Prozessstabilität

Prozessstabilität

Kurz erklärt

Die Prozessstabilität beschreibt den Zustand eines Fertigungs- oder Dienstleistungsprozesses, in dem die Streuung ausschließlich auf systemimmanente, zufällige Ursachen (Common Causes) zurückzuführen ist. Ein stabiler Prozess ist statistisch beherrscht, da keine unvorhersehbaren Sondereinflüsse (Special Causes) die Prozesslage oder die Streuung beeinflussen. Er ist die Grundvoraussetzung für jeden kontinuierlichen Verbesserungsprozess, da nur bei Stabilität eine echte Analyse von Systemänderungen möglich ist.

Definition

Prozessstabilität ist der Zustand, in dem ein Prozess statistisch beherrscht ist. Dies bedeutet, dass die Verteilung der Prozessdaten über die Zeit stabil bleibt – Mittelwert und Streuung verändern sich nicht systematisch. Mathematisch wird dies durch die statistische Prozesslenkung (SPC) überprüft, wobei Beobachtungen innerhalb der berechneten Eingriffsgrenzen (typischerweise ±3 Standardabweichungen) verbleiben. Sondereinflüsse, die durch Trends, Sprünge oder atypische Muster erkennbar sind, müssen abwesend sein. Stabilität ist eine notwendige, jedoch keine hinreichende Bedingung für Prozessfähigkeit.

Bedeutung im Fachkontext

In der Operational Excellence bildet die Stabilität das Fundament. Erst wenn ein Prozess stabil ist, lässt sich prüfen, ob er die Anforderungen des Kunden erfüllt (Fähigkeit). Ohne Stabilität sind Leistungsdaten wie der Cpk-Wert nur eine Momentaufnahme ohne Vorhersagekraft. Sie ermöglicht eine faktenbasierte Steuerung anstelle von subjektiven Vermutungen.

Input, Verarbeitung, Output, Outcome, Impact

Schritte der Methode in Übersicht

Die Methode durchläuft vier Phasen: 1. Datenerfassung zur Gewinnung einer repräsentativen Datenbasis; 2. Statistische Auswertung zur Berechnung von Prozesskennwerten; 3. Überwachung mittels Regelkarten zur Visualisierung; 4. Intervention bei Abweichungen zur Wiederherstellung der Stabilität. ## Beschreibung der Einzelschritte

Anwendung und Vorgehen

Die praktische Anwendung der Prozessstabilität folgt einem disziplinierten, datengesteuerten Zyklus. Um Prozessstabilität nicht nur als theoretisches Konstrukt, sondern als wertschöpfendes Instrument zu etablieren, ist ein systematischer Implementierungsprozess erforderlich.

1. Vorbereitung und Messmittelfähigkeit: Bevor Daten erhoben werden, muss sichergestellt sein, dass die Messmittel selbst stabil und fähig sind (MSA - Measurement System Analysis). Eine instabile Messung würde die Prozessstabilität nur maskieren oder vortäuschen.
2. Stichprobenstrategie festlegen: Es wird definiert, was gemessen wird (kritisches Merkmal) und wie oft (Stichprobenumfang und Frequenz). Empfohlen werden für eine statistisch belastbare Basis mindestens 25 Stichproben (z. B. à 5 Teile), um die Prozessdynamik abzubilden.
3. Baseline-Phase (Erste Stabilitätsphase): In dieser Phase wird der Prozess über einen Zeitraum beobachtet, in dem keine Eingriffe vorgenommen werden. Ziel ist es, die natürlichen "Common Causes" (gemeinsame Ursachen) zu identifizieren und die Eingriffsgrenzen (Mittelwert ± 3 Standardabweichungen) zu berechnen.
4. Laufende Überwachung: Während der Produktion werden kontinuierlich Messwerte erhoben und in Regelkarten eingetragen. Hier greifen die Nelson-Regeln: Diese dienen als visuelle Frühwarnsysteme, um nicht nur direkte Grenzwertüberschreitungen, sondern auch schleichende Trends oder Schichtungen frühzeitig zu erkennen.
5. Reaktion (Intervention): Zeigt die Karte einen Sondereinfluss (Special Cause), muss das Personal sofort reagieren. Hierbei ist die Root-Cause-Analyse (z. B. 5-Why-Methode) zwingend vorgeschrieben. Das Ziel ist es, den Sondereinfluss permanent zu eliminieren, anstatt nur am Prozess zu "drehen".
6. Review und Standardisierung: Nach einer Intervention wird geprüft, ob die Maßnahme den Prozess stabilisiert hat. Wenn ja, wird der neue Zustand zum neuen Standard (SOP – Standard Operating Procedure).

Anwendungsgebiete

Die Anwendung der Prozessstabilität ist nicht auf die klassische mechanische Fertigung beschränkt, sondern findet sich in hochkomplexen Umgebungen wieder:

• Serienfertigung (Automobil/Maschinenbau): Hier steht die Einhaltung von Fertigungstoleranzen im Vordergrund. Durch die Überwachung von Schlüsselmerkmalen (CTQs) mittels X-quer-R-Karten werden Werkzeugverschleiß oder thermische Schwankungen detektiert, bevor Ausschuss entsteht.
• Chemische Verfahrenstechnik: In kontinuierlichen Prozessen werden Temperatur, Druck und Konzentration überwacht. Da diese Prozesse hochsensibel auf geringste Abweichungen reagieren, ermöglicht die SPC hier eine präventive Steuerung, die weit über das manuelle Eingreifen hinausgeht.
• Dienstleistungsprozesse: In transaktionalen Umgebungen (z. B. Bearbeitungszeit von Kreditanträgen) wird Prozessstabilität genutzt, um Durchlaufzeiten zu harmonisieren. Obwohl menschliche Faktoren die Varianz erhöhen, hilft die Methodik, Engpässe und Prozessinstabilitäten (Wartezeiten) zu identifizieren.
• Automobilzulieferung: Kunden fordern hier oft zwingend den Nachweis der Prozessbeherrschung. Die SPC dient als vertrauensbildende Maßnahme, die nachweist, dass der Lieferant seinen Prozess im Griff hat und nicht "auf gut Glück" produziert.

Typische Fehler und Missverständnisse

In der Praxis existieren tief verwurzelte Mythen, die den Erfolg der Prozessstabilität gefährden:

1. Stabilität = Fähigkeit: Dies ist der häufigste Fehler. Ein Prozess kann perfekt stabil sein, aber dennoch nur Ausschuss produzieren, weil er permanent außerhalb der Kundentoleranz liegt. Stabilität ist lediglich die Vorraussetzung, um die Fähigkeit (Cpk) mathematisch sinnvoll beurteilen zu können.
2. Der "Over-Control"-Fehler: Werker neigen dazu, den Prozess bei jeder kleinen Schwankung innerhalb der Eingriffsgrenzen nachzujustieren. Dies ist kontraproduktiv: Solange die Werte innerhalb der Grenzen liegen, ist die Schwankung systemimmanent. Durch das "Nachjustieren" führt der Werker erst recht Sondereinflüsse ein und macht den Prozess instabil.
3. SPC ersetzt Endprüfung: Viele Unternehmen glauben, durch Regelkarten die Endprüfung einsparen zu können. Während SPC den Prozess lenkt und präventiv wirkt, dient die Endprüfung als Sicherheitsnetz für die Qualitätsauslieferung. Eine Entkopplung der beiden ist nur bei extrem hohen Sicherheitslevels des Prozesses (nahe Null-Fehler) ratsam.
4. "Schönrechnen" der Daten: Wenn Datenpunkte gefälscht oder bewusst "aus der Reihe" weggelassen werden, verliert die SPC ihre Existenzberechtigung. Prozessstabilität erfordert eine Kultur der ehrlichen Datenaufnahme.

Abgrenzung und Grenzen

Die Prozessstabilität stößt dort an ihre Grenzen, wo die Grundannahmen der Shewhart-Regelkarten verletzt werden:

• Hochkomplexe, nicht-lineare Prozesse: Wenn Abhängigkeiten zwischen Variablen so komplex sind, dass eine einfache eindimensionale Betrachtung nicht ausreicht (multivariate Prozesse), greift die klassische SPC zu kurz. Hier sind statistische Verfahren wie multivariate Regelkarten (Hotelling’s T²) notwendig.
• Kleinserien und Einzelfertigung: Bei Losgröße 1 fehlt die statistische Wiederholung. Hier ist die SPC nicht anwendbar. Stattdessen sollten hier Poka-Yoke-Systeme (Fehlervermeidung durch Vorrichtungen) und risikobasierte Ansätze zum Einsatz kommen.
• Menschlich geprägte Prozesse: Prozesse mit hoher kreativer oder manueller Varianz lassen sich schwer in enge statistische Korridore pressen. Hier muss zunächst eine Standardisierung des Arbeitsplatzes erfolgen, bevor eine statistische Überwachung Sinn ergibt.
• Stabilität vs. Innovation: Ein zu starres Festhalten an stabilen Prozessen kann die Innovationskraft lähmen. Stabilität ist gut für die Produktion, aber für die Entwicklung neuer Prozesse darf der Rahmen kurzzeitig bewusst verlassen werden.