Statistical Process Control (SPC)

Definition, Inhalt und Herkunft

Definition: Statistical Process Control (SPC) ist eine Methode zur Überwachung und Steuerung von Prozessen mittels statistischer Techniken. Ziel ist es, die Prozessvariabilität zu minimieren und die Qualität zu verbessern.

Inhalt: Statistical Process Control umfasst die Erhebung und Analyse von Daten, die Überwachung des Prozesses durch statistische Werkzeuge wie Kontrollkarten und die Identifikation von Abweichungen. Diese Methode hilft dabei, systematische Ursachen für Variabilitäten zu erkennen und Maßnahmen zu deren Beseitigung zu ergreifen. Zu den gängigen Techniken gehören Kontrollkarten für Mittelwerte und Streuungen sowie Prozessfähigkeitsanalysen. Durch die kontinuierliche Überwachung und Analyse wird sichergestellt, dass der Prozess stabil und unter Kontrolle bleibt.

Herkunft: SPC wurde in den 1920er Jahren von Walter A. Shewhart bei Bell Laboratories entwickelt und später von W. Edwards Deming weiterverbreitet. Diese Methodik ist seither ein zentraler Bestandteil des Qualitätsmanagements und wird in zahlreichen Industriezweigen angewendet, um Prozesse zu optimieren und Qualitätsstandards zu gewährleisten.

Ziele und Nutzen

Ziele:

• Überwachung und Steuerung von Produktionsprozessen

• Früherkennung von Abweichungen und potenziellen Problemen im Produktionsablauf

• Sicherstellung und Verbesserung der Produktqualität

• Reduzierung von Prozessvariabilität und Verschwendung

Nutzen:

• Konsistente Produktqualität und Reduktion der Ausschussrate

• Erhöhte Effizienz und niedrigere Produktionskosten

• Verbesserung der Kundenzufriedenheit durch zuverlässige Produkte

• Datengestützte Entscheidungsfindung für Prozessverbesserungen

Anwendung und Vorgehen

Anwendung: SPC wird häufig in der Fertigungsindustrie angewendet, kann aber auch in anderen Branchen wie der Softwareentwicklung und im Dienstleistungssektor nützlich sein.

Vorgehensschritte:

1. Datensammlung: Sammlung von Daten aus dem laufenden Produktionsprozess.

2. Erstellung von Kontrolldiagrammen: Visualisierung der Daten in Kontrolldiagrammen, um Trends und Muster zu erkennen.

3. Analyse: Überprüfung der Daten auf Anzeichen von Prozessvariation, die auf besondere Ursachen hinweisen könnten.

4. Eingriff: Anpassung des Prozesses bei Erkennung von Abweichungen, die außerhalb der Kontrollgrenzen liegen.

5. Überwachung und Review: Regelmäßige Überprüfung der Prozesseffizienz und der Qualitätskontrollmaßnahmen.

Anwendungsbeispiel

Ausgangslage

Beschreibung des Problems: In einer Schokoladenfabrik wurde festgestellt, dass eine erhöhte Anzahl von Schokoladentafeln Risse aufweist und die Textur nicht den Qualitätsstandards entspricht. Dieses Problem hat zu Kundenbeschwerden und einem Rückgang der Verkaufszahlen geführt.

Vorgehen

1. Problemidentifikation: Das Qualitätssicherungsteam hat das Problem während der Endkontrolle identifiziert, bei der die Schokoladentafeln auf Bruch und Textur untersucht werden.

2. Datensammlung: Es wurden Daten aus den Produktionsprotokollen, Temperaturlogs der Schokoladenformmaschinen und Mitarbeiterfeedback gesammelt. Insbesondere wurden die Chargen, die den größten Anteil an fehlerhaften Produkten aufwiesen, näher untersucht.

3. Ursachenanalyse: Mithilfe eines Ishikawa-Diagramms wurden verschiedene potenzielle Ursachen identifiziert:

• Rohmaterialqualität (Kakao und Milchpulver)

• Maschineneinstellungen (Temperierung der Schokolade)

• Umgebungsbedingungen (Luftfeuchtigkeit und Temperatur in der Produktionshalle)

4. Maßnahmenplanung: Es wurden Maßnahmen entwickelt, um die identifizierten Ursachen anzugehen:

• Überprüfung und Anpassung der Lieferantenstandards für Rohmaterialien

• Neukalibrierung der Schokoladentemperier-Maschinen

• Anpassung der klimatischen Bedingungen in der Produktionshalle

5. Implementierung und Überwachung: Die Maßnahmen wurden umgesetzt und ihre Wirksamkeit durch regelmäßige Qualitätskontrollen und Datenaufzeichnungen überwacht.

Resultat

Nach der Implementierung der Korrekturmaßnahmen wurde eine signifikante Reduktion der Rissbildung und eine Verbesserung der Texturqualität der Schokoladentafeln festgestellt. Die Kundenzufriedenheit verbesserte sich merklich, und die Verkaufszahlen stiegen wieder an.

Referenzen

• Montgomery, D. C. (2020). Introduction to Statistical Quality Control. Wiley.

• Grant, E. L., & Leavenworth, R. S. (1996). Statistical Quality Control. McGraw-Hill.

• ASQ (American Society for Quality) (n.d.). ASQ Statistical Process Control. ASQ Quality Press

• ChatGPT: Quality Management Excellence