Wichtigste Erkenntnisse
Kurzantwort: Attributdaten sind kategorial — bestehen oder nicht bestehen, Go oder No-Go, eine Zählung von Fehlern. Variablendaten sind Messwerte auf einer kontinuierlichen Skala — Länge, Gewicht, Temperatur. Variablendaten zeigen, wie nahe der Prozess am Grenzwert läuft, ermöglichen Frühwarnungen, bevor Fehler auftreten, und benötigen für die gleiche statistische Aussagekraft viel kleinere Stichproben. Attributdaten sind einfacher zu erfassen, bleiben aber blind, bis ein Teil ausfällt. Siehe auch Regelkarte vs. Laufdiagramm.
Attributdaten beantworten Ja oder Nein. Sie zeichnen auf, ob ein Teil bestanden oder nicht bestanden hat, oder zählen, wie viele Fehler aufgetreten sind. Sie sind einfach und schnell zu erfassen — ein Häkchen oder eine Zählung — liefern aber keine Information darüber, wie gut oder wie knapp ein Teil war.
Variablendaten sind Messwerte auf einer kontinuierlichen Skala — die tatsächliche Abmessung, das Gewicht oder die Temperatur. Sie zeigen genau, wo sich jedes Teil innerhalb der Spezifikation befindet, und machen sie dadurch deutlich leistungsfähiger für Prozesssteuerung und Frühwarnungen.
Eine Welle hat eine Durchmesser-Spezifikation von 10,00 ± 0,05 mm. Attributdaten verzeichnen nur „Bestanden“, bis ein Teil schließlich 10,06 mm misst und ausfällt — zu diesem Zeitpunkt ist der Prozess bereits eine Stunde lang in Richtung Grenze abgerückt und hat eine Charge produziert, die nahe am Grenzwert liegt. Variablendaten messen bei jeder Kontrolle den tatsächlichen Durchmesser: 10,01, 10,02, 10,03 ... der Trend zur Grenze ist lange sichtbar, bevor ein Teil ausfällt, sodass der Bediener den Prozess anpassen kann, während noch alles in Ordnung ist. Gleiche Teile, aber eine Methode warnt, die andere meldet erst den Fehler.
Ein Bestehen/Nichtbestehen-Check sagt Ihnen nichts, bis ein Teil ausfällt. Eine Messung zeigt einen Trend zur Grenze, während die Teile noch in Ordnung sind, sodass Sie handeln können, bevor Fehler auftreten. Außerdem sind für die Erkennung einer Verschiebung viel kleinere Stichproben nötig, wodurch sie sowohl informativer als auch effizienter sind.
Attributdaten sind geeignet, wenn Messen unpraktisch ist oder die Eigenschaft wirklich kategorial ist — vorhanden oder nicht vorhanden, korrekt oder nicht korrekt, eine visuelle Unregelmäßigkeit. Andernfalls sollten Sie aufgrund der Frühwarnwirkung und Stichprobeneffizienz Variablendaten bevorzugen.
1. Attributdaten verwenden, obwohl Messung möglich ist. Dadurch verzichtet man auf Frühwarnung und Stichprobeneffizienz.
2. Größere Attributproben zur Kompensation. Attributdaten benötigen für die gleiche Aussagekraft deutlich größere Stichproben.
3. Keine SPC für Variablendaten. Messwerte sammeln, aber nie den Trend charten.
4. Bestehen/Nichtbestehen bei einer kritischen Dimension. Der Prozess driftet ungesehen, bis ein Teil schließlich ausfällt.
Variablendaten treiben reale SPC an, die Leistungs- und Qualitätsdrift erfasst, bevor sie zu Stillstand oder Ausschuss wird — und so Verbesserungen der OEE ermöglicht, indem das Problem vor dem Ausfall adressiert wird, statt es nachträglich zu zählen.
Fabrico erfasst gemessene Qualitätsdaten, damit Sie Trends darstellen und handeln können, bevor Teile ausfallen, statt nur Ausschuss zu zählen. Demo buchen, um gemessene Qualitätsdaten in Ihrem OEE zu sehen.
Variablendaten — deutlich weniger für die gleiche statistische Aussagekraft.
Sie geben Frühwarnungen, bevor Fehler auftreten, während die Teile noch in Ordnung sind.
Nein — sie eignen sich für wirklich kategoriale Prüfungen, wenn Messen unpraktisch ist.
Variablendaten sind die Grundlage für die sinnvollste statistische Prozesslenkung.
Wenn die Eigenschaft wirklich kategorial ist, etwa vorhanden/nicht vorhanden oder eine sichtbare Makel.
Anmeldung
Blog
