Wichtigste Erkenntnisse
Kurzantwort: P-Charts und C-Charts sind beide Attribut-Kontrollkarten im SPC, zählen aber unterschiedliche Dinge und beruhen auf unterschiedlichen statistischen Modellen.
Ein p-Chart verfolgt den Anteil fehlerhafter Einheiten; jedes geprüfte Teil wird einfach als konform oder nicht konform klassifiziert, und das Diagramm trägt den fehlerhaften Anteil ein und kann mit variierenden Stichprobengrößen umgehen.
Ein c-Chart erfasst die Anzahl der Fehler innerhalb eines konstanten Prüfbereichs; eine Einheit kann viele Fehler haben, und das Diagramm stellt die Anzahl der Fehler pro Prüfeinheit dar.
Die Unterscheidung lautet fehlerhafte Einheiten versus Anzahl der Fehler, und sie bestimmt, welches statistische Modell gilt (Binomialverteilung für das p-Chart, Poisson-Verteilung für das c-Chart). Daher ist die richtige Wahl für gültige Kontrollgrenzen entscheidend.
Ein p-Chart ist eine Attribut-Kontrollkarte, die den Anteil fehlerhafter Einheiten in einer Stichprobe verfolgt.
Die zentrale Idee ist die binäre Klassifikation: Jedes geprüfte Teil wird als Ganzes entweder als konform (gut) oder nicht konform (fehlerhaft) beurteilt, es besteht entweder aus Sicht der Prüfung ein Bestehen oder ein Nichtbestehen, ohne Zählung, wie viele Dinge daran fehlerhaft sind.
Das Diagramm trägt p ein, den fehlerhaften Anteil in jeder Stichprobe (Anzahl fehlerhafter Einheiten geteilt durch die Stichprobengröße), gegenüber Kontrollgrenzen, und signalisiert, wenn sich dieser Anteil jenseits dessen verschiebt, was normale Schwankungen erklären würden.
Eine definierende Stärke des p-Charts ist, dass es mit variierenden Stichprobengrößen umgehen kann: Da ein Anteil statt einer Rohzahl dargestellt wird, passen sich die Kontrollgrenzen an die Größe jeder Stichprobe an, sodass es auch verwendet werden kann, wenn die Anzahl der geprüften Einheiten von Periode zu Periode variiert.
Das p-Chart beruht auf der Binomialverteilung, die die Anzahl von Bestehen/Nichtbestehen-Ergebnissen in einer festen Anzahl unabhängiger Versuche modelliert. Es beantwortet die Frage „Welcher Anteil unserer Einheiten ist fehlerhaft?“, wobei jede Einheit als einzelnes Gut-oder-Schlecht-Urteil behandelt wird.
Ein c-Chart ist eine Attribut-Kontrollkarte, die die Anzahl der Fehler (Nichtkonformitäten) innerhalb eines konstanten Prüfbereichs verfolgt.
Hier ist die Einheit nicht einfach bestanden oder nicht bestanden; stattdessen zählt man, wie viele einzelne Fehler in einer definierten Prüfeinheit auftreten, und eine einzelne Einheit kann null, einen oder viele Fehler haben.
Das Diagramm trägt c ein, die Anzahl der Fehler pro Prüfeinheit, gegenüber Kontrollgrenzen.
Die entscheidende Voraussetzung ist ein konstanter Prüfbereich: Jede Prüfeinheit muss dieselbe Möglichkeit für Fehler bieten, dieselbe Fläche, dieselbe Materiallänge, dieselbe Produktmenge, damit die Zählungen vergleichbar sind.
Beispiele sind die Anzahl von Fehlstellen auf einer festen Fläche beschichteten Blechs, Fehler pro Lauflänge eines Drahts oder Mängel pro montierter Einheit.
Das c-Chart beruht auf der Poisson-Verteilung, die die Anzahl von Ereignissen modelliert, die in einem festen Intervall oder einer festen Fläche auftreten, wenn jedes Ereignis unabhängig ist und im Vergleich zu den Möglichkeiten selten auftritt.
Es beantwortet eine andere Frage als das p-Chart: nicht „Ist diese Einheit fehlerhaft?“, sondern „Wie viele Fehler gibt es in dieser konstanten Prüfeinheit?“
Der Kern der Unterscheidung ist, was Sie zählen: fehlerhafte Einheiten versus Anzahl der Fehler.
Ein p-Chart zählt Einheiten und fragt, wie viele davon fehlerhaft sind; jede Einheit liefert ein einziges Gut-oder-Schlecht-Urteil, und eine Einheit mit fünf Mängeln zählt genauso wie eine mit einem (beide sind einfach „fehlerhaft“).
Ein c-Chart zählt Fehler und fragt, wie viele es sind; eine Einheit mit fünf Mängeln liefert fünf, eine mit einem liefert eins, und der Gesamtstatus der Einheit (bestanden/nicht bestanden) ist hier nicht der Punkt.
Deshalb beantworten die beiden Karten unterschiedliche Fragen und sind nicht gegeneinander austauschbar: Das p-Chart misst die Rate fehlerhafter Produkte (nützlich, wenn zählt, ob eine Einheit akzeptabel ist), während das c-Chart die Fehlerdichte misst (nützlich, wenn zählt, wie viele Unvollkommenheiten auftreten, selbst bei ansonsten verwendbarem Produkt).
Der Fehler, „fehlerhaft“ und „Fehler“ als dasselbe zu behandeln, die Unterscheidung, die im Artikel Nichtkonformität vs Defekt näher untersucht wird, führt genau dazu, dass die falsche Karte gewählt wird. Die eine bezieht sich auf die Einheit; die andere auf die Anzahl.
Der Grund, warum die Wahl technisch wichtig ist, ist, dass jede Karte auf einer anderen Wahrscheinlichkeitsverteilung beruht, und diese Verteilung bestimmt, wie die Kontrollgrenzen berechnet werden.
Das p-Chart basiert auf der Binomialverteilung, geeignet, wenn jede Einheit ein unabhängiger Bestehen/Nichtbestehen-Versuch ist und Sie den Anteil der Ausfälle verfolgen.
Das c-Chart basiert auf der Poisson-Verteilung, geeignet, wenn Sie unabhängige, relativ seltene Ereignisse (Fehler) in einem festen Prüfbereich zählen. Diese Verteilungen haben unterschiedliche Varianzstrukturen, sodass sie unterschiedliche Formeln für die Kontrollgrenzen liefern.
Wendet man die auf der Binomialverteilung beruhenden Grenzen eines p-Charts auf Daten an, die tatsächlich Fehlerzählungen in einem konstanten Bereich sind, oder die auf Poisson basierenden Grenzen eines c-Charts auf Daten, die tatsächlich Anteile fehlerhafter Einheiten sind, dann sind die Kontrollgrenzen falsch, zu breit oder zu eng, sodass die Karte echte Signale übersieht oder normale Schwankungen fälschlich alarmiert.
Deshalb ist die Auswahl der korrekten Attributkarte keine Stilfrage, sondern eine statistische Anforderung: Die Karte muss zur Art der Daten passen, sonst basiert das gesamte Kontrollkartenverfahren auf dem falschen Modell.
Stellen Sie sich vor, Sie prüfen Leiterplatten.
Wenn Sie Stichproben von Platinen entnehmen und jede Platine einfach als gut oder defekt klassifizieren, sie besteht den Endtest oder nicht, dann zählen Sie fehlerhafte Einheiten, und ein p-Chart ist korrekt: Tragen Sie den Anteil der fehlgeschlagenen Platinen in jeder Stichprobe ein; weil die Stichprobengröße variieren kann, passt das p-Chart seine Grenzen entsprechend an.
Angenommen, Sie prüfen stattdessen jede Platine und zählen die Anzahl einzelner Lötfehler darauf; eine Platine kann null, zwei oder sieben haben, und jede Platine hat dieselbe Anzahl von Lötstellen (ein konstanter Prüfbereich).
Dann zählen Sie Fehler, nicht Einheiten, und ein c-Chart ist korrekt: Tragen Sie die Anzahl der Lötfehler pro Platine gegen Poisson-basierte Grenzen ein.
Dasselbe Produkt ergibt unterschiedliche Karten, je nachdem, was Sie messen: Pass/Fail-Urteile pro Einheit sprechen für das p-Chart, Fehlerzählungen pro konstanter Einheit sprechen für das c-Chart.
Wenn Sie irrtümlich ein p-Chart auf die Zählung von Lötfehlern anwenden, passen die binomialen Grenzen nicht zu Poisson-Zähldaten, und die Signale der Karte sind unzuverlässig, geben Fehlalarme oder übersehen echte Verschiebungen der Fehlerhäufigkeit.
Die Entscheidung beruht auf zwei Fragen.
Erstens: Zählen Sie fehlerhafte Einheiten oder Fehler? Wenn jedes Teil als Ganzes in konform oder nicht konform klassifiziert wird und Sie den Anteil der Ausfälle verfolgen, benötigen Sie eine Karte für fehlerhafte Einheiten, ein p-Chart (Anteil) oder dessen naher Verwandter das np-Chart (Anzahl der Fehlerhaften, verwendet bei konstanter Stichprobengröße).
Wenn Sie einzelne Nichtkonformitäten zählen und eine Einheit mehrere haben kann, benötigen Sie eine Karte für Fehler, ein c-Chart (Anzahl pro Einheit, konstanter Prüfbereich) oder dessen Verwandten das u-Chart (Fehler pro Einheit, verwendet bei variablem Prüfbereich).
Zweitens, im Fehlerfall: Ist der Prüfbereich konstant? Wenn ja, gilt das c-Chart; wenn die Prüfeinheitengröße variiert, verwenden Sie das u-Chart, das Fehler pro Einheit darstellt und für die veränderliche Fläche anpasst.
Die gleiche Nebenfrage gilt für den Fall fehlerhafter Einheiten: Ist die Stichprobengröße konstant? Konstante Größe erlaubt das einfachere np-Chart, variierende Größe erfordert das p-Chart.
Stimmen Sie die Karte mit dem ab, was Sie zählen, und damit, ob die Basis konstant ist, und die Statistik wird stimmen.
Attribut-Kontrollkarten überwachen die Fehlerdaten, die den Qualitätsfaktor von OEE antreiben.
Ob Sie den Anteil fehlerhafter Einheiten (p-Chart) oder die Fehlerdichte (c-Chart) verfolgen: Die Karte liefert eine Frühwarnung, dass der Prozess, der Ihre Qualitätsverluste erzeugt, sich verschoben hat, sodass Sie eingreifen können, bevor die Fehlerquote steigt und der Qualitätsfaktor fällt.
Die richtige Kartenwahl ist hier wichtig, weil eine nicht passende Karte unzuverlässige Signale liefert: Fehlalarme verschwenden Ressourcen bei der Jagd nach Nicht-Problemen, während verpasste Signale echte Qualitätsverluste ungesehen wachsen lassen, und so die Verbindung zwischen SPC und OEE-Qualität zusammenbricht.
Die Karten fügen sich auch in das breitere SPC-Bild ein; sie arbeiten zusammen mit der Unterscheidung zwischen Kontrollgrenzen und Spezifikationsgrenzen (dies sind Kontrollkarten, beurteilt an Kontrollgrenzen, nicht an Spezifikationsgrenzen) und hängen von vertrauenswürdiger Messung und klaren Fehlerdefinitionen ab.
Gutes Attribut-Charting hält die Fehlerdaten hinter Ihrem Qualitätsfaktor verlässlich und verschafft Ihnen Vorlaufzeit, um ihn zu schützen.
Fabrico erfasst Fehler- und Qualitätsverluste gegenüber dem laufenden OEE und liefert die zugrunde liegenden Daten, aus denen Attributkarten entstehen: wie viele Einheiten ausgefallen sind, wie viele Fehler aufgetreten sind und wann.
Indem es den Qualitätsfaktor und seine Verluste über die Zeit sichtbar macht, zeigt es, wann sich die Fehlerquote verschiebt und welche Verluste wiederkehren, und ergänzt die SPC-Karten auf dem Werksboden um die Produktionskostenperspektive, die es erlaubt, Qualitätsverschlechterungen zu erkennen.
Demo buchen, um die Fehlerdaten hinter Ihrem Qualitätsfaktor sichtbar und handlungsfähig zu halten.
Ein p-Chart verfolgt den Anteil fehlerhafter Einheiten, wobei jede Einheit als bestanden oder nicht bestanden klassifiziert wird. Ein c-Chart erfasst die Anzahl der Fehler in einem konstanten Prüfbereich, wobei eine Einheit mehrere Fehler haben kann. Der Unterschied ist also fehlerhafte Einheiten versus Anzahl der Fehler, und sie beruhen auf unterschiedlichen statistischen Modellen.
Verwenden Sie ein p-Chart, wenn Sie jedes Teil als Ganzes in konform oder nicht konform einteilen und den Anteil der Ausfälle verfolgen. Es kann mit variierenden Stichprobengrößen umgehen, weil es einen Anteil darstellt. Ist die Stichprobengröße konstant, ist das np-Chart (Anzahl der fehlerhaften Einheiten) eine einfachere Alternative.
Verwenden Sie ein c-Chart, wenn Sie einzelne Fehler innerhalb eines konstanten Prüfbereichs zählen und eine einzelne Einheit mehrere Fehler haben kann, zum Beispiel Fehlstellen auf einer festen Blechfläche oder Fehler pro montierter Einheit. Wenn der Prüfbereich variiert, verwenden Sie ein u-Chart, das Fehler pro Einheit darstellt.
Weil jede Karte auf einer anderen Verteilung beruht, Binomial für das p-Chart, Poisson für das c-Chart, die die Formeln für die Kontrollgrenzen bestimmt. Die falsche Karte anzuwenden bedeutet, die falsche Statistik zu nutzen, wodurch die Kontrollgrenzen zu breit oder zu eng werden und die Karte echte Signale übersieht oder falsche Alarme auslöst.
Eine fehlerhafte Einheit ist eine als Ganzes nicht konforme Einheit (gezählt von p- und np-Charts). Ein Fehler ist eine einzelne Nichtkonformität, und eine Einheit kann mehrere haben (gezählt von c- und u-Charts). Die Verwechslung der beiden führt zur Wahl der falschen Attributkarte und zu ungültigen Kontrollgrenzen.
Anmeldung
Blog
