Six Sigma: Green Belt

Einführung in die statistische Versuchsplanung

LinkedIn Learning kostenlos und unverbindlich testen!

Jetzt testen Alle Abonnements anzeigen
Lernen Sie hier die statistische Versuchsanalyse (DOE oder Design of Experiment) kennen. Mit dieser bestimmen Sie die beste Einstellungskombination für die X-Faktoren, um das Ergebnis Y zu verbessern.
04:47

Transkript

Haben Sie sich je gewundert, wie wenig Schlaf in der Nacht vor einer Prüfung ausreicht, wenn Sie noch lernen müssen? Oder waren Sie je besorgt, dass die Raumtemperatur Ihre Leistung beeinflussen könnte? Und was ist wohl die beste Kombination aus Schlafdauer, Lernzeit und Raumtemperatur? In einem Six-Sigma-Projekt stellt sich nach dem Beweisen der Ursachen oder X-Faktoren in der Improve-Phase die Hauptfrage: Was ist die beste Einstellungskombination für die X-Faktoren, um das Ergebnis Y zu verbessern? Zurück zu unserem Beispiel. Wenn Schlafdauer, Lernzeit und Raumtemperatur die X-Faktoren sind, die das Testergebnis beeinflussen – welche Kombination dieser Faktoren ist wohl die beste, um das Testergebnis zu verbessern? Das Tool, das hier eingesetzt wird, nennt sich statistische Versuchsplanung oder DOE (kurz für Design of Experiments). Zunächst ein paar DOE-Terminologiegrundlagen. In unserem Beispiel sind Schlafdauer, Lernzeit und Raumtemperatur die Faktoren oder unabhängigen Variablen. Das Ergebnis Y oder die Zielgröße ist die abhängige Variable. Die Einstellungen für die Faktoren nennt man Stufen. Zum Beispiel kann die Schlafdauer auf zwei Stufen gesetzt werden, vier und acht Stunden. Häufig werden in der Versuchsplanung zwei Stufen für jeden Faktor gesetzt. Dies wird als 2K-faktorielle Planung bezeichnet oder 2 hoch k, wobei k für die Anzahl der Faktoren steht. In diesem Beispiel gibt es drei Faktoren. Es handelt sich also um eine 2 hoch 3 faktorielle Planung. Diese Zahl ist von Bedeutung, weil 2 hoch 3 gleich 8 ist. Wir haben also acht Versuchskombinationen. In DOE gibt es in der Regel mindestens zwei Durchlaufsätze, damit Versuchsfehler abgeschätzt werden können. Und damit es nicht zu einer systematischen Verzerrung kommen kann, werden die Durchläufe für jede Versuchskombination in zufälliger Reihenfolge durchgeführt. Sie fragen sich vielleicht, warum nicht ein einfacher Versuch mit nur einem Faktor ausreicht. Es ist einfach, die Auswirkung der Faktoren in einer Versuchsreihe mit jeweils nur einem Faktor zu verstehen. Aber damit wissen Sie nicht, wie die Faktoren gemeinsam das Ergebnis beeinflussen. Sind beispielsweise die Testergebnisse identisch, wenn Sie bei acht Stunden Schlaf die Lernzeit von sechs auf zwei Stunden verkürzen? Eher nicht. Und genau das ist der Charme von DOE. Sie können die Wechselwirkung zwischen mehreren Faktoren mit dem jeweiligen Haupteffekt aller Faktoren testen. Und damit können Sie die beste Kombination bestimmen. Schauen wir noch einmal, welchen Einfluss Schlafdauer, Lernzeit und Raumtemperatur haben. Hier sehen Sie die niedrigen und hohen Stufen. Der Versuch wurde durchgeführt und hier sehen Sie die Ergebnisse. In der Grafik können die verschiedenen Auswirkungen dargestellt werden, wie der Haupteffekt jedes Faktors. Hier sehen Sie die Grafik mit den Testergebnissen der Einzeleffekte. Jeder Faktor wird dabei von der niedrigen Stufe auf die hohe Stufe erhöht. Die Grafik flacht horizontal ab, wenn der Effekt gegen null geht. So, welche Variablen haben eine signifikante Auswirkung auf die Testergebnisse? Mehr Schlaf und mehr Lernzeit scheinen die Testergebnisse zu verbessern, höhere Temperaturen eher nicht. Und hier sehen Sie die Grafik, die die Wechselwirkung zwischen den drei Faktoren zeigt. Ohne Wechselwirkung verlaufen die Linien parallel. Die Wechselwirkung scheint nicht signifikant zu sein. Die nächste Grafik zeigt ein geometrisches Modell mit den Versuchskombinationen in dieser 2k-faktoriellen Planung. In diesem Quader werden die drei Faktoren auf den drei Achsen x, y und z dargestellt. Der Schlaf steht auf der x-Achse, mit einem Minimum von 4 und einem Maximum von 8 Stunden. Die Lernzeit steht auf der vertikalen y-Achse, mit Werten von zwei bis sechs Stunden. Und die Temperatur steht auf der z-Achse. Sie geht von 18 bis 24 Grad. An den Eckpunkten des Quaders werden die Testergebnisse für jede mögliche Versuchskombination angezeigt. Das beste Ergebnis liegt bei 95 und die beste Kombination besteht aus acht Stunden Schlaf und sechs Stunden Lernen, unabhängig von der Temperatur. Dieses Beispiel zeigt, wie Sie mit DOE die beste Kombination aus X-Einstellungen finden, um das Y zu verbessern. Jetzt wissen Sie, wie viel Schlaf und Lernzeit maximale Ergebnisse bringen.

Six Sigma: Green Belt

Lernen Sie das, was Sie als Green Belt brauchen: Messsystemanalyse, beschreibende Statistik, Hypothesenprüfung, statistische Versuchsplanung, statistische Prozesssteuerung usw.

1 Std. 43 min (26 Videos)
Derzeit sind keine Feedbacks vorhanden...
Exklusiv für Abo-Kunden
Erscheinungsdatum:31.07.2018

Dieser Online-Kurs ist als Download und als Streaming-Video verfügbar. Die gute Nachricht: Sie müssen sich nicht entscheiden - sobald Sie das Training erwerben, erhalten Sie Zugang zu beiden Optionen!

Der Download ermöglicht Ihnen die Offline-Nutzung des Trainings und bietet die Vorteile einer benutzerfreundlichen Abspielumgebung. Wenn Sie an verschiedenen Computern arbeiten, oder nicht den ganzen Kurs auf einmal herunterladen möchten, loggen Sie sich auf dieser Seite ein, um alle Videos des Trainings als Streaming-Video anzusehen.

Wir hoffen, dass Sie viel Freude und Erfolg mit diesem Video-Training haben werden. Falls Sie irgendwelche Fragen haben, zögern Sie nicht uns zu kontaktieren!