünf Fragen im Mittelpunkt:

• Define: Was ist das Problem?/ Was ist das Projektziel?

• Measure: Wie lassen sich die Auswirkungen messen?

• Analyse: Was sind die Hauptursachen für das Problem?

• Improve: Wie lässt sich das Problem dauerhaft beseitigen?

• Control: Wie wird die Problemlösung praktisch umgesetzt?

Analog hierzu lässt sich für den DMADV-Zyklus ein Fragenkatalog konzipieren, der die speziellen Anforderungen im F&E-Bereich berücksichtigt. In den fünf Phasen werden dabei die folgenden Fragen schwerpunktmäßig behandelt:

• Define: Welche Produktlösung ist veraltet/ nicht mehr wettbewerbsfähig?

• Measure: Was sind die wesentlichen zukünftigen Kundenanforderungen?

• Analyse: Wie lassen sich die Kundenanforderungen bestmöglich erfüllen?

• Design: Was sind die konkreten Gestaltungsmerkmale des Produktes?

• Verify: Wie gut erfüllt das Produkt die Kundenanforderungen in praxi?

Unabhängig von der Art des gewählten Problemlösungszyklus beruht die Ent-scheidungsfindung im Rahmen von Six Sigma bzw. Design for Six Sigma auf dem Prinzip „ZDF – Zahlen, Daten und Fakten“. Intuition der Projektbeteiligten und/ oder Trial-and-Error-Verfahren sind bewusst ausgeschlossen und in keiner Phase des DMAIC-Zyklus explizit vorgesehen. Die Problemlösung erfolgt systematisch und zeichnet sich über weite Strecken durch eine analytische Vorgehensweise aus. Dabei werden zwei Ebenen der Problemlösung unterschieden (vgl. hierzu und im Folgenden Töpfer/ Günther/ Garzinsky 2007, S. 262ff.): Realitätsebene und Abs-traktionsebene. Durch diese Trennung ist es möglich, auch schwierige praktische Probleme zu lösen. Unter Berücksichtigung der zwei Ebenen vollzieht sich die Lösungsfindung in fünf Schritten (siehe Abb. 1-1):

(1) Auf der Realitätsebene wird das reale Problem definiert und – in der Define-Phase – zu einem 3- bis 6-monatigen Verbesserungsprojekt nominiert; dieses ist von drei bis fünf Akteuren in dem vorgesehenen Zeitraum zu bearbeiten.

(2) Das reale Problem wird in ein abstraktes Problem transformiert, d.h. aus dem realen Problem wird – in der Measure-Phase – ein statistisches Problem, wel-ches mithilfe von Variablen und Messgrößen beschrieben werden kann.

(3) Auf der Abstraktionsebene wird unter Nutzung mathematisch-statistischer Modelle eine abstrakte Lösung gesucht. Mittels Regression et al. werden – in der Analyse-Phase – die Hauptursachen des Problems identifiziert.

1.1 Problemstellung und Zielsetzung 5

(4) In der anschließenden Improve-/ Design-Phase besteht das Ziel darin, die gefundene abstrakte Lösung durch Outputsimulationen abzusichern. Des Wei-teren werden Optionen für die konkrete Umsetzung eruiert.

(5) Die abstrakte Lösung wird in eine reale Lösung zurücktransformiert. Nach der Implementierung im Prozess wird die gefundene Lösung – in der Control-/ Verify-Phase – kontinuierlich überwacht und verbessert.

Abb. 1-1: Der Problemlösungsfluss in Six Sigma-Projekten

Die Denkweise von Six Sigma unterscheidet sich damit deutlich von bisherigen Ansätzen des Qualitätsmanagements, wie z.B. TQM. Dies liegt vor allem daran, dass die Implementierung einer Lösung in der Realität erst dann vorgenommen wird, wenn eine zufriedenstellende Lösung auf der Abstraktionsebene gefunden worden ist. In diesem Fall haben die Mittelwert- und Streuungsmaße der wesentli-chen Outputgrößen des Prozesses das anvisierte Zielniveau erreicht. Andernfalls werden die Measure- und Analyse-Phase so lange durchlaufen, bis die Abhängig-keiten in Form von Ursachen-Wirkungsbeziehungen offengelegt und die geplanten Verbesserungen über Outputsimulationen hinreichend abgesichert sind.

Die Anforderungen, die an den Problemlösungsprozess gestellt werden, decken sich im großen und ganzen mit denen des wissenschaftlichen Arbeitens (vgl. Kromrey 2002, S. 88): Problem definieren, Wissen generieren, Modell formulie-ren, Aussagen ableiten und überprüfen sowie ggf. Maßnahmen umsetzen. Vor diesem Hintergrund richtet sich das Erkenntnisinteresse bei Six Sigma nicht nur auf die zu verbessernde Sache, also was verbessert wird, sondern auch auf die zugrunde gelegte Vorgehensweise, also wie etwas verbessert wird. Obwohl DMAIC- und DMADV-Zyklus auf dem gleichen Problemlösungsprinzip basieren, unterscheiden sie sich in ihren generellen Erfolgaussichten z.T. signifikant. Wäh-

Reales Problem

AbstraktesProblem

Abstrakte Lösung

RealeLösung

Trial & Error1

4

5

2

Abstraktions-ebene

Realitäts-ebene

Modell-bildung

3

6 1 Einsatz von Design for Six Sigma im Produktentstehungsprozess

rend sich der DMAIC-Zyklus als prozessbezogener Verbesserungsansatz in der Praxis recht gut bewährt hat, stehen entsprechende Erfahrungsberichte für den DMADV-Zyklus und ggf. andere DFSS-Vorgehensmodelle noch aus.

1.1.2 Empirische Befunde zum Einsatz und zur Verbreitung von Six Sigma

Durch Berücksichtigung der Six Sigma-Philosophie in der Neuproduktentwick-lung respektive dem grundlegenden Re-Design von Produkten und Prozessen soll bereits von Produktionsstart an 6σ-Qualität, d.h. 99,99966% Fehlerfreiheit, er-reicht werden. Um F&E-Projekte möglichst ergebnisorientiert steuern und durch-führen zu können, wurden in der Vergangenheit eine Reihe von phasenorientierten Vorgehensmodellen entwickelt, z.B. DMADV, DMEDI und DCCDI.4 Die Mehr-heit der Six Sigma-Unternehmen hat sich für den DMADV-Zyklus entschieden, da er u.a. von den Six Sigma-Vorreiterunternehmen Motorola und General Elect-ric5 angewendet wird. Nach Bulk/ Faulhaber (2007, S. 406ff.) ist das Design von neuen Produkten und Prozessen einer von drei Eckpfeilern im Rahmen des ganz-heitlich ausgerichteten Six Sigma-Projektmanagements.

In Abb. 1-2 sind die Phasen von 10 Vorgehensmodellen aufgeführt, die im Zu-sammenhang mit DFSS seit geraumer Zeit diskutiert werden. Die Reihenfolge ergibt sich nach der Anzahl von Suchergebnissen (weltweit) für das entsprechende Akronym in Verbindung mit „Design for Six Sigma“ im Internet über die Such-maschine www.google.de (Stand: 25.06.2007).

4 DMEDI steht für Define, Measure, Explore, Develop and Implement und wird insb.

von der Beratungsgesellschaft PricewaterhouseCoopers propagiert (vgl. Simon 2002, S. 1f.). Das Akronym DCCDI beschreibt den 5-phasigen Zyklus Define, Customer, Concept, Design und Implementation. Von einigen Unternehmen wurde der DMADV-Zyklus in der Weise modifiziert, dass sie eine zusätzliche Phase „I“ für Implementation oder „L“ für Leverage eingeführt haben. Den einen Unternehmen ging es darum, die Wichtigkeit der Implementierung gefundener Lösungen hervorzuheben, während die anderen die Übertragung gefundener Lösungen auf die gesamte Organisation mit dem Ziel Hebelwirkungen zu erzielen als besonders wichtig ansahen.

5 Nach Deutsch (2000, S. C1) ist das radiologische Diagnosegerät Lightspeed Diagnostic Scanner (LDS) von GE Medical Systems (GEMS) das erste Produkt, welches nach dem DFSS-Ansatz entwickelt und konzipiert worden ist. An der Entwicklung waren Mitte der 1990er Jahre ca. 200 Mitarbeiter beteiligt bei einem F&E-Budget von 50 Mio. US-$. Über einen Zeitraum von 3 Jahren wurden insgesamt 250 DMADV-Projekte rund um das LDS durchgeführt. Im Ergebnis konnte die Fehlerrate in der Fertigung um 40% reduziert werden; die Anzahl der Reklamationen sank signifikant. Aus technologischer Sicht wurde ein deutlicher Sprung nach vorne gemacht. Wie Antony/ Bañuelas (2002, S. 335) berichten, reduzierte sich die Scanzeit für eine Ganzkörperuntersuchung von 3 Minuten auf 20 Sekunden ohne zusätzliche Kühlungszeit.

1.1 Problemstellung und Zielsetzung 7

Für den Einsatz und die Verbreitung verschiedener Management-Zyklen im Rah-men des Design for Six Sigma mit z.T. geringem Standardisierungsgrad lassen sich zwei Gründe anführen: Zum einen sind die branchen- und unternehmensspe-zifischen Bedingungen nicht gleich, so dass von den Unternehmen Vorgehenswei-sen gewählt werden, die aus ihrer Sicht den Anforderungen im Entwicklungspro-zess am nächsten kommen. Z.B. wird der DMEDI-Zyklus verstärkt in Service- und Dienstleistungs-Unternehmen eingesetzt, während der IDOV-Zyklus vor allem bei produzierenden Unternehmen im technischen Bereich zur Anwendung kommt (vgl. ProcessTeam 2006). Zum anderen besteht die Vermutung, dass bis-her noch kein geeignetes Vorgehensmodell für den Entwicklungsprozess gefunden worden ist, welches die Hauptanforderungen im PEP, nämlich qualitativ hochwer-tige Produkte mit innovativen Funktionen zu entwerfen, erfüllt.

Abb. 1-2: Phasen der DFSS-Vorgehensmodelle im Überblick

Diese These wird u.a. von verschiedenen Experten6 auf diesem Gebiet gestützt, die das Realisationsverhältnis von DMAIC- zu DMADV-Projekten auf bis zu 20 zu 1 schätzen, d.h. auf 1 erfolgreich durchgeführtes DFSS-Projekt kommen ca. 20 „klassische“ Six Sigma-Verbesserungsprojekte. Obwohl viele Unternehmen die Bedeutung von Null-Fehler-Qualität im Entwicklungsbereich erkannt haben, läuft

6 Ergebnisse auf der Basis einer mündlichen Befragung von ausgewählten QM- und Six

Sigma-Experten im Jahr 2006: Gebhard Mayer, MUTC; Gerd Streckfuss, IQM; Andre-as Riese und Dieter Wessel, TQC; Bernd Garzinsky, M+M.

Magnusson et al. (2004, S. 208) führen bei der Frage nach dem Reifegrad von Six Sigma aus, dass das Konzept im Bereich der Prozessentwicklung ein „ausgereiftes und erprobtes Verbesserungskonzept“ ist. In den Bereichen Designverbesserung, Projekt-management und Neuentwicklung von Produkten/ Technologien ist Six Sigma hinge-gen noch in der Entwicklung – weiterführende Anstrengungen sind hier notwendig.

PhasenTreffer in Google*

Vorgehens-modell

VerifyOptimiseCharacteriseDefine233DCOV

ImplementDesign Concept CustomerDefine351DCCDI

VerifyOptimiseDesign Concept 548CDOV

ImplementDevelopExploreMeasure Define644DMEDI

VerifyOptimiseDesignIdentify 2.030IDOV

VerifyDesign AnalyseMeasure Define40.500DMADV

VerifyOptimiseDesignIdentify Define45DIDOV

8

9

646

ControlImplement Design Analyse MeasureDefine DMADIC

VerifyOptimise Design Analyse MeasureDefineDMADOV

VerifyOptimise Design CharacteriseMeasureDefineDMCDOV

PhasenTreffer in Google*

Vorgehens-modell

VerifyOptimiseCharacteriseDefine233DCOV

ImplementDesign Concept CustomerDefine351DCCDI

VerifyOptimiseDesign Concept 548CDOV

ImplementDevelopExploreMeasure Define644DMEDI

VerifyOptimiseDesignIdentify 2.030IDOV

VerifyDesign AnalyseMeasure Define40.500DMADV

VerifyOptimiseDesignIdentify Define45DIDOV

8

9

646

ControlImplement Design Analyse MeasureDefine DMADIC

VerifyOptimise Design Analyse MeasureDefineDMADOV

VerifyOptimise Design CharacteriseMeasureDefineDMCDOV

* Abruf (weltweit) am 25.06.07 unter www.google.demit Zusatz „Design for Six Sigma“

Legende:Phase ist inhaltlich vergleichbar mit DMADV

8 1 Einsatz von Design for Six Sigma im Produktentstehungsprozess

die konkrete Umsetzung von DFSS häufig ins Leere (vgl. Hammer 2002, S. 32). Bei Durchsicht der einschlägigen Literatur lassen sich nur wenige Hinweise auf erfolgreich abgeschlossene DMADV-Projekte finden (vgl. zu DFSS-Fallstudien u.a. Dorff/ Töpfer 2007; Islam 2003; Role 2002; Gavin 1999).

Die Ergebnisse einer empirischen STUDIE VON SCHMIEDER (2005) zum Thema „Six Sigma in Deutschland“ bestätigen die Expertenmeinung: Die meisten der befragten Unternehmen wenden Six Sigma vorzugsweise in den direkten Wert-schöpfungsprozessen an; im Produktionsbereich können bereits mehr als 80% der Unternehmen auf Six Sigma-Projekterfahrungen verweisen. Im Vergleich hierzu haben jeweils „nur“ ca. ein Drittel der Befragten Six Sigma-Projekte in den Berei-chen Konstruktion/ Entwicklung sowie Service/ Vertrieb durchgeführt.

In Abb. 1-3 sind die Bereiche, in denen bereits Six Sigma-Projekte durchgeführt wurden, den Bereichen, in denen der größte Handlungsbedarf für Verbesserungen besteht, gegenübergestellt. Wie leicht ersichtlich, besteht vor allem im Bereich Produktion/ Fertigung eine deutliche Lücke zwischen der Intensität und der Not-wendigkeit von Six Sigma-Verbesserungsmaßnahmen. Die Six Sigma-Methodik wird hier häufiger eingesetzt als eigentlich notwendig. Demgegenüber ergibt sich für die Bereiche Konstruktion/ Entwicklung sowie Service/ Vertrieb tendenziell ein Defizit in der Anwendung von Six Sigma respektive Design for Six Sigma.

In einem viel beachteten Aufsatz leitete MICHAEL HAMMER7 (2002, S. 26ff.) die Gemeinsamkeiten und Unterschiede von Six Sigma und Prozessmanagement her. Unter letzterem subsumiert er sowohl die Verbesserung von Prozessen als auch das Re-Design. Im Ergebnis seiner Untersuchung kommt er zu dem Schluss, dass Six Sigma ein integraler Bestandteil des Prozessmanagements von Unternehmen ist und nicht umgekehrt. In einer prozessorientierten Organisation werden Six Sigma-Projekte aufgesetzt, um die strategischen Ziele, auf die ein Geschäftspro-zess ausgerichtet ist, in Zukunft besser zu erreichen. Dabei ist Six Sigma unmittel-bar mit dem DMAIC-Zyklus als strukturiertem Projektmanagementzyklus zur Verbesserung von bestehenden Prozessen verbunden.8

Jeder Versuch, den Six Sigma-Ansatz auf das Prozess-Re-Design als Teil des Prozessmanagements zu erweitern, ist nach der Auffassung von Hammer (2002, S. 32) zum Scheitern verurteilt: „Stretching the definition of Six Sigma to encompass process redesign and process management is like stretching the definition of bas-

7 President of Hammer & Company und Protagonist des Business Process Reenginee-

ring-Ansatzes (BPR) zu Beginn der 1990er Jahre. 8 Hierfür gibt es eine Reihe von empirischen Belegen. So stellen z.B. amerikanische

Unternehmen wie Bombardier, American Express, Merck und Motorola ihre Six Sigma-Aktivitäten unabhängig davon, in welchem Bereich der Wertschöpfungskette sie zum Einsatz kommen, auf den DMAIC-Zyklus ab. Die Grenzen der Vorgehensweise von Six Sigma liegen für diese Unternehmen beim Design von neuen Prozessen respektive Produkten (vgl. Hammer 2002, S. 30).