Hallo Barbara
Theoretisch hast Du recht! Leider kann ich Dir trotzdem nicht zustimmen. Die Möglichkeit, dass ein Punkt als Signal und nicht als Rauschen interpretiert wird, beträgt bei extremen Verteilungen vielleicht 3 Prozent.
- Dies ist kein Werkzeug für Statistiker sondern für ganz normale Mitarbeiter wie Du und ich.
- 100\% Richtigkeit oder Sicherheit ist nicht erstrebenswert, da Signale (nicht mehr dem System zurechenbare Wertabweichungen) normalerweise deutlich ausserhalb der Grenzen liegen. Ich weiss diese Meinung wird von wenigen Leuten geteilt. SixSigma-Vertreter finden es auch notwendig, diese Verteilung zu überprüfen.
- Eine Normalverteilung gibt es im richtigen Leben nicht. Höchstens eine Annäherung an die Normalverteilung. Absolute Sicherheit hast Du also mit der Standardabweichung auch nicht.
- Ich habe viele Beispiele durchgerechnet und die Grenzen sind bei angenäherter Normalverteilung fast identisch. Es kann sogar so sein, dass die Shewhartgrenzen näher beisammen liegen.
- Bei Einzelwerten ist in der Veränderung von Punkt zu Punkt mehr Information enthalten, als nur die Spanne zwischen dem grössten und dem kleinsten Wert.
- Die auf der Kontrollgrafik aufgezeichneten Punkte sind aus Daten ermittelt worden. Je nach dem wie diese erhoben werden, bist du schon weit von hundert Prozent Richtigkeit entfernt.
- Wichtig ist es, das Know how der Mitarbeiter und Spezialisten im Prozess, mit den Signalen auf der Grafik verbinden zu können. Statistische Werkzeuge müssen in diesem Umfeld angewendet werden können.
Lass Dich nicht verunsichern. Lernt die Kontrollgrafiken richtig zu interpretieren und ihr habt ein mächtiges Verbesserungstool, das in der Regel keine weiteren Test benötigt.
Gruss Florian


qm-online.ch

Hi Florian,
Mitarbeiter wie Du und ich fand ich gut. Ich bin übrigens Statistikerin
Insofern finde ich es gut, wenn SPC oder andere statistische Methoden angewendet werden, allerdings sind statistische Sachen nur dann sinnvoll, wenn die Annahmen erfüllt sind.
Kontrollkarten sind statistische Tests, deshalb ist es immer wichtig zu schauen, ob die Voraussetzungen für die Tests erfüllt sind.
Dazu gehört auch die Untersuchung der Verteilung der Messwerte. Das muss nichts Wildes sein mit irgendwelchen Tests, es reicht schon sich ein Diagramm der Messwerte anzuschauen und zu gucken, wie die Abweichung der Werte vom Soll oder Mittelwert sind.
Wenn Du als Schätzung für die Streuung eines Prozesses die durchschnittliche Spannweite unterstellst, dann gehst Du davon aus, dass Deine Werte gleichverteilt sind. D. h. das Werte weit weg vom Mittelwert genauso wahrscheinlich sind wie Werte in der Nähe vom Mittelwert. Das halte ich für wenig erstrebenswert, schließlich sollte der Prozess doch "in der Mitte" liegen.
Natürlich hast Du recht, wenn Du sagst, dass es in Wirklichkeit keine Normalverteilung gibt (genauso wenig wie eine Gleichverteilung). Aber es gibt den Zentralen Grenzwertsatz. Der Mittelwert von Messwerten, die unabhängig voneinander sind, den gleichen erwarteten Wert und eine konstante Varianz haben, sind (annähernd) normalverteilt. Das ist auch der Grund, warum die Normalverteilung so gerne genommen wird - es stimmt bei messbaren Größen ziemlich oft.
Gerade wenn der Unterschied zwischen Signal und Rauschen so gering ist, sollte er nicht durch die unpassende Wahl einer Verteilung quasi unsichtbar werden.
Ziel bei der Wahl der Grenzen ist nicht, dass sie möglichst weit oder möglichst nah sind, sondern dass sie für den Prozess möglichst gut passen, um ein zu frühes oder zu spätes Eingreifen zu verhindern. Da stimme ich Dir absolut zu: Dann sind sie ein wirklich gutes Mittel, um Prozesse anschaulich zu kontrollieren.
Viele Grüße
Barbara

Hallo Barbara
Vielen Dank für Deine Ausführungen. Da hast Du mich ja schön auflaufen lassen . Ich fnde es jedoch höchst interessant, eine "richtige" Statistikerin unter uns zu haben.
Normalerweise ist der Unterschied zwischen Signal und rauscehn nur dann nicht sehr gross, wenn nicht die Einsatzfaktoren sondern eher Ergebnisse gemessen werden. Wie Du ja weisst, "vermischen" sich mehrere Streuungen hintereinander zu einem "Brei", der immer weniger ausschlägt. Gehe ich den möglichen Ursachen auf den Grund und messe den Wert, der für das Signal verantwortlich ist, enstehen meist grössere Signale.
Ich glaube eigentlich immer noch Ronald Weehlers Ausführungen, dass alle Verteilungen mit genügender Genauigkeit mit den Shewhart-Kontrollgrafiken (Weehler nennt sie: Prozessverhaltensgrafiken) analysiert werden können. (Ronald Weehler: unterstanding statistical process control, ISBN 0-945320-13-2).
Könntest Du uns ein konkretes Beispiel geben? Vielleicht hast Du ja Datenset, welches diesen Umstand aufzeigen könnte. Ich lerne gerne dazu, um meine Theorie anpassen zu können. Ich habe in meinem Leben gesehehen, nur wenn ich offen bin, kann ich etwas dazu lernen.
Ich denke, dass wir vermehrt über statistische Methoden diskutieren sollten. Praktisch jeder Q-Spezialist könnte sie einsetzen. Ist sicher deutlich ergiebiger, als das Management verändern zu wollen . Diese Tools bieten auch die Möglichkeit das Management mit Fakten überzeugen zu können.
Es Grüessli
Florian


qm-online.ch

Hallo Florian,
ich find es auch sehr spannend als Statistikerin in der Qualität
Das Buch von Weehler kenne ich nicht, bin aber generell skeptisch bei einem "goldenen Rezept", da es das für mich weder in der Statistik noch irgendwo anders im Leben gibt. Womit begründet Weehler seine Theorie?
An einem anschaulichen Beispiel bastel ich gerade, aber das dauert ein bisschen. Kannst Du mir etwas konkreter sagen, was Du interessant fändest (unterschiedliche Arten von Verteilungen, Grenzen, ...)?
Ich denke auch, dass statistische Verfahren ein mächtiges Hilfsmittel sind, gerade weil sie vieles erfassbar machen (mit Zahlen oder Grafiken) bzw. Zusammenhänge aufzeigen können. Diese Transparenz muss natürlich nur gewünscht sein... wie immer
Viele Grüße
Barbara

Hallo Christian
Barbara und ich tauschen fleissig Emails aus. Sobald wir uns auf einen Ratschlag geeinigt haben werden wir Dich informieren.
Es Grüessli
Florian

: Hallo Florian,
: ich find es auch sehr spannend als Statistikerin in der Qualität
: Das Buch von Weehler kenne ich nicht, bin aber generell skeptisch bei einem "goldenen Rezept", da es das für mich weder in der Statistik noch irgendwo anders im Leben gibt. Womit begründet Weehler seine Theorie?
: An einem anschaulichen Beispiel bastel ich gerade, aber das dauert ein bisschen. Kannst Du mir etwas konkreter sagen, was Du interessant fändest (unterschiedliche Arten von Verteilungen, Grenzen, ...)?
: Ich denke auch, dass statistische Verfahren ein mächtiges Hilfsmittel sind, gerade weil sie vieles erfassbar machen (mit Zahlen oder Grafiken) bzw. Zusammenhänge aufzeigen können. Diese Transparenz muss natürlich nur gewünscht sein... wie immer
: Viele Grüße
: Barbara
Hallo,
es gibt ein Buch von der DGQ "Tabellen, Auswertblätter und Nomogramme zu den den statistischen Methoden des QM"
DGQ-Arbeitsmittel 18-105
ISBN 3-410-32953-6
Diese Unterlagen kann man unter www.dgq.de bestellen.
Gruß Bernhard (DGQ-QMA)