Multi-Vari-Diagramm: Wo die Streuung entsteht.
Ein Multi-Vari-Diagramm zerlegt die Streuung einer gemessenen Zielgröße in Familien – zum Beispiel innerhalb des Teils, von Teil zu Teil und über die Zeit. So sehen Sie, wo die dominante Ursache liegt, noch bevor Sie einen einzigen Versuch durchführen.
Warum Multi-Vari?
Wenn ein Qualitätsproblem immer wieder auftritt – Ausschuss, Nacharbeit, ein Maß, das aus der Toleranz driftet –, ist die übliche Reaktion ein Brainstorming: jede mögliche Ursache auflisten und dann die Favoriten einzeln testen. Bei Dutzenden Verdächtigen kann das Monate dauern, und viele Tests ändern am Problem nichts.
Eine Multi-Vari-Studie geht von zwei einfachen Tatsachen aus. Streuung ist selten gleichmäßig verteilt: Meist dominiert eine Ursache alle anderen. Und jede Ursache hinterlässt ein Muster in den Daten – sie wirkt zum Beispiel innerhalb eines Teils, von einem Teil zum nächsten oder über die Zeit.
Statt Ursachen einzeln zu testen, messen Sie also Teile, die der Prozess ohnehin fertigt, und schließen ganze Ursachenfamilien auf einmal aus. Liegt die Streuung zwischen den Stunden, kann nichts, was innerhalb eines einzelnen Teils wirkt, die Hauptursache sein – und diese Verdächtigen werden ohne einen einzigen Versuch von der Liste gestrichen.
- Viele mögliche Ursachen auf der Liste
- 1 Familie, in der die Streuung entstehtMulti-Vari
- Wenige Verdächtige in dieser Familie
- 1 dominante Ursache, durch einen Test nachgewiesen
Wo Multi-Vari in die Problemlösung passt
Eine Multi-Vari-Studie löst das Problem nicht allein – sie zeigt Ihnen, wo Sie suchen sollten. Bei einer schrittweisen Suche grenzt jeder Schritt das Feld weiter ein, bis nur noch eine Ursache übrig ist. Shainin nennt diese dominante Ursache das Red X®. In Six-Sigma-Projekten gehört dieselbe Studie zur Analyze-Phase von DMAIC.
Problem definieren
Machen Sie aus der Reklamation eine messbare Zielgröße – Shainin nennt sie das Green Y® – und prüfen Sie, ob das Messmittel den Unterschied erkennen kann.
Herausfinden, wo die Streuung entsteht Multi-Vari
Führen Sie eine Multi-Vari-Studie durch und bestimmen Sie die Familie, auf die der größte Teil der Streuung entfällt.
Eingrenzen
Vergleichen Sie innerhalb dieser Familie die besten und die schlechtesten Teile, um zu sehen, worin sie sich unterscheiden.
Ursache nachweisen
Bestätigen Sie die Ursache mit einem Test: Schalten Sie den verdächtigen Faktor ein und aus und beobachten Sie, wie das Problem auftritt und wieder verschwindet.
Abstellen und Erfolg sichern
Legen Sie für die Ursache die richtige Toleranz oder Absicherung fest und verifizieren Sie die Verbesserung.
Häufige Variationsfamilien
Die drei häufigsten Familien sehen Sie unten. Je nach Prozess teilt eine Studie sie weiter auf oder ergänzt andere – zum Beispiel von Maschine zu Maschine, von Kavität zu Kavität oder von Bediener zu Bediener. Ein Multi-Vari-Diagramm zeigt sie nebeneinander, sodass die größte heraussticht.
Innerhalb des Teils
Veränderungen über ein einzelnes Teil hinweg – von einem Ende zum anderen, von einer Seite zur anderen, über den Umfang.
Beispiel: Konizität oder Unrundheit an einer bearbeiteten Welle.
Von Teil zu Teil
Unterschiede zwischen aufeinanderfolgenden Teilen oder zwischen Kavitäten, Vorrichtungen oder Maschinen.
Beispiel: eine Werkzeugkavität, die sich anders verhält als die übrigen.
Über die Zeit
Verschiebungen von Stunde zu Stunde, von Schicht zu Schicht oder von Los zu Los.
Beispiel: ein Maß, das driftet, während die Maschine warmläuft.
So funktioniert eine Multi-Vari-Studie
Keine Spezialausrüstung und keine Versuche – nur eine geplante Stichprobenentnahme aus dem laufenden Prozess.
Eine Zielgröße wählen
Das Merkmal, an dem sich das Problem zeigt, und ein Messmittel, das die Unterschiede erkennen kann.
Mehrere Positionen je Teil messen
An einigen aufeinanderfolgenden Teilen – so werden sowohl die Streuung innerhalb des Teils als auch die von Teil zu Teil sichtbar.
Über die Zeit wiederholen
Über Stunden, Schichten oder Lose hinweg – ohne den Prozess zwischendurch nachzustellen.
Darstellen und vergleichen
Tragen Sie alle Messwerte in ein einziges Diagramm ein. In der Familie mit der größten Streuung liegt die Ursache.
So lesen Sie ein Multi-Vari-Diagramm
Vergleichen Sie die Länge der Linien, die Sprünge zwischen den Teilen und die Verschiebungen zwischen den Stunden. Die größte Streuung zeigt, wo die Ursache liegt.
Im TeilLange Linien, bei denen jedes Mal dieselbe Position oben liegt – die Ursache wirkt innerhalb des Teils selbst.
Teil zu TeilKurze Linien, aber große Sprünge von einem Teil zum nächsten – die Ursache ändert sich von Zyklus zu Zyklus.
Mit der ZeitJede Stunde liegt auf ihrem eigenen Niveau – die Ursache ändert sich mit der Zeit, wie bei einer Maschine, die warmläuft.
Fallstudie
Bekannte Verschiebung, unbekanntes Muster
Ein Motorenhersteller verschrottete Nockenwellen, weil die Nocken am Ende falsch positioniert waren. Eine progressive Multi-Vari-Studie – die Nockenposition an mehreren Stellen im Prozess gemessen – führte die größte Veränderung auf das Härten zurück. Im Werk wusste man bereits, dass sich die Nocken dort verschieben. Was niemand wusste: Die Verschiebung folgte einem vorhersagbaren, nicht zufälligen Muster – jedes Mal um denselben Betrag und in dieselbe Richtung. Deshalb wurden die Nockenschleifmaschinen so umprogrammiert, dass sie die Verschiebung ausgleichen. Die Multi-Vari-Studie zeigte, wo die Ursache lag; das Muster zeigte, wie sie sich neutralisieren ließ.
560.000 $weniger Ausschuss pro Jahr
5.000 $für die Umsetzung
Häufige Fragen zum Multi-Vari-Diagramm
Wofür wird ein Multi-Vari-Diagramm verwendet?
Um zu erkennen, welche Variationsfamilie – zum Beispiel innerhalb des Teils, von Teil zu Teil oder über die Zeit – am meisten zu einem Problem beiträgt. So beginnt die Untersuchung an der richtigen Stelle statt mit einer langen Liste von Vermutungen.
Wann sollte ich eine Multi-Vari-Studie einsetzen?
Wenn ein gemessenes Merkmal zu stark streut und die Ursache unbekannt ist – vor allem bei chronischen Problemen, bei denen schon viele Ursachen vermutet wurden, aber keine bestätigt wurde. Da die Studie am laufenden Prozess erfolgt, müssen Sie weder die Produktion anhalten noch vorher Versuche planen.
Wer hat das Multi-Vari-Diagramm erfunden?
Leonard Seder veröffentlichte es 1950. Dorian Shainin machte es zu einem frühen Schritt in seinem Ansatz zur Suche nach der dominanten Ursache der Streuung. Diese Ursache nannte er das Red X®.
Worin unterscheidet es sich von einem geplanten Versuch (DoE)?
Ein geplanter Versuch verändert Faktoren gezielt, um ihre Wirkung zu messen – Sie müssen also bereits wissen, welche Faktoren Sie testen wollen. Eine Multi-Vari-Studie beobachtet den Prozess nur im laufenden Betrieb und zeigt Ihnen, welche Ursachenfamilie Sie untersuchen sollten. Führen Sie die Multi-Vari-Studie zuerst durch: Jeder Versuch, den Sie danach noch brauchen, wird klein und gezielt.
Gehört Multi-Vari zu Six Sigma?
Ja. In Six-Sigma-Projekten wird es in der Analyze-Phase von DMAIC eingesetzt, um die möglichen Ursachen vor jedem geplanten Versuch einzugrenzen. Im Red X®-Ansatz von Shainin ist es einer der ersten Schritte: Es zeigt, in welcher Variationsfamilie die Suche weitergeht.
Ist das dasselbe wie eine multivariate Analyse?
Nein. Trotz des ähnlichen Namens ist ein Multi-Vari-Diagramm eine einfache grafische Untersuchung einer einzigen gemessenen Zielgröße. Die multivariate Analyse ist eine Gruppe statistischer Verfahren für viele Variablen gleichzeitig.
Zeigt ein Multi-Vari-Diagramm die Grundursache?
Nicht für sich allein. Es zeigt, wo die Ursache liegt – also auf welche Familie die Streuung entfällt. Was die Ursache ist, zeigen anschließend die Eingrenzung und ein Bestätigungstest.
Wie viele Daten brauche ich?
Genug, um den Prozess von seiner besten und von seiner schlechtesten Seite zu sehen. Eine gängige Faustregel: 2–5 Messwerte je Teil an 3–5 aufeinanderfolgenden Teilen, wiederholt über mehrere Zeiträume, bis die Studie den größten Teil der üblichen Streubreite abdeckt.
Kann ich Gut/Schlecht-Daten verwenden?
Ein Multi-Vari-Diagramm braucht einen Messwert – ein Maß, eine Kraft, einen Durchfluss, eine Temperatur. Bei Fehlern, die nur als Gut/Schlecht erfasst werden, suchen Sie zuerst ein messbares Merkmal hinter dem Fehler oder wählen Sie eine andere Strategie.
Welche Software kann ich verwenden?
Shainin WRXT (Web Red X® Tracker), die Webanwendung zum Red X®-Training von Shainin, hat das Multi-Vari-Diagramm bereits integriert. Fragen Sie einen Experten nach dem Zugang. Auch allgemeine Statistikprogramme erstellen es: Minitab (Stat > Quality Tools > Multi-Vari Chart; in der deutschen Oberfläche „Multi-Vari-Bild“) und JMP, wo es „Variabilitätsdiagramm“ heißt. Für eine kleine Studie genügt eine Tabellenkalkulation. Die Software zeichnet nur das Diagramm; die Ursache findet der Stichprobenplan.
Quellen: Leonard A. Seder, „Diagnosis with Diagrams“, Industrial Quality Control (1950); Multi-vari chart (auf Englisch), Wikipedia.
Streuung, die Sie nicht erklären können?
Die Red X®-Experten von Shainin helfen Herstellern, die dominante Ursache zu finden und dauerhaft abzustellen.