R in der statistischen Prozesskontrolle – Möglichkeiten und Vorteile

This post was kindly contributed by eoda, R und Datenanalyse » R - go there to comment and to read the full post.

Rückrufaktionen aufgrund von Qualitätsmängeln haben oft massive Auswirkungen auf die Kundenzufriedenheit, das Image und das Unternehmensergebnis.

Unzureichend geprüfte Produkte stellen ein unkalkulierbares Kostenrisiko dar. Systematisch angelegte statistische Kontrollen entlang der unternehmerischen Wertschöpfung von der Wareneingangsprüfung über die Produktion bis zur Endkontrolle können dieses Risiko kalkulierbar machen und eindämmen. Neben der Volluntersuchung der gesamten Produktion kommen regelmäßig Stichprobenkontrollen zum Einsatz.

Umsetzung von Stichprobenverfahren

Den ersten Schritt von Stichprobenverfahren bilden geeignete Prüfpläne um Kontrollen zu strukturieren und zu systematisieren. Ein standardisiertes Vorgehen bieten die  AQL Normwerttabellierungen gemäß der international gültigen Richtlinien DIN ISO 2859 und DIN ISO 3951. An den Tabellen lässt sich ablesen, wann ein Los aufgrund der Messergebnisse der Stichprobe abgelehnt werden sollte.

Aufgrund der schlechten Passung auf die individuellen Gegebenheiten und die Umsetzung über Insellösungen stellt die Anwendung solcher Tabellen ein Risiko dar. Prüfpläne sollten besser auf die jeweiligen Anforderungen angepasst werden. Dadurch wird der Prozess der statistischen Prozesskontrolle umfassender aber auch komplexer und dynamischer. Eine Unterstützung durch eine passende Software ist dringend angeraten.

Der gesamte Prozess von der Datenerfassung über die Analyse und die möglichst anschaulichen Darstellung der Ergebnisse sollte über eine integrierte Softwarelösung erfolgen, die auch das Potenzial bietet, die Daten, die von Sensoren entlang der Produktion erfasst werden mit zu analysieren.

Vielfältige Anforderungen an Software

Die Anforderungen an die jeweilige Lösung sind dabei vielfältig. Zuallererst ist an die statistischen Funktionen  zu denken, die die spezifischen Analysen und Auswertung  ermöglichen. Um Flexibilität und Nutzen auszuweiten, sollte ein möglichst breites Angebot an statistischen Methoden und Funktionen vorliegen. Die Ergebnisse sollten möglichst anschaulich weiterverarbeitet werden und mit Hilfe umfassender Möglichkeiten grafisch aufbereitet werden können.

Nicht zuletzt vor dem Hintergrund von Industrie 4.0 und dem Ziel intelligenter Fabriken sollte sich die Software auch nahtlos in die bestehende Anwendungslandschaft integrieren und bereit für „Big Data“ sein.

In dieses Anforderungsprofil passt die Statistikumgebung R. Mit Wurzeln im universitären Umfeld entwickelt sich R gerade zur Lingua franca der Datenanalyse und gewinnt branchenübergreifend massiv an Verbreitung in allen Bereichen der Datenanalyse wie Data Mining oder Predictive Analytics. In vielen Bereichen gilt R als Standard zur Analyse statistischer Daten.

Analyseansicht von R/StatET: Skriptfenster, Datenblatt und Grafikausgabe

Analyseansicht von R/StatET: Skriptfenster, Datenblatt und Grafikausgabe

Mit R die statistische Pozesskontrolle neu strukturieren

Als ganzheitliche Lösung im Bereich der statistischen Prozesskontrolle bietet R einige Vorteile:

  • R bietet einen riesigen Funktionsumfang und nahezu grenzenlose Möglichkeiten zur vertiefenden Analyse von Daten. Sowohl kleine Anwendungen  als auch große Analyseprozesse lassen sich mit einer Universallösung durchführen. R ist damit eine äußerst flexible Software und kann praktisch auf jede konkrete Problemstellung zugeschnitten werden.
  • Es können unterschiedlichste Datentypen verarbeitet werden (Maschinendaten, geografische Karten, Bilder, Audiofiles etc.). Ergebnisse verschiedener Bereiche, bspw. aus Produktion und Vertrieb, können weiterverarbeitet und zusammengeführt werden. So können die Daten des gesamten Unternehmensprozesses in die Auswertungen des Qualitätsmanagements integriert werden.
  • Es existieren zahlreiche Pakete (siehe bspw.  AcceptanceSampling und Samplingbook) für die Erstellung und Auswertung von Plänen der Stichprobenprüfung. Neben den einfachen Auswertungen nach den AQL-Tabellierungen lassen sich darüber hinaus weitere Angaben machen. Unter anderem können die individuellen Produzenten- und Konsumentenrisiken angegeben oder diese Größen aufeinander abgestimmt und optimiert werden.
  • Das Engagement einer weltweit agierenden wissenschaftlichen Community  und der kommerziellen Anbieter (Revolution Analytics, IBM, Oracle u.a.) sichern den Innovationscharakter, garantieren eine konstant hohe Qualität und schaffen damit Investitionssicherheit für die Verwendung von R.
  • Bei R handelt es sich um ein  Open-Source-Produkt, welches vollständig lizenzkostenfrei ist.
  • R kann sowohl als eigenständige Software als auch integriert in Excel, SPSS oder SAS als eine Art Plug-In verwendet werden. Es kann eine sanfte Migration vollzogen werden, also die sukzessive Einbindung in bestehende Prozesslandschaften. Eine radikale Umstrukturierung der Prozesskontrolle kann auf diese Weise vermieden werden.
R-Grafik: Wahrscheinlichkeitskurve für Stichprobenannahme bei Produktionsgewicht

R-Grafik: Wahrscheinlichkeitskurve für Stichprobenannahme bei Produktionsgewicht

R als bewährtes Instrument in der Stahlherstellung bei Salzgitter Mannesmann

Der zweitgrößte deutsche Stahlhersteller Salzgitter Mannesmann nutzt R zur Erhöhung der Prozessqualität bei der Stahlerzeugung. Mit R werden die so wichtigen Verarbeitungstemperaturen geprüft und anschließend analysiert. Die Temperatur ist eine entscheidende Größe für den planmäßigen Produktionsablauf,  die Homogenität und die Qualität der Erzeugnisse, sowie mit Einfluss auf den Energieverbrauch bei der Stahlverarbeitung. Durch den Einsatz von Regressionsmodellen ermittelt R für jede Stahlsorte und jeden Bearbeitungsschritt die optimale Temperatur. Grundlage dafür sind Daten zur Bearbeitungszeit oder über die chemische Zusammensetzung des Stahls. Als ganzheitliches  Analysetool liefert R in diesem Zusammenhang wertvolle Vorteile hinsichtlich der Prozessautomatisierung und –überwachung und ist damit eine wertvolle Unterstützung in einem unternehmenskritischen  Prozess und ein realer Werttreiber.

Flussdiagramm mit den Funktionalitäten von R im Rahmen der Temperaturoptimierung der Stahlherstellung bei Salzgitter Mannesmann.  Quelle: http://www.inside-r.org/howto/towards-ideal-steel-plant-online-liquid-steel-temperature-prediction-using-r

Flussdiagramm mit den Funktionalitäten von R im Rahmen der Temperaturoptimierung der Stahlherstellung bei Salzgitter Mannesmann. Quelle: http://www.inside-r.org/howto/towards-ideal-steel-plant-online-liquid-steel-temperature-prediction-using-r

R als alternative Lösung zur ganzheitlichen statistischen Prozesskontrolle

Eine gut durchgeführte statistische Prozesskontrolle kann einem Unternehmen entscheidende Vorteile liefern, indem valide Aussagen über die Fertigungsbedingungen und damit die Qualität der gefertigten Güter getroffen werden können. Dies steigert die Kundenzufriedenheit, reduziert die Kosten und verbessert insgesamt die Marktposition. R stellt dabei eine echte Alternative zu den etablierten Lösungen im Bereich der Prozesskontrolle  dar. Es bietet das Gesamtpaket aus speziellen Fähigkeiten und Funktionen gepaart mit einem mächtigen Funktionsreservoir.  So wird eine vollumfängliche Einbindung des Qualitätsmanagements in die Unternehmensprozesse und eine effiziente Nutzung der vorhandenen Daten geschaffen.