Versuchsplan – Aufstellen / Auswerten

[o0m4t0o]

#25112

Hallo Leute,

ich kenn mich leider überhaupt nicht im Qualitätsmanagement aus:/ Hoff ihr könnt mir bei diesem Problem helfen:)

Folgendes:
Ich soll mir verschiedene Tests überlegen um ein Problem an einem Kunststoffbauteil zu lösen. Zur Zeit entsteht wegen diesem Problem ein Ausschuss von 0,4% (3000 Teile – ca. 12 Schlecht Teile – Teile werden zu 100% überprüft); Der Fehler tritt willkürlich auf. Jetzt hab ich mir 3,4 Versuche (Veränderungen am Prozess, Werkzeug etc.) überlegt, die meiner Meinung nach diesen Fehler abstellen können. Allerdings bin ich nicht in der Lage bei jedem Versuch 3000 Teile zu produzieren (Budget).
Jetzt ist meine Frage wieviel Teile muss ich denn für einen Versuch herstellen und zu 100% prüfen um ein Aussagekräftiges Ergebnis zu erhalten, ob dieser Versuch eine Verbesserung oder Verschlechterung gebracht hat? Die Frage die ich mir Stelle ist: Wenn ich nur 100 Teile herstelle und der Fehler tritt nicht auf kann ich mir ja nicht sicher sein ob die Umstellung was gebracht hat oder nicht? Wenn bei 100 Teilen 1 Schlechtteil dabei ist wäre das ja Ausschuss von 1%; also automatisch schlechter als der Ursprüngliche Prozess??

Hoff ich konnte das einigermaßen gut erklären; Ich hätte Zugriff auf das Programm Minitab, kenn mich aber wie gesagt noch überhaupt nicht in diesem Bereich aus… Wäre nett paar Grundlegende Infos zum Verständniss zu bekommen und eventuelle Lösung meines Problems:)

Danke im vorraus;)

[evereve99]

#62856

Hallo o0m4t0o,

willkommen im Forum.
Ein Gefühl sagt mir, dass Barbara sich deiner Sache annehmen wird.

Gruß

Evereve99

„Finden wir eine Kompromisslösung – machen wir es so, wie ich es sage.“

Sergei Pawlowitsch Koroljow
Chefkonstrukteur des Sowjetischen Raketenbauprogramms

[Frank_Hergt]

#62859

Hallo o0m4t0o!

Statistikfreie Rückfrage: WARUM kannst Du Dir keine 3.000 Versuchsteile leisten? Was spricht dagegen, die Dinger nach bestandener 100%-Prüfung zu verkaufen bzw. zu verbauen. Kann man ja alles anständig dokumentieren.

Schöne Grüße

Frank

„and pray that there’s intelligent life somewhere up in space,
‚cause there’s bugger all down here on earth!“ (Monty Pythons / Galaxy Song)

[o0m4t0o]

#62860

Hallo Frank Hergt,

danke für die Antwort. Grundsätzlich könnte ich das in die Wege leiten bei einem der Versuche. Bei den anderen zwei funktioniert dies leider nicht, da ich hier die Wanddicke des Kunststoffteils verändere um die Scherung in bestimmten Bereichen herabzusetzten. Die 100% Prüfung wird auf diesen speziellen Fehler der nur ca. 12 mal pro 3000 Teile auftritt angewendet.
Stimmen nun die Abmaße des Bauteils nicht mehr kann dieses auch nicht weiter verbaut werden. Problem ist also noch offen.
Ich hab mir jetzt selber überlegt mit möglichsten schlechten Prozessparametern das Bauteil zu fertigen um so den Fehler öfter auftreten zu lassen. Mit den Veränderungen z.B. der Wanddicke kann ich dann vielleicht leichter eine Tendenz sehen ob sich dies vorteilhaft oder nicht auswirkt. Allerdings bin ich mir noch nicht sicher wie oft oder ob überhaupt mehr Fehlteile entstehen.

Danke bis hierhin.

Gruß

o0m4t0o

[Barbara]

#62863

Hallo o0m4t0o,

es ist immer extrem schwierig, für gut/schlecht oder Fehler ja/nein bzw. Anzahl-Merkmale Prüfpläne oder Versuchspläne mit einer kleinen Probenanzahl und einer großen Aussagekraft aufzustellen.

Ich würd deshalb erstmal schauen, was an Daten schon da ist. Das dürfte bei einer 100%-Prüfung ein bisschen was sein.

Tor 1 Im günstigen Fall liegen nicht nur die Prüf-Ergebnisse (Fehler ja/nein bzw. Fehler-Anzahl pro Teil) vor, sondern auch die dazu gehörenden Material- und Maschinen-Parametereinstellungen. Diese Prozessdaten können dann ohne weitere Versuche ausgewertet werden und untersucht werden, welche Prozess-Einstellungen oder Einstellkombinationen Fehler begünstigen. Auswertungsmethode ist die (binäre) logistische Regression, mit der Du die Wahrscheinlichkeit für „Fehler=ja“ (oder „Fehler=nein“) untersuchen und z. B. herausfinden kannst, ob eine höhere Temperatur ein höheres Fehlerrisiko mit sich bringt. Alternativ gibt es die Poisson-Regression, mit der Du die Fehleranzahl pro Teil (pro Stunde, pro Charge, pro …) untersuchen kannst.

Tor 2 Es gibt keinen Datensatz mit Prozess-Einstellungen und Prüfergebnissen und dieser Datensatz lässt sich auch nicht zusammenstellen. Hier werden neue Messdaten gebraucht, die genau diesen Zusammenhang zwischen Einstellungen im Prozess und Fehlerrate im Prüfergebnis zeigen können. Statistische Versuchsplanung (Design of Experiments bzw. DoE) ist hierfür die effizienteste Methode, d. h. alles andere braucht noch länger, umso mehr, je komplexer die Wirkstrukturen im Prozess sind (Stichwort Wechselwirkungen usw.).

Effizient werden die Versuche dann, wenn Du neben einer kleinen Messunsicherheit bei den Prozess-Einstellungen ein messbares Prozess-Ergebnis hast, also nicht nur „Fehler=ja/nein“ bzw. „Fehleranzahl pro Teil“, sondern irgend etwas in Zahlen wie eine Wandstärke von 3,72mm. Es ist manchmal schwierig, ein sinnvolles und zuverlässiges Messprinzip zu finden. Der Vorteil ist, dass aus den mehreren tausend Teilen, die Du für Fehler ja/nein oder die Fehleranzahl brauchst, einige wenige Teile (i. A. weniger als 100) werden – die dann allerdings in einer messenden Prüfung untersucht werden. (In der aktuellen QZ 5/2015 werden unterschiedlichste Messmethoden vorgestellt, z. B. Messmittel für magnetische Felder oder Spannungen im Glas. Vielleicht findest Du da noch ein paar Anregungen, wie aus dem Fehler ja/nein oder der Fehleranzahl ein Messwert werden kann. Wenn nicht, kannst Du uns einfach ein bisschen mehr über den Fehler verraten, dann helfen wir auch gern beim Nachdenken.)

Wenn Du eine messbare (variable) Zielgröße statt Deiner Fehler ja/nein Zielgröße verwendest, kannst Du für Deinen Basis-Versuchsplan ausrechnen, wie viele Replikationen notwendig sind, um eine Veränderung in der Zielgröße zuverlässig zu entdecken. Die Auswertung läuft dann über die normalen Auswertungsmethoden für die statistische Versuchsplanung.

Tor 3 Es gibt keinen Datensatz und das Prozess-Ergebnis ist Fehler ja/nein oder Fehleranzahl pro Teil. In diesem Fall gibt es keine Möglichkeit in Minitab oder anderen „normalen“ Statistik-Programmen, den notwendigen Probenumfang für einen statistischen Versuchsplan auszurechnen. Die 3000 Teile scheinen eine ganz brauchbare Größenordnung zu sein (nach einigem Ausprobieren mit Trennschärfe und Stichprobenumfang für Anteile und Parameterschätzung). Wie Du schon richtig schreibst, ist bei deutlich weniger Teilen das Risio sehr groß, dass unabhängig von den Prozess-Einstellungen so gut wie kein Fehler auftritt, weil 0,4% einfach ein kleiner Anteil ist.

Ich würd auf jeden Fall versuchen, Tor 1 oder Tor 2 zu nehmen [:)]

Viele Grüße

Barbara

————
Eine gute wissenschaftliche Theorie sollte einer Bardame erklärbar sein.
(Ernest Rutherford, Physiker)

[Autor]

Beiträge