DOE – Das Königstool aus dem SIX SIGMA Werkzeugkoffer

Six Sigma ist ursprünglich entwickelt worden, um Durchbrüche zu erzielen – es bedient sich daher zusätzlich auch zahlreicher Werkzeuge, die bei der Anwendung anderer Verbesserungstechniken wie KVP, Lean, Poka Yoke etc. nicht oder nur sehr zurückhaltend vorkommen. Man kann Sie überwiegend dem großen Kreis der inferenziellen oder schließenden statistischen Methoden zuordnen – v.a. geeignet für Situationen, in denen unsere üblichen Wahrnehmungskanäle oft nicht oder nur unzulässig greifen und der gesunde Menschenverstand schon mal nicht ausreicht.

Als Durchbruchstool schlechthin hat sich die Statistische Versuchsplanung einen Namen gemacht  – gemeinhin auch kurz als DOE – Design of Experiments – bezeichnet. Mit der Anwendung dieses Tools gelingt es, mit möglichst wenig Versuchsaufwand das Wissen über die bei Six Sigma im Zentrum stehenden Ursache-/ Wirkungsbeziehungen von Einfluss- und Zielgrößen meist deutlich zu erhöhen, um dieses neu erworbene Knowhow dann in ein neues Prozessdesign einfließen zu lassen.

Da dieses Tool eine gewisse Komplexität mit sich bringt, erfordert es im Rahmen der Black Belt Ausbildung schon mehrere Tage praxisorientiertes Training, um dauerhaft einigermaßen unfallfrei damit umgehen zu können und auch die verschiedenen Optionen und Kombinatoriken bei der Auslegung, Durchführung und Auswertung von Versuchsplänen kennenzulernen. Auch in ambitionierteren Green Belt Trainings werden zumindest Grundkenntnisse und -fertigkeiten vermittelt bzw. erlangt. Ganz wichtig ist auch, den Software-Support ausgiebig zu nutzen – insbesondere die statistische Versuchsplanung ist ohne Unterstützung durch Minitab oder vergleichbare Software überhaupt nicht denkbar – Belts, die im Training diesen wesentlichen Support nur geringfügig kennen lernen, werden im späteren (Projekt-)Alltag bei der Anwendung von DOE große Schwierigkeiten haben.

Und nichts ist unangenehmer, einen vielleicht sogar aufwändigen Versuchsplan durchgeführt und die Fertigung vielleicht mehrere Stunden stillgelegt zu haben, um dann an der Auswertung der Versuchsergebnisse zu scheitern! Das macht aber sicherlich auch ein bißchen den Nervenkitzel und das Prickeln bei der Durchführung von DOE’s aus – diesem kann sich kaum einer entziehen und nahezu jeder Belt ist begeistert dabei, dieses mächtige Tool auszuprobieren und die top hanging fruits damit zu erreichen. Viele, die DOE zum ersten Mal kennenlernen, sind erstaunt bis mittelschwer entsetzt, dass hierbei die bei den meisten Normalsterblichen grundlegend verankerte experimentelle Herangehensweise der OFAT-Methode außer Kraft gesetzt wird.

OFAT, One Factor at a time, sieht vor, einen Faktor zu variieren, während mehrere weitere Einflussgrößen konstant gehalten werden. Hat man nun eine die Zielgröße optimierende bessere Einstellung für diesen Faktor gefunden, wird er nun auf diesem neuen Niveau festgehalten und der nächste Faktor variiert usw.

Auf den ersten Blick ein logisches Vorgehen, das gegenüber statistischer Versuchsplanung jedoch mehrere schwerwiegende Nachteile aufweist:

• Man braucht weitaus mehr Versuche, um annähernd die gleiche Information mit der gleichen Genauigkeit zu erlangen,
• man reagiert immer nur auf vorherige Ergebnisse statt proaktiv zu planen und damit auch den Versuchsaufwand einmalig kalkulieren zu können,
• man findet in der Regel das Optimum nicht oder nur zufällig und
• man erkennt Wechselwirkungen zwischen den Faktoren nicht.

Gerade die Wechselwirkungen sind im Alltag ja oft die verzwickten Fallstricke, die einen  daran scheitern lassen, basierend auf einem vielleicht auch schon guten Prozessniveau noch on top ‚was herauszuholen, was zum Durchbruch – auch evtl. gegenüber dem Wettbewerber  – verhilft. Nach Wechselwirkungen riecht es z.B. immer, wenn ein Anlagenführer erklärt: „Ich habe 6x die Temperatur um 20°C erhöht, 4x war das Ergebnis deutlich besser, 2x ist komischerweise nichts passiert“. Hier war der Effekt der Temperaturveränderung voraussichtlich noch zusätzlich abhängig davon, auf welchem Niveau ein anderes „vital few“ , z.B. der Druck oder die Rührgeschwindigkeit, lag – eine so genannte 2-fach-Wechselwirkung hat hier zugeschlagen.

Irren tut auch, wer glaubt, statistische Versuchsplanung lasse sich nur in technischen Prozessen anwenden. Sicher kommt DOE hier häufiger zum Einsatz, da die Einflussgrößen oft mannigfaltiger und zugleich noch interagierend sind. Aber Ursache-/ Wirkungsbeziehungen, die verifiziert und am besten in einen quantitativen Zusammenhang gebracht werden sollen, gibt’s hier natürlich genauso. So analysierte ein Green Belt eines Telekommunikations-Unternehmens beispielsweise den Einfluss des Fachwissens der Mitarbeiter, der Sprachkenntnisse der Mitarbeiter sowie der Menge des Rückstands im System auf die mittlere Bearbeitungszeit eines internen Prozesses mit Hilfe eines 2³-faktoriellen Versuchsplans.

Auch wenn DOE das mächtigste Tool aus dem Six Sigma-Baukasten darstellt, so muss sich doch kein Black oder Green Belt schämen, es in seinem Projekt nicht anwenden zu können. Letztlich zählt der Erfolg – und es gibt Tausende Six Sigma Projekte, die auch ohne DOE Durchbrüche erzielt haben.

Bis demnächst,
Ihr Axel Jungheim