Drei Entscheidungen, die nach Gefuehl fallen
Zu den meisten Qualitaetsentscheidungen gehoert eine Rechnung, und drei davon werden fast immer ohne sie getroffen. Nicht aus Nachlaessigkeit — sondern weil die Rechnung fremd ist und die Schaetzung vernuenftig wirkt. Jede hat eine richtige Antwort, und jede geht still daneben, wenn man sie nach Augenmass festlegt.
1. Wie viele soll ich pruefen? Die uebliche Antwort ist ein Anteil: zehn Prozent des Loses, oder zwanzig Stueck, weil zwanzig eine runde Zahl ist. Beides ist willkuerlich. Entscheidend ist das Risikopaar, das Sie tragen wollen: bei welchem Qualitaetsniveau soll ein Los angenommen werden (Produzentenseite) und bei welchem muss es abgelehnt werden (Konsumentenseite). Legen Sie beide fest, und Stichprobenumfang und Annahmezahl ergeben sich — es bleibt nichts zu raten.
Was ein Plan wirklich tut, zeigt die Operationscharakteristik: unten der wahre Fehleranteil, seitlich die Annahmewahrscheinlichkeit. Jeder Plan hat eine, auch der selbst erfundene. SenSight zeichnet sie und markiert Ihre beiden Risikopunkte darauf. Ueberraschend ist meist, wie flach die Kurve verlaeuft: ein streng wirkender Plan nimmt ein schlechtes Los weit oefter an als erwartet.
Eine Zahl lohnt besondere Beachtung: der AOQL, die schlechteste mittlere Ausgangsqualitaet. Werden abgelehnte Lose vollgeprueft und korrigiert, ist die beim Kunden ankommende Qualitaet nach oben begrenzt — und der AOQL ist diese Grenze. Es ist die einzige ehrliche Kurzfassung eines Stichprobensystems, und die meisten Werkzeuge zeigen sie nie.
2. In welchem Bereich liegen die Teile? Hier entsteht der Fehler, der bis zum Kunden gelangt. Sie haben dreissig Messwerte, rechnen ein 95%-Konfidenzintervall und schreiben in den Bericht: "99 % der Teile liegen zwischen diesen Grenzen". Das sind zwei verschiedene Fragen. Ein Konfidenzintervall betrifft den Mittelwert und wird mit mehr Messungen enger. Ein Toleranzintervall betrifft die einzelnen Teile; mehr Daten machen es sicherer, aber kaum enger — weil die Teile tatsaechlich so streuen.
Der Unterschied ist nicht fein: bei typischen Daten ist das Toleranzintervall um ein Vielfaches breiter. Das schmalere zu nennen heisst, eine Streuung zu versprechen, die der Prozess nicht halten kann.
Zwei Vorbehalte. Der uebliche Faktor setzt annaehernd normalverteilte Daten voraus; bei schiefen Messwerten legt er die Grenzen falsch, deshalb prueft SenSight zuerst die Normalitaet und sagt es. Und es gibt eine verteilungsfreie Alternative, die nichts ueber die Form annimmt — aber sie ist nicht umsonst: 99 % mit 95 % Vertrauen aus kleinstem und groesstem Wert abzudecken braucht mehrere hundert Messungen. Das Panel nennt die Zahl, damit Sie sehen, was die Annahme Ihnen erspart.
3. Ist das Neue dasselbe wie das Alte? Neuer Lieferant, neue Maschine, neuer Bediener. Sie rechnen einen t-Test, p kommt bei 0,4 heraus, und im Bericht steht "kein signifikanter Unterschied — beide sind gleichwertig". Dieser Schluss ist unzulaessig und vermutlich der teuerste statistische Fehler in der Fertigung.
Ein grosser p-Wert heisst, der Test konnte keinen Unterschied zeigen. Das passiert, wenn keiner da ist — und genauso, wenn Sie sechs Teile gemessen haben und der Test gar keine Chance hatte. Fehlender Nachweis wird als Nachweis der Abwesenheit gelesen.
Zu zeigen, dass zwei Dinge gleich sind, braucht einen eigenen Test — und etwas, das die Daten nicht liefern koennen: die Angabe, welcher Unterschied klein genug ist, um ihn zu ignorieren. Diese Grenze ist eine technische Entscheidung. Zwei MPa bei der Zugfestigkeit moegen belanglos sein, bei einem sicherheitsrelevanten Mass nicht. Sobald Sie sie nennen, stellt das TOST-Verfahren die richtige Frage: bleibt der Unterschied innerhalb Ihrer Grenze?
Am klarsten liest man das Ergebnis nicht am p-Wert, sondern am Intervall. Liegt das ganze Intervall fuer den Unterschied innerhalb ±Grenze, sind beide gleichwertig. Liegt es ganz ausserhalb, sind sie wirklich verschieden. Ueberschneidet es die Grenze, lautet die ehrliche Antwort: keine Aussage moeglich — meist heisst das, es fehlen Messungen, nicht dass ein anderes Ergebnis herauskommt. SenSight weist alle drei Faelle getrennt aus, denn der dritte wird regelmaessig uebersprungen.
1. Wie viele soll ich pruefen? Die uebliche Antwort ist ein Anteil: zehn Prozent des Loses, oder zwanzig Stueck, weil zwanzig eine runde Zahl ist. Beides ist willkuerlich. Entscheidend ist das Risikopaar, das Sie tragen wollen: bei welchem Qualitaetsniveau soll ein Los angenommen werden (Produzentenseite) und bei welchem muss es abgelehnt werden (Konsumentenseite). Legen Sie beide fest, und Stichprobenumfang und Annahmezahl ergeben sich — es bleibt nichts zu raten.
Was ein Plan wirklich tut, zeigt die Operationscharakteristik: unten der wahre Fehleranteil, seitlich die Annahmewahrscheinlichkeit. Jeder Plan hat eine, auch der selbst erfundene. SenSight zeichnet sie und markiert Ihre beiden Risikopunkte darauf. Ueberraschend ist meist, wie flach die Kurve verlaeuft: ein streng wirkender Plan nimmt ein schlechtes Los weit oefter an als erwartet.
Eine Zahl lohnt besondere Beachtung: der AOQL, die schlechteste mittlere Ausgangsqualitaet. Werden abgelehnte Lose vollgeprueft und korrigiert, ist die beim Kunden ankommende Qualitaet nach oben begrenzt — und der AOQL ist diese Grenze. Es ist die einzige ehrliche Kurzfassung eines Stichprobensystems, und die meisten Werkzeuge zeigen sie nie.
2. In welchem Bereich liegen die Teile? Hier entsteht der Fehler, der bis zum Kunden gelangt. Sie haben dreissig Messwerte, rechnen ein 95%-Konfidenzintervall und schreiben in den Bericht: "99 % der Teile liegen zwischen diesen Grenzen". Das sind zwei verschiedene Fragen. Ein Konfidenzintervall betrifft den Mittelwert und wird mit mehr Messungen enger. Ein Toleranzintervall betrifft die einzelnen Teile; mehr Daten machen es sicherer, aber kaum enger — weil die Teile tatsaechlich so streuen.
Der Unterschied ist nicht fein: bei typischen Daten ist das Toleranzintervall um ein Vielfaches breiter. Das schmalere zu nennen heisst, eine Streuung zu versprechen, die der Prozess nicht halten kann.
Zwei Vorbehalte. Der uebliche Faktor setzt annaehernd normalverteilte Daten voraus; bei schiefen Messwerten legt er die Grenzen falsch, deshalb prueft SenSight zuerst die Normalitaet und sagt es. Und es gibt eine verteilungsfreie Alternative, die nichts ueber die Form annimmt — aber sie ist nicht umsonst: 99 % mit 95 % Vertrauen aus kleinstem und groesstem Wert abzudecken braucht mehrere hundert Messungen. Das Panel nennt die Zahl, damit Sie sehen, was die Annahme Ihnen erspart.
3. Ist das Neue dasselbe wie das Alte? Neuer Lieferant, neue Maschine, neuer Bediener. Sie rechnen einen t-Test, p kommt bei 0,4 heraus, und im Bericht steht "kein signifikanter Unterschied — beide sind gleichwertig". Dieser Schluss ist unzulaessig und vermutlich der teuerste statistische Fehler in der Fertigung.
Ein grosser p-Wert heisst, der Test konnte keinen Unterschied zeigen. Das passiert, wenn keiner da ist — und genauso, wenn Sie sechs Teile gemessen haben und der Test gar keine Chance hatte. Fehlender Nachweis wird als Nachweis der Abwesenheit gelesen.
Zu zeigen, dass zwei Dinge gleich sind, braucht einen eigenen Test — und etwas, das die Daten nicht liefern koennen: die Angabe, welcher Unterschied klein genug ist, um ihn zu ignorieren. Diese Grenze ist eine technische Entscheidung. Zwei MPa bei der Zugfestigkeit moegen belanglos sein, bei einem sicherheitsrelevanten Mass nicht. Sobald Sie sie nennen, stellt das TOST-Verfahren die richtige Frage: bleibt der Unterschied innerhalb Ihrer Grenze?
Am klarsten liest man das Ergebnis nicht am p-Wert, sondern am Intervall. Liegt das ganze Intervall fuer den Unterschied innerhalb ±Grenze, sind beide gleichwertig. Liegt es ganz ausserhalb, sind sie wirklich verschieden. Ueberschneidet es die Grenze, lautet die ehrliche Antwort: keine Aussage moeglich — meist heisst das, es fehlen Messungen, nicht dass ein anderes Ergebnis herauskommt. SenSight weist alle drei Faelle getrennt aus, denn der dritte wird regelmaessig uebersprungen.
In der App ausprobieren
Probieren Sie es: Reiter SPC, unten Entscheidungswerkzeuge. Beginnen Sie mit dem Stichprobenplan — geben Sie Ihre Losgroesse ein und lesen Sie die OC-Kurve, bevor Sie einer geerbten Pruefregel vertrauen.