Hallo WWWler,
wer kann mir praktische Beispiele im Qualitätsmanagement nennen, in denen Korrelationen bzw. Korrelationsdiagramme sinnvoll genutzt werden.
Ich meine keine Erklärungen zu den statistischen Grundlagen und die Aussagen aus z. B r=1 bzw. r=0,1. Die sind mir hinreichend bekannt. Es geht um die konkrete praktische Ausnutzung von Korrelationen in (Fertigungs-)Prozessen.
Gruß
Hans
Grüße,
Korrelationen benutzt man in erster Nähe, wenn man den Einfluss von bestimmten Faktoren entweder aufeinander oder auf das Ergebnis wissen will.
Da Du die Theorie ja schon kennst, einfach zu Beispielen:
Beispiel 1:
Manager X möchte wissen, ob eine neue Kaffeemaschine dabei helfen würde, die Motivation seiner Abteilung zu steigern.
Also sammelt er Daten aus einer Abteilung, die den neuen Kaffe-O-Mat 3000* hat und Daten aus seiner Abteilung, beide bezogen auf eine Zielmetrik.
Jetzt vergleicht er die Daten, und oh Wunder, es gibt eine Korrelation zwischen Kaffee-O-Mat und Motivation.
Was er jedoch nicht sehen kann, ob höher motivierte Mitarbeiter mehr Kaffee trinken, oder kaffeetrinkende Mitarbeiter höher motiviert sind.
Aber da er die Korrelation schon kennt, kann er das weiter analysieren, bevor er die Anschaffung tätigt.
Beispiel 2:
Zur Herstellung von Blahbie-Puppen werden Haare aus Silikon mit Naturfarben oder mit Synthetikfarben gefärbt.
Der Produktionsleiter möchte wissen, ob Haare mit Naturfarben oder Synthetikfarben biegsamer sind.
Also versucht er, eine Korrelation zwischen Biegsamkeit und gewählter Farbe zu finden. Sollte er diese nicht finden, dann ist es in Bezug auf diese Metrik egal, und er wird höchstwahrscheinlich das günstigere Erzeugnis wählen.
Beispiel 3:
Abteilungen A und B sollen zusammen gelegt werden.
Abteilung A ist in Düsseldorf, Abteilung B in Köln.
Management erhofft sich, dass die Produktivität durch diese Maßnahme steigt.
In der Praxis ist sie leider gesunken, da zwar das Zusammenlegen geholfen hat, Aufgaben schneller durchzuführen, aber man vergessen hat, die Korrelation Arbeitsweg/Motivation zu berücksichtigen.
h2h,
Michael
Grüße,
Korrelationen benutzt man in erster Nähe, wenn man den
Einfluss von bestimmten Faktoren entweder aufeinander oder auf
das Ergebnis wissen will.
Da Du die Theorie ja schon kennst, einfach zu Beispielen:
Beispiel 1:
Manager X möchte wissen, ob eine neue Kaffeemaschine dabei
helfen würde, die Motivation seiner Abteilung zu steigern.
Also sammelt er Daten aus einer Abteilung, die den neuen
Kaffe-O-Mat 3000* hat und Daten aus seiner Abteilung, beide
bezogen auf eine Zielmetrik.
Jetzt vergleicht er die Daten, und oh Wunder, es gibt eine
Korrelation zwischen Kaffee-O-Mat und Motivation.
Was er jedoch nicht sehen kann, ob höher motivierte
Mitarbeiter mehr Kaffee trinken, oder kaffeetrinkende
Mitarbeiter höher motiviert sind.
Aber da er die Korrelation schon kennt, kann er das weiter
analysieren, bevor er die Anschaffung tätigt.
Das Beispiel ist i.O.. Aber ich möchte Beispiele aus dem QM. Da hier die Korrelation als super wichtiges TOOL verkauft wird.
Beispiel 2:
Zur Herstellung von Blahbie-Puppen werden Haare aus Silikon
mit Naturfarben oder mit Synthetikfarben gefärbt.
Der Produktionsleiter möchte wissen, ob Haare mit Naturfarben
oder Synthetikfarben biegsamer sind.
Also versucht er, eine Korrelation zwischen Biegsamkeit und
gewählter Farbe zu finden. Sollte er diese nicht finden, dann
ist es in Bezug auf diese Metrik egal, und er wird
höchstwahrscheinlich das günstigere Erzeugnis wählen.
Dazu benötigt man keine Korrelation. Man fertigt Naturfarben und SynthetikHaare misst und fragt vielleicht noch einen Controller. Das super wichtige Tool Korrelation braucht man da nicht.
Beispiel 3:
Abteilungen A und B sollen zusammen gelegt werden.
Abteilung A ist in Düsseldorf, Abteilung B in Köln.
Management erhofft sich, dass die Produktivität durch diese
Maßnahme steigt.
In der Praxis ist sie leider gesunken, da zwar das
Zusammenlegen geholfen hat, Aufgaben schneller durchzuführen,
aber man vergessen hat, die Korrelation Arbeitsweg/Motivation
zu berücksichtigen.
Auch kein Beispiel aus dem QM.
Trotzdem vielen Dank für deine Ausführungen. Seit Wochen untersuche ich Literatur (Kamiske, Masing etc.) und Zeitschriften des QM (Q und Zuverlässigkeit). Auch Dozenten haben immer die Wichtigkeit von r im QM beschrieben aber ohne praktische Beispiele.
Aber nie wird in diesen "wertvollen" Abhandlungen die Berechtigung der Korrelation als "wichtiges "Tool" des QM erläutert.
Hans grüßt h2h
h2h,
Michael
Das Beispiel ist i.O.. Aber ich möchte Beispiele aus dem QM. Da hier die Korrelation als super wichtiges TOOL verkauft wird.
Dann frage ich doch mal anders: wie definierst Du denn "QM", dass das alles nichts mit QM zu tun hat?
Dazu benötigt man keine Korrelation. Man fertigt Naturfarben und SynthetikHaare misst und fragt vielleicht noch einen Controller.
Und der Controller sagt dann "Also, weil ich am Freitag 2 Bier zu wenig hatte, haben die Faktoren nichts miteinander zu tun"?
Wie definierst Du denn Korrelation oder wie kommt der Controller an seine Ergebnisse?
Das super wichtige Tool Korrelation braucht man da nicht.
Wer sagt denn, dass es "super wichtig" ist?
Es gibt halt für datengesteuerte Prozessoptimierung in erster Näherung nichts einfacheres und effizienteres als Korrelation.
Trotzdem vielen Dank für deine Ausführungen. Seit Wochen untersuche ich Literatur (Kamiske, Masing etc.) und Zeitschriften des QM (Q und Zuverlässigkeit).
Vielleicht back to basics, fang' doch erstmal damit an, was QM überhaupt für Dich ist - statt zu jedem Beispiel zu sagen "Kein QM".
Aber nie wird in diesen "wertvollen" Abhandlungen die Berechtigung der Korrelation als "wichtiges "Tool" des QM erläutert.
Grundlagen des Six Sigma, (einer ganz speziellen Methodik im QM):
Jeder Prozess ist darstellbar als Y=f(X).
Hierbei ist X zu verstehen als Vektor aus verschiedenen Einzelfaktoren x1,x2,x3,....,xn,e (e=Fehlerterm, Zufall).
Hat Faktor x Auswirkungen auf Ergebnis Y? Wenn ja, sind x und Y korreliert.
Gibt es Effekte, so dass Faktor xi ein Zusammenspiel mit Faktor xj bewirkt, so sind xi und xj korreliert.
Ohne die Information, was welche Auswirkungen hat, möchtest Du nicht wirklich was steuern oder optimieren, oder?
Alle eingangs genannten Beispiele sind praktische Beispiele, wo auf Korrelationen zwischen Faktor(en) und Ergebnissen untersucht werden sollte.
Moin,
ich würde mich mal bei SixSigma und der entsprechenden Literatur umsehen. Das ist aus meiner Sicht am meisten in der Diskussion.
Vor der Korrelation kommt immer die Kausalität. Korrelationen allein sagen erst einmal gar nix aus.
Nutzen kann man das - banal gesagt - wo es sinnvoll ist. Das ist aus meiner Sicht sehr heterogen. Hängt auch immer vom Kosten-/Nutzen-Verhältnis der Messung an sich ab.
Spontan sehe ich den Sinn vor allem im:
- Risikomanagement, um z.B. die Folgen, die ein Ausfall einer Maschine nach sich zieht, proaktiv zu bewerten
- Flexibler Fertigung, wenn z.B. verschiedene Maschinen nicht in einer 1:1 Zuordnung genutzt werden und es nicht spontan klar wird, was der Ausfall von Maschine x zur Folge haben kann. Gleiches bei der Planung.
- Rüstkosten-/Rüstzeiten-Problematik: auch wichtig bei Angebotskalkulationen/Lieferzusagen
Das ist aber nicht vollständig. Immer dann, wenn die Situation nicht offensichtlich ist, einfache Auswertungen nicht greifen und ich eine solide Datenbasis habe, kann es Sinn machen mit Korrelationen zu arbeiten, um die Abhängigkeiten in komplexeren (Fertigungs-)Systemen zu verstehen.
ich denke nicht, dass es da DIE Lösung gibt.
Grüße
Michael