Überlegungen zu Daten für Automatisierte Prozessfähigkeitsanalyse

Befolgen Sie beim Erfassen von Daten, Durchführen der Analyse und Interpretieren der Ergebnisse die folgenden Richtlinien, um sicherzustellen, dass die Ergebnisse gültig sind.

Die Daten sollten stetig sein

Stetige Daten sind Messwerte, die potenziell einen beliebigen Wert innerhalb eines Wertebereichs auf einer stetigen Skala annehmen können; dazu gehören auch Brüche und Dezimalzahlen. Gängige Beispiele sind Messwerte für Länge, Gewicht und Temperatur.

Wenn Sie Attributdaten haben, wie z. B. die Anzahl der fehlerhaften Elemente oder Defekte, verwenden Sie Prozessfähigkeitsanalyse für Binomialverteilung oder Prozessfähigkeitsanalyse (Poisson).

Erfassen Sie genügend Daten, um zuverlässige Schätzwerte der Prozessfähigkeit zu erhalten

Erfassen Sie nach Möglichkeit insgesamt mindestens 100 Datenpunkte(Teilgruppengröße*Anzahl der Teilgruppen), z. B. 25 Teilgruppen der Größe 4 oder 35 Teilgruppen der Größe 3. Wenn Sie keine ausreichende Menge von Daten über einen angemessenen Zeitraum erfassen, stellen die Daten die verschiedenen Quellen der Prozessstreuung möglicherweise nicht genau dar, und die Schätzwerte spiegeln nicht die tatsächliche Prozessfähigkeit des Prozesses wider.

Der Prozess muss stabil und beherrscht sein

Wenn der aktuelle Prozess nicht stabil ist, kann die künftige, laufende Prozessfähigkeit des Prozesses anhand der Prozessfähigkeitsindizes nicht zuverlässig beurteilt werden. Wenn Sie sich nicht sicher sind, ob Ihr Prozess unter Kontrolle ist, verwenden Sie eine Regelkarte, um die Prozessstabilität zu bewerten, bevor Sie diese Analyse durchführen.

Verwenden Sie eine Methode, die mit Prozesswissen kompatibel ist

Verwenden Sie Prozesswissen, um die von der Analyse ausgewählte Methode zu bestätigen. Zum Beispiel funktioniert die Weibull-Verteilung nur mit positiven Daten. Angenommen, die Analyse wählt die Weibull-Verteilung für einen Prozess aus, wenn eine Stichprobe nur positive Werte aufweist, Sie aber wissen, dass der Prozess routinemäßig negative Werte erzeugt. Da die Merkmale der Methode nicht mit dem Verhalten des Prozesses kompatibel sind, sollten Sie andere Methoden in Betracht ziehen, die gut zu den Daten passen.