Was ist eine statistische Prozesskontrolle?

Die statistische Prozesskontrolle (SPC) überwacht die Herstellungsprozesse mit einer Technologie, die die Qualität misst und kontrolliert. SPC aktiviert verschiedene Maschinen und Instrumente, um qualitativ hochwertige Daten aus Produktmessungen und Prozess-Messwerten bereitzustellen. Nach der Erfassung werden die Daten zur Kontrolle dieses Prozesses ausgewertet und überwacht.

Die statistische Prozesskontrolle ist ein einfacher Weg zur Förderung der kontinuierlichen Verbesserung. Wenn ein Prozess kontinuierlich überwacht und kontrolliert wird, können Manager sicherstellen, dass er sein volles Potenzial entfaltet und zu einer gleichbleibenden, qualitativ hochwertigen Fertigung führt.

Das Konzept der statistischen Prozesskontrolle gibt es schon eine Weile. Im Jahr 1924 entwarf William A Shewart, Mitarbeiter von Bell Laboratories, die erste Regelkarte und bereitete den Weg der Idee der statistischen Kontrolle. Dieses Verfahren der Qualitätskontrolle wurde während des Zweiten Weltkriegs in Munitions- und Waffenanlagen umfangreich eingesetzt. Die statistische Prozesskontrolle überwachte die Qualität der Produkte ohne Gefährdung der Sicherheit.

Nach dem Krieg verlangsamte sich der Einsatz statistischer Prozesskontrollen in den USA. Sie wurde jedoch von den Japanern aufgegriffen, die sie bei ihrer Fertigung einsetzten und sie auch heute noch verwenden. In den 1970er Jahren wurde die statistische Prozesskontrolle in den USA wieder eingesetzt, um mit Produkten aus Japan konkurrieren zu können.

Heute nutzt die Fertigung weltweit ausgiebig statistische Prozesskontrollen.

Moderne Fertigungsunternehmen müssen sich mit ständig schwankenden Rohstoffpreisen und viel Konkurrenzkampf auseinandersetzen. Unternehmen können diese Faktoren nicht kontrollieren, aber sie können die Qualität ihrer Produkte und Prozesse kontrollieren. Sie müssen ständig daran arbeiten, die Qualität, Effizienz und Kostenmargen zu verbessern, damit sie Marktführer bleiben.

Inspektion ist für die meisten Unternehmen weiterhin die wichtigste Form zur Erkennung von Qualitätsproblemen, aber ihre Wirksamkeit ist umstritten. Mit der statistischen Prozesskontrolle kann eine Organisation von einer erkennungs- zu einer präventionsbasierten Organisation übergehen. Durch die ständige Überwachung der Prozessleistung können Bediener sich ändernde Trends oder Prozesse erkennen, bevor die Leistung beeinträchtigt wird.

Ein Überblick über Tools zur statistischen Prozesskontrolle

Insgesamt werden für die statistische Prozesskontrolle 14 Tools zur Qualitätskontrolle eingesetzt, die in sieben Tools zur Qualitätskontrolle und sieben Ergänzungstools unterteilt sind:

Tools zur Qualitätskontrolle

Diagramme zu Ursache und Wirkung

Auch bekannt als das Ishikawa-Diagramm oder das Fischgräten-Diagramm. Diagramme zu Ursache und Wirkung werden verwendet, um verschiedene Ursachen eines Problems zu identifizieren. Bei der Erstellung sehen die Diagramme wie Fischgräten aus, wobei sich jeder Hauptgräte in kleinere Äste verzweigt, die tiefer in jede Ursache eindringen.

Prüfblatt

Das sind einfache, gebrauchsfertige Formulare, die gesammelt und anschließend analysiert werden können. Prüfblätter eignen sich besonders für Daten, die wiederholt beobachtet und von derselben Person oder am selben Ort gesammelt werden.

Histogramme

Histogramme sehen aus wie Balkendiagramme und sind Diagramme, die Frequenzverteilungen darstellen. Sie eignen sich hervorragend für nummerierte Daten.

Pareto-Diagramme

Es handelt sich um Balkendiagramme, die Zeit und Geld oder Häufigkeit und Kosten darstellen. Pareto-Diagramme sind besonders nützlich, um die Häufigkeit von Problemen zu messen. Sie bilden das 80/20-Pareto-Prinzip ab: Die Behandlung von 20 Prozent der Prozesse wird 80 Prozent der Probleme lösen.

Streudiagramme

Wird auch als X-Y-Diagramm bezeichnet. Streudiagramme funktionieren am besten, wenn sie mit numerischen Daten kombiniert werden.

Stratifizierung

Das ist ein Tool zur Trennung von Daten, das die Musteridentifikation vereinfacht. Die Stratifizierung ist ein Prozess, bei dem Objekte, Personen und zugehörige Daten in Schichten oder bestimmte Gruppen sortiert werden. Sie eignet sich hervorragend für Daten aus verschiedenen Quellen.

Regelkarten

Dies sind die ältesten und beliebtesten Tools des statistischen Prozesses.

Zusätzliche Tools

Stratifizierung der Daten

Ein geringfügiger Unterschied zum Tool der Stratifizierung bei den Tools zur Qualitätskontrolle.

Fehlerkarten

Das sind Karten, die die Mängel eines Produkts visualisieren und verfolgen und sich dabei auf physische Standorte und Mängel konzentrieren. Alle Mangel werden auf der Karte identifiziert.

Ereignisprotokollierung

Dies sind standardisierte Datensätze, die wichtige Software- und Hardwareereignisse aufzeichnen.

Prozessablaufdiagramme

Prozessablaufdiagramme sind eine Momentaufnahme der Schritte in einem Prozess, die in der Reihenfolge angezeigt werden, in der sie auftreten.

Fortschrittszentren

Wenn Entscheidungen getroffen werden müssen, sind Fortschrittszentren zentrale Standorte, an denen Unternehmen den Fortschritt überwachen und Daten sammeln können.

Randomisierung

Bei der Randomisierung wird der Zufall genutzt, um Fertigungseinheiten einer Behandlungsgruppe zuzuweisen.

Bestimmung der Probengröße

Dieses Tool bestimmt die Anzahl der Personen oder Ereignisse, die in die statistische Analyse einbezogen werden müssen.

Vorteile der statistischen Prozesskontrolle

Statistische Prozesskontrollen verfügen über eine Reihe von Vorteilen:

• Reduzierung der Verschwendung und Garantieansprüche
• Maximierung der Produktivität in einer Werkstatt
• Steigerung der Betriebseffizienz
• Reduzierung der manuellen Inspektionen
• Verbesserung der Kundenzufriedenheit
• Kostenkontrolle
• Verbesserung der Analytik und Berichterstellung

Anwendung der statistischen Prozesskontrolle

Wie bei jedem neuen Verfahren besteht der erste Schritt zur statistischen Prozesskontrolle darin, zu bewerten, wo das Fertigungsunternehmen mit Verschwendung oder Leistungsproblemen konfrontiert ist. Sie können mit der Überarbeitung von Produkten, der Verschwendung ganzer Produktreihen oder langen Inspektionszeiten zusammenhängen. Ein Unternehmen profitiert davon, indem die Systeme der statistischen Prozesskontrolle zuerst auf diese Problembereiche anwendet.

Die statistische Prozesskontrolle bezieht sich nicht immer auf Faktoren wie Kosten, Zeit oder Produktionsverzögerungen, sondern orientiert sich am Bedarf. Bei der Implementierung neuer Prozesse identifiziert ein funktionsübergreifendes Team die kritischen Aspekte des Designs oder des Prozesses, der behandelt werden muss.

Das geschieht im Rahmen einer Druckprüfung oder einer Übung, die als Entwurfsfehlermodus- und -auswirkungsanalyse (DFMEA) bezeichnet wird. Die Daten aus dieser Übung werden im folgenden Prozess gesammelt und auf kritische Merkmale überwacht:

Erfassung und Aufzeichnung von Daten

Daten der statistischen Prozesskontrolle werden auf zweierlei Arten erfasst: erstens als Messungen eines bestimmten Produkts und zweitens als Messwerte von Prozessinstrumenten.

Nach der Aufzeichnung werden diese Daten mit verschiedenen Arten von Regelkarten verfolgt, die für die Art der gesammelten Daten spezifisch sind. Die Verwendung des entsprechenden Diagramms ist unerlässlich, um nützliche Informationen zu erhalten. Die Daten sind entweder eine kontinuierliche Variable oder Attributdaten. Die Erfassung und Aufzeichnung von Daten kann einzelne Werte oder der Durchschnitt einer Reihe von Messwerten sein, je nachdem, was vom Unternehmen benötigt wird.

Bei variablen Daten für einzelne Werte wird eine gleitende Spannweitenkarte verwendet. Wenn Daten in acht oder weniger Teilgruppen aufgezeichnet werden, wird eine XbarR-Karte verwendet. Wenn der Teilgruppenwert höher als acht ist, wird die XbarS-Karte verwendet.

Für Attributdaten wird eine A-P-Karte verwendet, mit der aufgezeichnet wird, wie viele defekte Teile sich in einem Teilesatz befinden. Mithilfe einer A-U-Karte können Sie aufzeichnen, wie viele Defekte in jedem bestimmten Teil vorhanden sind.

Regelkarten: Wird als Xbar- und R-Karten bezeichnet. Der X-Balken bezieht sich auf den „Mittelwert“ der Variable x. Spannweitendiagramme sind repräsentativ für die Variationen innerhalb von Teilgruppen. Der Bereich bezieht sich hier auf den Unterschied zwischen dem höchsten und dem niedrigsten Wert.

Hier sind die Schritte zum Erstellen einer Xbar- und R-Karte:

1. Geben Sie zunächst eine Stichprobengröße als „a“ an. Üblich sind vier oder fünf, aber die Stichprobe muss unter acht liegen. Bestimmen Sie in diesem Schritt die Häufigkeit der Stichprobenmessungen.
2. Sammeln Sie eine erste Stichprobe. Als Faustregel gelten 100 Messungen in vier Stichproben, was zu 25 Datenpunkten führt.
3. Berechnen Sie zunächst den Durchschnittswert für jede einzelne der 25 Gruppen für jede einzelne der vier Stichproben.
4. Berechnen Sie anschließend den Bereich für jede einzelne der vier Messproben auf dieselbe Weise. Der Unterschied zwischen dem höchsten und dem niedrigsten Wert in jedem Satz ist der Bereich.
5. Der nächste Schritt ist die Berechnung des Durchschnitts der Durchschnittswerte. Das wird für die Xbar-Karte durchgeführt und wird durch eine durchgezogene Linie dargestellt.
6. Berechnen Sie als Nächstes die Durchschnittswerte des „R“-Werts, die durch eine Mittellinie dargestellt werden.
7. Der nächste Schritt besteht darin, die oberen und unteren Kontrollgrenzen sowohl für die Xbar- als auch für die R-Karte zu erarbeiten.
8. Mit dem vorliegenden Diagramm wird der Techniker weiterhin mehrere Proben messen, die Werte addieren und dann den Durchschnitt berechnen. Diese Werte werden im Xbar-Diagramm aufgezeichnet. Probenmessungen müssen in festen Intervallen zusammen mit Datum und Uhrzeit aufgezeichnet werden, um die Prozessstabilität zu verfolgen. Wenn spezielle Probleme auftreten, müssen sie für den Prozess angepasst werden, um die Stabilität zu gewährleisten.

Xbar- und R-Karten sind einige Beispiele für Regelkarten, die zur Überwachung und Verbesserung von Prozessen verwendet werden.

Analyse der Daten

Während der Analyse müssen sich alle auf der Regelkarte aufgezeichneten Datenpunkte innerhalb der Kontrollgrenzen befinden, sofern keine besonderen Ursachen vorliegen. Häufige Ursachen führen dazu, dass Datenpunkte innerhalb der Kontrollgrenzen liegen, aber Ausreißer sind in der Regel Sonderfälle. Um einen Prozess als statistisch kontrollierbar zu klassifizieren, sollte es in keinem Diagramm Ausreißer geben. Wenn ein Prozess unter Kontrolle ist, hat er keine identifizierten Ausnahmeursachen und alle Daten fallen zwischen die Kontrollgrenzen.

Es gibt jedoch Beispiele für Abweichungen bei häufig vorkommenden Ursachen:

• eine Änderung der Materialeigenschaften
• jahreszeitbedingte Temperaturänderungen oder Änderung der Luftfeuchtigkeit
• regelmäßiger Verschleiß von Maschinen oder Werkzeugen
• abweichende Bedienereinstellungen
• regelmäßige Messabweichungen

Spezielle Ursachen liegen außerhalb der Überwachungsgrenzen und können auf eine massive Änderung des Prozesses hinweisen. Zu diesen Varianten können Dinge gehören wie:

• fehlerhafte Kontrollelemente
• falsche Geräteeinstellung
• Änderungen von Messsystemen
• Verschiebungen im Prozess
• Fehlfunktion der Maschinen
• Materialeigenschaften von Ressourcen, die aus den Überwachungsgrenzen einer Konstruktionsspezifikation fallen
• defekte Werkzeuge
• Unerfahrenheit des Bedieners

Bei der Überwachung von Prozessen mit den Regelkarten der statistischen Prozesskontrolle werden alle Datenpunkte ständig überprüft, um zu kontrollieren, ob sie innerhalb der Kontrollgrenzen bleiben. Dabei muss auf Trendänderungen oder abrupte Änderungen der Prozesse geachtet werden. Wenn eine besondere Ursache festgestellt wird, werden die erforderlichen Maßnahmen ergriffen, um die Ursache zu ermitteln. Als nächstes müssen Sie Abhilfe schaffen und den Prozess wieder zur statistischen Kontrolle bringen.

Neben diesen Abweichungen gibt es noch andere Datenpunktabweichungen, die innerhalb der Kontrollgrenzen liegen und untersucht werden sollten:

• Zyklen, bei denen sieben oder mehr Datenpunkte auf einer Seite der Prozessmittellinie enden
• Eine Änderung des üblichen Datenbereichs. Dies könnte die Stelle sein, an der mehrere Datenpunkte nahe beieinander oder weit voneinander entfernt liegen.
• Wenn ein neuer Trend mit sieben Datenpunkten oder mehr auftritt, die ständig auf- oder absteigen
• Änderungen in der Datenverbreitung, die eindeutig entweder über dem normalen Mittelwert oder darunter liegen

Nachteile der statistischen Prozesskontrolle

Wie bei jedem Verfahren gibt es bei der statistischen Prozesskontrolle einige Nachteile:

Zeitliche Anforderungen

Während der Schwerpunkt der statistischen Prozesskontrolle auf der Früherkennung liegt, kann die Implementierung des Systems in einer Fertigungsanlage lange dauern. Darüber hinaus ist die Überwachung und Ausfüllen von Diagrammen zeitaufwändig. Da das System in einen bestehenden Rahmen integriert werden muss, ist eine Schulung des Personals erforderlich, die Zeit in Anspruch nimmt.

Überlegungen zu den Kosten

Statistische Prozesskontrolle ist ebenfalls eine teure Angelegenheit und erfordert, dass ein Unternehmen einen Vertrag mit einem Service Provider unterzeichnet und in Schulungsressourcen und -materialien investiert.

Qualitativ hochwertige Messungen

Ein Problem bei der statistischen Prozesskontrolle besteht darin, dass sie erkennt, wenn das Prozessprotokoll nicht eingehalten wird. Sie gibt jedoch nicht an, wie viele Produkte bis zu diesem Zeitpunkt fehlerhaft sein könnten.

Die Zukunft der statistischen Prozesskontrolle

Durch die Stabilisierung seines Produktionsprozesses kann ein Unternehmen die Anzahl der Produktivitätsschwankungen reduzieren. Das kommt sowohl dem Verbraucher als auch dem Unternehmen zugute. Während der Verbraucher ein sicheres und gut getestetes Produkt erhält, profitiert das Unternehmen von der Senkung der Produktionskosten und Vermeidung jeglicher Peinlichkeit, die durch ein defektes Produkt entsteht.

Mit dem Fortschritt des maschinellen Lernens und der künstlichen Intelligenz werden die Fähigkeiten der statistischen Prozesskontrolle zunehmen. Dies führt zu größeren Gewinnen für den Hersteller, einem erhöhten Wettbewerbsvorteil und zufriedenen Kunden.