Seminar Design for Six Sigma (DfSS) - Green Belt mit Hochschulzertifikat

• Einführung in die Innovationsmethodik
• Die Phasenmodelle für DfSS
• DfSS und der Produktentstehungsprozess
• Kano-Model, Voice of Customer (VoC)
• CTQ-Flowdown
• Anforderungsmanagement
• House of Quality (QFD)
• Dekomposition und Funktionsnetz
• Funktions-, Struktur- und Komponentenanalyse
• Messsystemanalyse
• Grafische Analyse
• Hypothesentests
• Design of Experiments (DoE)
• Zielgrößenoptimierung, Worst-Case-Analyse
• Risk Assessment, FMEA
• Zuverlässigkeitsanalyse
• Kreativitätstechniken
• Konzeptauswahlverfahren
• Anwendung der Werkzeuge in Gruppenarbeiten an Case Studies und realen Projektsituationen

Modul 1 (3 Tage):

• Einführung in die Innovationsmethodik
• Einblick in Six Sigma und die Vorteile des proaktiven Arbeitens
• Projektblatt, DMAIC / DFSS / DICOV Prozess, Six Sigma Rollen
• Erstellung einer Prozess-Map, Ablaufanalyse, Stream Mapping.
• Kundenanforderungen: Kano-Diagramm, S-Kurvenanalyse, Voice of the Customer, Voice of the Product, Technologietrends, Zusammenhang QFDCTQ Flowdown-Scorecards
• Arten von Daten: Messskalen, Mittelwert, Median, Streuung, Standardabweichung, Varianz, Verteilungen, Prozessfähigkeit
• Quality Function Deployment
• Potenziale von Big Data, Künstlicher Intelligenz und Machine Learning.
• Critical-to-Quality: Flowdown von Anforderungen in messbare Größen
• Tracking der Teileentwicklung
• Messsystemanalyse: Wiederholbarkeit, Variation, Gauge R&R, Akzeptanzkriterien für Messsysteme, attributive MSA
• Komponentenanalyse, Interaktionsmatrix, Funktionsanalyse, P-Diagramm
• Systematisches Problemlösungstool, Widerspruchsmatrix
• Platzziffernverfahren, paarweiser Vergleich, Pugh-Matrix, Entscheidungsanalyse

Projekt: Anwendung im eigenen Unternehmen

Modul 2 (3 Tage):

• Verschiedene grafische Darstellungen von Daten in Minitab
• Failure Mode Effect Analysis (FMEA): Risikoanalyse auf Highlevel zur Kontrolle des Projektes
• Zentraler Grenzwertsatz, statistische Abschätzungen und Vertrauensintervall
• Null-Hypothese, alternative Hypothese, p-Wert, t-test, 2-Sample t-test, ANOVA, Normalverteilung, Varianzenanalyse, Chi²-test.
• Analysis Of Variances, Vergleich von Streuungen, Vergleich von Mittelwerten
• Design Of Experiments (DoE): Vollfaktorielles DoE, teilfaktorielles DoE
• Richtige Stichprobengröße
• Vollfaktorielle Versuche: Vorbereitung, Auslegung in MiniTab, Aufwandsabschätzung
• Teilfaktorielle Versuche: Aliasing-Effekt, Reduktion der Faktoren
• Korrelation und Ursache: Regression und Abweichungsfehlerminimierung, Residuen, Vertrauensbereich
• Regression über Mehrfachparameter: Koeffizientenvergleich, Nicht-lineare Regression

Projekt: Anwendung im eigenen Unternehmen

Modul 3 (3 Tage):

• DOE Übung
• 2 Faktoren Übertragungsfunktion
• Optimierte (technische) Einstellung für Parameter, zur Erzielung des besten Ergebnisses für Y. Modelle 1ter Ordnung, Screening
• Regelkarte: R-Karte, Xquer-Karte, p-, np-, C-, U-Karten
• Poka-Yoke, Monte-Carlo, Propagation of Variances
• Toleranzanalyse und Worst-Case-Betrachtung: Monte-Carlo-Simulation
• Badewannenkurve, Lebenszyklus
• Zusammenfassendes Beispiel
• Erklärung Abkürzungen
• Kernformeln und wo sie im Kontext zu finden sind

Abschlussprüfung:

• Schriftliche Prüfung am letzten Seminartag

Projekt: Anwendung im eigenen Unternehmen