4.5.6 Auswertung nach MSA 4 th Edition

Ähnliche Dokumente
Eignungsnachweis von Messsystemen

Messmittelfähigkeit. Fallstudien von BV-Anwendungen. R. Neubecker, SoSe Worum geht s?

Messmittelfähigkeitsanalyse Messen wir richtig?!

Bewerten der Streuung des Messsystems

Messmittelfähigkeitsanalyse Messen wir richtig?!

QUALITY APP Messsystemanalyse komplett

Messmittelfähigkeit. Andreas Masmünster, Quality Control Event, 30. Juni 2011

Eignungsnachweis von Prüfprozessen

Messsystemanalyse (MSA)

Messsystemanalyse (gekreuzt)

Vergleich der Eignungsnachweise für Messprozesse nach VDA Band 5 und MSA

Merkblatt Englischer Formularsatz zu APQP, FMEA, MSA, PPAP und SPC Supplier Forms Disk / ISO TS 16949

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit

Prüfprozesseignung. Relative Auflösung = absolute Auflösung / Toleranz des zu messenden Merkmals * 100%

Messgeräte: Mess-System-Analyse und Messmittelfähigkeit

5. Statistische Auswertung

Es werden etwa 135 Teile benötigt, um mit einer Sicherheit von 90 % eine Streuung

Messsystemanalyse gemäß Verfahren 2

1 Fähigkeitskennwerte und deren Bedeutung

Mess-System-Analyse. Einführung. Ziel und Nutzen. Grundlagen

Taschenbuch Null-Fehler-Management Umsetzung von Six Sigma Herausgegeben von Franz J. Brunner

QUALITY APPS Applikationen für das Qualitätsmanagement

Statistik. Mittelwert Standardabweichung s Spannweite R c P (c m )

Einführung in die Messsystemanalyse (MSA)

4L Die Normalverteilung

Verfahren 7. Die Berechnungsoptionen für Cohens Kappa in den Q-DAS Software-Produkten

Wir stellen uns vor. QualitätsLeistungsZentrum Helmbrechts Pressecker Straße 216 D Helmbrechts / info@qlz.de

HERZLICH WILLKOMMEN ZUM. Messtechnik und Statistik

Kapitel 5: Einfaktorielle Varianzanalyse

Messsystemanalyse MSA3

Inhaltsverzeichnis. Edgar Dietrich, Alfred Schulze. Eignungsnachweis von Prüfprozessen

Ringversuchsorganisation, Durchführung und Auswertung Klara Leclercq, Rosemarie Gosemärker, Shaike Landau, Yury Chernov, Claudia Caspers

Anforderungen aus der Normung

Das one out all out Prinzip: Ansporn zum Handeln oder Motivationsbremse?

Messwerte und deren Auswertungen

Einleitung Kappa F-Score Fazit. Softwarepraktikum. Evaluation. Franz Matthies

Grundlagen der statistischen Prozessregelung (SPC)

22 BKI Baukosten Gebäude Altbau Musterseiten

Edgar Dietrich Alfred Schulze. Prüfprozesseignung. Prüfmittelfähigkeit und Messunsicherheit im aktuellen Normenumfeld. 4., überarbeitete Auflage

Kapitel 5: Einfaktorielle Varianzanalyse

QUALITY APPS Applikationen für das Qualitätsmanagement

Übungen mit dem Applet Wahrscheinlichkeitsnetz

Prüfmittelverwendbarkeit und Prüfprozesseignung

CHEMISCHES RECHNEN II ANALYT. CHEM. FÜR FORTGS

Ursula Meiler DGQ-Regionalkreis

5 Prüfmittelfähigkeit als Eignungsnachweis für Messprozesse

VDA Band 6 Teil 3 Prozessaudit 2. vollständig überarbeitete Auflage, Juni 2010

Chi-Quadrat Verfahren

Einfaktorielle Varianzanalyse

Stichwortverzeichnis. D Differenzenmethode 87, 102, 104 Drehmoment 290 Drei-Koordinaten-Meßgeräte 289 Durchflussmesssysteme 290 dynamische Messung 290

Anhang C Jährliche Überprüfung der Vorgaben

Kennzahlensystem für die Qualiätsbeurteilung in der industriellen Produktion

easy2use Allgemein Die Buttonleiste Q-DAS Experts in Statistics Prüfplanung: Zum Anlegen eines neuen Teils mit den dazugehörigen Informationen.

Ziel der linearen Regression

Ausgangssituation: Prüfprozess: Bei der Kolbenherstellung ist im Rahmen der Maschineneinstellung

Eignungsnachweis von Messsystemen

Eigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist

Konkretes Durchführen einer Inferenzstatistik

Messsystemanalyse MSA7 Bowker-Test auf Symmetrie nach ISO/DIS Autor: Dr. Konrad Reuter

Prüfbericht Nr

Grenzen für x -s-regelkarten

Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger

Messsystemanalyse MSA4 Linearität und Hysterese nach BOSCH

Angewandte Mathematik4

Fallbeispiel: Attributive MSA 1/12

Der Begriff Reproduktionen wird im RDA-Glossar folgendermaßen definiert: Eine exakte Kopie des Inhalts einer Ressource, die mit mechanischen oder

Polte, Galina; Rennert, Klaus-Jürgen; Linß, Gerhard: Korrektur von Abbildungsfehlern für optische Messverfahren

10 Konfidenzintervall für µ

Mehrdimensionale Prozessvalidierung: Ziele und Anwenderumfeld

Übungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho

4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers

Messunsicherheit nach GUM* Praxisgerecht für chemische Laboratorien

Selbsttest Nr. 1: Qualitätsmanager

Rundungsregeln in der Metrologie

VU mathematische methoden in der ökologie: räumliche verteilungsmuster 1/5 h.lettner /

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Erläuterungen nebenstehender Tabellen und Abbildungen. Objektübersicht. 1 Bezeichnung des Objekts mit BKI-Objektnummer und -bezeichnung.

Bivariater Zusammenhang in der Mehrfeldertafel PEΣO

Kurzinformation. Ermittlung der Jahresdurchschnittswerte Bestand Arbeitslose 2005

Messsystemanalyse MSA5 Stabilität und Drift nach BOSCH

Kapitel 5: Einfaktorielle Varianzanalyse

Vorlesung Gesamtbanksteuerung Mathematische Grundlagen III / Marktpreisrisiken Dr. Klaus Lukas Stefan Prasser

8.2 Nicht parametrische Tests Vergleich CT/2D/3D. Abb. 28 Mann-Whitney-U-Test


Statistische Kostenkennwerte. Erläuterung nebenstehender Tabellen und Abbildungen

GfQG Gesellschaft für Qualität im Gesundheitswesen, Karlsruhe

Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung

Auswertung und Lösung

Gruppenspezifische Anthropometrie in der ergonomischen Gestaltung

Sonderdruck EMPIRISCHE PÄDAGOGIK. aus. 8. Jahrgang 1994 Heft 3

Erweiterte Messunsicherheit

Auszug aus Workbook Moderne Methoden der Statistischen Tolerierung TQU Verlag

Fähige Produktionsprozesse

Statistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Zyklisch evaluieren 1 (Auszug aus dem Leitfaden zur Selbstevaluation )

Fähigkeitsnachweis bei Spritzgießmaschinen VDMA Teil 2: Nachweis der Kurzzeitfähigkeit. Bedienungsanleitung zum Excel-Programm

Das klassische Gemisch- Altbewährtes in neuem Gewand

Wo liegen die Unterschiede?

Transkript:

74 Die Verfahren 4.5.6 Auswertung nach MSA 4 th Edition 4.5.6.1 Unterschiede im Überblick Die AIAG Core Tool MSA empfiehlt seit der 4. Auflage ebenfalls die Berechnung der Kennwerte mit der ANOVA- Methode. Allerdings wird ein Bezug der Ergebnisse immer zur Total Variation TV hergestellt, also zur beobachteten Fertigungsprozessstreuung. Für die Ermittlung dieser Prozessstreuung gibt es mehrere priorisierte Methoden. Der Grenzwert ist mehrstufig, d. h. es gibt fähige, bedingt fähige und nicht fähige Messmittel. Als additional width metric nennt die MSA den Kennwert ndc (number of distinct categories), die Anzahl unterscheidbarer Messwertklassen. Bezugsgröße für ndc ist die Part Variation PV. 4.5.6. Die Bezugsgröße TV Nach AIAG Core Tool MSA ist die Bezugsgröße für GRR die Total Variation TV, die beobachtete Gesamtstreuung des Fertigungsprozesses. Da diese Gesamtstreuung als Standardabweichung ausgedrückt werden kann, verzichtet die AIAG MSA wenn möglich auf die Berechnung von erweiterten Streubereichen und vergleicht vorzugsweise Standardabweichungen. Es gilt TV =PV +GRR

Die Verfahren 75 Wichtige Punkte zu Verfahren aus der AIAG MSA 4th Edition: - Die Benennung Verfahren findet sich dort nicht wieder, die Methode heißt Gage Repeatability und Reproducibility und steht an 5. Stelle im Kapitel III.B - Der Bezug für %GRR ist die Total Variation, die vorliegende beobachtete Prozessstreuung, die mit unterschiedlichen priorisierten Methoden ermittelt werden kann - Ist die aktuelle Prozessstreuung nicht aus dem Versuch schätzbar (Priorität 1), dann dürfen alternative Schätzmethoden angewandt werden, dazu gehört auch die Annahme der Toleranz als Bezug (Priorität 4) - Erklärtes Ziel der AIAG MSA ist, Standardabweichungen zu vergleichen. Falls GRR auf die Toleranz T bezogen wird, dann muss GRR mit dem Faktor 6 erweitert werden (bzw. der Bezug ist T/6) - Nach AIAG MSA gilt: Ein Messsystem mit einer Streuung von o %GRR 10% kann im allgemeinen als fähig angesehen werden o 10% %GRR 30% kann für einige Anwendungen akzeptabel sein (Risikoanalyse erforderlich, Kunden einbeziehen) o %GRR 30% wird als nicht akzeptabel angesehen - Die Anwendung der ANOVA-Methode ist recommended - Eine additional width error metric ist der Kennwert ndc, die Anzahl unterscheidbarer Messwertklassen Abb. 4-39: 4th Edition Abweichende Vorgehensweise nach AIAG MSA

76 Die Verfahren Die Total Variation TV kann mit folgenden Methoden ermittelt werden, wobei die Reihenfolge auch die Priorisierung darstellt. 1. Ermittlung der Part Variation PV aus den typischerweise 10 repräsentativ ausgewählten Messobjekten. Mit dem in Verfahren ermittelten Wert für GRR kann TV= PV GRR errechnet werden.. Sind keine repräsentativen Teile vorhanden, kann TV aus einer bekannten (historischen) Prozessstreuung geschätzt werden. Es gilt TV = 1/6 Prozessstreuung, wobei keine Angaben gemacht werden, wie die Prozessstreuung errechnet wird. Üblich ist die Annahme des 99,73% Streubereiches, bei Normalverteilung identisch mit 6s. 3. Sind keine bekannten historischen Daten verfügbar, so kann aus einer Fähigkeitsforderung P p oder C p für den Fertigungsprozess die maximal erlaubte Prozessstreuung TV=T/(6 C p ) geschätzt werden. 4. Sind auch keine Fähigkeitsforderungen vorhanden, dann kann als Referenz 1/6 der Toleranz herangezogen werden TV = T/6. Dies entspricht der in der Automobilindustrie üblichen Vorgehensweise. In der praktischen Umsetzung kann ein Prozessbezug in Ausnahmefällen sinnvoll sein. Meist ist sehr schwer zu beurteilen, ob die Messobjekte einen Fertigungsprozess repräsentativ darstellen. Oftmals werden fälschlicherweise Teile gezielt über die Toleranz oder die erwartete Prozessstreuung ausgesucht, was aber nicht einer repräsentativen Stichprobe entspricht. Bei der Ermittlung von PV aus 10 Teilen, die den 99,73% Streubereich des Prozesses komplett überdecken, wird die Referenz um 100-00% überschätzt.

Die Verfahren 77 Abb. 4-40: Bezugsgrößen nach AIAG MSA 4th Edition

78 Die Verfahren 4.5.6.3 Kennwert ndc Unter ndc (number of distinct categories) versteht man die Anzahl der Kategorien (Klassen), die durch ein Messsystem noch eindeutig unterschieden werden können. ndc PV GRR Anforderung ndc 5 Das Ergebnis ist immer auf die nächste ganze Zahl abzurunden, bei ndc = 0 gilt ndc = 1. Die Bezugsgröße PV ergibt sich nach AIAG MSA 4 th Edition [1] aus Ermittlung von TV. 1. TV aus repräsentativen Teilen: Die dabei ermittelte Part Variation PV gilt als Referenz für den ndc. TV aus historischen Daten: PV TV GRR 3. TV aus P p /C p : T PV 6Cp 4. TV aus T/6: T PV 6 GRR GRR Durch diesen Bezug kann allerdings ndc direkt aus %GRR errechnet werden 1 ndc 1 %GRR Das bedeutet, für %GRR=10% ist ndc=14, für %GRR=0% ist ndc = 6 und für %GRR = 30% ist ndc=4. Diese Bewertung ist redundant und entspricht nicht den Anforderungen für %GRR.

Die Verfahren 79 Vielfach wird PV für die Berechnung des ndc pauschal über die Streuung der Messobjekte ermittelt, während %GRR auf die Toleranz bezogen wird. Damit ist ndc aber kein Maß für die Qualität des Messsystems, das in Bezug auf die Toleranz bewertet wird. Vielmehr ist der ndc eine Aussage über die Streuung der in der Studie benutzten Teile. Abb. 4-41: ndc teilebezogen