SPC-Regelkartentypen

Regelkarten vom Typ np, p, c und µ werden als Attributregelkarten bezeichnet. Diese Regelkarten werden verwendet, wenn Sie Daten vom Typ "Zählen" haben.

Es gibt zwei grundlegende Arten von Attributdaten - die Art der Daten bestimmt die Art der zu verwendenden Regelkarte..

• Ja/Nein-Daten

• Zählende-Daten

Zusammenfassung der SPC-Attribut-Regelkartentypen:

SPC Defekte Einheiten​

Mit der Datenquelle SPC Defekte Einheiten in DataMiner können Sie Regelkarten erstellen, die den Anteil oder die Fraktion der defekten Einheiten behandeln. 

Ein voll funktionsfähiger Prozess liefert null (0) Fehler. Auch wenn dies schwer zu erreichen ist, sollte es immer das Ziel sein. Sobald Sie den Punkt, an dem die Kontrolle überschritten wurde, beseitigt haben, können Sie den Prozess zur Lösung von Qualitätsproblemen nutzen, um die häufigsten Fehlerursachen zu beseitigen, z. B:

• Welches sind die häufigsten Defektarten?

• Warum treten diese auf?

• Was sind die Hauptursachen für die Defekte?

Defekte Einheiten pro Stichprobe (np-Diagramm) 

Open

Die np-Regelkarte wird zur Bewertung der Prozessstabilität verwendet, indem die Anzahl der fehlerhaften Einheiten in einer Stichprobe überwacht wird. Weitere Informationen: np-Karte (Wikipedia.org)

np-Regelkarten sind nützlich, wenn es einfach ist, die Anzahl der fehlerhaften Stücke zu zählen und der Stichprobenumfang immer gleich ist. Beispiele für np-Diagramme könnten sein: 

• Die Anzahl der fehlerhaften Leiterplatten pro 100

• Fehler in jeder Stichprobe von 50 Rechnungen

np steht für die durchschnittliche Anzahl fehlerhafter Einheiten, die als n (Stichprobengröße) mal p (erwarteter Anteil fehlerhafter Einheiten) ausgedrückt werden kann. Die Datenausgabe für ein np-Diagramm ist die Anzahl der fehlerhaften Einheiten oder Einheiten mit Symptomen pro n Einheiten:

Open

Die Kontrollgrenzen für np-Karten können mit dieser Formel bestimmt werden:

Die folgende Abbildung zeigt eine Muster-NP-Karte, die die Anzahl der fehlerhaften Einheiten in einer bestimmten Stichprobengröße anzeigt

Defekte Einheiten pro Auftragslos (p chart)

Die p-Regelkarte dient zur Überwachung des Anteils fehlerhafter Einheiten in einer Stichprobe, wobei der Stichprobenanteil fehlerhafter Einheiten als das Verhältnis zwischen der Anzahl fehlerhafter Einheiten und dem Stichprobenumfang n definiert ist.

Der Zweck einer p-Karte ist die Bewertung der Prozessstabilität bei der Zählung des fehlerhaften Anteils. Ein p-Diagramm wird verwendet, wenn der Stichprobenumfang variiert, z. B. wenn die Gesamtzahl der gelieferten Leiterplatten oder Rechnungen von einer Stichprobenperiode zur nächsten variiert. Weitere Informationen: p-Diagramm (Wikipedia.org)

Die Datenausgabe für ein p-Diagramm besteht aus der Anzahl der Fehler oder Symptome und dem Stichprobenumfang. Der Stichprobenumfang ist z. B. die Anzahl der Einheiten pro Gruppenposition: Wenn die Daten nach Arbeitsplätzen gruppiert sind, gibt es für jeden Arbeitsplatz eine Stichprobe, und der Stichprobenumfang ist die Anzahl der Einheiten pro Stichprobe):

Bei der Gruppierung nach Datum/Uhrzeit sollte jede Probe das Zeitinkrement sein (z. B. Monat, Tag, Jahr):

Die Kontrollgrenzen für diesen Kartentyp können mit folgender Formel ermittelt werden:

Nachfolgende Darstellung zeigt ein Beispiel für ein p-Diagramm, das die Anzahl der fehlerhaften Einheiten innerhalb einer Stichprobe von Auftragslosen anzeigt.

SPC Gesamtdefekte

Mit der Datenquelle SPC-Gesamtdefekte in DataMiner können Sie c- und µ-Regelkarten erstellen, die Defekte mit festen und variierenden Stichprobengrößen messen.

Defekte pro Einheit (c-Diagramm)

Die c-Regelkarte zeigt die Anzahl der Fehler pro Einheit in Stichproben eines festen Umfangs an. Der Zweck einer c-Regelkarte besteht darin, die Stabilität der Fehlerzahlen zu ermitteln, wenn die Anzahl der Einheiten im Vergleich zur tatsächlichen Anzahl der Fehler groß ist (z.B. Fehler pro Tag, bei 2000 gebauten Einheiten pro Tag). Sie können c-Diagramme auch verwenden, um die Gesamtzahl der Ereignisse zu überwachen, die in einer bestimmten Zeiteinheit auftreten. Weitere Informationen: c-Diagramm (Wikipedia.org)

Die Datenausgabe für ein c-Diagramm ist die Anzahl der Fehler oder Symptome pro n Einheiten:

Die Berechnung für die Kontrollgrenzen lautet:

Die folgende Abbildung zeigt eine Stichprobentabelle, die die Defekte pro Einheit bei einem bestimmten Stichprobenumfang anzeigt.

Defekte (µ-Diagramm)

Die µ-Kontrollkarte zeigt die Anzahl der Defekte in Stichproben mit unterschiedlichem Umfang an. Der Zweck einer µ-Karte besteht darin, die Stabilität von "gezählten" Daten (z. B. Fehler pro Rechnung, Dellen in einer Autotür usw.) zu bestimmen, wenn es mehr als einen Fehler pro Einheit geben kann und der Stichprobenumfang variiert. Weitere Informationen: µ-Diagramm (Wikipedia.org)

Das µ-Diagramm kann Ihnen helfen, die Prozessstabilität zu bewerten, wenn mehr als ein Defekt pro Einheit auftreten kann. Beispiele hierfür sind: die Anzahl der fehlerhaften Elemente auf einer Leiterplatte oder die Anzahl der Fehler in einer Rechnung.

Ein µ-Diagramm ist besonders nützlich, wenn Sie wissen wollen, wie viele Fehler es gibt - und nicht nur, wie viele fehlerhafte Artikel es gibt. Es ist eine Sache, zu wissen, wie viele defekte Leiterplatten es gibt; eine ganz andere Sache ist es, zu wissen, wie viele Fehler auf jeder defekten Leiterplatte gefunden wurden.

Die Datenausgabe für ein µ-Diagramm besteht aus der Anzahl der Fehler oder Symptome und dem Stichprobenumfang. Der Stichprobenumfang ist die Anzahl der Einheiten für jedes Gruppenelement (wenn z. B. nach Aufträgen gruppiert wird, gibt es eine Stichprobe für jeden Auftrag und der Stichprobenumfang ist die Anzahl der Einheiten pro Stichprobe):

Bei der Gruppierung nach Datum/Uhrzeit sollte jede Stichprobe das Zeitinkrement sein (z. B. Monat, Tag, Jahr):

SPC-Diagramm Anzeigeeigenschaften

Wenn Sie die SPC-Datenquellen in DataMiner verwenden, um Diagramme zu erstellen, haben die resultierenden Liniendiagramme die folgenden Anzeigeeigenschaften:

• Eine durchgezogene Linie für die Kontrollgrenze

• Eine gestrichelte Linie für die obere Kontrollgrenze (UCL)

• Eine gestrichelte Linie für die untere Eingriffsgrenze (LCL)

Weitere Informationen zur statistischen Prozesskontrolle und zur Verwendung von attributiven Regelkarten finden Sie in den folgenden Ressourcen:

• Eine Einführung in die statistische Prozesskontrolle (SPC) (Engineering.com)

• Statistische Prozesskontrolle (Wikipedia.org)