Die 7 häufigsten Fehler bei der Prozessqualifikation bzw. Langzeitauswertung

Die 7 häufigsten Fehler bei der Prozessqualifikation als Download

Download

 

Bei der Prozessqualifikation bzw. Langzeitauswertung werden an verschiedenen Stellen über Messprozesse die jeweiligen Merkmale gemessen und die Ergebnisse einem Erfassungs- bzw. SPCSystem (z. B. procella) zugeführt. Um einen ganzheitlichen Überblick zu bekommen, müssen die Daten zentral in einem Datenpool strukturiert gespeichert und verwaltet werden. Anschließend können die Daten entweder periodisch oder ereignisgesteuert dem Datenpool nach verschiedenen Selektionskriterien entnommen und diese ausgewertet werden. Mit Hilfe von vordefinierten Berichten kann der jeweils zuständige Teilnehmerkreis informiert werden.

 

Fehler

Die Daten werden dem Prozess nicht repräsentativ entnommen (z. B. nach Schichtwechsel bzw. Pausen oder der Werker vergisst eine Messung durchzuführen).

Konsequenz

Die erfassten Daten spiegeln den tatsächlichen Sachverhalt nicht ausreichend wider. Es besteht das Risiko, dass Abweichungen nicht rechtzeitig erkannt werden. Konsequenterweise können die Ergebnisse der statistischen Auswertung falsch sein.

Lösung

Zunächst Prozesse in kurzen Zeitabständen über eine längere Zeit beobachten. Dadurch werden besondere Situationen erkannt, die mit Hilfe von Abstellmaßnahmen beseitigt werden können. Weiter sollte der Werker gezielt auf bevorstehende Messungen hingewiesen werden. Hinweise zu den
Stichprobenentnahmen finden Sie im Buch „Statistische Verfahren zur Maschinen- und Prozessqualifikation“ oder bspw. im Daimler Leitfaden LF1236.
 

Fehler

Die Bezeichnung der Fähigkeitskennwerte ist nicht eindeutig.

Konsequenz

Daher werden die Indizes unterschiedlich interpretiert.

Lösung

Klare Festlegungen bzgl. der Bedeutung und Definition der Fähigkeitskennwerte Cm, Cmk, Pp, Ppk, Cp, Cpk oder Tp, Tpk. Hinweise sind beispielsweise in den Richtlinien von Daimler, GM oder VW enthalten.

 

 

Fehler

Schlechte Datenqualität insbesondere bei den beschreibenden Daten. Der Bediener lässt Felder leer bzw. ergänzt diese mit Fließtexten.

Konsequenz

Bei einer Selektion auf diese Felder wird die Selektion einen unvollständigen Datensatz liefern.

Lösung

Mit den Q-DAS Produkten procella und O-QIS kann gezielt vorgegeben werden, welche Felder zwangsweise ausgefüllt werden müssen. Fehlen bei diesen Feldern Angaben, arbeitet das Programm nicht mehr weiter und lässt keine erneute Eingabe von Messwerten zu. Um Fließtexte zu vermeiden,
können Felder über zentral gepflegte Kataloge gefüllt werden. Die so erfassten Daten werden im Q-DAS ASCII-Transferformat (AQDEF) geschrieben und können so dem zentralen Datenbestand zugeführt werden.

Fehler

Berechnung der Fähigkeitskennwerte, ohne das zeitabhängige Verteilungsmodell zu kennen. Häufig wird einfachheitshalber die Berechnung nur basierend auf der Normalverteilung vorgenommen.

Konsequenz

Die Fähigkeitskennwerte sind oft falsch bzw. beschreiben die jeweilige Prozesssituation nicht ausreichend genau.

Lösung

Mit qs-STAT können die zeitabhängigen Verteilungsmodelle gemäß DIN ISO 22514-2:2015 ermittelt werden. Gleichzeitig wird dem jeweiligen zeitabhängigen Verteilungsmodell eine Berechnung der Fähigkeitskennwerte zugeordnet. Dieser Vorgang kann automatisiert werden, sodass eine validierbare Auswertung durchgeführt werden kann. Konsequenterweise können dadurch Ergebnisse von unterschiedlichen Werken bzw. Standorten miteinander verglichen werden.

 

 

Fehler

Die Definition beherrscht fähig, stabil ist nicht ausreichend genau spezifiziert.

Konsequenz

Fehlinterpretation und unnötige Diskussion.

Lösung

Festlegen der Begrifflichkeit anhand üblicher Firmenrichtlinien bzw. Normen (z.B. DIN ISO 3534 ff).

 

 

Fehler

Falsche Stabilitätskriterien bei großen Datenmengen.

Konsequenz

Ein Prozess wird unberechtigterweise als instabil interpretiert.

Lösung

In Abhängigkeit der Anzahl Messwerte bzw. Stichproben sind mehr oder weniger Verletzungen der Eingriffsgrenzen in der Qualitätsregelkarte zuzulassen, ohne eine Warnung bzgl. der Stabilität auszugeben. Informationen dazu sind zu finden in dem Buch „Statistische Verfahren zur Maschinen- und Prozessqualifikation“. qs-STAT verwendet diese Grenzen automatisch.

 

 

Fehler

Das Ergebnis einer Auswertung ist nicht nachvollziehbar.

Konsequenz

Der Vergleich von Ergebnissen ist nicht möglich.

Lösung

Festlegen, welche beschreibenden Informationen ein Ergebnis zusätzlich beinhalten muss. Beispielsweise müssen neben dem Fähigkeitskennwert das zeitabhängige Verteilungsmodell und die Berechnungsmethode angegeben werden.

 

Fehler

Häufig werden statistische Auswertungen nur dezentral vorgenommen, ohne die erfassten Messwerte in einen zentralen Datenbestand zu übertragen.

Konsequenz

Die Ergebnisse werden nicht vergleichbar und eine ganzheitliche Betrachtung eines Prozesses bzw. eines Produktes ist nicht möglich.

Lösung

Auch dezentral einheitliche Programme zur Bestimmung der Fähigkeitskennwerte verwenden. Weiter sind die Daten in einem zentralen Datenbestand in strukturierter Form abzuspeichern, um entsprechende ganzheitliche Auswertungen durchführen zu können.

 

Fehler

Viele nicht validierte Excel Formblätter mit Makros zur Bestimmung der Ergebnisse sind fehlerhaft.

Konsequenz

Je nach Konstellation werden die Ergebnisse falsch oder zu ungenau berechnet und sind damit unbrauchbar.

Lösung

qs-STAT mit einer validierten Auswertestrategie verwenden.

Viele der oben aufgeführten Fehler können Sie vermeiden, wenn Sie die Q-DAS Software qs-STAT verwenden.

 

Weitere Hinweise zur korrekten Prozessqualifikation finden Sie unter