Statistische Prozesskontrolle (SPC): Methoden und Beispiele

Statistische Prozesskontrolle ist die Disziplin, Echtzeitdaten und Statistik zu nutzen, um einen Prozess zu überwachen, zu steuern und zu verbessern, bevor Fehler den Kunden erreichen. Es ist eines der praktischsten Qualitätswerkzeuge, das eine Führungskraft einsetzen kann, und steht im Zentrum der schlanken Fertigung, von Six Sigma und modernem Operations Management.

Was ist statistische Prozesskontrolle?

Statistische Prozesskontrolle (SPC) ist eine Qualitätskontrollmethode, die statistische Techniken anwendet, um Prozessergebnisse zu überwachen und zu erkennen, wenn sich ein Prozess unerwartet verhält. Statt fertige Produkte zu prüfen und zu hoffen, dass Probleme spät auftauchen, beobachtet SPC den Prozess selbst in Echtzeit, sodass Sie eingreifen können, während das Produkt noch hergestellt wird.

Die Kernidee ist einfach: Jeder Prozess hat eine natürliche Streuung. SPC unterscheidet zwischen Streuung, die normal ist (sogenannte zufällige Ursache), und Streuung, die signalisiert, dass etwas schiefgelaufen ist (sogenannte spezielle Ursache). Wenn nur zufällige Ursachenstreuung vorliegt, ist der Prozess "unter Kontrolle". Tritt eine spezielle Ursache auf, ist das ein Signal zur Untersuchung und zum Handeln.

SPC wurde in den 1920er-Jahren von Walter Shewhart bei Bell Labs entwickelt und von W. Edwards Deming weltweit populär gemacht. Heute findet es sich in der Automobil-, Pharma-, Lebensmittel-, Halbleiter- und Dienstleistungsbranche.

Key Facts

• Unternehmen, die SPC in der Fertigung einsetzen, berichten im ersten Jahr der Einführung von einer Fehlerreduzierung um 50 % oder mehr (ASQ Quality Progress, 2022).
• Eine Umfrage des International Journal of Production Research aus dem Jahr 2023 ergab, dass 67 % der ISO-9001-zertifizierten Hersteller irgendeine Form statistischer Überwachung für ihre kritischen Prozessparameter einsetzen.
• Deming schätzte, dass 94 % der Qualitätsprobleme im System entstehen (zufällige Ursache) und nur 6 % auf individuelle spezielle Ursachen zurückgehen, was bedeutet, dass die meisten Fehler nicht durch das Beschuldigen von Mitarbeitern behoben werden können.

Zufällige Ursache vs. spezielle Ursache der Streuung

Das Verständnis des Unterschieds zwischen diesen beiden Streuungsarten ist die Grundlage von SPC.

Auf zufällige Ursachenstreuung zu reagieren, als wäre sie eine spezielle Ursache (Übersteuerung), macht Prozesse tatsächlich schlechter. SPC verhindert diesen Fehler, indem rationale Kontrollgrenzen auf Basis der Daten selbst festgelegt werden.

Regelkarten: Das Herzstück von SPC

Eine Regelkarte ist das primäre Werkzeug in SPC. Es ist ein Verlaufsdiagramm mit drei hinzugefügten horizontalen Referenzlinien:

• Mittellinie (CL): der Prozessmittelwert
• Obere Kontrollgrenze (UCL): Mittelwert plus drei Standardabweichungen
• Untere Kontrollgrenze (LCL): Mittelwert minus drei Standardabweichungen

Diese Grenzen werden aus tatsächlichen Prozessdaten berechnet, nicht aus Spezifikationen oder Toleranzen. Wenn ein Datenpunkt außerhalb der UCL oder LCL liegt oder ein nicht zufälliges Muster innerhalb der Grenzen erscheint, signalisiert die Karte eine spezielle Ursache.

Gängige Signalregeln sind:

• Ein Punkt jenseits der 3-Sigma-Grenze
• Acht aufeinanderfolgende Punkte auf einer Seite der Mittellinie
• Sechs Punkte in Folge mit stetigem Auf- oder Abwärtstrend

Schnell auf Signale zu reagieren, macht SPC zu einem echten Echtzeit-Kontrollwerkzeug statt zu einem rückblickenden Audit. Es lohnt sich, die Regelkartenanalyse mit Prozessfähigkeit (Cp/Cpk)-Kennzahlen zu kombinieren, die messen, wie gut der Prozess innerhalb der Spezifikationsgrenzen liegt, sobald bestätigt ist, dass er statistisch unter Kontrolle ist.

SPC vs. Prüfung

Traditionelle Qualitätssicherung verlässt sich darauf, die Ausgabe am Ende eines Produktionslaufs zu prüfen. Man stellt das Produkt her und prüft es dann. Die Probleme mit diesem Ansatz sind gut dokumentiert: Er ist teuer, langsam und erkennt Fehler erst, nachdem die Verschwendung bereits entstanden ist.

Deming beschrieb die Endprüfung als "zu spät, zu teuer und unzuverlässig". Sein Argument war, dass eine 100-%-Prüfung weitgehend überflüssig wird, wenn ein Prozess fähig und unter Kontrolle ist. Ist der Prozess nicht fähig, behebt die Prüfung das Problem ohnehin nicht. Nur Prozessverbesserung tut das.

SPC dreht das Modell um. Sie überwachen den Prozess in Echtzeit und reagieren auf Signale, bevor Fehler entstehen. Ein paar praktische Unterschiede:

SPC eliminiert die Prüfung nicht vollständig. Sicherheitskritische Branchen benötigen weiterhin Endkontrollen. Pharmaunternehmen, die der FDA 21 CFR Part 211 unterliegen, kombinieren beispielsweise SPC zur prozessbegleitenden Überwachung mit stichprobenbasierten Freigabeprüfungen, weil die Regulierung beides verlangt. Aber selbst dort reduziert SPC den Prüfaufwand drastisch, indem Fehler verhindert statt gefunden werden. Weniger überraschende Ausfälle bei der Endprüfung bedeuten weniger Nacharbeit, weniger abgelehnte Chargen und einen kürzeren Weg von der Produktion zur Freigabe.

So implementieren Sie SPC

SPC zum Laufen zu bringen ist eine praktische technische und organisatorische Aufgabe. Hier sind die zentralen Schritte.

Schritt 1: Den Prozess definieren und die Kennzahl auswählen

Wählen Sie eine wichtige Ausgabevariable zur Überwachung. Das könnte eine Abmessung, ein Gewicht, eine Zykluszeit, ein Füllvolumen oder eine Fehlerrate sein. Die Kennzahl sollte messbar sein, direkt mit der Qualität zusammenhängen und in praktikablen Abständen erfasst werden.

Verwenden Sie ein Prüfblatt, um Daten von Anfang an konsistent zu protokollieren.

Schritt 2: Das Messsystem validieren

Schlechte Daten erzeugen irreführende Regelkarten. Bevor Sie Prozessdaten erheben, führen Sie eine Gauge-R&R-Studie (Wiederholbarkeit und Reproduzierbarkeit) durch, um zu bestätigen, dass Ihr Messgerät und Ihre Bediener konsistente Ergebnisse liefern.

Schritt 3: Basisdaten sammeln

Erheben Sie 20 bis 30 rationale Untergruppen (oder Einzelmesswerte) aus einem unter normalen Bedingungen laufenden Prozess. Diese Basisdaten werden verwendet, um Ihre Mittellinie und Kontrollgrenzen zu berechnen.

Schritt 4: Die richtige Regelkarte wählen

Unterschiedliche Datentypen erfordern unterschiedliche Diagramme (siehe Abschnitt Arten von Regelkarten unten). Die Wahl der falschen Karte liefert falsche Kontrollgrenzen.

Schritt 5: Kontrollgrenzen berechnen und einzeichnen

Berechnen Sie UCL, LCL und Mittellinie aus Ihren Basisdaten. Zeichnen Sie die Grenzen im Diagramm ein. Diese Grenzen sollten fixiert bleiben, bis Sie den Prozess bewusst verbessern.

Schritt 6: Den Prozess überwachen und auf Signale reagieren

Tragen Sie neue Datenpunkte in Echtzeit ein. Erscheint ein Signal, folgen Sie einem definierten Reaktionsplan: anhalten und untersuchen, die Grundursache identifizieren, sie beheben und das Ergebnis dokumentieren. Nutzen Sie DMAIC, wenn die Untersuchung ein tieferliegendes systemisches Problem aufdeckt.

Schritt 7: Regelmäßig überprüfen und neu berechnen

Nach einer echten Prozessverbesserung berechnen Sie die Kontrollgrenzen anhand der neuen Basis neu. Grenzen, die auf alter Leistung basieren, spiegeln die aktuelle Realität nicht mehr wider. Manche Teams legen eine kalendarische Überprüfung fest (zum Beispiel vierteljährlich), um zu beurteilen, ob sich der Prozess so weit verschoben hat, dass neue Grenzen nötig sind. Andere lösen eine Überprüfung immer dann aus, wenn ein DMAIC-Projekt abgeschlossen wird, und behandeln die neuen Grenzen als Teil des Deliverables der Kontrollphase.

Arten von Regelkarten

Die Wahl der richtigen Karte hängt von zwei Dingen ab: ob Ihre Daten kontinuierlich (gemessen) oder attributiv (gezählt) sind, und wie Ihre Untergruppen strukturiert sind.

Ein Histogramm und ein Streudiagramm sind nützliche Begleiter, wenn Sie dabei sind, einen Diagrammtyp auszuwählen. Das Histogramm zeigt Ihnen, ob Ihre Daten einer annähernd normalen Verteilung folgen (eine Voraussetzung für die meisten Variablenkarten), während das Streudiagramm hilft, Beziehungen zwischen Inputs und Outputs zu verstehen, bevor Sie entscheiden, welche Variable überwachenswert ist.

Wenn Sie weiterhin unsicher sind, welches Diagramm zu Ihrer Situation passt, enthält das AIAG-SPC-Referenzhandbuch (derzeit in zweiter Auflage) einen Entscheidungsbaum, der Sie durch Datentyp, Untergruppenstruktur und Messfrequenz führt. Die meisten Qualitätsmanagement-Softwarepakete wählen den Diagrammtyp basierend auf den eingegebenen Daten auch automatisch aus.

Vorteile und Grenzen

Vorteile

• Frühwarnung: Probleme werden während der Produktion erkannt, nicht danach.
• Objektive Entscheidungen: Kontrollgrenzen nehmen dem Urteil "ist das normal?" das Rätselraten.
• Weniger Feuerlöschen: Stabile, kontrollierte Prozesse geben der Führung Aufmerksamkeit für Verbesserungsarbeit statt für Notfallreaktionen frei.
• Prozesswissen: Diagramme bauen institutionelles Gedächtnis darüber auf, wie sich ein Prozess über die Zeit verhält.
• Kostenreduzierung: Weniger Fehler, weniger Nacharbeit und weniger Ausschuss senken direkt die Betriebskosten.

Grenzen

• Erfordert stabile Datenerhebung: Wenn Messsysteme unzuverlässig oder die Datenerhebung inkonsistent ist, sind die Diagramme irreführend.
• Die Diagrammwahl ist entscheidend: Der falsche Diagrammtyp erzeugt falsche Grenzen und Fehlalarme.
• Investition in Schulung: Bediener und Ingenieure müssen verstehen, was Signale bedeuten und wie sie reagieren sollen. Ein Diagramm an der Wand, auf das niemand reagiert, ist schlimmer als gar kein Diagramm.
• Kein Ersatz für Prozessdesign: SPC kontrolliert einen bestehenden Prozess. Wenn der Prozess grundsätzlich nicht in der Lage ist, Spezifikationen zu erfüllen, bestätigt SPC das, behebt es aber nicht. Dafür braucht es Prozessfähigkeitsanalyse (Cp/Cpk) und technische Änderungen.
• Kann zu Alarmmüdigkeit führen: Übermäßig empfindliche Regeln oder schlecht gepflegte Grenzen erzeugen zu viele Fehlalarme, was Teams dazu bringt, das Diagramm zu ignorieren.

Häufig gestellte Fragen

Was ist der Unterschied zwischen SPC und SQC? Statistische Qualitätskontrolle (SQC) ist die breitere Disziplin, die sowohl statistische Stichprobenprüfung zur Abnahme als auch SPC umfasst. SPC ist die Echtzeit-Überwachungsteilmenge von SQC. Wenn Menschen von "statistischer Prozesskontrolle" sprechen, meinen sie speziell den Regelkarten-Ansatz zur Überwachung laufender Produktion.

Wie viele Datenpunkte brauche ich, bevor ich Kontrollgrenzen festlegen kann? Die meisten Lehrbücher und das AIAG-SPC-Handbuch empfehlen mindestens 20 bis 25 Untergruppen (oder Einzelmesswerte für I-MR-Karten). Weniger Punkte erzeugen instabile Grenzschätzungen. Wenn Sie mit weniger Daten starten müssen, behandeln Sie die frühen Grenzen als vorläufig und berechnen Sie neu, sobald Sie 25 Punkte gesammelt haben.

Kann SPC in Dienstleistungs- und Büroumgebungen eingesetzt werden? Ja. SPC gilt überall dort, wo Sie einen wiederholbaren Prozess und ein messbares Ergebnis haben. Häufige Anwendungen in Dienstleistungen umfassen Anrufbearbeitungszeiten, Fehler bei der Rechnungsverarbeitung, Lieferzykluszeiten und Kundenwartezeiten. Die Diagrammtypen sind dieselben; nur die Kennzahlen ändern sich.

Wie hängen Kontrollgrenzen und Spezifikationsgrenzen zusammen? Kontrollgrenzen werden aus der tatsächlichen Prozessstreuung berechnet. Spezifikationsgrenzen werden vom Kunden oder Engineering-Team festgelegt. Sie sind vollständig unabhängig voneinander. Ein Prozess kann statistisch unter Kontrolle sein (alle Punkte innerhalb der Kontrollgrenzen) und trotzdem nicht in der Lage sein, Spezifikationen zu erfüllen. Genau das messen Prozessfähigkeitsindizes wie Cp und Cpk.

Wann sollte ich Kontrollgrenzen neu berechnen? Berechnen Sie nach einer bestätigten, gewollten Prozessverbesserung neu. Berechnen Sie nicht einfach neu, weil Punkte außerhalb der Grenzen gefallen sind. "Schlechte" Daten zu entfernen, um engere Grenzen zu erhalten, konterkariert den Zweck von SPC. Grenzen sollten den stabilen, verbesserten Prozess widerspiegeln, den Sie tatsächlich betreiben möchten.

---

SPC ist eines der ältesten Qualitätswerkzeuge, das noch aktiv genutzt wird, und diese Langlebigkeit hat es sich verdient, weil es tatsächlich wirksam ist. Beginnen Sie mit einer Kennzahl, einem Diagramm und einem verbindlichen Reaktionsplan. Sobald Ihr Team Vertrauen in die Grundlagen aufgebaut hat, erweitern Sie auf weitere Variablen und integrieren Sie SPC-Erkenntnisse in Ihre umfassenderen DMAIC-Verbesserungszyklen.