Gauge R&R (Wiederholbarkeit und Reproduzierbarkeit) ist eine statistische Studie, die quantifiziert, wie viel der Variation in einer Messreihe vom Messsystem selbst ausgeht und nicht von den zu messenden Teilen. Sie ist die Kerntechnik innerhalb der Messsystemanalyse (MSA) und beantwortet eine eindeutige Frage: Kann man den Zahlen vertrauen, die Ihre Messgeräte und Prüfer liefern? Wenn ein Messsystem zu viel der beobachteten Variation beiträgt, ist jede nachgelagerte Entscheidung, die auf diesen Daten basiert (Qualitätstore, Fähigkeitsstudien, Regelkarten), kompromittiert. Gauge R&R trennt Messfehler in zwei Komponenten, Wiederholbarkeit und Reproduzierbarkeit, und drückt deren kombinierten Effekt als Prozentsatz aus, sodass Sie das System akzeptieren, verbessern oder verwerfen können.
Die beiden Hälften von Gauge R&R beschreiben unterschiedliche Quellen von Messfehlern, und ihre Verwechslung führt dazu, dass das falsche Problem angegangen wird.
Kombiniert bilden sie die gesamte Messsystemvariation, üblicherweise als GRR geschrieben. Die verbleibende Variation in Ihrer Studie sollte von echten Teil-zu-Teil-Unterschieden stammen — das ist das Signal, das Sie tatsächlich erkennen möchten.
Ein Messsystem ist die Linse, durch die Sie Ihren Prozess sehen. Ist die Linse verzerrt, können Sie nichts, was Sie durch sie beobachten, vertrauen. Deshalb muss eine validierte Gauge R&R-Studie vor statistischer Prozesslenkung (SPC) und jeder Prozessfähigkeitsanalyse erfolgen. Wenn Ihr Messgerät 25 Prozent der Gesamtvariation hinzufügt, kann eine Regelkarte Fehlalarme auslösen oder schlimmer noch, echte Sonderursachensignale verbergen. Fähigkeitskennzahlen wie Cp und Cpk verlieren ihre Aussagekraft, weil ein Teil der gemessenen Streuung reines Messrauschen ist. Ein strukturiertes Verbesserungsprojekt wie DMAIC validiert aus genau diesem Grund fast immer das Messsystem in der Measure-Phase: Sie können nicht verbessern, was Sie nicht zuverlässig messen können.
Gauge R&R-Ergebnisse werden als Prozentsatz angegeben, damit sie gegen eine Standardregel bewertet werden können. Es gibt zwei gebräuchliche Bezugsgrößen:
Eine verwandte Kennzahl ist die Anzahl unterscheidbarer Kategorien (ndc), die abschätzt, wie viele separate Teilegruppen das System zuverlässig auseinanderhalten kann. Ein ndc von 5 oder mehr gilt allgemein als akzeptabel.
Die Richtlinien der Automotive Industry Action Group (AIAG) geben eine einfache Entscheidungsregel basierend auf dem %GRR-Wert:
Diese Schwellenwerte sind Richtwerte, keine Gesetze. Eine sicherheitskritische Maßeinheit kann strengere Grenzen verlangen, während ein grobes Sortiermessgerät mehr tolerieren könnte.
Stellen Sie sich eine Gauge R&R-Studie an einem Messschieber zur Wellendurchmessermessung vor. Nach den Standardabweichungsberechnungen erhalten Sie diese Werte in Millimetern:
Da diese Komponenten quadratisch kombiniert werden (Varianzen addieren sich, nicht die Standardabweichungen), quadriert man zunächst jede Größe. Die Wiederholbarkeitsvarianz ist 0.008 zum Quadrat = 0.000064. Die Reproduzierbarkeitsvarianz ist 0.006 zum Quadrat = 0.000036. Die GRR‑Varianz ist ihre Summe: 0.000064 + 0.000036 = 0.000100, also ist die GRR‑Standardabweichung die Quadratwurzel, 0.010 mm.
Als Nächstes ermittelt man die Gesamtvariation. Die Teil‑zu‑Teil‑Varianz ist 0.040 zum Quadrat = 0.001600. Die Gesamtvarianz = GRR‑Varianz + Teilvarianz = 0.000100 + 0.001600 = 0.001700, also ist die Gesamtstandardabweichung die Quadratwurzel, ungefähr 0.041231 mm.
Nun berechnen Sie die % Studienvariation: (GRR‑Standardabweichung / Gesamtstandardabweichung) mal 100 = (0.010 / 0.041231) mal 100 = 24.25 Prozent. Dieses Ergebnis liegt im Bereich von 10 bis 30 Prozent, was bedeutet, dass das System grenzwertig ist und eine Verbesserung wert ist. Da die Wiederholbarkeit (0.008) größer ist als die Reproduzierbarkeit (0.006), ist die Kalibrierung oder Auflösung des Messschiebers der größere Hebel, sodass eine Neukalibrierung oder ein Upgrade des Messgeräts mehr helfen würde als eine Schulung der Bediener.
Wenn eine Studie scheitert, liegt die Ursache meist in einigen wenigen Kategorien. Eine Rangfolge mittels Pareto‑Analyse hilft, den größten Beitrag zuerst anzugehen.
Die Behebung dieser Ursachen hängt direkt mit umfassender Zuverlässigkeitsdisziplin zusammen. Ein gut geführtes Total Productive Maintenance-Programm hält Messgeräte kalibriert und in gutem Zustand, und eine FMEA kann Messausfallmodi identifizieren, bevor sie in der Fertigung auftreten.
Um es klar zu sagen: Eine formelle Gauge R&R‑Studie ist eine dedizierte MSA‑Übung, die in statistischer Software durchgeführt wird, und Fabrico ist kein Gauge R&R‑Rechner. Was Fabrico liefert, ist die verlässliche Produktionsdaten‑Schicht, die Messdisziplin in großem Maßstab umsetzbar macht. Fabrico liefert Echtzeit‑OEE und Produktionsüberwachung, und sein CMMS‑Produkt verfolgt die Anlagen, Arbeitsaufträge und vorbeugenden Zeitpläne, die Ihre Messgeräte kalibriert und in Spezifikation halten. Fabrico bietet außerdem bildverarbeitungsbasierte Überwachung, die Zyklus‑ und Stillstandsdaten erfasst – selbst an Maschinen ohne SPS – sodass Qualitätsereignisse konsistent protokolliert werden und nicht durch inkonsistente manuelle Eingaben verloren gehen. Gute Messsysteme reduzieren ungeplante Stillstände, die aus falsch eingeschätzter Qualität entstehen, und ein gemeinsames CMMS stellt sicher, dass jedes Messgerät eine dokumentierte Kalibrierhistorie hat. Sind Ihre Messungen einmal vertrauenswürdig, gibt Fabrico diesen sauberen Daten ein dauerhaftes, in der EU gehostetes Zuhause.
Die klassische, von der AIAG empfohlene Cross‑Studie verwendet 10 Teile, 3 Prüfer und 3 Durchgänge pro Prüfer, also 90 Messungen insgesamt. Die Teile sollten das volle Spektrum der Prozessvariation abdecken, und die Prüfer sollten in zufälliger Reihenfolge messen, ohne vorherige Ergebnisse einzusehen. Weniger Teile oder Durchgänge verringern das statistische Vertrauen in die Schätzung, daher bleibt das 10×3×3‑Layout für die meisten Dimensionsprüfungen der praktische Standard.
Nein. Die Kalibrierung vergleicht ein Messgerät mit einem bekannten Referenzstandard, um seine Genauigkeit (Nähe zum wahren Wert) zu bestätigen, während Gauge R&R die Präzision (die Streuung wiederholter Messwerte) misst. Ein Messgerät kann perfekt kalibriert sein und dennoch bei Gauge R&R durchfallen, wenn seine Messwerte streuen; und es kann wiederholbar, aber verzerrt sein, wenn es außer Kalibrierung ist. Beides ist notwendig, und ein proaktives Wartungs-Programm sollte beides einplanen.
Gauge R&R validiert die Messinputs, während Zuverlässigkeitskennzahlen wie MTBF und MTTR die Anlagenleistung über die Zeit beschreiben. Sie sind komplementär: Werden Ihre Ausfall‑ und Stillstandszeitstempel inkonsistent erfasst, übernehmen Ihre Zuverlässigkeitskennzahlen dieses Messrauschen. Zuverlässige Datenerfassung, die Fabrico automatisiert, ist die gemeinsame Grundlage sowohl für Qualitäts‑ als auch für Zuverlässigkeitsanalysen.
Ein vertrauenswürdiges Messsystem ist der Startpunkt jeder Qualitätsinitiative, und verlässliche Produktionsdaten sorgen dafür, dass es dabei bleibt. Sehen Sie, wie Fabrico Echtzeit‑OEE, CMMS und bildverarbeitungsbasierte Überwachung in eine saubere, in der EU gehostete Datenbasis für Ihr Qualitätsprogramm verwandelt, indem Sie eine Demo buchen.
Anmeldung
Blog
