1. Archiv - Six Sigma Green Belt – Analyse Phase

Archiv - A3 | Exit Review der Analyse Phase von   Helling und Storch

Dieser Vortrag ist nur für Mitglieder der Institution Experten verfügbar.

Du bist nicht eingeloggt. Du musst dich anmelden oder registrieren und Mitglied dieser Institution werden um Zugang zu erhalten. In unserer Hilfe findest du Informationen wie du Mitglied einer Institution werden kannst.

Über den Vortrag

Der Vortrag „Archiv - A3 | Exit Review der Analyse Phase“ von   Helling und Storch ist Bestandteil des Kurses „Archiv - Six Sigma Green Belt – Analyse Phase“. Der Vortrag ist dabei in folgende Kapitel unterteilt:

  • A3 Analyse Phase Exit Review
  • Zusammenfassung der Arbeitsergebnisse
  • Phase Exit Review
  • Ausblick: Improve Phase

Quiz zum Vortrag

  1. In der Analyse Phase steht die grafische und die statistische Bewertung der Einflussfaktoren im Vordergrund.
  2. Ziel der Analyse Phase ist es, die relevanten Faktoren im Prozess (KPIV) mit direkter Wirkung auf das Fehlerbild (KPOV) zu kennen.
  3. Die Statistische Analyse der Erfolgsfaktoren POV steht im Vordergrund.
  4. Die Auflistung der KPIV als Ergebnis der FMEA ist das Ziel.
  1. Auflistung der Einflussfaktoren
  2. Bewertung der Messsystemtauglichkeit
  3. Grafische Analyse der Einflussfaktoren
  4. Statistische Analyse der Einflussfaktoren
  5. Bewertung der Erfolgsfaktoren (Prozessfähigkeitsanalyse)
  1. Die Grafische Analyse priorisiert die Signifikanz der Einflussfaktoren, die Statistische Analyse bewertet die Stärke und Wechselwirkung der relevanten Einflussfaktoren.
  2. Die Grafische Analyse bewertet die Stärke und Wechselwirkung der relevanten Einflussfaktoren. Die Statistische Analyse bewertet die Hebelwirkung (den zu erwartenden Effekt) einzelner Faktoren.
  3. Die Grafische Analyse priorisiert die Signifikanz der Einflussfaktoren, die Statistische Analyse bewertet nur die Wechselwirkung.
  4. Abhängig davon, ob man die Statistische oder die Grafische Analyse besser beherrscht, kann man zwischen der Grafischen oder Statistischen Analyse wählen. Die Ergebnisse beider Verfahren unterscheiden sich nicht.
  1. Durch Umschreibung von Einflussfaktoren durch Kennzahlen wird eine objektive Betrachtung ermöglicht.
  2. Quantitative Daten lassen mehr Statistiken zu als qualitative Daten. Eine größere Zahl an Analysemöglichkeiten und damit eine validere Entscheidungsbasis resultiert daraus.
  3. Durch Umschreibung von Einflussfaktoren durch Kennzahlen wird eine wirtschaftliche Betrachtung ermöglicht.
  4. Durch Umschreibung von Einflussfaktoren durch Kennzahlen wird eine prozessorientierte Betrachtung ermöglicht.
  1. Die Anzahl der signifikanten PIV (KPIV) ist bekannt.
  2. Der Grad der signifikanten Wechselwirkung ist bekannt.
  3. Die realen Verbesserungsziele sind festgelegt.
  4. Die Anzahl der signifikanten POV (KPOV) ist bekannt.
  1. Die PIV werden durch quantitative Daten beschrieben.
  2. Die PIV werden durch qualitative Daten beschrieben.
  3. Die PIV benötigen keine bestimmten Datenarten zur Beschreibung.
  4. Die PIV sollen im Zusammenhang mit den KPOV gemessen werden. Beispiel: An einem Bauteil werden sowohl KPOV als auch zugehörige PIV gemessen.
  1. Zu allen PIVs muss auch der zugehörige KPOV gemessen werden (datensatzgenau).
  2. Wird von dem Prinzip der Messung von PIV und zugehörigem KPOV abgewichen, wird die Analyse sehr schnell unscharf.
  3. Die Messungen sollten unter realen Bedingungen durchgeführt werden. Wenn dies nicht möglich ist, können Teile aus dem Prozess entnommen und gesondert vermessen werden.
  4. Alle PIVs werden über einen Zeitraum von mindestens 3 Monaten erfasst.
  1. Es gilt, die Messungen soweit wie möglich unter realen Bedingungen im Prozess durchzuführen.
  2. Wenn eine Datenerfassung im Prozess nicht möglich ist, sollen die Teile aus dem Prozess entnommen werden und separat vermessen werden.
  3. Es ist darauf zu achten, dass fehlerbehaftete und fehlerfreie Teile vermessen werden.
  4. Die Anzahl der Datensätze ist unwichtig.
  1. Datenerfassungsplan für die Einflussfaktoren
  2. Prozessablauf-Flusstabelle
  3. Datenerfassungsplan für die Erfolgsfaktoren
  4. Kontrollplan
  1. In der Analyse Phase wird ein mathematisches Abbild der Prozessrealität geschaffen. Je präziser die Datenerfassung, desto präziser das Abbild. Die Durchführung der Messsystemtauglichkeitsprüfung stellt die präzise Wiedergabe der Messwerte durch den Messprozess sicher.
  2. In der Regel werden in der Analyse Phase neue Messungen durchgeführt. Daraus resultiert die konsequente Durchführung der Messsytemtauglichkeitsprüfung für alle Messsysteme. Nur wenn auf eine bestehende Messung zurückgegriffen werden kann und die Tauglichkeit bereits nachgewiesen wurde, kann auf die Prüfung verzichtet werden.
  3. In der Analyse Phase kann auf die Durchführung der Messsystemtauglichkeitsprüfung verzichtet werden.
  4. Es wird keine Messsytemanalyse (Gage R&R Studie) durchgeführt, sondern lediglich der Cg - Wert ermittelt.
  1. Der Zentrale Grenzwertsatz beschreibt die Theorie, dass die Summe von unabhängigen Zufallsvariablen nahezu normalverteilt ist: Mit genügend großem Umfang einer Zufallsstichprobe aus einer Grundgesamtheit nähert sich die Verteilung der Standardabweichung und der Mittelwerte der Normalverteilung.
  2. Ein Stichprobenumfang von mindestens 30 Proben wird als ausreichend angesehen.
  3. Der Zentrale Grenzwertsatz beschreibt die Theorie, dass die Summe von abhängigen Zufallsvariablen nahezu normalverteilt ist: Mit genügend großem Umfang einer Zufallsstichprobe aus einer Grundgesamtheit nähert sich die Verteilung der Standardabweichung und der Mittelwerte der Normalverteilung.
  4. Der Zentrale Grenzwertsatz beschreibt die Theorie, dass die Summe von abhängigen Zufallsvariablen nahezu normalverteilt ist. Damit können aus beliebigen Stichproben Wahrscheinlichkeiten mit der Normalverteilung gut genug geschätzt werden.
  1. Streudiagramm
  2. Vergleich von Gruppen
  3. Boxplot
  4. Regressionsanalyse
  1. Vergleich von Gruppen
  2. Boxplot
  3. Statistische Versuchsplanung (DoE)
  4. Hypothesentests
  1. Hypothesentests
  2. Vergleich von Gruppen
  3. Boxplot
  4. Statistische Versuchsplanung (DoE)
  5. keine der Antworten ist korrekt
  1. Regressionsanalyse
  2. Statistische Versuchsplanung (DoE)
  3. Hypothesentests
  4. Vergleich von Gruppen
  1. Regressionsanalyse
  2. Vergleich von Gruppen
  3. Statistische Versuchsplanung (DoE)
  4. Hypothesentests
  1. σx_quer = 0,019
  2. σx_quer = 0,053
  3. σx_quer = 0,365
  4. σx_quer = 0,264
  1. 2,463 < µ < 2,537
  2. 2,481 < µ < 2,519
  3. 2,135 < µ < 2,865
  4. 2,631< µ < 2,726
  1. Ja, weil sich die Konfidenzintervalle nicht überlappen
  2. Nein, weil sich die Konfidenzintervalle nicht überlappen
  3. Die Daten lassen keine Aussage zu
  4. Ja, weil die Konfidenzintervalle sich überlappen
  1. Q50
  2. Unterer Whisker
  3. Oberer Whisker
  4. Q25
  5. Q75
  1. Wenn er sich mehr als den 1,5-fachen Interquartilsabstand oberhalb von Q75 oder unterhalb von Q25 befindet
  2. Wenn er sich im unteren Whisker befindet
  3. Wenn er mehr als fünf Standardabweichungen vom Median entfernt ist
  4. In einem Boxplot gibt es keine Ausreißer
  1. Es handelt sich um eine starke negative Korrelation
  2. Es handelt sich um eine starke positive Korrelation
  3. Es handelt sich um eine moderate positive Korrelation
  4. Es handelt sich um eine moderate negative Korrelation
  5. Es handelt sich nicht um eine lineare Korrelation
  1. Es handelt sich nicht um eine lineare Korrelation
  2. Es handelt sich um eine starke positive Korrelation
  3. Es handelt sich um eine moderate positive Korrelation
  4. Es handelt sich um eine moderate negative Korrelation
  5. Es handelt sich um eine starke negative Korrelation
  1. Es handelt sich um eine moderate positive Korrelation
  2. Es handelt sich um eine starke positive Korrelation
  3. Es handlt sich um eine moderate negative Korrelation
  4. Es handlet sich um eine starke negative Korrelation
  5. Es handelt sich um nicht um eine lineare Korrelation
  1. Regressionsanalyse
  2. Hypothesentests
  3. ANOVA
  4. Boxplot
  5. Verlaufsdiagramm
  1. Das Grundkonzept von Hypothesentests sieht vor, dass Populationen miteinander verglichen werden. Der Vergleich bezieht sich entweder auf den Mittelwert oder auf die Streuung.
  2. Beim Hypothesentest wird eine Hypothese und mindestens eine Alternativhypothese formuliert.
  3. Das Grundkonzept der Hypothesentests sieht vor, dass die Stärke des Einflusses von mindestens zwei Faktoren dargestellt wird.
  4. Das Grundkonzept der Hypothesentests sieht vor, dass der zeitliche Verlauf von Populationen mit einem Zielwert verglichen wird.
  1. Die Hypothesen schließen sich gegenseitig aus.
  2. Die Nullhypothese H0 kann verworfen werden, wenn die Daten aussagekräftig genug sind. Wenn die Nullhypothese H0 beibehalten werden muss, bedeutet das nicht unbedingt, dass die Populationen gleich sind.
  3. Die Nullhypothese beinhaltet immer das Gleichheitszeichen.
  4. In einem Hypothesentest gibt es mindestens zwei Hypothesen.
  5. Die Alternativhypothese H1 beinhaltet bei einem einseitigen Test das Gleichheitszeichen.
  1. H0 wird verworfen, falsche Entscheidung
  2. 1-Power = ß - Risiko
  3. H0 wird beibehalten, falsche Entscheidung
  4. Das α- Risiko tritt auf, wenn das β-Risiko größer gleich 50% ist
  1. H0 wird beibehalten, falsche Entscheidung
  2. 1-Power = ß - Risiko
  3. Das ß- Risiko tritt auf, wenn das α- Risiko größer gleich 50% ist
  4. H0 wird verworfen, falsche Entscheidung
  1. α = 0,05
  2. α = 0,5
  3. ß = 0,5
  4. ß = 0,05
  1. p < α
  2. p < β
  3. p > α
  4. p > β
  1. 1- β
  2. Power (Teststärke)
  3. 1- α
  1. Zwei-Stichproben-t-Test
  2. Zwei-Stichproben-Z-Test
  3. Test auf Varianzen
  4. Test auf Normalverteilung (Anderson-Darling-Test)
  1. Ein Stichproben-Z-Test
  2. Zwei-Stichproben-Z-Test
  3. Ein-Stichproben-t-Test
  4. Zwei-Stichproben-t-Test
  1. Test auf Varianzen
  2. Test auf Normalverteilung (Anderson-Darling-Test)
  3. Zwei-Stichproben-t-Test
  4. Ein-Stichproben-t-Test
  1. Test auf Normalverteilung (Anderson-Darling-Test)
  2. Test auf Varianzen
  3. Zwei-Stichproben-t-Test
  4. Zwei-Stichproben-Z-Test
  1. H0: µcd (Werk Spanien) = µcd (Werk Schweden) H1: µcd (Werk Spanien) ≠ µcd (Werk Schweden)
  2. H0: µcd (Werk Spanien) ≤ µcd (Werk Schweden) H1: µcd (Werk Spanien) > µcd (Werk Schweden)
  3. H0: µcd (Werk Spanien) ≥ µcd (Werk Schweden) H1: µcd (Werk Spanien) < µcd (Werk Schweden)
  4. H0: µcd (Werk Spanien) <> µcd (Werk Schweden) H1: µcd (Werk Spanien) = µcd (Werk Schweden)
  1. y= β0 + β1x
  2. x = β0 + β1y
  3. y = β1 + β0x
  4. x = β1 + β0x
  1. β0 ist der Schnittpunkt der Geraden mit der Y-Achse.
  2. β0 beschreibt die Steigung der Regressionsgeraden.
  3. β0 ist die mittlere Streuung der Residuen.
  4. β0 beschreibt den Anteil der Streuung, der die Regressionsgleichung nicht erklärt.
  1. β1 ist der Änderungsbetrag von y pro Einheit von x (Steigung): Δy/Δx.
  2. β1 ist der Schnittpunkt der Geraden mit der Y-Achse.
  3. β1 ist der Änderungsbetrag von x pro Einheit von y (Steigung): Δx/Δy
  4. β1 beschreibt den mittleren Abstand der Punkte zur Geraden.
  1. r^2 = 1 - SSE/SST
  2. r^2 = 1 - SST/SSE
  3. r^2 = 1 - SST/SSR
  4. r^2 = 1 - SSR/SST
  1. Die Variation des Fehlers entspricht 97,5% der Gesamtvariation.
  2. Die Variation des Fehlers entspricht 2,5% der Gesamtvariation.
  3. Eine Aussage über den Zusammenhang zwischen Y und X ist durch Interpretation von r2 nicht möglich.
  4. Die Variation des Fehlers entspricht 0,25% der Gesamtvariation.
  1. Das Bestimmtheitsmaß beschreibt den Anteil der Streuung, welche die Regressionsgerade erklärt (Steigung).
  2. Die Regressionsgleichung beschreibt die Steigung und Lage der Regressionsgeraden.
  3. Das Bestimmtheitsmaß beschreibt die Steigung der Regressionsgeraden.
  4. Die Regressionsgleichung erklärt den Anteil der Werte, welche die Gerade erklären.
  1. Ein Wertepaar umschreibt die Regressionsgleichung umso mehr, je näher der Punkt (beschrieben durch das Wertepaar [X,Y]) an der Geraden liegt. Die Residualanalyse gibt Auskunft darüber, indem der standardisierte Abstand der Wertepaare zur Geraden in einem Diagramm dargestellt wird.
  2. Prinzipiell ist eine zufällige Verteilung der Residuen um die Gerade von Vorteil. Dadurch wird im Umkehrschluss die Aussage unterstützt, dass keine besonderen Wertepaare die Regressionsgerade in ihrer Steigung oder Lage beeinflussen.
  3. Die Residualanalyse wird nur bei Regressionen mit weniger als 20 Wertepaaren benötigt.
  4. Die Residualanalyse ersetzt die Aussage des Bestimmtheitsmaßes: Entweder erfolgt die Interpretation des Bestimmtheitsmaßes r2 oder die Residualanalyse.
  1. Das Prognoseintervall ist das Konfidenzband für einen Vorhersagewert von Y bei gegebenem X.
  2. Das Prognoseintervall ist r^2 für einen Prognosewert von Y.
  3. Das Prognoseintervall ist ein Konfidenzband. Es gibt mit 95% Wahrscheinlichkeit an, wie groß SSR ist.
  4. Das Prognoseintervall beschreibt die Präzision der Geradengleichung.

Dozent des Vortrages Archiv - A3 | Exit Review der Analyse Phase

  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

© 2025 Lecturio GmbH. Alle Rechte vorbehalten.

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