Attributive Prozessfähigkeitsanalyse
Poisson-Beispieldaten laden Binomiale Beispieldaten ladenDie attributive Prozessfähigkeitsanalyse beurteilt die Prozessqualität, wenn das Ergebnis als Anzahl und nicht als stetiger Messwert erfasst wird. Numiqo bietet eine Poisson-Prozessfähigkeitsanalyse für Fehler pro Einheit und eine binomiale Prozessfähigkeitsanalyse für fehlerhafte Einheiten.
Poisson oder binomiale Prozessfähigkeit?
| Frage | Poisson | Binomial |
|---|---|---|
| Was wird gezählt? | Einzelne Fehler | Fehlerhafte Einheiten |
| Kann eine Einheit mehr als ein Ereignis beitragen? | Ja, eine Einheit kann mehrere Fehler enthalten | Nein, jede Einheit wird einmal als in Ordnung oder fehlerhaft eingestuft |
| Typisches Ergebnis | Fehler pro Einheit (DPU) | Anteil oder Prozentsatz fehlerhafter Einheiten |
| Regelkarte | u-Karte | p-Karte |
Poisson-Prozessfähigkeitsanalyse
Verwende die Poisson-Prozessfähigkeit, wenn du zählst, wie viele Fehler in jeder geprüften Stichprobe auftreten. Eine beschichtete Metallrolle kann zum Beispiel mehrere Kratzer, Einschlüsse oder Beschichtungslücken enthalten. Die Stichprobengröße kann die Anzahl der geprüften Einheiten oder eine Bezugsgröße wie Meter, Quadratmeter, Stunden oder Seiten sein.
Das Poisson-Beispiel enthält die Anzahl der Oberflächenfehler aus 30 Produktionsschichten und die zugehörigen Quadratmeter des geprüften beschichteten Blechs. Die geprüfte Fläche variiert zwischen den Schichten. Das Soll im Beispiel beträgt 0,025 Fehler pro Quadratmeter.
Binomiale Prozessfähigkeitsanalyse
Verwende die binomiale Prozessfähigkeit, wenn jede geprüfte Einheit nur zwei mögliche Einstufungen hat: in Ordnung oder fehlerhaft. Zähle die fehlerhaften Einheiten in jeder Stichprobe zusammen mit der Gesamtzahl der geprüften Einheiten.
Das binomiale Beispiel enthält fehlerhaft versiegelte Verpackungen und die Gesamtzahl der geprüften Verpackungen aus 30 Produktionsschichten. Die Stichprobengrößen variieren zwischen den Schichten. Das Soll im Beispiel beträgt 3% fehlerhafte Einheiten, was im Rechner als 3 eingegeben wird.
Variable Stichprobengrößen
Beide Methoden unterstützen eine konstante Stichprobengröße oder eine Spalte mit einer eigenen Stichprobengröße für jede Zeile. Numiqo berechnet die Gesamtrate aus der Gesamtanzahl geteilt durch die gesamte Stichprobengröße. Dadurch erhalten größere Stichproben korrekterweise mehr Gewicht als kleinere Stichproben.
So interpretierst du die Ergebnisse
Prüfe zuerst die u-Karte oder p-Karte. Ein instabiler Prozess sollte untersucht werden, bevor seine Fähigkeit zur Vorhersage der zukünftigen Leistung verwendet wird. Vergleiche dann die beobachtete Rate und ihr 95%-Konfidenzintervall mit dem maximal akzeptablen Soll. Liegt die obere Konfidenzgrenze unter dem Soll, liefern die Daten starke Belege dafür, dass der Prozess das Soll erfüllt. Liegt nur der beobachtete Mittelwert unter dem Soll, sind möglicherweise mehr Daten erforderlich.
Kehre zum Prozessfähigkeits-Rechner zurück, um deine eigenen Daten zu analysieren.