Capability Sixpack (Normalverteilung)

Das Normal Capability Sixpack ist ein umfassender Analysesatz, mit dem Leistung und Fähigkeit eines Prozesses unter der Annahme beurteilt werden, dass die Daten einer Normalverteilung folgen. Es bewertet Stabilität und Beherrschtheit des Prozesses mit Regelkarten und prüft die Normalverteilung mit Wahrscheinlichkeitsnetzen.

Zuletzt geprüft

Kernaussage

Das Normal Capability Sixpack ist ein umfassender Analysesatz, mit dem Leistung und Fähigkeit eines Prozesses unter der Annahme beurteilt werden, dass die Daten einer Normalverteilung folgen.

Auf dieser Seite
  1. Was ist das Capability Sixpack (für Normalverteilung)?
  2. Wann wird das Capability Sixpack eingesetzt? 
  3. Hinweise zur richtigen Anwendung des Capability Sixpack
  4. Alternativen: Wann Sie das Capability Sixpack nicht verwenden sollten
  5. Beispiel für das Capability Sixpack (Normalverteilung)
  6. Anleitung: Capability Sixpack (Normalverteilung) durchführen

Was ist das Capability Sixpack (für Normalverteilung)?

Das Normal Capability Sixpack ist ein umfassender Analysesatz, mit dem Leistung und Fähigkeit eines Prozesses unter der Annahme beurteilt werden, dass die Daten einer Normalverteilung folgen. Es bewertet Stabilität und Beherrschtheit des Prozesses mit Regelkarten und prüft die Normalverteilung mit Wahrscheinlichkeitsnetzen. Das Werkzeug schätzt sowohl Gesamt-Fähigkeitsindizes (Pp, Ppk) als auch potenzielle Fähigkeitsindizes (Cp, Cpk), die die Prozessstreuung mit den Spezifikationsgrenzen vergleichen und etwaige Verschiebungen des Mittelwerts berücksichtigen. Durch Angabe einer unteren und/oder oberen Spezifikationsgrenze untersucht die Analyse die Streuung der Prozessdaten relativ zu diesen Grenzen, um festzustellen, ob der Prozess zentriert ist und seinen Zielwert erreicht. Zusätzlich schätzt sie den Anteil der Produkte, die die Spezifikationen nicht erfüllen. Diese gründliche Analyse hilft Unternehmen, eine gleichbleibende Produktqualität sicherzustellen, Verbesserungspotenziale zu erkennen und Stabilität und Fähigkeit des Prozesses zu bestätigen.

Es ist eine grafische Darstellung der Prozessfähigkeitsanalyse in der Six-Sigma-Methodik. Six Sigma ist ein Ansatz des Qualitätsmanagements, der darauf abzielt, Prozessstreuung zu erkennen und zu verringern, um die Effizienz zu steigern und Fehler zu minimieren.

Ein Capability Sixpack, auch Capability Analysis Sixpack oder Capability Analysis Report genannt, besteht aus sechs Diagrammen bzw. Karten, die einen umfassenden Überblick über die Prozessfähigkeit geben. Mit diesen Diagrammen wird beurteilt, ob ein Prozess die Kundenspezifikationen erfüllt, und es werden Verbesserungspotenziale erkannt.

Wann wird das Capability Sixpack eingesetzt? 

In folgenden Situationen kann ein Capability Sixpack nützlich sein:

  • Prozessverbesserung: Wenn Sie Initiativen zur Prozessverbesserung umsetzen oder die Prozessstreuung verringern möchten, hilft Ihnen ein Capability Sixpack, den aktuellen Zustand des Prozesses zu verstehen und verbesserungsbedürftige Bereiche zu erkennen.
  • Validierung neuer Prozesse: Wenn Sie einen neuen Prozess einführen oder einen bestehenden Prozess wesentlich ändern, kann ein Capability Sixpack die anfängliche Fähigkeit des Prozesses bewerten und beurteilen, ob er die Kundenanforderungen erfüllen kann.
  • Laufende Überwachung: Ein Capability Sixpack kann im Rahmen der laufenden Prozessüberwachung eingesetzt werden, um sicherzustellen, dass der Prozess dauerhaft innerhalb akzeptabler Grenzen bleibt und die Kundenspezifikationen erfüllt. Eine regelmäßige Überwachung mit dem Capability Sixpack hilft, Prozessverschiebungen oder Schwankungen zu erkennen, die die Qualität beeinträchtigen können.
  • Lieferantenbewertung: Bei der Bewertung potenzieller Lieferanten oder der Beurteilung der Fähigkeit bestehender Lieferanten lässt sich mit einem Capability Sixpack feststellen, ob der Prozess des Lieferanten in der Lage ist, dauerhaft Produkte zu liefern, die Ihre Spezifikationen erfüllen.

Hinweise zur richtigen Anwendung des Capability Sixpack

  • Stellen Sie sicher, dass die Daten stetig und für die Analyse geeignet sind.
  • Verwenden Sie für attributive Daten (Anzahl fehlerhafter Einheiten oder Fehler) die binomiale oder die Poisson-Fähigkeitsanalyse.
  • Erfassen Sie ausreichend Daten (insgesamt mindestens 100 Datenpunkte), um verlässliche Schätzungen der Prozessfähigkeit zu erhalten.
  • Erfassen Sie die Daten in rationalen Teilgruppen, die für den Prozess repräsentativ sind und unter ähnlichen Bedingungen erhoben wurden.
  • Prüfen Sie mit den Regelkarten in der Ausgabe des Capability Sixpack, ob der Prozess stabil und beherrscht ist.
  • Für genaue Schätzungen der Prozessfähigkeit sollten die Daten einer Normalverteilung folgen.
  • Sind die Daten nicht normalverteilt, sollten Sie eine Box-Cox- oder Johnson-Transformation in Betracht ziehen.
  • Beurteilen Sie die Verteilung der Daten mit dem Normalverteilungs-Wahrscheinlichkeitsnetz und dem Histogramm in der Ausgabe des Capability Sixpack.

Alternativen: Wann Sie das Capability Sixpack nicht verwenden sollten

  • Wenn Sie eine umfassende Auswertung der Fähigkeitskennzahlen einschließlich der wichtigsten Indizes wünschen, sollten Sie die Prozessfähigkeitsanalyse für Normalverteilung verwenden.
  • Um die Voraussetzungen für eine Fähigkeitsanalyse bei nicht normalverteilten Daten zu prüfen, verwenden Sie das Nonnormal Capability Sixpack.
  • Bei erheblicher Streuung zwischen den Teilgruppen, etwa in einem Chargenprozess, verwenden Sie das Between/Within Capability Sixpack, um die Voraussetzungen für eine Between/Within-Fähigkeitsanalyse zu prüfen.

Beispiel für das Capability Sixpack (Normalverteilung)

Der Qualitätsingenieur eines Werks für Automobilteile bewertet die Prozessfähigkeit der Maschine, mit der Nockenwellen gefertigt werden. Er erfasst an einer der Maschinen alle 30 Minuten Daten in Teilgruppen der Größe 5. Die Spezifikationsgrenzen für die Nockenwellenlänge sind eine untere Spezifikationsgrenze (LSL) von 595 mm, ein Zielwert von 600 mm und eine obere Spezifikationsgrenze (USL) von 605 mm. Um die Voraussetzungen für eine Fähigkeitsanalyse bei Normalverteilung zu prüfen und festzustellen, wie gut die Nockenwellenlängen die Anforderungen erfüllen, führt er eine Analyse mit dem Normal Capability Sixpack durch. Die Schritte:

  1. Die erforderlichen Daten wurden erhoben.
Capability Six Pack Between/Within — figure 1
  1. Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
  2. Das Capability Sixpack finden Sie unter Statistical module> Process Capability>Capability Six Pack.
  3. Geben Sie im Werkzeug die Daten zusammen mit den weiteren Eingaben wie folgt ein:
Capability Six Pack (Normal) — figure 2
  1. Nach Ausführung des oben genannten Werkzeugs erhalten Sie folgende Ausgabe:
Capability Six Pack (Normal) — figure 3Capability Six Pack (Normal) — figure 4

Anleitung: Capability Sixpack (Normalverteilung) durchführen

So gehen Sie vor:

  1. Melden Sie sich bei Zometric Statistical Software an unter https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> Process Capability >Capability Six Pack (Normal).
  3. Klicken Sie auf Capability Six Pack (Normal) , um zum Dashboard zu gelangen.
  4. Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie hier ein (Strg+V).
  5. Füllen Sie anschließend die gewünschten Angaben aus, etwa lsl, usl, target, K usw.
  6. Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.

Das Dashboard von Capability Six Pack (Normal) ist in zwei Bereiche unterteilt.

Capability Six Pack (Normal) — figure 5

Im linken Bereich befindet sich der Datenbereich (Data Pane). Im Data Pane bildet jede Zeile eine Teilgruppe. Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Strg+C) und hier eingefügt (Strg+V) werden.

Load example: Es werden Beispieldaten geladen.

Load File: Damit werden Excel-Daten direkt geladen.

Im rechten Bereich stehen zahlreiche Optionen zur Verfügung:

  • Lsl: LSL bezeichnet in der Prozessfähigkeit die untere Spezifikationsgrenze. Sie ist die untere Grenze bzw. der Schwellenwert, der für einen bestimmten Prozessparameter oder ein Merkmal festgelegt ist. In der Prozessfähigkeitsanalyse wird mit der LSL bestimmt, ob ein Prozess Ergebnisse innerhalb des gewünschten Bereichs bzw. der Spezifikationen liefern kann.
  • Usl: USL bezeichnet in der Prozessfähigkeit die obere Spezifikationsgrenze. Sie stellt die obere Grenze bzw. den Schwellenwert dar, der für einen bestimmten Prozessparameter oder ein Merkmal festgelegt ist. In der Prozessfähigkeitsanalyse wird mit der USL beurteilt, ob ein Prozess Ergebnisse innerhalb des gewünschten Bereichs bzw. der Spezifikationen liefern kann.
  • Target: In der Prozessfähigkeit bezeichnet der Zielwert den gewünschten oder idealen Wert eines bestimmten Prozessparameters oder Merkmals. Er ist der Wert, den der Prozess erreichen bzw. um den er zentriert sein soll. Der Zielwert beruht häufig auf Konstruktionsvorgaben oder Kundenanforderungen.
  • Show specs in control chart:  Fügt der Regelkarte die Spezifikationsgrenzen hinzu, um zu veranschaulichen, wie die Prozessmesswerte zu den Qualitätsvorgaben passen. So lässt sich beurteilen, ob der Prozess innerhalb akzeptabler Bereiche bleibt.
  • Process mean: Der Durchschnittswert einer Reihe von Messungen oder Beobachtungen aus einem Prozess. Er stellt die zentrale Tendenz der Prozessdaten über die Zeit dar und ist ein wichtiger Indikator für die Prozessleistung. Wird er nicht angegeben, berechnet Zometric Statistical Software die Mittellinie aus den vorliegenden Daten.
  • Process sd: Ein Maß für die Streuung der Prozessdaten um den Mittelwert. Es zeigt, wie stark einzelne Datenpunkte im Prozess vom Prozessmittelwert abweichen. Wird sie nicht angegeben, berechnet Zometric Statistical Software sie aus den vorliegenden Daten.
  • K: Der Toleranzfaktor für die Fähigkeitskennwerte: Die Prozessstreubreite wird als K × Sigma angesetzt. Der Standardwert ist 6, die übliche 6-Sigma-Konvention.
  • Within Stdev estimation method:
    • Pooled: Die gepoolte Standardabweichung ist der gewichtete Mittelwert der Varianzen der Teilgruppen, wobei größere Teilgruppen einen stärkeren Einfluss auf die Gesamtschätzung haben. Diese Methode liefert eine genauere Schätzung der Standardabweichung, wenn der Prozess stabil ist.
    • Rbar: Rbar ist der Mittelwert der Spannweiten innerhalb der Teilgruppen. Die Rbar-Methode ist eine weit verbreitete Schätzung der Standardabweichung und besonders wirksam bei Teilgruppengrößen von 2 bis 8.
    • Sbar:Berechnet die mittlere Standardabweichung (Sbar) der Teilgruppen, um die Prozessstreuung zu überwachen. Sbar ist entscheidend für die Festlegung der Eingriffsgrenzen der S-Karte und zeigt Änderungen der Datenstreuung im zeitlichen Verlauf an. Diese Methode gewährleistet eine konsistente und genaue Beurteilung der Prozessstreuung in der Qualitätslenkung.
  • Within stdev estimation method for subgroup size = 1:
    • Average Moving Range: Die mittlere gleitende Spannweite ist der Mittelwert der Spannweite von zwei oder mehr aufeinanderfolgenden Punkten und wird in der Regel bei einer Teilgruppengröße von 1 verwendet.
    • Median Moving Range: Die mediane gleitende Spannweite ist der mittlere Wert der Spannweite von zwei oder mehr aufeinanderfolgenden Punkten; sie wird empfohlen, wenn die Daten extreme Spannweiten aufweisen, die die gleitende Spannweite verzerren könnten.
  • Moving range of length: Geben Sie die Anzahl der Beobachtungen an, aus denen die gleitende Spannweite berechnet wird, wobei die Länge ≤ 100 ist. Die Standardlänge ist 2, da aufeinanderfolgende Werte am ehesten ähnlich sind.
  • Use Unbiasing Constants to Calculate Overall Standard Deviation: Wendet bei der Schätzung der Gesamt-Standardabweichung Korrekturkonstanten (Unbiasing Constants) an.
  • Machine: Die konkrete Anlage bzw. Maschine, die in der Fähigkeitsuntersuchung bewertet wird. Beispiel: Bohrmaschine, Schmiedemaschine.
  • Reported by: Die Person, die die Ergebnisse der Fähigkeitsuntersuchung dokumentiert.
  • Prepared by: Die Person, die die Daten für den Bericht zusammenstellt und aufbereitet.
  • Verified by: Die Person, die die Richtigkeit der zusammengestellten Daten und Ergebnisse prüft.
  • Approved by: Die Person, die den endgültigen Bericht zur Verteilung oder Verwendung freigibt.
  • Remarks: Zusätzliche Anmerkungen oder Beobachtungen zur Untersuchung, die die Interpretation beeinflussen können.
  • Shift: Die Arbeitsschicht, in der die Untersuchung durchgeführt wurde; sie gibt den Zeitpunkt und mögliche schichtspezifische Einflussgrößen an.
  • Operation: Der konkrete Prozess bzw. die Maschine, die in der Untersuchung beurteilt wird.
  • Company name: Das Unternehmen, das die Fähigkeitsuntersuchung durchführt.
  • Report title: Der Titel, der Schwerpunkt oder Zweck der Fähigkeitsuntersuchung zusammenfasst.
  • Customer name: Der Auftraggeber bzw. Kunde, für den die Fähigkeitsuntersuchung durchgeführt wurde.
  • Part: Name oder Nummer des Bauteils bzw. Produkts, das auf der Maschine gefertigt wird.
  • Variable: Das konkrete Merkmal bzw. Maß des Teils, das gemessen wird. Beispiel: Durchmesser, Länge, Breite.
  • Unit of Measure: Die Einheiten, in denen die gemessene Variable angegeben wird. Beispiel: Millimeter (mm), Zoll (in).
  • Study date: Das Datum, an dem die Maschinenfähigkeitsuntersuchung durchgeführt wurde.
  • Operator: Name der Person, die die Maschine bedient.
  • Inspector: Name der Person, die die Teile gemessen hat.
  • Gauge: Das Messinstrument bzw. Messmittel, mit dem die Variable erfasst wird. Beispiel: Messschieber, Bügelmessschraube.
  • Check Rule 1: 1 point > K Stdev from center line: Test 1 ist unverzichtbar, um Teilgruppen zu erkennen, die deutlich von den übrigen abweichen, und ist daher ein allgemein anerkanntes Werkzeug zur Erkennung nicht beherrschter Zustände. Um die Empfindlichkeit zu erhöhen und kleinere Prozessverschiebungen zu erkennen, kann Test 2 zusammen mit Test 1 verwendet werden, was die Wirksamkeit von Regelkarten steigert.
  • Check Rule 2: K points in a row on same side of center line: Test 2 erkennt Änderungen der Prozesslage oder der Streuung. Bei der Überwachung auf kleine Prozessverschiebungen kann Test 2 zusammen mit Test 1 verwendet werden, um die Empfindlichkeit von Regelkarten zu erhöhen.
  • Check Rule 3: K points in a row, all increasing or all decreasing: Test 3 dient dazu, Trends in einem Prozess zu erkennen. Dieser Test sucht gezielt nach einer längeren Folge aufeinanderfolgender Datenpunkte, deren Werte stetig zu- oder abnehmen, was auf einen möglichen zugrunde liegenden Trend im Prozessverhalten hinweist.
  • Check Rule 4: K points in a row, alternating up and down: Test 4 dient dazu, systematische Schwankungen in einem Prozess zu erkennen. Idealerweise sollte das Streuungsmuster eines Prozesses zufällig sein. Verletzt ein Punkt jedoch Test 4, kann dies darauf hindeuten, dass die Streuung nicht zufällig ist, sondern einem vorhersagbaren Muster folgt.
  • Check Rule 5: K out of K + 1 points > 2 standard deviation from center line (same side): Test 5 erkennt kleine Verschiebungen im Prozess.
  • Check Rule 6: K out of K + 1 points > 1 standard deviation from center line (same side):Test 6 erkennt kleine Verschiebungen im Prozess.
  • Check Rule 7: K points in a row within 1 standard deviation of center line (either side):Test 7 erkennt Streuungsmuster, die fälschlich als Beleg für eine gute Beherrschung gedeutet werden können. Dieser Test erkennt zu weite Eingriffsgrenzen, die häufig auf geschichtete Daten zurückgehen. Geschichtete Daten entstehen, wenn innerhalb jeder Teilgruppe eine systematische Streuungsquelle vorliegt, wodurch die Eingriffsgrenzen breiter erscheinen, als sie sein sollten.
  • Check Rule 8: K points in a row > 1 standard deviation from center line (either side):Test 8 erkennt ein Mischungsmuster. Bei einem Mischungsmuster liegen die Punkte tendenziell nicht nahe der Mittellinie, sondern in der Nähe der Eingriffsgrenzen.
  • Download as Excel: Gibt das Ergebnis im Excel-Format aus, das sich leicht bearbeiten und über die Option load file erneut für Berechnungen laden lässt.

Häufig gestellte Fragen

Was ist ein Capability Sixpack für Normalverteilung?

Ein Capability Sixpack für Normalverteilung ist ein Satz aus sechs Diagrammen und Karten, mit dem die Prozessfähigkeit unter der Annahme normalverteilter Daten beurteilt wird. Regelkarten prüfen die Stabilität, ein Wahrscheinlichkeitsnetz prüft die Normalverteilung, und der Bericht schätzt potenzielle (Cp, Cpk) und Gesamt-Fähigkeitsindizes (Pp, Ppk) gegenüber den Spezifikationsgrenzen sowie den Anteil nicht konformer Produkte.

Wann sollte man ein Capability Sixpack verwenden?

Verwenden Sie es bei der Prozessverbesserung, um den aktuellen Zustand zu verstehen, bei der Validierung eines neuen oder wesentlich geänderten Prozesses, zur laufenden Überwachung, ob ein Prozess innerhalb der Grenzen bleibt, und um zu bewerten, ob der Prozess eines Lieferanten Ihre Spezifikationen dauerhaft erfüllen kann. Es bietet eine schnelle Prüfung der Voraussetzungen einer Fähigkeitsanalyse bei Normalverteilung.

Wie viele Daten braucht man für ein Capability Sixpack bei Normalverteilung?

Erfassen Sie insgesamt mindestens 100 Datenpunkte stetiger Daten in rationalen Teilgruppen, die den Prozess repräsentieren und unter ähnlichen Bedingungen erhoben wurden. Prüfen Sie die Stabilität mit den Regelkarten des Sixpack und die Normalverteilung mit seinem Wahrscheinlichkeitsnetz und Histogramm. Sind die Daten nicht normalverteilt, sollten Sie eine Box-Cox- oder Johnson-Transformation in Betracht ziehen.

Wann sollte man ein anderes Capability Sixpack verwenden?

Verwenden Sie das Nonnormal Capability Sixpack, um die Voraussetzungen einer Fähigkeitsanalyse bei nicht normalverteilten Daten zu prüfen, und das Between/Within Capability Sixpack bei erheblicher Streuung zwischen den Teilgruppen, etwa in einem Chargenprozess. Verwenden Sie für attributive Daten die binomiale oder die Poisson-Fähigkeitsanalyse. Für einen umfassenderen Satz von Indizes verwenden Sie die Prozessfähigkeitsanalyse für Normalverteilung.