Prozessfähigkeit

Was ist Prozessfähigkeit? Eine praxisnahe Definition

Die Prozessfähigkeit beschreibt die Fähigkeit eines Prozesses, über einen längeren Zeitraum Ergebnisse zu liefern, die den vordefinierten Kundenanforderungen (Spezifikationen) entsprechen. Sie ist ein statistisches Maß, das die natürliche Prozessstreuung ins Verhältnis zur vorgegebenen Toleranzbreite setzt [2]. Einfach ausgedrückt: Sie beantwortet die Frage, ob ein Prozess auch unter realen Produktionsbedingungen zuverlässig „im grünen Bereich“ arbeitet.

Ein Prozess gilt als fähig, wenn seine Streuung so gering ist, dass nahezu alle produzierten Teile oder erbrachten Dienstleistungen innerhalb der erlaubten Toleranzgrenzen liegen. Die Analyse der Prozessfähigkeit ist somit ein zentrales Instrument zur Prozessbewertung, -steuerung und -verbesserung im Qualitätsmanagement nach Standards wie der IATF 16949 oder ISO 13485.

Warum ist die Prozessfähigkeit im Qualitätsmanagement entscheidend?

Die Messung und Sicherstellung der Prozessfähigkeit ist kein Selbstzweck, sondern schafft direkten Mehrwert für Unternehmen. Sie dient als objektiver Nachweis der Prozessbeherrschung und ist oft eine zentrale Forderung von Kunden, insbesondere in Branchen wie der Automobilindustrie oder Medizintechnik [2].

Die Hauptziele und Nutzenaspekte sind:

• Fehlervermeidung statt Fehlerentdeckung: Anstatt fehlerhafte Produkte am Ende des Prozesses auszusortieren, sorgt ein fähiger Prozess dafür, dass Fehler gar nicht erst entstehen.
• Kostenreduktion: Durch die Minimierung von Ausschuss, Nacharbeit und Reklamationen werden erhebliche Kosten eingespart (siehe auch Cost of Poor Quality).
• Erhöhung der Kundenzufriedenheit: Gleichbleibend hohe Produktqualität führt zu verlässlichen Produkten und stärkt das Vertrauen der Kunden.
• Prozessverständnis und -optimierung: Die Analyse deckt systematisch Schwachstellen und Streuungsursachen auf, die gezielt verbessert werden können.
• Objektive Entscheidungsgrundlage: Kennzahlen wie Cpk liefern eine faktenbasierte Grundlage für Investitionsentscheidungen oder Prozessfreigaben.
• Risikominimierung in der Lieferkette: Ein unentdeckter, nicht fähiger Prozess kann zu ganzen fehlerhaften Chargen führen. Dies resultiert nicht nur in Rückrufaktionen, sondern kann bei Just-in-Time-Produktion zu Bandstillständen beim Kunden und empfindlichen Konventionalstrafen führen.

Die wichtigsten Kennzahlen der Prozessfähigkeit im Detail

Zur Bewertung der Prozessfähigkeit werden hauptsächlich zwei Kennzahlenpaare verwendet: C_p/C_pk für die Langzeit-Betrachtung und P_p/P_pk für die Kurzzeit-Betrachtung (oft auch als Prozess-Performance bezeichnet). Die Unterscheidung liegt in der Art der berechneten Standardabweichung [1].

Kernformeln der Prozessfähigkeit

Die mathematische Grundlage der wichtigsten Kennzahlen verdeutlicht deren Fokus:

• Potenzielle Fähigkeit (C_p):
  $$C_p=\frac{\mathrm{OSG}–\mathrm{USG}}{6\sigma }$$

  Diese Formel setzt die gesamte Toleranzbreite (OSG – USG) ins Verhältnis zur 6-fachen Standardabweichung, welche ca. 99,73% der Prozessstreuung repräsentiert.

• Tatsächliche Fähigkeit (C_pk):
  $$C_{\mathrm{pk}}=\min (\frac{\mathrm{OSG}–\mu }{3\sigma },\frac{\mu –\mathrm{USG}}{3\sigma })$$

  Der C_pk ist der kleinere der beiden Werte, die den Abstand des Mittelwerts (μ) zur oberen (OSG) bzw. unteren Spezifikationsgrenze (USG) beschreiben. Er bestraft somit eine Dezentrierung des Prozesses.

Voraussetzungen für eine aussagekräftige Prozessfähigkeitsanalyse

Eine Prozessfähigkeitsuntersuchung liefert nur dann verlässliche Ergebnisse, wenn bestimmte Grundvoraussetzungen erfüllt sind. Werden diese ignoriert, sind die berechneten Kennzahlen wertlos und können zu fatalen Fehlentscheidungen führen.

1. Stabiler, beherrschter Prozess: Der Prozess darf keinen Trends, Zyklen oder plötzlichen Sprüngen unterliegen. Alle Streuungen dürfen nur auf zufälligen (gewöhnlichen) Ursachen beruhen.

   Praxis-Tipp: Dies wird in der Regel vorab mit einer Qualitätsregelkarte (SPC) über einen repräsentativen Zeitraum (z.B. 25 Untergruppen) nachgewiesen. Ohne diesen Nachweis ist jede PFU ungültig.

2. Normalverteilte Daten: Die Standardformeln für C_p und C_pk setzen voraus, dass die Messwerte einer Normalverteilung folgen.

   Praxis-Tipp: In der Realität sind Daten selten perfekt normalverteilt. Leichte Abweichungen sind oft unkritisch. Bei stark schiefen Verteilungen (z.B. bei Merkmalen wie ‚Rauheit‘ oder ‚Rundlauf‘) ist eine Box-Cox-Transformation vor der Berechnung oft der pragmatischste Weg, um valide Cpk-Werte zu erhalten. Siehe auch das Kapitel zur Analyse nicht-normalverteilter Daten.

3. Ausreichende Datenmenge: Um eine statistisch abgesicherte Aussage treffen zu können, ist eine ausreichende Anzahl an Messwerten erforderlich.

   Praxis-Tipp: Als Faustregel gelten oft mindestens 25 Untergruppen mit je 5 Messwerten (insgesamt 125 Werte). Für kritische Prozesse oder bei hohen Kundenanforderungen kann die geforderte Datenmenge auch deutlich höher sein.

4. Fähiges Messsystem: Das zur Datenerhebung genutzte Messsystem muss selbst fähig sein.

   Praxis-Tipp: Eine Messsystemanalyse (MSA, z.B. nach dem Gage R&R Verfahren) muss sicherstellen, dass die Streuung des Messmittels vernachlässigbar klein im Vergleich zur Prozessstreuung ist (typische Forderung: %GRR < 10%).

Maschinenfähigkeit vs. Prozessfähigkeit: Der entscheidende Unterschied

Oft werden die Begriffe Maschinenfähigkeit (C_m/C_mk) und Prozessfähigkeit (C_p/C_pk) verwechselt, obwohl sie unterschiedliche Aspekte bewerten.

Interpretation der Prozessfähigkeitsindizes: Was bedeuten die Werte?

Die Cpk-Werte sind standardisierte Indikatoren, die eine schnelle und vergleichbare Bewertung der Prozessqualität ermöglichen. In der Industrie haben sich bestimmte Zielwerte etabliert, die als Benchmark dienen.

Visuelle Analyse: Die Macht von Histogramm und Regelkarte

Ein Cpk-Wert allein kann täuschen oder wichtige Informationen verbergen. Die kombinierte visuelle Analyse eines Histogramms und der zugehörigen Qualitätsregelkarte ist unerlässlich, um ein vollständiges Prozessverständnis zu erlangen.

Typische Herausforderungen und proaktive Lösungsstrategien

Bei der Durchführung von Prozessfähigkeitsanalysen können Fehler auftreten, die die Ergebnisse verfälschen. Die Kenntnis dieser Fallstricke hilft, sie proaktiv zu vermeiden.

Praxisbeispiele: Prozessfähigkeit in der Anwendung

Die folgenden Fallstudien demonstrieren die Anwendung und den Nutzen der Prozessfähigkeitsanalyse in unterschiedlichen Branchen.

Sonderfall: Prozessfähigkeit bei nicht-normalverteilten Daten

Viele Merkmale in der Praxis folgen keiner Normalverteilung. Beispiele sind Ebenheit, Konzentrizität, Positionstoleranzen oder Verunreinigungen, die oft naturgemäß eine untere Grenze bei Null haben und schief verteilt sind. Die blinde Anwendung der Standard-Cpk-Formel führt hier zu fundamental falschen Ergebnissen.

Alternative Methoden sind erforderlich:

• Datentransformation (z.B. Box-Cox): Dies ist ein gängiger Ansatz, bei dem die Daten mathematisch so transformiert werden, dass sie annähernd normalverteilt sind. Anschließend können die Standard-Fähigkeitsindizes auf die transformierten Daten angewendet werden.
• Anpassung an eine andere Verteilung (z.B. Weibull, Lognormal): Moderne Statistiksoftware kann die Daten an eine Vielzahl von Verteilungen anpassen. Die Fähigkeit wird dann basierend auf den Perzentilen der bestpassenden Verteilung berechnet (z.B. als ISO 22514-2-Methode).
• Nicht-parametrische Indizes: Methoden wie die von Clements (basierend auf dem Median und Perzentilen) können verwendet werden, wenn keine passende Verteilung gefunden werden kann. Sie sind robuster, aber oft weniger präzise.

Der Zusammenhang zwischen Cpk und den „Cost of Poor Quality“ (COPQ)

Prozessfähigkeitskennzahlen sind nicht nur statistische Maße, sondern haben direkte finanzielle Auswirkungen. Ein niedriger Cpk-Wert erhöht die „Kosten der schlechten Qualität“ (Cost of Poor Quality, COPQ) signifikant. Diese Kosten lassen sich in die Sprache des Managements übersetzen und machen den Nutzen von Prozessverbesserungen greifbar.

Beispielrechnung (ROI): Eine Prozessverbesserung hebt den Cpk von 1,00 auf 1,50. Dadurch kann eine 100%-Prüfung (Kosten: 50.000 €/Jahr) entfallen und die interne Ausschussquote sinkt (Ersparnis: 30.000 €/Jahr). Die Investition in die Prozessanalyse und -optimierung von 20.000 € amortisiert sich somit in nur drei Monaten und generiert einen positiven Return on Investment (ROI).

Grenzen und Fehlinterpretationen der Prozessfähigkeit

Obwohl die Prozessfähigkeit ein mächtiges Werkzeug ist, ist es wichtig, ihre Grenzen zu kennen, um Fehlinterpretationen zu vermeiden. Wahre Vertrauenswürdigkeit zeigt sich im transparenten Umgang mit den Limitierungen eines Konzepts.

• Cpk sagt nichts über die Stabilität: Ein hoher Cpk-Wert kann auch bei einem instabilen Prozess zufällig auftreten. Er ist nur in Kombination mit einer Regelkartenanalyse aussagekräftig, die die Prozessstabilität über die Zeit belegt.
• Gilt nur für das gemessene Merkmal: Ein fähiger Prozess für den Durchmesser eines Teils bedeutet nicht, dass der Prozess auch bezüglich der Härte oder Oberflächengüte fähig ist. Jedes kritische Merkmal erfordert eine eigene Analyse.
• Kein direkter Vergleich zwischen unterschiedlichen Verteilungen: Ein Cpk von 1,50 für ein normalverteiltes Merkmal ist nicht direkt mit einem Cpk von 1,50 für ein Weibull-verteiltes Merkmal vergleichbar, da die zugrundeliegenden Fehlerraten unterschiedlich sind.
• Die Vergangenheit ist keine Garantie für die Zukunft: Eine PFU ist eine Momentaufnahme. Werkzeugverschleiß, Materialschwankungen oder neue Mitarbeiter können die Prozessfähigkeit im Zeitverlauf negativ beeinflussen. Kontinuierliches Monitoring (SPC) ist daher unerlässlich.

Quellenverzeichnis