So prognostizieren Sie Garantieansprüche (ganz ohne zu schwitzen)

Minitab Blog Editor | 28 Dezember, 2021

Themen: Qualitätsdatenanalysen, Kontinuierlichen Verbesserung, Produktzuverlaessigkeit

Als die Temperatur in meinem Haus eines Nachmittags im letzten Sommer auf 400 Grad anstieg, wurde mir klar, dass – ganz egal, was mir die freundliche Auskunft beim Wetterdienst zu erklären versuchte – es für Menschen sehr wohl möglich ist zu schmelzen. Also gab ich nach und kaufte mir eine Klimaanlage. Nach einigen Minuten verlor sich die besorgniserregende Weichheit meiner Haut, die sich gebildet hatte. Ich war zuversichtlich, dass dies den restlichen Sommer über so bleiben würde.
 
Doch ungefähr eine Woche später begann die Klimaanlage, einen schneidenden, metallischen Heulton auszugeben. Als jemand, der gleich mehrere Alben von Merzbow besitzt, schienen mir solche Maschinengeräusche ein kleiner Preis dafür, dass die Temperatur meiner Haut weit unter dem Schmelzpunkt bleiben würde. Nach einer Weile genoss ich den heulenden Sirenengesang der Klimaanlage sogar.
 
Als die Klimaanlage am nächsten Tag dann aber nur noch quietschte und keine kalte Luft mehr lieferte, hörte es sich schon nicht mehr so süß an. Während die Sonne immer höher in den Himmel kletterte und die Temperatur hochschnellte, kam mir nur noch ein Wort in den Sinn:
 
Garantieanalyse.
 
Ich wusste, dass es irgendwo Daten gab, die das Ableben meines Ventilators prognostizierten und quantifizierten, wie viel es den Hersteller kosten würde, das Versprechen einer einjährigen Garantie für dieses Produkt einzulösen.

Fallstudie in englischer Sprache: Time-to-Market and Design for Reliability at the Speed of Light in Signify (Markteinführungszeit und Design for Reliability in Lichtgeschwindigkeit bei Signify).
Sehen Sie sich die Aufzeichnung des Webinars in englischer Sprache an >


EINE PROGNOSE DER GARANTIEKOSTEN IST GUT FÜR DAS GESCHÄFT

Kein Hersteller legt es darauf an, die Kunden zu enttäuschen (oder sogar schmelzen zu lassen), aber es gibt nun einmal Defekte, und daher gewähren die meisten Unternehmen eine Garantie, um die Kunden zufrieden zu halten. Die Vorhersage der Garantiekosten für ein Produkt oder Geschäft kann jedoch herausfordernd oder sogar riskant sein. Wenn nicht genug Gelder zurückgelegt oder zu viele Ersatzteile vorgehalten werden und ein unvorhergesehenes Problem auftritt, kann dies zu Schwierigkeiten führen. Wird zu viel Geld zurückgelegt, bindet dies Ressourcen, die anderswo effektiver genutzt werden könnten.
 
Wie können künftige Garantiekosten also sicher geschätzt werden? Sehr kluge Leute in dem Unternehmen, das meine Klimaanlage hergestellt hat, haben sich mit genau dieser Frage auseinandergesetzt, und plötzlich wurde mir klar, wie sie sie beantworten konnten.
 
Sie benötigten nur einige Daten! Während mir der Schweiß von den Augenbrauen tropfte, schaltete ich meinen Laptop ein, um es selbst auszuprobieren.
 
Vielleicht setzte mir die Hitze zu, aber ich hatte eine Vision der Anzahl von Rückgaben aus der Jahresproduktion dieser Klimaanlage, die der Hersteller jeden Monat zurückerhalten könnte. Alles, was sie für die Prognose der Garantieansprüche im folgenden Jahr benötigten, war die Anzahl der Ventilatoren, die in den vorausgegangenen 12 Monaten ausgeliefert wurden, und die Anzahl der monatlichen Rückgaben für jede Lieferung.

WELCHE DATEN BENÖTIGE ICH FÜR DIE PROGNOSE VON KÜNFTIGEN GARANTIEANSPRÜCHEN?

Nachdem ich die mir in meinem Fieberwahn erschienenen Daten in einem leeren Arbeitsblatt in Minitab eingab, sahen sie folgendermaßen aus:
 
Datensatz ueber Gewaehrleistungsansprueche
 
Diese Daten befinden sich in einem Format, das als Dreiecksmatrix bezeichnet wird. Obwohl es sich so anfühlte, als ob ich in meinem schwülen Wohnzimmer langsam aufweichte, wusste ich, dass ich diese Matrix in das normale Format für die Zeit bis zum Ausfall umwandeln musste, um die Garantieanalyse auszuführen.
 
Ich wählte in Minitab die Befehle Statistik > Zuverlässigkeit/Lebensdauer > Garantieanalyse > Garantiedaten vorbereiten aus. Im Feld "Spalte für Lieferung (Verkauf)" gab ich Versand ein. Im Feld "Spalten für Rückgabe (Ausfall)" gab Ich Monat1-Monat12 ein.
 
Garantiedaten vorbereiten
 
Die Spalten Startzeit, Endzeit und Häufigkeiten wurden wie von magischer Hand ganz von selbst in mein Datenblatt eingetragen. Minitab hat die Hitze ganz offenbar nicht gestört.
 
Datensatz mit Startzeit und Endzeit und Haeufigkeiten
 

DATENANALYSE FÜR DIE GARANTIEPROGNOSE

Jetzt konnte ich meine Analyse durchführen, sofern ich vor dem Abschluss keinen Hitzeschlag erleiden würde. Ich wählte Statistik > Zuverlässigkeit/Lebensdauer > Garantieanalyse > Garantieprognose aus. Im Dialogfeld gab ich im Feld Startzeit die Spalte "Startzeit" Endzeit die Spalte "Endzeit" und im Feld Häufigkeit (optional) die Spalte "Häufigkeiten“ ein.
 
Als Nächstes klickte ich auf die Schaltfläche "Prognose". Im Feld Ausfälle bis zu folgendem Zeitraum prognostizieren gab ich den Wert 12 ein. Im Feld "Produktionsmenge für jeden Zeitraum" gab ich den Wert 2000 ein. Mit meinen sicherlich letzten Atemzügen klickte ich dann in jedem Dialogfeld auf.
 
Garantieprognose
 

ERGEBNISSE DER GARANTIEPROGNOSE INTERPRETIEREN

Noch bevor mein Ende kam, wurde sofort eine Grafik eingeblendet:
 
Diagramm der prognostizierten Anzahl der Ausfälle
 
Selbst mit meinen hitzegeplagten Augen war es einfach zu erkennen, dass diese Grafik die voraussichtliche Anzahl von zurückgegebenen Klimaanlagen in jedem Monat des kommenden Jahres darstellte.
 
Doch auch das Minitab-Sessionfenster enthielt jetzt Ausgaben. Die Tabelle Zusammenfassung aktueller Garantieansprüche zeigte, dass meine Anlage eine von 635 defekten Einheiten war, die letztes Jahr ausgeliefert wurden.
 
Zusammenfassung aktueller Garantieansprueche
 
Interessant, aber das ließ mich in meiner Situation kalt. Als Nächstes schaute ich mir die Tabelle der prognostizierten Anzahl der Ausfälle an, die Informationen zur potenziellen und prognostizierten Anzahl von Ausfällen in den kommenden Monaten zeigt:
 
Tabelle der prognostizierten Anzahl der Ausfaelle
Die potenzielle Anzahl der Ausfälle für jeden zukünftigen Zeitraum ist die Anzahl gefährdeter Einheiten am Ende des Datenerfassungszeitraums, zuzüglich der Anzahl zusätzlicher Einheiten, die in jedem nachfolgenden Zeitraum ausgeliefert werden. Die prognostizierte Anzahl der Ausfälle ist die Anzahl der Ausfälle, die das Modell vom Ende des Datenerfassungszeitraums über die angegebene Anzahl zukünftiger Zeiträume prognostiziert. Und das 95%-Poisson-Konfidenzintervall stellt einen Bereich wahrscheinlicher Werte für die prognostizierte Anzahl von Ausfällen dar.
 
In der Tabelle oben sind zu einem Zeitpunkt von 12 Monaten ab jetzt 47.365 Ventilatoren gefährdet. Sie können mit 95 %iger Sicherheit erwarten, dass die Anzahl der Ausfälle zwischen ungefähr 1933 und 2111 liegen wird. Wäre ich der Hersteller dieser Klimaanlagen, könnte ich entsprechend vorsorgen.
 
Das Wissen, dass der Hersteller die Rückgabe meiner defekten Einheit erwartet und wahrscheinlich bereits eingeplant hat, gab mir irgendwie die Kraft, gegen die Hitze anzukämpfen und meine Anlage gemäß der Herstellergarantie gegen ein anderes Gerät einzutauschen. Und dann war der restliche Sommer in meinem Haus doch noch ziemlich cool.
 

Steht Ihre Organisation vor Herausforderungen bei der Zuverlässigkeit? Laden Sie unser White Paper herunter, um die 5 Methoden kennenzulernen, durch die Sie mit Hilfe der Minitab Solutions Analytics eine zuverlässige Produktdesign entwickeln.

[Whitepaper] 5 Techniken für zuverlässiges Produktdesign