Sie können einen Prozess betreiben, der sich perfekt verhält, nie driftet, und dennoch Teile liefern, die der Kunde ablehnt. Diese Lücke – zwischen einem stabilen Prozess und einem Prozess, der tatsächlich die Spezifikation erfüllt – misst die Prozessfähigkeit. Cp und Cpk sind die beiden Kennzahlen, die das quantifizieren, und den Unterschied zwischen ihnen zu kennen ist eine der nützlichsten Informationen, die ein Qualitäts- oder Fertigungsteam in ein tägliches Produktionsmeeting mitnehmen kann.
Dieses Handbuch erklärt Cp und Cpk in einfacher Sprache, führt durch ein Rechenbeispiel, das Sie übernehmen können, und zeigt, wie die Fähigkeit zurückverknüpft ist zu statistischer Prozesslenkung (Statistical Process Control) und der Qualitätsseite Ihrer Gesamtanlageneffektivität (OEE).
Prozessfähigkeit vergleicht die natürliche Streuung Ihres Prozesses mit der Breite der Spezifikation, in die er passen muss. Die Spezifikation wird vom Kunden oder dem Design vorgegeben: Eine Welle muss zum Beispiel 20,00 mm plus/minus 0,30 mm sein. Ihr Prozess hat meanwhile seine eigene Streuung, die normale Variation, die er erzeugt, wenn nichts falsch ist. Die Fähigkeit stellt eine einfache Frage: Wie komfortabel passt die Prozessstreuung in das Spezifikationsfenster?
Ist die Prozessstreuung deutlich schmaler als die Spezifikation, haben Sie Spielraum und wenige Fehler. Ist die Streuung so breit wie die Spezifikation oder breiter, werden Sie auch dann Außerspez-Teile produzieren, wenn nichts Ungewöhnliches passiert. Cp und Cpk fassen diesen Vergleich in einer einzigen Zahl zusammen.
Cp misst, wie die Breite Ihres Prozesses im Vergleich zur Breite der Spezifikation steht, unter der Annahme, dass der Prozess perfekt zwischen den beiden Grenzwerten zentriert ist. Die Formel lautet Cp = (USL minus LSL) geteilt durch sechs Standardabweichungen, wobei USL und LSL die obere bzw. untere Spezifikationsgrenze sind.
Ein Cp von 1,0 bedeutet, dass die Prozessstreuung genau die Spezifikation ausfüllt. Ein Cp von 2,0 bedeutet, dass die Spezifikation doppelt so breit ist wie der vom Prozess benötigte Bereich – ein sehr komfortabler Spielraum. Der Haken ist, dass Cp ignoriert, wo der Prozess tatsächlich zentriert ist. Cp sagt, was der Prozess tun könnte, wenn er perfekt ausgerichtet wäre, nicht, was er gerade tut.
Cpk berücksichtigt die Zentrierung. Es misst den Abstand vom Prozessmittelwert bis zur nächstgelegenen Spezifikationsgrenze, ausgedrückt in Einheiten der Prozessstreuung. Da immer die schlechtere Seite zugrunde gelegt wird, fällt Cpk, sobald der Prozess von der Mitte abweicht, selbst wenn die Streuung gleich bleibt. Deshalb ist Cpk die Kennzahl, die die meisten Kunden verlangen: Sie spiegelt die Realität wider, nicht das Potenzial.
Eine nützliche Merkhilfe für die beiden Ideen: Cp ist die Größe des Autos, Cpk ist, ob Sie es in der Mitte der Garage geparkt haben. Ein kleines Auto, schlecht geparkt, streift trotzdem die Wand.
Angenommen, ein Wellendurchmesser ist mit 20,00 mm ± 0,30 mm spezifiziert. Das ergibt:
Sie entnehmen Stichproben von der Linie und stellen fest, dass der Prozess bei einem Mittelwert von 20,10 mm mit einer Standardabweichung von 0,06 mm zentriert ist.
Cp = (20,30 minus 19,70) geteilt durch (6 × 0,06) = 0,60 geteilt durch 0,36 = 1,67. Allein hinsichtlich der Streuung sieht der Prozess also stark aus.
Cpk berücksichtigt die Zentrierung. Der Mittelwert von 20,10 liegt näher an der USL als an der LSL, daher bestimmt die obere Seite das Ergebnis:
Cpk ist die kleinere der beiden, also Cpk = 1,11. Die Lücke zwischen Cp = 1,67 und Cpk = 1,11 ist die Kostenfolge des Abweichens von der Mitte. Richten Sie den Prozess wieder auf 20,00 mm aus, würde Cpk ohne Änderung an der Ausrüstung und ohne Reduktion der Streuung auf Cp = 1,67 ansteigen. Diese einzelne Einsicht – dass ein großer Teil der Fähigkeit durch schlechte Zentrierung statt durch übermäßige Variation verloren geht – ist oft der schnellste Qualitätsgewinn auf der Fertigungsebene.
| Cpk | Was es bedeutet | Ungefähres Fehlerlevel |
|---|---|---|
| Unter 1,00 | Nicht fähig; produziert Außerspez-Teile | Hoch |
| 1,00 | Erfüllt gerade so die Spezifikation, kein Spielraum für Drift | ~2.700 ppm |
| 1,33 | Gängiges Minimum für einen fähigen Prozess | ~63 ppm |
| 1,67 | Starke Fähigkeit, typisches Ziel in der Automobilindustrie | ~0,6 ppm |
| 2,00 | Six-Sigma-Niveau der Fähigkeit | ~2 ppb |
Die Ziele variieren je nach Branche und je nachdem, wie kritisch die Eigenschaft ist. Automobilzulieferer verlangen oft einen Cpk von 1,33 oder 1,67 für Schlüsselmerkmale, während eine nicht-kritische Abmessung bei 1,0 akzeptabel sein kann. Entscheidend ist nicht, einer universellen Zahl nachzujagen, sondern das Ziel mit dem Kunden und dem involvierten Risiko abzustimmen.
Fähigkeitszahlen sind nur vertrauenswürdig, wenn der Prozess stabil ist. Stabilität stellen Sie zuerst mit statistischer Prozesslenkung und Regelkarten her, dann messen Sie die Fähigkeit. Eine Fähigkeitsstudie an einem instabilen Prozess liefert eine Zahl, die wenig aussagt, weil sich Streuung und Mittelwert noch bewegen. Bringen Sie den Prozess in Kontrolle, bestätigen Sie das und berechnen Sie dann Cp und Cpk.
Es gibt außerdem ein verwandtes Paar, Pp und Ppk, bekannt als Prozessleistung. Diese verwenden die gesamte langfristige Variation anstelle der kurzfristigen Innerhalb-Untergruppe-Variation, die Cp und Cpk zugrunde liegt. Cp und Cpk beschreiben kurzfristiges Potenzial; Pp und Ppk beschreiben, wie sich der Prozess über ein längeres Zeitfenster tatsächlich verhalten hat. Viele Qualitätsmanagementsysteme berichten beide Werte, und die Lücke zwischen ihnen ist ein nützlicher Indikator dafür, wie stark der Prozess über die Zeit schwankt.
Fähigkeit gehört zur Qualitätsseite der OEE. Schlechte Fähigkeit zeigt sich als Qualitätsverluste, die Ausschuss und reduzierte Ausbeute, die Teil der Six Big Losses sind. Ein Prozess mit Cpk = 1,0 erzeugt stillschweigend Ausschuss und Nacharbeit, die den Qualitätsfaktor und damit die OEE verringern. Die Verbesserung der Fähigkeit ist einer der direktesten Wege, die Qualitätskomponente zu steigern, ohne Verfügbarkeit oder Geschwindigkeit zu verändern.
Cp und Cpk sind nur so gut wie die Messdaten, die ihnen zugrunde liegen. Wenn Daten per Hand entnommen, am Ende einer Schicht aufgezeichnet oder aus einem Messgerät gezogen werden, das nicht richtig kalibriert ist, ist die von Ihnen berechnete Standardabweichung falsch – und damit auch jede darauf aufbauende Fähigkeitskennzahl. Dies ist dieselbe Datenqualitätslücke, die manuelle OEE-Erfassung untergräbt. Wenn Messungen in Echtzeit direkt vom Prozess über automatisierte Datenerfassung kommen, wird eine Fähigkeitsstudie aus einer vierteljährlichen Auditübung zu einem Live-Signal, auf das Sie reagieren können.
Deshalb ist diese Grundlagenarbeit auch vor jeder Analytics- oder KI-Initiative wichtig. Saubere, strukturierte, vertrauenswürdige Betriebsdaten sind das Fundament, und selbst die größten Hersteller haben gelernt, dass man sich nicht durch Modellieren oder Vorhersagen aus unordentlichen Messungen herausmodellieren kann. Sortieren Sie zuerst die Daten, dann werden Fähigkeit, SPC und alles Nachgelagerte einfacher.
Cp misst nur die Streuung des Prozesses gegenüber der Spezifikationsbreite und nimmt an, dass der Prozess perfekt zentriert ist. Cpk berücksichtigt außerdem, wie weit der Prozess tatsächlich von der Mitte abweicht. Cp ist das Potenzial; Cpk ist die Realität. Wenn ein Prozess perfekt zentriert ist, sind beide gleich; je weiter er von der Mitte driftet, desto stärker fällt Cpk unter Cp.
Ein Cpk von 1,33 ist ein gängiges Minimum für einen fähigen Prozess, und 1,67 ist ein typisches Ziel für kritische Merkmale in der Automobilindustrie. Ein Cpk von 1,0 bedeutet, dass Sie die Spezifikation gerade so erfüllen, ohne Spielraum für Drift. Das richtige Ziel hängt von der Branche und der Kritikalität der Eigenschaft ab, stimmen Sie es also mit dem Kunden ab.
Cpk verwendet kurzfristige, innerhalb-Untergruppe-Variation und beschreibt das potenzielle Fähigkeitsniveau eines stabilen Prozesses. Ppk verwendet die gesamte langfristige Variation und beschreibt, wie sich der Prozess über einen längeren Zeitraum tatsächlich verhalten hat. Cpk sieht in der Regel besser aus als Ppk, und die Lücke zwischen ihnen spiegelt Drift und Verschiebungen über die Zeit wider.
Sie können die Zahlen berechnen, aber sie werden nicht viel bedeuten. Fähigkeitsmessungen setzen einen stabilen, vorhersagbaren Prozess voraus. Zeigen Regelkarten, dass der Prozess außer Kontrolle ist, stabilisieren Sie ihn zuerst und messen Sie dann die Fähigkeit.
Cp und Cpk helfen nur, wenn die Messdaten, die ihnen zugrunde liegen, genau und aktuell sind. Fabrico erfasst Produktions- und Qualitätsdaten direkt von Ihren Maschinen in Echtzeit, hält sie sauber und strukturiert und macht Verluste sichtbar, sobald sie auftreten – dieselbe Grundlage, auf die Ihr SPC-Programm und jede zukünftige KI-Initiative angewiesen sind. Buchen Sie eine kurze Demo, um zu sehen, wie es auf Ihre Linien abgebildet wird, oder beginnen Sie mit den OEE-Grundlagen.
Anmeldung
Blog
