Donnerstag, 26. September 2019

Statistik für Scrum Teams: 4. Auf Daten reagieren

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.

Wir arbeiten empirisch, haben Daten gesammelt und ausgewertet. Aber wie reagieren wir darauf? Empirisches Arbeiten soll uns dabei unterstützen, Entscheidungen zu treffen. Gehen wir hier in die Geschichte zurück.

Produktionsprozesse unterliegen Schwankungen

Walter A. Shewhart hat Produktionsprozesse bei der Herstellung von Telefonen beobachtet./1/ Er stellte fest, dass es immer Schwankungen bei der Qualität gibt. Einige sind rein zufällig wie die Bewegung von Molekülen. Andere haben spezielle Ursachen. Shewhart hat seine Erkenntnisse später in einem Buch ausführlich dargelegt./2/ Dort gibt es auf S. 17 eine interessante Abbildung (s. u.). Sie zeigt die Schwankungen eines Qualitätsmerkmals und die natürlichen Prozessgrenzen. Shewhart schreibt dazu, dass nur Schwankungen innerhalb dieser Prozessgrenzen dem Zufall überlassen werden sollten. Alle anderen Ursachen kann mit mit Produktionskontrolle finden und beseitigen.

Schwankungen eines Qualitätsmerkmals
Bei guten Produktionsprozessen kann man also vorhersagen, in welchem Bereich die Qualität liegt. Gerry Jones hat eine ausführliche Biografie zu Shewhart bei managers-net veröffentlicht./3/

Dort gibt es auch eine Abbildung der ersten Qualitätsregelkarte. Shewhart setzt, wie er in seinem Buch auch schön beschreibt, Grenzen für einen Produktionsprozess: 3 x Standardabweichung unter und über dem Mittelwert. Werte die unter der unteren bzw. über der oberen Grenze liegen verdienen besondere Aufmerksamkeit. Diese Proben könnten auf besondere Fehlerursachen hinweisen. Wenn man diese Fehlerursachen beseitigt hat, ist der Prozess aus Produktionssicht stabil.

Shewhart schlägt vor, sich neben dem Mittelwert und der Standardabweichung auch noch andere Werte wie Schiefe und Wölbung anzusehen, um die Verteilung besser zu verstehen. Das Verständnis von Verteilungen ist sehr nützlich.

Prozessgrenzen sichtbar machen


Praktisch bedeutet es folgendes:
  • Werte zur Abweichung von der vereinbarten Qualität sammeln.
  • Mittelwert ausrechnen: Summe aller Werte geteilt durch die Anzahl der Werte
  • Standardabweichung ausrechnen: Summe von allen Werte minus Mittelwert. Diesen Werte quadrieren, aufsummieren, durch die Anzahl der Werte teilen und dann daraus die Wurzel ziehen.
Für das Beispiel vom Münzendrehen ergeben sich folgende Werte:
  • Mittelwert: 8,8
  • Standardabweichung: 4,3
  • Obere Grenze: 21,7
  • Untere Grenze: statistisch -4,2. Weniger als 0 Sekunden Drehdauer geht aber nicht.
Prozessgrenzen beim Beispiel "Münzen drehen"
Wenn sich im weiteren Verlauf der Prozess einschwinkt, erkennen wir die Ausreißer sofort, weil sie sich außerhalb der Prozessgrenzen befinden.

Hier gibt es in einem eigentlich eingeschwungenen Prozess einen Ausreißer (Versuch 17)
Solch eine Grafik macht es allen Beteiligten leicht, Signale wahrzunehmen.

Mark Graban hat sich das genauer angesehen und die Signalregeln von Don Wheeler berücksichtigt. Sein Buch "Measures of Success" fasst diese Regeln schön zusammen. Er setzt die Prozessgrenzen dazu etwas geringer an. Es lohnt sich auf jeden Fall, das Buch zu lesen.

Überblick über die anderen Teile:

Literatur


Keine Kommentare:

Kommentar veröffentlichen