Korrelationsanalysen in der Praxis: ein Beispiel aus der Logistik

Um unternehmensinterne und unternehmensübergreifende Prozesse gezielt steuern zu können ist eine Identifizierung möglicher Einflussfaktoren auf ebendiese notwendig. Besonders relevant ist dies, wenn es darum geht, logistische Prozesse zu planen. Diese sind im Gegensatz zu getakteten Prozessen aufgrund ihrer Vielfältigkeit häufig Parametern unterlegen, die auf den ersten Blick keinen Einfluss ausüben. Eine umfassende Identifizierung möglicher Parameter lässt sich aus dem im Projekt SimCast erstellten Ursache-Wirkungs-Diagramm zur „Ermittlung von Einflussparametern auf die Dauer logistischer Prozesse“ ableiten (weitere Informationen finden Sie unter abgeschlossene Projekte ). Anschließend werden die identifizierten Parameter einer Korrelationsanalyse unterzogen.

Mit Hilfe einer unternehmensinternen expertenbasierten Befragung ist es möglich, die potentiellen Einflussparameter hinsichtlich ihrer Wichtigkeit zur Planung von logistischen Prozessdauern zu bestätigen oder infolge einer als unwichtig eingestuften Bewertung zu verwerfen. Identifizierte Parameter können entweder einen direkten Einfluss auf eine Prozesszeit haben, z. B. die Geschwindigkeit eines Fahrzeuges, oder in einem Ursache-Wirkungszusammenhang mit einem anderen Einflussparameter stehen. Diese Wirkzusammenhänge lassen sich abbilden und haben dann eine hohe Relevanz für die Prognose von logistischen Prozessdauern. Die Analyse von Zusammenhängen zwischen einzelnen Merkmalen ist eine Teilaufgabe der Datenanalyse.

Die Stärke des Zusammenhangs von zwei quantitativen Merkmalen wird in der deskriptiven Statistik und Inferenzstatistik als Korrelation bezeichnet und kann in lineare und nichtlineare Korrelation unterschieden werden. Bei multivariaten Datensätzen wird zusätzlich für jedes Paar von Variablen der Korrelationskoeffizient berechnet.^[1] „Zur Korrelationsanalyse werden vornehmlich Verfahren der klassischen, multivariaten, robusten und explorativen Statistik eingesetzt, aber auch verschiedenste nichtlineare Regressionsverfahren, deren Approximationsfehler als Korrelationsmaß verwendet werden können.“^[2] Voraussetzung für die Durchführung der Korrelationsanalyse ist die Normalverteilung der untersuchten Daten.

Die ordinal skalierten Ergebnisse der Befragung und deren Überführung in mittlere Ränge dienen als Maß für die Berechnung von Korrelationskoeffizienten nach Spearman. Eine Berechnung der ermittelten Korrelationskoeffizienten zwischen zwei Parametern enthüllt, ob die Experteneinschätzung der Parameter linear zusammenhängt. Eine weiterführende Prüfung der Parameter mit einem Signifikanzniveau von bspw. 1 % (nach Spearman’s Rho Werte > 0,783 (betragsmäßig))[3] bestätigt einen kausalen Zusammenhang. Eine aktuelle Untersuchung bestätigt, dass Parameter, die im direkten Zusammenhang zum Transformationsobjekt oder den Ressourcen stehen, Ursache oder Wirkung zahlreicher Wechselwirkungen sein kann. Daraus kann geschlossen werden, dass diese Kategorien am stärksten auf die Planung logistischer Prozesse in der Unikat- und Kleinserienfertigung wirken. Die Abbildung von Wechselwirkungen erfolgt in einer paarweisen Tabelle resultierend aus den Ergebnissen einer Korrelationsanalyse.

Aus den als kausal deklarierten Ursache-Wirkungsbeziehungen lassen sich anschließend systematisch Kausalketten abbilden. Ursprung dieser Kausalkette ist ein Einflussparameter, der von keinem weiteren Parameter beeinflusst wird. Es sind Kausalketten auf Kausalität und Vollständigkeit hin zu überprüfen und in eine messbare Form zu überführen.

Best Practice Vorgehen

In der Abbildung werden zwei Beispiele für die Korrelationen zweier Parameter dargestellt. Da der Korrelationskoeffizient (betragsmäßig) immer zwischen 0 und 1 liegt, können die Korrelationskoeffizienten als „sehr hoch“ und „hoch“ angesehen werden.

Die Kausalitätsprüfung von zwei Merkmalen (Handhabung eines Transformationsobjektes in einem Prozess und die Entfernung beispielsweise zwischen Wareneingangslager und Beschaffungslager) erfolgt immer manuell. Es wird deutlich, dass die Handhabung eines Objektes aufgrund von Gewicht, Abmessungen, Aggregatzustand oder Art des Gutes keine Auswirkung auf Entfernung einzelner Arbeitsbereiche im Unternehmen hat. Andererseits kann die Entfernung einen wesentlichen Einfluss auf die Handhabung des Objektes haben. Besonders dann, wenn es nicht von Hand von einem Arbeitsplatz zum nächsten gebracht werden kann. Dann ist es notwendig, zusätzliche Parameter, die das Transformationsobjekt und die Entfernungen im Unternehmen kennzeichnen zu kennen. Daraus ergeben sich anschließend Anforderungen an evtl. benötigte Arbeitshilfsmittel und daraus resultierend benötigte Arbeitsmittel. Dieser Zusammenhang kann somit als kausal angesehen werden.

Das zweite Beispiel bestätigt, dass es einen Zusammenhang zwischen den physikalischen Eigenschaften eines Objektes und dessen Empfindlichkeit gibt. So kann beispielsweise die Sprödheit als physikalische Eigenschaft eines Objektes Ursache für die Empfindlichkeit eines Objektes sein und somit dessen Handhabung beeinflussen. Andersherum kann nicht auf einen kausalen Zusammenhang geschlossen werden.

 

Kausalitäten lassen sich anschließend wie in der folgenden Abbildung dargestellt visualisieren:

Quellenangaben

[1] Vgl. Uni Göttingen., o. J., S. 23.

[2] Zitiert aus Runkler, T. A., 2015., S. 59.

[3] Reiter, T.: Statistik, Zuverlässigkeit, Qualitätsmanagement & mehr. www.reiter1.com/Glossar/Spearman_Rho.xls, Zugriffsdatum: 02.05.2018.