Knifflige Prozessprobleme sind wie Diamanten: sehr robust, sehr alt und sehr teuer. Sie widerstehen pragmatischer Problemlösung in Produktentstehung und Produktion wegen wiederholt irriger Annahmen über die Grundursachen. Die gute und hoch signifikant zutreffende Nachricht: Planvolle Problemlösung mittels Statistischer Technik erzwingt das Aufdecken der tatsächlichen Grundursachen auch aus Sicht Dritter.

 

Die Kenntnis der tatsächlichen Grundursachen erlaubt, die beste Problemlösung hinsichtlich Funktion, Geschwindigkeit, Qualität, Kosten und Risiken zu finden.

 

In meinem Berufsleben habe ich mehr als 100 knifflige Qualitätsprobleme gelöst, die pragmatische Problemlösung überlebt hatten. Beispielsweise hatte ein Autozulieferer im Serienanlauf viel zu viele 0 km- und Feldausfälle. Die pragmatische Analyse vielfacher Reklamationen mittels 8D Reports, Fehlerbäumen und betrieblichem Know-how verbesserte nichts. Der Kunde wurde sehr kritisch. Mittels Statistischer Technik konnte ich noch im frühen Serienanlauf die Grundursache aufdecken und die Ausfälle nachhaltig eliminieren.

 

Ein anderes Beispiel: Ein Autohersteller lackierte Karosserieteile aus neuartigem Kunststoff in einem neuartigen Prozess. Manchmal bildeten sich Lackblasen. Das Problem war seit der Produktentstehung ungelöst. Ein Masterand löste es im Werk mittels Statistischer Technik. Zunächst hatte er ein Vorgehen mittels Design of Experiments (Versuchsplanung) im Auge. Er wählte jedoch die Statistische Technik, weil der schnelle Erfolg planerisch zwingend und somit vorhersehbar war.

 

Zur schnellen und nachhaltigen Lösung kniffliger Prozessprobleme ist Statistische Technik oft leistungsfähiger und billiger als Maschinelles Lernen. Statistische Technik ist sogar dann anwendbar, wenn Vorwissen und Daten fehlen. Sie greift gleichzeitig auf alle Prinzipien menschlichen Lernens zu und beschleunigt es. Dagegen erfordert Maschinelles Lernen bereits vorhandene Daten, ignoriert Kausalitäten und wendet jeweils nur eines von fünf Lernprinzipien an, wie der Informatiker Pedro Domingos in „The Master Algorithm“ darstellt.

 

Der Aufwand für Statistische Technik ist gering. Er umfasst praktisches Lernen anhand konkreter Probleme mit Hilfe von Fachbuch, Training oder Beratung. Dagegen erfordert Maschinelles Lernen immer wieder Einmalaufwand und dauernden Pflegeaufwand.

 

Sie können sich die Methodik der Statistischen Technik auf vier Wegen aneignen. Beispielsweise lehre ich sie in Wintersemestern an der RWTH Aachen University als Fach Statistische Methoden. Oder Sie finden sie im Fachbuch Statistische Technik, erhältlich bei Amazon. Oder ich berate Sie bei der Lösung konkreter kniffliger Qualitätsprobleme. Oder Sie entscheiden sich für eine unternehmensinterne betriebliche Weiterbildung, in der ausgewählte Ingenieure mehrere knifflige Probleme mit Wirkung auf KPI Ihres Unternehmens lösen.