Statistische Prozesskontrolle

Seit fast 100 Jahren werden die Ideen der Statistischen Prozesskontrolle (engl. statistical process control, SPC) erfolgreich angewendet, um kontinuierliche Prozessverbesserung zu betreiben und somit die Qualität der Produkte zu verbessern.

Zu Beginn des Seminars lernen Sie die Ursprünge der SPC und die Ideen der Urväter der SPC, Walter Shewhart und Edwards Deming, kennen. Es werden hier auch die Unterschiede zu den „klassischen“ statistischen Ansätzen, wie Nullhypothesen-Signifikanztests, und den damit verbundenen Vorteilen vorgestellt. Dadurch bekommen Sie gleichzeitig einen Überblick über die Besonderheit und der Regelkarten, die ein Hauptbestandteil der SPC sind.

Regelkarten (engl. process behaviour charts) sind das Herzstück der statistischen Prozesskontrolle. Die am meisten verwendeten Regelkarten werden hier besprochen, ebenso Szenarien, wann man welche Regelkarte auswählt. Die Berechnung der Grenzen für Regelkarten werden ebenso ausführlich besprochen, wie die Unterschiede zwischen Prozessgrenzen und natürlichen Prozessgrenzen. Diese sind wichtig, um später die Prozessfähigkeit besser verstehen zu können.

Ein wichtiger Fakt, der häufig falsch verstanden und angewendet wird, ist das Prinzip der Sigma Unit, als Grundlage der Prozessgrenzen. Diese wurde von Shewhart verwendet, um sich u.a. von der Bedingung normalverteilter Daten zu lösen und die Streuung von Daten mit Hilfe der Spannweite (engl. range) anstelle der Standardabweichung allgemein zu beschreiben. Leider wird diese Sigma Unit oft gleichgesetzt mit σ, (bzw. einer Standardabweichung) und kann damit zur Berechnung unterschiedlicher Prozessgrenzen führen. Wir haben in diesem Seminar alle Zeit der Welt, um diese Dinge von Grund auf zu verstehen, in den richtigen Zusammenhang zu bringen und Sie so in die Lage zu versetzen, Regelkarten selbstständig per Hand zu erstellen und die Prozessgrenzen korrekt zu bestimmen und natürlich auch Ausgaben von Computerprogrammen richtig deuten zu können.

Um Prozesse mit Hilfe der Statistischen Prozesskontrolle korrekt beurteilen zu können, ist der Unterschied von natürlicher Streuung (engl. common cause) und außergewöhnlicher Streuung (engl. assignable cause) von größter Bedeutung. Wenn wir diese Unterscheidung richtig vornehmen, können wir die Prozessgrenzen richtig festsetzen und Sigmale außerhalb der Prozessgrenzen richtig deuten. Wir werden auch der Fragen nachgehen, was passiert, wenn und wie oft es passiert, dass die Streuung im Prozess falsch interpretieren. Die Regeln für das Identifizieren von außergewöhnlicher Streuung werden hier eingeführt.

Neben den mittels SPC berechneten Prozessgrenzen gibt es oft weitere Grenzen, z.B. Akzeptanzkriterien, die durch Kriterien an das Produkt, durch den Kunden oder Gesetzbücher vorgegeben sind. Wie diese beiden Typen von Grenzen zueinander stehen können und man jedes der möglichen Szenarien interpretiert, wird in diesem Abschnitt besprochen. Wie gehe ich vor, wenn mein Prozess nicht in Kontrolle ist, aber dafür in den Akzeptanzkriterien? … ist sicher der am häufigsten gestellten Fragen, und diese werden wir ausführlich beantworten. Die Frage, welche Konsequenzen drohen, wenn wir die Stimme des Prozesses und die des Kunden falsch interpretieren, ist natürlich auch Bestandteil dieser Frage.

In Zusammenhang damit steht oft der Begriff der Prozessfähigkeit (engl. process capability). Hier existieren 4 Zahlen, welche den Prozess und die Prozessfähigkeit beschreiben – C_p, C_pk, P_p, und P_pk, Mit diesen 4 Zahlen lasst sich die Performance des Prozesses in der Vergangenheit, als auch das Potential des Prozesses in der Zukunft beschreiben. Die Regeln, mit denen man diese 4 Zahlen in Verbindung setzt, was diese Zahlen bedeuten, und was Richtwerte sind, werden in diesem Abschnitt aus verschiedenen Blickwinkeln beleuchtet.

Die Eignung eines Messsystemes kann mit Hilfe der Messsystemanalyse (engl. measurement system analyses, MSA) durchgeführt werden. Die Idee, wie genau man messen kann, könnte man auch beschreiben als die Frage, wie gut man Rauschen von echten Signalen trennen kann – vielleicht überrascht es Sie nicht, wenn man auch die Methodik der SPC nutzen kann, um genau diese Frage zu beantworten, denn durch Festlegen der Kontrollgrenzen versucht man auch bei Regelkarten genau diese Frage zu beantworten.

Im Vergleich der „klassischen“ MSA mit dem SPC-Ansatz werden wir erneut die Eleganz der SPC kennenlernen und auch die Fallstricke bei der MSA untersuchen, die bei der Auswertung der „klassischen“ MSA u.U. zu Fehlinterpretationen führen kann.

Wenn wir die Prozesse verbessern, um die Qualität von Produkten zu verbessern, müssen wir uns natürlich fragen: „Was ist eigentlich Qualität?“ Erst mit einer korrekten Definition von Qualität kann man beginnen, diese zu optimieren. Wir finden in diesem Teil heraus, was Qualität eigentlich bedeutet, wie man mit Mitteln der SPC und Prozessfähigkeit auch finanzielle Aspekte der Qualitätsverbesserung einbeziehen kann, und was Marty und Doc aus „Zurück in die Zukunft“ mit der Definition von Qualität zu tun haben.

Die SPC findet häufige Anwendung bei der Untersuchung von fortwährenden Prozessen, z.B. bei laufender Produktion. Neue Daten werden in regelmäßigen Abständen hinzugefügt und die Regelkarten geben uns somit sofortiges feedback.

Möchte man Prozesse gezielt verbessern, z.B. durch den Einsatz des bestgeeignetsten Materials für die Herstellung eines Produktes, muss man diese Materialien nicht sofort in die komplette Produktion integrieren, sondern plant Experimente, in denen nur die Unterschiede der zur Verfügung stehenden Materialien untersucht werden. Das für die Produktqualität beste Material kann anschließend im fortlaufenden Prozess verwendet werden.

Diese Idee, die Effekte eines oder mehrerer Einflüsse (mit möglichst wenig Experimenten bei maximalem Informationsgewinn) zu untersuchen, nennt man design of experiments.

Auch hier bietet die SPC Möglichkeiten, durch Regelkarten komplexe Zusammenhänge übersichtlich und elegant darzustellen. Häufig verwendete Methoden, die auf ANOVA (analysis of variance) Ansätzen beruhen, bestehen oft aus vielen Informationen und Tabellen. Der SPC Ansatz des experimental design nutzt auch hier Regelkarten, um Unterschiede in den Leveln von Faktoren zu untersuchen. Lassen Sie sich überraschen, wie einfach und übersichtlich die Methoden der Analysis of means (ANOM) und Analysis of main effects (ANOME) sein können, um die gleichen Wissensgewinne über Prozesse erzielen zu können.