Wofür dient SPC - Statistische Prozesskontrolle?

1. Home
2. Blog
3. Fachliche-Ausbildungen
4. Wofür dient SPC - Statistische Prozesskontrolle?

Der Begriff Statistische Prozesskontrolle umfasst einen Satz statistischer Werkzeuge, die dazu beitragen, Prozessparameter so zu steuern, dass das Ergebnis des Prozesses vorhersehbar ist und der Prozess minimale fehlerhafte, also nicht übereinstimmende Ausgaben produziert.

Diese komplexe Definition spiegelt den Versuch jedes Herstellers wider, unabhängig vom Produkt, den Kunden maximal zufriedenzustellen. Um dieses Ziel zu erreichen, werden üblicherweise Techniken verwendet, die die Ausgabe aus dem Prozess überwachen und Produkte guter Qualität, also übereinstimmende, von Produkten schlechter bis inakzeptabler Qualität, also nicht übereinstimmenden Produkten, trennen. Übereinstimmende Produkte werden zum Kunden geschickt, während nicht übereinstimmende nachgearbeitet oder im schlimmsten Fall verworfen werden. Ein Nachteil dieses Ansatzes ist seine Reaktivität. Die Qualitätssicherung, wie diese Techniken zusammen genannt werden, kann den Auftreten von nicht übereinstimmenden Produkten am Ausgang nicht verringern, sondern nur mit einer gewissen Effizienz erfassen.

Jedes nicht übereinstimmende Produkt ist aus Sicht des Herstellers ein Verlust. Es hat Energie, menschliche Arbeit, Material und die für seine Herstellung verwendete Ausrüstung verbraucht. Wenn es möglich ist, das nicht übereinstimmende Produkt nachzuarbeiten, wird zumindest ein Teil der aufgewendeten Kosten durch eine weitere Investition gerettet. Bei einem nicht reparierbaren Produkt geht jedoch alles verloren, was in die Produktion investiert wurde. Heutzutage kann sich nur wenige solches Verschwendung leisten.

In einer ähnlichen Situation des Arbeitskräfte-, Rohstoff-, Finanz- und Zeitmangels befand sich auch Japan nach dem Zweiten Weltkrieg. Die zerstörte Wirtschaft musste jeden Ressourcen so nutzen, dass sie das Maximum daraus herausholen konnte. In dieser Atmosphäre begannen sich in großem Umfang Techniken durchzusetzen, die in den 1920er und 1930er Jahren in den USA entwickelt wurden. Ihr erfolgreiches Praktizieren half, ihre Wirksamkeit zu bestätigen, und später wurden sie zum weit verbreiteten und gängigen Standard eines modernen Produktionsunternehmens. Diese Verfahren werden allgemein als Statistische Prozesskontrolle bezeichnet, abgekürzt SPC. Der Begriff könnte ins Slowakische als Štatistické Riadenie Procesov übersetzt werden. Es ist jedoch möglich, auf den Begriff Štatistická Kontrola Procesov zu stoßen, was jedoch nicht ganz korrekt ist, da der Begriff "Kontrolle" eher passiv ist und dem SPC-Ansatz widerspricht.

Der SPC-Ansatz steht im Gegensatz zum reaktiven Ansatz. Er versucht nicht, die Qualität der Ausgabe zu kontrollieren und somit die Ausgaben in übereinstimmende und nicht übereinstimmende zu trennen, sondern den Prozess so einzustellen, dass die Wahrscheinlichkeit des Auftretens einer nicht übereinstimmenden Ausgabe minimiert wird. Er interveniert also gezielt und bewusst in den Prozess selbst, um am Ende so wenig wie möglich an Nichtkonformitäten zu haben. Dieser proaktive Ansatz kann Verschwendung verhindern, indem er das Auftreten von nicht übereinstimmenden Produkten eliminiert. Dadurch wird der gesamte Prozess effizienter und seine zukünftige Verhaltensweise kann vorhergesagt werden. SPC konzentriert sich nicht nur auf den Ausgang des Prozesses, sondern versucht auch, die Eingaben und Prozessparameter zu steuern.
 

Was ist eine Gauß-Funktion (Kurve der Normalverteilung)

SPC basiert auf dem allgemeinen Gesetz der Unsicherheit. Jeder auf eine bestimmte Wert eingestellte Parameter schwankt natürlich um diesen Wert herum gemäß den Gesetzen der statistischen Wahrscheinlichkeitsverteilung. Mit anderen Worten, auch wenn ein Parameter auf einen konstanten, punktförmigen Wert eingestellt wird, ist sein tatsächlicher Wert im Laufe der Zeit nicht punktförmig, sondern intervallförmig. Die Werte schwanken um den Durchschnittswert herum. Die Breite des Intervalls und der Durchschnittswert sind Größen, die zur statistischen Schätzung des Auftretens eines bestimmten Parameterwerts verwendet werden können. Mit Hilfe des Mittelwerts und der Standardabweichung kann eine Kurve konstruiert werden, die mit welcher Wahrscheinlichkeit ein bestimmter Wert in Zukunft auftreten wird, vorhersagen kann. Diese Kurve wird als Gauß-Funktion bezeichnet, oder auch als Kurve der Normalverteilung.

Es sollte beachtet werden, dass der Großteil der Ereignisse in der Natur einer Normalverteilung folgt, jedoch nicht alle. Trotzdem kann SPC auch für Ereignisse, die nicht einer Normalverteilung folgen, verwendet werden. Es handelt sich jedoch um kompliziertere und spezialisiertere Techniken. Für den Anfang reicht es jedoch aus, das Funktionsprinzip von SPC an Ereignissen zu verstehen, die einer Normalverteilung der Wahrscheinlichkeit folgen.

Wenn ein Prozessparameter Werte erreicht, die mit einer Normalverteilung übereinstimmen, sagen wir, dass der Parameter unter statistischer Kontrolle steht. Die Einflüsse, die seine "Verschwommenheit" verursachen, sind rein zufällig. Der Parameter verhält sich so, wie es das gültige Gesetz der Unsicherheit vorschreibt. Wenn jedoch ein externer Faktor, der nicht zufällig ist, auf den Parameter einwirkt, gehorchen die Werte des Parameters nicht mehr einer Normalverteilung. SPC kann solche Einflüsse erfassen und darauf hinweisen, dass etwas nicht in Ordnung ist. Durch geeignete Eingriffe in den Prozess wird der externe, nicht zufällige Einfluss eliminiert, und der Prozess kommt wieder unter Kontrolle, so dass er gesteuert werden kann.

Durch die Anwendung statistischer Methoden in der Praxis können wir daher den Zustand eines Prozesses anhand seiner Parameter beurteilen und durch geeignete Eingriffe die Schwankungen des Prozesses eliminieren. Ein stabiler Prozess liefert Ausgaben, die mit einer gewissen Wahrscheinlichkeit geschätzt werden können, und wir können daher den Anteil nicht übereinstimmender Produkte aus der Gesamtmenge der produzierten Produkte in Zukunft vorhersagen.

 
Was sind Regelungsdigramme?

Zu den grundlegenden Werkzeugen der SPC gehören Diagramme, die das Verhalten von Prozessparametern im Laufe der Zeit verfolgen und auf das Auftreten nicht zufälliger Einflüsse hinweisen können. Diese Diagramme werden als Regelungsdigramme bezeichnet. Sie wurden von Walter A. Shewhard in den 1920er Jahren entwickelt. Weitere Details können im Internet gefunden werden, aber wesentlich ist, dass wir mithilfe von Regelungsdigrammen den Prozess effektiv steuern können, sodass er ständig unter unserer Kontrolle steht.

Regelungsdigramme werden nicht nur passiv in Diagrammen dargestellt. Es handelt sich vielmehr um eine Reihe von Verfahren, die aufgrund der Art des nicht zufälligen Einflusses den Eingriff in den Prozess definieren. Es ist verständlich, dass diese Eingriffe auf dem Wissen über den Prozess und seine internen Abhängigkeiten basieren müssen. Andernfalls wären sie nur weitere, mehr oder weniger zufällige Interventionen, die nach dem Prinzip von Versuch und Irrtum erfolgen. Dies steht jedoch im Widerspruch zur Philosophie der SPC, da solche Eingriffe den Prozess nicht stabilisieren, sondern ihn eher weiter destabilisieren würden.

 
Was sind Fähigkeitsindizes und Prozessleistungsindizes?

Eine weitere Gruppe von Werkzeugen sind die sogenannten Fähigkeitsindizes und Prozessleistungsindizes. Diese beschreiben die Wahrscheinlichkeit des Auftretens eines nicht konformen Produkts. Sie geben im Grunde genommen an, wie wahrscheinlich es ist, dass das nächste Produkt nicht den Vorstellungen des Kunden entspricht. Der Kunde projiziert seine Vorstellungen über das Produkt normalerweise in Form einer Spezifikation, die im Wesentlichen eine Reihe von Produktparametern und ihren Werten ist, die meist in Form eines Intervalls ausgedrückt werden. Wenn auf den Prozess nur zufällige Einflüsse wirken, die wir mithilfe von Regelungsdigrammen sicherstellen können, wird auch der Ausgang des Prozesses eine Größe haben, die sich gemäß einer Normalverteilung verhält. Durch Vergleich der Werte der in der Spezifikation definierten Parameter in einem bestimmten Bereich mit den Werten der Standardabweichung und des Mittelwerts der Prozessausgänge können wir sagen, mit welcher Wahrscheinlichkeit die Anforderungen des Kunden nicht erfüllt werden. Wenn diese Werte inakzeptabel sind, haben wir also eine hohe Fehlerquote und es ist notwendig, zum Prozess zurückzukehren und die Einflüsse zu identifizieren, die für den Zustand verantwortlich sind. Wir kehren zum Ausgangspunkt zurück, an dem wir versucht haben, zufällige Einflüsse von nicht zufälligen zu trennen. Jetzt müssen wir einen Teil der Einflüsse, die wir als zufällig betrachtet haben, durch vertiefte Kenntnisse über den Prozess als nicht zufällig bestimmen und durch geeignete Korrekturmaßnahmen ihren Einfluss eliminieren. Das Ergebnis dieser Bemühungen wird ein Ausgang mit geringerer Streuung und somit auch einer geringeren Wahrscheinlichkeit des Auftretens eines nicht konformen Produkts sein.

 
Wie kann SPC in die Praxis umgesetzt werden?

Es mag zunächst so aussehen, als ob die Einführung von SPC in die Praxis relativ einfach ist. Das ist jedoch nicht der Fall. Zunächst einmal erfordert SPC, dass die Abhängigkeit der Output-Qualität von den Prozessparametern verstanden wird. Wir müssen also verstehen, was mit der Qualität des Outputs zusammenhängt und in welchem Maße ein bestimmter Prozessparameter für die Qualität des Outputs verantwortlich ist. Wir müssen auch wissen, auf welche Werte die Prozessparameter eingestellt werden müssen, damit der Endoutput weitgehend den Vorstellungen des Kunden entspricht. Wir müssen wissen, in welchem Maße der gemessene Wert des Prozessparameters durch die Messung selbst beeinflusst wird. Ebenso müssen wir effektive Korrekturmaßnahmen für Fälle festlegen, in denen nicht zufällige Einflüsse im Prozess auftreten. Wir müssen wissen, wie wir den Prozess wieder in einen normalen Zustand bringen können, das heißt, wir müssen ihn steuern können. All diese Anforderungen erfüllt ein innerhalb der Organisation geschulter Team, das die Grundlagen der Statistik kennt, aber auch die Prozesse, die es steuern möchte. Es sind Menschen mit praktischen Erfahrungen, die sich nicht vor statistischen Methoden scheuen und in der Lage sind, die Ergebnisse von SPC zu interpretieren.

Die Organisation selbst muss eine gewisse Veränderung durchlaufen, da SPC einen ehrlichen Ansatz vom Messen der Parameter über deren Interpretation bis hin zur Umsetzung von Korrekturmaßnahmen erfordert. Jede Unehrlichkeit oder Laxheit macht sich in der Qualität der SPC-Ausgänge bemerkbar. Im Extremfall kann sogar eine Verschlechterung des aktuellen Zustands eintreten.

SPC ist auch keine Methode, die nach ihrer Einführung von selbst funktioniert. Es ist erforderlich, den gesamten Prozess kontinuierlich zu überwachen und zu bewerten, um möglichst viele externe Einflüsse zu eliminieren, damit der Prozessausgang so nah wie möglich an den gewünschten Wert und mit minimalen Abweichungen liegt. Wenn Sie sich also für die Implementierung von SPC entscheiden, müssen Sie sich der notwendigen Investition bewusst sein, die Sie für die Einführung und Aufrechterhaltung von SPC tätigen werden.

Diese Investitionen bringen jedoch zweifellos langfristig Gewinne. Sei es direkt durch Einsparungen bei den Kosten für die Überarbeitung von Fehlern, die Beseitigung von Verlusten durch die Verschrottung fehlerhafter Produkte oder durch das größere Vertrauen des Kunden in den Hersteller. Ein Nebeneffekt von SPC ist jedoch auch das berufliche Wachstum der Mitarbeiter, die die Details des Prozesses kennenlernen, seine Mängel und das Potenzial für weitere Verbesserungen aufdecken. SPC bietet allen, die täglich seine Werkzeuge nutzen, ein Gefühl des beruflichen Wachstums und der Professionalität.
 

Empfohlene Schulungen: