1. Six Sigma Black Belt – Measure Phase

M4 | Measure Phase: Exit Review von   Helling und Storch

video locked

Über den Vortrag

Der Vortrag „M4 | Measure Phase: Exit Review“ von   Helling und Storch ist Bestandteil des Kurses „Six Sigma Black Belt – Measure Phase“. Der Vortrag ist dabei in folgende Kapitel unterteilt:

  • M4 Measure Phase Exit Review
  • Zusammenfassung der Arbeitsergebnisse
  • Measure Phase Exit Review
  • Zusammenfassung: Measure Phase Exit Review

Quiz zum Vortrag

  1. Durchführung von statistischen Analysen zur Bewertung der Erfolgsfaktoren (POV)
  2. Vom Problem zum Prozess, das ist das Motto der Measure Phase.
  3. Identifikation und Beurteilung der Erfolgsfaktoren und Auflistung der möglichen Einflussfaktoren.
  4. Durchführung von statistischen Analysen zur Bewertung der Einflussfaktoren (PIV).
  1. Beschreibung der Erfolgsfaktoren durch Kennzahlen
  2. Bewertung der Messsystemtauglichkeit
  3. Durchführung der Bewertung der Erfolgsfaktoren
  4. Grafische Analyse der Einflussfaktoren
  1. Funktionsbäume (Entwicklung)
  2. Technische Zeichnungen (Konstruktion)
  3. Kontroll- und Prüfpläne (Produktion/ Qualität)
  4. Datenerfassungsplan (Produktion)
  1. Durch Umschreibung von Erfolgsfaktoren durch Kennzahlen wird eine objektive Betrachtung ermöglicht.
  2. Durch Umschreibung von Erfolgsfaktoren durch Kennzahlen wird eine wirtschaftliche Betrachtung ermöglicht.
  3. Durch Umschreibung von Erfolgsfaktoren durch Kennzahlen wird eine prozessorientierte Betrachtung ermöglicht.
  4. Eine Umschreibung von Erfolgsfaktoren mit Kennzahlen ist nicht notwendig.
  1. Flusstabelle
  2. Regelkarte
  3. Flussdiagramm
  4. SIPOC-Matrix
  1. Process Output Variable
  2. Process Output Variability
  3. Prozess ohne Vorkommnisse
  4. Percentage Of Value
  1. Ein POV ist eine prozessbezogene Kennzahl, die einen Erfolgsfaktor umschreibt.
  2. Ein POV ist eine prozessbezogene Kennzahl, die einen Einflussfaktor beschreibt.
  3. Ein POV ist eine Kennzahl, welche die Fehlerrate eines Prozesses beschreibt.
  4. Ein POV ist eine Kennzahl, die das Fehlerrisiko eines Erfolgsfaktors beschreibt.
  1. Ein KPOV ist eine prozessbezogene Kennzahl, die einen Erfolgsfaktor des kritischen Qualitätspfades beschreibt.
  2. Ein KPOV ist eine prozessbezogene Kennzahl, die einen Einflussfaktor des kritischen Qualitätspfades beschreibt.
  3. Ein POV ist eine Kennzahl, welche die Fehlerrate des kritischen Qualitätspfades eines Prozesses beschreibt.
  4. Ein KPOV ist eine Kennzahl, die das kritische Fehlerrisiko eines Erfolgsfaktors beschreibt.
  1. Alle Messsysteme weisen Unsicherheiten, bzw. Fehler auf. Die Beurteilung dieser Fehler ist Ziel der Messsystemanalyse.
  2. Die Messsystemanalyse bietet einen Algorhythums, der Messfehler reduzieren kann.
  3. Die Messsystemanalyse beurteilt unter anderem die Wirtschaftlichkeit des Einsatzes eines bestimmten Messgerätes.
  4. Eine Messsystemanalyse ist nicht notwendig.
  1. Die Messgerätevariation ist die Summe aller Variationen, die durch das Messgerät beigetragen werden.
  2. Ist die Messgerätevariation im Verhältnis zur Teilevariation zu hoch, ergibt sich ein zu hoher Anteil an der Gesamtvariation.
  3. Die Messgerätevariation wird vom Messgerätehersteller ermittelt. Steht diese Information zur Verfügung, kann auf eine Gage R&R-Studie verzichtet werden.
  4. Die Messgerätevariation wird auch Messprozessvariation genannt.
  1. Auflösung und Bias
  2. Stabilität und Linearität
  3. Präzision
  4. Stabilität und Teilestreuung
  1. Die Auflösung eines Messgerätes muss der Messaufgabe entsprechen. Sie sollte mindestens eine Dekade genauer sein als die Spezifikation oder Prozessvariation.
  2. Die Auflösung eines Messgerätes muss immer mindestens 2 Dekaden genauer sein als die Prozessvariation.
  3. Die Auflösung eines Messgerätes sollte genau so groß sein wie die Abstände der zu erwartenden Teilevariation.
  4. Die Auflösung eines Messgerätes sollte ungefähr den Abständen der Teilevariation entsprechen.
  1. Der Bias-Fehler, auch Offset genannt, ist eine mittlere Abweichung zwischen dem Messwert und dem wahren Wert.
  2. Der Bias-Fehler gehört zu den systematischen Fehlern.
  3. Der Bias-Fehler ist die Schwankung oder Drift über einen Zeitraum.
  4. Bias (Offset) beschreibt die mittlere Streuung zwischen den Messwerten und dem wahren Wert.
  1. Wiederholgenauigkeit
  2. Reproduzierbarkeit
  3. Linearität
  4. Auflösung
  1. Es gilt wenige, aber prägnante Kennzahlen zu ermitteln.
  2. Es gilt mindestens eine Kennzahl pro Erfolgsfaktor zu identifizieren.
  3. Quantität vor Qualität: So viele Kennzahlen wie möglich zu ermitteln ist das Ziel.
  4. Es gilt, maximal drei Kennzahlen pro Erfolgsfaktor festzulegen.
  1. Gage Repeatability and Reproducability
  2. Gage Reproducability and Reliability
  3. Gage Reliability and Repeatability
  4. Gage Reproduction and Repetition
  1. Die R&R Studie gibt Auskunft über den Anteil der Messsystemstreuung. Dabei werden die Anteile der Wiederholbarkeit und Reproduzierbarkeit ermittelt.
  2. Eine Gage R&R Studie kann für variable und attributive Daten durchgeführt werden.
  3. Die R&R Studie kann ohne weitere Vorarbeit zu jedem Zeitpunkt durchgeführt werden.
  4. Die R&R Studie gibt Auskunft über die Linearität des Messsystems. Zusätzlich wird de Bias und die Drift als Anteile ermittelt.
  1. 30
  2. 20
  3. 40
  4. 50
  1. k*n*r
  2. k*n
  3. k*n*s+K20
  4. k+n+r
  1. Die Teile sollen den gesamten Streuungsbereich des Prozesses wiedergeben.
  2. Die Teile sollten mindestens den Toleranz- bzw. Spezifikationsbereich abdecken.
  3. Nichts. Es werden die nächstbesten, verfügbaren Teile verwendet.
  4. Die Teile sollen +- 2 Standardabweichungen der Teilestreuung wiedergeben.
  1. √ (EV^2 + AV^2)
  2. √ (NDC^2 + AV^2)
  3. √ (EV^2 + NDC^2)
  4. √ (K2^2+d2^2)
  1. Anteil R&R in Bezug zur Teilestreuung (Part Variation, PV)
  2. Anteil R&R in Bezug zur Gesamtstreuung (Total Variation, TV)
  3. Anteil R&R zur Prozesstoleranz
  4. Anteil R&R in Bezug zur Anzahl der i. O. Teile des Produkts
  1. Repeatability und Reproducibility jeweils erfüllt bei < 10%; R&R gesamt < 10%, NDC > = 5
  2. Repeatability und Reproducibility jeweils erfüllt bei < 20%; R&R gesamt < 20%
  3. Repeatability und Reproducibility jeweils erfüllt bei < 20% ; R&R gesamt < 30%, NDC > 7
  4. Repeatability und Reproducibility jeweils erfüllt bei > 20%; R&R gesamt > 20%, NDC < 5
  1. Operator Repeatability und Individual Effectiveness
  2. Repeatability und Reproducability
  3. Repeatability und Reproducability und Individual Effectiveness
  4. Overall System Effectiveness
  1. Nur dem Grundrauschen unterliegende (stabile) Prozessfaktoren erzeugen normalverteilte Ergebnisse.
  2. Störeinflüsse beeinflussen die natürliche Streuung eines Prozesses. Sie erzeugen Abweichungen von der Normalverteilung.
  3. Die Verteilungsform der Normalverteilung ähnelt einer Glockenform.
  4. Prozessfaktoren erzeugen immer normalverteilte Ergebnisse.
  1. Das Verhältnis der Prozessstreuung zur Spezifikation
  2. Die Güte eines Prozesses
  3. Die Stabilität des Prozesses
  4. Den Sicherheitsabstand zwischen Spezifikation und Eingriffsgrenzen
  1. Die Streubreite des Prozesses in Relation zur Spezifikation
  2. Die Lage des Prozesses in Relation zur Spezifikation
  3. Die tatsächliche Fehlerrate des Prozesses
  4. Die Qualität der Spezifikationsvorgaben
  1. Die Lage des Prozesses in Relation zur Spezifikation
  2. Die Streubreite des Prozesses in Relation zur Spezifikation
  3. Die tatsächliche Fehlerrate des Prozesses
  4. Die Qualität der Spezifikationsvorgaben
  1. Nein.
  2. Ja, wenn der Mittelwert der Population außerhalb der Spezifikation liegt.
  3. Nur, wenn der Mittelwert der Population innerhalb der Spezifikation liegt.
  4. Ja, wenn der Abstand des Mittelwertes zur Spezifikationsgrenze drei Standardabweichungen entspricht.
  1. Cpk ist der kleinere Wert von Cpu und Cpl.
  2. Cpk ist der größere Wert von Cpu und Cpl.
  3. Cpk = Cpu - Cpl
  4. Cpk = Cpl-Cpu
  1. Der Mittelwert der Population liegt ausserhalb der Spezifikation.
  2. Die Streuung des Prozesses ist kleiner als 1,5 Standardabweichungen.
  3. Der Cpk-Wert ist niemals negativ, das ist unmöglich.
  4. Der Prozess tendiert zu einer Spezifikationsgrenze.
  1. Cp = 2 und Cpk = 1,5
  2. Cp = 1,5 und Cpk = 2
  3. Cp = 3 und Cpk = 3
  4. Cp = 1,5 und Cpk = 1,5
  1. Das Sigma-Niveau entspricht Z.
  2. Das Sigma-Niveau entspricht dem Anteil der Standardabweichungen innerhalb der Spezifikation: 6 Sigma = +- 6 Standardabweichungen
  3. Das Sigma-Niveau ist immer Cp * 3.
  4. Das Sigma-Niveau ist ½ * Z.
  1. Defects / Units * Opportunities * 1000000
  2. DPO * 1000000
  3. Defects / Units * Opportunities
  4. Units / Defects * Opportunities
  5. Units / Defects * Opportunities * 1000000
  1. 51,9
  2. 85,7
  3. 66,7
  4. 75,3
  1. 1,5 Standardabweichungen
  2. 2 Standardabweichungen
  3. Cp / 6
  4. Cp - Cpk
  1. Ermittlung der Fehlerrate oberhalb der oberen Grenze, Ermittlung der Fehlerrate unterhalb der unteren Grenze, Addition der Fehlerraten. Ableiten des Z-Wertes der Summe aus der Z-Tabelle.
  2. Ermittlung der Fehlerrate oberhalb der oberen Grenze, Ermittlung der Fehlerrate unterhalb der unteren Grenze, Addition der Fehlerraten.
  3. Cpk / 6
  4. Die Summe der Standardabweichungen innerhalb der Spezifikationsgrenzen entspricht dem Sigma Niveau.
  1. Die Normalverteiltheit von Daten ist eine essentielle Voraussetzung für die Ermittlung der Prozessfähigkeit, daher müssen Daten gegebenfalls transformiert werden.
  2. Es ist nicht notwendig, nicht normalverteilte Daten zu transformatieren.
  3. Die Transformation ist nur bei binomialen Daten mit sehr großem Umfang (>1000 Datensätze) notwendig.
  4. Die Transformation ist nur bei variablen Daten mit sehr großem Umfang (>1000 Datensätze) notwendig.
  1. Er gibt den Grad der Transformation an, z. B. "In(x)"
  2. Er gibt die Genauigkeit der Transformation an.
  3. Er gibt den notwendigen Stichprobenumfang der zu transformierenden Population an.
  4. Er gibt das Sigma Niveau an.
  1. Es können Rückschlüsse über die Aussagegenauigkeit in Abhängigkeit der Stichprobenanzahl getroffen werden. Dabei wird die kumulierte Fehlerhäufung mit dem Konfidenzintervall (95%) der mittleren Fehlerhäufung p_quer verglichen.
  2. Es können Störeinflüsse im zeitlichen Verlauf identifiziert werden. Die Interpretation erfolgt nach den Richtlinien für attributive Regelkarten (p-Regelkarte).
  3. Die Häufigkeit der Fehler pro Stichprobe wird in diesem Diagramm angezeigt. So kann die Verteilungsform der Fehler interpretiert werden.
  4. Es kann damit keine Aussage getroffen werden. In der binomialen Prozessfähigkeit wird keine kumulierte Fehlerhäufigkeit ermittelt.
  1. Faktoren, deren Prozessfähigkeiten die vorherrschende Fehlerrate erklären können.
  2. Faktoren, die nicht prozessfähig sind.
  3. Faktoren, die nicht stabil sind.
  4. Faktoren, die stabil sind.
  1. Identifikation der möglichen Einflussfaktoren, Bewertung und Zuordnung der Einflussfaktoren, Bewertung des potenziellen Risikos
  2. Identifikation der möglichen Einflussfaktoren, Bewertung des Risikos, Bewertung und Zuordnung der Faktoren
  3. Bewertung des potenziellen Risikos, Zuordnung und Bewertung der Einflussfaktoren
  4. Identifikation der Einflussfaktoren, Bewertung mit Zahlen, Daten und Fakten, Durchführung einer Risikobewertung
  1. Ursache-Wirkungs-Diagramm (Ishikawa-Diagramm)
  2. Fischgräten Diagramm
  3. Ursache-Wirkungs-Matrix
  4. Potenzialabschätzung
  1. Der Erfolg ist wesentlich von der Zusammenstellung des Teams abhängig. Experten und ,,Kenner" der Zusammenhänge sind aufgefordert, ihr Wissen beizutragen.
  2. Bei der Auflistung möglicher Einflussfaktoren gilt: Keine Bewertung, Quantität vor Qualität!
  3. Nur die Faktoren, die als ,,alte Bekannte" gelten, werden aufgelistet.
  4. Es kommen nur die Einflussfaktoren, die im Produktionslenkungsplan stehen, zur Anwendung.
  1. Ishikawa-Diagramm
  2. Ursache-Wirkungs-Matrix
  3. FMEA
  4. Prozessfähigkeitsanalyse
  5. Regelkarte
  1. Einteilung in technische Komponente
  2. Einteilung in prozessuale Schritte
  3. Einteilung in Ursachenkategorien
  4. Einteilung in Risikoklassen
  5. Einteilung in systemrelevante Gruppen (5M)
  1. So viele Diagramme, wie es KPOVs gibt
  2. Ein Diagramm
  3. So viele Diagramme, wie es Einflussfaktoren gibt
  4. Der Projektleiter legt die Anzahl fest.
  1. Faktoren mit starkem Einfluss
  2. Faktoren mit mittlerem Einfluss
  3. Faktoren mit schwachem Einfluss
  4. Es wird keine Vorauswahl getroffen. Alle Einflussfaktoren müssen untersucht werden.
  1. Die UW-Matrix stellt die Bedeutung der PIV heraus.
  2. Die UW-Matrix identifiziert ein- und mehrdimensionale Beziehungen der PIV.
  3. Die UW-Matrix stellt die Bedeutung der KPOV heraus.
  4. Die UW-Matrix dient der Auflistung der Einflussfaktoren.
  1. Die Passivsumme steigt, wenn eine PIV Einfluss auf mehrere KPOV hat.
  2. Die Passivsumme dient der Identifikation derjenigen PIVs, die den größten Stellhebel auf die KPOVs haben. Je höher die Passivsumme, um so wahrscheinlicher ist eine hohe Komplexität der Zusammenhänge.
  3. Sie gibt den Stellenwert einer KPOV an.
  4. Die Passivsumme bestätigt eindimensionale Beziehungen.
  1. 5
  2. 3
  3. 4
  4. 6
  1. Flusstabelle
  2. FMEA
  3. Datenerfassungsplan der POV
  4. Prioritätenmatrix
  1. Zur Risikoabschätzung der den kritischen Qualitätspfade
  2. Zur Ableitung von Sofortmaßnahmen
  3. Zur vollständigen Beurteilung der Prozesses
  4. Zur Bewertung des Einflusses der PIV auf die KPOV
  1. Bedeutung, Entdeckungswahrscheinlichkeit, Auftretenswahrscheinlichkeit
  2. Bedeutung, Kosten, Auftretenswahrscheinlichkeit
  3. Bedeutung und Kosten
  4. Entdeckungswahrscheinlichkeit, Kosten, Bedeutung, Auftretenswahrscheinlichkeit
  1. RPZ = 80
  2. RPZ = 60
  3. RPZ = 70
  4. RPZ = 90
  5. RPZ = 100
  1. Entdeckungswahrscheinlichkeit
  2. Bedeutung
  3. Auftretenswahrscheinlichkeit
  4. Auftretenswahrscheinlichkeit und Entdeckungswahrscheinlichkeit
  1. Analyse
  2. Bewertung (Ist-Zustand)
  3. Optimierung
  4. Bedeutung
  1. Wenn eine Einstufung nicht sinnvoll erscheint, werden alle Einstufungen auf den Wert 1 gesetzt.
  2. Die Einstufung ist bedeutsam, da die KPOV unterschiedliche Wirkintensität im Hinblick auf das Fehlerbild haben können.
  3. Durch die unterschiedliche Gewichtung wird die Bedeutung der PIV klassifiziert.
  4. Die Einstufung der KPOV muss in jedem Fall erfolgen
  1. KPOV
  2. POV
  3. PIV
  4. KPIV
  1. PIV
  2. POV
  3. KPOV
  4. KPIV
  1. Komplexität
  2. Datenverfügbarkeit
  3. Kosten
  4. Prozessfähigkeitsanalysen
  1. Ein- oder Mehrdimensionalität der Zusammenhänge
  2. Fehlerhäufigkeit
  3. Datenverfügbarkeit
  4. Man kann die Komplexität erst in der Analyse Phase feststellen.

Diese Kurse könnten Sie interessieren

Six Sigma Black Belt – Measure Phase
Six Sigma Black Belt – Measure Phase
  Helling und Storch
(1)
74,06 € mtl. 58,99 € mtl.
Sie sparen 20 %

Dozent des Vortrages M4 | Measure Phase: Exit Review

  Helling und Storch

  Helling und Storch

Helling und Storch ist Spezialist für Innovations- und Qualitätsmanagement. Das Unternehmen entwickelt Lehrgänge, Trainings und Vorträge für Akademien, Hochschulen und innerbetriebliche Bildungseinrichtungen. Ebenso gehören die Durchführung von Seminaren und Bildungsmaßnahmen, individuelles Methoden- und Praxis-Coaching sowie die Personenzertifizierung zum Angebot des Full-Service-Anbieters. Lehrgangs- und Coaching-Produkte von Helling und Storch sind vielfach ausgezeichnet und weltweit im Praxiseinsatz bei mittelständischen Unternehmen und namhaften Konzernen.

Matthias Storch ist Geschäftsführer von Helling und Storch. Als einer der ersten Six Sigma Master Black Belts Deutschlands und Lean Master blickt er auf viele Jahre, hunderte Projekte und mehr als 10.000 Teilnehmer Erfahrung in Schulung und Anwendung der Six Sigma Methoden.

Kundenrezensionen

(1)
5,0 von 5 Sternen
5 Sterne
5
4 Sterne
0
3 Sterne
0
2 Sterne
0
1  Stern
0

© 2024 Lecturio GmbH. Alle Rechte vorbehalten.

Betreuung durch Dozenten
Auch unterwegs auf Tablet und Smartphone lernen
100% Geld-zurück-Garantie