Dienstag, 24. September 2019

Statistik für Scrum Teams: 2. Daten sammeln

Den Erfindern von Scrum und von Lean Thinking ist empirisches Arbeiten sehr wichtig. Aber warum? Und was ist das Gegenteil von empirisch? Und wie geht empirisches Arbeiten genau? In einer kleinen Serie gehe ich diesen Fragen nach.

Im ersten Teil haben wir festgehalten, was empirisches Arbeiten ist. Sehen wir uns nun ein Beipspiel an. Bei Youtube habe ich ein Video mit einer schönen einfachen Übung für das Erlernen des Deming-Cycles gefunden./1/

Die Teams sollen herausfinden, wie man eine Münze dazu bekommt, sich auf einer gegebenen Oberfläche sich möglichst lange zu drehen. Dazu sollen sie sich 4 unterschiedliche Münzen nehmen und Experimente machen. Als Trainer bestehe ich darauf, dass jedes Experiment dokumentiert wird. Dazu machen sich die Teams eine Tabelle mit vier Spalten. Jede Zeile ist ein Experiment, in dem mit verschiedenen Münzen, Anschnipstechniken und Oberflächen etwas versucht wird.
  • Plan: Was haben wir vor? Was erwarten wir?
  • Do: Welche messbaren oder beobachtbaren Ergebnisse gibt es?
  • Study: Welche Schlüsse ziehen wir aus den Ergebnissen?
  • Adjust: Was ändern wir in unseren Abläufen konkret? 
Nach ein paar Minuten haben die Teams heraus, worauf sie achten müssen, z. B. auf die Anschnipstechnik (um Impuls auf die Münze zu geben) und die Reibung (der Oberfläche und des Münzrandes).

Die folgende Abbildung zeigt die Drehdauer aus 18 Versuchen. Die Dauer nimmt immer weiter zu.
Drehdauer aus 18 Versuchen
In den ersten Versuchen schwankt das Ergebnis mit einer großen Varianz um den Mittelwert 8. In den letzten Versuchen schwankt das Ergebnis um einen höheren Mittelwert (13,8 Sekunden) mit einer geringeren Varianz. Der Prozess stabilisiert sich.

Die Alternative zu diesem Vorgehen wäre gewesen, sich umfassend über das Drehen von Münzen zu informieren und den besten Prozess zu finden. Die Variante mit den eigenen Experimenten geht schneller.

In Betriebsprozessen können wir uns folgende Daten ansehen:
  • Durchlaufzeit
  • Prozesseffizienz (Bearbeitungszeit/Durchlaufzeit)
  • Qualitätszahlen (Fehler, Ausschuss, Reinheit)
  • Ergebnisse (Mengen)
In der Produktentwicklung können wir uns Zusammenhänge ansehen, z. B. wie fest ist eine Verbindung bei bestimmten Kräften oder wie viel Auftrieb erzeugt ein bestimmtes Flügelprofil.

Douglas Hubbard hat ein Buch darüber geschrieben, was man messen kann. Seine Botschaft: Wenn die Entscheidung relevant für das Unternehmen ist, ist es messbar./2/

Oder umgekehrt, wenn wir nichts entscheiden bräuchten, dann bräuchten wir auch keine Daten. Wir sammeln Daten, um Entscheidungen zu unterstützen.

Überblick über die anderen Teile:

 Literaturhinweise

  • /1/ Institute for Healthcare Improvement - IHI: Debrief - IHI Quality Improvement Games: Learn How to Use PDSA Cycles by Spinning Coins, Youtube-Video, veröffentlicht am 07.10.2016, abrufbar unter https://www.youtube.com/watch?v=CgYf_N3GvUM
  • /2/ Hubbard, Douglas W.: How to Measure Anything : Finding the Value of Intangibles in Business. New York: John Wiley & Sons, 2010.

Keine Kommentare:

Kommentar veröffentlichen