Der DGQ-Statistiker von A-Z20 | 06 | 17

Ein Unternehmensleiter, der nur Umsatz und Gewinn auf dem Schirm hat, ist wie ein Pilot, der nur auf Höhe und Geschwindigkeit achtet.

Darum sollte jedes Unternehmen einen DGQ-Statistiker haben

Was macht eigentlich einen Statistiker aus? Vereinfacht könnte man sagen, dass sich beim Statistiker alles um Daten dreht, die er erhebt, analysiert und auswertet. Tatsächlich bedeutet ein Statistiker für Unternehmen und Organisationen aber sehr viel mehr: Wer einen Statistiker beschäftigt, hält einen wahren Trumpf in der Hand.

Was den DGQ-Statistiker von A-Z ausmacht (und warum jedes Unternehmen einen solchen haben sollte), habe ich Ihnen hier zusammengefasst!

Der DGQ-Statistiker von A-Z

• Aggregator – Aus Big-Data macht er schlanke Diagramme.
• Aus-Unsicherheit-Gewissheit-Macher – Messmittel weisen grundsätzlich Messunsicherheiten auf. Durch den Einsatz von Mess-System-Analysen und Ringversuchen sorgt er dafür, dass Fehlentscheidungen aufgrund unsicherer Prüfmittel vermieden werden.
• Chart-Analyst – Durch die Interpretation von Werteverläufen in der Regelkarte kann er erkennen, wenn ein Prozess aus dem Ruder läuft und rechtzeitig in diesen eingreifen.
• Entscheidungsvorbereiter – In vielen Unternehmen gilt der Satz des Qualitätsvordenkers William Edwards Deming: „In God we trust; all others bring data.“ Dass Daten nicht nur gebracht, sondern entscheidungsreif aufbereitet werden, ist sein Job.
• Freigeber – Vertrauensbereichs-Statistik ist die Grundlage vieler Freigabe-Prüfungen. Damit kann er Erstbemusterungen, Maschinen- und Prozessfreigaben auf eine objektive Basis stellen.
• Hochrechner – Durch die Zuverlässigkeitsanalyse kann er schon aus wenigen Ausfällen im Gewährleistungszeitraum auf den Ausfallmechanismus schließen und daraus hochrechen, welche Ausfallzahlen künftig auf das Unternehmen zukommen werden.
• Industrie-4.0-Macher – Eine Fabrik wird nicht allein dadurch ‚smart‘, dass Maschinen vernetzt werden und Produkte rückverfolgbar sind. Der Statistiker sorgt dafür, dass Daten valide sind, Zusammenhänge verstanden werden und für sinnvolle Prognosen genutzt werden können.
• Kausalitätserkenner – Mit Hilfe der explorativen Datenanalyse kann er Hypothesen über Ursache und Grund beobachteter Werte entwickeln. Diese Hypothesen nutzt er für weitere Erhebungen, um erkannte Kausalitäten technisch nutzbar zu machen.
• Kennzahlmanager – Als Herr der Zahlen sorgt er dafür, dass wir nicht in einer Flut von KPIs (key performance indicators) ersticken, und nur die aussagekräftigsten Parameter und Kennwerte verfolgt werden.
• Konformitätsbewerter – Mit seinen Kenntnissen zu geometrischen Produktspezifikationen (GPS) kann er Werkstücke und Messgeräte sachgerecht nach den ‚Entscheidungsregeln für den Nachweis von Konformität oder Nichtkonformität mit Spezifikationen‘ beurteilen.
• Lieferantenbewerter – Prüfergebnisse der Vergangenheit sind eine wertvolle Quelle, aus der er schöpfen kann, um zu entscheiden, wer von den Zulieferern das Zeug zum A-Lieferanten hat.
• Mittler – Mit geeigneten Analysetools und Auswertungen unterstützt er eine faktenbasierte Kommunikation zwischen Kunde und Lieferant, Entwicklung und Fertigung, Labor und Prozesseigner, …
• Mister Right – Seine statistischen Untersuchungen zur Richtigkeit und Präzision sorgen dafür, dass Prüfmittel nicht nur ‚Schätzeisen‘ sind.
• Nachweisführer – Seine Analysen und Beiträge zum betrieblichen Berichtswesen sorgen dafür, dass das Unternehmen die Konformität der Produkte gegenüber dem Kunden nachweisen kann.
• Normen-Versteher – Die wichtigsten statistischen Verfahren aus über 100 Normen und Richtlinien zum Qualitäts-, Prozess-, Projekt-, Mess-, Lieferanten- und Zuverlässigkeits-Management setzt er zielgerichtet zum Nutzen der Organisation ein.
• ppm-Garant – Wenn Kunden die Zusage haben, dass Fehleranteile bei den Produktmerkmalen nur noch im Millionstelbereich (1 ppm = 1/1.000.000) liegen, kann er mit Prozessleistungs- und Prozessfähigkeitskenngrößen zeigen, dass diese Zusagen eingehalten werden.
• Produktivität-Rausholer – Prozessregelung hilft ihm, volatile Prozesse in beherrschte Prozesse zu überführen. Damit maximiert er Laufzeiten von Maschinen und Standzeiten von Werkzeugen und gewinnt Produktivität, wo früher Stillstand herrschte.
• Prognostiker (Ausblicker) – Die Regressionsanalyse gestattet ihm, wichtige Ursache-Wirkungs-Zusammenhänge durch eine Wirkfunktion beschreibbar zu machen. Damit kann er mathematisch vorhersagen, welche Produktmerkmale sich beim Einstellen welcher Prozessmerkmale ergeben werden.
• QSV-Vorbereiter – Viele Kunden erwarten die Unterzeichnung von Qualitätssicherungsvereinbarungen (QSV). Mit seinen Analysen sorgt er dafür, dass nur Zusagen gemacht werden, die auch realistisch erfüllbar sind.
• Rechtzeitig-(Re-)Agierer – Ohne zeitnahe Erfassung und Aufbereitung von Daten ist agiles Management unmöglich. Mit seinem Fokus auf Input- und Prozessvariablen sorgt er dafür, dass Prozessergebnisse nicht erlitten, sondern gezielt erreicht werden.
• Ressourcen-Schoner – Durch sachgemäße Anwendung der Regeln der Technik kann er Prüfumfänge und Prüfintervalle so an sich ändernde Mengengerüste anpassen, dass immer nur so viel wie nötig und so wenig wie möglich geprüft wird.
• Rest-Risiko-Abschätzer – Mit Hilfe des p-Werts kann er einschätzen, wie hoch das Risiko eines Fehlalarms bei seinen Datenanalysen ist.
• Rückblicker – Im Rückspiegel sehen wir nicht nur, was hinter uns liegt, sondern auch, wer uns überholen will. Deshalb liefert er mit Benchmarks, Tests und Vergleichen die Grundlage zur Wendigkeit der Organisation.
• Sicherheits-Sicherer – Die Sicherheit von Produkten hängt von Langlebigkeit und Zuverlässigkeit ab. Mit Hilfe der Weibullanalyse kann er eine – für sichere Produkte erforderliche – ausfallfreie Zeit erkennen und die Mindesthaltbarkeit quantifizieren.
• Vertrauensstifter – Mit Messungen, Auswertungen und Prüfberichten schafft er die Basis für eine vertrauensvolle Kunden-Lieferanten-Beziehung.
• Vital-Few-Finder – Im Rahmen des Einsatzes von Versuchsmethodik ist er in der Lage, die wenigen wesentlichen Einflüsse auf die Produkt- und Prozessqualität zu identifizieren und zu quantifizieren.
• Wahrscheinlich-richtig-Lieger – Kein Mensch kann mit seinen Entscheidungen immer richtig liegen. Mit der gezielten Festlegung von Signifikanzniveau und der Schärfe eines Tests kann er das Risiko einer Fehlentscheidung aber kalkulierbar klein halten.
• Wenig-kaputt-Macher – Mit Hilfe der Statistik kann er die Stichprobenumfänge zerstörender Prüfungen minimieren und in vielen Fällen durch geeignete zerstörungsfreie Stichproben-Prüfungen ersetzen.
• Ziel(wert)erreicher – Mit statistischen Tests und Vergleichen kann er erkennen, ob der lstzustand signifikant vom Sollzustand abweicht. Durch lmplementierung der Prozessregelung sorgt er für einen auf Dauer zielwerttreuen Prozess.

So wird man DGQ-Statistiker

Nicht zuletzt ist der DGQ-Statistiker ein echter Steher: Er hat zwei mal zwei Wochen Training hinter sich und eine vier-stündige Prüfung bestanden.

Wenn auch Sie so ein universal einsetzbares Multitalent werden wollen, haben Sie wieder im Herbst die Gelegenheit dazu: Das DGQ-Statistik-Camp.

Über den Autor: Elmar Hillel

Elmar Hillel ist freiberuflicher Qualitätsfachingenieur. Er vertritt die DGQ im DIN-Normenausschuss ‚Angewandte Statistik‘, begleitet Unternehmen bei Verbesserungsprojekten und unterrichtet als Lehrgangs- und Seminarleiter Experten in der Kunst der datengestützten Entscheidungsfindung.