ROOT CAUSE ANALYSIS IN PRODUZIERENDEN UNTERNEHMEN – FEHLERN AUF DER SPUR

Manche Fehler in Prozessen oder Produkten können starke Auswirkungen auf die Wirtschaftlichkeit eines Unternehmens haben. Gerade durch Qualitätsprobleme können in produzierenden Unternehmen hohe Kosten durch beispielsweise Nacharbeit, Ausschuss oder fehlende Planbarkeit und Termintreue entstehen. Daher ist es wichtig, der Ursache von Fehlern auf den Grund zu gehen, um diese zeitnah beheben zu können. Ein Werkzeug für diese Fehlerbehebung ist die Root Cause Analysis (deutsch: Ursachenanalyse). Ihr Ergebnis führt zu entsprechenden Verbesserungsmaßnahmen und ihr Ziel ist, die Auslöser von Fehlern oder Problemen zu verhindern oder zu beseitigen, anstatt sich lediglich mit den Symptomen auseinanderzusetzen. Dafür werden mittels verschiedener Methoden und Werkzeuge die Gründe von Ereignissen und Schwierigkeiten bestimmt.

Die Ursachenanalyse ist dann gefragt, wenn sich Probleme mit reinem Erfahrungswissen nicht mehr lösen lassen. Gerade in Produktionen mit sehr komplexen Prozessstrukturen ist eine manuelle Auswertung der verschiedenen Daten oft zu aufwändig und fordert dann mindestens teilautomatisierte Analyse-Instrumente. Werfen wir einen genauen Blick auf die Methodik und ihren Nutzen.

VORGEHENSWEISE UND GRUNDPRINZIPIEN

Eine Root Cause Analysis orientiert sich bei der Analyse des Ist-Zustands und der Bestimmung der Ursachen eines vorhandenen Problems an konkreten Prinzipien. Dabei gilt es, Korrelationen aufzudecken, die aber einen kausalen Zusammenhang haben (Causal Discovery). Mithilfe mathematischer und statistischer Verfahren werden dann bestimmte Hypothesen über die Fehlerentstehung überprüft. Alle invaliden Hypothesen werden dann nach und nach eliminiert – wenn zum Beispiel eine hohe Korrelation, aber keine (direkte) Kausalität besteht. Ein geläufiges Beispiel für Causel Discovery sind Warenkörbe in Supermärkten. Haben beispielsweise von 200.000 Konsumenten 4.000 Windeln eingekauft, 5.500 Bier und 3.500 beide Produkte, besteht eine Konfidenz von 87,5 Prozent, dass jemand, der Windeln kauft, auch Bier erwirbt. Andersherum gibt es nur eine Konfidenz von 63,6 Prozent dafür, dass jemand, der Bier kauft, auch Windeln kauft. Damit ist aber noch nicht erwiesen, ob ein direkter, ein indirekter oder kein kausaler Zusammenhang besteht – man hat nur Indikatoren. Sämtliche Kausalzusammenhänge innerhalb der Geschäftsprozesse müssen systematisch untersucht und anhand von konkreten Belegen nachgewiesen werden. Diese Analyse geschieht meist teilautomatisiert.

Nachdem alle rein korrelativen Zusammenhänge herausgefiltert wurden, kann man den kausalen Zusammenhängen auf den Grund gehen. In den seltensten Fällen gibt es eine lineare Ursache-Wirkungskette. In der Praxis hat sich gezeigt, dass mehrere parallele Ursache-Wirkungsketten bestehen. Im oben genannten Beispiel ist offensichtlich, dass kein Kunde willkürlich denkt, dass Bier einfach toll zu Windeln passt. Die Vermutung liegt stattdessen nahe, dass der gemeinsame kausale Faktor „junge Eltern, die sich nach dem Wickeln ein Bier genehmigen“, ist.

ZIELE UND VORTEILE DER ROOT CAUSE ANALYSIS

Die Root Cause Analysis unterstützt hauptsächlich folgende Ziele:

Problemermittlung: Es kann klar herausgearbeitet werden, wo die genaue Ursache eines Fehlers liegt.

Entwicklung und Anwendung von Lösungsstrategien: Durch die Entwicklung und das Einleiten gezielter Lösungsmaßnahmen können kostenintensive Fehler behoben und zukünftige Probleme und Störungen verhindert werden.

Durch die Anwendung der erarbeiteten Lösungsansätze können Probleme behoben und neue Schwierigkeiten vermieden werden. Prozesse im Unternehmen laufen wieder störungsfrei. Das spart Ressourcen und wirkt sich positiv auf die Wirtschaftlichkeit aus.

Ein Beispiel für einen Anwendungsfall ist die Root Cause Analysis im Einsatz bei einem Kleinserienfertiger. Dieser stellt Motoren und deren Teile her. Bei einem hohen Prozentsatz kam es in der Montage jedoch zu Fehlern, die Motoren liefen nach dem Zusammenbau nicht richtig. Mit der Ursachenanalyse konnte der Fehler identifiziert und aufwändige Nacharbeit deutlich reduziert werden.

FAZIT

Glücklicherweise haben viele Unternehmen mittlerweile die Schwelle zu einer offenen Fehlerkultur überschritten. Die Root Cause Analysis bildet ein effizientes Werkzeug, um Fehler zu identifizieren und entsprechende Gegenmaßnahmen einzuleiten. Dafür müssen Zusammenhänge aus Daten extrahiert werden, die sich am besten durch kausale Modelle und in Zusammenarbeit mit den Fachabteilungen validieren lassen. Zudem lässt sich ein Blick in die Zukunft erhaschen: Das erstellte kausale Modell kann anschließend direkt für Vorhersagen eingesetzt werden.

Dieser Artikel ist im Original auf dem INFORM DataLab Blog erschienen.