Wie führt man eine Gage R&R-Studie durch?

Gage R&R-Studien (Messmittelfähigkeitsuntersuchung) messen die gesamte Messsystemstreuung als Prozentsatz der Prozesstoleranz und helfen festzustellen, ob ein Messwerkzeug für die Inspektion von Teilen geeignet ist. Dies ist eine Kernmethode der Messsystembewertung und Prüfmittelüberwachung.

Ich erinnere mich an das erste Mal, als ich eine vollkommen gute Charge von Teilen zurückwies. Mein digitaler Messschieber zeigte an, dass sie außerhalb der Spezifikationen lagen, aber mein Kollege maß sie fünf Minuten später und fand sie weit innerhalb der Toleranz.

Es war verblüffend.

Ich nahm an, das Werkzeug sei kaputt oder die Teile würden sich verziehen, aber ich suchte an der falschen Stelle.

Es stellte sich heraus, dass man bei jeder Messung nicht nur die Realität des Teils erfasst. Man erfasst eine Kombination aus den tatsächlichen Abmessungen des Teils plus dem Rauschen, das durch das Werkzeug (Wiederholpräzision) und die Person, die es hält (Vergleichpräzision), verursacht wird.

Hier kommt Gage R&R (Messsystembewertung) ins Spiel. Es funktioniert wie eine Geräuschunterdrückung für Ihre Daten – es filtert Störsignale heraus und bewahrt echte Informationen.

Es ist eine Methode, die Ihnen genau sagt, wie viel Ihrer beobachteten Prozessstreuung aus der Messsystemanalyse (MSA) selbst im Vergleich zur tatsächlichen Teilestreuung stammt. Wenn Ihr „Lineal“ aus Gummi ist, können Sie der Messung nicht trauen, egal wie präzise die Zahlen aussehen.

Sie werden dieses Werkzeug ständig verwenden. Es ist der Standardweg, um glänzende neue Ausrüstung zu validieren, zwei verschiedene Geräte zu vergleichen oder eine KMG nach einer Reparatur zu überprüfen. Wenn Sie gerade erst mit den Konzepten der QS beginnen, sollten Sie vielleicht zuerst etwas über Qualitätskontrolle lesen.

In diesem Beitrag werde ich erläutern, wie man eine Gage R&R-Studie einrichtet und durchführt, damit Sie anfangen können, Ihren Daten zu vertrauen.

Werfen wir einen Blick darauf!

Was ist eine Gage R&R-Studie?

Wir gehen normalerweise davon aus, dass unsere digitalen Messschieber und Mikrometer uns die Wahrheit sagen.

Aber hier ist die Realität: Jedes einzelne Messsystem fügt Ihren Daten seine eigene Rauschschicht hinzu. Eine Gage R&R-Studie ist das Werkzeug, mit dem wir dieses Rauschen messen.

Gage R&R (GRR), wobei die beiden R für Repeatability (Wiederholpräzision, Gerätestreuung EV) und Reproducibility (Vergleichpräzision, Bedienerstreuung AV) stehen, ist eine quantitative Methode zur Bewertung der Messsystemfähigkeit.

Sie isoliert die Streuung, die rein durch Ihren Messprozess (das Werkzeug plus den Menschen, der es verwendet) verursacht wird, und vergleicht sie mit der Gesamtstreuung, die Sie in Ihrer Produktion sehen.

Es ist wie beim Radiohören. Die Musik ist das echte Signal, das Sie erfassen wollen (die Teilestreuung). Das statische Rauschen ist Ihr Messfehler. Wenn das Rauschen zu laut ist, können Sie ein Lied nicht vom anderen unterscheiden.

Gage R&R misst die Lautstärke dieses Rauschens, um zu sehen, ob das Radio es wert ist, behalten zu werden.

Diese Studie ist der zentrale Pfeiler eines größeren Rahmens: der Messsystemanalyse (MSA, Measurement System Analysis). Sie ist ein wichtiges Werkzeug in Six Sigma, Qualitätsmanagementsystemen (wie VDA 5 und ISO/TS 16949) und Lean Production. Wenn Sie sie durchführen, erhalten Sie Antworten auf drei Black-Box-Fragen:

• Messung vs. Prozess: Ist die Schwankung real oder spielt nur das Messgerät verrückt?
• Bedienereinfluss: Hängt das Ergebnis davon ab, wer das Werkzeug hält?
• Auflösungsvermögen: Ist Ihr Messsystem empfindlich genug, um tatsächlich zwischen Teilen zu unterscheiden?

Wiederholpräzision (Gerätestreuung, EV)

Das bringt uns zum ersten R im Namen. Wiederholpräzision (Repeatability) (auch Gerätestreuung EV, Equipment Variation genannt). Sie misst die inhärente Präzision und Stabilität des Messgeräts selbst.

Sie stellt eine einfache Frage:

Wenn derselbe Bediener dasselbe Instrument verwendet, um dasselbe Merkmal am selben Teil mehrmals zu messen, erhält er dann die gleiche Zahl?

Im Idealfall ja.

Wenn Sie jedes Mal andere Zahlen erhalten, wenn Sie denselben Stahlstift messen, ist Ihre Wiederholpräzision schlecht.

Wenn diese Streuung hoch ist, liegt das Problem normalerweise beim Werkzeug selbst. Es könnte schmutzig oder locker sein, oder es hat einfach nicht die Auflösung, die für die Toleranz erforderlich ist, die Sie erreichen wollen.

Vergleichpräzision (Prüferstreuung, AV)

Das zweite R steht für Reproducibility (Vergleichpräzision). In der Statistik und Qualitätssicherung nennen wir dies Prüferstreuung (AV, Appraiser Variation) oder Bedienerstreuung. Dies verlagert den Fokus vom Messgerät auf die Menschen, die es benutzen.

Hier betrachten wir die Konsistenz im gesamten Team.

Wenn Bediener A das Messwerkzeug an Bediener B übergibt, um die gleiche Teilmessung durchzuführen, stimmen sie beim Wert überein?

Es stellt sich heraus, dass die Art und Weise, wie man einen Messschieber hält oder eine analoge Skala interpretiert, von Mensch zu Mensch stark variiert.

Wenn die Vergleichpräzision die Hauptfehlerquelle ist, bedeutet dies normalerweise, dass Ihre Standardarbeitsanweisung (SOP) nicht klar genug ist oder Ihre Bediener etwas mehr Schulung in der Technik benötigen.

Warum eine Gage R&R-Studie durchführen?

Stellen Sie sich vor, Sie versuchen, sich auf einer Personenwaage zu wiegen, die jedes Mal eine andere Zahl anzeigt, wenn Sie darauf steigen. Sie würden nie wissen, ob Sie tatsächlich zugenommen haben oder ob die Waage einfach verrückt spielt.

(Bei Zweifeln würden Sie wahrscheinlich wie ich mehrmals wiegen, um zu prüfen, ob die Waage korrekt ist).

In der Metrologie nennen wir das Messfehler. Er versteckt sich in jedem einzelnen Datenpunkt, den Sie sammeln.

Dies ist täuschend gefährlich für Ihren Qualitätsprozess.

Wenn Sie statistische Prozessregelung (SPC, Statistical Process Control) oder Regelkarten zur Überwachung Ihrer Fertigung verwenden, gehen Sie davon aus, dass Ihre Zahlen korrekt sind.

Aber wenn Ihre Daten verrauscht sind, zeigen Ihre Diagramme Geisterbilder.

Sie könnten eine Maschine justieren, die perfekt lief, nur weil Ihr Messsystem Sie belogen hat.

Hier glänzt die Gage R&R-Studie. Sie ist ein Filter mit hohem Kontrast für Ihre Streuung. Sie trennt das Rauschen in zwei Eimer:

• Das Werkzeug selbst (Wiederholpräzision)
• Der Mensch, der es benutzt (Vergleichpräzision).

Es ermöglicht Ihnen, den Fehlerprozentsatz in Ihrem System vorherzusagen, damit Sie nicht im Blindflug unterwegs sind.

Wenn Sie zwischen einem defekten Messschieber und einem Schulungsproblem unterscheiden können, können Sie das Problem tatsächlich beheben. Bessere Daten führen zu klareren Entscheidungen, weniger Fehlern und konstant höherer Qualität.

Arten von Gage R&R-Studien (Gekreuzt, Geschachtelt, Erweitert)

Als ich Gage R&R zum ersten Mal begegnete, nahm ich an, es sei ein einzelner Standardtest. Tatsächlich gibt es drei verschiedene Arten von Studien: Gekreuzte Studie (Crossed), Geschachtelte Studie (Nested) und Erweiterte Studie (Expanded).

Die Wahl der richtigen ist nicht nur eine Frage der Vorliebe. Sie hängt vollständig von der Physik Ihrer Messung ab.

Die Entscheidung hängt normalerweise von einer täuschend einfachen Frage ab: Zerstört das Messen des Teils es?

Sie müssen auch berücksichtigen, wie viele Daten Sie tatsächlich in die Hände bekommen können.

Die Verwendung des falschen Rahmens ist ein häufiges Problem, das Ihre Analyse völlig ungültig machen kann. Lassen Sie uns also schauen, wie man sie unterscheidet.

Gekreuzte Gage R&R

Dies ist das Szenario, das sich die meisten Menschen vorstellen, wenn sie an Gage R&R denken. Es ist aus gutem Grund der Industriestandard, funktioniert aber nur, wenn Ihre Prüfmethode zerstörungsfrei ist.

In einer gekreuzten Studie wird der Prozess durch Wiederholung definiert.

Ich kann ein bestimmtes Teil, nennen wir es Teil Nr. 1, an Bediener A geben, ihn es messen lassen, die Daten aufzeichnen und dann genau dasselbe Teil an Bediener B geben. Da das Teil den Prozess unverändert durchlaufen hat, misst jeder Bediener jedes Teil mehrmals.

Dadurch entsteht ein Kreuz von Datenpunkten, bei dem sich alle Faktoren perfekt überlappen.

Geschachtelte Gage R&R

Dies ist der Punkt, an dem Zerstörung Ihre Hand zwingt.

Wenn Ihre Messung einen Zugversuch, einen Druckversuch oder eine chemische Analyse beinhaltet, die die Probe verbraucht, können Sie dasselbe Teil physisch keinem zweiten Bediener übergeben.

Es ist weg.

In einer geschachtelten Studie akzeptieren wir, dass wir dasselbe Teil nicht zweimal messen können. Stattdessen müssen wir uns auf das Konzept der Chargen verlassen.

Wir gehen davon aus, dass Teile, die aus genau derselben Charge, demselben Nest oder derselben kurzen Produktionsserie stammen, identisch genug sind, um einen einzelnen Datenpunkt darzustellen.

Die Bediener sind im Wesentlichen in die Chargen „geschachtelt“:

• Bediener A misst die Teile 1 bis 5,
• Bediener B misst die Teile 6 bis 10.

Bediener B sieht niemals die Teile, die Bediener A berührt hat.

Die Herausforderung ist hier die Homogenitätsannahme.

Damit dies funktioniert, muss die Abweichung zwischen Teil 1 und Teil 2 im Vergleich zum Messfehler, den wir zu finden versuchen, vernachlässigbar sein.

Wenn Ihr Herstellungsprozess eine hohe Streuung innerhalb einer einzelnen Charge aufweist, wird die geschachtelte Studie diese Teilestreuung fälschlicherweise als Messfehler interpretieren.

Erweiterte Gage R&R

Manchmal ist das wirkliche Leben einfach zu chaotisch für die Standardmodelle. Die gekreuzten und geschachtelten Studien gehen von einer relativ sauberen Welt aus: normalerweise zwei Bediener, ein Messgerät und ein Satz von Teilen.

Aber was passiert, wenn Sie zusätzliche Variablen einführen?

Der häufigste Auslöser dafür ist die Einführung von Vorrichtungen. Wenn Sie ein Teil messen, das in eine Haltevorrichtung einrastet, messen Sie nicht nur das Teil.

Sie testen tatsächlich die Fähigkeit der Vorrichtung, das Teil konsistent zu halten.

Wenn Sie zwei verschiedene Vorrichtungen haben, ist das eine neue Variable, die eine Standard-gekreuzte Studie in den Fehler einbeziehen würde. Eine erweiterte Studie kann „Vorrichtung“ als eigene Varianzquelle isolieren.

Dieser Rahmen ist auch für unausgewogene Designs notwendig.

In einer perfekten Welt misst jeder Bediener jedes Teil dreimal. In der realen Welt könnte Bediener A eine Schicht verpassen, oder ein Teil könnte verloren gehen.

Standardberechnungen scheitern oft an fehlenden Daten, während erweiterte Berechnungen (die im Allgemeinen ein allgemeines lineares Modell verwenden) robuster gegenüber diesen Unvollkommenheiten sind.

Ich rate hier jedoch zur Vorsicht.

Erweiterte Studien erfordern deutlich mehr Daten, um statistisch signifikante Ergebnisse zu erhalten, da Sie den Kuchen in kleinere Stücke schneiden (Teil, Bediener, Messgerät, Vorrichtung, Interaktion usw.). Verwenden Sie es nicht nur, um anspruchsvoll zu wirken; verwenden Sie es nur, wenn Sie wirklich vermuten, dass eine dritte Variable Ihre Messabweichung antreibt.

Berechnungsmethoden (Mittelwert-Spannweite und ANOVA)

Nachdem Sie Ihre Daten gesammelt haben, müssen Sie sie verarbeiten, um Ihre Messsystemanalyse (MSA-Auswertung) zu verstehen.

Es gibt zwei primäre Wege, um GRR-Berechnungen durchzuführen: Die Mittelwert- und Spannweitenmethode (Average and Range Method, X-quer-R-Methode) und die ANOVA-Methode (Varianzanalyse, Analysis of Variance).

Unabhängig davon, welche Methode Sie wählen, zielen beide darauf ab, dieselben drei Fehlerkomponenten zu schätzen: Wiederholpräzision (Gerätestreuung), Vergleichpräzision (Prüferstreuung) und Teil-zu-Teil-Streuung.

Das Ziel ist es, diese Faktoren zu isolieren, damit Sie genau sehen können, wo die Abweichung liegt.

Mittelwert- und Spannweitenmethode

Dies ist der klassische Ansatz. Er ist sehr einfach und wird oft manuell berechnet, da die Mathematik unkompliziert ist.

Er verlässt sich auf die durchschnittliche Spannweite Ihrer Messungen, um die Streuung zu schätzen. Sie verwenden eine spezifische statistische Konstante (bekannt als d2*), um die Standardabweichung für die Wiederholpräzision zu bestimmen.

Obwohl diese Methode als großartiger Plausibilitätscheck dient, hat sie einen blinden Fleck.

Sie nimmt an, dass Bediener und Teile nicht interagieren. Sie kann Ihnen nicht sagen, ob ein bestimmter Bediener Probleme mit einem bestimmten schwierigen Teil hat, während er einfache Teile perfekt misst.

ANOVA-Methode (Varianzanalyse)

Die ANOVA-Methode (Varianzanalyse, Analysis of Variance) ist der Branchenführer der Metrologie und Qualitätstechnik. Sie ist auch die Standardberechnungsmethode in Statistiksoftware wie Minitab.

Im Gegensatz zur vorherigen Methode unterteilt ANOVA die Varianz in vier spezifische Kategorien:

1. Teilevarianz,
2. Prüfervarianz,
3. Die Interaktion zwischen ihnen,
4. Wiederholungsfehler.

Dies gibt Ihnen ein viel besseres Bild der Realität.

Da sie die Beziehung zwischen Prüfern und Teilen unterscheiden kann, verwenden fast alle modernen Softwareprogramme diese Berechnung.

Sie fängt diese subtilen Fallstricke in Ihrem Prozess ein. Für weitere technische Details zu den beteiligten Statistiken können Sie den ASQ-Leitfaden konsultieren (im deutschen Fertigungsumfeld können auch DIN- und VDA-Standards herangezogen werden).

Vorbereitung auf eine Gage R&R-Studie

Bevor Sie mit dem Messen beginnen, müssen wir uns um die Einrichtung kümmern. Eine Gage R&R-Studie reagiert empfindlich darauf, wie Sie Ihre Daten vorbereiten.

Wenn Sie sie mit schlechten Eingaben füttern, spuckt selbst die beste Analysesoftware nutzlose Zahlen aus. Stellen Sie sich das wie einen Blindverkostungstest vor: Wenn Sie den Gaumen eines Kochs testen wollen, können Sie ihm nicht einfach drei identische Schalen Suppe geben.

Sie brauchen Abwechslung. Das ist das größte Problem im Prozess: Teileauswahl.

Sie benötigen 5 bis 10 Teile, die den gesamten Bereich Ihrer Prozessstreuung repräsentieren. Wählen Sie nicht nur die Referenzteile (Golden Parts). Sie wollen die guten, die grenzwertigen und die schlechten.

Wenn die Teile zu ähnlich sind, hat die Mathematik Mühe, zwischen tatsächlichen Teilunterschieden und Messfehlern zu unterscheiden.

Sobald Sie Ihre kalibrierte Ausrüstung und geschulte Bediener haben, ist hier das Standardrezept für eine robuste Studie:

• 2 bis 3 Bediener
• 5 bis 10 Teile (die den vollen Prozessbereich abdecken)
• 2 bis 3 Durchläufe (Messungen pro Teil pro Bediener)

Sie müssen auch streng bei der Randomisierung sein.

Wenn ein Bediener Teil 1, dann Teil 2, dann Teil 3 jedes Mal in derselben Reihenfolge misst, erinnert er sich möglicherweise unbewusst an die Messwerte.

Sie müssen die Reihenfolge für jeden Versuch randomisieren, um ehrlich zu bleiben. Definieren Sie schließlich Ihre Maßeinheit (Millimeter, Mikrometer, Zoll usw.) klar, damit Ihre Berechnungen der Prozenttoleranz später tatsächlich Sinn ergeben.

Daten sammeln

Das Sammeln der Daten klingt einfach, aber hier geraten die meisten Studien tatsächlich aus der Bahn.

Es stellt sich heraus, dass der größte Feind einer guten Gage R&R-Studie das menschliche Gedächtnis ist. Wenn sich ein Bediener daran erinnert, dass „Teil 4″ beim letzten Mal etwas hoch gemessen wurde, könnte er seine Technik unbewusst anpassen, um diesem vorherigen Ergebnis zu entsprechen.

Dies erzeugt eine Rückkopplungsschleife, die die wahre Variation verbirgt.

Um dies zu überwinden, müssen Sie Ihre Datenerfassung wie ein Doppelblind-Experiment behandeln. Sie müssen das Muster brechen.

Die Standardpraxis ist es, mehrere Bediener denselben Satz von Teilen messen zu lassen, aber Sie lassen sie niemals die Teilenummern sehen.

Noch wichtiger ist, dass Sie die Reihenfolge für jeden einzelnen Durchlauf randomisieren müssen. Diese Randomisierung verhindert, dass das „Muskelgedächtnis“ der Messung Ihre Daten verschmutzt.

Wenn Sie die Ergebnisse aufzeichnen, müssen Sie vier spezifische Datenpunkte erfassen, damit die Mathematik später funktioniert:

• Bediener-ID
• Teile-ID (für den Bediener verborgen)
• Messwert
• Versuchsnummer

Dieser rigorose Ansatz ist das Rückgrat zuverlässiger industrieller Metrologie. Wenn Sie die Randomisierung überspringen, messen Sie nicht mehr die Fähigkeit des Werkzeugs. Sie messen nur die Fähigkeit des Bedieners, sich an seine vorherigen Schätzungen zu erinnern.

Gage R&R-Ergebnisse berechnen

Nun kommt der Moment der Wahrheit.

Sobald Sie Ihre Daten gesammelt haben, müssen Sie diese rohen Zahlen in eine Scorecard für Ihr Messsystem übersetzen. Wir verlassen uns hier auf drei Schlüsselmetriken: % Beitrag, % Studienstreuung und % Toleranz.

Betrachten Sie diese als verschiedene Linsen, um dasselbe Problem zu betrachten:

• % Beitrag hilft Ihnen, die Quelle der Streuung genau zu bestimmen (wie ein Diagnosetool),
• % Studienstreuung bewertet die Streuung des Messsystems im Verhältnis zur in der Studie beobachteten Gesamtstreuung (wie die Überprüfung der Angemessenheit gegenüber Prozessrauschen),
• % Toleranz sagt Ihnen, ob das Messgerät tatsächlich präzise genug ist, um Ihren Kundenspezifikationen zu vertrauen.

Ergebnisse interpretieren (GRR-Bewertungskriterien)

Sie haben die Zahlen durchgerechnet. Nun kommt der Moment der Wahrheit. Die Interpretation dieser Ergebnisse ist wohl der wichtigste Teil der gesamten Messsystemanalyse (MSA-Bewertung).

Wir verwenden im Allgemeinen die Prozenttoleranz (%Toleranz) oder Studienstreuung (%GRR) gemäß AIAG MSA-Handbuch und Industriestandards, um die Messsystemfähigkeit zu bewerten:

• Unter 10 % : Akzeptabel. Das System ist vertrauenswürdig.
• 10 % bis 30 % : Bedingt. Es könnte für Anwendungen mit geringem Risiko funktionieren, aber Sie sollten es im Auge behalten.
• Über 30 % : Inakzeptabel. Sie müssen den Messprozess beheben, bevor Sie den Daten vertrauen.

Wenn Ihre Ergebnisse in die Kategorie „Reparatur“ fallen, schauen Sie sich die Aufschlüsselung an.

Wenn die Wiederholpräzision deutlich größer ist als die Vergleichpräzision, liegt das Problem wahrscheinlich beim Messgerät selbst. Es könnte locker, schmutzig oder schwer zu positionieren sein.

Wenn die Vergleichpräzision das größere Problem ist, liegt das Problem normalerweise bei den Menschen. Ihre Bediener benötigen wahrscheinlich eine Schulung, wie man das Werkzeug konsistent hält oder abliest.

Grafische Analysemethoden

Sich auf rohe Berechnungen zu verlassen ist verlockend, aber Zahlen können für manche Fälle zu einfach sein.

Sie könnten eine ausreichende Prozenttoleranzbewertung erhalten und trotzdem seltsame Muster in den Daten übersehen. Hier ist die grafische Analyse nützlich. Sie validiert Ihre Studienergebnisse und bietet Einblicke, die eine Tabellenkalkulation einfach nicht bieten kann.

Denken Sie nur an die goldene Regel hier: Diese Grafiken veranschaulichen die Wirksamkeit des Messsystems, nicht die Leistung des Herstellungsprozesses. Wir bewerten das Lineal, nicht das Objekt.

Häufige Fehler

Es stellt sich heraus, dass die Mathematik (ob Sie die Mittelwert- und Spannweiten- oder die ANOVA-Methode verwenden) selten das Problem ist.

Der wahre Fehler passiert während der Einrichtung.

Der häufigste Fehler ist die Auswahl von Teilen, die zu perfekt sind. Es klingt kontraintuitiv, aber Ihre Probenteile müssen den gesamten Bereich der Prozessstreuung repräsentieren.

Wenn jedes Teil statistisch identisch ist, ist die einzige Variation, die die Studie erkennt, der Messfehler. Dies bläht Ihre Fehlerquoten künstlich auf und lässt ein völlig gutes Messsystem schrecklich aussehen, weil es keine Teil-zu-Teil-Streuung gibt, mit der man es vergleichen könnte.

Wenn Bediener Teile konsistent nach Reihenfolge (1, 2, 3…) messen, werden sie sich Werte unbewusst merken. Randomisieren Sie immer die Präsentationsreihenfolge für jeden einzelnen Versuch, um diese Verzerrung zu vermeiden.

Die Umgebung ist ein weiteres Problem, das berücksichtigt werden muss.

Wenn Sie Metallteile messen und die Temperatur zwischen den Morgen- und Nachmittagsversuchen um ein paar Grad schwankt, ändern die Teile effektiv ihre Größe.

An diesem Punkt messen Sie nicht Wiederholpräzision und Vergleichpräzision, Sie messen thermische Ausdehnung.

Halten Sie die Umgebung konstant.

Verbesserung der Leistung des Messsystems (Verbesserungsmaßnahmen)

Hohe Variationswerte (hohe GRR-Werte) in einer Gage R&R-Studie können frustrierend sein, aber sie sind auch eine Verbesserungs-Roadmap. Sie sagen Ihnen genau, wo die Messsystemanalyse eine Schwachstelle gefunden hat. Idealerweise möchten Sie, dass die Variation von den Teilen selbst (Teilestreuung PV) kommt, nicht von Ihren Messgeräten oder Bedienern.

Wenn Sie einen Fehler bei hoher Wiederholpräzision finden, ist das Problem normalerweise die Hardware. Das Messgerät selbst zittert. Es ist, als würde man versuchen, eine Feder auf einem wackeligen Tisch zu wiegen.

• Kalibrieren Sie die Ausrüstung oder führen Sie eine tiefe Wartung durch, um lose Mechaniken festzuziehen.
• Ersetzen Sie verschlissene Komponenten wie Klemmvorrichtungen, die sich während des Gebrauchs verschieben könnten.
• Kontrollieren Sie die Umgebung, indem Sie Vibrationen reduzieren oder die Temperatur stabilisieren.

Wenn Sie einen hohen Fehler bei der Vergleichpräzision sehen, ist das Problem die Methode. Ihre Bediener halten das Teil wahrscheinlich anders oder lesen die Anzeige unterschiedlich ab. Es stellt sich heraus, dass kleine Gewohnheiten große Datenlücken erzeugen.

• Standardisieren Sie Verfahren, damit jede Person genau dieselbe Technik anwendet.
• Schulen Sie Bediener, das Messgerät konsistent zu interpretieren.
• Erstellen Sie visuelle Arbeitsanweisungen (Bilder sind hier großartig), um Unklarheiten zu beseitigen.

Manchmal ist das Werkzeug einfach nicht präzise genug. Wenn Ihre Prozenttoleranz trotz Ihrer besten Bemühungen hoch bleibt, fehlt dem Messgerät wahrscheinlich die erforderliche Auflösung. In diesem Fall müssen Sie die Ausrüstung durch ein präziseres Gerät ersetzen.

Kurzer Tipp: Sie sind nicht fertig, nachdem Sie Verbesserungen vorgenommen haben. Sie müssen die Gage R&R-Studie erneut durchführen, um zu validieren, dass die Änderungen die Variation tatsächlich reduziert haben.

Fazit (Der Wert der GRR-Analyse)

Wir haben die Mechanik von Gage R&R (Messmittelfähigkeitsuntersuchung) erforscht, und hoffentlich können Sie sehen, dass es mehr als nur eine Compliance-Checkbox oder Qualitätssystem-Zertifizierung ist.

Es funktioniert wie eine hochauflösende Linse für Ihre Produktionslinie und ist der Grundstein für die Zuverlässigkeit Ihrer Messdaten.

Ohne sie fahren Sie im Wesentlichen im Nebel und raten, ob Abweichungen von Ihrem tatsächlichen Herstellungsprozess oder nur von den Messwerkzeugen selbst stammen. Durch die Quantifizierung der Messwiederholpräzision (EV) und Messvergleichpräzision (AV) geben Sie sich selbst die Fähigkeit, Ihren Daten zu vertrauen und Prozessfähigkeitsanalysen (Cpk/Ppk) durchzuführen.

Messsysteme driften ab, Werkzeuge fallen herunter und neue Bediener kommen ins Team.

Diese Studien zur regelmäßigen Gewohnheit zu machen, stellt sicher, dass Ihre Qualitätsdaten über die Zeit relevant bleiben. Ich empfehle dringend, über jede Studie, die Sie durchführen, genau Buch zu führen. Das spart große Kopfschmerzen bei Audits und hilft Ihnen, langfristige Trends zu erkennen, die sonst vielleicht durchrutschen würden.

Also schnappen Sie sich eine Handvoll Teile und lassen Sie ein paar Zahlen laufen!

Sogar eine schnelle Studie kann überraschende Dinge über Ihren Prozess enthüllen. Hochwertige Daten sind die Grundlage für alles, was wir hier tun, also lohnt es sich sicherzustellen, dass diese Grundlage solide ist.

Frohes Messen!

Häufig gestellte Fragen

Was ist der Hauptzweck einer Gage R&R-Studie?
Sie berechnet, wie viel Ihrer Prozessstreuung aus dem Messsystem selbst stammt. Sie verwenden sie, um zu überprüfen, ob die Unterschiede, die Sie in den Daten sehen, tatsächliche Teileunterschiede sind und nicht Fehler vom Messgerät oder dem Bediener. Dies bestätigt, dass Ihr Inspektionsprozess gültig ist.

Wann ist es angebracht, diese Studie durchzuführen?
Sie sollten diese Studie immer dann durchführen, wenn Sie neue Messgeräte einführen oder neue Bediener schulen. Sie ist auch notwendig, bevor Sie ein Prozessverbesserungsprojekt beginnen, um zu bestätigen, dass Ihre Basisdaten zuverlässig sind. Führen Sie sie schließlich regelmäßig durch, um zu überprüfen, ob Ihr Messsystem stabil bleibt.

Was ist der Unterschied zwischen Wiederholpräzision und Vergleichpräzision?
Wiederholpräzision misst die Streuung, wenn eine Person dasselbe Teil mehrmals mit demselben Werkzeug misst. Vergleichpräzision betrachtet die Streuung zwischen verschiedenen Personen, die dasselbe Teil messen. Zusammen definieren sie die Gesamtpräzision Ihres Messsystems.

Wie viele Bediener und Teile fließen normalerweise in eine Studie ein?
Eine Standardstudie erfordert typischerweise zwei oder drei Bediener und zehn Teile. Jeder Bediener sollte jedes Teil mindestens zwei- oder dreimal messen. Sie müssen Teile auswählen, die den gesamten Bereich Ihrer Prozessstreuung repräsentieren, um genaue Ergebnisse zu erhalten.

Welche häufigen Fehler treten bei der Datenerfassung auf?
Der häufigste Fehler ist die Fehler bei der Randomisierung der Messuhreihenfolge. Wenn Bediener die Teilenummern kennen oder sich vorherige Messwerte merken, werden die Daten verzerrt. Stellen Sie außerdem sicher, dass die Teile den gesamten Toleranzbereich abdecken, um eine Unterschätzung der Prozessstreuung zu vermeiden.

Was ist der Unterschied zwischen gekreuzten und geschachtelten Studien?
Verwenden Sie gekreuzte Studien, wenn Bediener mehrmals die gleichen Teile messen können, ohne diese zu zerstören. Verwenden Sie geschachtelte Studien, wenn der Test die Teile zerstört. Bei geschachtelten Studien müssen Sie davon ausgehen, dass Teile aus derselben Charge identisch sind.

Wann sollte ich die ANOVA-Methode statt der Mittelwert- und Spannweitenmethode wählen?
Die ANOVA-Methode wird im Allgemeinen bevorzugt, da sie umfassender ist. Im Gegensatz zur einfacheren Mittelwert- und Spannweitenmethode berechnet ANOVA die Wechselwirkung zwischen Bediener und Teil. Dies hilft Ihnen zu sehen, ob bestimmte Bediener bei bestimmten Teile-Typen Schwierigkeiten haben. Aus diesem Grund verwenden moderne Software-Programme standardmäßig ANOVA.

Wie interpretiere ich eine hohe Vergleichpräzision in meinen Ergebnissen?
Eine hohe Vergleichpräzision (Reproduzierbarkeit) bedeutet, dass verschiedene Bediener unterschiedliche Ergebnisse für dieselben Teile erhalten. Dies deutet normalerweise auf inkonsistente Schulungen oder unklare Arbeitsanweisungen hin. Sie können dies oft beheben, indem Sie visuelle Leitfäden erstellen oder Ihr Team in der korrekten Messtechnik nachschulen.

Was zeigt die %-Toleranz-Metrik an?
Diese Metrik vergleicht Ihre Messstreuung speziell mit Ihren Kundenspezifikationen. Sie sagt Ihnen, ob Ihr Messgerät präzise genug ist, um zwischen guten und schlechten Teilen zu unterscheiden. Wenn dieser Prozentsatz zu hoch ist, könnten Sie gute Teile ablehnen oder schlechte akzeptieren.

Was deutet auf eine Interaktion zwischen Bediener und Teil hin?
Eine Interaktion tritt auf, wenn einige Bediener bestimmte Teile konstant höher oder niedriger messen als andere. Sie können dies in einem Interaktionsdiagramm sehen, wo sich Linien nicht-zufällig kreuzen. Dies deutet darauf hin, dass sich die Messschwierigkeit je nach Teilegröße oder Geometrie für bestimmte Bediener ändert.