• Potenziale erschließen durch die Integration der leistungsfähigen Programmiersprache

  • Training zur angewandten Statistik im Qualitätsmanagement vom 2. bis 4. Dezember

In Zeiten immer dynamischer werdender Produktionsabläufe und Prozesse gewinnt das Qualitätsmanagement stetig an Bedeutung.

Systematisch durchgeführte statistische Kontrollen in Liefer- und Fertigungskette sowie Prozessmonitoring im Sinne von Six Sigma können dabei helfen, Ausfallraten zu minimieren, die Produktqualität zu steigern und damit die Kundenzufriedenheit zu erhöhen.

Die Verringerung von Warenrücknahmen, sicheres Prozessmanagement und ein verbessertes Unternehmensimage sind positive Auswirkungen eines zuverlässigen Qualitätsmanagements auf die Unternehmensperformance.

Unzureichendes statistisches Know-how im Qualitätsmanagement als Risikofaktor

Im Gegensatz dazu stellen beispielsweise unzureichend geprüfte Wareneingänge und Analysen von Prozesskennzahlen ein unkalkulierbares Risiko dar. Innerhalb der Supply-Chain und über den gesamten Produktionsprozess hinweg können nicht angemessene Kontrollen immense Kosten verursachen.

Ein durchdachter Prüfplan zur Qualitätsbewertung und –kontrolle trägt hier erheblich zur Risikominimierung durch eine frühzeitige Fehlererkennung bei. Zusätzlich entsteht durch die detaillierte Dokumentation der Prüfungen die Grundlage für belastbare Argumente gegenüber den Vertragspartnern.

Statistische Erhebung und Auswertung von Stichproben und Prozesskennzahlen als evidenzbasiertes Methodenset

Erfolgstreiber für die Unternehmensperformance sind evidenzbasierte Entscheidungen wie sie sich aus den Prozess- und Produktionsdaten ableiten lassen. Statistische Verfahren bilden dafür die Grundlage. Prozessmonitoring nach Six Sigma bedient sich beispielsweise mit der Regressionsanalyse eines Verfahrens der Multivariaten Statistik. Prüfpläne wie DIN ISO 2859 und DIN ISO 3951 bilden Stichprobenverfahren ab, welche mit inferenzstatistischen Hypothesentests ausgewertet werden. Prozessfähigkeitsanalysen mit Hilfe von Cp und CpK werden mit Hilfe deskriptiver Kennwerte erstellt.

Dort wo Abschätzungen über die Warenbeschaffenheit hinsichtlich Qualität, Fehleranteil und metrischer Merkmale erfolgt, sind statistische Werkzeuge das Mittel der Wahl.

R als moderne Softwarelösung für das Qualitätsmanagement

Im Zeitalter von „Industrie 4.0“ und der allgegenwärtigen Datenerfassung bedarf es für die statistische Prozesskontrolle einer Softwarelösung, die den wachsenden Anforderungen an die Qualitätssicherung genügt. Die freie Programmiersprache R ist die derzeit leistungsfähigste Software zur statistischen Datenanalyse. Das Funktionsset von R umfasst alle für das Qualitätsmanagement relevanten Analysemethoden und besticht darüber hinaus mit seiner Integrierbarkeit in bestehende Unternehmensprozesse und IT-Systeme.

Data Science Trainings im Dezember

Im Rahmen der eoda Data Science Trainings, einem modularen Trainingsprogramm für die Programmiersprache R, können Interessierte vom 2.- 4. Dezember 2014 das Know-how erwerben um mit der statistischen Prozesskontrolle eigenständig die Grundlage für erfolgreiches Qualitätsmanagement zu schaffen.

Der Kurs „Angewandte Statistik im Qualitätsmanagement mit R“ soll die Teilnehmer in die Lage versetzen optimierte Prüfpläne zu entwickeln und das analytische Potential von R für eine nachhaltige Verbesserung des Qualitätsmanagements nutzen zu können.

Für weitere Informationen zum Kurs und das Anmeldeformular:

Hier entlang.