Qualitätsregelkarte
Die Qualitätsregelkarte und das Histogramm liefern Rückschlüsse auf eine Merkmalsverteilung. Der US-Amerikaner Walter A. Shewhardt entwickelte die Statistical-Process-Control-Methode (Methode der statistischen Prozesskontrolle), welche im Jahr 1931 veröffentlicht wurde. Seine Vermutung war, dass die Kombination der Streuung der Einzelparameter maßgeblich die Qualität des Endprodukts beeinflussen. Diese Streuungen ergeben sich entweder auf Grund von allgemeinen Ursachen, wie zufällige Abweichungen vom Prozessmittelwert, oder auf Grund von besonderen Ursachen, wie Materialfehler, Konstruktionsfehler.
Anwendung Qualitätsregelkarte
Angewendet wird die statistische Prozesskontrolle mit Hilfe sog. Qualitätsregelkarten, wodurch das zeitliche Verhalten von Prozessen in einem Qualitätsregelkreis kontrolliert werden kann. Bei der Anwendung von Qualitätsregelkarten werden Daten aus Qualitätsprüfungen, entweder direkt oder als Mittelwerte von Stichproben zusammengefasst, zeitlich nacheinander in ein Formblatt mit Koordinatensystem eingetragen. Dieses Formblatt beinhaltet neben den Daten aus der Qualitätsprüfung (speziell für den vorliegenden Prozess) und dem Mittelwert des entsprechenden Qualitätsmerkmals meist noch eine obere und eine untere Warngrenze. Darüber hinaus kann auch noch eine obere und untere Eingriffsgrenze sowie ein oberer und ein unterer Grenzwert, basierend auf den Toleranzgrenzen des zu betrachtenden Qualitätsmerkmals, eingezeichnet werden.
In der nachfolgenden Abbildung ist eine Qualitätsregelkarte schematisch dargestellt.
Die statistische Prozesskontrolle mit Hilfe von Qualitätsregelkarten fungiert als dauerhaftes Frühwarnsystem, mit welchem Fehler und Ausschuss vermieden werden sollen. Bereits bei den ersten Anzeichen einer Unregelmäßigkeit oder eines Fehlers kann in den Prozess eingegriffen werden. Eine Verbesserung des Prozesses findet dabei zwar nicht statt, jedoch werden mögliche Ansatzpunkte für langfristige Verbesserungen aufgezeigt.
Nachfolgende Abbildung zeigt die Qualitätsregelkarte als sog. Qualitätsregler in einem Qualitätsregelkreis.
Histogramm
Im Histogramm werden gesammelte Daten in Klassen zusammengefasst und als Säulen dargestellt. Die Größe einer Säule entspricht dabei der Anzahl der Messwerte innerhalb einer Klasse. Durch die grafische Darstellung lässt sich eine große Menge an Daten übersichtlich darstellen, verdichten und auswerten. Häufigkeitsverteilungen können hierdurch einfach dargestellt werden. Mit Hilfe eines Histogramms können Aussagen über die Streuung von Prozessen getroffen werden, wodurch Rückschlüsse auf die zugrundeliegende Verteilung der Daten möglich sind. Durch das Histogramm wird die Prozessbeurteilung erleichtert und somit ermöglicht, Aussagen über das zukünftige Prozessverhalten zu treffen. In der Praxis eignet sich die Histogramm-Methode beispielsweise zur Beurteilung neuer Fertigungsverfahren, zur Bewertung neuer Chargen, zur Sicherstellung der Qualität ausgelieferter Lose oder zur Analyse von Käuferinteressen.
Anwendung Histogramm
Zunächst werden Messwerte für ein spezifisches Merkmal aufgenommen. Anschließend werden beim Histogramm die für das betrachtete Merkmal eigens berechneten Klassen über die horizontale Achse dargestellt. Für jede Klasse wird dann ein Rechteck gezeichnet, dessen Höhe der Häufigkeit der ermittelten Messwerte innerhalb der jeweiligen Klasse entspricht. Zusätzlich können der Zielwert sowie die festgelegten Toleranzgrenzen eingezeichnet werden. Das Histogramm kann anschließend interpretiert werden. Im nachfolgenden Beispiel ist ein exemplarisches Histogramm grafisch dargestellt.
Beschreibung anhand eines Beispiels
In diesem Beispiel wird die Länge von 80 Wellen gemessen. Die Länge der Wellen unterteilt sich in neun Klassen mit einer Klassenbreite von ca. 0,6 mm. Die Wellen werden vermessen und den Klassen zugeordnet.
Dadurch ergibt sich die in der nachfolgenden Tabelle dargestellte Häufigkeitstabelle:
Anschließend werden die Häufigkeiten grafisch in einem Histogramm dargestellt:
Der Zielwert der Wellen beträgt 50,0 mm. Die untere Toleranzgrenze liegt bei 48,5 mm und die obere Toleranzgrenze liegt bei 51,5 mm. Der Zielwert bzw. Mittelwert des Beispiels ist geeignet, da die Anzahl der Werte rechts und links vom Maximum ungefähr gleich ist. Jedoch ist die Streuung des Prozesses zu hoch. Im nächsten Schritt sollen daher Maßnahmen gefunden werden, um die Streuung zu reduzieren.
