Vorgehen bei Messwerten außerhalb der Toleranz

[matthias_hasse]

#20670

Hallo,
gibt es ein standartisiertes Vorgehen, wenn ein Messwert aus der Toleranz rausfällt? Z.B.: 1. Messung n.i.O., anschließend noch 2mal messen, Mittelwert bilden, schauen ob dieser innerhalb der Grenzen liegt.
Danke für Antworten
Matthias

[plutho]

#32581

Ja gibt es, ist aber komliziert.
Lies bitte zum Beispiel den „Grubbs Ausreißertest“ nach.

lg Thomas

[qualyman]

#32582

Hallo Mathias,

zuerst ein herzliches Willkommen in unserem Spitzen-Forum! Hier bekommst Du immer geholfen!

Meine Frage: warum aus 1xn.i.O und 2x i.O. den Mittelwert bilden und dann davon ausgehen, daß alles stimmt?
Dein Prozeß streut wahrscheinlich so sehr, daß Du immer wieder n.i.O.-Teile findest.
Hier solltest Du erst mal eine vorläufige Prozessfähigkeit durchführen, die äußeren Einflüße minimieren bzw. optimieren und dann eine richtige Prozessfähigkeit durchführen, welche dann einen cpk von >1,33 haben sollte.

Ansonsten findest Du in unserem Forum bei Eingabe von Begriffen unter „Suche“ immer wieder was Treffendes.

Gute Zeit!

Qualyman – Qualitäter aus Überzeugung !

[Barbara]

#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.

[matthias_hasse]

#32801

Danke für die Antworten. Dass am Prozess, was geändert werden muss, ist mir auch klar und die Suche läuft.
Allerdings erwartet der Kunde (er weiss, dass der prozess sehr schwierig zu handhaben ist) bis Ende dieser Woche eine Aussage, wie wir vorgehen. Er akzeptiert die großen Schwankungen, will aber eine Aussage zur Vorgehensweise.
Bisher wird der (zu geringe) Wert einfach unter den Tisch fallen gelassen und die Messung wiederholt. Bei niO Teil ausgeschleust bei iO wird weiterbearbeitet.

Werde wohl definieren, dass bei erster Messung niO noch 2x gemessen wird und beide Werte iO sein müssen.

Gruß

[hackilein]

#32808

„…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…“

he barbara, das ist aber eine sehr „pragmatische“ vorgehensweise :D (erinnert mich an mein meßtechnikpraktikum)

[Barbara]

#32813

Hallo Matthias,

da würd ich als erstes mal das Mess-System überprüfen, denn wie sonst kann ein n.i.O.-Wert in der zweiten und dritten Messung zu einem i.O.-Wert werden, wenn das Teil das gleiche ist?

Viele Grüße

Barbara

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

[matthias_hasse]

#32824

Hallo,
bei der zu untersuchenden Probe handelt es sich um eine Masse und kein Bauteil. Das Messsystem untersuche ich auch gerade und versuche es zu Ergänzen, aber im Moment muss ich halt erstmal eine Lösung im bestehenden System finden. Toleranzgrenzen liegen bei +/- 15% des Messwertes.

[Barbara]

#32826

Hallo Matthias,

auch wenn Du eine Masse misst, brauchst Du zuverlässige Aussagen darüber, mit welchem Fehler Deine Messung behaftet ist. Ansonsten ist jede Analyse Zeitverschwendung, wenn das Mess-System nichts taugt.

Wenn Du z. B. einen Zielwert von 10 hast und eine Toleranz von +/- 10%, dann müsste die Masse zwischen 9 und 11 liegen, um i.O. zu sein.

Stell Dir vor, Deine Massen sind alle i.O. und das Mess-System unfähig, beispielsweise bringt der Mess-Vorgang alleine eine Streuung von +/-40% der Toleranz bzw. +/-0,8.

Eine Masse, die eigentlich i.O. ist z. B. mit dem Wert 9,3 könnte dann vom Mess-System als 8,5 oder auch 10,1 gemessen werden und hätte eine gute Chance, als n.i.O.-Masse deklariert zu werden, obwohl es tatsächlich i.O. ist.

Wenn Mehrfachmessungen helfen, die Streuung zu reduzieren, dann würde ich generell doppelt (oder dreifach) messen und die Ergebnisse mitteln, so wie Du es in Deiner Anfangsfrage gefragt hast. Auf keinen Fall würde ich das nur bei den n.i.O.-Massen machen, denn wenn Dein Mess-System sehr viel Streuung in den Wert reinbringt, dann musst Du diese Streuung bei allen Messungen durch Mehrfach-Messungen kompensieren.

Es bringt Dir wenig, wenn Du nur die angeblichen n.i.O.-Massen mehrfach misst, weil auch jede i.O.-Messung tatsächlich einen n.i.O.-Masse sein kann.

Viele Grüße

Barbara

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

[monacon]

#32867

Hallo Euch allen,

dazu fällt mir nur noch ein schönes Zitat ein:

„Wenn Dir ein Ergebniss nicht gefällt miss noch einmal.“

[Autor]

Beiträge