Über 50 Länder
Globale Nutzung, lokale Auswirkungen
Seit 47 Jahren im Geschäft
Gegründet im Jahr 1979
mehr als 50 Mitarbeiter
Europa, die USA und Asien
Über 2.000 Kunden
Mehr als 20.000 Nutzer
Blog: Die geänderte Berechnung der Kontrollgrenzen im neuen VDA-AIAG-SPC-Handbuch: Ein Leitfaden zur praktischen Umsetzung
Über den Autor
Marc Schaeffers ist Geschäftsführer von Datalyzer und verfügt über mehr als 35 Jahre Erfahrung in der Implementierung von Systemen zur statistischen Prozesskontrolle (SPC) für Hersteller weltweit. Er hat Unternehmen aus den Bereichen Automobil, Luft- und Raumfahrt, Hightech, Lebensmittel und Getränke sowie Medizin bei der Einführung fortschrittlicher Qualitätsmanagement- und Industrie-4.0-Lösungen unterstützt.
Zusammenfassung
Das VDA-AIAG-SPC-Handbuch 2026 führt einen neuen Ansatz zur Berechnung von Kontrollgrenzen ein, indem es Anwendern die Möglichkeit bietet, verschiedene Konfidenzniveaus auszuwählen, anstatt sich ausschließlich auf die traditionelle Drei-Sigma-Methode zu stützen. Diese Änderung spiegelt die Tatsache wider, dass in der modernen Fertigung weitaus mehr Daten erfasst werden als zu der Zeit, als die statistische Prozesskontrolle (SPC) erstmals entwickelt wurde.
Der neue Ansatz bietet zwar mehr Flexibilität, wirft jedoch auch praktische Fragen auf. Wie sollten die Konfidenzniveaus festgelegt werden? Welche Abwägungen sind zwischen der Erkennung von Prozessänderungen und der Minimierung von Fehlalarmen zu treffen? Und ist die Änderung des Konfidenzniveaus tatsächlich der beste Weg, um die Wirksamkeit der statistischen Prozesskontrolle (SPC) zu verbessern?
Dieser Artikel erläutert die statistischen Konzepte, die den neuen Empfehlungen zugrunde liegen, und erörtert deren praktische Auswirkungen auf der Grundlage der Erfahrungen von Datalyzer bei der Implementierung von SPC-Systemen in Fertigungsumgebungen weltweit. Wir kommen zu dem Schluss, dass der neue Konfidenzniveau-Ansatz eine wertvolle Ergänzung des SPC-Instrumentariums darstellt. Eine erfolgreiche Umsetzung hängt jedoch weniger von der Wahl unterschiedlicher Kontrollgrenzen ab als vielmehr davon, sicherzustellen, dass die Bediener aussagekräftige und umsetzbare Warnmeldungen erhalten. Für die meisten Unternehmen wird ein intelligentes Alarmmanagement größere Vorteile bringen als die bloße Änderung der statistischen Berechnungen. In einem anderen Blogbeitrag haben wir die Konsequenzen der neu definierten Fähigkeitsindizes erörtert.
Die wichtigsten Erkenntnisse
1. Einleitung
Mit der Veröffentlichung des neuen VDA-AIAG-SPC-Handbuchs im Juli 2026 wurde eine der bedeutendsten Änderungen im Bereich der statistischen Prozesskontrolle (SPC) seit Jahrzehnten eingeführt. Während den neuen Prozessfähigkeitsindizes viel Aufmerksamkeit geschenkt wurde, stellt die Einführung eines neuen Ansatzes zur Berechnung der Kontrollgrenzen eine ebenso wichtige Änderung dar. Seit fast einem Jahrhundert bilden die 3-Sigma-Kontrollgrenzen nach Shewhart die Grundlage der SPC. Sie haben sich als außerordentlich wirksam erwiesen und werden auch heute noch in der Fertigungsindustrie weit verbreitet eingesetzt. Warum führt das neue Handbuch also einen alternativen Ansatz ein? Das Handbuch empfiehlt, Organisationen die Möglichkeit zu geben, bei der Berechnung von Kontrollgrenzen unterschiedliche Konfidenzniveaus zu wählen. Obwohl das Handbuch erläutert, wie diese Grenzen berechnet werden können, bietet es relativ wenig Anleitung dazu, warum diese Flexibilität eingeführt wurde oder wie sie in der Praxis angewendet werden sollte. Aufgrund unserer Erfahrungen bei der Implementierung von SPC-Systemen in Fertigungsumgebungen weltweit sind wir der Ansicht, dass der Grund dafür eng mit dem dramatischen Anstieg der automatisierten Datenerfassung zusammenhängt. Moderne Fabriken generieren weitaus mehr Daten, als sich Walter Shewhart im Jahr 1931 jemals hätte vorstellen können, was praktische Herausforderungen mit sich bringt, für deren Bewältigung die traditionelle SPC nie konzipiert wurde.
In diesem Artikel werden zunächst die im neuen Handbuch vorgestellten statistischen Konzepte erläutert und anschließend die praktischen Aspekte ihrer Umsetzung in groß angelegten SPC-Systemen erörtert.
2. Die Ursprünge der 3-Sigma-Kontrollgrenzen
Die Ursprünge der Drei-Sigma-Kontrollgrenzen
Die statistische Prozesskontrolle wurde von Walter A. Shewhart in seiner bahnbrechenden Veröffentlichung „Economic Control of Quality of Manufactured Product“ aus dem Jahr 1931 eingeführt. Seine Arbeit legte die Grundsätze fest, die bis heute die Grundlage moderner Kontrollkarten bilden. Shewharts Wahl von drei Standardabweichungen (3σ) für die Kontrollgrenzen stellte einen praktischen Kompromiss dar, um echte Prozessänderungen schnell zu erkennen und gleichzeitig übermäßige Fehlalarme zu vermeiden. Wie Donald Wheeler in zahlreichen Veröffentlichungen aufgezeigt hat, sind 3-Sigma-Kontrollgrenzen bei stabilen Fertigungsprozessen bemerkenswert robust und wirksam.
Die Fertigung hat sich verändert
Als Shewhart die statistische Prozesskontrolle (SPC) entwickelte, wurden Messungen manuell erfasst und es wurden relativ wenige Prozessmerkmale überwacht. Heutzutage erfassen moderne Produktionssysteme kontinuierlich Daten von SPSen, Bildverarbeitungssystemen, Koordinatenmessgeräten, automatisierten Messgeräten und IoT-Geräten. In vielen Branchen hat sich die SPC von der Überwachung einer Handvoll Merkmale hin zur kontinuierlichen Analyse von Millionen von Messwerten pro Tag weiterentwickelt.
Die Herausforderung durch Fehlalarme
Herkömmliche Drei-Sigma-Kontrollkarten weisen ein Konfidenzniveau von etwa 99,73 % auf, was bedeutet, dass voraussichtlich etwa 0,27 % der stabilen Teilgruppen allein aufgrund von Zufallsschwankungen die Kontrollgrenzen überschreiten werden. Bei Tausenden von Kontrollkarten führt dies täglich zu einer erheblichen Anzahl statistischer Signale, was zu einer Alarmmüdigkeit führt und es den Bedienern erschwert, wirklich wichtige Prozessänderungen zu erkennen.
Zwar wird in dem Handbuch die Überlastung durch Alarme nicht ausdrücklich als Grund für die Einführung konfigurierbarer Konfidenzniveaus genannt, doch wird darin betont, dass zusätzliche Regeln für Kontrollkarten nur dann angewendet werden sollten, wenn sie einem bestimmten Zweck dienen.
Was hat sich geändert?
Das neue Handbuch ermöglicht es Unternehmen, bei der Berechnung der Kontrollgrenzen verschiedene Konfidenzniveaus auszuwählen. Dadurch ändern sich die für Kontrollkarten verwendeten Konstanten (z. B. A2, D3 und D4), sodass Unternehmen ein Gleichgewicht zwischen Sensitivität und Fehlalarmen herstellen können. Dies bietet erheblich mehr Flexibilität.
Beispiel:
Umgekehrt,
Keiner der beiden Ansätze ist von Natur aus besser. Jeder stellt ein anderes Gleichgewicht zwischen Empfindlichkeit und Stabilität dar.
Um diese Abwägungen zu verstehen, betrachten wir zunächst drei statistische Konzepte: die Fehlalarmrate, die Operating-Characteristic-Kurve (OC-Kurve) und die durchschnittliche Lauflänge (ARL).
3. Konfidenzniveau, OC-Kurve und ARL
Den Kompromiss verstehen
Die Wahl eines Konfidenzniveaus wirkt sich auf drei wichtige Leistungsmerkmale jeder Kontrollkarte aus.
Falschalarmquote
Die offensichtlichste Folge ist die Fehlalarmquote. Bei herkömmlichen 3-Sigma-Grenzwerten ist zu erwarten, dass etwa 0,27 % der stabilen Untergruppen die Kontrollgrenzen überschreiten. Eine Verringerung des Konfidenzniveaus erhöht diesen Prozentsatz, während eine Erhöhung des Konfidenzniveaus ihn senkt. Aus betrieblicher Sicht wirkt sich dies unmittelbar auf die Arbeitsbelastung der Bediener und Ingenieure aus.
Betriebskennlinie
Ein weniger bekanntes – aber ebenso wichtiges – Konzept ist die Betriebskennlinie (OC-Kurve). Die OC-Kurve zeigt die Wahrscheinlichkeit, mit der eine bestimmte Prozessverschiebung durch die Kontrollkarte erkannt wird. Geringfügige Prozessverschiebungen sind schwer zu erkennen, da sie sich nur schwer von normalen Prozessschwankungen unterscheiden lassen. Mit zunehmendem Ausmaß der Prozessverschiebung steigt auch die Erkennungswahrscheinlichkeit.
In den Abbildungen 1 und 2 werden die OC-Kurven für zwei unterschiedliche Konfidenzniveaus verglichen. Die Abbildungen veranschaulichen ein wichtiges Prinzip: Durch die Verringerung des Konfidenzniveaus steigt die Wahrscheinlichkeit, kleine Prozessverschiebungen zu erkennen; diese verbesserte Empfindlichkeit geht jedoch mit häufigeren Fehlalarmen einher. Umgekehrt führt eine Erhöhung des Konfidenzniveaus zwar zu einer Verringerung unnötiger Warnmeldungen, verzögert jedoch die Erkennung tatsächlicher Prozessänderungen.
Es ist zu beachten, dass diese OC-Kurven ausschließlich Überschreitungen der Kontrollgrenzen berücksichtigen. Zusätzliche Western-Electric- oder Nelson-Regeln werden die tatsächliche Erkennungsleistung weiter beeinflussen.
Abbildung 1: Wahrscheinlichkeit einer Warnmeldung in der Kontrollkarte bei einem Konfidenzniveau von 99,73 %
Abbildung 2: Wahrscheinlichkeit einer Warnmeldung in der Kontrollkarte bei einem Konfidenzniveau von 99 %
Durchschnittliche Lauflänge
Eine weitere nützliche Kennzahl ist die durchschnittliche Lauflänge (Average Run Length, ARL). Die ARL gibt die durchschnittliche Anzahl der Untergruppen an, die erfasst werden müssen, bevor eine Prozessverschiebung erkannt wird. Niedrigere Konfidenzniveaus führen in der Regel zu einer Verringerung der ARL, da Verschiebungen früher erkannt werden. Höhere Konfidenzniveaus erhöhen die ARL, da größere Verschiebungen erforderlich sind, bevor die Kontrollkarte ein Signal ausgibt.
Für Unternehmen, die große Produktmengen herstellen, kann dieser Unterschied erhebliche Auswirkungen auf die Menge an fehlerhaftem Material haben, die produziert wird, bevor Korrekturmaßnahmen ergriffen werden.
Vergleich verschiedener Konfidenzniveaus
Um diese Abwägungen zu veranschaulichen, werden in Tabelle 1 drei häufig diskutierte Konfidenzniveaus für ein X̄-R-Diagramm mit einer Untergruppengröße von fünf verglichen.
| % change detecting sigma change | ARL | ||||||
| A2 | D4 | % False alarms | 0.5 sigma | 1 sigma | 2 sigma | 1 sigma | |
| 99% | 0.5 | 1.96 | 1% | 7.30% | 36.70% | 97.10% | 2.7 |
| 99.73% (AIAG) | 0.58 | 2.11 | 0.27% | 3% | 22.20% | 92.30% | 4.5 |
| 99.99% | 0.75 | 2.45 | 0.01% | 0.30% | 4.90% | 72.00% | 20.4 |
Tabelle 1: Ergebnisse für verschiedene Konfidenzniveaus auf der Grundlage eines XR-Diagramms mit n = 5
Es lassen sich sofort mehrere Feststellungen treffen. Ein Konfidenzniveau von 99 % erhöht die Wahrscheinlichkeit, kleine Prozessverschiebungen zu erkennen, erheblich. Dies geht jedoch mit einer entsprechenden Zunahme von Fehlalarmen einher. Am anderen Ende des Spektrums reduziert ein Konfidenzniveau von 99,99 % zwar die Fehlalarme drastisch, schränkt jedoch die Fähigkeit des Diagramms, aussagekräftige Prozessänderungen rechtzeitig zu erkennen, erheblich ein. Das traditionelle Konfidenzniveau von 99,73 % stellt nach wie vor einen ausgewogenen Kompromiss zwischen diesen beiden Extremen dar.
Interessanterweise konzentrieren sich die im neuen VDA-AIAG-Handbuch aufgeführten Beispiele in erster Linie auf Konfidenzniveaus von 99 % und 99,73 %, was darauf hindeutet, dass die Autoren von den Anwendern erwarten, dass diese gegebenenfalls etwas engere Grenzwerte in Betracht ziehen, anstatt die Kontrollgrenzen pauschal zu erweitern.
Die Änderung des Konfidenzniveaus ist kein Mittel zur Verbesserung der Prozessfähigkeit.
Dies beeinflusst lediglich die Empfindlichkeit der Kontrollkarte gegenüber Prozessschwankungen. Eine breitere Kontrollgrenze verringert zwar Fehlalarme, verzögert jedoch auch die Erkennung tatsächlicher Prozessänderungen. Hersteller sollten daher Konfidenzniveaus auf der Grundlage betrieblicher Anforderungen festlegen, anstatt eine Verbesserung der Prozessleistung zu erwarten.
4. Überlegungen zur praktischen Umsetzung
In unseren vorangegangenen Kapiteln haben wir die statistischen Grundlagen des neuen VDA-AIAG-SPC-Handbuchs erläutert und erörtert, warum das Handbuch die Möglichkeit vorsieht, unterschiedliche Konfidenzniveaus für die Berechnung von Kontrollgrenzen zu wählen. Das Verständnis der statistischen Konzepte ist zwar wichtig, doch die Umsetzung dieser Empfehlungen in einer Produktionsumgebung stellt eine ganz andere Herausforderung dar. Die Auswahl eines Konfidenzniveaus für eine einzelne Kontrollkarte ist relativ unkompliziert. Die konsequente Anwendung desselben Ansatzes auf Hunderte – oder sogar Tausende – von Kontrollkarten ist jedoch wesentlich komplexer.
Aufgrund unserer Erfahrungen bei der Einführung von SPC-Systemen in Produktionsstätten weltweit sind wir der Ansicht, dass die größte Herausforderung nicht in der Berechnung neuer Kontrollgrenzen liegt. Die eigentliche Herausforderung besteht darin, sicherzustellen, dass SPC ein wirksames Werkzeug für Bediener und Ingenieure bleibt, ohne diese mit unnötigen Warnmeldungen zu überfordern. In diesem Kapitel werden die praktischen Überlegungen zur Umsetzung der neuen Empfehlungen erörtert und unsere Empfehlungen für Unternehmen gegeben, die den neuen VDA-AIAG-Ansatz einführen möchten.
Flexibilität hat ihren Preis
Eine der Stärken des neuen Handbuchs besteht darin, dass darin nicht mehr davon ausgegangen wird, dass ein einziges Konfidenzniveau für jede Situation angemessen ist. Aus statistischer Sicht ist dies vollkommen nachvollziehbar. Verschiedene Prozesse weisen unterschiedliche Ziele und unterschiedliche Risikostufen auf. Aus Sicht der Umsetzung führt diese Flexibilität jedoch zu zusätzlicher Komplexität.
Stellen Sie sich ein Unternehmen mit 5.000 Kontrollkarten vor. Wenn für jedes Merkmal ein eigenes Konfidenzniveau festgelegt werden kann, muss jemand entscheiden:
- Welches Konfidenzniveau sollte verwendet werden?
- Wer ist für diese Entscheidung zuständig?
- Wie werden diese Entscheidungen dokumentiert?
- Wie wird die Einheitlichkeit über alle Produktionslinien und Werke hinweg gewährleistet?
- Was geschieht, wenn sich die Kundenanforderungen ändern?
Zwar ist die Auswahl eines Konfidenzniveaus für eine einzelne Kontrollkarte einfach, doch die Pflege unterschiedlicher Einstellungen für Tausende von Merkmalen kann schnell zu einem erheblichen technischen und administrativen Aufwand werden. Allein aus diesem Grund gehen wir davon aus, dass viele Hersteller für die meisten ihrer Kontrollkarten weiterhin ein einheitliches Standard-Konfidenzniveau verwenden werden.
Dynamische versus feste Kontrollgrenzen
Der neue Konfidenzniveau-Ansatz kann sowohl mit dynamisch berechneten Kontrollgrenzen als auch mit festen Kontrollgrenzen, die im Rahmen einer anfänglichen Prozessfähigkeitsuntersuchung festgelegt wurden, angewendet werden. Beide Ansätze weisen Vorteile auf.
Dynamische Grenzwerte passen sich automatisch an, wenn sich der Prozess verändert. Sie erfordern nur wenig Wartungsaufwand und spiegeln stets die aktuelle Prozessschwankung wider.
Es gibt jedoch auch einen wesentlichen Nachteil. Wenn ein Prozess im Laufe der Zeit langsam driftet, können sich dynamisch berechnete Grenzwerte schrittweise mit dem Prozess verschieben. Infolgedessen führt eine tatsächliche Verschlechterung der Prozessleistung möglicherweise nicht sofort zu einem Signal für eine Prozessabweichung, da sich die Grenzwerte selbst verändern. Bei kritischen Merkmalen ist dies oft unerwünscht.
Unserer Erfahrung nach lassen sich Sicherheitsmerkmale, regulatorische Anforderungen und für den Kunden entscheidende Kennzahlen in der Regel besser überwachen, wenn feste Kontrollgrenzen verwendet werden, die auf der Grundlage eines stabilen Prozesses festgelegt wurden. Diese Grenzwerte bieten einen konsistenten Bezugspunkt, anhand dessen die zukünftige Leistung bewertet werden kann.
Dynamische Grenzwerte sind während der Prozessentwicklung oder bei der Festlegung einer ersten Ausgangsbasis nach wie vor von großem Nutzen, sollten jedoch nicht automatisch als die beste Wahl für jede Anwendung angesehen werden.
Benötigt jedes Merkmal ein eigenes Konfidenzniveau?
Das neue Handbuch ermöglicht die Verwendung unterschiedlicher Konfidenzniveaus. Dies bedeutet jedoch nicht zwangsläufig, dass diese in allen Fällen angewendet werden sollten. Bei bestimmten Merkmalen ist eine höhere Sensitivität eindeutig gerechtfertigt. Beispiele hierfür sind sicherheitsrelevante Maße, Merkmale, bei denen in der Vergangenheit Instabilitäten aufgetreten sind, oder Prozesse, bei denen bereits sehr geringe Abweichungen erhebliche Folgen haben können. Andere Merkmale sind möglicherweise weniger kritisch und könnten breitere Kontrollgrenzen tolerieren, ohne dass sich das Geschäftsrisiko erhöht.
Dieser Ansatz ist zwar statistisch fundiert, doch seine konsequente Umsetzung erfordert detaillierte technische Kenntnisse für jedes überwachte Merkmal. Für Unternehmen, die Tausende von SPC-Diagrammen verwalten, wird dies schnell schwer zu bewältigen. Daher gehen wir davon aus, dass viele Hersteller einen praktischen Kompromiss wählen werden:
Dieser Ansatz nutzt die meisten Vorteile und vermeidet gleichzeitig unnötige Komplexität.
Die eigentliche Herausforderung: Alarmmüdigkeit
Unserer Ansicht nach besteht die größte Herausforderung für moderne SPC-Systeme nicht in der Berechnung von Kontrollgrenzen, sondern im Alarmmanagement. Heutige Fertigungssysteme generieren weitaus mehr Daten, als für herkömmliche SPC-Systeme vorgesehen war. Selbst wenn die Kontrollgrenzen korrekt berechnet werden, erhalten die Bediener unter Umständen immer noch weit mehr Warnmeldungen, als sie vernünftigerweise überprüfen können. Letztendlich treten zwei Dinge ein.
Erstens gewöhnen sich die Bediener an häufige Alarme und beginnen, diese zu ignorieren. Zweitens gehen wirklich wichtige Prozessänderungen in der Vielzahl routinemäßiger statistischer Signale unter. Keines dieser Ergebnisse trägt zur Qualitätsverbesserung bei. Damit die statistische Prozesskontrolle (SPC) wirksam bleibt, müssen die Bediener darauf vertrauen können, dass ein auftretender Alarm ihre Aufmerksamkeit verdient.
Eine andere Möglichkeit, unnötige Warnmeldungen zu reduzieren
Eine naheliegende Möglichkeit, die Anzahl der Alarme zu reduzieren, besteht darin, das Konfidenzniveau zu erhöhen und damit die Kontrollgrenzen zu erweitern. Dies verringert zwar die Anzahl der Fehlalarme, verzögert jedoch gleichzeitig die Erkennung tatsächlicher Prozessänderungen. Unserer Erfahrung nach gibt es oft eine bessere Lösung. Anstatt zu fragen, ob ein Messwert außerhalb der Regelgrenzen liegt, sollten wir uns auch fragen, ob der Prozess selbst leistungsfähig ist.
Ein Prozess mit einem Ppk-Wert von 12 liegt weit innerhalb seiner Spezifikationsgrenzen. Auch wenn eine einzelne Teilgruppe gelegentlich außerhalb der statistischen Kontrollgrenzen liegen mag, bleibt das Risiko, nicht konforme Produkte herzustellen, äußerst gering. Im Gegensatz dazu erfordert genau dasselbe statistische Signal bei einem Prozess mit einem Ppk-Wert nahe 1,33 eine sofortige Untersuchung. Obwohl beide Diagramme identische SPC-Signale erzeugen, sollte die operative Reaktion nicht zwangsläufig dieselbe sein. Dies veranschaulicht ein wichtiges Prinzip: Nicht jedes statistische Signal erfordert dieselbe operative Reaktion.
Intelligentes Alarmmanagement
In Datalyzer Qualis haben wir diese Herausforderung dadurch gelöst, dass Warnmeldungen nun auf der Grundlage der Prozessfähigkeit priorisiert werden können.
Beispielsweise können Warnmeldungen, die ein Eingreifen des Bedieners erfordern, automatisch unterdrückt werden, wenn der Ppk-Wert einen konfigurierbaren Schwellenwert überschreitet. Dabei werden die statistischen Informationen nicht ignoriert. Die Kontrollkarte erfasst weiterhin jeden Datenpunkt und jeden Regelverstoß. Der Unterschied besteht darin, dass die Bediener nur dann unterbrochen werden, wenn das Signal ein bedeutendes betriebliches Risiko darstellt. Das technische Personal kann weiterhin alle SPC-Informationen einsehen, während sich die Produktionsmitarbeiter auf die Bereiche konzentrieren können, in denen sie den größten Mehrwert erzielen.
Unserer Erfahrung nach führt dieser Ansatz zu einer wesentlich stärkeren Reduzierung unnötiger Eingriffe durch das Bedienpersonal als die bloße Änderung der Konfidenzniveaus.
Unsere Empfehlungen
Aufgrund unserer Erfahrungen bei der Umsetzung empfehlen wir bei der Einführung des neuen VDA-AIAG-SPC-Handbuchs die folgende Vorgehensweise.
1. Sofern kein eindeutiger technischer Grund für eine Abweichung vorliegt, verwenden Sie das herkömmliche Konfidenzniveau von 99,73 % als Standardwert für Ihr Unternehmen.
Dies stellt nach wie vor einen hervorragenden Kompromiss zwischen Empfindlichkeit und Fehlalarmen dar und vermeidet unnötige Komplexität bei der Konfiguration.
2. Verwenden Sie alternative Konfidenzniveaus nur dann, wenn hierfür eine eindeutige technische Begründung vorliegt.
Beispiele hierfür sind sicherheitskritische Eigenschaften, kundenspezifische Anforderungen oder eine spezialisierte Prozessüberwachung.
3. Ziehen Sie feste Kontrollgrenzen für kritische Merkmale in Betracht.
Feste Grenzwerte bieten eine stabile Bezugsgröße und erleichtern es, eine allmähliche Verschlechterung des Prozesses zu erkennen.
4. Konzentrieren Sie sich auf das Alarmmanagement, anstatt lediglich die Kontrollgrenzwerte zu ändern.
Die Reduzierung unnötiger Eingriffe durch den Bediener bringt oft größere Vorteile mit sich als eine Änderung der statistischen Berechnungen selbst.
5. Priorisieren Sie Warnmeldungen entsprechend der Prozessfähigkeit.
Ein leistungsfähiger Prozess und ein Grenzprozess sollten nicht zwangsläufig die gleiche operative Reaktion hervorrufen, selbst wenn sie identische SPC-Signale erzeugen.
5. Schlussfolgerungen
Das neue VDA-AIAG-SPC-Handbuch bietet wertvolle Flexibilität, da es Herstellern ermöglicht, unterschiedliche Konfidenzniveaus für die Berechnung von Kontrollgrenzen zu wählen. Aus statistischer Sicht stellt dies eine wichtige Weiterentwicklung dar. Eine erfolgreiche Umsetzung erfordert jedoch mehr als nur die Wahl eines anderen Konfidenzniveaus. Unternehmen müssen auch die praktischen Gegebenheiten beim Betrieb moderner SPC-Systeme berücksichtigen, die Tausende von Prozessmerkmalen gleichzeitig überwachen.
Unserer Erfahrung nach lassen sich die größten Verbesserungen nicht durch eine Änderung der mathematischen Grundlagen der Kontrollgrenzen erzielen, sondern dadurch, dass sichergestellt wird, dass die Bediener aussagekräftige und umsetzbare Informationen erhalten. Ein gut konzipiertes SPC-System sollte den Bedienern dabei helfen, sich auf die wenigen Prozessänderungen zu konzentrieren, die wirklich von Bedeutung sind – und sie nicht mit statistischen Signalen überfluten, die kaum einen betrieblichen Mehrwert bieten.
Letztendlich hat sich das Ziel der SPC seit ihrer Einführung durch Shewhart vor fast einem Jahrhundert nicht geändert: bedeutende Prozessschwankungen frühzeitig zu erkennen, um wirksame Korrekturmaßnahmen ergreifen zu können. Die neuen Empfehlungen der VDA und der AIAG bieten zusätzliche Flexibilität zur Erreichung dieses Ziels, sollten jedoch stets im Rahmen einer umfassenderen Strategie für eine effektive Prozessüberwachung und ein intelligentes Alarmmanagement umgesetzt werden.
Fast hundert Jahre, nachdem Shewhart die statistische Prozesskontrolle (SPC) eingeführt hat, mag sich die Mathematik zwar weiterentwickelt haben, doch das Ziel bleibt genau dasselbe: den richtigen Personen zur richtigen Zeit die richtigen Informationen zur Verfügung zu stellen, damit aussagekräftige Prozessschwankungen beseitigt werden können, bevor sie die Produktqualität beeinträchtigen.
Dieser Artikel spiegelt die Interpretation und die praktischen Erfahrungen der Autoren mit dem AIAG- und VDA-SPC-Handbuch wider. Er dient als praktische Orientierungshilfe und ersetzt nicht das offizielle Handbuch.
Bereiten Sie sich auf das neue AIAG- und VDA-SPC-Handbuch vor? Wenden Sie sich an Datalyzer, um zu erörtern, wie Ihre derzeitige SPC-Implementierung an die neuen Empfehlungen angepasst werden kann, oder melden Sie sich für ein kostenloses Webinar an, in dem die Auswirkungen erörtert werden.
9%
Kostenreduzierung durch Kunden erreicht
Was Kunden sagen
„Datalyzer hat uns dabei geholfen, Qualitätsdaten aus allen Prozessen automatisch zu verknüpfen, um erweiterte Analysen durchzuführen
Dave Beeren
Yield engineer, Philips
Industrien, die wir bedienen
ISO-zertifiziert
ISO 27001 & SOC2
