{"ok": true, "text": "Six Sigma heißt: 3,4 Fehler pro Million Möglichkeiten. Bei meinen Uhren toleriere ich sogar null. An der Tafel rechnen wir DPMO und Prozessfähigkeit an einem Onlineshop durch, am Ende kommt eine Kontrollfrage.\n\n```tafel Six Sigma – DMAIC, DPMO, Cp und Cpk\n<h3 data-say=\"Six Sigma senkt die Streuung eines Prozesses, bis kaum noch Fehler entstehen.\">Six Sigma – die Idee</h3>\n<p data-say=\"Sigma ist die Standardabweichung. Je kleiner sie im Verhältnis zur Toleranz ist, desto weniger Fehler.\">Fehler entstehen durch Streuung. Six Sigma: sechs Standardabweichungen zwischen Mittelwert und Toleranzgrenze, mit 1,5σ-Verschiebung höchstens 3,4 Fehler pro Million Möglichkeiten. Projekte laufen nach DMAIC: Define, Measure, Analyze, Improve, Control.</p>\n<div class=\"vs\" data-say=\"Lean macht Prozesse schneller, Six Sigma macht sie zuverlässiger.\">\n<div><b>Lean</b><br>bekämpft Verschwendung und Wartezeit<br>Ziel: schneller Fluss</div>\n<div><b>Six Sigma</b><br>bekämpft Streuung und Fehler<br>Ziel: stabiler Prozess</div>\n</div>\n<table data-say=\"Der DMAIC-Zyklus hat fünf Phasen. Jede beantwortet eine eigene Leitfrage.\">\n<tr><th>Phase</th><th>Leitfrage</th><th>Werkzeug</th></tr>\n<tr><td>Define</td><td>Welches Problem, welcher Kunde?</td><td>Projektauftrag, CTQ</td></tr>\n<tr><td>Measure</td><td>Wie gut ist der Prozess heute?</td><td>DPMO, Cp, Cpk</td></tr>\n<tr><td>Analyze</td><td>Was sind die Ursachen?</td><td>Ishikawa, Pareto</td></tr>\n<tr><td>Improve</td><td>Wie beseitigen wir sie?</td><td>Pilot, Poka Yoke</td></tr>\n<tr><td>Control</td><td>Wie halten wir das Niveau?</td><td>Regelkarte, Standard</td></tr>\n</table>\n<p data-say=\"Diese drei Formeln brauchst du für die Klausur.\">\\( \\text{DPMO} = \\frac{\\text{Fehler}}{\\text{Einheiten} \\cdot \\text{Möglichkeiten}} \\cdot 10^6 \\) · \\( C_p = \\frac{\\text{OSG} - \\text{USG}}{6\\sigma} \\) · \\( C_{pk} = \\min\\left(\\frac{\\text{OSG} - \\mu}{3\\sigma};\\ \\frac{\\mu - \\text{USG}}{3\\sigma}\\right) \\)</p>\n<div class=\"example\" data-say=\"Unser Beispiel ist ein Onlineshop für Müsli mit Versand und eigener Abfüllung.\">Müsli-Onlineshop: 8.000 Pakete pro Monat, 4 Fehlermöglichkeiten je Paket, 96 Fehler. Abfüllung: Toleranz 495 bis 505 g, Mittelwert 501 g, Standardabweichung 1,2 g.</div>\n<div class=\"step\" data-say=\"DPMO teilt die Fehler durch alle Fehlermöglichkeiten, nicht nur durch die Pakete.\">\n<b>Schritt 1 – DPMO</b>\n<div class=\"calc\">\\( \\text{DPMO} = \\frac{96}{8.000 \\cdot 4} \\cdot 1.000.000 = 3.000 \\)</div>\n<div class=\"calc\">\\( \\Rightarrow \\text{Sigma-Niveau} \\approx 4{,}2 \\)</div>\n</div>\n<div class=\"step\" data-say=\"Nach dem Barcode-Scan beim Packen bleiben zwölf Fehler im Monat.\">\n<b>Schritt 2 – nach Improve (Barcode-Scan)</b>\n<div class=\"calc\">\\( \\text{DPMO} = \\frac{12}{32.000} \\cdot 1.000.000 = 375 \\Rightarrow \\approx 4{,}9 \\text{ Sigma} \\)</div>\n</div>\n<div class=\"step\" data-say=\"Cp vergleicht nur die Toleranzbreite mit der Streuung, die Lage ist egal.\">\n<b>Schritt 3 – Cp</b>\n<div class=\"calc\">\\( C_p = \\frac{505 - 495}{6 \\cdot 1{,}2} = \\frac{10}{7{,}2} \\approx 1{,}39 \\)</div>\n</div>\n<div class=\"step\" data-say=\"Cpk nimmt den Abstand zur näheren Grenze. Hier ist das die obere.\">\n<b>Schritt 4 – Cpk</b>\n<div class=\"calc\">\\( C_{pk} = \\min\\left(\\frac{505 - 501}{3{,}6};\\ \\frac{501 - 495}{3{,}6}\\right) = \\min(1{,}11;\\ 1{,}67) = 1{,}11 \\)</div>\n</div>\n<table data-say=\"Die Tabelle zeigt, wie schnell die Fehler mit jedem Sigma sinken.\">\n<tr><th>Sigma-Niveau</th><th>DPMO</th></tr>\n<tr><td>3</td><td class=\"n\">66.807</td></tr>\n<tr><td>4</td><td class=\"n\">6.210</td></tr>\n<tr><td>5</td><td class=\"n\">233</td></tr>\n<tr><td>6</td><td class=\"n\">3,4</td></tr>\n</table>\n<p data-say=\"Six Sigma hat feste Rollen. Black Belts leiten Projekte, Green Belts arbeiten nebenbei mit.\">Rollen: Champion (Führungskraft, wählt Projekte) · Master Black Belt (schult, coacht) · Black Belt (leitet Projekte in Vollzeit) · Green Belt (Projektarbeit neben der Linie) · Yellow Belt (Grundlagen).</p>\n<div class=\"result\" data-say=\"Die Streuung passt, aber der Prozess liegt zu hoch. Erst zentrieren, dann Streuung senken.\">\\( C_p \\approx 1{,}39 \\), aber \\( C_{pk} = 1{,}11 < 1{,}33 \\): nicht fähig. Zentrieren auf 500 g bringt \\( C_{pk} \\approx 1{,}39 \\). Six Sigma (\\( C_p = 2 \\)) bräuchte \\( \\sigma \\approx 0{,}83 \\) g.</div>\n<div class=\"warn\" data-say=\"Wer die Fehlermöglichkeiten vergisst, kommt auf zwölftausend statt dreitausend.\">Typische Falle: Fehler nur durch Einheiten teilen ergibt 12.000 statt 3.000 DPMO. Und Cpk ist das Minimum beider Seiten, nicht der Durchschnitt.</div>\n```\n\nKontrollfrage: Die Anlage wird exakt auf 500 g zentriert, die Standardabweichung bleibt 1,2 g. Wie hoch sind Cp und Cpk jetzt, und ist der Prozess damit fähig im Sinne von 1,33?", "data": null, "stop": "end_turn", "model": "claude-sonnet-5-5", "tools": [], "quota": {"used": 1, "limit": 150, "left": 149, "pro": false}}