[Barbara]

als Antwort auf: Zeitressourcen #32663

Hallo André,

das ist schon ziemlich viel, was bei Euch auf dem Zettel steht. Aber Du weiß ja auch, dass der reale Arbeitsaufwand sehr stark von den Firmenstrukturen, der vorhanden IT, usw. abhängt.

Kann es sein, dass Du einfach von uns lesen möchtest, dass Ihr mehr Personal braucht? ;-)
Wie viele Stunden meinst Du, wären für Euch sinnvoll bzw. wie viele Mitarbeiter bräuchtet Ihr, um das alles zu erledigen?

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Normalverteilung – Anzahl Klassen #32653

Hallo Arne,

so ganz kann ich Dir nicht folgen, wenn Du sagst, dass Excel für die schnelle Auswertung besser ist. Wenn Du eine Excel-Tabelle, ein Excel-Makro und eine Statistik-Software hast, dann ist der Aufwand ziemlich gleich, egal ob Du die Tabelle in Excel öffnest und dann das Makro ausführst oder ob Du die Tabelle in einem Statistik-Programm öffnest und die Werte da berechnest.

Gerade weil die Zellbezüge frei wählbar sind, halte ich die Excel-Programmierung für fehleranfälliger. Da kannst Du dann eben auch mal eine Zelle bei der Berechnung vergessen. Bei Statistik-Programmen wird standardmäßig die gesamte Spalte aus den Daten genommen.

Ich mag die Diskussionen um die Hintergründe bei den statistischen Methoden auch :-) Da wird bestimmt mit der Zeit hier im Forum noch mehr kommen.

Dir und allen anderen auch noch eine schöne Woche!

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Normalverteilung – Anzahl Klassen #32650

Hallo Arne,

ich nehme Excel gerne, wenn es um das Erstellen von Pivot-Tabellen oder sammeln von Infos geht, aber nicht für die statistische Auswertung, denn da hast Du ganz schnell vier Probleme:

1. Schon bei der Berechnung von Kennzahlen (Mittelwert, Standardabweichung, Median, Range, etc.) klickst Du hier, schreibst da eine Formel und musst die richtigen Zellbezüge eingeben, damit das Ergebnis stimmt. Das ist enorm aufwändig. In einer Statistik-Software sind das nur wenige Klicks für alle Kennzahlen, in Excel sehr viel Aufwand für jede Kennzahl.

2. Bei Grafiken ist die Auswahl an Optionen stark eingeschränkt. Ein einfaches Wahrscheinlichkeitsnetz erfordert einen ziemlichen Aufwand bei Excel (und nicht nur drei Klicks).

3. Es gibt – anders als bei Statistik-Paketen – keine Validierung von selbst-geschriebenen Makros. Ob die Ergebnisse stimmen oder ob es Abweichungen gibt, müsste erst mit aufwändigen Tests geprüft werden.

4. Sobald es um höhere Probleme geht (z. B. Ausgleichsgerade bestimmen bei zwei oder mehr Einfluss-Merkmalen), musst Du Dich auf die Ergebnisse verlassen und kannst nicht einmal nachprüfen, wie die zustande gekommen sind. In (fast) jedem Statistik-Programm findest Du in der Hilfe die Beschreibung des verwendeten Algorithmus. Bei Excel nicht. (Und verschiedene Algorithmen haben a) unterschiedliche Güte-Eigenschaften und b) unterschiedliche Ergebnisse.)

Und letztlich: Warum sollte sich jemand diesem Aufwand aussetzen, wenn es gute Alternativen gibt? Es gibt OpenSource-Programme, die kein Geld kosten (z. B. R). Auch die kommerzielle Software ist nicht sooo unglaublich teuer (fängt bei 1400 € ungefähr an, je nach Programm).

Und wenn ich die Anzahl Tage für die Programmierung und Überprüfung der Ergebnisse nehme und mit dem Aufwand für den Kauf, die Implementierung und die Einarbeitung vergleiche, dann schneidet Excel auch da ziemlich schlecht ab. Excel ist eben ein Tabellenkalkulations-Programm und kein Statistik-Programm.

Danke dass Du mir Dein Programm schicken würdest. (Aus den genannten Gründen würde ich es nicht verwenden.) Wenn es um eine Validierung geht, kann ich Deine Werte gerne mit Statistik-Software gegenchecken.

Wenn Du trotz allem eigene NV-Tests programmieren willst, dann schau in das Groß-Buch. Da findest Du alle Formeln, die Du brauchst, um die Test-Statistiken (außer dem Ryan-Joiner) und p-Werte zu berechnen. Wirklich aufwändig ist die Berechnung nur, wenn man das per Hand und ohne Taschenrechner machen will. Das müsste mit Makros relativ einfach umzusetzen sein.

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Ishikawa #32639

Hallo Jenny,

ich versteh Deine Frage nicht so ganz. Üblicherweise werden z. B. die 5M’s Mensch, Maschine, Material, Methode, Mitwelt (Umwelt) als Einflussfaktoren (Gräten) eingesetzt. Das kann auch ergänzt werden, z. B. durch den Ast Money / Geld. Oder was auch immer für die Ursachenanalyse wichtig ist.

Wo genau soll jetzt was nicht stehen?

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Normalverteilung – Anzahl Klassen #32638

Hallo yabelo und alle anderen Statistik-Interessierten,

also:

Ein statistischer Test ist eine Methode, bei der eine Hypothese (H0) und eine Alternative (Gegenhypothese / H1) aufgestellt wird. Anschließend wird geprüft, ob die Werte zur Hypothese passen oder nicht. Dafür wird die Wahrscheinlichkeit berechnet.

Ein Beispiel: Zwei Lieferanten A und B liefern Rohmaterial. Der Kunde glaubt, dass es deutliche (signifikante) Unterschiede zwischen den Rohmaterialien gibt. Die Hypothese ist dann
H0: Rohmaterial von A = Rohmaterial von B
und die Alternative / Gegenhypothese:
H1: Rohmaterial von A ungleich Rohmaterial von B
In der Hypothese steht also im allgemeinen das, was abgelehnt werden soll. (Der Kunde möchte ja nachweisen, dass die Rohmaterialien unterschiedlich sind).

Berechnet wird dann, wie wahrscheinlich die Gültigkeit der Hypothese ist. Die Wahrscheinlichkeit dafür, dass H0 richtig ist, ist der p-Wert. Wenn der p-Wert zu klein ist, wird die Hypothese H0 abgelehnt, wenn der p-Wert groß ist, wird H0 beibehalten.

Weil die Testentscheidung (Hypothese H0 ablehnen oder beibehalten) auf einem Teil der Werte (einer Stichprobe, Messreihe, etc.) getroffen wird und alle Werte eine gewisse Streuung haben, beinhaltet jede Testentscheidung auch die Wahrscheinlichkeit, eine falsche Entscheidung zu treffen.

Es gibt zwei mögliche Fehlerarten:
1. Fehlerart: Die Hypothese wird abgelehnt, obwohl sie in Wirklichkeit richtig ist. Dies ist die Irrtumswahrscheinlichkeit oder der Fehler 1. Art oder alpha.
2. Fehlerart: Die Hypothese wird beibehalten, obwohl sie in Wirklichkeit falsch ist. Das ist der Fehler 2. Art oder beta.

Beachtet wird aber nur alpha! Oft wird alpha=5% gesetzt, d. h. die Wahrscheinlichkeit, die Hypothese zu verwerfen, obwohl sie in Wirklichkeit richtig ist, ist 5%. Anders herum sind 95% meiner Testentscheidungen, wenn ich die Hypothese verwerfe, richtig.

beta hingegen kann nicht vorgegeben werden, sondern nur allgemein über die Gütefunktion (OC-Funktion) für einen speziellen Test berechnet werden (nicht für eine spezielle Testsituation wie den Lieferantenvergleich). Mit Hilfe der Gütefunktion werden verschiedene Testverfahren miteinander verglichen. Derjenige Test mit der höchsten Güte ist dann der beste Test.

Weil beta nicht vorgegeben werden kann, habe ich auch keine direkte Möglichkeit anzugeben, wie hoch die Fehlerwahrscheinlichkeit für ein falsches Beibehalten der Hypothese H0 ist.

Wird das Rohmaterial der beiden Lieferanten A und B miteinander verglichen und die Unterschiede sind klein (bzw. der p-Wert ist groß), dann kann die Hypothese H0 nicht verworfen werden und wird beibehalten. Wie groß die Wahrscheinlichkeit für einen Fehler bei dieser Entscheidung ist (wie groß beta ist), kann nicht angegeben werden.

Bei den meisten Testsituationen werden die Tests verwendet, die die besten Güteeigenschaften haben, d. h. die den kleinsten beta-Fehler unter allen Tests für eine Testsituation haben. Beispiele dafür sind der t-Test auf Vergleich von Mittelwerten oder der F-Test auf Vergleich von Varianzen. (Beide sind allerdings nur dann die besten Tests, wenn die Messwerte mindestens annähernd normalverteilt sind.)

Es gibt aber einen Bereich, in dem sehr häufig Tests mit einer schlechten Güte eingesetzt werden und zwar bei der Überprüfung der Normalverteilung. Hier wird oft mit den Tests gearbeitet, die einfach zu berechnen sind. Dazu gehören der Chi²-Test und der Kolmogoroff-Smirnov-Test (KS-Test oder Lilliefors-Test).

Bevor überall PCs standen, war es nur schwer möglich, exaktere Tests zu verwenden, weil der Rechenaufwand immens ist. Heute wird das von einer Software in Sekundenbruchteilen berechnet.

Leider haben sich die schlechten Güteeigenschaften des Chi²-Tests und des KS-Tests bei der Überprüfung der Normalverteilung noch nicht herumgesprochen und sind in vielen CAQ-Programmen als Standard (oder als einzige Verfahren) implementiert. Dass die Güteeigenschaften so schlecht sind, ist erst seit Mitte der 90er Jahre bekannt. Damals wurde mit aufwändigen Simulationen zum ersten Mal ausgerechnet, wie hoch die Güte der Tests ist. Sie ist niedrig und verglichen mit anderen Testverfahren zu niedrig, als dass der Chi²-Test oder der KS-Test gute Tests sind.

Die schlechten Güteeigenschaften sind bei Tests auf Verteilungsüberprüfung besonders unschön, weil oft nicht die Hypothese H0 abgelehnt werden soll, sondern man zeigen möchte, dass Messwerte normalverteilt sind.

Ein Normalverteilungstest hat die Hypothese und Alternative:
H0: Messwerte sind normalverteilt.
H1: Messwerte sind nicht normalverteilt.

Anders als in vielen anderen Testsituationen soll die Hypothese H0 beibehalten werden. Wie oben beschrieben, beinhaltet diese Testentscheidung den beta-Fehler bzw. einen Fehler 2. Art. Wenn jetzt ein Test mit schlechter Güte (hohem beta-Fehler) verwendet wird, steht die Testentscheidung auf sehr wackeligen Füßen – und zwar unabhängig von dem vorgegebenen alpha-Fehler.

Tests auf Normalverteilung mit einer hohen Güte (kleinem beta-Fehler) sind:
*Cramér-von Mises
*Anderson-Darling
*Shapiro-Wilks
*Shapiro-Francia
*Ryan-Joiner

Bei jedem Test wird die Testentscheidung letztendlich auf der Basis eines Werts (der Teststatistik) getroffen. Weil es unzählige Verteilungen gibt, mit denen die Normalverteilung bei Normalverteilungstests verglichen wird, reicht ein guter Test alleine nicht aus. Zwei sind besser. Wenn beide Tests das gleiche sagen, dann kann die Hypothese H0 „Messwerte sind normalverteilt“ beibehalten werden.

Wer bis hierhin gelesen hat: Hut ab! Denn das ist ziemlich viel von hinten durch die Brust ins Auge und dann noch um die Ecke gedacht.

Ein gutes Einsteigerbuch mit vielen anschaulichen Beispielen und sehr gut verständlich ist:
Fahrmeier, Künstler, Pigeot, Tutz [2004]: Statistik. Der Weg zur Datenanalyse. Springer Verlag, ISBN 3540212329, 29,95 €

Und für diejenigen von Euch, die alles über die Normalverteilung und Normalverteilungstests wissen möchten:
Groß [2004]: A normal distribution course. Peter Lang Verlag, ISBN 3631529341, 34,00 €
(gibt es nur auf Englisch)

Ich hoffe, das hilft Dir / Euch.

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Normalverteilung – Anzahl Klassen #32624

Hallo Yabelo, hallo seba,

welches Thema interessiert Euch genau? Die Tests auf Überprüfung der Normalverteilung, der Ablauf der Verteilungsprüfung allgemein oder die Einteilung in Klassen?

Und vor allem: Wie viel Vorwissen habt Ihr und womit macht Ihr Eure Analysen? Braucht Ihr „nur“ Literatur-Hinweise? (englisch und/oder deutsch?) Oder seid Ihr auf der Suche nach Links?

So viele Fragen ;-)

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Fähigkeitsnachweise an flexibelen Produkten #32599

Hallo Marco,

wenn Du weißt, was Deine Messungen beeinflusst, dann kannst Du daraus ein Modell machen, das die einzelnen Einflüsse unterscheidet.

Also statt wie bisher:
Messwert = Dicke + Messfehler

so etwas wie z. B.:
Messwert = Dicke + Feuchtigkeit + Spannung + Messfehler

Aus diesem Modell (plus eventuell Wechselwirkungen) kannst Du dann die Dicke sehr viel genauer schätzen als aus dem ersten Modell, eben weil die Einflüsse berücksichtigt werden. Ein weiterer Vorteil ist, dass Du auch sehen kannst, ob es weitere wichtige Einflussfaktoren gibt, die noch im Modell fehlen. Der Nachteil ist, dass Du das Modell aufstellen musst (d. h. z. B. auch Feuchtigkeitsmessungen usw. brauchst).

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Vorgehen bei Messwerten außerhalb der Toleranz #32585

Hallo Matthias,

irgendwie scheint heute wieder viel Statistik und der Umgang mit Daten auf Euren Tischen zu landen.

Als erstes ist sicherlich die Frage sinnvoll: Warum ist der Messwert n.i.O.? Ist das Teil n.i.O. oder das Mess-System oder die Messung?

1. Mess-System n.i.O.:
System verbessern und neu messen. Du weißt sonst nie, ob Du tatsächlich schlechte Qualität produziert hast oder nur schlechte Werte.

2. Messung n.i.O.:
Prüfanweisung kontrollieren und optimieren, anschließend neu messen. Auch hier weißt Du sonst nicht, welche Mess-Fehler durch das Messen in Deinen Werten steckt.

3. Teil n.i.O. obwohl der Prozess stabil und sehr gut läuft:
Prozess-Analyse, Suche nach systematischen Fehlern, die das merkwürdige Teil verursacht haben (könnten).
Wenn Du den Fehler gefunden und beseitigt hast, kannst Du nochmal Teile nehmen und messen.

4. Teil n.i.O. und Prozess ist instabil / nicht fähig:
Da hilft nur die Chance zu ergreifen und den Prozess zu verbessern.

Etwas anderes ist die Frage, ob ein Wert noch zum normalen Prozess-Spektrum gehört oder nicht. Dafür gibt es Ausreißer-Tests (Grubbs, Dixon, David-Hartley-Pearson), die aber *ALLE* als Voraussetzung normalverteilte Werte haben. Du musst also erst nachweisen, dass Deine Werte normalverteilt sind, um dann mit den Tests aus sinnvolle Entscheidungen treffen zu können.

Wenn Deine Werte normalverteilt sind und der Ausreißer-Test sagt, dass es ein Ausreißer ist, dann kannst Du den Wert ausschließen. Nur wenn das tatsächlich ein valides Prozess-Ergebnis ist, dann hilft Dir der Ausschluss aus der Analyse nicht viel weiter, denn es könnte jederzeit wieder so ein Ausreißer auftreten. Hier hilft nur, den Prozess an sich zu stabilisieren und zu optimieren.

Das „Standard“-Verfahren ist übrigens ein anderes: Tu so, als sei der Wert nie aufgetaucht, lösch ihn aus der Tabelle und hoffe, dass nie wieder so ein komischer Wert auftritt. (Das hat allerdings nichts mit Statistik zu tun. ;-)

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Normalverteilung – Anzahl Klassen #32583

Hallo rroesch,

also: Es gibt Daumenregeln für eine gute Wahl der Klassenanzahl, aber es gibt keine optimale Anzahl (auch wenn das in QM-Büchern oder Seminaren manchmal behauptet wird).

Häufig verwendet wird die Formel von Sturges oder eine Annäherung daran. Daneben gibt es noch die Formel von Scott und die von Freedman und Diaconis (die Formeln kann ich Dir oder anderen, die es interessiert mailen, das lässt sich hier nur sehr schwer darstellen).

Grundsätzlich ist eine Klasseneinteilung eine mehr oder weniger willkürliche, von außen vorgenommene Gruppierung, d. h. Du verlierst Informationen aus Deinen Werten. Insbesondere, wenn Du überprüfen willst, ob Daten normalverteilt sind, reicht ein Histogramm dafür nicht aus:
http://www.bb-sbl.de/tutorial/verteilungen/ueberpruefungnormalverteilung.html

Wenn Ihr Euch sicher seid, dass Eure Werte normalverteilt sind (weil Ihr das entsprechend geprüft habt), dann brauchst Du die Werte auch nicht zu klassieren. Denn die Normalverteilung ist durch den Mittelwert und die Varianz/Standardabweichung eindeutig festgelegt. Du musst dann aus einer Stichprobe nur den Mittelwert und die Varianz berechnen und kannst damit dann die Glockenkurve zeichnen (lassen).

Die Einteilungs-Regel, dass jede Klasse mindestens 5% der Werte beinhalten sollte, ist (tut mir leid, dass ich das so deutlich sage) Tinnef. Das ist eine Voraussetzung für den Chi²-Test, der für die Überprüfung der Normalverteilung sehr, sehr schlechte Güte-Eigenschaften hat. Vor 20 Jahren, als Computer echter Luxus waren, konnte man nicht anders als per Hand mit klassierten Daten zu rechnen. Das ist heute zum Glück anders.

Generell sind Tests, die auf klassierten Daten basieren, weniger effizient als Tests, die mit den Daten direkt arbeiten (Shapiro-Wilks, Ryan-Joiner, Anderson-Darling, Cramér-van Mises z. B.), denn sie nehmen die vollständige Information aus den Daten.

Nachdem ich Dir jetzt schon so viel um die Ohren gehauen habe, noch eins: Excel ist ein Tabellenkalkulations-Programm und nur sehr eingeschränkt für die zielgerichtete, schnelle und statistisch gute Auswertung von Daten geeignet.

Genug gemeckert ;-)

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Vorbeugemaßnahmen #32551

Hallo Kirsten,

FMEA ist eine Vorbeugungsmaßnahme, wenn die Schritte mit hohen RPZs so geändert würden, dass kein Fehler mehr auftreten kann oder die Auftrittswahrscheinlichkeit deutlich gesenkt wird.
FMEA ist Korrekturmaßnahme, wenn der Fehler nicht beseitigt, sondern lediglich seine Entdeckungswahrscheinlichkeit erhöht wird und somit die Weiterverarbeitung von n.i.O.-Material verhindert wird.

Das meiste andere, was Du beschrieben hast, beugt Kundenunzufriedenheit vor, aber nicht dem Auftreten von Fehlern im Prozess.

Zur Definition von Vorbeugemaßnahmen findest Du hier weitere Infos:
http://www.qm-griffbereit.de/lexikon/QMgriffbereit.19.html
(gaaanz unten)

Und zusätzlich einige Hinweise, was Ihr machen könnt, findest Du hier:
http://www.qm-world.de/000504/index.htm?dummy=nix&word=vorbeugema%DFnahmen

Interessante Ansätze zur vorbeugenden Fehlervermeidung gibt es auch bei „Poka Yoke“ (dazu findest Du hier im Forum einige Links über die Suchfunktion oder bei google).

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Fähigkeitsnachweise an flexibelen Produkten #32546

Hallo Marco,

hast Du die Mess-Unsicherheit schon angeschaut? Eventuell kannst Du ja Eure Werte dadurch (scheinbar) verbessern, dass Ihr das Mess-System optimiert.

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Liefertreue #32527

Hallo Alexbiker,

ein VB-Skript hab ich leider nicht.

Ein Vergleich von Ist und Soll ist sicherlich sinnvoll. Ggf. musst Du dabei noch die Lieferkonditionen berücksichtigen (auf Uhrzeit, auf Termin, auf KW,…), wenn die für Eure Kunden unterschiedlich sind, und die Liefermenge.

Und Du musst entscheiden, ob eine Abweichung vom Soll-Termin in beide Richtungen (zu früh oder zu spät) gleich schlimm ist. Wenn Ihr zu früh dran seid, muss Euer Kunde die Teile einlagern (Lagerkosten, Personalkosten, etc.), wenn Ihr zu spät dran seid, steht schlimmstenfalls die Produktion (Produktionsausfall, Personalkosten, etc.)

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: Diplomarbeit Qualitätssicherung im Einkauf #32518

Hallo Markus,

ich finds ja immer wieder interessant, dass ähnliche Anfragen aus Deiner Firma schon häufiger in Foren aufgetaucht sind. Das nur am Rande.

Das Thema Qualitätssicherung im Einkauf ist sehr, sehr breit. Je nachdem, was Ihr beschafft und wofür Ihr das später verwendet, können sehr unterschiedliche Anforderungen an die Qualitätssicherung da sein (z. B. sind die Vorgaben bei Medizinprodukten höher als bei Stahlverarbeitung).

Kannst Du bitte etwas genauer beschreiben, worum es bei Deiner Diplomarbeit geht?

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: MSA R&R Gage #32494

Hallo Miki24,

zuerst: Du musst wissen, was eine MSA ist und was eine Gage R&R ;-) Und Du solltest die Anforderungen an das Mess-System kennen (wie genau muss es sein in % der Toleranz oder % der Streuung, wie hoch muss die Auflösung sein, wie groß soll der ndc mindestens sein, wie hoch darf die MU höchstens sein, usw.)

Such doch einfach mal in diesem Forum nach den beiden Begriffen, da hast Du dann schon einiges an Infos.

Und auf weitere Fragen kriegst Du hier auch eine Antwort.

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Barbara]

als Antwort auf: S-FMEA Plato #32490

Hallo Tobi,

die Suchfunktion in diesem Forum ;-) Du findest sie oben über dem Login/Logout-Knopf.

Viele Grüße

Barbara

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
Es gibt drei Arten von Menschen: Solche, die zählen können und solche, die nicht zählen können.

[Autor]

Beiträge