aiMOOC

Daten- und Prozessanalyse im Technikbetrieb – Eine Prozessänderung messbar erproben

QR-Code

Daten- und Prozessanalyse im Technikbetrieb – Eine Prozessänderung messbar erproben

Zielgruppe: Ausbildung in technischen Berufen | Dauer: ca. 50 Minuten plus Projekt | Werkzeuge: Papier, Taschenrechner, Python 3 (optional).

Einleitung

Leitfrage: Wird ein Fertigungsablauf wirklich besser, wenn das Werkzeug vorab bereitliegt? Du legst eine Vergleichsbasis fest, wählst Zielgrößen und prüfst einen kleinen Versuch. Alle Zahlen stammen aus einem frei erfundenen Ausbildungsfall.

Sicherheitsrahmen: Arbeite ausschließlich mit diesen fiktiven Daten auf Deinem lokalen Lernrechner oder in einer ausdrücklich freigegebenen, isolierten Schulungsumgebung. Keine Verbindungen zu Produktivanlagen, fremden Netzen, echten Steuerungen, Zugangsdaten oder Kundendaten. Das Python-Programm benötigt weder Internet noch Zusatzpakete und schreibt nur in den lokalen Unterordner offline_ergebnis. Externe Videos und LearningApps sind optional und nur mit Zustimmung der Lehrkraft bzw. nach eigener Entscheidung zu laden; dort keine Messdaten eingeben.

Lernweg in sechs kurzen Einheiten

Fall verstehen (5 min): Was ändert sich?
Fair messen (7 min): Was ist vergleichbar?
Daten lesen (7 min): Was zeigen die Messwerte?
Ergebnis bewerten (7 min): Was folgt daraus?
Offline-Labor (15 min): Was passiert bei anderen Annahmen?
Entscheiden (9 min): Weiter testen oder verwerfen?

Lerneinheit 1: Ein konkreter Ausbildungsfall

In einer fiktiven Montagewerkstatt werden je Los 100 identische Halterungen gefertigt und geprüft. Bisher werden Werkzeuge während des Loses geholt. Die geplante Änderung lautet: Werkzeuge vor Losbeginn vollständig bereitstellen. Die Änderung ist eine hypothetische Organisationsmaßnahme; sie wird nicht an einer echten Anlage ausprobiert.

Prozessbild: Material prüfen → Werkzeug bereitstellen → montieren → Teile prüfen → Los dokumentieren.

Frage	Vereinbarung im Übungsfall
Was wird geändert?	Nur die Werkzeugbereitstellung.
Was bleibt gleich?	Produkttyp, Losgröße, Prüfkriterium, Zeitstart und Zeitende.
Was messen wir?	Minuten pro Los und Anzahl fehlerhafter Stücke.
Was zählt als Fehler?	Ein Teil, das bei der definierten Endprüfung nicht besteht; jedes Teil zählt höchstens einmal.

Miniauftrag: Markiere den einen Prozessschritt, der verändert wird. Erkläre, warum andere Änderungen den Vergleich stören könnten.

Fehler beim Erstellen des Vorschaubildes:

Methodenbild: PDCA. Quelle und Lizenz: Wikimedia Commons, Sven und Mitwirkende, CC BY-SA 3.0.

Optionales Erklärvideo: „What is the PDCA cycle?“, VOREST AG (2018); englisch. Das Video ist kein frei lizenziertes Kursmaterial.

Lerneinheit 2: Vergleichsbasis und Zielgrößen

Eine Baseline beschreibt die Ausgangsleistung vor einer Änderung. Sie ist nur sinnvoll, wenn die Messregeln klar und vergleichbar sind.

Größe	Definition	Aufgabe
Hauptkennzahl	Durchschnittliche Minuten je Los von 100 Teilen	Zeit sparen
Schutzkennzahl	Fehlerhafte Teile / geprüfte Teile × 100 %	Qualität sichern
Vergleichsbasis	Acht Lose vor der Änderung, identische Messregel	Fairer Ausgangswert
Pilot	Acht weitere, vergleichbare Lose mit Änderung	Wirkung untersuchen

Vorab festgelegte Pilotziele: mindestens 5 % geringere mittlere Loszeit gegenüber der Baseline; zugleich höchstens 3 % fehlerhafte Teile im Pilot. Die Grenzwerte sind didaktische Annahmen und keine allgemeinen Industrienormen.

Messplan: Gleiches Zeitfenster vom Start der Montage bis zum Ende der Prüfung. Prüfperson und Prüfanweisung möglichst konstant halten. Schicht, Materialcharge, Störungen und Abweichungen gesondert protokollieren. Nur vergleichbare Lose auswerten; keine unpassenden Werte stillschweigend löschen.

Denkfrage: Warum wäre ein Vergleich „10 Teile vorher“ gegen „100 Teile nachher“ ohne Umrechnung ungeeignet?

Lerneinheit 3: Fiktive Rohdaten und Grafiken

Los	Vorher Minuten	Vorher Fehler / 100	Pilot Minuten	Pilot Fehler / 100
1	70	4	65	3
2	72	5	66	2
3	69	3	64	4
4	71	4	67	3
5	70	5	66	2
6	73	4	65	3
7	68	3	68	3
8	71	4	64	2
Summe	564	32	525	22

Visualisierung: Der lokale Python-Versuch zeichnet aus diesen Werten ein eigenes SVG-Balkendiagramm. Die Balken zeigen Mittelwerte; die Tabelle bewahrt die Streuung der einzelnen Lose.

Loszeit, Mittelwert (min je 100 Teile)
Vorher 70,50  ██████████████
Pilot  65,63  █████████████
1 Block ≈ 5 Minuten (vereinfachte Skizze)

Fehlerquote (fehlerhafte Teile / geprüfte Teile)
Vorher 4,00 % ████████
Pilot  2,75 % █████▌
1 Block ≈ 0,5 Prozentpunkte (vereinfachte Skizze)

Achtung: Hier sind zwei getrennte Skalen dargestellt. Eine Regelkarte oder ein Box-Plot zeigt andere Aspekte, insbesondere Schwankungen über die Zeit bzw. Verteilungen.

Lesetipp: Mittellinie und Streuung auseinanderhalten. RobSeb, CC BY-SA 3.0; Methodenbeispiel, nicht unsere Messdaten.

Fehler beim Erstellen des Vorschaubildes:

Beispiel für eine Qualitätsregelkarte: DanielPenfield, gemeinfrei. Keine aus den acht Übungslosen berechnete Regelkarte.

Lerneinheit 4: Rechnen, vergleichen, begrenzen

Mittelwert der Loszeit: Summe der Minuten geteilt durch die Anzahl der Lose.

Kennzahl	Vorher	Pilot	Veränderung
Mittelwert je Los	564 / 8 = 70,50 min	525 / 8 = 65,625 min	4,875 min weniger
Relative Zeitersparnis	–	(70,50 − 65,625) / 70,50 × 100	6,91 %
Fehlerquote	32 / 800 = 4,00 %	22 / 800 = 2,75 %	1,25 Prozentpunkte weniger

Piloturteil: Die festgelegten Zahlenziele werden in diesen fiktiven Daten erreicht. Nicht zulässig ist daraus die sichere Aussage, dass die Werkzeugbereitstellung die Ursache war oder dass eine reale Anlage dauerhaft genauso abschneidet. Acht Lose pro Phase sind ein kleiner Ausschnitt; Schichtwechsel, Material, Personal und Zufall können mitwirken.

Datei:P control chart.svg

Methodenbild einer p-Regelkarte für Anteile: DanielPenfield, CC BY-SA 3.0; nicht die fiktive Pilotmessung.

Optional: „Statistical Process Control (SPC) Explained“, Operations & Supply Chain Management University (2023); englisch, auf YouTube verfügbar, keine hier behauptete freie Videolizenz.

Transferfrage: Der Pilot ist schneller, aber zwei Lose hatten andere Materialchargen. Welche Schlussfolgerung darfst Du ziehen und welche nicht?

Lerneinheit 5: Lokales interaktives Python-Labor

Anleitung: Lege lokal einen leeren Ordner an, speichere den folgenden Code als pilot_labor.py und starte ihn mit python pilot_labor.py oder python3 pilot_labor.py. Du brauchst Python 3.9 oder neuer; externe Pakete und Netzwerkzugriff sind nicht erforderlich. Nutze nach Möglichkeit eine offline geschaltete Schulungs-VM. Dies ist ein Zahlenexperiment, keine Steuerung von Maschinen.

Interaktion: Gib bei der Eingabe 0 ein und vergleiche den Originalpiloten. Gib danach 2 ein: Alle Pilotlose dauern hypothetisch zwei Minuten länger. Das Programm erzeugt lokal die Dateien offline_ergebnis/lose.csv und offline_ergebnis/vergleich.svg. Öffne die SVG-Datei lokal zur grafischen Kontrolle. Der zugelassene Wertebereich ist −5 bis +5 Minuten.

"""Isoliertes Offline-Lernlabor: ausschließlich fiktive Lose, keine Netzverbindung."""
import csv
from pathlib import Path
from statistics import mean

STUECK_JE_LOS = 100
VORHER = [(70, 4), (72, 5), (69, 3), (71, 4),
          (70, 5), (73, 4), (68, 3), (71, 4)]
PILOT = [(65, 3), (66, 2), (64, 4), (67, 3),
         (66, 2), (65, 3), (68, 3), (64, 2)]


def kennzahlen(lose):
    if not lose or any(z <= 0 or not 0 <= f <= STUECK_JE_LOS
                       for z, f in lose):
        raise ValueError("Ungueltige fiktive Lose")
    zeit = mean(z for z, _ in lose)
    fehlerquote = 100 * sum(f for _, f in lose) / (
        len(lose) * STUECK_JE_LOS)
    return zeit, fehlerquote


def zeichne_svg(vorher, pilot, pfad):
    a_zeit, a_quote = kennzahlen(vorher)
    b_zeit, b_quote = kennzahlen(pilot)
    werte = [("Vorher: min je Los", a_zeit, 80),
             ("Pilot: min je Los", b_zeit, 80),
             ("Vorher: Fehler in %", a_quote, 5),
             ("Pilot: Fehler in %", b_quote, 5)]
    teile = ['<svg xmlns="http://www.w3.org/2000/svg" '
             'width="800" height="310" viewBox="0 0 800 310">',
             '<rect width="800" height="310" fill="white"/>',
             '<text x="20" y="26" font-size="20">'
             'Fiktiver Vorher-Pilot-Vergleich</text>']
    for i, (name, wert, skala) in enumerate(werte):
        y = 55 + i * 57
        breite = 390 * wert / skala
        farbe = "#2463aa" if i % 2 == 0 else "#d65b20"
        teile.append(f'<text x="20" y="{y+19}" font-size="15">'
                     f'{name}: {wert:.2f}</text>')
        teile.append(f'<rect x="300" y="{y}" width="{breite:.1f}" '
                     f'height="25" fill="{farbe}"/>')
    teile.append('<text x="20" y="301" font-size="12">'
                 'Getrennte Skalen: Zeit 0-80 min; Fehler 0-5 %</text>')
    teile.append('</svg>')
    pfad.write_text("\n".join(teile), encoding="utf-8")


def main():
    print("OFFLINE-SZENARIO: nur fiktive Daten, keine Anlagenverbindung.")
    roh = input("Zeitaufschlag Pilot in min je Los [-5 bis 5], Enter=0: ")
    try:
        zusatz = float(roh.replace(",", ".")) if roh.strip() else 0.0
    except ValueError:
        raise SystemExit("Bitte eine Zahl eingeben.")
    if not -5 <= zusatz <= 5:
        raise SystemExit("Nur Werte von -5 bis 5 zugelassen.")
    test = [(zeit + zusatz, fehler) for zeit, fehler in PILOT]
    alt_zeit, alt_quote = kennzahlen(VORHER)
    neu_zeit, neu_quote = kennzahlen(test)
    einsparung = 100 * (alt_zeit - neu_zeit) / alt_zeit
    ziel = einsparung >= 5 and neu_quote <= 3

    ausgabe = Path("offline_ergebnis")
    ausgabe.mkdir(exist_ok=True)
    with (ausgabe / "lose.csv").open("w", newline="", encoding="utf-8") as f:
        w = csv.writer(f)
        w.writerow(["phase", "los", "minuten", "fehler", "geprueft"])
        for phase, lose in (("vorher", VORHER), ("pilot", test)):
            for nummer, (zeit, fehler) in enumerate(lose, start=1):
                w.writerow([phase, nummer, zeit, fehler, STUECK_JE_LOS])
    zeichne_svg(VORHER, test, ausgabe / "vergleich.svg")

    print(f"Vorher: {alt_zeit:.3f} min, {alt_quote:.2f} % Fehler")
    print(f"Pilot:  {neu_zeit:.3f} min, {neu_quote:.2f} % Fehler")
    print(f"Zeitersparnis: {einsparung:.2f} %")
    print("Pilotziele erreicht:", "ja" if ziel else "nein")
    print("Dateien: offline_ergebnis/lose.csv und vergleich.svg")
    print("Achtung: Demoerfolg ist kein kausaler Wirksamkeitsnachweis.")


if __name__ == "__main__":
    main()

Lokale Selbsttests: Speichere dies im selben Ordner als test_pilot_labor.py und führe python -m unittest test_pilot_labor.py aus.

import unittest
from pilot_labor import PILOT, VORHER, kennzahlen


class AnalyseTests(unittest.TestCase):
    def test_zeitmittel(self):
        self.assertAlmostEqual(kennzahlen(VORHER)[0], 70.5)
        self.assertAlmostEqual(kennzahlen(PILOT)[0], 65.625)

    def test_fehlerquote(self):
        self.assertAlmostEqual(kennzahlen(VORHER)[1], 4.0)
        self.assertAlmostEqual(kennzahlen(PILOT)[1], 2.75)

    def test_plausibilitaet(self):
        with self.assertRaises(ValueError):
            kennzahlen([(70, 101)])


if __name__ == "__main__":
    unittest.main()

Interaktive Eingabe	Erwartete Zeitersparnis	Pilotziele	Begründetes Feedback
0	6,91 %	Ja	5-%-Ziel und 3-%-Schutzgrenze eingehalten.
2	4,08 %	Nein	Fehlerquote bleibt 2,75 %, aber das Zeit-Ziel wird verfehlt.

Prüfe selbst: Ändert ein reiner Zeitaufschlag die Fehlerquote? Nein, denn im Modell werden die Fehlerzahlen absichtlich konstant gehalten. In echten Prozessen kann die Beziehung anders sein.

Lerneinheit 6: Entscheidung und Grenzen

Ein sauberer PDCA-Zyklus endet nicht beim grünen Tabellenfeld: Plan – Vergleich regeln; Do – isoliert testen; Check – Ergebnisse und Störfaktoren beurteilen; Act – Test verfeinern oder eine qualifizierte Freigabe einholen.

Freigabevorschlag für den Übungsfall: Die Daten sprechen für einen weiteren kontrollierten Test. Eine reale Umsetzung benötigt Zuständigkeiten, Arbeitsschutzprüfung, betriebliche Freigabe und längere Beobachtung. Kein automatischer Rollout.

Datei:Pareto analysis.svg

Werkzeug zur Priorisierung von Fehlerarten: Zirguezi, CC0. Für eine echte Pareto-Analyse müssten die Fehler erst nach Ursachenarten erfasst werden.

Datei:Diagrama ishikawa.svg

Ursachen systematisch sammeln: FJRojkin, CC BY-SA 3.0; die Grafik ist ein allgemeines Beispiel.

Gestufte Hilfen

Hilfe 1 – Denkimpuls: Vergleiche gleich große Lose mit denselben Prüfregeln. Entscheide zuerst, welche Größe besser werden soll und welche sich nicht verschlechtern darf.

Hilfe 2 – Rechenweg: Zeitmittel = Summe der Minuten / Zahl der Lose. Fehlerquote = Fehlerstücke / geprüfte Stücke × 100. Relative Ersparnis = (Alt − Neu) / Alt × 100.

Hilfe 3 – Kontrollantwort: 70,50 min → 65,625 min; Zeitersparnis 6,91 %. Fehlerquote 4,00 % → 2,75 %. Zahlenziele erreicht, aber Kausalität und Dauerhaftigkeit bleiben offen.

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Was ist im Übungsfall die Baseline? (Die nach festen Regeln gemessene Leistung vor der Änderung) (!Der beste Einzelwert des Piloten) (!Eine frei gewählte Qualitätsnorm) (!Die im Betrieb vorhandene Netzwerkadresse)

Welche Größe ist die Hauptkennzahl? (Mittlere Minuten je Los mit 100 Teilen) (!Farbe der Werkzeugkiste) (!Name des Auszubildenden) (!Anzahl der geöffneten Dateien)

Welche Kennzahl schützt vor einer Verschlechterung der Qualität? (Fehlerquote) (!Dateigröße) (!Bildauflösung) (!Raumtemperatur ohne Messbezug)

Wie wird die Fehlerquote berechnet? (Fehlerhafte Teile geteilt durch geprüfte Teile mal hundert) (!Fehlerhafte Teile mal Minuten) (!Minuten geteilt durch Lose) (!Geprüfte Teile plus Fehlerhafte Teile)

Was macht den Vorher-Pilot-Vergleich fairer? (Gleiche Losgröße und gleiches Prüfkriterium) (!Unterschiedliche Produkttypen) (!Neue Prüfregeln nur im Pilot) (!Weglassen ungünstiger Pilotlose)

Wie groß ist die relative Zeitersparnis bei den Ausgangsdaten ungefähr? (6,91 Prozent) (!1,25 Prozent) (!70,50 Prozent) (!35,00 Prozent)

Welche Pilotfehlerquote ergibt sich aus 22 fehlerhaften von 800 geprüften Teilen? (2,75 Prozent) (!22 Prozent) (!8 Prozent) (!0,275 Prozent)

Was belegen acht fiktive Lose je Phase allein nicht? (Einen sicheren ursächlichen und dauerhaften Effekt) (!Dass sich ein Mittelwert berechnen lässt) (!Dass die Zahl der Lose bekannt ist) (!Dass eine Tabelle erstellt werden kann)

Was geschieht im Check-Schritt des PDCA-Zyklus? (Ergebnisse mit der Baseline und den Zielen vergleichen) (!Sofort alle Arbeitsplätze umrüsten) (!Messregeln im Nachhinein verändern) (!Daten ohne Prüfung löschen)

Welche Testumgebung ist im Kurs zulässig? (Ein ausdrücklich freigegebenes lokales Labor mit fiktiven Daten) (!Eine fremde Produktionssteuerung) (!Ein unbekanntes Firmennetz) (!Eine reale Kundendatenbank)

Begründetes Quizfeedback: Die richtigen Antworten folgen dem Prinzip „gleiche Messregel – klare Haupt- und Schutzkennzahl – kleiner Versuch – vorsichtiger Schluss“. Beachte besonders den Unterschied zwischen Prozent bei einer relativen Zeitersparnis und Prozentpunkten bei der Differenz zweier Fehlerquoten.

Memory

Baseline	Dokumentierter Ausgangswert
Hauptkennzahl	Wichtigstes Erfolgsmaß
Schutzkennzahl	Grenze gegen Nebenwirkungen
Losgröße	Teileanzahl je Los
Fehlerquote	Anteil fehlerhafter Teile
Mittelwert	Summe geteilt durch Anzahl
Pilot	Begrenzter Probelauf
Störfaktor	Weitere mögliche Einflussgröße

Drag and Drop

Ordne die richtigen Begriffe zu.	Funktion im Versuch
Vorherdaten	Vergleichsbasis
Loszeit	Zeitbezogene Hauptkennzahl
Fehleranteil	Schutz der Produktqualität
Messplan	Einheitliche Erhebungsregeln
Pilotgruppe	Test mit veränderter Bereitstellung
Störfaktorenliste	Prüfung anderer Einflussgrößen

Kreuzworträtsel

Baseline	Wie heißt die dokumentierte Vergleichsbasis vor dem Test?
Losgröße	Wie nennt man die Teilezahl je Fertigungslos?
Fehlerquote	Welche Kennzahl misst den Anteil fehlerhafter Teile?
Mittelwert	Wie heißt die Summe der Werte geteilt durch ihre Anzahl?
Hypothese	Wie heißt eine vor dem Test formulierte überprüfbare Annahme?
Stichprobe	Wie nennt man eine ausgewählte Teilmenge von Beobachtungen?

LearningApps

Optionale externe Übungssuche. Nur nach Zustimmung öffnen; keine betrieblichen oder persönlichen Daten eingeben.

Lückentext

Die dokumentierte Vergleichsbasis heißt

.

Jedes fiktive Los enthält

Teile.

Als Hauptkennzahl dient die Loszeit in

.

Die Schutzkennzahl für Qualität heißt

.

Vor dem Test muss der

feststehen.

Die mittlere Loszeit beträgt vor der Änderung

Minuten.

Der Pilot erreicht eine mittlere Loszeit von gerundet

Minuten.

Die relative Zeitersparnis beträgt gerundet

Prozent.

Der Pilot weist einen Fehleranteil von

Prozent auf.

Auch bei erfüllten Zahlenzielen muss man mögliche

untersuchen.

Offene Aufgaben

Leicht – Basisaufgaben

Prozessskizze: Zeichne die fünf Arbeitsschritte des fiktiven Falls. Feedback: Die Darstellung passt, wenn der geänderte Schritt erkennbar ist, weil sonst unklar bleibt, was getestet wird.
Kennzahlenkarte: Lege eine Karte für Zeit und eine für Qualität an, jeweils mit Einheit. Feedback: Zeit in Minuten je 100 Teile und Qualität in Prozent sind sinnvoll, weil Zähler und Bezug eindeutig werden.
Zählprobe: Markiere in der Datentabelle die insgesamt geprüften Teile. Feedback: 800 je Phase ist korrekt, weil acht Lose zu je 100 Teilen erfasst sind.
Mittelwert prüfen: Rechne beide Zeitmittel von Hand aus. Feedback: 70,50 und 65,625 Minuten stimmen, weil alle acht Lose in jeder Phase berücksichtigt sind.

Standard – Anwendungsaufgaben

Vergleichsdiagramm: Starte das Offline-Labor mit Eingabe 0 und beschrifte die zwei Skalen. Feedback: Die Skalen müssen getrennt bleiben, weil Minuten und Prozent nicht gleichartige Einheiten sind.
Was-wäre-wenn-Test: Wiederhole den lokalen Lauf mit Eingabe 2 und erkläre das negative Zielurteil. Feedback: 4,08 % Zeitersparnis reicht nicht, weil mindestens 5 % vereinbart sind.
Messprotokoll: Entwirf eine Messkarte mit Los, Schicht, Materialcharge, Minuten und Fehlerzahl. Feedback: Kontextspalten sind entscheidend, weil sie mögliche Störfaktoren sichtbar machen.
Prüfbesprechung: Führe zu zweit ein Gespräch über die erreichte Fehlerquote. Feedback: 2,75 % erfüllt die Schutzgrenze, belegt aber keine langfristige Prozessfähigkeit.

Schwer – Transferaufgaben

Fairer Folgeversuch: Plane einen simulierten Folgetest mit abwechselnder Reihenfolge von Vorher- und Pilotbedingungen. Feedback: Gleiche Bedingungen und geplante Reihenfolge helfen, weil Zeittrends sonst das Ergebnis verzerren können.
Schwankung untersuchen: Skizziere die zeitliche Folge der Losminuten und diskutiere auffällige Abweichungen. Feedback: Eine kleine Datenreihe reicht nicht für seriöse Regelgrenzen, weil deren Schätzung mehr passende Messwerte erfordert.
Ursachenwerkstatt: Erfinde drei plausible Gründe für eine unfaire Verbesserung und zeichne ein Ishikawa-Diagramm. Feedback: Material, Erfahrung und Schicht sind plausible Beispiele, weil sie unabhängig von der Werkzeugbereitstellung wirken können.
Pilotentscheidung: Erstelle eine einseitige Empfehlung mit Daten, Einschränkungen und nächstem Schritt. Feedback: Ein weiterer kontrollierter Test ist begründbar, weil Zielerfüllung allein noch keine Kausalität belegt.

Lernkontrolle

Übertragungsfehler: Ein anderes Team vergleicht 50er-Lose mit 100er-Losen. Entwickle eine faire Normalisierung und begründe sie.
Zielkonflikt: Stell Dir 9 % schnellere Bearbeitung, aber 5 % Fehler vor. Begründe die Entscheidung anhand beider zuvor festgelegten Ziele.
Ursache oder Zusammenhang: Zwei Schichten haben verschiedene Ergebnisse. Plane eine Prüfung, die einen Schichteffekt vom Änderungseffekt trennt.
Messfehler: Zwei Personen starten die Zeitmessung an unterschiedlichen Punkten. Beschreibe eine gemeinsame Messvorschrift und eine Kontrollmessung.
Nutzenabwägung: Entwirf eine Rechnung, die Rüstaufwand und mögliche Zeitersparnis berücksichtigt, ohne frei erfundene Geldbeträge als Tatsachen auszugeben.
Freigabeentscheidung: Formuliere zwei Bedingungen, unter denen eine Werkstattleitung einen weiteren Übungspiloten ablehnen müsste.

Lernnachweis

Ein tragfähiger Lernnachweis enthält eine Prozessskizze, einen Messplan mit Haupt- und Schutzkennzahl, die fiktiven Rohdaten, überprüfbare Rechnungen samt Grafik, die Ausgabe des lokalen Szenariotests und eine begründete Entscheidung. Benenne mindestens zwei Unsicherheiten und die Grenzen des Vorher-Nachher-Vergleichs.

Bewertungsvorschlag: Vergleichbarkeit und Messregeln (25 %), korrekte Kennzahlen (25 %), Datenvisualisierung (15 %), kritische Interpretation (25 %), sichere und nachvollziehbare Dokumentation (10 %). Ausschließlich fiktive Daten, keine realen Zugangsdaten oder Betriebsdateien. Im Lernnachweis sind keine externen Medien nötig.

OERs zum Thema

Fachlich geprüfte Vertiefung:

ASQ: PDCA Cycle – vierphasiger Test- und Verbesserungszyklus.
ASQ: Statistical Process Control – Streuung und Regelkarten.
NIST: Process Control Techniques – Vergleich mit früherem Prozessverhalten und Werkzeugübersicht.
Statistische Prozesslenkung und Demingkreis – deutschsprachige Überblicksartikel.

Wikipedia-Vertiefung, falls externe Einbettungen in Deiner Lernumgebung freigegeben sind:

Medienrechte: Die sechs verwendeten Commons-Dateien wurden über ihre jeweiligen Dateibeschreibungsseiten überprüft: PDCA-Kreis (Qualitätsmanagement).svg (Sven u. a., CC BY-SA 3.0), Elements of a boxplot.svg (RobSeb, CC BY-SA 3.0), ControlChart.svg (DanielPenfield, gemeinfrei), P control chart.svg (DanielPenfield, CC BY-SA 3.0), Pareto analysis.svg (Zirguezi, CC0), Diagrama ishikawa.svg (FJRojkin, CC BY-SA 3.0). Urheber und Lizenzen stehen außerdem direkt an den Bildern. Die YouTube-Videos werden nur eingebettet, nicht als offen lizenziert bezeichnet oder kopiert. Die Kurstabelle, die Python-Daten und das lokale Diagramm sind eigens für diesen fiktiven Lernfall erstellt.