Six Sigma

Six Sigma (6σ) ist ein Managementsystem zur Prozessverbesserung, statistisches Qualitätsziel und zugleich eine Methode des Qualitätsmanagements. Ihr Kernelement ist die Beschreibung, Messung, Analyse, Verbesserung und Überwachung von Geschäftsvorgängen mit statistischen Mitteln. Es ist eine Methode mit einem umfassenden Set an Werkzeugen zur systematischen Verbesserung oder Neugestaltung von Prozessen. Dabei folgt der Projektstrukturplan bei Prozessverbesserungsprojekten der Vorgehensweise Define – Measure – Analyze – Improve – Control (DMAIC). Six-Sigma-Projekte verfolgen letztlich die Verbesserung des Unternehmensergebnisses, indem sie die Verschwendung von Ressourcen reduzieren, die für die Herstellung unbrauchbarer Produkte, die Entsorgung, den Reklamationsprozess usw. eingesetzt werden.

Der Name „Six Sigma“ stammt aus der statistischen Qualitätskontrolle und bezieht sich auf den Umstand, dass in einer Normalverteilung fast alle Ergebnisse innerhalb einer Bandbreite von ±6 Standardabweichungen (σ) um den Mittelwert liegen, englisch ausgesprochen „Six Sigma“.

Six-Sigma-Symbol

Geschichtliche Entwicklung

Die Vorläufer von Six Sigma wurden in den 1970er Jahren erst im japanischen Schiffbau eingeführt, später in der japanischen Elektronik- und Konsumgüterindustrie. Six Sigma wurde 1987 von Motorola in den USA entwickelt. Große Popularität erlangte der Six-Sigma-Ansatz durch Erfolge bei General Electric (GE). Damit verbunden ist der Name des Managers Jack Welch, der 1996 Six Sigma bei GE einführte.

Heute arbeiten zahlreiche Großunternehmen mit Six Sigma – nicht nur in der Fertigungsindustrie, sondern auch im Dienstleistungssektor. Viele dieser Unternehmen erwarten von ihren Lieferanten Nachweise über Six-Sigma-Qualität in den Produktionsprozessen. Mehr als zwei Drittel (69 %) der Unternehmen nutzen Six Sigma zur Prozessverbesserung, während nur ein Drittel (31 %) die Methode zur Neuentwicklung von Prozessen einsetzt.

Im Produkt- und Prozessentwicklungsbereich kommen abgewandelte DMAIC- bzw. Prozessmanagement-Prozesse zum Einsatz, die unter dem Begriff Design for Six Sigma (DFSS, DMADV) zusammengefasst werden. Auch für den Bereich der Software-Entwicklung gibt es eine Variante von Six Sigma.

Seit 2001 wird Six Sigma in vielen Implementierungen mit den Methoden des Lean Management kombiniert und als Lean Sigma oder Lean Six Sigma bzw. Six Sigma + Lean bezeichnet.

Im Zuge der Nachhaltigkeitsdiskussion von Prozessveränderungen ist seit 2005 zunehmend das Prozessmanagement (im Sinne von Management von Geschäftsprozessen im Tagesgeschäft, aber nicht vorrangig im Sinne der GPM-IT-Tool-Thematik) als Ergänzung zu den Projektmethodiken DMAIC und DFSS ein Thema.

Standards und Normen

Im Jahr 2011 erschien mit der ISO 13053-2011 die erste Norm für Six Sigma. Motorola hat keinen Body of Knowledge herausgegeben und damit auch keine einheitliche Zertifizierungsgrundlage für Six Sigma geschaffen. Seit Ende der 90er Jahre gibt es daher vermehrt Anbieter von Six-Sigma-Zertifizierungen mit jeweils unterschiedlich inhaltlicher Ausrichtung.

Rollen und Aufgaben

Six-Sigma-Verbesserungsprojekte werden von speziell ausgebildeten Mitarbeitern geleitet. Das führungspsychologische Konzept von Six Sigma beruht auf Rollendefinitionen, die sich an den Rangkennzeichen (Gürtelfarbe) japanischer Kampfsport­arten orientieren (vgl. Dan und Kyū):

Daneben gibt es je nach Unternehmen – im Rang unterhalb des Grünen Gürtels – auch „inoffizielle“ Gürtelfarben wie weiß, gelb und blau. Diese übernehmen keine Projektleitungsaufgaben.

Einer allgemeinen Richtlinie zufolge – in vielen Büchern zitiert – sollte in den Unternehmen pro 100 Mitarbeiter ein Schwarzer Gürtel aktiv sein („1-Prozent-Regel“). Ein Schwarzer Meistergürtel soll etwa 20 (erfahrene) Schwarze Gürtel betreuen. Auf jeden Schwarzen Gürtel wiederum kommen etwa 20 Grüne Gürtel.

Die Six-Sigma-Toolbox

Im Rahmen der DMAIC-Phasen findet eine Vielfalt von Qualitätstechniken Anwendung, die Six Sigma von der bestehenden Qualitätsmanagement-Praxis übernommen hat. Die folgende Tabelle stellt eine Übersicht dar:

Nr. Kunden-Werkzeuge Projekt-Werkzeuge Schlankheits-Werkzeuge Management-Werkzeuge
1 Kano-Modell Netzplantechnik Standardisierung Entscheidungsbaum
2 Strukturierung von Kundenanforderungen, genannt Anforderungsstrukturierung Projekt- und Teambeschreibung Wertstrom-, Engpass- bzw. Materialflussanalyse Affinitätsdiagramm
3 House of Quality CTQ-Analyse (Critical to Quality) Wertschöpfungs- bzw. Verschwendungsanalyse Beziehungsdiagramm
4 Verlustfunktion nach Taguchi Gen’ichi Baumdiagramm Flussdiagramm Baumdiagramm
5 Kundeninterviews Prozessfähigkeitsanalyse Versorgungskettenmatrix Matrixdiagramm
6 Kundenfragebögen Kosten-Nutzen-Analyse Rüstzeitanalyse Matrix-Daten-Analyse
7 Conjoint-Analyse Regelkarten Red-Tag-Analyse Netzplantechnik
Nr. Design-Werkzeuge Grafik-Werkzeuge Statistik-Werkzeuge
1 Robustes Design, Parameterdesign Prüfformulare (inkl. Messplan) Statistische Versuchsplanung (DoE)
2 Quality Function Deployment (QFD) Histogramm Prozessfähigkeitsuntersuchung
3 TRIZ Paretodiagramm Regressionsanalyse
4 Konzeptauswahlanalyse nach Pugh Ursache-Wirkungs-Diagramm, auch Ishikawa- bzw. Fishbone-Diagramm genannt Multivariate Analyse
5 FMEA/VMEA Grafischer Vergleich Statistische Testverfahren (F-Test, ANOVA)
6 Fehlerbaumanalyse Relationendiagramm Wahrscheinlichkeitsnetz
7 Toleranzanalyse und Toleranzdesign Regelkarten Messsystemanalyse (Gage R&R)

Der Six-Sigma-Kernprozess: DMAIC

Der DMAIC-Zyklus (Define, Measure, Analyze, Improve, Control) ist die zentrale Vorgehensweise im Rahmen von Six Sigma zur systematischen Verbesserung bestehender Prozesse. Er dient dazu, Prozesse messbar zu machen, Ursachen von Abweichungen zu identifizieren und nachhaltige Verbesserungen umzusetzen.

Define (D)

In dieser Phase wird der zu verbessernde Prozess identifiziert, dokumentiert und das Problem mit diesem Prozess beschrieben. Dies geschieht meistens in Form einer Projekt-Charta. Diese beinhaltet außerdem:

DMAIC-Zyklus für bereits existierende Prozesse

Neben der Projektcharta werden meistens weitere Werkzeuge verwendet, so z. B.:

Measure (M)

Measure (M) In dieser Phase wird die Leistungsfähigkeit des bestehenden Prozesses anhand geeigneter Kennzahlen erfasst. Ziel ist es, den Ist-Zustand des Prozesses auf Basis verlässlicher Daten zu quantifizieren und mit den Kundenanforderungen zu vergleichen.

Ein zentraler Bestandteil ist die Bewertung der Prozessfähigkeit, häufig unter Verwendung statistischer Kennzahlen. Zudem wird die Qualität der eingesetzten Messsysteme überprüft, beispielsweise durch eine Messsystemanalyse (MSA), um die Zuverlässigkeit der erhobenen Daten sicherzustellen.

Analyze (A)

Ziel der Analysephase ist es, die Ursachen dafür zu finden, warum der Prozess die Kundenanforderungen bislang noch nicht im gewünschten Maß erfüllt. Dazu werden Prozessanalysen wie z. B. Wertschöpfungs-, Materialfluss- oder Wertstromanalysen, sowie Datenanalysen (Streuung) erstellt. Bei der Datenanalyse werden die in der vorigen Phase erhobenen Prozess- oder Versuchsdaten unter Einsatz statistischer Verfahren ausgewertet, um die wesentlichen Streuungsquellen zu identifizieren und die tieferliegenden Ursachen des Problems zu erkennen.

Angewandte Werkzeuge in dieser Phase:

Improve (I) (bzw. Engineer (E) bei neuen Prozessen)

Nachdem verstanden wurde, wie der Prozess funktioniert, wird nun die Verbesserung geplant, getestet und schließlich eingeführt. Hierbei werden Werkzeuge angewandt, die auch außerhalb von Six Sigma weit verbreitet sind, beispielsweise:

Control (C)

Der neue Prozess wird mit statistischen Methoden überwacht. Dies geschieht überwiegend mit SPC-Regelkarten. Darüber hinaus werden von der Fachliteratur weitere ausgewählte Methoden aufgeführt, die für eine nachhaltige Aufrechterhaltung von Verbesserungen wichtig sind, wie:

Die Six Sigma Roadmap zeigt einen Leitfaden zum chronologischen Einsatz der wichtigsten Werkzeuge.

Der Aufwand für ein DMAIC ist hoch, so dass sich die Umsetzung erst lohnt, wenn die zu erwartenden Wertschöpfungszuwächse aus dem verbesserten Prozess höher als 50.000 EUR ausfallen. Man strebt eine Projektlaufzeit von vier bis fünf Monaten an.

Six Sigma als statistisches Qualitätsziel

In aller Regel kommt es bei jedem Qualitätsmerkmal zu unerwünschter Streuung in den Prozessergebnissen. Auch der Durchschnitts- oder Erwartungswert liegt oft nicht genau auf dem Zielwert.

Im Rahmen einer so genannten Prozessfähigkeitsuntersuchung werden solche Abweichungen vom Idealzustand in Beziehung zum Toleranzbereich des betreffenden Merkmals gesetzt. Dabei spielt die Standardabweichung des Merkmals (Buchstabe: σ; gesprochen: Sigma) eine wesentliche Rolle. Sie misst die Streubreite des Merkmals, also wie stark die Merkmalswerte voneinander abweichen.

Je größer die Standardabweichung im Vergleich zur Breite des Toleranzbereichs ist, desto wahrscheinlicher ist eine Überschreitung der Toleranzgrenzen. Ebenso gilt, je weiter sich der Mittelwert vom Zentrum des Toleranzbereichs entfernt (also je näher er an eine der Toleranzgrenzen heranrückt), desto größer der Überschreitungsanteil. Deswegen ist es sinnvoll, den Abstand zwischen dem Mittelwert und der nächstgelegenen Toleranzgrenze in Standardabweichungen zu messen. Dieser Abstand geteilt durch 3 σ ist der Prozessfähigkeitsindex Cpk; es gilt also Cpk = 1, wenn der Mittelwert 3 σ von der nächstgelegenen Toleranzgrenze entfernt ist.

Schaubild der Normalverteilung, auf der die statistischen Grundannahmen des Six-Sigma-Modells beruhen. Der griechische Kleinbuchstabe σ (Sigma) steht für den horizontalen Abstand zwischen dem arithmetischen Mittelwert µ (Gipfelpunkt der Normalverteilungskurve) und dem Wendepunkt der Kurve. Je größer dieser Abstand ist, desto breiter sind die Werte des gemessenen Merkmals gestreut. In der hier gezeigten Abbildung sind die Spezifikationsgrenzen (USL, LSL) 6 σ vom Mittelwert entfernt. Werte jenseits der Spezifikationsgrenzen sind extrem unwahrscheinlich, selbst wenn sich die Verteilungskurve später um 1,5 σ nach links oder rechts verschieben sollte.

Der Name „Six Sigma“ resultiert aus der Forderung, dass die nächstgelegene Toleranzgrenze mindestens sechs Standardabweichungen (6σ, englisch ausgesprochen „Six Sigma“) vom Mittelwert entfernt liegen soll („Six-Sigma-Level“, Cpk = 2). Nur wenn diese Forderung erfüllt ist, kann man davon ausgehen, dass praktisch eine „Nullfehlerproduktion“ erzielt wird, die Toleranzgrenzen also so gut wie nie überschritten werden. Da die meisten Produkte aus diversen einzelnen Bauteilen bestehen und außerdem in mehreren Prozessen bzw. Prozessschritten gefertigt werden, reicht eine zuverlässige Streuung von ± 3 σ nicht aus, um eine nahezu fehlerfreie Produktion sicherzustellen. Wird 6σ nicht eingehalten, kann man entweder versuchen, die Streubreiten des Fertigungsprozesses zu verkleinern oder den Fertigungsprozess so umzugestalten, dass auch größere Abweichungen von den Sollwerten zu befriedigenden Ergebnissen beim Produkt führen und somit die Toleranzen aufgeweitet werden können.

Erwarteter Fehleranteil beim Six-Sigma-Level

Bei der Berechnung des erwarteten Fehleranteils wird zusätzlich in Betracht gezogen, dass Prozesse in der Praxis, über längere Beobachtungszeiträume gesehen, unvermeidbaren Mittelwertschwankungen ausgesetzt sind. Es wäre also zu optimistisch, davon auszugehen, dass der Abstand zwischen dem Mittelwert und der kritischen Toleranzgrenze immer konstant 6 Standardabweichungen betragen würde. Basierend auf Praxisbeobachtungen hat es sich im Rahmen von Six Sigma eingebürgert, eine langfristige Mittelwertverschiebung um 1,5 Standardabweichungen einzukalkulieren. Wenn eine solche Mittelwertverschiebung tatsächlich eintreten sollte, wäre der Mittelwert also statt 6 nur noch 4,5 σ von der nächstgelegenen Toleranzgrenze entfernt.

Deswegen wird der Überschreitungsanteil für die Grenze 6σ mit 3,4 DPMO (Fehler pro Million Möglichkeiten, englisch defects per million opportunities) angegeben. Dies entspricht bei dem häufigsten Verteilungstyp, der Normalverteilung, der Wahrscheinlichkeit, dass ein Wert auftritt, der auf der Seite mit der nächstgelegenen Toleranzgrenze um mindestens 4,5 Standardabweichungen vom Mittelwert abweicht und somit die Toleranzgrenze überschreitet. Die nachfolgende Tabelle nennt DPMO-Werte für verschiedene Sigma-Level; alle diese Werte kalkulieren die erwähnte Mittelwertverschiebung um 1,5 σ ein. Der für 3 σ angegebene DPMO-Wert entspricht also zum Beispiel dem einseitigen Überschreitungsanteil für 1,5 σ, der für 4 σ entspricht dem einseitigen Überschreitungsanteil für 2,5 σ usw.

Sigma level DPMO fehlerhaft % fehlerfrei % Kurzfristiger Cpk Langfristiger Cpk
1 691.462 68 % 32 % 0,33 −0,17
2 308.538 31 % 69 % 0,67 0,17
3 66.807 6,7 % 93,3 % 1,00 0,5
4 6.210 0,62 % 99,38 % 1,33 0,83
5 233 0,023 % 99,977 % 1,67 1,17
6 3,4 0,00034 % 99,99966 % 2,00 1,5
7 0,019 0,0000019 % 99,9999981 % 2,33 1,83

Erfolgsfaktoren für die Nutzung der Six-Sigma-Methode

Die Fachliteratur nennt viele kritische Erfolgsfaktoren, die nachfolgend gelistet sind:

Six-Sigma-Projekte

Six Sigma wird ausschließlich in Form von Projekten umgesetzt. Die Resultate eines Six-Sigma-Programms hängen vom Ergebnis der einzelnen Projekte ab. Daher müssen der Projektauswahl und der konkreten Projektarbeit besondere Beachtung geschenkt werden. Die direkte Verantwortung für die Projektergebnisse liegt beim Prozesseigner.

Folgende Rahmendaten gelten als Erfolgsfaktoren:

Aus einer Befragung geht folgende Rangliste für die Auswahlkriterien von Six-Sigma-Projekten hervor:

Einer der häufigsten Gründe bei Fehlschlägen von Six-Sigma-Projekten ist die Auswahl der falschen Projekte.

Kombination von Six Sigma mit anderen Methoden

Six Sigma lässt sich problemlos mit anderen Methoden kombinieren, die es in idealer Weise ergänzen. In den meisten Unternehmen wird Six Sigma mit den Methoden des Lean Management zum Lean Six Sigma ergänzt. Für die Auswahl der Six Sigma Projekte ist die Anwendung der Theorie of Constraints (TOC) sinnvoll, da Projekte, die einen Engpass beseitigen, die größten Erfolge haben – sogenannte Durchbruchserfolge. Mehr als ein Drittel (36 %) kombiniert Six Sigma mit Customer Relationship Management (CRM). Etwa ein Viertel der Anwendung kombiniert Six Sigma mit Benchmarking, Supply Chain Management und digitaler Transformation. Vor der Digitalisierung eines Prozesses sollte auf jeden Fall zuerst der Prozess optimiert werden.

Six Sigma in der Finanzindustrie

In den letzten Jahren werden immer häufiger Six-Sigma-Projekte auch in der Finanzindustrie umgesetzt. Hier gibt es eine Vielzahl von Prozessen (z. B. die Preisfestlegung von Finanzinstrumenten), für die es unverzichtbar ist, dass sie zügig und fehlerfrei ablaufen. Ist diese Fehlerfreiheit nicht gewährleistet, entstehen rasch unangenehme Konsequenzen mit hohen Folgekosten (z. B. hohe Steuerrückforderungen). Fehler bei der Stammdaten- und Marktdatenversorgung (z. B. eine fehlerhafte Kursversorgung) können schnell unerwünschte direkte und indirekte Folgekosten verursachen. Mögliche Auswirkungen wären zum Beispiel hängende Orders im System, eine falsche Preisberechnung oder Fehler im Reporting. Im Rahmen eines Six Sigma Projektes können die Ursachen solcher Probleme identifiziert und messbar gemacht werden. Es können individuelle Lösungsansätze entwickelt werden, die zu einer Prozessoptimierung führen.

Literatur

Software

Commons: Six Sigma – Sammlung von Bildern, Videos und Audiodateien

Einzelnachweise

  1. Andrea Chiarini: From Total Quality Control to Lean Six Sigma. Springer, 2012, ISBN 978-88-470-2658-2.
    1. ↑ 37
  2. ↑ Matthias Schmieder: Empirische Befragung über den Einsatz des Operational-Excellence Konzepts in Deutschland (Memento vom 9. Mai 2021 im Internet Archive), auf six-sigma-deutschland.de
  3. ↑ https://www.iso.org/standard/52901.html
  4. 1 2 Magnusson, Kroslid, Bergman: Six Sigma umsetzen. (2003), S. 23, ISBN 3-446-22295-2.
  5. 1 2 Ken Erdrich: Six Sigma - Inhalt. Abgerufen am 1. Januar 2018.
  6. 1 2 3 4 Magnusson, Kroslid, Bergman (2003), S. 24.
  7. 1 2 3 4 5 Magnusson, Kroslid, Bergman (2003), S. 25.
  8. ↑ Magnusson, Kroslid, Bergman (2003), S. 44.
  9. 1 2 Tilo Pfeifer: Six Sigma: Methoden und Werkzeuge für die Praxis. Hanser, 2002.
  10. 1 2 Schroeder, Roger G.; Linderman, Kevin; Liedtke, Christian; Choo, Adrian S.: Six Sigma: Definition and underlying theory. In: Journal of Operations Management. Band 26, Nr. 4, 2008, S. 536–554, doi:10.1016/j.jom.2007.06.007.
  11. ↑ Stefan Heusinger: Voice of Customer Recherche: Tipps für effektives Copywriting. In: Stefan Heusinger. 29. Dezember 2020, abgerufen am 20. März 2021 (deutsch).
  12. 1 2 3 4 5 6 R. Jochem, D. Geers, M. Giebel: Six Sigma leicht gemacht. Ein Lehrbuch mit Musterprojekt für den Praxiserfolg. Symposion Publishing (2011), S. 214 ff.
  13. 1 2 3 4 R. Jochem, D. Geers, M. Giebel: Six Sigma leicht gemacht. Ein Lehrbuch mit Musterprojekt für den Praxiserfolg, Symposion Publishing (2011), S. 269 ff.
  14. 1 2 3 Thomas Pyzdek: Motorola’s Six Sigma Program (englisch)
  15. ↑ Craig Gygi, Neil DeCarlo, Bruce Williams: Six sigma for dummies. Wiley Publishing, Inc., Hoboken, NJ 2005, ISBN 0-7645-6798-5, S. 23, vordere Umschlagseite.
  16. ↑ Basem El-Haik, Nam P. Suh: Axiomatic quality. Integrating axiomatic design with six-sigma, reliability, and quality engineering. John Wiley, Hoboken, N.J 2005, ISBN 0-471-68273-X, S. 10.
  17. ↑ Münster: Kritische Erfolgsfaktoren für den Einsatz der Six-Sigma-Methode. 2009, ISBN 978-3-8381-0086-9, S. 108 f.
  18. ↑ Matthias Schmieder, Mehmet Aksel: Fragebogen für den Selbst-Check – Passt Six zu uns? In: QZ. 5/2006, S. 34–37.
  19. 1 2 Matthias Schmieder: Empirische Befragung über den Einsatz von Benchmarking und Six Sigma in Deutschland (Memento vom 9. Mai 2021 im Internet Archive), auf .six-sigma-deutschland.de
  20. ↑ Matthias Schmieder: Warum Six Sigma erfolgreich ist – Analyse aktueller Studien. In: Gundlach Carsten und Jochem Roland (Hrsg.): Praxis Six Sigma, Fehler vermeiden, Prozesse verbessern, Kosten senken. Düsseldorf 2008, S. 39–64.
  21. ↑ Prozessoptimierung im Data Quality Management (Memento vom 20. April 2014 im Internet Archive) (PDF; 81 kB) Case Study, Anadeo Consulting (abgerufen am 6. Februar 2026).