Diese Arbeit beschreibt im Rahmen von zwei Handlungsempfehlungen die Themen "Design for Six Sigma" und die Anwendung von Business lntelligence Systemen, welche auf einem Six Sigma Projekt im Bereich Messmaschinenproduktion aufbauen.
Six Sigma wird bereits in vielen Unternehmen zur Optimierung existierender Prozesse eingesetzt. "Design for Six Sigma" ist ein weiterentwickelter Ansatz, neue Produkte, Prozesse und Services zu entwickeln, die an den Kundenbedürfnissen ausgerichtet sind und die Qualitätskosten auf eine Mindestmaß reduzieren. Diese Arbeit gibt einen Überblick über die Zyklen und geht auf ein Modell sowie wichtige Methoden im Detail ein. Zuletzt wird die Anwendung von "Design for Six Sigma" in fünf Fallbeispielen vorgestellt und analysiert.
Business lntelligence stellt Unternehmen entscheidungsunterstützende Informationen zur Verfügung und gehört in vielen großen Unternehmen zum Standard. ln einem dynamischen Markt mit Problematiken wie steigende Digitalisierung, schnell wechselnde Trends und zunehmenden Datenmengen steigt die Nachfrage nach geeigneten Informationssystemen wie Business lntelligence an. Der Fokus dieser Arbeit liegt auf der Anwendung von Business lntelligence Systemen in KMU. Innerhalb dieses Rahmens werden auf Funktionen, Architektur, Anforderungskriterien und Anbieter eingegangen. Abschließend folgt ein tabellarischer Vergleich aktueller Business lntelligence Systeme für KMU als Zielgruppe. Dabei werden verschiedene Softwareprodukte nach Kriterien wie Funktionsumfang, Integrierbarkeit, Modularität und Support gegenübergestellt.
Inhaltsverzeichnis
1 Einleitung
1.1 Motivation
1.2 Zielsetzung
1.3 Aufbau der Arbeit
2 Prozessverbesserung mithilfe von Six Sigma am Beispiel der Messmaschinenproduktion
2.1 Theoretische Einführung in die Six Sigma Methodik
2.1.1 Definition, Methodik und Organisation
2.1.2 Der DMAIC Zyklus als Kernprozess
2.2 Praktische Umsetzung von Six Sigma am Beispiel der Messmaschinenproduktion
2.2.1 Ausgangssituation
2.2.2 Durchführung des Six Sigma Projektes
3 Weitere Handlungsempfehlungen im Rahmen des Six Sigma Projektes
3.1 Design for Six Sigma (DFSS) – Anwendung von Six Sigma bei Entwicklungsprozessen
3.1.1 Der Design Six Sigma Ansatz
3.1.2 Der DMADV-Prozess
3.1.3 Weitere Zyklen des DFSS
3.1.4 Wichtige Methoden bei Design for Six Sigma
3.1.5 Abgrenzung DFSS zum klassischen Six Sigma nach DMAIC
3.1.6 Voraussetzungen zur Durchführung von DFSS
3.1.7 Anwendung von DFSS bei dem Industriepartner
3.1.8 Fallbeispiele verschiedener Anwendungsfälle im Vergleich
3.2 Anwendung von Business Intelligence Systemen zur Unterstützung von Six Sigma
3.2.1 Was sind BI-Systeme?
3.2.2 BI Architektur
3.2.3 Kommerzielle Lösungen
3.2.4 Open Source Lösungen
3.2.5 Tabellarischer Vergleich aktueller Business Intelligence Systeme für KMU als Zielgruppe
3.2.6 Einsatzmöglichkeiten von BI-Systemen in KMU
3.2.7 Anwendung von Business Intelligence bei dem Industriepartner
4 Zusammenfassung und Ausblick
4.1 Zusammenfassung
4.2 Ausblick
Zielsetzung & Themen
Die vorliegende Arbeit hat zum Ziel, aufbauend auf einem bestehenden Six Sigma Projekt zur Fehleranalyse in der Messmaschinenproduktion, weiterführende Handlungsempfehlungen zu entwickeln, um künftige Qualitätssicherungsprozesse durch DFSS-Methodiken und Business Intelligence Systeme zu optimieren.
- Six Sigma Methodik und DMAIC-Zyklus
- Design for Six Sigma (DFSS) Ansatz
- Business Intelligence (BI) in KMU
- Vergleich kommerzieller und Open-Source BI-Lösungen
- Anwendung von BI zur Prozessoptimierung
Auszug aus dem Buch
2.1.1.1 Definition von Six Sigma
Six Sigma ist eine Methodik der Prozessverbesserung und zugleich ein statistisches Qualitätsziel im Rahmen des Qualitätsmanagements. Zentrales Element der Six Sigma Methodik ist das systematische Vorgehen bei der Problemerkennung und -verbesserung auf der Basis statistischer Analysen. Ziele eines Six Sigma Projektes sind sowohl eine deutliche Steigerung in der Wirtschaftlichkeit als auch in der Kundenzufriedenheit (Roenpage & Lunau 2007; Töpfer 2009).
Die Six Sigma Methodik charakterisiert sich durch eine kundenorientierte Optimierung der Qualität und Prozessverbesserung durch datenbasiertes Vorgehens gestützt durch statistische Analysen (Roenpage & Lunau 2007).
Six Sigma (σ) bedeutet „sechs Standardabweichungen“. Die Standardabweichung eines Merkmals bemisst die Streubreite des Merkmals und zeigt, wie stark die Merkmalswerte variieren (Eckle-Kohler & Kohler 2017). Der Name „Six Sigma“ kommt daher, dass bei Six Sigma der Anspruch erhoben wird, dass zwischen der nächsten Toleranzgrenze und dem Mittelwert der Normalverteilung (des zu untersuchenden Prozesses) mindestens ein Abstand von sechs Standardabweichungen (6σ, im Englischen „Six Sigma“) existieren soll. Das Qualitätsniveau entspräche dann 99,9999998%. Aufgrund von externen Einflüssen (u.a. Verschleiß oder unterschiedliche Bediener) schwanken die Prozesse im Laufe der Zeit um ± 1,5 σ; das entsprechende Qualitätsniveau beträgt dann „nur“ noch 99,9996% (Anhang 2). Dieser „Shift“ wird in der Normalverteilung wird in der unteren Abbildung 2.1 verdeutlicht. Das entspricht 3,4 Fehlern pro Million Fehlermöglichkeiten (Töpfer 2007).
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung stellt die Motivation und Zielsetzung der Bachelorarbeit dar und erläutert den Aufbau der Untersuchung.
2 Prozessverbesserung mithilfe von Six Sigma am Beispiel der Messmaschinenproduktion: Dieses Kapitel liefert eine theoretische Einführung in die Six Sigma Methodik und beschreibt deren praktische Umsetzung an einem konkreten Fallbeispiel.
3 Weitere Handlungsempfehlungen im Rahmen des Six Sigma Projektes: Das Kapitel behandelt den DFSS-Ansatz zur präventiven Qualitätsplanung sowie den Einsatz von Business Intelligence Systemen zur Datenanalyse in KMU.
4 Zusammenfassung und Ausblick: Hier werden die Ergebnisse der Arbeit zusammengefasst und ein Ausblick auf zukünftige Potenziale für das Unternehmen gegeben.
Schlüsselwörter
Six Sigma, DMAIC, Design for Six Sigma, DFSS, Business Intelligence, BI, Qualitätsmanagement, Messmaschinenproduktion, Prozessverbesserung, KMU, Datenanalyse, Fehleranalyse, Kundenorientierung, Fehlervermeidung, Kennzahlen
Häufig gestellte Fragen
Worum geht es in dieser Bachelorarbeit grundsätzlich?
Die Arbeit analysiert Fehlersituationen in der Messmaschinenproduktion und entwickelt Lösungsansätze mittels Six Sigma Methoden und Business Intelligence Systemen.
Welche zentralen Themenfelder werden bearbeitet?
Die Schwerpunkte liegen auf der Six Sigma Methodik, dem Design for Six Sigma (DFSS) für Entwicklungsprozesse und der Unterstützung durch moderne BI-Software.
Was ist das primäre Ziel der Arbeit?
Ziel ist die Ableitung konkreter Handlungsempfehlungen für den Industriepartner, um Qualitätsprobleme zu reduzieren und datenbasierte Entscheidungen effizienter zu gestalten.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es werden methodische Ansätze des Qualitätsmanagements (DMAIC, DFSS) mit einer explorativen Analyse und einem tabellarischen Vergleich aktueller Softwarelösungen kombiniert.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in eine theoretische Fundierung von Six Sigma, die Anwendung von DFSS im Entwicklungsprozess und eine detaillierte Marktanalyse für BI-Systeme.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Six Sigma, DFSS, Business Intelligence, Prozessoptimierung und KMU-Tauglichkeit.
Warum ist Business Intelligence besonders für den Mittelstand relevant?
BI hilft dem Mittelstand, manuelle Datenauswertungen (z.B. in Excel) durch automatisierte, ganzheitliche Analysen zu ersetzen, um wettbewerbsfähig zu bleiben.
Welche BI-Software wird nach dem Vergleich als Favorit für den Partner empfohlen?
Auf Basis des Vergleichs wird Microsoft Power BI aufgrund des Preis-Leistungs-Verhältnisses und der leichten Exportierbarkeit in bestehende Office-Umgebungen empfohlen.
- Citation du texte
- Cathrin Leitenberger (Auteur), 2017, Fehleranalyse und -abhilfe mit den Methoden von Six Sigma. Das Beispiel der Messmaschinenproduktion, Munich, GRIN Verlag, https://www.grin.com/document/974655
