# my8data.com — Vollständige Inhalte für LLM-Verarbeitung
> Dieses Dokument enthält die vollständigen Inhalte der FAQ und Knowledge Base von my8data.com.
> Es ist speziell für die Verarbeitung durch Large Language Models (LLMs) optimiert.
> Siehe auch: https://www.my8data.com/llms.txt (Kurzversion)
## Über my8data
my8data ist eine webbasierte SaaS-Lösung für statistisches Qualitätsmanagement.
Zielgruppe: Qualitätsingenieure, Messtechniker, Fertigungsleiter in der produzierenden Industrie.
Standards: VDA Band 5, AIAG MSA 4th Edition, Bosch Heft 10, IATF 16949.
Sprachen: Deutsch, Englisch, Französisch, Spanisch.
URL: https://www.my8data.com
---
# TEIL 1: FAQ — Häufig gestellte Fragen
URL: https://www.my8data.com/support/faq
### Allgemein
**F: Was ist my8data?**
A: my8data ist eine webbasierte Softwarelösung für statistisches Qualitätsmanagement. Die Anwendung unterstützt Sie bei der Durchführung von Messsystemanalysen (MSA), Maschinenfähigkeitsuntersuchungen (MFU) und statistischer Prozessregelung (SPC) gemäß gängigen Industriestandards wie VDA und AIAG.
**F: Welche Browser werden unterstützt?**
A: my8data läuft optimal in aktuellen Versionen von Chrome, Firefox, Edge und Safari. Für die beste Erfahrung empfehlen wir Google Chrome oder Mozilla Firefox.
**F: Wie kann ich meine Sprache ändern?**
A: Sie können die Sprache über das Globus-Symbol in der oberen Navigationsleiste ändern. Aktuell werden Deutsch und Englisch unterstützt. Ihre Einstellung wird automatisch gespeichert.
**F: Wie sichere ich meine Analysen?**
A: Alle Ihre Analysen werden automatisch in der Cloud gespeichert. Sie können jede Analyse auch als Excel-Datei exportieren. Gehen Sie dazu in die jeweilige Analyse und klicken Sie auf "Export".
### Messsystemanalyse (MSA)
**F: Was ist der Unterschied zwischen MSA1, MSA2 und MSA3?**
A: MSA1 (Cg/Cgk) prüft die Fähigkeit eines Messmittels anhand eines Referenznormals. MSA2 (Gage R&R) untersucht Wiederholbarkeit und Reproduzierbarkeit mit mehreren Prüfern. MSA3 ist eine vereinfachte Gage R&R mit nur einem Prüfer.
**F: Welche Mindestanforderungen gelten für Cg und Cgk?**
A: Nach VDA Band 5 gelten: Cg ≥ 1,33 und Cgk ≥ 1,33 als Mindestanforderung. Für Sonderprozesse werden oft Cg ≥ 1,67 und Cgk ≥ 1,67 gefordert.
**F: Was bedeutet %GRR und welche Grenzwerte gibt es?**
A: %GRR zeigt den Anteil der Messsystemvariation an der Gesamtvariation. Bewertung: ≤10% = fähig (grün), 10-30% = bedingt fähig (gelb), >30% = nicht fähig (rot). Zusätzlich sollte ndc ≥ 5 sein.
**F: Wie viele Teile und Wiederholungen brauche ich für MSA2?**
A: VDA empfiehlt: mindestens 10 Teile, 3 Prüfer und 2-3 Wiederholungen pro Teil und Prüfer. Die Teile sollten über den gesamten Toleranzbereich verteilt sein.
**F: Was ist MSA7/MSA7A für attributive Prüfungen?**
A: MSA7 bewertet attributive (gut/schlecht) Prüfprozesse mit mehreren Prüfern anhand von Kappa-Statistik und Übereinstimmungsraten. MSA7A ist für automatisierte Prüfsysteme mit nur einem "Prüfer" (Automat).
### Maschinenfähigkeit (MFU)
**F: Was ist der Unterschied zwischen Cm/Cmk und Cp/Cpk?**
A: Cm/Cmk (Maschinenfähigkeit) wird bei Kurzzeitmessungen unter stabilen Bedingungen ermittelt. Cp/Cpk (Prozessfähigkeit) basiert auf Langzeitdaten und berücksichtigt alle Prozesseinflüsse. Cm/Cmk sollte höher sein als Cp/Cpk.
**F: Wie viele Messwerte brauche ich für MFU?**
A: VDA empfiehlt mindestens 50 aufeinanderfolgende Messwerte. Die Messung sollte unter möglichst stabilen Bedingungen (gleiche Charge, gleicher Werker, gleiche Maschine) erfolgen.
**F: Welche Cmk-Werte sind akzeptabel?**
A: Für neue Maschinen: Cmk ≥ 1,67. Für bestehende Maschinen: Cmk ≥ 1,33. Bei Sonderprozessen können höhere Werte gefordert werden.
**F: Muss ich die Normalverteilung prüfen?**
A: Ja, die Annahme der Normalverteilung sollte mit einem Test (z.B. Anderson-Darling) überprüft werden. Bei nicht-normalverteilten Daten können alternative Verteilungen oder Transformationen verwendet werden.
### Statistische Prozessregelung (SPC)
**F: Welchen Regelkartentyp soll ich verwenden?**
A: X̄-R Karte: für Stichprobengrößen 2-10. X̄-S Karte: für Stichprobengrößen >10. I-MR Karte: für Einzelwerte. Die Wahl hängt von Ihrem Stichprobenkonzept ab.
**F: Wie berechne ich die Kontrollgrenzen?**
A: Kontrollgrenzen werden aus den Prozessdaten berechnet (nicht aus Spezifikationsgrenzen!). UCL = Mittelwert + 3σ, LCL = Mittelwert - 3σ. Die genaue Berechnung hängt vom Kartentyp ab.
**F: Wann ist ein Prozess außer Kontrolle?**
A: Ein Prozess gilt als außer Kontrolle bei: Punkt außerhalb der Kontrollgrenzen, 7 Punkte in Folge auf einer Seite der Mittellinie, Trends, Zyklen oder andere nicht-zufällige Muster.
**F: Was ist der Unterschied zwischen Cp/Cpk und Pp/Ppk?**
A: Cp/Cpk basiert auf der Within-Streuung (kurzfristig), Pp/Ppk auf der Overall-Streuung (langfristig). Bei stabilem Prozess sind beide ähnlich. Große Unterschiede deuten auf Instabilität hin.
### Daten & Import
**F: Wie kann ich Daten eingeben?**
A: Sie können Daten direkt in die Spreadsheet-Felder eingeben oder per Copy&Paste aus Excel einfügen.
**F: Wie kann ich meine Analysen exportieren?**
A: Jede Analyse kann als Excel-Datei (.xlsx) exportiert werden. Die Datei enthält alle Eingabedaten, Berechnungen und Ergebnisse. Gehen Sie dazu in die Analyse und klicken Sie auf "Export".
**F: Kann ich Vorlagen für wiederkehrende Analysen erstellen?**
A: Ja, über die Excel-Template-Verwaltung können Sie Vorlagen mit vordefinierten Kopfdaten und Einstellungen erstellen und wiederverwenden.
**F: Wie funktioniert der Daten-Generator?**
A: Der Daten-Generator erzeugt synthetische Messdaten für Übungszwecke. Sie können verschiedene Verteilungen (Normal, Weibull, etc.) und Parameter wählen.
### Konto & Sicherheit
**F: Wie kann ich mein Passwort ändern?**
A: Gehen Sie zu Ihren Benutzereinstellungen (Klick auf Ihren Namen → Einstellungen) und wählen Sie "Passwort ändern".
**F: Werden meine Daten sicher gespeichert?**
A: Ja, alle Daten werden verschlüsselt auf deutschen Servern gespeichert. Wir halten die DSGVO vollständig ein. Ihre Analysedaten gehören ausschließlich Ihnen.
### MSA: Grundlagen
**F: Was ist das übergeordnete Ziel der Fähigkeitsverfahren?**
A: Das primäre Ziel ist der statistische Nachweis, dass ein Messprozess (bestehend aus Gerät, Mensch, Methode und Umwelt) am konkreten Einsatzort für die vorgesehene Messaufgabe geeignet ist. Es soll sichergestellt werden, dass die Messeinrichtung ein Qualitätsmerkmal mit einer im Verhältnis zur Toleranz hinreichend geringen systematischen Messabweichung (Richtigkeit) und einer hinreichend geringen Messwertstreuung (Präzision) erfassen kann.
**F: Bezieht sich der Fähigkeitsnachweis auf das Messgerät selbst oder den gesamten Prozess?**
A: Der Nachweis bezieht sich immer auf den gesamten Messprozess am Einsatzort, nicht nur auf das isolierte Messgerät. Ein Messgerät kann unter Laborbedingungen exzellent sein, aber durch Einflussfaktoren wie Vibrationen in der Fertigung, Temperaturschwankungen, unzureichende Vorrichtungen oder unterschiedliche Bedienerhandhabung im realen Prozess untauglich werden. Daher muss die Untersuchung unter Serienbedingungen erfolgen.
**F: Ist es notwendig, für jedes zu messende Merkmal einen eigenen Nachweis zu erbringen?**
A: Ja, grundsätzlich gilt der Fähigkeitsnachweis ausschließlich für das untersuchte Merkmal. Werden mit derselben Messeinrichtung unterschiedliche Merkmale (z. B. Durchmesser und Rundlauf) oder Merkmale mit deutlich unterschiedlichen Toleranzen gemessen, ist für jedes dieser Merkmale ein separater Fähigkeitsnachweis erforderlich, da sich die Auflösung, die Handhabung und die physikalischen Gegebenheiten unterscheiden können.
**F: Welche Anforderungen gelten für die Auflösung der Messeinrichtung ("Goldene Regel")?**
A: Die Auflösung der Messeinrichtung muss klein genug sein, um die Toleranz des Merkmals ausreichend fein zu unterteilen. Als Faustregel ("Goldene Regel der Messtechnik") gilt, dass die Auflösung maximal 5% der Toleranz T betragen sollte (≤ 5% · T). In begründeten Ausnahmefällen ist eine Auflösung von bis zu 10% der Toleranz zulässig (≤ 10% · T), wenn technisch keine besseren Geräte verfügbar sind. Eine unzureichende Auflösung führt zu Informationsverlust und verfälscht die statistische Auswertung der Streuung.
**F: Warum werden Verfahren für normalverteilte Messwerte vorausgesetzt?**
A: Die statistischen Berechnungsmodelle der Verfahren 1 bis 5 (wie Mittelwert, Standardabweichung, Cgk, ANOVA) basieren mathematisch auf der Annahme einer Normalverteilung der Messwerte. Liegt keine Normalverteilung vor (z. B. bei einseitigen physikalischen Begrenzungen, Formfehlern oder Mischverteilungen), liefern diese Standardverfahren falsche oder irreführende Ergebnisse. In solchen Fällen müssen Sonderverfahren angewandt oder Datentransformationen geprüft werden.
**F: Welche Rolle spielt die Prüfplanung?**
A: Eine sorgfältige und dokumentierte Prüfplanung ist die zwingende Voraussetzung für jeden Fähigkeitsnachweis. Sie legt fest, was (Merkmal), womit (Prüfmittel), wie (Methode) und wie oft gemessen wird. Ohne diese Definition ist ein Fähigkeitsnachweis nicht reproduzierbar und normativ wertlos. Die Grenzwerte für die Fähigkeitskennzahlen (z. B. 1,33 oder 1,67) richten sich nach den kundenspezifischen oder normativen Vorgaben.
**F: Was ist der Unterschied zwischen Messunsicherheit und Messprozessfähigkeit?**
A: Die Messprozessfähigkeit bewertet die Eignung eines Systems im Verhältnis zur Toleranz eines Merkmals für die Serienüberwachung (Fokus: "Ist das Gerät gut genug für dieses Teil?"). Die Messunsicherheit (nach VDA 5 / GUM) ist ein Parameter, der jedem Messergebnis zugeordnet ist und den Bereich kennzeichnet, in dem der wahre Wert liegt. Während die Fähigkeit oft für die Freigabe genutzt wird, ist die Messunsicherheit für Konformitätsentscheidungen nach ISO 14253 entscheidend.
**F: Wie muss die Dokumentation eines Fähigkeitsnachweises erfolgen?**
A: Die Dokumentation muss so vollständig sein, dass die Untersuchung jederzeit nachvollziehbar ist. Dazu gehören: Eindeutige Identifikation des Prüfplans, Datum/Uhrzeit, Umgebungsbedingungen (Temperatur), Identifikation der verwendeten Normale (Kalibrierschein-Nr.), Namen der Bediener, alle Rohdaten (Einzelmesswerte), die verwendeten Grenzwerte, die Auswertemethode sowie das Ergebnis inklusive einer klaren Bewertung ("fähig" / "nicht fähig").
**F: Was geschieht, wenn für eine spezielle Messaufgabe keines der Standardverfahren passt?**
A: Wenn die Standardverfahren oder die AIAG MSA technisch nicht anwendbar sind (z. B. bei zerstörenden Prüfungen, extrem komplexen Geometrien oder dynamischen Messungen), müssen eigene Sonderverfahren entwickelt werden. Diese Vorgehensweise muss dokumentiert und zwingend mit dem zuständigen Qualitätsmanagement-Bereich sowie im Falle von Lieferbeziehungen mit dem Kunden abgestimmt werden, bevor sie angewendet wird.
### Verfahren 1: Cg/Cgk
**F: Was ist der spezifische Zweck von Verfahren 1?**
A: Verfahren 1 ist eine "Maschinenfähigkeitsuntersuchung" für das Messgerät. Es dient dazu, das Messsystem isoliert zu betrachten – also ohne den Einfluss von verschiedenen Bedienern oder der Streuung von Serienteilen. Geprüft werden die systematische Messabweichung (Bias) gegenüber einem bekannten Referenzwert und die Wiederholbarkeit (Streuung) des Gerätes.
**F: Welche Anforderungen muss das verwendete Normal (Referenzteil) erfüllen?**
A: Das Normal muss langzeitstabil sein und dem zu messenden Serienmerkmal in Geometrie und Beschaffenheit möglichst genau entsprechen. Entscheidend ist, dass es kalibriert ist und der "richtige Wert" (Referenzwert xm) bekannt ist. Die Unsicherheit der Kalibrierung Ukal sollte deutlich kleiner sein als die Toleranz des Merkmals (Idealfall: Ukal < 1% · T; Mindestanforderung: Ukal < 10% · T).
**F: Warum muss das Normal bei Verfahren 1 mehrfach gemessen werden?**
A: Um eine verlässliche statistische Aussage über die Streuung und den Mittelwert zu erhalten, ist eine ausreichende Stichprobengröße nötig. Es werden mindestens 25 Messungen gefordert, empfohlen werden jedoch 50 Messungen. Eine zu geringe Anzahl an Messungen führt zu großen Vertrauensbereichen, was das Risiko von Fehlentscheidungen (falsch-positiv oder falsch-negativ) erhöht.
**F: Warum muss das Normal vor jeder Messung neu eingelegt werden?**
A: Das bloße Wiederholen der Messung ohne Bewegung des Teils würde nur die innere Elektronik- oder Mechanik-Streuung des Gerätes erfassen. Um den realen Prozess abzubilden, müssen alle Handhabungsschritte simuliert werden (Spannen, Positionieren, Antasten). Nur so wird die Streuung erfasst, die auch im späteren Serienbetrieb durch das Einlegen der Teile entsteht.
**F: Was sagen die Kennwerte Cg und Cgk im Detail aus?**
A: Cg (Potenzieller Fähigkeitsindex): Setzt die Streuung des Messgerätes (üblicherweise 6·s) ins Verhältnis zur Toleranz (üblicherweise 0,2·T). Er sagt aus, wie präzise das Gerät ist, ignoriert aber die Richtigkeit. Cgk (Kritischer Fähigkeitsindex): Berücksichtigt zusätzlich zur Streuung auch die systematische Abweichung (Bias) vom wahren Wert. Er prüft, ob die Messwerte nicht nur eng beieinander liegen, sondern auch zentriert zur Referenz sind.
**F: Welche Grenzwerte gelten aktuell für Cg und Cgk?**
A: Nach gängigen Normen gelten die Mindestanforderungen Cg ≥ 1,33 und Cgk ≥ 1,33. Werte unter 1,33 weisen darauf hin, dass die Streuung zu groß ist (Gerät unpräzise) oder die systematische Abweichung zu hoch ist (Gerät falsch justiert), wodurch der Toleranzbereich zu stark durch die Messunsicherheit eingeschränkt wird.
**F: Wie geht man vor, wenn ein Merkmal nur einseitig begrenzt ist (z. B. nur OGW)?**
A: Bei Merkmalen ohne natürliche Grenze (z. B. Abstand > 10mm) existiert keine feste Toleranzbreite T, weshalb Cg und Cgk nicht berechnet werden können. In diesem Fall wird Verfahren 1 genutzt, um Bias und Streuung zu ermitteln. Daraus wird ein reduzierter Akzeptanzbereich für die Produktion berechnet (z. B. z ≤ OGW - 4s - |Bias|), um sicherzustellen, dass keine Schlechtteile fälschlicherweise als Gutteile akzeptiert werden.
**F: Was versteht man unter einem Merkmal mit "natürlicher Grenze"?**
A: Das sind Merkmale, die physikalisch nicht kleiner als Null werden können, wie z. B. Rundlauf, Rauheit oder Betrag einer Unwucht. Hier stellt die Null (UGW* = 0) eine natürliche Grenze dar. In diesen Fällen kann oft eine Ersatz-Toleranz T* (Differenz aus Grenzwert und Null) gebildet werden, um Cg-Werte analog zu zweiseitigen Merkmalen zu berechnen.
**F: Was bedeutet die Signifikanzprüfung der systematischen Messabweichung?**
A: Im Rahmen von Verfahren 1 wird mittels eines t-Tests geprüft, ob die gemessene Abweichung (x̄ - xm) statistisch signifikant ungleich Null ist oder ob sie nur durch Zufallsstreuung entstanden sein könnte. Ist die Abweichung statistisch nicht signifikant, darf der Bias in bestimmten Berechnungen (z. B. bei der Festlegung von Akzeptanzkriterien) vernachlässigt werden.
**F: Warum ist Verfahren 1 Voraussetzung für die Verfahren 2 und 3?**
A: Verfahren 1 prüft die "Basis-Hygiene" des Messgerätes. Wenn das Messgerät selbst (ohne Bedienereinfluss und Teilevariation) schon nicht in der Lage ist, reproduzierbare und richtige Werte am Normal zu liefern, macht es keinen Sinn, komplexere Studien (Verfahren 2/3) durchzuführen. Ein Scheitern in Verfahren 2 wäre dann vorprogrammiert und die Fehlersuche unnötig kompliziert.
### Verfahren 2: Gage R&R
**F: Wann ist der Einsatz von Verfahren 2 zwingend erforderlich?**
A: Verfahren 2 (Gage R&R) muss immer dann durchgeführt werden, wenn der Bediener einen Einfluss auf das Messergebnis haben kann. Dies ist der Fall bei Handmessmitteln (Messschieber, Bügelmessschraube), bei manueller Bestückung von Vorrichtungen, oder wenn der Bediener subjektive Entscheidungen bei der Auswertung trifft (z. B. manuelles Setzen von Messlinien).
**F: Wie sieht der Standard-Versuchsplan für Verfahren 2 aus?**
A: Der Standard fordert: Mindestens 10 repräsentative Serienteile (n ≥ 10), mindestens 3 verschiedene Bediener (k ≥ 3), mindestens 2 Wiederholungsmessungen pro Teil und Bediener (r ≥ 2). Dies ergibt eine Gesamtanzahl von mindestens 10 × 3 × 2 = 60 Messwerten.
**F: Was ist bei der Auswahl der 10 Prüfteile zu beachten?**
A: Die Teile sollten nicht ideal sein, sondern die tatsächliche Streuung des Fertigungsprozesses repräsentieren. Idealerweise decken sie den gesamten Toleranzbereich ab. Wenn die Teile zu ähnlich sind (zu geringe Teilestreuung), kann dies mathematisch dazu führen, dass der Messprozess schlechter bewertet wird, als er ist (siehe Problematik ndc).
**F: Warum müssen die Messungen "blind" und zufällig erfolgen?**
A: Um psychologische Effekte auszuschließen ("Erinnerungseffekt"), darf der Prüfer nicht wissen, welches Teil er gerade misst oder was er beim letzten Mal gemessen hat. Eine zufällige Reihenfolge (Randomisierung) verhindert zudem, dass Trends (z. B. Erwärmung des Gerätes) fälschlicherweise als Teilestreuung oder Bedienerunterschied interpretiert werden.
**F: Welche Haupt-Kennzahl wird bei Verfahren 2 zur Bewertung herangezogen?**
A: Die entscheidende Kennzahl ist %GRR (Gauge Repeatability and Reproducibility). Sie setzt die kombinierte Streuung aus Gerät (EV) und Bediener (AV) ins Verhältnis zur Bezugsgröße. In der Regel ist die Bezugsgröße die Toleranz T. Die Formel lautet vereinfacht: %GRR = (6 · GRR / T) · 100%.
**F: Wie lauten die Bewertungskriterien für %GRR?**
A: %GRR ≤ 10%: Der Messprozess gilt als fähig. 10% < %GRR ≤ 30%: Der Messprozess ist bedingt fähig. Eine Nutzung ist oft möglich, aber Maßnahmen zur Verbesserung sollten geprüft werden. %GRR > 30%: Der Messprozess ist nicht fähig und darf nicht verwendet werden.
**F: Warum wird die Toleranz als Bezugsgröße bevorzugt und nicht die Prozessstreuung (TV)?**
A: Die AIAG MSA empfiehlt oft die Gesamtstreuung (Total Variation, TV) als Bezugsgröße. Dies ist jedoch problematisch: Wenn ein Fertigungsprozess sehr präzise ist (sehr kleine Teilestreuung), erscheint der Messfehler im Verhältnis dazu riesig, obwohl das Messgerät bezogen auf die Toleranz (Funktion des Teils) völlig ausreichend ist. Der Toleranzbezug ist daher technisch meist relevanter.
**F: Was sagt der Kennwert ndc (number of distinct categories) aus?**
A: Der ndc-Wert gibt an, wie viele unterscheidbare Kategorien (Klassen) das Messsystem innerhalb der Prozessstreuung erkennen kann. Er ist ein Maß für das Auflösungsvermögen des Messsystems relativ zur Variation der Teile. Ein Wert von 1 würde bedeuten, das Gerät kann nicht zwischen verschiedenen Teilen unterscheiden.
**F: Welcher Mindestwert wird für ndc gefordert?**
A: Gemäß AIAG MSA sollte der Wert ndc ≥ 5 sein. Dies stellt sicher, dass das Messsystem fein genug auflöst, um Prozessregelung und -analyse sinnvoll durchzuführen. Ein Wert unter 5 deutet darauf hin, dass die Messstreuung im Vergleich zur Teilestreuung zu groß ist.
**F: Was verbirgt sich hinter den Abkürzungen EV und AV?**
A: EV (Equipment Variation): Beschreibt die Wiederholpräzision. Das ist die Streuung, die entsteht, wenn derselbe Bediener dasselbe Teil mehrfach misst (Gerätestreuung). AV (Appraiser Variation): Beschreibt die Vergleichpräzision. Das ist die systematische Abweichung der Mittelwerte zwischen den verschiedenen Bedienern (Bedienerstreuung).
**F: Was sind typische Ursachen für einen hohen AV-Wert?**
A: Ein hoher AV-Wert bedeutet, dass die Bediener im Durchschnitt unterschiedlich messen. Ursachen können sein: Unklare Arbeitsanweisungen, unterschiedliche Kraft beim Spannen der Teile, Parallaxenfehler beim Ablesen von Skalen, mangelnde Schulung oder unterschiedliche Interpretation der Messstelle.
**F: Was sind typische Ursachen für einen hohen EV-Wert?**
A: Ein hoher EV-Wert deutet auf Probleme mit dem Messmittel selbst hin. Ursachen können sein: Verschleiß oder Spiel in der Mechanik, schlechte Klemmung des Teils (Wackeln), Verschmutzung, instabile Umgebungsbedingungen (Vibrationen).
**F: Warum sollte die ANOVA-Methode der ARM-Methode vorgezogen werden?**
A: Die ANOVA (Analysis of Variance) ist mathematisch exakter. Im Gegensatz zur veralteten Mittelwert-Spannweiten-Methode (ARM) kann die ANOVA Wechselwirkungen zwischen Bediener und Teil erkennen (z. B. wenn Bediener A nur bei kleinen Teilen anders misst als Bediener B). Außerdem nutzt sie alle Daten effizienter zur Schätzung der Varianzen.
**F: Wie verfährt man, wenn für einen Neuanlauf noch nicht genügend Teile (<10) vorhanden sind?**
A: In solchen Ausnahmefällen kann Verfahren 2 auch mit weniger Teilen durchgeführt werden. Um jedoch die statistische Sicherheit (Freiheitsgrade) aufrechtzuerhalten, muss die Anzahl der Messwiederholungen oder der Prüfer erhöht werden. Dies muss im Bericht explizit als Abweichung dokumentiert und begründet werden.
### Verfahren 3: Automatik
**F: In welchen Fällen wird Verfahren 3 angewendet?**
A: Verfahren 3 (oft "Type 3 Study" genannt) kommt bei vollautomatischen Messsystemen zum Einsatz, bei denen der Bediener keinerlei Einfluss auf das Messergebnis hat. Beispiele sind automatisierte Prüfautomaten in Fertigungslinien, bei denen Zuführung, Positionierung und Messung maschinell erfolgen.
**F: Was ist der wesentliche methodische Unterschied zu Verfahren 2?**
A: Da der Einflussfaktor "Bediener" wegfällt, wird der Parameter k (Anzahl Prüfer) auf 1 gesetzt (bzw. entfällt). Die Streuung AV (Appraiser Variation) ist somit Null. Die Gesamtstreuung GRR wird in diesem Fall ausschließlich durch die Wiederholpräzision (EV) und die Interaktion Teil/Maschine bestimmt.
**F: Warum fordert Verfahren 3 mehr Teile (n ≥ 25) als Verfahren 2?**
A: Da die Variation durch verschiedene Bediener als Informationsquelle wegfällt, müssen mehr Teile gemessen werden, um eine statistisch belastbare Aussage über das Zusammenspiel von Messgerät und unterschiedlichen Teilegeometrien zu erhalten. 25 Teile bieten hierfür eine breitere Basis als die 10 Teile aus Verfahren 2.
**F: Wie sieht der Standard-Versuchsplan für Verfahren 3 aus?**
A: Der Standard fordert: Mindestens 25 Serienteile (n ≥ 25) und mindestens 2 Messzyklen pro Teil (r ≥ 2). Die Teile müssen dabei in jedem Zyklus neu zugeführt/eingelegt werden, um den realen Automatikprozess abzubilden.
**F: Unterscheiden sich die Bewertungskriterien von Verfahren 3 zu Verfahren 2?**
A: Nein, die Grenzwerte für die Fähigkeit sind identisch. Auch hier gilt: %GRR ≤ 10% ist fähig, bis 30% ist bedingt fähig und darüber nicht fähig. Die Bezugsgröße bleibt vorzugsweise die Toleranz.
### Verfahren 4: Linearität
**F: Wann ist eine Linearitätsuntersuchung nach Verfahren 4 notwendig?**
A: Normalerweise wird die Linearität bei der Kalibrierung geprüft. Verfahren 4 ist jedoch zusätzlich erforderlich, wenn das Messgerät über einen sehr großen Arbeitsbereich eingesetzt wird und der Verdacht besteht, dass die Genauigkeit nicht über den gesamten Bereich konstant ist (z. B. bei nicht-linearer Sensorcharakteristik).
**F: Wie wird Verfahren 4 gemäß AIAG MSA durchgeführt?**
A: Es werden mindestens 5 Referenzteile (g ≥ 5) ausgewählt, die den gesamten Arbeitsbereich der Messeinrichtung abdecken. Jedes dieser Teile wird mindestens 12-mal (m ≥ 12) gemessen. Aus den Mittelwerten der Abweichungen wird eine Regressionsgerade berechnet.
**F: Welche Schwäche hat das Linearitäts-Verfahren nach AIAG MSA?**
A: Der Test nach AIAG MSA prüft rein statistisch, ob die Steigung und der Achsenabschnitt der Regressionsgeraden signifikant von Null abweichen. Dabei wird oft der Bezug zur technischen Toleranz vernachlässigt. Ein sehr präzises Gerät kann statistisch durchfallen (weil kleinste Abweichungen signifikant sind), obwohl sie technisch irrelevant sind. Umgekehrt kann ein stark streuendes Gerät bestehen, weil die Vertrauensbereiche riesig sind.
**F: Welche alternative Vorgehensweise gibt es statt der reinen AIAG-Methode?**
A: Eine empfohlene Alternative ist, statt der komplexen Regression nach MSA, das Verfahren 1 mehrfach an verschiedenen Stützstellen des Messbereichs durchzuführen (z. B. am unteren, mittleren und oberen Bereich des Toleranzfeldes). Dies stellt sicher, dass an jedem Punkt die Anforderungen an Cg und Cgk erfüllt sind, was technisch relevanter ist als der reine Linearitätstest.
**F: Wann gilt ein Messsystem laut Verfahren 4 als linear?**
A: Nach AIAG MSA ist das System linear, wenn die "Null-Linie" (keine Abweichung) vollständig innerhalb der 95%-Vertrauensbänder der Regressionsgeraden liegt. Das bedeutet, dass weder die konstante Abweichung (Achsenabschnitt) noch die variable Abweichung (Steigung) statistisch signifikant sind.
### Verfahren 5: Stabilität
**F: Welchem Zweck dient Verfahren 5?**
A: Verfahren 5 überwacht die Langzeitstabilität des Messprozesses. Während Verfahren 1-3 Momentaufnahmen sind, stellt Verfahren 5 sicher, dass das Messsystem auch über Wochen und Monate hinweg (trotz Temperaturwechsel, Verschleiß, Verschmutzung) korrekte Werte liefert. Es funktioniert ähnlich wie eine SPC-Regelkarte (Statistical Process Control).
**F: Wann sollte eine Stabilitätsüberwachung zwingend eingerichtet werden?**
A: Besonders bei elektronischen Messsystemen, die driften können, bei mechanischem Verschleiß, oder wenn Umgebungsbedingungen (Temperatur, Feuchte) kritischen Einfluss haben. Auch bei Messprozessen, die in Verfahren 1-3 nur knapp die Fähigkeit erreicht haben, ist eine Dauerüberwachung ratsam.
**F: Was wird bei Verfahren 5 gemessen?**
A: Es wird ein sogenanntes Stabilitätsteil (Referenzteil oder Normal) in regelmäßigen Abständen gemessen. Wichtig ist, dass dieses Teil selbst stabil ist und nicht durch die Messung verändert wird (keine Zerstörung).
**F: Welche Arten von Regelkarten kommen zum Einsatz?**
A: Üblicherweise werden eine Mittelwertkarte (x̄-Karte) zur Überwachung der Richtigkeit (Bias-Drift) und eine Standardabweichungskarte (s-Karte) zur Überwachung der Präzision (Verschleiß/Lose) geführt. Alternativ kann bei kleinen Stichproben auch eine Urwertkarte geführt werden.
**F: Wie werden die Eingriffsgrenzen der Regelkarte festgelegt?**
A: Es gibt zwei Ansätze: 1. Basierend auf einer Vorlaufuntersuchung (historische Daten des Prozesses). 2. Basierend auf der Toleranz (z. B. wird oft festgelegt, dass die Standardabweichung s maximal 2,5% der Toleranz betragen darf). Die Grenzen definieren den Bereich, in dem der Messprozess als "unter Kontrolle" gilt.
**F: Was sind typische Alarmkriterien (Instabilität)?**
A: Ein Punkt liegt außerhalb der roten Eingriffsgrenzen (OEG/UEG). "Trend": 7 aufeinanderfolgende Punkte steigen an oder fallen ab. "Run": 7 aufeinanderfolgende Punkte liegen auf derselben Seite der Mittellinie. Solche Muster deuten auf systematische Veränderungen (z. B. Drift, Verschmutzung) hin.
**F: Wie wird das Prüfintervall festgelegt?**
A: Das Intervall hängt von der Stabilität ab. In der Anlaufphase wird oft häufiger gemessen (z. B. mehrmals pro Schicht). Zeigt die Karte über lange Zeit stabile Werte, kann das Intervall verlängert werden (z. B. einmal pro Tag oder Woche). Das Intervall muss so gewählt sein, dass fehlerhafte Messungen zeitnah erkannt werden, um Rückrufaktionen zu minimieren.
### Verfahren 6: Lehren
**F: Was versteht man unter einem "diskretisierten kontinuierlichen Merkmal"?**
A: Das sind Merkmale, die physikalisch kontinuierlich messbar wären (z. B. ein Durchmesser), aber im Prozess nur attributiv (diskret) bewertet werden. Ein klassisches Beispiel ist die Prüfung mit einem Grenzlehrdorn: Das Ergebnis ist nur "Gut" oder "Ausschuss" (IO/NIO), obwohl der Durchmesser eigentlich ein Maß hat.
**F: Warum wird grundsätzlich von attributiven Prüfungen abgeraten?**
A: Attributive Prüfungen haben eine sehr geringe Informationsdichte. Man weiß nur "gut" oder "schlecht", aber nicht "wie gut" oder "wie knapp". Um niedrige ppm-Fehlerraten statistisch sicher nachzuweisen, wären extrem hohe Stichprobenumfänge nötig, die wirtschaftlich kaum vertretbar sind. Messende Verfahren sind daher immer vorzuziehen.
**F: Wie wird die Fähigkeit bei Verfahren 6 nachgewiesen?**
A: Man verwendet ein Referenzlos von 50 Teilen. Diese Teile werden zunächst präzise gemessen, um ihren wahren kontinuierlichen Wert (Referenzwert) zu bestimmen. Danach werden sie mit dem attributiven Prüfmittel (z. B. Lehre) mehrfach geprüft.
**F: Was ist der "Graubereich" oder "Unsicherheitsbereich"?**
A: Bei der Prüfung der 50 Teile wird man feststellen, dass Teile weit weg von der Grenze immer korrekt erkannt werden. Teile sehr nah an der Toleranzgrenze werden jedoch manchmal als "Gut" und manchmal als "Schlecht" bewertet. Der Bereich der Referenzwerte, in dem diese uneinheitlichen Bewertungen auftreten, ist der Unsicherheitsbereich (Zwischenbereich).
**F: Wie wird aus dem Unsicherheitsbereich die Fähigkeit berechnet?**
A: Die Breite dieses Unsicherheitsbereichs (d) wird als Maß für die Streuung des Prüfprozesses interpretiert. Analog zu Verfahren 2 setzt man diese Breite ins Verhältnis zur Toleranz T. Die Formel für den Fähigkeitsindex entspricht dem %GRR-Ansatz.
**F: Welche Fähigkeitskriterien gelten für Verfahren 6?**
A: Die Kriterien sind analog zu den messenden Verfahren: Berechnetes %GRR ≤ 10%: Fähig. Berechnetes %GRR ≤ 30%: Bedingt fähig. Darüber: Nicht fähig.
### Verfahren 7: Attributiv
**F: Wann kommt Verfahren 7 zum Einsatz?**
A: Verfahren 7 wird für rein qualitative Merkmale verwendet, bei denen keine Messwerte existieren. Beispiele sind Sichtprüfungen auf Kratzer, Farbabweichungen, Lunker, Vollständigkeitsprüfungen oder Geräuschprüfungen ("Klingt gut/schlecht").
**F: Was ist die wichtigste Voraussetzung für eine erfolgreiche Sichtprüfung?**
A: Ein klar definierter Standard, meist in Form eines Grenzmusterkatalogs. Dieser muss physische Teile oder Fotos enthalten, die eindeutig festlegen, was gerade noch "Gut" und was schon "Schlecht" ist, um die Subjektivität der Prüfer zu minimieren.
**F: Wie setzt sich das Referenzlos für Verfahren 7 zusammen?**
A: Es werden mindestens 50 Teile benötigt (besser 100+). Das Los sollte eine Mischung aus eindeutig guten Teilen, eindeutig schlechten Teilen und vor allem Grenzfällen enthalten. Die Zusammensetzung sollte idealerweise die reale Fehlerverteilung in der Fertigung widerspiegeln. Die "wahren" Werte (Referenz) müssen vorab von Experten festgelegt werden.
**F: Wie wird die attributive Prüfung durchgeführt?**
A: Mindestens 2 (besser 3) Prüfer bewerten alle Teile des Referenzloses unabhängig voneinander. Jeder Prüfer muss das Los mindestens 2-mal (besser 3-mal) prüfen. Wichtig ist, dass die Teile bei jedem Durchgang neu gemischt werden (Randomisierung), damit sich die Prüfer die Ergebnisse nicht merken können.
**F: Was ist der Kappa-Wert (κ) und warum wird er verwendet?**
A: Kappa ist ein statistisches Maß für die Übereinstimmung von Bewertungen. Der einfache Prozentsatz der Übereinstimmung ist irreführend, da man auch durch reines Raten eine gewisse Übereinstimmung erzielen würde. Kappa korrigiert diesen Zufallsfaktor und gibt an, wie stark die Übereinstimmung über den reinen Zufall hinausgeht.
**F: Welches Kappa-Verfahren wird bevorzugt?**
A: Es wird Fleiss' Kappa verwendet. Im Gegensatz zu Cohen's Kappa (das nur 2 Prüfer vergleicht) ist Fleiss' Kappa für beliebig viele Prüfer und Kategorien geeignet und daher universeller einsetzbar.
**F: Welche drei Dimensionen der Übereinstimmung werden analysiert?**
A: 1. Wiederholbarkeit (Innerhalb Prüfer): Stimmt der Prüfer bei Wiederholungen mit sich selbst überein? 2. Vergleichbarkeit (Zwischen Prüfern): Stimmen die Prüfer untereinander überein? 3. Richtigkeit (Gegen Referenz): Stimmen die Prüfer mit dem Expertenstandard (Referenzwert) überein?
**F: Wie lauten die Grenzwerte für den Kappa-Wert?**
A: κ ≥ 0,9: Prüfprozess ist fähig (sehr gute Übereinstimmung). 0,7 ≤ κ < 0,9: Prüfprozess ist bedingt fähig (Verbesserung nötig). κ < 0,7: Prüfprozess ist nicht fähig (Übereinstimmung zu gering).
**F: Was bedeutet ein Kappa-Wert von 0?**
A: Ein Wert von 0 bedeutet, dass die Übereinstimmung rein zufällig ist. Die Prüfer haben quasi geraten. Ein Wert von 1 wäre perfekte Übereinstimmung. Negative Werte deuten auf eine systematische Meinungsverschiedenheit hin (schlechter als Zufall).
**F: Warum führt ein mehrstufiger Bewertungsprozess oft zu besseren Ergebnissen?**
A: Anstatt Prüfer entscheiden zu lassen zwischen "Gut", "Nacharbeit" und "Ausschuss" (3 Kategorien in einem Schritt), ist es oft besser, erst "IO / NIO" zu prüfen und im zweiten Schritt "NIO" in "Nacharbeit / Ausschuss" zu unterteilen. Dies reduziert die Komplexität der Entscheidung und erhöht meist die Konsistenz (Kappa).
### MSA: Praxis-Tipps
**F: Was ist der erste Schritt, wenn eine Fähigkeitsuntersuchung scheitert?**
A: Nicht sofort das Messgerät austauschen! Zuerst muss eine Ursachenanalyse (z. B. Ishikawa, 5-Why) durchgeführt werden. Liegt es am Gerät (EV zu hoch)? Liegt es an den Mitarbeitern (AV zu hoch, Schulung nötig)? Oder liegt es an der Vorrichtung/Umgebung? Oft sind es einfache Handhabungsfehler oder verschmutzte Teile.
**F: Was bedeutet der Status "bedingt fähig" in der Praxis?**
A: Der Prozess darf vorläufig genutzt werden, aber nur unter Auflagen. Das bedeutet meist: Erhöhte Prüffrequenz, Mehrfachmessung mit Mittelwertbildung zur Reduzierung der Streuung, oder intensive Schulung der Mitarbeiter. Ziel muss sein, den Prozess durch Maßnahmen in den fähigen Bereich zu bringen.
**F: Kann eine Toleranzanpassung helfen, die Fähigkeit zu erreichen?**
A: Ja, mathematisch verbessert eine größere Toleranz sofort die Fähigkeitskennzahlen (Cgk, %GRR), da diese im Nenner die Toleranz haben. Dies ist jedoch nur zulässig, wenn die Konstruktion/Entwicklung bestätigt, dass die Funktion des Bauteils auch mit der erweiterten Toleranz gewährleistet ist.
**F: Was ist eine "Freigabe mit Auflage"?**
A: Wenn ein Messprozess (noch) nicht fähig ist, aber dringend benötigt wird (z. B. Produktionsstart), kann eine befristete Sonderfreigabe erteilt werden. Diese muss Maßnahmen zur Risikoabsicherung enthalten (z. B. 100%-Prüfung, Gegenmessung im Labor) und einen Zeitplan zur Behebung des Mangels.
**F: Was muss bei einseitig tolerierten Merkmalen ohne natürliche Grenze beachtet werden?**
A: Da der Abstand zur Toleranzgrenze kritisch ist, muss ein Schutzabstand eingehalten werden. Die Fertigungstoleranz wird um die Messunsicherheit (bzw. 4·s oder Ukal) eingeengt (OGWneu = OGW - Unsicherheit). Produziert man in diesem eingeengten Bereich, ist man trotz Messunsicherheit auf der sicheren Seite.
**F: Warum ist die Standardabweichung bei Verfahren 1 oft viel kleiner als bei Verfahren 2?**
A: Bei Verfahren 1 wird ein ideales Normal unter idealen Bedingungen (oft durch Experten) gemessen. Bei Verfahren 2 kommen echte Serienteile (Formfehler, Rauheit) und normale Bediener (Handhabungsschwankungen) hinzu. Daher ist die Streuung in Verfahren 2 fast immer größer. Verfahren 1 ist das "technische Limit", Verfahren 2 die "Realität".
**F: Wie geht man mit inkonsistenten Ergebnissen um (z. B. Verfahren 1 gut, Verfahren 2 schlecht)?**
A: Dies ist ein häufiges Szenario. Es bedeutet: Das Messgerät an sich ist präzise (V1 okay), aber der Einsatzprozess taugt nichts (V2 schlecht). Ursachen sind oft: Vorrichtung passt nicht gut für Serienteile, Bediener legen unterschiedlich ein, oder die Teilegeometrie ist problematisch. Hier muss am Prozess (Vorrichtung, Anweisung), nicht am Sensor gearbeitet werden.
**F: Was ist der Unterschied zwischen T und T*?**
A: T ist die Toleranz aus der Zeichnung (OGW - UGW). T* ist eine Hilfsgröße für einseitige Merkmale mit natürlicher Grenze (z. B. Rauheit). Hier wird T* = OGW - 0 (natürliche Grenze) gesetzt, um Formeln, die eine Toleranzbreite benötigen, anwenden zu können.
**F: Was bedeutet der Begriff Tmin in den Formblättern?**
A: Tmin ist die theoretisch kleinste Toleranz, für die dieser Messprozess noch als fähig gelten würde (bei gegebenem Cgk=1,33). Ist die tatsächliche Toleranz kleiner als Tmin, ist der Prozess nicht fähig. Der Wert hilft abzuschätzen, "wie weit" man vom Ziel entfernt ist.
**F: Wie werden Ausreißer in der Datenanalyse behandelt?**
A: Ausreißer dürfen nicht einfach gelöscht werden, um das Ergebnis zu schönen. Jeder Ausreißer muss auf seine physikalische Ursache untersucht werden (z. B. Tippfehler, Teil verschmutzt, Messfehler). Nur wenn eine klare Ursache gefunden wird, darf der Wert korrigiert oder nachgemessen werden. Andernfalls gehört er zur Prozessstreuung.
**F: Welchen Einfluss hat die Temperatur auf die Messfähigkeit?**
A: Temperatur ist oft der größte Störfaktor (Längenausdehnung). Messungen sollten idealerweise bei der Bezugstemperatur (20 °C) stattfinden. Ist das in der Fertigung nicht möglich, müssen Messgerät und Teil zumindest die gleiche Temperatur haben (akklimatisieren) oder es muss eine Temperaturkompensation erfolgen.
**F: Was ist der Unterschied zwischen Messen und Lehren?**
A: Messen: Liefert einen konkreten Zahlenwert (quantitativ). Man weiß, wie gut oder schlecht das Teil ist. Ermöglicht Prozessregelung. Lehren: Liefert nur eine Statusmeldung (qualitativ, Gut/Schlecht). Man weiß nicht, ob das Teil grenzwertig ist. Prozessregelung ist kaum möglich. Daher wird Messen im Qualitätsmanagement bevorzugt.
**F: Können Verfahren 2 und 3 kombiniert werden?**
A: Methodisch ist Verfahren 3 eigentlich ein Spezialfall von Verfahren 2 (mit Anzahl Prüfer k=1). In der Software werden sie oft ähnlich behandelt. Wenn bei Verfahren 2 der Bedienereinfluss (AV) vernachlässigbar klein ist (≈ 0), nähert sich das Ergebnis dem von Verfahren 3 an.
**F: Was passiert, wenn zwar die Fähigkeitskennwerte gut sind, aber die Auflösung schlecht ist?**
A: Das Messsystem ist dennoch nicht geeignet. Eine ausreichende Auflösung (≤ 5% T) ist ein K.O.-Kriterium. Wenn die Auflösung zu grob ist (z. B. nur 3-4 Schritte innerhalb der Toleranz), sind die berechneten Standardabweichungen mathematisch unzuverlässig und die Prozessregelung funktioniert nicht ("Treppenstufeneffekt").
---
# TEIL 2: Knowledge Base — Online-Handbuch
URL: https://www.my8data.com/knowledge-base/
## Erste Schritte
URL: https://www.my8data.com/knowledge-base/erste-schritte
# Erste Schritte
Willkommen bei **my8data** — Ihrer webbasierten Plattform für Qualitätsmanagement und statistische Analysen. Dieses Kapitel führt Sie durch die ersten Schritte: von der Registrierung über das Dashboard bis hin zu Ihren Profileinstellungen und Lizenzinformationen.
---
## Registrierung & Login
### Konto erstellen
Um my8data nutzen zu können, benötigen Sie ein Benutzerkonto. So registrieren Sie sich:
1. Öffnen Sie die my8data-Startseite und klicken Sie auf **Registrieren**.
2. Geben Sie Ihre **E-Mail-Adresse** und ein **Passwort** ein. Die E-Mail-Adresse dient gleichzeitig als Ihr Benutzername.
3. Klicken Sie auf **Konto erstellen**.
> **Wichtig:** Das Passwort muss mindestens **8 Zeichen** lang sein. Verwenden Sie eine Kombination aus Groß- und Kleinbuchstaben sowie Ziffern.
Bei der Registrierung wird automatisch eine **Organisation** für Sie erstellt. Informationen zu den verfügbaren Lizenzmodellen finden Sie auf der [Preisseite](https://my8data.com/upgrade).
### E-Mail-Verifizierung
Nach der Registrierung erhalten Sie eine **Bestätigungs-E-Mail** an die angegebene Adresse. Klicken Sie auf den darin enthaltenen Link, um Ihre E-Mail-Adresse zu verifizieren.
> **Wichtig:** Sie können sich erst nach erfolgreicher Verifizierung einloggen. Ohne Verifizierung ist Ihr Konto inaktiv.
> **Tipp:** Falls Sie keine Bestätigungs-E-Mail erhalten, prüfen Sie Ihren **Spam-Ordner**. Sie können die Bestätigungs-E-Mail über die Login-Seite erneut anfordern — klicken Sie dazu auf den angezeigten Link „Bestätigungs-E-Mail erneut senden". Ein erneutes Senden ist alle 5 Minuten möglich.
### Anmelden
1. Öffnen Sie die my8data-Startseite.
2. Geben Sie Ihre **E-Mail-Adresse** und Ihr **Passwort** ein.
3. Klicken Sie auf **Anmelden**.
Nach der Anmeldung werden Sie direkt zum Dashboard weitergeleitet. my8data merkt sich Ihren Login-Streak — melden Sie sich regelmäßig an, um Ihre Serie aufrechtzuerhalten.
> **Info:** Aus Sicherheitsgründen sind maximal **10 Login-Versuche pro Minute** erlaubt. Bei zu vielen fehlerhaften Versuchen werden Sie gebeten, kurz zu warten.
### Passwort zurücksetzen
Falls Sie Ihr Passwort vergessen haben:
1. Klicken Sie auf der Login-Seite auf **Passwort vergessen?**
2. Geben Sie die E-Mail-Adresse Ihres Kontos ein.
3. Sie erhalten eine E-Mail mit einem Link zum Zurücksetzen des Passworts.
4. Klicken Sie auf den Link und vergeben Sie ein neues Passwort (mindestens 8 Zeichen). Bestätigen Sie das neue Passwort durch erneute Eingabe.
> **Info:** Der Reset-Link ist aus Sicherheitsgründen **2 Stunden** gültig. Ein neuer Reset-Link kann erst nach **20 Minuten** angefordert werden. Aus Sicherheitsgründen wird immer die gleiche Meldung angezeigt — unabhängig davon, ob die E-Mail-Adresse existiert.
### Seminar-Einschreibung
Falls Sie an einem Seminar teilnehmen, können Sie sich mit einem **Enrollment-Code** einschreiben:
1. Öffnen Sie die Seite **Einschreiben** (Link erhalten Sie von Ihrem Seminarleiter).
2. Geben Sie Ihre **E-Mail-Adresse** und den **Enrollment-Code** ein.
3. Falls Sie noch kein Konto haben, werden Sie aufgefordert, ein Passwort zu vergeben.
4. Sie erhalten automatisch Zugang zum Seminar und den zugehörigen Analysemodulen.
---
## Das Dashboard
Nach der Anmeldung gelangen Sie zum Dashboard — Ihrer zentralen Übersicht in my8data. Das Dashboard begrüßt Sie mit einer tageszeitabhängigen Nachricht (z.B. „Guten Morgen, Max!").
### Layout und Aufbau
Das Dashboard ist in drei Bereiche unterteilt:
| Bereich | Beschreibung |
|---|---|
| **Werkzeuge** (links) | Schmale Seitenleiste mit Schnellzugriff auf alle Analyse-Module |
| **Ihre Analysen** (mitte/rechts) | Tabelle mit Ihren gespeicherten Analysen — sortierbar, durchsuchbar, mit Aktionen |
| **Aktivitäten** (unten) | Aufklappbarer Feed mit Ihren letzten Aktionen |
### Werkzeuge (Schnellzugriff)
Die linke Seitenleiste zeigt alle Module, für die Sie eine Berechtigung haben, gruppiert in aufklappbare Kategorien:
**MSA — Messsystemanalyse**
- MSA 1 — Verfahren 1 (Einzelteil)
- MSA 2 — Verfahren 2 (gekreuzt/geschachtelt)
- MSA 3 — Verfahren 3 (erweitert)
- MSA 7 — Attributive MSA
- MSA 7A — Vereinfachte attributive MSA
**Fähigkeit & SPC**
- MFU — Maschinenfähigkeitsuntersuchung
- PPK — Prozessfähigkeit
- SPC — Statistische Prozesskontrolle
**Statistik**
- Boxplot — Statistische Diagramme
- Datengenerator — Synthetische Testdaten erzeugen
- Rohdaten — Daten importieren und analysieren
- DFQ-Konverter — AQDEF/DFQ-Formatkonvertierung
> **Info:** Module, für die Sie keine Berechtigung haben, werden in der Seitenleiste nicht angezeigt.
Klicken Sie auf einen Eintrag, um direkt eine neue Analyse im gewählten Modul zu starten.
### Ihre Analysen
Der zentrale Bereich zeigt eine Tabelle aller Ihrer gespeicherten Analysen. Für Nutzer mit **Storage-Berechtigung** wird eine erweiterte Tabelle geladen, die folgende Funktionen bietet:
- **Sortierung** — Klicken Sie auf eine Spaltenüberschrift, um die Analysen nach Name, Typ oder Datum zu sortieren
- **Suche** — Nutzen Sie das Suchfeld, um Analysen nach Name zu filtern
- **Aktionen** — Per Klick können Sie eine Analyse öffnen, den Namen bearbeiten oder löschen
> **Tipp:** Falls Sie noch keine Analysen gespeichert haben, sehen Sie einen Hinweis: „Noch keine Analysen — Starten Sie Ihre erste Analyse über den Schnellzugriff links!"
### Aktivitäten
Am unteren Rand des Dashboards befindet sich der **Aktivitätsfeed**. Er zeigt Ihre letzten Aktionen in chronologischer Reihenfolge — z.B. gespeicherte, geöffnete oder gelöschte Analysen.
Der Feed ist standardmäßig aufgeklappt und kann durch Klick auf die Überschrift **Aktivitäten** ein- und ausgeklappt werden.
---
## Profil & Einstellungen
Ihre persönlichen Einstellungen finden Sie unter **Einstellungen** (erreichbar über das Zahnrad-Symbol im Benutzer-Dropdown oben rechts). Die Einstellungsseite ist in fünf Tabs unterteilt:
### Tab: Profil
Zeigt Ihre Account-Informationen:
| Feld | Beschreibung |
|---|---|
| **E-Mail-Adresse** | Ihre registrierte E-Mail (= Benutzername), mit Verifizierungsstatus (grünes Häkchen = verifiziert) |
| **Account-Status** | Aktiv oder Deaktiviert |
| **Rolle** | Administrator oder Benutzer |
| **Registriert seit** | Datum Ihrer Registrierung |
| **Letzte Aktivität** | Zeitpunkt Ihrer letzten Aktion |
### Tab: Organisation & Teams
Zeigt Ihre Organisationszugehörigkeit und Team-Mitgliedschaften. Jeder Benutzer gehört zu einer Organisation, die bei der Registrierung automatisch erstellt wird.
### Tab: Berechtigungen
Übersicht aller Modul-Berechtigungen in tabellarischer Form:
- Modulname und Beschreibung
- Zugriffsquelle (RBAC-Rolle oder direkte Berechtigung)
- Ablaufdatum (falls zeitlich begrenzt)
- Status (aktiv/abgelaufen)
### Tab: Einstellungen
Hier können Sie technische Voreinstellungen konfigurieren:
| Einstellung | Beschreibung |
|---|---|
| **Dezimalstellen Statistik** | Anzahl der Nachkommastellen für statistische Kennwerte (Standard: 4) |
| **Dezimalstellen Indizes** | Anzahl der Nachkommastellen für Fähigkeitsindizes (Standard: 3) |
| **Dezimalstellen p-Wert** | Anzahl der Nachkommastellen für p-Werte (Standard: 5) |
Klicken Sie nach der Änderung auf **Speichern**, um Ihre Einstellungen zu übernehmen.
### Tab: Tags
Verwalten Sie hier Ihre persönlichen Tags, mit denen Sie Analysen kategorisieren und organisieren können.
### Sprache ändern
Die Oberflächensprache können Sie jederzeit über das **Globus-Symbol** () in der oberen Navigationsleiste ändern. Verfügbar sind — je nach Konfiguration durch den Administrator — Deutsch, Englisch, Französisch und Spanisch.
> **Tipp:** Die gewählte Sprache wird automatisch in Ihrem Benutzerkonto gespeichert und bei der nächsten Anmeldung wiederhergestellt. Wenn Ihre Browsersprache von der aktuellen Einstellung abweicht, schlägt my8data automatisch einen Sprachwechsel vor.
### Passwort ändern
Auf dem Tab **Profil** finden Sie unten den Bereich **Passwort ändern**. Das Passwort wird über die Passwort-Reset-Funktion geändert:
1. Klicken Sie auf **Passwort zurücksetzen**.
2. Sie werden zur Passwort-vergessen-Seite weitergeleitet.
3. Geben Sie Ihre E-Mail-Adresse ein und folgen Sie dem Link in der E-Mail.
4. Vergeben Sie ein neues Passwort (mindestens 8 Zeichen).
---
## Lizenz & Module
### Lizenzmodell
my8data verwendet ein berechtigungsbasiertes System. Der Zugriff auf einzelne Module wird über **Berechtigungen** gesteuert, die aus verschiedenen Quellen stammen können:
| Quelle | Beschreibung |
|---|---|
| **RBAC-Rolle** | Zugewiesen durch den Administrator über das Rollen-System |
| **Direkte Berechtigung** | Einzeln zugewiesene Modulberechtigungen |
Details zu den verfügbaren Paketen finden Sie auf der [Preisseite](https://my8data.com/upgrade).
### Verfügbare Module
Folgende Module können freigeschaltet werden:
| Modul | Berechtigung | Beschreibung |
|---|---|---|
| MSA 1 | `MSA1` | Messsystemanalyse Verfahren 1 (Einzelteil) |
| MSA 2 | `MSA2` | Messsystemanalyse Verfahren 2 (gekreuzt/geschachtelt) |
| MSA 3 | `MSA3` | Messsystemanalyse Verfahren 3 (erweitert) |
| MSA 7 | `MSA7` | Attributive Messsystemanalyse |
| MSA 7A | `MSA7A` | Vereinfachte attributive MSA |
| MFU | `MFU` | Maschinenfähigkeitsuntersuchung |
| PPK | `PPK` | Prozessfähigkeitsanalyse |
| SPC | `SPC` | Statistische Prozesskontrolle |
| DFQ-Konverter | `DFQ_CONVERTER` | AQDEF/DFQ-Formatkonvertierung |
### Zusatzfunktionen
Neben den Analysemodulen gibt es Berechtigungen für Zusatzfunktionen:
| Funktion | Berechtigung | Beschreibung |
|---|---|---|
| **Excel-Export** | `export` | Analysen als Excel-Datei exportieren |
| **Lokale Daten** | `local_data` | Analysen als JSON importieren/exportieren |
| **Cloud-Speicher** | `storage` | Analysen in der Cloud speichern und laden |
| **Teams** | `teams` | Team-Verwaltung und Messenger |
| **KI-Assistent** | `ki_assistant` | KI-gestützter Analyse-Assistent (Credit-basiert) |
### Lizenzstatus einsehen
Ihren aktuellen Lizenzstatus sehen Sie auf der Einstellungsseite im Tab **Berechtigungen**. Dort werden alle Module mit ihrem Status aufgelistet:
- **Aktiv** — Modul ist freigeschaltet
- **Ablaufdatum** — Bei zeitlich begrenzten Berechtigungen
- **Quelle** — Woher die Berechtigung stammt (Rolle, direkte Zuweisung, etc.)
### Upgrade auf Pro
Wenn Sie zusätzliche Funktionen benötigen oder ein Upgrade durchführen möchten:
1. Klicken Sie in der Navigationsleiste auf **Preise** oder den goldenen **Upgrade**-Button.
2. Auf der Upgrade-Seite sehen Sie die verfügbaren Pakete und Features.
3. Laden Sie das **Bestellformular** (PDF) herunter und senden Sie es ausgefüllt zurück.
> **Tipp:** Bei einem Upgrade bleiben alle Ihre bestehenden Analysen und Daten vollständig erhalten. Es gehen keine Daten verloren.
> **Info:** Für Organisationslizenzen und Seminar-Zugänge wenden Sie sich bitte an roland.schnurr@my8data.com.
### Pro-Features im Überblick
Nutzer mit Pro-Berechtigung (Export + Lokale Daten + Cloud-Speicher) erhalten:
- **Unbegrenzter Cloud-Speicher** für Analysen
- **Excel-Export** mit anpassbaren Templates
- **PDF-Export** für professionelle Berichte
- **JSON Import/Export** für lokale Datensicherung
- **Team-Funktionen** mit Messenger und geteilten Analysen
---
## Gemeinsame Funktionen
URL: https://www.my8data.com/knowledge-base/gemeinsame-funktionen
# Gemeinsame Funktionen
Dieses Kapitel beschreibt die Funktionen, die in allen Analysemodulen von my8data identisch oder sehr ähnlich funktionieren. Wenn Sie diese Grundlagen verstehen, können Sie jedes Modul effizient nutzen.
---
## Analyse starten
Es gibt mehrere Wege, eine neue Analyse zu beginnen:
1. **Über das Dashboard:** Klicken Sie auf den Button **Neue Analyse** und wählen Sie den gewünschten Analysetyp (z. B. MSA 1, MSA 2, SPC).
2. **Über die Seitenleiste:** Klicken Sie direkt auf den entsprechenden Analysetyp in der linken Navigation.
3. **Über eine bestehende Analyse:** Öffnen Sie eine gespeicherte Analyse und klicken Sie auf **Als Kopie erstellen**, um eine neue Analyse mit denselben Einstellungen zu starten.
Nach dem Starten gelangen Sie zur Eingabeseite des gewählten Moduls. Dort können Sie Ihre Daten eingeben, Einstellungen vornehmen und die Berechnung durchführen.
> **Tipp:** Über den Button **Demo-Daten laden** können Sie in jedem Modul Beispieldaten laden, um die Funktionsweise kennenzulernen, ohne eigene Daten eingeben zu müssen.
---
## Daten eingeben
### Tabelleneingabe (Spreadsheet)
Die Dateneingabe erfolgt in my8data über ein tabellenartiges Eingabefeld (Spreadsheet), das sich ähnlich wie eine Tabellenkalkulation bedienen lässt:
- **Navigation:** Verwenden Sie die Pfeiltasten oder die Tabulatortaste, um zwischen Zellen zu wechseln.
- **Eingabe:** Klicken Sie in eine Zelle und tippen Sie den Wert ein. Bestätigen Sie mit `Enter` oder `Tab`.
- **Dezimaltrennzeichen:** Sowohl Komma als auch Punkt werden als Dezimaltrennzeichen akzeptiert.
- **Zeilen/Spalten hinzufügen:** Je nach Analysetyp können Sie über Buttons zusätzliche Zeilen oder Spalten einfügen.
### Copy & Paste aus Excel
Sie können Daten direkt aus Microsoft Excel oder anderen Tabellenkalkulationen in my8data einfügen:
1. Markieren Sie die gewünschten Zellen in Excel.
2. Kopieren Sie die Auswahl mit `Strg+C`.
3. Klicken Sie in die erste Zelle der my8data-Tabelle.
4. Fügen Sie die Daten mit `Strg+V` ein.
> **Info:** Die eingefügten Daten werden automatisch in die entsprechenden Zeilen und Spalten der my8data-Tabelle verteilt. Achten Sie darauf, dass die Struktur (Anzahl Spalten/Zeilen) zum gewählten Analysetyp passt.
> **Warnung:** Beim Einfügen großer Datenmengen kann es je nach Browser zu kurzen Verzögerungen kommen. Prüfen Sie nach dem Einfügen stichprobenartig, ob alle Werte korrekt übernommen wurden.
### Demo-Daten
Jedes Analysemodul bietet die Möglichkeit, vordefinierte Beispieldaten zu laden:
1. Klicken Sie auf den Button **Demo-Daten** oder **Beispieldaten laden**.
2. Die Eingabetabelle wird automatisch mit realistischen Beispielwerten gefüllt.
3. Sie können die Demo-Daten nach Belieben anpassen.
> **Tipp:** Demo-Daten sind ideal, um sich mit einem neuen Modul vertraut zu machen oder um die Berechnungsergebnisse mit bekannten Referenzwerten zu vergleichen.
---
## Berechnung durchführen
Nachdem Sie Ihre Daten eingegeben haben, starten Sie die Berechnung:
1. Klicken Sie auf den Button **Berechnung starten** (oder **Berechnen**).
2. Alternativ verwenden Sie den Tastaturkurzbefehl `Alt+Shift+M`.
3. Die Berechnung wird serverseitig ausgeführt (R-Backend).
4. Die Ergebnisse werden im unteren Bereich der Seite angezeigt.
> **Info:** Je nach Komplexität der Analyse und Datenmenge kann die Berechnung wenige Sekunden dauern. Ein Ladeindikator zeigt den Fortschritt an.
> **Tipp:** Verwenden Sie den Tastaturkurzbefehl `Alt+Shift+M`, um die Berechnung schnell auszulösen, ohne zur Maus greifen zu müssen.
Falls bei der Berechnung Fehler auftreten (z. B. fehlende Pflichtfelder oder ungültige Werte), wird eine entsprechende Fehlermeldung angezeigt. Korrigieren Sie die markierten Felder und starten Sie die Berechnung erneut.
---
## Ergebnisse interpretieren
Nach erfolgreicher Berechnung werden die Ergebnisse in mehreren Bereichen angezeigt:
### Kennwerttabelle
Die wichtigsten statistischen Kennwerte werden in einer übersichtlichen Tabelle dargestellt. Jeder Kennwert ist mit einer **farblichen Bewertung** versehen:
| Farbe | Bedeutung |
|---|---|
| **Grün** | Kennwert liegt im akzeptablen Bereich. Das Messsystem bzw. der Prozess erfüllt die Anforderungen. |
| **Gelb** | Kennwert liegt im Grenzbereich. Eine Verbesserung wird empfohlen. |
| **Rot** | Kennwert liegt außerhalb der Toleranz. Maßnahmen sind erforderlich. |
### Diagramme
Unterhalb der Kennwerte werden je nach Analysetyp verschiedene Diagramme angezeigt (z. B. Verlaufsdiagramme, Histogramme, Box-Plots). Die Diagramme sind interaktiv:
- **Zoomen:** Verwenden Sie das Mausrad oder die Zoom-Buttons.
- **Details:** Bewegen Sie die Maus über Datenpunkte, um Einzelwerte anzuzeigen.
- **Herunterladen:** Über das Kamera-Symbol können einzelne Diagramme als Bild exportiert werden.
> **Tipp:** Klicken Sie auf einen Kennwert, um eine ausführliche Erklärung und Handlungsempfehlungen zu erhalten.
---
## Analyse speichern
Sie können jede Analyse dauerhaft speichern, um sie später wieder zu öffnen oder mit anderen zu teilen.
### Speichern
1. Klicken Sie auf den Button **Analyse speichern**.
2. Vergeben Sie einen aussagekräftigen **Namen** für die Analyse.
3. Fügen Sie optional **Tags** (Schlagwörter) hinzu, um die Analyse später leichter zu finden.
4. Wählen Sie die **Sichtbarkeit**:
| Sichtbarkeit | Beschreibung |
|---|---|
| **Privat** | Nur Sie können die Analyse sehen und bearbeiten. |
| **Team** | Alle Mitglieder Ihres Teams können die Analyse einsehen. |
| **Organisation** | Alle Mitglieder Ihrer Organisation haben Zugriff. |
5. Klicken Sie auf **Speichern**.
> **Info:** Beim Speichern werden alle Eingabedaten, Einstellungen und berechneten Ergebnisse gespeichert. Beim erneuten Öffnen befinden Sie sich exakt im gleichen Zustand.
> **Wichtig:** Analysen mit der Sichtbarkeit "Team" oder "Organisation" können von anderen Benutzern eingesehen, aber nicht verändert werden -- es sei denn, Sie gewähren explizit Bearbeitungsrechte.
---
## Analyse laden & verwalten
### Gespeicherte Analysen öffnen
1. Klicken Sie in der Seitenleiste auf **Meine Analysen** oder öffnen Sie das Dashboard.
2. Suchen Sie die gewünschte Analyse über die **Suchfunktion** oder die **Tag-Filter**.
3. Klicken Sie auf den Analysenamen, um sie zu öffnen.
### Analysen verwalten
In der Analyseverwaltung stehen Ihnen folgende Aktionen zur Verfügung:
- **Umbenennen** -- Klicken Sie auf das Stift-Symbol neben dem Analysenamen.
- **Tags bearbeiten** -- Fügen Sie Schlagwörter hinzu oder entfernen Sie diese.
- **Sichtbarkeit ändern** -- Ändern Sie die Zugriffsrechte (Privat, Team, Organisation).
- **Löschen** -- Entfernen Sie eine Analyse dauerhaft. Dieser Vorgang kann nicht rückgängig gemacht werden.
- **Duplizieren** -- Erstellen Sie eine Kopie der Analyse unter neuem Namen.
> **Warnung:** Das Löschen einer Analyse kann nicht rückgängig gemacht werden. Stellen Sie sicher, dass Sie die Daten nicht mehr benötigen oder exportieren Sie die Analyse vorher.
---
## Export
my8data bietet verschiedene Exportmöglichkeiten für Ihre Analyseergebnisse.
### Excel-Export
1. Klicken Sie auf den Button **Excel-Export**.
2. Wählen Sie ein **Excel-Template** aus der Liste der verfügbaren Vorlagen. Die Templates sind nach Analysetyp und Sprache sortiert (z. B. `M0460_MSA1_my8data_de.xlsx`).
3. Die Excel-Datei wird generiert und automatisch heruntergeladen.
> **Info:** Die Excel-Templates enthalten vordefinierte Formatierungen und Layouts, die den Anforderungen gängiger Qualitätsmanagement-Standards entsprechen. Sie können eigene Templates hochladen (Enterprise-Lizenz).
### PDF-Export
1. Klicken Sie auf den Button **PDF-Export**.
2. Wählen Sie die gewünschten Inhalte (Kennwerte, Diagramme, Rohdaten).
3. Der PDF-Bericht wird generiert und zum Download bereitgestellt.
> **Tipp:** Der PDF-Export eignet sich besonders für die Dokumentation und Archivierung. Das Layout ist optimiert für DIN-A4-Druck.
---
## Lokale Daten
Zusätzlich zum serverseitigen Speichern können Sie Analysedaten lokal auf Ihrem Rechner sichern.
### JSON-Export
1. Klicken Sie auf **Lokale Daten > Exportieren**.
2. Eine JSON-Datei mit allen Eingabedaten und Einstellungen wird heruntergeladen.
3. Speichern Sie die Datei an einem sicheren Ort.
### JSON-Import
1. Klicken Sie auf **Lokale Daten > Importieren**.
2. Wählen Sie eine zuvor exportierte JSON-Datei aus.
3. Die Eingabedaten und Einstellungen werden automatisch in das Formular geladen.
> **Tipp:** Der JSON-Export/Import ist nützlich, um Analysen zwischen verschiedenen my8data-Instanzen zu übertragen oder lokale Backups Ihrer Daten zu erstellen.
> **Info:** Die JSON-Datei enthält nur die Eingabedaten und Einstellungen, nicht die berechneten Ergebnisse. Nach dem Import müssen Sie die Berechnung erneut ausführen.
---
## KI-Assistent
my8data verfügt über einen integrierten KI-Assistenten, der Sie bei der Interpretation Ihrer Ergebnisse unterstützt.
### Chat-Funktion
1. Klicken Sie auf das **KI-Assistenten-Symbol** (Chat-Blase) am rechten Bildschirmrand.
2. Stellen Sie Ihre Frage im Freitext, z. B.:
- "Was bedeutet mein Cg-Wert von 1.2?"
- "Wie kann ich mein Messsystem verbessern?"
- "Erkläre mir die ANOVA-Tabelle."
3. Der KI-Assistent antwortet basierend auf Ihren aktuellen Analyseergebnissen und allgemeinem Fachwissen.
### Credits
Die Nutzung des KI-Assistenten wird über ein Credit-System abgerechnet:
- Jede Anfrage verbraucht eine bestimmte Anzahl an Credits.
- Ihren aktuellen Credit-Stand sehen Sie im Chat-Fenster oder unter **Einstellungen > Lizenz**.
- Die Anzahl der verfügbaren Credits hängt von Ihrem Lizenztyp ab.
> **Info:** Der KI-Assistent speichert keine persönlichen Daten. Die Konversation wird am Ende der Sitzung gelöscht.
---
## Einstellungen pro Analyse
Jedes Analysemodul bietet individuelle Einstellungsmöglichkeiten, die Sie vor oder nach der Berechnung anpassen können.
### Nachkommastellen
Legen Sie fest, mit wie vielen Nachkommastellen die Ergebnisse angezeigt werden sollen:
- Standard: **4 Nachkommastellen**
- Einstellbar von **0 bis 8** Nachkommastellen
- Die Einstellung gilt für alle Kennwerte und Tabellen der aktuellen Analyse.
### Diagrammgrößen
Sie können die Größe der angezeigten Diagramme anpassen:
- **Klein** -- Kompakte Darstellung, mehrere Diagramme nebeneinander.
- **Mittel** -- Standardgröße (empfohlen).
- **Groß** -- Großformatige Darstellung für Präsentationen.
### Export-Templates
Wählen Sie das gewünschte Export-Template für Excel- und PDF-Exporte:
- Templates sind nach Sprache und Analysetyp organisiert.
- Enterprise-Kunden können eigene, firmenspezifische Templates hochladen.
> **Tipp:** Passen Sie die Einstellungen vor dem Export an, damit die exportierten Berichte Ihren Anforderungen entsprechen. Die Einstellungen werden beim Speichern der Analyse mit gespeichert.
---
## MSA1 — Verfahren 1
URL: https://www.my8data.com/knowledge-base/msa1
# MSA 1 -- Messsystemanalyse Methode 1
Die MSA Methode 1 (auch bekannt als **Verfahren 1** oder **Cg/Cgk-Studie**) dient der Beurteilung der **Wiederholpräzision** eines Messsystems anhand eines einzelnen Teils. Sie ist die einfachste und schnellste Methode, um die grundsätzliche Fähigkeit eines Messgeräts zu überprüfen.
---
## Übersicht
### Zweck und Einsatzgebiet
Die MSA 1 beantwortet die Frage: **Ist mein Messgerät grundsätzlich fähig, die geforderte Toleranz aufzulösen?**
Dabei wird ein einzelnes Teil (Referenzteil, Normal oder Meisterstück) wiederholt gemessen -- typischerweise 25 oder 50 Mal. Aus der Streuung dieser Wiederholmessungen werden die Fähigkeitskennwerte **Cg** und **Cgk** berechnet.
### Wann wird MSA 1 eingesetzt?
- Bei der **Erstqualifizierung** eines neuen Messmittels
- Bei der **periodischen Überprüfung** bestehender Messmittel
- Zur **Vorabprüfung**, bevor eine aufwendigere MSA 2 durchgeführt wird
- Nach **Reparatur oder Kalibrierung** eines Messgeräts
> **Info:** Die MSA 1 bewertet ausschließlich die Wiederholbarkeit (Repeatability) und die systematische Abweichung (Bias) des Messgeräts. Einflüsse durch verschiedene Prüfer oder Teile werden nicht berücksichtigt -- dafür ist die MSA 2 vorgesehen.
### Typischer Ablauf
1. Referenzteil mit bekanntem Referenzwert bereitstellen
2. Toleranzgrenzen und Referenzwert in my8data eingeben
3. Referenzteil mehrfach messen (mind. 25 Messungen empfohlen)
4. Messwerte in my8data eingeben
5. Berechnung durchführen und Ergebnisse bewerten
---
## Eingabe
### Referenzwert und Toleranz
Bevor Sie die Messwerte eingeben, müssen folgende Parameter festgelegt werden:
| Feld | Beschreibung | Beispiel |
|---|---|---|
| **Referenzwert (xm)** | Der bekannte wahre Wert des Referenzteils, ermittelt durch ein genaueres Messmittel oder Kalibrierzertifikat. | 25.003 mm |
| **Obere Toleranzgrenze (OTG)** | Die obere Spezifikationsgrenze des Merkmals. | 25.050 mm |
| **Untere Toleranzgrenze (UTG)** | Die untere Spezifikationsgrenze des Merkmals. | 24.950 mm |
| **Toleranzfaktor** | Anteil der Toleranz, der für die Bewertung herangezogen wird. Standard: 20 % (Faktor 0.2). | 0.2 |
> **Wichtig:** Der Referenzwert muss mit einem übergeordneten, genaueren Messmittel bestimmt worden sein (z. B. Koordinatenmessgerät, kalibriertes Normal). Die Genauigkeit des Referenzwerts sollte mindestens um den Faktor 10 besser sein als die des zu prüfenden Messgeräts.
### Messwerte eingeben
Geben Sie die Wiederholmessungen in die Eingabetabelle ein:
1. Klicken Sie in die erste Zelle der Messwertspalte.
2. Geben Sie den ersten Messwert ein und bestätigen Sie mit `Enter` oder `Tab`.
3. Fahren Sie fort, bis alle Messwerte eingetragen sind.
Alternativ können Sie Messwerte aus Excel per `Strg+C` / `Strg+V` einfügen (siehe Kapitel [Daten eingeben](gemeinsame-funktionen.md#daten-eingeben)).
> **Tipp:** Für eine aussagekräftige Analyse sollten mindestens **25 Messungen** durchgeführt werden. Viele Normen und Richtlinien empfehlen 50 Messungen.
### Zusätzliche Eingabefelder
Je nach Konfiguration können weitere Felder verfügbar sein:
- **Merkmalbezeichnung** -- Name des gemessenen Merkmals (z. B. "Durchmesser Bohrung 3")
- **Messmittel** -- Bezeichnung des verwendeten Messgeräts
- **Prüfer** -- Name des Prüfers
- **Datum** -- Datum der Messung
---
## Kennwerte
Nach der Berechnung werden die folgenden statistischen Kennwerte ermittelt und angezeigt:
### Cg -- Wiederholfähigkeitsindex
Der **Cg-Wert** (Capability of the Gauge) beschreibt die Wiederholpräzision des Messgeräts im Verhältnis zur Toleranz. Er berücksichtigt nur die Streuung der Messwerte, nicht die systematische Abweichung.
**Formel:**
```
Cg = (k * T) / (s * sg)
```
Dabei ist:
- **k** = Toleranzfaktor (Standard: 0.2, d. h. 20 % der Toleranz)
- **T** = Toleranz (OTG - UTG)
- **s** = Spreizungsfaktor (Standard: 6 für 99.73 %-Bereich)
- **sg** = Standardabweichung der Messwerte
### Cgk -- Wiederholfähigkeitsindex mit Bias
Der **Cgk-Wert** berücksichtigt zusätzlich die **systematische Abweichung** (Bias) des Messgeräts gegenüber dem Referenzwert. Er ist immer kleiner oder gleich dem Cg-Wert.
**Formel:**
```
Cgk = (k * T - |xm - x_quer|) / (s * sg)
```
Dabei ist:
- **xm** = Referenzwert
- **x_quer** = Mittelwert der Messwerte
### %GRR (Anteil an der Toleranz)
Der **%GRR-Wert** gibt den prozentualen Anteil der Messgerätestreuung an der Gesamttoleranz an.
### Bewertungskriterien
| Kennwert | Bewertung | Bedeutung |
|---|---|---|
| **Cg >= 1.33** | Fähig (grün) | Das Messgerät ist für die geforderte Toleranz geeignet. |
| **1.00 <= Cg < 1.33** | Bedingt fähig (gelb) | Das Messgerät ist grenzwertig. Verbesserungen empfohlen. |
| **Cg < 1.00** | Nicht fähig (rot) | Das Messgerät ist ungeeignet. Maßnahmen erforderlich. |
| **Cgk >= 1.33** | Fähig (grün) | Wiederholpräzision und Bias sind akzeptabel. |
| **Cgk < 1.33** | Nicht fähig (rot) | Systematische Abweichung und/oder Streuung zu groß. |
> **Tipp:** Ist der Cg-Wert gut, aber der Cgk-Wert schlecht, liegt eine systematische Abweichung (Bias) vor. In diesem Fall sollte das Messgerät neu kalibriert werden.
> **Info:** Die Grenzwerte können je nach Branchenstandard variieren. In der Automobilindustrie werden häufig die Grenzwerte 1.33 gemäß VDA 5 oder AIAG verwendet.
---
## Diagramme
Die MSA 1 in my8data erzeugt zwei zentrale Diagramme zur visuellen Bewertung des Messsystems.
### Verlaufsdiagramm (Run Chart)
Das Verlaufsdiagramm zeigt die einzelnen Messwerte in der Reihenfolge ihrer Erfassung:
- **X-Achse:** Messung Nr. (1, 2, 3, ...)
- **Y-Achse:** Messwert
- **Rote horizontale Linie:** Referenzwert (xm)
- **Blaue horizontale Linien:** Obere und untere Toleranzgrenzen (bezogen auf den Toleranzanteil)
- **Grüne Punkte:** Einzelne Messwerte
Das Verlaufsdiagramm hilft Ihnen, folgende Muster zu erkennen:
- **Trend:** Systematische Drift des Messgeräts über die Zeit (z. B. durch Erwärmung).
- **Sprünge:** Plötzliche Änderungen, die auf äußere Einflüsse hindeuten.
- **Gleichmäßige Streuung:** Die Messwerte sollten zufällig um den Referenzwert streuen.
> **Warnung:** Falls Sie einen deutlichen Trend im Verlaufsdiagramm erkennen, ist die Voraussetzung einer stabilen Messung verletzt. Untersuchen Sie mögliche Ursachen (z. B. thermische Einflüsse, Verschleiß), bevor Sie die Ergebnisse interpretieren.
### Histogramm
Das Histogramm zeigt die Verteilung der Messwerte:
- **X-Achse:** Messwertbereiche (Klassen)
- **Y-Achse:** Häufigkeit
- **Rote vertikale Linie:** Referenzwert
- **Blaue vertikale Linien:** Toleranzgrenzen (bezogen auf den Toleranzanteil)
- **Glockenförmige Kurve:** Normalverteilungsanpassung
Das Histogramm ermöglicht Ihnen:
- Die **Symmetrie** der Verteilung zu beurteilen (idealerweise glockenförmig und symmetrisch um den Referenzwert).
- Die **Breite** der Streuung im Verhältnis zur Toleranz visuell einzuschätzen.
- **Ausreißer** oder **Mehrfachgipfel** zu erkennen, die auf Messprobleme hindeuten könnten.
> **Tipp:** Ein Histogramm mit deutlicher Verschiebung gegenüber dem Referenzwert deutet auf eine systematische Abweichung (Bias) hin. Dies spiegelt sich auch in einem niedrigeren Cgk-Wert wider.
---
## MSA2 — Verfahren 2
URL: https://www.my8data.com/knowledge-base/msa2
# MSA 2 -- Messsystemanalyse Methode 2
Die MSA Methode 2 (auch bekannt als **Verfahren 2** oder **Gage R&R Studie**) ist die umfassendste Methode der Messsystemanalyse. Sie bewertet die Wiederholbarkeit (Repeatability) und die Vergleichbarkeit (Reproducibility) eines Messsystems unter Berücksichtigung mehrerer Prüfer und mehrerer Teile.
---
## Übersicht
### Zweck und Einsatzgebiet
Die MSA 2 beantwortet die Frage: **Wie groß ist der Anteil der Messstreuung an der Gesamtstreuung -- und woher stammt diese Streuung?**
Während die MSA 1 nur die Wiederholpräzision eines einzelnen Prüfers an einem einzelnen Teil betrachtet, untersucht die MSA 2 das vollständige Messsystem bestehend aus:
- **Messgerät** (Equipment Variation, EV)
- **Prüfer** (Appraiser Variation, AV)
- **Wechselwirkung** zwischen Prüfer und Teil (Interaction)
### Versuchsdesigns
my8data unterstützt zwei verschiedene Versuchsdesigns für die MSA 2:
#### Gekreuztes Design (Crossed Design)
Im gekreuzten Design misst **jeder Prüfer jedes Teil** mehrfach. Dies ist das Standarddesign und wird in den meisten Fällen empfohlen.
| | Teil 1 | Teil 2 | Teil 3 | ... | Teil n |
|---|:---:|:---:|:---:|:---:|:---:|
| **Prüfer A** | x Messungen | x Messungen | x Messungen | ... | x Messungen |
| **Prüfer B** | x Messungen | x Messungen | x Messungen | ... | x Messungen |
| **Prüfer C** | x Messungen | x Messungen | x Messungen | ... | x Messungen |
**Typische Konfiguration:** 3 Prüfer, 10 Teile, 2-3 Wiederholungen = 60 bis 90 Messungen.
> **Tipp:** Das gekreuzte Design liefert die vollständigsten Informationen, da Wechselwirkungen zwischen Prüfer und Teil erkannt werden können.
#### Geschachteltes Design (Nested Design)
Im geschachtelten Design misst **jeder Prüfer eigene, unterschiedliche Teile**. Die Teile werden also nicht von allen Prüfern gemessen.
| | Teile 1-3 | Teile 4-6 | Teile 7-9 |
|---|:---:|:---:|:---:|
| **Prüfer A** | x Messungen | -- | -- |
| **Prüfer B** | -- | x Messungen | -- |
| **Prüfer C** | -- | -- | x Messungen |
**Einsatzfälle für das geschachtelte Design:**
- **Zerstörerische Prüfungen** -- Wenn das Teil bei der Messung zerstört wird
- **Verbrauchende Prüfungen** -- Wenn das Teil nach der Messung nicht mehr verfügbar ist
- **Große Teile** -- Wenn der Transport zwischen Prüfern nicht praktikabel ist
> **Wichtig:** Beim geschachtelten Design können keine Wechselwirkungen zwischen Prüfer und Teil berechnet werden, da kein Prüfer dasselbe Teil misst. Die Aussagekraft ist daher etwas eingeschränkt.
### Typischer Ablauf
1. Versuchsdesign wählen (gekreuzt oder geschachtelt)
2. Anzahl Prüfer, Teile und Wiederholungen festlegen
3. Toleranzgrenzen eingeben
4. Messungen durchführen und Messwerte eingeben
5. Berechnung starten
6. ANOVA-Ergebnisse und Kennwerte bewerten
---
## Eingabe
### Versuchsdesign konfigurieren
Vor der Dateneingabe legen Sie die Versuchsparameter fest:
| Parameter | Beschreibung | Empfehlung |
|---|---|---|
| **Designtyp** | Gekreuzt (Crossed) oder Geschachtelt (Nested) | Gekreuzt, wenn möglich |
| **Anzahl Prüfer** | Wie viele verschiedene Prüfer messen | Mindestens 2, empfohlen 3 |
| **Anzahl Teile** | Wie viele verschiedene Teile gemessen werden | Mindestens 5, empfohlen 10 |
| **Anzahl Wiederholungen** | Wie oft jeder Prüfer jedes Teil misst | Mindestens 2, empfohlen 3 |
| **Obere Toleranzgrenze (OTG)** | Obere Spezifikationsgrenze | Gemäß Zeichnung/Spezifikation |
| **Untere Toleranzgrenze (UTG)** | Untere Spezifikationsgrenze | Gemäß Zeichnung/Spezifikation |
### Messwerte eingeben
Die Eingabetabelle passt sich automatisch an die gewählte Konfiguration an:
- **Spalten** repräsentieren die einzelnen Teile
- **Zeilen** sind nach Prüfern gruppiert, mit den Wiederholungen als Unterzeilen
> **Tipp:** Achten Sie beim gekreuzten Design darauf, dass die Prüfer die Teile in **zufälliger Reihenfolge** messen und keine Kenntnis der Messwerte der anderen Prüfer haben. Dies ist entscheidend für die Validität der Ergebnisse.
> **Info:** Sie können Prüfernamen und Teilenummern individuell benennen. Standardmäßig werden Prüfer als "Prüfer A, B, C, ..." und Teile als "Teil 1, 2, 3, ..." bezeichnet.
---
## ANOVA
Die **ANOVA** (Analysis of Variance, Varianzanalyse) ist das statistische Kernverfahren der MSA 2. Sie zerlegt die Gesamtstreuung in ihre einzelnen Komponenten.
### ANOVA-Tabelle
Nach der Berechnung zeigt my8data die vollständige ANOVA-Tabelle an:
| Quelle | df | SS | MS | F-Wert | p-Wert |
|---|---|---|---|---|---|
| Teile (Parts) | n-1 | SS_Parts | MS_Parts | F_Parts | p_Parts |
| Prüfer (Operators) | k-1 | SS_Operators | MS_Operators | F_Operators | p_Operators |
| Wechselwirkung (Interaction) | (n-1)(k-1) | SS_Interaction | MS_Interaction | F_Interaction | p_Interaction |
| Wiederholung (Repeatability) | nk(r-1) | SS_Repeat | MS_Repeat | -- | -- |
| Gesamt (Total) | nkr-1 | SS_Total | -- | -- | -- |
**Legende:**
- **df** = Freiheitsgrade (degrees of freedom)
- **SS** = Quadratsumme (sum of squares)
- **MS** = Mittlere Quadratsumme (mean square)
- **F-Wert** = Prüfgröße des F-Tests
- **p-Wert** = Signifikanzniveau
### Interpretation der ANOVA
Die ANOVA hilft Ihnen, folgende Fragen zu beantworten:
- **Ist die Prüfervariabilität signifikant?** Wenn der p-Wert für "Prüfer" kleiner als 0.05 ist, unterscheiden sich die Prüfer signifikant voneinander. Maßnahmen: Schulung, standardisierte Arbeitsanweisungen.
- **Gibt es eine signifikante Wechselwirkung?** Wenn der p-Wert für "Interaction" kleiner als 0.05 ist, messen bestimmte Prüfer bestimmte Teile systematisch anders. Dies kann auf unterschiedliche Messtechniken hindeuten.
- **Ist die Teile-Variation ausreichend?** Die Teile sollten eine deutliche Variation aufweisen, damit die Studie aussagekräftig ist. Idealerweise decken die Teile mindestens 80 % der Toleranz ab.
> **Info:** Wenn die Wechselwirkung nicht signifikant ist (p > 0.25), wird sie automatisch in die Wiederholung eingerechnet (gepooltes Modell). Dies erhöht die Genauigkeit der übrigen Schätzungen.
---
## Kennwerte
Aus der ANOVA werden die folgenden Kennwerte abgeleitet:
### Varianzkomponenten
| Kennwert | Abkürzung | Beschreibung |
|---|---|---|
| **Equipment Variation** | EV | Streuung durch das Messgerät (Wiederholbarkeit). Anteil der Messvariation, der auf das Messgerät selbst zurückzuführen ist. |
| **Appraiser Variation** | AV | Streuung durch die Prüfer (Vergleichbarkeit). Anteil der Messvariation, der durch unterschiedliche Prüfer entsteht. |
| **Gage R&R** | GRR | Gesamte Messgerätestreuung (EV + AV). Kombination aus Wiederholbarkeit und Vergleichbarkeit. |
| **Part Variation** | PV | Streuung der Teile. Repräsentiert die tatsächliche Variation der gemessenen Teile. |
| **Total Variation** | TV | Gesamtvariation (GRR + PV). |
### Prozentuale Anteile
Die Kennwerte werden als prozentuale Anteile bezogen auf die Toleranz (%Toleranz) und bezogen auf die Gesamtvariation (%Beitrag) dargestellt:
| Kennwert | Akzeptabel (grün) | Grenzwertig (gelb) | Nicht akzeptabel (rot) |
|---|---|---|---|
| **%GRR (Toleranz)** | <= 10 % | 10 % -- 30 % | > 30 % |
| **%GRR (Beitrag)** | <= 1 % | 1 % -- 9 % | > 9 % |
| **%EV** | Kleiner Anteil an GRR | -- | Dominiert GRR |
| **%AV** | Kleiner Anteil an GRR | -- | Dominiert GRR |
### Number of Distinct Categories (ndc)
Der **ndc-Wert** gibt an, wie viele unterscheidbare Kategorien das Messsystem innerhalb der Prozessstreuung unterscheiden kann.
| ndc | Bewertung |
|---|---|
| **>= 5** | Das Messsystem kann den Prozess ausreichend auflösen. |
| **3 -- 4** | Eingeschränkte Auflösung. Für grobe Einschätzungen verwendbar. |
| **< 3** | Das Messsystem ist ungeeignet. Es können keine sinnvollen Unterscheidungen getroffen werden. |
> **Wichtig:** Ein ndc-Wert kleiner als 5 bedeutet, dass das Messsystem nicht in der Lage ist, Gut- und Schlechtteile zuverlässig zu unterscheiden. In diesem Fall sind Maßnahmen zur Verbesserung des Messsystems dringend erforderlich.
### Verbesserungsmaßnahmen
Je nachdem, ob EV oder AV den größeren Anteil am GRR hat, unterscheiden sich die empfohlenen Maßnahmen:
| Problembereich | Mögliche Ursachen | Maßnahmen |
|---|---|---|
| **EV dominiert** (Messgerät) | Verschleiß, mangelnde Auflösung, ungeeignetes Messprinzip, Umgebungseinflüsse | Messgerät warten/ersetzen, höhere Auflösung wählen, Umgebungsbedingungen stabilisieren |
| **AV dominiert** (Prüfer) | Unterschiedliche Messtechniken, mangelnde Schulung, unklare Anweisungen | Prüfer schulen, Messanweisungen standardisieren, Vorrichtungen einsetzen |
| **Wechselwirkung signifikant** | Prüferabhängige Handhabung bestimmter Teilegeometrien | Messtechnik vereinheitlichen, Vorrichtungen einsetzen |
> **Tipp:** Betrachten Sie immer sowohl die prozentualen Anteile als auch den ndc-Wert. Ein Messsystem mit einem %GRR knapp über 10 % aber einem ndc >= 5 kann unter Umständen noch akzeptabel sein, wenn zusätzliche organisatorische Maßnahmen getroffen werden.
---
## MSA3 — Verfahren 3
URL: https://www.my8data.com/knowledge-base/msa3
# MSA 3 — Verfahren 3 (Automatisierte Messsysteme)
Die MSA 3 ist eine **MSA 2 für automatisierte Messsysteme**, z. B. Koordinatenmessmaschinen (KMM), optische Messmaschinen oder Messroboter. Da bei automatisierten Messsystemen kein Einfluss durch verschiedene Prüfer besteht, wird **nur ein Prüfer** (das Messgerät selbst) benötigt. Stattdessen liegt der Fokus auf der **Wiederholbarkeit** (Equipment Variation) des Messsystems über eine größere Stichprobe.
---
## Übersicht
### Zweck und Einsatzgebiet
Die MSA 3 wird eingesetzt, wenn das Messsystem **automatisiert** arbeitet und der Bediener keinen oder nur minimalen Einfluss auf das Messergebnis hat. Typische Anwendungsfälle:
- **Koordinatenmessmaschinen (KMM)** — CNC-gesteuerte 3D-Messgeräte
- **Optische Messmaschinen** — Kamerasysteme, Laservermessung
- **Messroboter** — Automatisierte Inline-Messstationen
- **Automatisierte Prüfstände** — Serienbegleitende Messeinrichtungen
Da bei diesen Systemen die **Vergleichbarkeit zwischen Prüfern** (AV) nicht relevant ist, entfällt dieser Varianzanteil. Die Analyse konzentriert sich vollständig auf die **Wiederholbarkeit** (EV) des Messsystems.
### Abgrenzung zur MSA 2
| Eigenschaft | MSA 2 | MSA 3 |
|---|---|---|
| **Einsatzgebiet** | Manuelle Messsysteme mit mehreren Prüfern | Automatisierte Messsysteme (Messmaschinen) |
| **Prüfer** | 3 Prüfer | 1 Prüfer (Automat) |
| **Teile** | 10 Teile | 25 Teile |
| **Messungen pro Teil** | 3 Messungen × 3 Prüfer = 9 | 6 Messungen × 1 Prüfer = 6 |
| **Varianzkomponenten** | EV + AV + Interaktion | Nur EV (keine AV, keine Interaktion) |
| **Fokus** | Wiederholbarkeit + Vergleichbarkeit | Nur Wiederholbarkeit |
| **ANOVA-Modell** | Teil + Prüfer + Teil×Prüfer + Rest | Teil + Rest (vereinfacht) |
### Typischer Ablauf
1. 25 Teile auswählen, die den Toleranzbereich abdecken
2. Referenzwerte und Toleranzgrenzen festlegen
3. Jedes Teil 6-mal mit dem automatisierten Messsystem messen
4. Messdaten in my8data eingeben
5. Berechnung ausführen und Kennwerte auswerten
> **Info:** Die MSA 3 nutzt 25 Teile statt 10 (wie bei der MSA 2), da automatisierte Systeme eine größere Stichprobe effizient verarbeiten können und dies die statistische Aussagekraft der Wiederholbarkeitsbewertung erhöht.
---
## Eingabe
### Stammdaten
Vor der Dateneingabe legen Sie die Stammdaten fest:
| Feld | Beschreibung | Hinweis |
|---|---|---|
| **Prüfer** | Bezeichnung des Messsystems / der Messmaschine | z. B. "KMM-001" oder "Zeiss Contura" |
| **Referenzwert** | Bekannter wahrer Wert des Merkmals | Muss durch übergeordnetes Messmittel bestimmt sein |
| **Obere Toleranzgrenze (OTG)** | Obere Spezifikationsgrenze | Gemäß Zeichnung |
| **Untere Toleranzgrenze (UTG)** | Untere Spezifikationsgrenze | Gemäß Zeichnung |
> **Info:** Im Feld „Prüfer" wird bei der MSA 3 die Bezeichnung des automatisierten Messsystems eingetragen — nicht der Name eines Bedieners, da es nur einen „Prüfer" (die Maschine) gibt.
### Messdaten eingeben
Die Datentabelle hat **6 Spalten** (Messung 1 bis Messung 6) und **25 Zeilen** (Teile):
| Spalte | Beschreibung |
|---|---|
| **Messung 1** | Erste Messung jedes Teils |
| **Messung 2** | Zweite Messung jedes Teils |
| **Messung 3** | Dritte Messung jedes Teils |
| **Messung 4** | Vierte Messung jedes Teils |
| **Messung 5** | Fünfte Messung jedes Teils |
| **Messung 6** | Sechste Messung jedes Teils |
Jede Zeile entspricht einem Teil. Alle 25 Teile werden jeweils 6-mal gemessen.
> **Tipp:** Die Tabelle erlaubt das Einfügen zusätzlicher Zeilen, falls mehr als 25 Teile gemessen werden sollen. Nutzen Sie Copy & Paste (`Strg+C` / `Strg+V`), um Messdaten aus Excel zu übertragen.
> **Warnung:** Stellen Sie sicher, dass alle Messungen unter gleichen Bedingungen durchgeführt werden (gleiche Aufspannung, gleiches Messprogramm, gleiche Umgebungsbedingungen). Nur so ist die Wiederholbarkeit des Messsystems korrekt bewertbar.
### Hinweise zur Versuchsdurchführung
- **Gleiche Messbedingungen:** Alle Messungen sollten mit demselben Messprogramm und denselben Einstellungen erfolgen.
- **Randomisierung:** Messen Sie die Teile in zufälliger Reihenfolge, um systematische Drift-Effekte zu erkennen.
- **Aufspannung:** Jedes Teil muss für jede Wiederholmessung neu aufgespannt werden, um den realen Messprozess abzubilden.
---
## Kennwerte
### Varianzkomponenten
Da bei der MSA 3 nur ein Prüfer (die Messmaschine) beteiligt ist, vereinfacht sich die Varianzzerlegung:
| Varianzkomponente | Beschreibung | MSA 3 |
|---|---|---|
| **EV (Equipment Variation)** | Streuung durch das Messgerät (Wiederholbarkeit) | Wird berechnet — Hauptkennwert |
| **AV (Appraiser Variation)** | Streuung durch verschiedene Prüfer (Vergleichbarkeit) | Entfällt (immer 0) — nur 1 Prüfer |
| **Interaktion (Teil × Prüfer)** | Wechselwirkung zwischen Teil und Prüfer | Entfällt — nur 1 Prüfer |
| **PV (Part Variation)** | Streuung zwischen den Teilen | Wird berechnet |
| **GRR** | Gesamte Messsystemstreuung | = EV (da AV = 0) |
### ANOVA-Ergebnisse
Die ANOVA der MSA 3 verwendet ein **vereinfachtes Modell** ohne Prüfer- und Interaktionseffekte:
| Quelle | Beschreibung |
|---|---|
| **Teil** | Varianzanteil durch die Unterschiede zwischen den 25 Teilen |
| **Residuen** | Varianzanteil durch die Wiederholmessungen (= Equipment Variation) |
> **Info:** Im Vergleich zur MSA 2 entfallen die Zeilen „Prüfer" und „Teil × Prüfer" in der ANOVA-Tabelle. Das ANOVA-Modell ist dadurch einfacher und direkter interpretierbar.
### Kennwertübersicht
| Kennwert | Beschreibung | Bewertung |
|---|---|---|
| **%EV** | Anteil der Gerätestreuung an der Toleranz | Je kleiner, desto besser |
| **%GRR** | Gesamtanteil der Messsystemstreuung (= %EV bei MSA 3) | ≤ 10 %: fähig, 10–30 %: bedingt fähig, > 30 %: nicht fähig |
| **%PV** | Anteil der Teilestreuung | Sollte den größten Anteil ausmachen |
| **ndc** | Anzahl unterscheidbarer Kategorien | ≥ 5: ausreichend |
### Bewertungskriterien
| Bewertungsbereich | Kriterium | Maßnahme |
|---|---|---|
| **%GRR ≤ 10 %** | Messsystem fähig | Messsystem ist für den vorgesehenen Zweck geeignet |
| **10 % < %GRR ≤ 30 %** | Bedingt fähig | Verbesserungen empfohlen — Messprogramm optimieren, Aufspannung prüfen |
| **%GRR > 30 %** | Nicht fähig | Messsystem überprüfen, kalibrieren oder ersetzen |
### Diagramme
Die MSA 3 stellt zwei Diagramme zur Verfügung:
1. **Boxplot nach Teilen** — Zeigt die Streuung der 6 Messungen pro Teil. Hilft zu erkennen, ob bestimmte Teile stärker streuen als andere.
2. **GRR-Bewertungsdiagramm** — Balkendiagramm mit den Varianzanteilen (EV, PV) und farblicher Bewertung.
> **Info:** Im Vergleich zur MSA 2 fehlen die Diagramme „Interaktionsplot" und „Boxplot nach Prüfer", da diese bei nur einem Prüfer nicht sinnvoll sind.
> **Tipp:** Wenn die Wiederholbarkeit (EV) zu hoch ist, prüfen Sie folgende mögliche Ursachen: Verschleiß am Messtaster, ungenaue Aufspannung, Temperaturschwankungen, Vibrationen oder ein veraltetes Messprogramm.
---
## MSA7 — Attributive MSA
URL: https://www.my8data.com/knowledge-base/msa7
# MSA 7 -- Attributive Messsystemanalyse
Die MSA Methode 7 ist die **attributive Messsystemanalyse** und dient der Bewertung von Messsystemen, bei denen Merkmale nicht metrisch (als Zahlenwert), sondern **attributiv** (als Kategorie) bewertet werden -- also z. B. "gut/schlecht", "i.O./n.i.O." oder nach einer Notenskala.
---
## Übersicht
### Zweck und Einsatzgebiet
Die attributive MSA beantwortet die Frage: **Sind die Prüfer in der Lage, Teile konsistent und übereinstimmend zu bewerten, wenn keine metrischen Messwerte vorliegen?**
Typische Anwendungsfälle:
- **Visuelle Prüfungen** -- Oberflächenqualität, Farbabweichungen, Kratzer, Dellen
- **Funktionsprüfungen** -- Gut/Schlecht-Entscheidungen (z. B. Lehrdorn-Prüfung)
- **Subjektive Bewertungen** -- Geruch, Haptik, akustische Prüfungen
- **Sortierprüfungen** -- Klassifizierung in mehrere Qualitätsstufen
### Versuchsdesign
Für die attributive MSA gilt folgender grundsätzlicher Versuchsaufbau:
1. Eine Auswahl von **Teilen** wird zusammengestellt. Die Teile sollten sowohl eindeutig gute als auch eindeutig schlechte Teile sowie Grenzfälle umfassen.
2. Jeder **Prüfer** bewertet jedes Teil **mehrfach** (mindestens 2 Durchläufe, empfohlen 3).
3. Die Bewertungen werden verblindet durchgeführt -- die Prüfer kennen weder die "richtige" Antwort (Referenzbewertung) noch die Bewertungen der anderen Prüfer.
4. Optional wird eine **Referenzbewertung** (Masterentscheid) für jedes Teil festgelegt, gegen die die Prüferbewertungen verglichen werden.
| Parameter | Empfehlung |
|---|---|
| **Anzahl Teile** | Mindestens 20, idealerweise 50 |
| **Anzahl Prüfer** | Mindestens 2, empfohlen 3 |
| **Anzahl Durchläufe** | Mindestens 2, empfohlen 3 |
| **Anteil Grenzfälle** | Ca. 30--50 % der Teile |
| **Referenzbewertung** | Empfohlen (durch Experten oder Spezifikation festgelegt) |
> **Wichtig:** Die Qualität einer attributiven MSA hängt maßgeblich von der Teileauswahl ab. Wenn nur eindeutig gute und eindeutig schlechte Teile verwendet werden, wird die Studie die Fähigkeit des Prüfprozesses überschätzen. Achten Sie darauf, ausreichend Grenzfälle einzuschließen.
---
## Eingabe
### Konfiguration
Vor der Dateneingabe legen Sie die Versuchsparameter fest:
| Feld | Beschreibung |
|---|---|
| **Bewertungskategorien** | Die möglichen Bewertungen (z. B. "i.O." / "n.i.O." oder "1" / "2" / "3") |
| **Anzahl Prüfer** | Wie viele Prüfer an der Studie teilnehmen |
| **Anzahl Teile** | Wie viele Teile bewertet werden |
| **Anzahl Durchläufe** | Wie oft jeder Prüfer jedes Teil bewertet |
| **Referenzbewertung** | Optionale "richtige" Bewertung für jedes Teil (Masterentscheid) |
### Bewertungen eingeben
Die Dateneingabe erfolgt über eine Tabelle mit folgender Struktur:
- **Zeilen:** Teile (nummeriert oder benannt)
- **Spalten:** Prüfer x Durchläufe (z. B. "Prüfer A / Durchlauf 1", "Prüfer A / Durchlauf 2", ...)
- **Zellwerte:** Die gewählte Bewertungskategorie
1. Klicken Sie in die gewünschte Zelle.
2. Wählen Sie die Bewertungskategorie aus der Dropdown-Liste oder geben Sie den Wert direkt ein.
3. Navigieren Sie mit `Tab` oder `Enter` zur nächsten Zelle.
> **Tipp:** Falls eine Referenzbewertung vorhanden ist, geben Sie diese in der ersten Spalte ("Referenz") ein. Die Übereinstimmung der Prüfer mit der Referenz wird automatisch berechnet.
> **Info:** Sie können die Eingabedaten auch per Copy & Paste aus Excel übernehmen. Achten Sie darauf, dass die Bewertungskategorien exakt mit den definierten Kategorien übereinstimmen (Groß-/Kleinschreibung beachten).
---
## Kappa-Werte
Die zentralen Kennwerte der attributiven MSA sind die **Kappa-Koeffizienten**, die die Übereinstimmung der Prüfer quantifizieren.
### Cohen's Kappa
**Cohen's Kappa** misst die Übereinstimmung zwischen **zwei** Prüfern (paarweiser Vergleich) unter Berücksichtigung der zufällig erwarteten Übereinstimmung.
**Formel:**
```
Kappa = (P_o - P_e) / (1 - P_e)
```
- **P_o** = Beobachtete Übereinstimmung (tatsächlicher Anteil übereinstimmender Bewertungen)
- **P_e** = Erwartete zufällige Übereinstimmung
Cohen's Kappa wird für jedes Prüferpaar separat berechnet. In my8data wird eine vollständige **Kappa-Matrix** angezeigt, in der jede Zelle den Kappa-Wert für ein bestimmtes Prüferpaar enthält.
### Fleiss' Kappa
**Fleiss' Kappa** ist eine Erweiterung von Cohen's Kappa für **mehr als zwei** Prüfer. Er misst die Gesamtübereinstimmung aller Prüfer gleichzeitig.
Fleiss' Kappa wird in my8data als einzelner Gesamtwert angezeigt und gibt Auskunft darüber, wie gut die Prüfer insgesamt übereinstimmen.
### Bewertungsskala
Die Interpretation der Kappa-Werte folgt der gängigen Klassifizierung nach Landis & Koch (1977):
| Kappa-Wert | Stärke der Übereinstimmung | Bewertung |
|---|---|---|
| **< 0.00** | Schlecht (Poor) | Schlechter als Zufall. Grundsätzliches Problem mit dem Prüfprozess. |
| **0.00 -- 0.20** | Gering (Slight) | Kaum Übereinstimmung. Prüfprozess ungeeignet. |
| **0.21 -- 0.40** | Ausreichend (Fair) | Schwache Übereinstimmung. Erhebliche Verbesserungen nötig. |
| **0.41 -- 0.60** | Moderat (Moderate) | Mäßige Übereinstimmung. Verbesserungen empfohlen. |
| **0.61 -- 0.80** | Gut (Substantial) | Gute Übereinstimmung. Akzeptabel für viele Anwendungen. |
| **0.81 -- 1.00** | Sehr gut (Almost Perfect) | Nahezu perfekte Übereinstimmung. Prüfprozess hervorragend. |
> **Info:** Ein Kappa-Wert von 1.0 bedeutet perfekte Übereinstimmung. Ein Wert von 0 bedeutet, dass die Übereinstimmung nicht besser ist als reiner Zufall. Negative Werte deuten auf systematische Widersprüchlichkeit hin.
> **Wichtig:** In der Praxis wird häufig ein Kappa-Wert von mindestens **0.75** gefordert. In sicherheitskritischen Bereichen (z. B. Medizintechnik, Luft- und Raumfahrt) können höhere Anforderungen gelten.
---
## Übereinstimmung
Neben den Kappa-Werten bietet my8data weitere Analysen zur Übereinstimmung der Prüfer.
### Übereinstimmungsraten
my8data berechnet verschiedene Übereinstimmungsraten:
| Kennwert | Beschreibung |
|---|---|
| **Innerhalb Prüfer (Within Appraiser)** | Wie konsistent ist jeder einzelne Prüfer mit sich selbst über die verschiedenen Durchläufe? Ein hoher Wert zeigt, dass der Prüfer bei wiederholter Bewertung desselben Teils zum gleichen Ergebnis kommt. |
| **Zwischen Prüfern (Between Appraisers)** | Wie gut stimmen die Prüfer untereinander überein? Vergleicht die Bewertungen aller Prüfer für jedes Teil. |
| **Prüfer vs. Referenz (Appraiser vs. Reference)** | Wie gut stimmt jeder Prüfer mit der Referenzbewertung überein? Zeigt die Genauigkeit jedes einzelnen Prüfers. |
| **Alle Prüfer vs. Referenz** | Wie gut stimmen alle Prüfer gemeinsam mit der Referenz überein? Nur Teile, bei denen alle Prüfer in allen Durchläufen übereinstimmen, werden gezählt. |
### Entscheidungsmatrix (Confusion Matrix)
Die **Entscheidungsmatrix** stellt die Bewertungen jedes Prüfers den Referenzbewertungen gegenüber:
| | Referenz: i.O. | Referenz: n.i.O. |
|---|:---:|:---:|
| **Prüfer: i.O.** | Richtig positiv (korrekt akzeptiert) | Falsch positiv (falsch akzeptiert) |
| **Prüfer: n.i.O.** | Falsch negativ (falsch abgelehnt) | Richtig negativ (korrekt abgelehnt) |
Aus der Entscheidungsmatrix werden folgende Kennwerte abgeleitet:
| Kennwert | Formel | Beschreibung |
|---|---|---|
| **Effektivität** | (Richtig positiv + Richtig negativ) / Gesamt | Anteil der insgesamt korrekten Entscheidungen |
| **Fehlschlupfrate (Miss Rate)** | Falsch positiv / (Richtig negativ + Falsch positiv) | Anteil der fälschlich akzeptierten schlechten Teile |
| **Falschalarmrate (False Alarm Rate)** | Falsch negativ / (Richtig positiv + Falsch negativ) | Anteil der fälschlich abgelehnten guten Teile |
> **Warnung:** Die **Fehlschlupfrate** ist besonders kritisch, da sie angibt, wie viele schlechte Teile als gut durchgelassen werden. In sicherheitsrelevanten Bereichen muss diese Rate möglichst nahe bei 0 liegen.
> **Tipp:** Analysieren Sie die Entscheidungsmatrix für jeden Prüfer einzeln. Wenn ein bestimmter Prüfer eine auffällig hohe Fehlschlupfrate hat, sollte dieser gezielt geschult werden. Betrachten Sie auch, bei welchen Teilen Fehler gehäuft auftreten -- häufig sind es die Grenzfälle, bei denen die Prüferentscheidung unsicher ist.
### Grafische Auswertungen
my8data stellt die Übereinstimmungsanalyse auch grafisch dar:
- **Übereinstimmungsbalken:** Zeigt die Übereinstimmungsrate pro Prüfer als Balkendiagramm.
- **Heatmap:** Farbcodierte Matrix, die zeigt, bei welchen Teilen die Prüfer übereinstimmen und bei welchen nicht.
- **Fehlermuster-Diagramm:** Visualisiert, welche Teile besonders häufig falsch bewertet werden.
---
## MSA7A — Attributive MSA für Prüfautomaten
URL: https://www.my8data.com/knowledge-base/msa7a
# MSA 7A — Attributive MSA für Prüfautomaten
Die MSA 7A ist eine **MSA 7 für automatisierte Prüfsysteme** (Prüfautomaten). Während die MSA 7 die Übereinstimmung zwischen mehreren menschlichen Prüfern untersucht, bewertet die MSA 7A die **Wiederholbarkeit und Korrektheit eines Prüfautomaten** — also eines einzelnen automatisierten Systems, das Gut/Schlecht-Entscheidungen trifft.
---
## Übersicht
### Zweck und Einsatzgebiet
Die MSA 7A wird eingesetzt, wenn ein **automatisiertes Prüfsystem** (Prüfautomat) attributive Bewertungen vornimmt und dessen Fähigkeit nachgewiesen werden soll. Typische Anwendungsfälle:
- **Kamerabasierte Prüfsysteme** — Automatische optische Inspektion (AOI)
- **Sortierautomaten** — Automatische Gut/Schlecht-Sortierung
- **Inline-Prüfstationen** — Automatisierte 100 %-Prüfung in der Fertigung
- **Automatische Rissprüfung** — Wirbelstrom- oder Ultraschallprüfgeräte
- **Robotergestützte Prüfung** — Automatisierte Oberflächeninspektion
Da bei einem Prüfautomaten kein Einfluss durch verschiedene Prüfer besteht, entfällt die Analyse der **Vergleichbarkeit zwischen Prüfern**. Stattdessen wird mit **6 Durchläufen** (statt 3 × 3 Prüfer) die Wiederholbarkeit des Automaten geprüft.
### Abgrenzung zur MSA 7
| Eigenschaft | MSA 7 | MSA 7A |
|---|---|---|
| **Einsatzgebiet** | Manuelle attributive Prüfung durch Personen | Automatisierte Prüfung durch Prüfautomat |
| **Prüfer** | 3 Prüfer (A, B, C) | 1 Prüfautomat |
| **Durchläufe** | 3 Durchläufe pro Prüfer | 6 Durchläufe (A1–A6) |
| **Datenspalten** | 9 (A1–A3, B1–B3, C1–C3) + Referenz | 6 (A1–A6) + Referenz |
| **Ergebniskategorien** | 8 (AA, BB, CC, PP, AR, BR, CR, PR) | 2 (AA, AR) |
| **Vergleichbarkeit zwischen Prüfern** | Wird analysiert (PP, BB, CC) | Entfällt — nur 1 Automat |
| **Fokus** | Wiederholbarkeit + Vergleichbarkeit + Korrektheit | Wiederholbarkeit + Korrektheit |
### Typischer Ablauf
1. Teile auswählen (gute, schlechte und Grenzteile)
2. Referenzbewertung für jedes Teil festlegen
3. Alle Teile **6-mal** durch den Prüfautomaten laufen lassen
4. Bewertungen in my8data eingeben
5. Berechnung starten
6. Ergebnisse interpretieren
> **Info:** Die 6 Durchläufe ersetzen die 3 × 3 Prüfer-Durchläufe der MSA 7. Dadurch wird die statistische Aussagekraft für die Wiederholbarkeit des Automaten erhöht, obwohl nur ein „Prüfer" beteiligt ist.
---
## Eingabe
### Konfiguration
Die Konfiguration der MSA 7A ist auf einen einzelnen Prüfautomaten ausgelegt:
| Feld | Beschreibung | Hinweis |
|---|---|---|
| **Prüfautomat** | Bezeichnung des automatisierten Prüfsystems | z. B. "AOI-Station 3" oder "Sortierautomat LK-200" |
| **Bewertungskategorien** | Die möglichen Bewertungen | Typischerweise binär: "i.O." / "n.i.O." (gut/schlecht) |
| **Referenzbewertung** | Bekannte korrekte Bewertung pro Teil | Erforderlich für die Korrektheitsanalyse |
> **Info:** Das Feld „Prüfautomat" ersetzt die drei Prüferfelder der MSA 7. Es wird die Bezeichnung des automatisierten Prüfsystems eingetragen.
### Datentabelle
Die Datentabelle hat folgende Spalten:
| Spalte | Beschreibung |
|---|---|
| **Teil** | Bezeichnung oder Nummer des Prüfteils |
| **A1** | Bewertung im 1. Durchlauf |
| **A2** | Bewertung im 2. Durchlauf |
| **A3** | Bewertung im 3. Durchlauf |
| **A4** | Bewertung im 4. Durchlauf |
| **A5** | Bewertung im 5. Durchlauf |
| **A6** | Bewertung im 6. Durchlauf |
| **Referenz** | Referenzbewertung (bekannter korrekter Wert) |
Jede Zeile entspricht einem Teil. Tragen Sie für jeden Durchlauf die Bewertung des Prüfautomaten ein (z. B. 1 = i.O., 0 = n.i.O.).
> **Tipp:** Nutzen Sie die Dropdown-Auswahl in den Zellen, um konsistente Eingaben sicherzustellen. Alternativ können Sie Daten per Copy & Paste aus Excel einfügen.
### Empfehlungen zur Teileauswahl
Die Teileauswahl ist entscheidend für eine aussagekräftige MSA 7A:
- Wählen Sie Teile, die den **gesamten Bewertungsbereich** abdecken — eindeutig gute, eindeutig schlechte und **Grenzteile**.
- **Grenzteile** sind besonders wichtig: Sie zeigen, wie zuverlässig der Automat an der Entscheidungsgrenze arbeitet.
- Vermeiden Sie eine Auswahl, die nur aus offensichtlich guten oder schlechten Teilen besteht.
> **Warnung:** Eine Teileauswahl ohne Grenzfälle führt zu überhöhten Übereinstimmungsraten und täuscht eine bessere Prüffähigkeit vor, als tatsächlich vorhanden ist. Dies gilt für Prüfautomaten genauso wie für manuelle Prüfungen.
---
## Ergebnisse
### Ergebniskategorien
Die MSA 7A liefert zwei Ergebniskategorien — deutlich kompakter als die acht Kategorien der MSA 7:
| Kategorie | Beschreibung | Was wird geprüft? |
|---|---|---|
| **AA — Wiederholbarkeit** | Übereinstimmung des Automaten mit sich selbst über die 6 Durchläufe | Bewertet der Automat dasselbe Teil bei jedem Durchlauf gleich? |
| **AR — Korrektheit** | Übereinstimmung des Automaten mit der Referenzbewertung | Bewertet der Automat die Teile gemäß dem Referenzstandard? |
Für jede Kategorie werden folgende Kennwerte berechnet:
| Kennwert | Beschreibung |
|---|---|
| **Kappa (K)** | Fleiss' Kappa-Wert — Maß für die Übereinstimmung (bereinigt um Zufall) |
| **Anzahl richtig** | Absolute Anzahl korrekter Übereinstimmungen |
| **Anzahl geprüft** | Gesamtzahl der geprüften Vergleiche |
| **Prozent richtig** | Prozentuale Übereinstimmungsrate |
| **KI Low / KI High** | 95 %-Konfidenzintervall des Kappa-Werts |
### Bewertungstabelle
| Kappa-Wert | Bewertung | Bedeutung |
|---|---|---|
| **≥ 0,75** | Gut (grün) | Prüfautomat arbeitet zuverlässig |
| **0,40 – 0,74** | Bedingt akzeptabel (gelb) | Verbesserungen empfohlen |
| **< 0,40** | Nicht akzeptabel (rot) | Prüfautomat ist nicht fähig |
### Interpretation der Ergebnisse
**AA — Wiederholbarkeit:**
- Hoher Kappa-Wert → Der Automat liefert bei Wiederholmessungen konsistente Ergebnisse.
- Niedriger Kappa-Wert → Der Automat bewertet dasselbe Teil in verschiedenen Durchläufen unterschiedlich. Mögliche Ursachen: instabile Sensorik, schwankende Beleuchtung, mechanische Ungenauigkeiten.
**AR — Korrektheit:**
- Hoher Kappa-Wert → Der Automat stimmt mit der Referenzbewertung überein.
- Niedriger Kappa-Wert → Der Automat weicht systematisch von der Referenz ab. Mögliche Ursachen: falsch eingestellte Schwellenwerte, veraltete Prüfprogramme, verschmutzte Sensorik.
> **Tipp:** Wenn die Wiederholbarkeit (AA) gut, aber die Korrektheit (AR) schlecht ist, muss der Prüfautomat neu kalibriert oder die Entscheidungsgrenze angepasst werden. Wenn beide Werte schlecht sind, liegt ein grundlegendes Problem mit der Messeinrichtung vor.
### Fehleranalyse
Untersuchen Sie bei schlechten Ergebnissen gezielt die einzelnen Teile:
- **Fehlschlupf (falsch akzeptiert):** Der Automat bewertet ein schlechtes Teil als gut → Risiko für fehlerhafte Auslieferung.
- **Falschalarm (falsch abgelehnt):** Der Automat bewertet ein gutes Teil als schlecht → Unnötiger Ausschuss, höhere Kosten.
> **Wichtig:** Bei einem Ergebnis „bedingt fähig" oder „nicht fähig" sollten Sie folgende Maßnahmen prüfen:
> - Prüfprogramm und Schwellenwerte überprüfen und nachkalibrieren
> - Sensorik reinigen und Zustand prüfen
> - Beleuchtung und Umgebungsbedingungen stabilisieren
> - Referenzmuster aktualisieren
> - Mechanische Positionierung und Aufspannung prüfen
> **Info:** Die Ergebnisse der MSA 7A können wie alle anderen Analysen in my8data gespeichert, exportiert und geteilt werden. Nutzen Sie den Excel-Export für die Dokumentation im Qualitätsmanagement-System.
---
## MFU — Maschinenfähigkeit
URL: https://www.my8data.com/knowledge-base/mfu
# Maschinenfähigkeitsuntersuchung (MFU)
## Übersicht
Die **Maschinenfähigkeitsuntersuchung (MFU)** ist ein zentrales Werkzeug der Qualitätssicherung, mit dem die Fähigkeit einer Maschine oder eines Fertigungsprozesses bewertet wird, Teile innerhalb vorgegebener Toleranzgrenzen zu produzieren. Im Gegensatz zur Prozessfähigkeitsuntersuchung (SPC/Ppk) betrachtet die MFU ausschließlich die **kurzfristige Streuung** einer Maschine unter kontrollierten Bedingungen.
Die MFU wird typischerweise durchgeführt bei:
- **Neuanschaffung** einer Maschine (Abnahmeprüfung)
- **Instandsetzung** oder Reparatur
- **Verlagerung** einer Maschine an einen neuen Standort
- **Periodischer Überprüfung** im Rahmen der vorbeugenden Instandhaltung
> **Info:** Die MFU misst die inhärente Fähigkeit der Maschine selbst, ohne Einflüsse wie Werkzeugverschleiß, Materialwechsel oder Bedienereinflüsse. Für die Bewertung des gesamten Prozesses verwenden Sie die [Prozessfähigkeitsanalyse (Ppk)](/knowledge-base/ppk).
### Typische Vorgehensweise
1. Maschine unter stabilen Bedingungen einrichten (gleicher Bediener, gleiches Material, gleiche Umgebung)
2. Mindestens **50 aufeinanderfolgende Teile** fertigen (empfohlen: 50 bis 100 Teile)
3. Alle Teile messen und die Messwerte in my8data eingeben
4. Toleranzgrenzen (OSG/USG) und ggf. Sollwert festlegen
5. Auswertung durchführen und Kennwerte bewerten
### Kennwerte im Überblick
| Kennwert | Bezeichnung | Mindestanforderung | Bedeutung |
|----------|-------------|---------------------|-----------|
| Cm | Maschinenfähigkeitsindex | >= 1,67 | Verhältnis von Toleranzbreite zu Prozessstreuung |
| Cmk | Kritischer Maschinenfähigkeitsindex | >= 1,67 | Berücksichtigt zusätzlich die Lage des Mittelwerts |
> **Warnung:** Ein hoher Cm-Wert allein reicht nicht aus. Erst wenn auch Cmk den Schwellenwert erreicht, ist sichergestellt, dass der Prozess sowohl ausreichend schmal streut als auch zentriert innerhalb der Toleranz liegt.
---
## Eingabe der Daten und Spezifikationen
### Messwerte eingeben
In my8data stehen Ihnen mehrere Wege zur Verfügung, um Ihre Messdaten für die MFU zu erfassen:
- **Manuelle Eingabe**: Tragen Sie die Messwerte direkt in die Eingabetabelle ein. Nutzen Sie die Tab-Taste, um schnell zwischen den Feldern zu wechseln.
- **Import aus Excel/CSV**: Laden Sie eine vorbereitete Datei mit Ihren Messwerten hoch. Die Daten werden automatisch erkannt und eingelesen.
- **Zwischenablage (Copy & Paste)**: Kopieren Sie Messwerte aus einer beliebigen Quelle und fügen Sie diese in das Eingabefeld ein.
### Spezifikationsgrenzen festlegen
Für die Berechnung der Maschinenfähigkeit müssen Sie die **Spezifikationsgrenzen** (Toleranzgrenzen) definieren:
| Feld | Beschreibung | Beispiel |
|------|-------------|----------|
| **OSG** (Obere Spezifikationsgrenze) | Maximal zulässiger Wert | 10,05 mm |
| **USG** (Untere Spezifikationsgrenze) | Minimal zulässiger Wert | 9,95 mm |
| **Sollwert** (optional) | Nominaler Zielwert | 10,00 mm |
> **Tipp:** Wenn Sie nur eine einseitige Toleranz haben (z. B. nur ein Maximum), lassen Sie das entsprechende Feld leer. Die Berechnung wird dann nur den einseitigen Kennwert ermitteln.
### Stichprobenumfang
Für eine aussagekräftige MFU sollte der Stichprobenumfang mindestens **n = 50** betragen. Die folgende Tabelle zeigt empfohlene Stichprobenumfänge:
| Stichprobenumfang | Eignung | Bemerkung |
|--------------------|---------|-----------|
| n < 30 | Nicht empfohlen | Zu geringe statistische Aussagekraft |
| n = 50 | Standard | Gängige Mindestanforderung nach VDA/AIAG |
| n = 100 | Empfohlen | Höhere statistische Sicherheit |
| n > 100 | Sehr gut | Besonders bei kritischen Merkmalen sinnvoll |
> **Info:** Gemäß VDA Band 5 und AIAG SPC-Referenzhandbuch wird ein Stichprobenumfang von mindestens 50 Teilen für die Maschinenfähigkeitsuntersuchung empfohlen.
---
## Kennwerte Cm und Cmk
### Maschinenfähigkeitsindex Cm
Der **Cm-Wert** (Machine Capability Index) beschreibt das Verhältnis der Toleranzbreite zur gemessenen Streuung der Maschine. Er gibt an, wie viel Platz der Prozess innerhalb der Toleranz hat, unabhängig davon, wo der Mittelwert liegt.
**Formel:**
```
Cm = (OSG - USG) / (6 * s)
```
Dabei ist:
- **OSG**: Obere Spezifikationsgrenze
- **USG**: Untere Spezifikationsgrenze
- **s**: Standardabweichung der Stichprobe
Ein Cm-Wert von 1,00 bedeutet, dass die Prozessstreuung (6s) genau der Toleranzbreite entspricht. In der Praxis werden deutlich höhere Werte gefordert.
### Kritischer Maschinenfähigkeitsindex Cmk
Der **Cmk-Wert** (Critical Machine Capability Index) berücksichtigt zusätzlich zur Streuung auch die **Lage des Mittelwerts** bezogen auf die Toleranzmitte. Er ist immer kleiner oder gleich dem Cm-Wert.
**Formel:**
```
Cmk = min((OSG - x̄) / (3 * s), (x̄ - USG) / (3 * s))
```
Dabei ist:
- **x̄**: Arithmetischer Mittelwert der Stichprobe
- Der kleinere der beiden Werte ist maßgebend
### Bewertung der Kennwerte
| Bereich | Cm | Cmk | Bewertung |
|---------|-----|------|-----------|
| Fähig | >= 1,67 | >= 1,67 | Maschine ist fähig; Prozess kann freigegeben werden |
| Bedingt fähig | 1,33 - 1,66 | 1,33 - 1,66 | Maschine bedingt fähig; Verbesserungsmaßnahmen empfohlen |
| Nicht fähig | < 1,33 | < 1,33 | Maschine nicht fähig; Maßnahmen erforderlich |
> **Tipp:** Unterscheidet sich Cm deutlich von Cmk, so deutet dies darauf hin, dass die Maschine zwar ausreichend schmal streut, aber der Mittelwert nicht zentriert ist. In diesem Fall kann oft eine einfache Justierung der Maschineneinstellung helfen.
### Vertrauensbereiche
Die berechneten Kennwerte basieren auf einer Stichprobe und unterliegen daher einer statistischen Unsicherheit. my8data berechnet automatisch **Vertrauensbereiche** (Konfidenzintervalle), die angeben, in welchem Bereich der wahre Kennwert mit einer bestimmten Wahrscheinlichkeit liegt.
> **Info:** Bei größeren Stichproben werden die Vertrauensbereiche enger, was die Aussagekraft der Analyse erhöht.
---
## Verteilungsanalyse
### Normalverteilungstest
Eine grundlegende Voraussetzung für die Berechnung von Cm und Cmk ist, dass die Messwerte **normalverteilt** sind. my8data führt automatisch einen Normalverteilungstest durch, um diese Annahme zu überprüfen.
Folgende Testverfahren werden eingesetzt:
| Test | Beschreibung | Empfohlen für |
|------|-------------|---------------|
| **Shapiro-Wilk** | Vergleich der Stichprobe mit einer theoretischen Normalverteilung | Stichproben bis n = 5000 |
| **Anderson-Darling** | Gewichteter Test mit Fokus auf die Randbereiche | Allgemeine Anwendung |
| **Kolmogorov-Smirnov** | Vergleich der kumulierten Verteilungsfunktionen | Große Stichproben |
> **Warnung:** Wenn der Normalverteilungstest eine signifikante Abweichung von der Normalverteilung zeigt (p-Wert < 0,05), sollten die berechneten Cm/Cmk-Werte mit Vorsicht interpretiert werden. In solchen Fällen kann eine Transformation der Daten oder die Verwendung alternativer Verteilungsmodelle notwendig sein.
### Histogramm
Das **Histogramm** stellt die Verteilung der Messwerte grafisch dar. Es zeigt, wie häufig bestimmte Messwertbereiche auftreten und ermöglicht eine visuelle Beurteilung der Verteilung.
Im Histogramm werden folgende Elemente angezeigt:
- **Balken**: Häufigkeit der Messwerte je Klasse
- **Normalverteilungskurve**: Theoretische Normalverteilung basierend auf Mittelwert und Standardabweichung
- **Spezifikationsgrenzen**: Rote vertikale Linien an OSG und USG
- **Mittelwert**: Grüne vertikale Linie am arithmetischen Mittelwert
### Wahrscheinlichkeitsnetz
Im **Wahrscheinlichkeitsnetz** (Normal Probability Plot) werden die Messwerte gegen die erwarteten Quantile der Normalverteilung aufgetragen. Liegen die Punkte annähernd auf einer Geraden, spricht dies für eine Normalverteilung.
### Interpretation der Verteilungsanalyse
| Beobachtung | Mögliche Ursache | Empfohlene Maßnahme |
|-------------|-------------------|----------------------|
| Schiefe Verteilung | Werkzeugverschleiß, einseitige Belastung | Ursache identifizieren und beheben |
| Zweigipflige Verteilung | Vermischung zweier Populationen (z. B. zwei Werkzeuge) | Daten separieren und getrennt auswerten |
| Ausreißer | Messfehler, Materialfehler | Ausreißer prüfen und ggf. entfernen |
| Breite Verteilung | Hohe Streuung der Maschine | Maschine warten oder justieren |
> **Tipp:** Nutzen Sie die Verteilungsanalyse nicht nur zur Validierung der Normalverteilungsannahme, sondern auch als diagnostisches Werkzeug, um potenzielle Probleme frühzeitig zu erkennen.
---
## PPK — Prozessfähigkeit
URL: https://www.my8data.com/knowledge-base/ppk
# Prozessfähigkeitsanalyse (Ppk / Cpk)
## Übersicht
Die **Prozessfähigkeitsanalyse** bewertet, ob ein Fertigungsprozess in der Lage ist, dauerhaft Produkte innerhalb der vorgegebenen Spezifikationsgrenzen herzustellen. Im Gegensatz zur Maschinenfähigkeitsuntersuchung (MFU), die nur die kurzfristige Maschinenfähigkeit betrachtet, berücksichtigt die Prozessfähigkeitsanalyse alle Einflüsse, die über einen längeren Produktionszeitraum auftreten.
my8data unterscheidet zwischen zwei Gruppen von Prozessfähigkeitskennwerten:
| Kennwertpaar | Bezeichnung | Bezugszeitraum | Streuungsbasis |
|-------------|-------------|----------------|----------------|
| **Cp / Cpk** | Vorläufige Prozessfähigkeit | Kurzfristig (innerhalb Untergruppen) | Streuung innerhalb der Untergruppen (R̄/d₂ oder s̄/c₄) |
| **Pp / Ppk** | Prozessfähigkeit (Performance) | Langfristig (gesamter Datensatz) | Gesamtstreuung (Gesamtstandardabweichung) |
### Wann wird welcher Kennwert verwendet?
- **Cp/Cpk**: Geeignet für die Bewertung der **kurzfristigen Prozessfähigkeit**. Diese Kennwerte zeigen das Potenzial des Prozesses, wenn nur die inhärente Streuung berücksichtigt wird.
- **Pp/Ppk**: Geeignet für die Bewertung der **langfristigen Prozessleistung**. Diese Kennwerte bilden die tatsächliche Prozessleistung ab, einschließlich aller Einflussfaktoren wie Werkzeugverschleiß, Materialchargen, Temperaturänderungen usw.
> **Info:** In einem idealen, stabilen Prozess sollten Cp und Pp nahe beieinander liegen. Ein deutlicher Unterschied zwischen Cp und Pp deutet auf systematische Einflüsse hin, die über die Zeit wirken (z. B. Drift, Schichtwechsel).
### Typische Anforderungen
| Branche / Norm | Cp/Cpk Mindestanforderung | Pp/Ppk Mindestanforderung |
|-----------------|---------------------------|---------------------------|
| Allgemein (VDA) | >= 1,33 | >= 1,33 |
| Automobilindustrie (IATF 16949) | >= 1,33 (Serienfreigabe) | >= 1,67 (Erstbemusterung) |
| Sicherheitsrelevante Merkmale | >= 1,67 | >= 1,67 |
| Sonderprozesse | >= 2,00 | >= 2,00 |
> **Warnung:** Die hier genannten Schwellenwerte sind branchenübliche Richtwerte. Die konkreten Anforderungen ergeben sich aus den Vorgaben Ihres Kunden bzw. den anwendbaren Normen.
---
## Eingabe der Daten und Spezifikationen
### Datenstruktur
Für die Prozessfähigkeitsanalyse benötigen Sie Messdaten, die über einen **repräsentativen Produktionszeitraum** erhoben wurden. Die Daten sollten die typischen Schwankungen des Prozesses abbilden (verschiedene Schichten, Materialchargen, Umgebungsbedingungen usw.).
#### Empfohlene Datenmengen
| Analyse | Mindestanzahl Messwerte | Empfohlen | Untergruppenbildung |
|---------|------------------------|-----------|---------------------|
| Cp/Cpk (vorläufig) | 50 | >= 100 | 20-25 Untergruppen à 3-5 Teile |
| Pp/Ppk (langfristig) | 100 | >= 125 | 25 Untergruppen à 5 Teile |
### Spezifikationsgrenzen
Tragen Sie die Spezifikationsgrenzen wie bei der MFU ein:
- **OSG** (Obere Spezifikationsgrenze): Der maximal zulässige Messwert
- **USG** (Untere Spezifikationsgrenze): Der minimal zulässige Messwert
- **Sollwert** (optional): Der angestrebte Nominalwert
### Untergruppenbildung
Die Bildung von **Untergruppen** (Subgroups) ist entscheidend für die Unterscheidung zwischen kurzfristiger und langfristiger Streuung:
- **Innerhalb einer Untergruppe**: Teile, die unter möglichst gleichen Bedingungen gefertigt wurden (kurzer Zeitraum, gleiches Werkzeug, gleicher Bediener)
- **Zwischen den Untergruppen**: Zeitliche Abstände, die typische Prozessschwankungen erfassen
> **Tipp:** Eine bewährte Vorgehensweise ist die Entnahme von 5 aufeinanderfolgenden Teilen pro Stunde oder pro Schicht über einen Zeitraum von mindestens 20 Produktionszyklen. So stellen Sie sicher, dass sowohl die kurzfristige als auch die langfristige Streuung erfasst wird.
### Eingabeformate
my8data unterstützt die Dateneingabe in folgenden Formaten:
| Format | Beschreibung |
|--------|-------------|
| Manuelle Eingabe | Direkte Eingabe der Messwerte in die Tabelle |
| CSV-Import | Komma- oder semikolongetrennte Textdatei |
| Excel-Import | .xlsx oder .xls Datei |
| Zwischenablage | Einfügen aus der Zwischenablage (Copy & Paste) |
---
## Kennwerte Cp, Cpk, Pp, Ppk
### Cp — Prozessfähigkeitsindex (kurzfristig)
Der **Cp-Wert** beschreibt das Verhältnis der Toleranzbreite zur kurzfristigen Prozessstreuung. Er zeigt das **Potenzial** des Prozesses, ohne die Lage des Mittelwerts zu berücksichtigen.
**Formel:**
```
Cp = (OSG - USG) / (6 * σ_innerhalb)
```
Die Streuung σ_innerhalb wird aus der **Streuung innerhalb der Untergruppen** geschätzt (z. B. über R̄/d₂ oder s̄/c₄).
### Cpk — Kritischer Prozessfähigkeitsindex (kurzfristig)
Der **Cpk-Wert** berücksichtigt zusätzlich zum Cp die **Lage des Prozessmittelwerts** relativ zu den Spezifikationsgrenzen.
**Formel:**
```
Cpk = min((OSG - x̄) / (3 * σ_innerhalb), (x̄ - USG) / (3 * σ_innerhalb))
```
### Pp — Prozessleistungsindex (langfristig)
Der **Pp-Wert** entspricht in seiner Struktur dem Cp, verwendet aber die **Gesamtstandardabweichung** aller Messwerte anstelle der Streuung innerhalb der Untergruppen.
**Formel:**
```
Pp = (OSG - USG) / (6 * σ_gesamt)
```
### Ppk — Kritischer Prozessleistungsindex (langfristig)
Der **Ppk-Wert** berücksichtigt analog zum Cpk die Lage des Mittelwerts, basiert aber auf der Gesamtstandardabweichung.
**Formel:**
```
Ppk = min((OSG - x̄) / (3 * σ_gesamt), (x̄ - USG) / (3 * σ_gesamt))
```
### Zusammenhang der Kennwerte
| Vergleich | Interpretation |
|-----------|---------------|
| Cp ≈ Pp und Cpk ≈ Ppk | Stabiler Prozess; kaum Unterschied zwischen kurz- und langfristiger Streuung |
| Cp > Pp | Die langfristige Streuung ist größer als die kurzfristige; systematische Einflüsse vorhanden |
| Cpk < Cp | Der Prozessmittelwert ist nicht zentriert; Justierung empfohlen |
| Cpk ≈ Cp | Der Prozess ist gut zentriert |
> **Info:** Das Verhältnis Pp/Ppk zu Cp/Cpk gibt Aufschluss über die Stabilität des Prozesses. Der Quotient Cp/Pp wird manchmal als **Instabilitätsindex** bezeichnet. Ein Wert nahe 1,0 deutet auf einen stabilen Prozess hin.
### Bewertungstabelle
| Kennwert | Bewertung | Handlungsempfehlung |
|----------|-----------|---------------------|
| >= 2,00 | Hervorragend | Keine Maßnahmen erforderlich; Prozess exzellent |
| 1,67 - 1,99 | Sehr gut | Prozess erfüllt auch hohe Anforderungen |
| 1,33 - 1,66 | Fähig | Prozess erfüllt Standardanforderungen |
| 1,00 - 1,32 | Bedingt fähig | Verbesserungsmaßnahmen empfohlen |
| < 1,00 | Nicht fähig | Sofortige Maßnahmen erforderlich; Ausschuss wahrscheinlich |
> **Warnung:** Ein nicht fähiger Prozess (Cpk oder Ppk < 1,00) bedeutet, dass die Prozessstreuung größer ist als die Toleranzbreite. In diesem Fall werden mit hoher Wahrscheinlichkeit Teile außerhalb der Spezifikation produziert. Unmittelbare Korrekturmaßnahmen sind notwendig.
---
## Regelkarten (Control Charts)
### Zweck der Regelkarten
Regelkarten sind ein wesentlicher Bestandteil der Prozessfähigkeitsanalyse. Sie dienen dazu, den Prozess über die Zeit zu visualisieren und zu erkennen, ob der Prozess **statistisch beherrscht** (in control) ist.
> **Info:** Die Berechnung von Cp/Cpk setzt voraus, dass der Prozess statistisch beherrscht ist. Wenn die Regelkarte systematische Muster oder Regelverletzungen zeigt, sind die berechneten Kennwerte nicht aussagekräftig. Stabilisieren Sie zunächst den Prozess, bevor Sie die Fähigkeit bewerten.
### Verfügbare Regelkarten
my8data erstellt im Rahmen der Prozessfähigkeitsanalyse automatisch folgende Regelkarten:
| Regelkarte | Beschreibung | Anwendung |
|------------|-------------|-----------|
| **x̄-Karte** (Mittelwertkarte) | Zeigt die Mittelwerte der Untergruppen über die Zeit | Erkennung von Lageverschiebungen |
| **R-Karte** (Spannweitenkarte) | Zeigt die Spannweiten der Untergruppen | Erkennung von Streuungsänderungen (n <= 10) |
| **s-Karte** (Standardabweichungskarte) | Zeigt die Standardabweichungen der Untergruppen | Erkennung von Streuungsänderungen (n > 10) |
### Elemente der Regelkarte
Jede Regelkarte enthält die folgenden Linien:
- **UCL** (Upper Control Limit / Obere Eingriffgrenze): Obere statistische Grenze bei x̄ + 3σ
- **CL** (Center Line / Mittellinie): Prozessmittelwert
- **LCL** (Lower Control Limit / Untere Eingriffgrenze): Untere statistische Grenze bei x̄ - 3σ
> **Tipp:** Verwechseln Sie Eingriffsgrenzen (UCL/LCL) nicht mit Spezifikationsgrenzen (OSG/USG). Die Eingriffsgrenzen werden aus den Daten berechnet und zeigen die natürliche Streuung des Prozesses. Die Spezifikationsgrenzen sind vom Kunden oder der Zeichnung vorgegeben.
### Interpretation
| Beobachtung | Bedeutung |
|-------------|-----------|
| Alle Punkte innerhalb UCL/LCL, kein Muster | Prozess ist statistisch beherrscht |
| Punkte außerhalb UCL/LCL | Besondere Ursache (Special Cause) vorhanden |
| Trend (7+ aufsteigende/absteigende Punkte) | Systematische Veränderung (z. B. Verschleiß) |
| Lauf (7+ Punkte auf einer Seite der CL) | Verschiebung des Prozessniveaus |
| Schichtung (Punkte nah an CL) | Vermischung mehrerer Populationen |
> **Warnung:** Bevor Sie Prozessfähigkeitskennwerte interpretieren, prüfen Sie immer zuerst die Regelkarten. Ein Prozess, der nicht statistisch beherrscht ist, liefert keine verlässlichen Cp/Cpk- oder Pp/Ppk-Werte.
---
## SPC — Statistische Prozesskontrolle
URL: https://www.my8data.com/knowledge-base/spc
# Statistische Prozesskontrolle (SPC)
## Übersicht
Die **Statistische Prozesskontrolle (SPC — Statistical Process Control)** ist eine Methode zur laufenden Überwachung und Steuerung von Fertigungsprozessen mithilfe statistischer Verfahren. Ziel ist es, Abweichungen vom stabilen Prozesszustand frühzeitig zu erkennen und korrigierend einzugreifen, **bevor** fehlerhafte Teile produziert werden.
SPC basiert auf der Grundidee, dass jeder Prozess einer natürlichen Streuung unterliegt. Solange nur **zufällige Ursachen** (Common Causes) für die Streuung verantwortlich sind, gilt der Prozess als statistisch beherrscht. Treten **besondere Ursachen** (Special Causes) auf, verändert sich das Streuverhalten und die Regelkarte zeigt Auffälligkeiten.
### Grundprinzip der SPC
| Ursachentyp | Beschreibung | Beispiele | Maßnahme |
|-------------|-------------|-----------|-----------|
| **Zufällige Ursachen** (Common Causes) | Inhärente, unvermeidbare Streuung | Materialschwankungen, Vibrationen, Temperaturunterschiede | Systemverbesserung (langfristig) |
| **Besondere Ursachen** (Special Causes) | Ungewöhnliche, identifizierbare Störungen | Werkzeugbruch, Bedienerfehler, defektes Messmittel | Sofortige Korrektur |
### Vorteile der SPC
- **Prävention statt Reaktion**: Probleme werden erkannt, bevor Ausschuss entsteht
- **Datenbasierte Entscheidungen**: Eingriffe basieren auf statistischen Signalen, nicht auf Bauchgefühl
- **Kontinuierliche Verbesserung**: Trends und Muster werden sichtbar gemacht
- **Dokumentation**: Lückenlose Aufzeichnung des Prozessverhaltens
- **Normkonformität**: Erfüllung der Anforderungen aus IATF 16949, VDA, ISO 9001 u. a.
> **Info:** SPC ist keine einmalige Analyse, sondern ein **fortlaufender Prozess**. Die Regelkarten werden während der Produktion in Echtzeit oder in regelmäßigen Intervallen aktualisiert.
---
## Eingabe und Konfiguration
### Untergruppen einrichten
Die Bildung von **Untergruppen** (Subgroups) ist ein zentraler Aspekt der SPC. Jede Untergruppe besteht aus einer kleinen Anzahl von Teilen, die unter möglichst gleichen Bedingungen produziert wurden.
#### Konfigurationsparameter
| Parameter | Beschreibung | Typischer Wert |
|-----------|-------------|----------------|
| **Untergruppengröße (n)** | Anzahl Messwerte pro Untergruppe | 3, 5 oder 10 |
| **Entnahmeintervall** | Zeitlicher Abstand zwischen Untergruppen | Stündlich, alle 2 Stunden, pro Schicht |
| **Anzahl Untergruppen (k)** | Gesamtzahl der Untergruppen | >= 20 (mindestens 25 empfohlen) |
| **OSG / USG** | Spezifikationsgrenzen | Gemäß Zeichnung / Kundenspezifikation |
> **Tipp:** Wählen Sie die Untergruppengröße so, dass die Variation **innerhalb** einer Untergruppe nur die zufällige Streuung widerspiegelt. Typisch sind 5 aufeinanderfolgende Teile. Bei automatisierten Prozessen mit geringer Streuung können auch 3 Teile ausreichen.
### Dateneingabe
Geben Sie die Messwerte untergruppenweise in my8data ein. Sie haben folgende Möglichkeiten:
1. **Direkte Eingabe**: Tragen Sie die Messwerte Zeile für Zeile (pro Untergruppe) ein
2. **Import**: Laden Sie eine CSV- oder Excel-Datei mit vorstrukturierten Daten hoch
3. **Zwischenablage**: Fügen Sie kopierte Daten aus anderen Programmen ein
### Eingriffsgrenzen berechnen
my8data berechnet die **Eingriffsgrenzen** (Control Limits) automatisch aus den eingegebenen Daten. Die Berechnung erfolgt auf Basis der ersten 20-25 Untergruppen (Vorlaufphase). Diese Grenzen können anschließend für die laufende Überwachung fixiert werden.
| Grenztyp | Berechnung x̄-Karte | Berechnung R-Karte |
|----------|---------------------|---------------------|
| **UCL** | x̿ + A₂ * R̄ | D₄ * R̄ |
| **CL** | x̿ | R̄ |
| **LCL** | x̿ - A₂ * R̄ | D₃ * R̄ |
Die Faktoren A₂, D₃ und D₄ sind tabellarisch festgelegte Konstanten, die von der Untergruppengröße abhängen.
> **Warnung:** Berechnen Sie die Eingriffsgrenzen nur aus Daten eines **stabilen** Prozesses. Entfernen Sie zunächst alle Punkte, die auf besondere Ursachen zurückzuführen sind, und berechnen Sie die Grenzen erneut. Andernfalls werden die Grenzen zu weit gesetzt und besondere Ursachen werden nicht erkannt.
---
## Regelkarten (Control Charts)
### Typen von Regelkarten
my8data stellt verschiedene Regelkartentypen bereit, die je nach Datentyp und Untergruppengröße ausgewählt werden:
#### Regelkarten für stetige Merkmale (variable Daten)
| Regelkartenpaar | Untergruppengröße | Beschreibung |
|-----------------|---------------------|-------------|
| **x̄ / R-Karte** | n = 2 bis 10 | Mittelwert- und Spannweitenkarte; Standardkarte für kleine Untergruppen |
| **x̄ / s-Karte** | n > 10 | Mittelwert- und Standardabweichungskarte; für größere Untergruppen |
| **x / mR-Karte** (Einzelwertkarte) | n = 1 | Einzelwert- und gleitende Spannweitenkarte; wenn nur ein Messwert pro Zeitpunkt vorliegt |
### Aufbau einer Regelkarte
Jede Regelkarte besteht aus zwei Teilen:
1. **Lagekarte** (obere Karte): Überwacht die Lage des Prozesses (Mittelwert)
- Zeigt x̄ (Untergruppenmittelwert) oder Einzelwerte
- Erkennt Verschiebungen und Trends im Prozessniveau
2. **Streuungskarte** (untere Karte): Überwacht die Streuung des Prozesses
- Zeigt R (Spannweite) oder s (Standardabweichung)
- Erkennt Veränderungen in der Prozessvariabilität
### Zonen der Regelkarte
Die Fläche zwischen UCL und LCL wird in drei Zonen unterteilt, die für die Anwendung der Verletzungsregeln relevant sind:
| Zone | Bereich | Beschreibung |
|------|---------|-------------|
| **Zone A** | Zwischen ±2σ und ±3σ | Äußere Zone; Punkte hier sind selten (ca. 4,3 % Wahrscheinlichkeit) |
| **Zone B** | Zwischen ±1σ und ±2σ | Mittlere Zone (ca. 27,2 % Wahrscheinlichkeit) |
| **Zone C** | Zwischen CL und ±1σ | Innere Zone; die meisten Punkte sollten hier liegen (ca. 68,3 % Wahrscheinlichkeit) |
> **Info:** In einem stabilen, normalverteilten Prozess liegen etwa 99,73 % aller Punkte innerhalb der 3-Sigma-Grenzen (UCL/LCL). Ein Punkt außerhalb dieser Grenzen ist daher mit hoher Wahrscheinlichkeit auf eine besondere Ursache zurückzuführen.
### Interpretation der Regelkarte
| Signal | Beschreibung | Typische Ursache |
|--------|-------------|------------------|
| Punkt außerhalb UCL/LCL | Einzelner extremer Wert | Werkzeugbruch, Messfehler, Materialfehler |
| Aufwärts-/Abwärtstrend | Stetig steigende oder fallende Werte | Werkzeugverschleiß, Temperaturanstieg |
| Sprung (Shift) | Plötzliche Niveauänderung | Werkzeugwechsel, neue Materialcharge |
| Zyklen | Periodisch wiederkehrende Muster | Schichtwechsel, Umgebungsschwankungen |
| Schichtung | Punkte unnormal nah an der Mittellinie | Vermischung von Daten aus verschiedenen Quellen |
---
## Verletzungsregeln (Alarm Rules)
### Western Electric Rules
Die **Western Electric Rules** (auch WECO-Regeln) sind ein Satz von Entscheidungsregeln, die auf der Zoneneinteilung der Regelkarte basieren. Sie erkennen nicht nur einzelne extreme Werte, sondern auch systematische Muster, die auf eine Prozessveränderung hindeuten.
my8data wendet standardmäßig die folgenden Regeln an:
| Regel | Beschreibung | Bedeutung |
|-------|-------------|-----------|
| **Regel 1** | 1 Punkt außerhalb der 3σ-Grenzen (Zone A) | Einzelner Ausreißer; wahrscheinlich besondere Ursache |
| **Regel 2** | 2 von 3 aufeinanderfolgenden Punkten in Zone A oder darüber hinaus (gleiche Seite) | Warnsignal für beginnende Verschiebung |
| **Regel 3** | 4 von 5 aufeinanderfolgenden Punkten in Zone B oder darüber hinaus (gleiche Seite) | Deutliches Signal für Prozessverschiebung |
| **Regel 4** | 8 aufeinanderfolgende Punkte auf derselben Seite der Mittellinie | Lauf (Run); Prozessniveau hat sich verschoben |
### Nelson Rules
Die **Nelson Rules** erweitern die Western Electric Rules um zusätzliche Muster. my8data unterstützt die folgenden Nelson-Regeln:
| Regel | Beschreibung | Erkennt |
|-------|-------------|---------|
| **Nelson 1** | 1 Punkt außerhalb der 3σ-Grenzen | Ausreißer |
| **Nelson 2** | 9 aufeinanderfolgende Punkte auf einer Seite der CL | Verschiebung |
| **Nelson 3** | 6 aufeinanderfolgende Punkte stetig steigend oder fallend | Trend |
| **Nelson 4** | 14 aufeinanderfolgende Punkte alternierend auf/ab | Systematische Schwankung |
| **Nelson 5** | 2 von 3 Punkten in Zone A (gleiche Seite) | Erhöhte Streuung |
| **Nelson 6** | 4 von 5 Punkten jenseits Zone C (gleiche Seite) | Erhöhte Streuung |
| **Nelson 7** | 15 aufeinanderfolgende Punkte in Zone C (beiderseits) | Verringerte Streuung / Stratifikation |
| **Nelson 8** | 8 aufeinanderfolgende Punkte außerhalb Zone C (beiderseits) | Vermischung / Bimodalität |
> **Tipp:** Nicht alle Regeln müssen gleichzeitig aktiviert sein. Je mehr Regeln aktiv sind, desto empfindlicher reagiert die Regelkarte, aber desto höher ist auch die Rate der **Fehlalarme**. Für den Einstieg empfehlen sich die Regeln 1-4 (Western Electric Rules).
### Konfiguration der Verletzungsregeln
In my8data können Sie individuell festlegen, welche Regeln aktiv sein sollen:
- Aktivieren/Deaktivieren einzelner Regeln per Checkbox
- Anpassung der Regelparameter (z. B. Anzahl aufeinanderfolgender Punkte)
- Farbliche Kennzeichnung von Verletzungen in der Regelkarte (rot = Verletzung)
### Reaktion auf Verletzungen
Wenn eine Verletzungsregel ausgelöst wird, sollten Sie wie folgt vorgehen:
1. **Verifizieren**: Prüfen Sie, ob die Verletzung auf einen Messfehler zurückzuführen ist
2. **Identifizieren**: Suchen Sie nach der besonderen Ursache (5-Why, Ishikawa-Diagramm)
3. **Korrigieren**: Beheben Sie die Ursache und dokumentieren Sie die Maßnahme
4. **Überwachen**: Beobachten Sie, ob der Prozess nach der Korrektur stabil bleibt
> **Warnung:** Reagieren Sie **nicht** auf jeden einzelnen Alarm mit einer Prozessanpassung, ohne die Ursache identifiziert zu haben. Ungerechtfertigte Eingriffe in einen stabilen Prozess (sog. **Overadjustment**) führen zu einer Erhöhung der Streuung und verschlechtern die Prozessqualität.
### Beispiel für eine Regelverletzung
Die folgende Tabelle zeigt ein Beispiel, wie Verletzungsregeln in der Praxis wirken:
| Untergruppe | x̄-Wert | Zone | Verstoß |
|-------------|--------|------|----------|
| 15 | 10,02 | C | - |
| 16 | 10,03 | C | - |
| 17 | 10,05 | B | - |
| 18 | 10,04 | B | - |
| 19 | 10,06 | B | - |
| 20 | 10,08 | A | - |
| 21 | 10,07 | A | Regel 3: 4 von 5 Punkten in Zone B oder darüber |
| 22 | 10,11 | > UCL | Regel 1: Punkt außerhalb 3σ |
> **Info:** In diesem Beispiel hätte bereits Regel 3 bei Untergruppe 21 ein Warnsignal gegeben, bevor der Punkt bei Untergruppe 22 die Eingriffsgrenzen überschritten hat. Frühzeitige Erkennung ist der große Vorteil der kombinierten Regelanwendung.
---
## Boxplot / Diagramme
URL: https://www.my8data.com/knowledge-base/boxplot
# Boxplot und statistische Diagramme
## Übersicht
Das Modul **Boxplot und statistische Diagramme** in my8data bietet Ihnen leistungsfähige Visualisierungswerkzeuge, um Ihre Messdaten grafisch aufzubereiten und zu analysieren. Visuelle Darstellungen machen Verteilungen, Ausreißer und Zusammenhänge auf einen Blick erkennbar und ergänzen die numerischen Analyseergebnisse der anderen Module.
### Wann nutzen Sie dieses Modul?
| Fragestellung | Geeigneter Diagrammtyp |
|---------------|------------------------|
| Wie sind die Messwerte verteilt? Gibt es Ausreißer? | Boxplot |
| Wie sieht die Häufigkeitsverteilung aus? | Histogramm |
| Gibt es einen Zusammenhang zwischen zwei Merkmalen? | Streudiagramm (Scatter Plot) |
| Wie vergleichen sich mehrere Gruppen? | Boxplot (mehrere Gruppen nebeneinander) |
### Vorteile grafischer Analyse
- **Schnelle Übersicht**: Verteilungseigenschaften auf einen Blick erfassen
- **Ausreißererkennung**: Ungewöhnliche Werte werden sofort sichtbar
- **Vergleichbarkeit**: Mehrere Datensätze oder Gruppen können direkt verglichen werden
- **Kommunikation**: Diagramme erleichtern die Vermittlung statistischer Befunde an Nicht-Statistiker
> **Info:** Grafische Analysen ersetzen nicht die numerische Auswertung, sondern ergänzen sie. Nutzen Sie Diagramme immer in Kombination mit den berechneten Kennwerten (z. B. Mittelwert, Standardabweichung, Cm/Cmk, Cp/Cpk).
---
## Diagrammtypen
### Boxplot (Box-Whisker-Plot)
Der **Boxplot** ist eines der wichtigsten Werkzeuge der explorativen Datenanalyse. Er stellt die Verteilung eines Datensatzes kompakt dar und zeigt die zentrale Tendenz, die Streuung und eventuelle Ausreißer.
#### Aufbau eines Boxplots
| Element | Beschreibung | Statistischer Wert |
|---------|-------------|---------------------|
| **Mittellinie (Median)** | Horizontale Linie in der Box | 50. Perzentil (Q2); teilt die Daten in zwei gleich große Hälften |
| **Unterer Boxrand** | Untere Kante der Box | 25. Perzentil (Q1); 25 % der Daten liegen darunter |
| **Oberer Boxrand** | Obere Kante der Box | 75. Perzentil (Q3); 75 % der Daten liegen darunter |
| **Box (IQR)** | Fläche zwischen Q1 und Q3 | Interquartilsabstand (IQR = Q3 - Q1); enthält die mittleren 50 % der Daten |
| **Unterer Whisker** | Linie unterhalb der Box | Kleinster Wert innerhalb von Q1 - 1,5 * IQR |
| **Oberer Whisker** | Linie oberhalb der Box | Größter Wert innerhalb von Q3 + 1,5 * IQR |
| **Ausreißer** | Einzelne Punkte jenseits der Whisker | Werte außerhalb von Q1 - 1,5 * IQR bzw. Q3 + 1,5 * IQR |
#### Interpretation
> **Tipp:** Achten Sie beim Boxplot auf folgende Punkte:
> - **Symmetrie**: Ist der Median mittig in der Box, deutet das auf eine symmetrische Verteilung hin
> - **Boxbreite**: Eine schmale Box zeigt geringe Streuung, eine breite Box hohe Streuung
> - **Whisker-Länge**: Asymmetrische Whisker deuten auf eine schiefe Verteilung hin
> - **Ausreißer**: Einzelne Punkte jenseits der Whisker erfordern besondere Aufmerksamkeit
#### Typische Verteilungsmuster im Boxplot
| Muster | Beschreibung | Mögliche Ursache |
|--------|-------------|------------------|
| Symmetrischer Boxplot | Median mittig, Whisker gleich lang | Normalverteilte Daten; stabiler Prozess |
| Rechtsschiefer Boxplot | Median nahe Q1, oberer Whisker länger | Natürliche Untergrenze (z. B. Rauheitswerte) |
| Linksschiefer Boxplot | Median nahe Q3, unterer Whisker länger | Natürliche Obergrenze, Sättigungseffekte |
| Viele Ausreißer (oben) | Zahlreiche Punkte über dem oberen Whisker | Gelegentliche Störungen, Verschleiß |
| Sehr schmale Box | Q1 und Q3 liegen nah beieinander | Sehr geringe Streuung; hohe Prozessfähigkeit |
#### Vergleichende Boxplots
Ein besonders wertvolles Einsatzgebiet ist der **Vergleich mehrerer Gruppen** nebeneinander, z. B.:
- Vergleich verschiedener Maschinen
- Vergleich verschiedener Schichten oder Bediener
- Vergleich verschiedener Materialchargen
- Vorher-Nachher-Vergleich nach einer Prozessverbesserung
### Histogramm
Das **Histogramm** zeigt die Häufigkeitsverteilung der Messwerte. Die Messwerte werden in Klassen (Bins) eingeteilt, und die Höhe jedes Balkens entspricht der Anzahl der Messwerte in dieser Klasse.
#### Elemente des Histogramms
| Element | Beschreibung |
|---------|-------------|
| **Balken** | Höhe entspricht der Häufigkeit der Werte in der jeweiligen Klasse |
| **Klassenbreite** | Breite jedes Balkens; wird automatisch berechnet oder kann manuell eingestellt werden |
| **Normalverteilungskurve** | Optional einblendbare theoretische Verteilung |
| **Spezifikationsgrenzen** | Vertikale Linien an OSG und USG (falls definiert) |
> **Tipp:** Die Anzahl der Klassen beeinflusst das Erscheinungsbild des Histogramms erheblich. Zu wenige Klassen verbergen Details, zu viele Klassen erzeugen ein unruhiges Bild. my8data wählt die Klassenzahl automatisch nach der Sturges- oder Freedman-Diaconis-Regel, aber Sie können die Anzahl auch manuell anpassen.
#### Interpretation typischer Histogrammformen
| Form | Beschreibung | Mögliche Ursache |
|------|-------------|------------------|
| Glockenförmig | Symmetrisch, eine Spitze | Normalverteilte Daten; stabiler Prozess |
| Zweigipflig (bimodal) | Zwei Spitzen | Vermischung zweier Populationen (z. B. zwei Werkzeuge) |
| Abgeschnitten (truncated) | Scharf abfallend an einer Seite | 100 %-Prüfung entfernt Teile jenseits einer Grenze |
| Kammförmig | Alternierend hohe und niedrige Balken | Rundungsprobleme bei der Messung |
| Rechteckig (uniform) | Alle Balken etwa gleich hoch | Gleichverteilung; kein klarer Prozessmittelwert |
### Streudiagramm (Scatter Plot)
Das **Streudiagramm** stellt den Zusammenhang zwischen zwei Merkmalen grafisch dar. Jeder Punkt entspricht einem Messpaar (x, y).
#### Anwendungsbeispiele
- **Korrelation** zwischen zwei Messgrößen (z. B. Durchmesser und Rundheit)
- **Einfluss eines Prozessparameters** auf ein Qualitätsmerkmal (z. B. Temperatur und Maßhaltigkeit)
- **Messvergleich** zwischen zwei Messmitteln oder Messverfahren
#### Interpretation
| Muster | Beschreibung | Korrelation |
|--------|-------------|-------------|
| Punkte steigen von links nach rechts | Positive Korrelation | r > 0 |
| Punkte fallen von links nach rechts | Negative Korrelation | r < 0 |
| Punkte bilden eine Wolke ohne Richtung | Keine Korrelation | r ≈ 0 |
| Punkte liegen eng an einer Geraden | Starke Korrelation | |r| > 0,8 |
> **Warnung:** Eine Korrelation zwischen zwei Merkmalen bedeutet nicht automatisch, dass ein Merkmal das andere verursacht (Korrelation ist nicht gleich Kausalität). Interpretieren Sie Zusammenhänge immer im Kontext Ihres Prozesswissens.
### Diagramme exportieren
Alle in my8data erstellten Diagramme können in verschiedenen Formaten exportiert werden:
- **PNG**: Für Präsentationen und Berichte
- **PDF**: Für druckfertige Dokumente
- **SVG**: Für skalierbare Vektorgrafiken
> **Tipp:** Nutzen Sie den PNG-Export für schnelle Berichte und den SVG-Export, wenn Sie die Grafiken in Ihrem eigenen Berichtstool weiterbearbeiten möchten.
---
## Rohdaten-Viewer
URL: https://www.my8data.com/knowledge-base/rohdaten
# Rohdaten-Viewer
## Übersicht
Der **Rohdaten-Viewer** in my8data ermöglicht Ihnen das Betrachten, Prüfen und Analysieren von Messdaten in ihrer unverarbeiteten Form. Bevor Sie Messwerte in eine statistische Analyse (MFU, SPC, Prozessfähigkeit) überführen, können Sie die Rohdaten hier sichten, auf Plausibilität prüfen und grundlegende statistische Kennzahlen berechnen lassen.
### Funktionsumfang
| Funktion | Beschreibung |
|----------|-------------|
| **Datenanzeige** | Tabellarische Darstellung aller importierten Messwerte |
| **Sortierung** | Sortierung der Daten nach beliebigen Spalten (auf-/absteigend) |
| **Filterung** | Einschränkung der Anzeige auf bestimmte Wertebereiche oder Kriterien |
| **Statistische Kennzahlen** | Automatische Berechnung von Mittelwert, Standardabweichung, Min, Max, Median |
| **Ausreißererkennung** | Identifikation ungewöhnlicher Messwerte |
| **Datenexport** | Exportieren der (gefilterten) Daten in verschiedene Formate |
### Wann nutzen Sie den Rohdaten-Viewer?
- **Vor der Analyse**: Prüfen Sie Ihre Daten auf Vollständigkeit und Plausibilität, bevor Sie eine MFU, SPC oder Prozessfähigkeitsanalyse starten
- **Datenbereinigung**: Identifizieren und markieren Sie fehlerhafte Messwerte oder Ausreißer
- **Datenverständnis**: Verschaffen Sie sich einen ersten Eindruck über die Verteilung und Eigenschaften Ihrer Daten
- **Nachvollziehbarkeit**: Dokumentieren Sie die Rohdaten für Rückverfolgbarkeit und Audits
> **Info:** Der Rohdaten-Viewer verändert Ihre Originaldaten nicht. Alle Filter- und Sortieroperationen wirken nur auf die Anzeige. Die zugrunde liegenden Daten bleiben unverändert erhalten.
### Angezeigte statistische Kennzahlen
Für jede numerische Spalte berechnet der Viewer automatisch die folgenden Kennzahlen:
| Kennzahl | Formelzeichen | Beschreibung |
|----------|---------------|-------------|
| **Anzahl** | n | Gesamtzahl der Messwerte |
| **Mittelwert** | x̄ | Arithmetisches Mittel aller Werte |
| **Standardabweichung** | s | Maß für die Streuung der Werte um den Mittelwert |
| **Minimum** | Min | Kleinster Messwert |
| **Maximum** | Max | Größter Messwert |
| **Spannweite** | R | Differenz zwischen Maximum und Minimum (R = Max - Min) |
| **Median** | x̃ | Zentralwert; 50 % der Werte liegen darüber, 50 % darunter |
> **Tipp:** Vergleichen Sie Mittelwert und Median. Liegen diese Werte nah beieinander, deutet dies auf eine symmetrische Verteilung hin. Eine große Abweichung weist auf eine schiefe Verteilung oder Ausreißer hin.
---
## Datenimport
### Unterstützte Formate
my8data unterstützt den Import von Rohdaten aus verschiedenen Dateiformaten:
| Format | Dateiendung | Beschreibung | Besonderheiten |
|--------|-------------|-------------|----------------|
| **CSV** | .csv | Komma- oder semikolongetrennte Textdatei | Trennzeichen wird automatisch erkannt; UTF-8 und ANSI werden unterstützt |
| **Excel** | .xlsx, .xls | Microsoft Excel-Arbeitsmappe | Mehrere Tabellenblätter werden unterstützt; Auswahl des gewünschten Blatts möglich |
| **Textdatei** | .txt | Tabulatorgetrennte oder formatierte Textdatei | Verschiedene Trennzeichen konfigurierbar |
### Import-Vorgehensweise
#### Schritt 1: Datei auswählen
Klicken Sie auf **Datei auswählen** oder ziehen Sie die Datei per Drag & Drop in den Upload-Bereich. Unterstützte Dateigrößen sind abhängig von Ihrem Tarif und der Serverkonfiguration.
#### Schritt 2: Import-Einstellungen prüfen
Nach dem Hochladen zeigt my8data eine **Vorschau** der erkannten Daten. Überprüfen Sie die folgenden Einstellungen:
| Einstellung | Beschreibung | Standardwert |
|-------------|-------------|--------------|
| **Trennzeichen** | Zeichen, das die Spalten trennt | Automatische Erkennung |
| **Dezimaltrennzeichen** | Komma oder Punkt | Automatische Erkennung |
| **Kopfzeile** | Enthält die erste Zeile Spaltenüberschriften? | Ja |
| **Zu importierende Spalten** | Auswahl der relevanten Datenspalten | Alle Spalten |
| **Datentyp** | Numerisch, Text, Datum | Automatische Erkennung |
> **Warnung:** Achten Sie besonders auf das **Dezimaltrennzeichen**. In deutschsprachigen Dateien wird häufig das Komma als Dezimaltrenner verwendet (z. B. 10,05), während englischsprachige Dateien den Punkt verwenden (z. B. 10.05). Eine falsche Einstellung führt zu fehlerhaften Messwerten.
#### Schritt 3: Daten importieren
Nach Prüfung der Vorschau klicken Sie auf **Importieren**. Die Daten werden in den Rohdaten-Viewer geladen und die statistischen Kennzahlen automatisch berechnet.
### Import aus der Zwischenablage
Alternativ zum Datei-Import können Sie Messwerte auch direkt aus der **Zwischenablage** einfügen:
1. Markieren und kopieren Sie die Messwerte in Ihrem Quellprogramm (z. B. Excel, Messsoftware)
2. Klicken Sie im Rohdaten-Viewer auf **Aus Zwischenablage einfügen**
3. Die Daten werden automatisch erkannt und in die Tabelle eingefügt
> **Tipp:** Wenn Sie regelmäßig Daten aus derselben Quelle importieren, erstellen Sie eine **Vorlage** mit der korrekten Spaltenstruktur. So können Sie die Import-Einstellungen wiederverwenden und sparen Zeit bei wiederkehrenden Importen.
### Fehlerbehebung beim Import
| Problem | Mögliche Ursache | Lösung |
|---------|-------------------|--------|
| Alle Werte in einer Spalte | Falsches Trennzeichen erkannt | Trennzeichen manuell einstellen |
| Werte werden als Text erkannt | Dezimaltrennzeichen falsch | Dezimaltrennzeichen anpassen |
| Leere Zeilen oder Spalten | Formatierung der Quelldatei | Quelldatei bereinigen oder Bereiche manuell auswählen |
| Sonderzeichen in Spaltennamen | Kodierungsproblem (z. B. Umlaute) | Datei als UTF-8 speichern |
| Import bricht ab | Datei zu groß oder beschädigt | Datei in kleinere Teile aufteilen |
> **Info:** my8data protokolliert den Import-Vorgang. Bei Problemen finden Sie detaillierte Fehlermeldungen im Import-Log, das Ihnen bei der Diagnose hilft.
---
## Datengenerator
URL: https://www.my8data.com/knowledge-base/datengenerator
# Datengenerator
## Übersicht
Der **Datengenerator** in my8data ermöglicht das Erstellen von **synthetischen Testdaten** für Schulungs-, Demonstrations- und Testzwecke. Anstatt reale Messdaten verwenden zu müssen, können Sie mit dem Datengenerator gezielt Datensätze erzeugen, die bestimmte statistische Eigenschaften aufweisen.
### Einsatzgebiete
| Einsatzgebiet | Beschreibung |
|---------------|-------------|
| **Schulung und Training** | Erstellen Sie Übungsdaten mit bekannten Eigenschaften, um die Interpretation von MFU, SPC und Prozessfähigkeit zu trainieren |
| **Demonstration** | Zeigen Sie Kunden oder Kollegen die Funktionen von my8data mit realistischen, aber anonymisierten Daten |
| **Modultest** | Überprüfen Sie die korrekte Funktion der Analysemodule mit Daten, deren erwartete Ergebnisse bekannt sind |
| **Methodenvergleich** | Vergleichen Sie verschiedene statistische Verfahren anhand identischer Datensätze |
| **Sensitivitätsanalyse** | Untersuchen Sie, wie sich Änderungen an Parametern (z. B. Streuung, Mittelwert) auf die Prozessfähigkeitskennwerte auswirken |
> **Info:** Die generierten Daten werden mit einem Zufallsgenerator erzeugt und sind für statistische Analysen geeignet. Sie stellen keine realen Messwerte dar und sollten nicht für produktive Qualitätsentscheidungen verwendet werden.
### Schnelleinstieg
So erzeugen Sie in wenigen Schritten einen Testdatensatz:
1. Öffnen Sie den **Datengenerator** im Hauptmenü
2. Wählen Sie den gewünschten **Verteilungstyp** (z. B. Normalverteilung)
3. Legen Sie die **Parameter** fest (Mittelwert, Standardabweichung, Stichprobengröße)
4. Klicken Sie auf **Generieren**
5. Übernehmen Sie die erzeugten Daten direkt in ein Analysemodul oder exportieren Sie sie
> **Tipp:** Um die Auswirkung verschiedener Szenarien zu testen, erzeugen Sie mehrere Datensätze mit unterschiedlichen Parametern. Beispielsweise können Sie einen fähigen Prozess (Cpk >= 1,67) und einen nicht fähigen Prozess (Cpk < 1,00) simulieren und die Ergebnisse vergleichen.
---
## Parameter und Konfiguration
### Verteilungstypen
Der Datengenerator unterstützt verschiedene **Verteilungstypen**, um unterschiedliche Prozesssituationen zu simulieren:
| Verteilungstyp | Beschreibung | Typische Anwendung |
|----------------|-------------|---------------------|
| **Normalverteilung** | Symmetrische Glockenform; am häufigsten in der Praxis | Standardfall für die meisten Fertigungsprozesse |
| **Gleichverteilung** | Alle Werte im Bereich gleich wahrscheinlich | Simulation eines Prozesses ohne klare zentrale Tendenz |
| **Log-Normalverteilung** | Rechtsschief; nur positive Werte | Rauheit, Partikelgrößen, Ausfallzeiten |
| **Weibull-Verteilung** | Flexible Form; kann schief oder symmetrisch sein | Lebensdaueranalysen, Zuverlässigkeit |
### Konfigurierbare Parameter
#### Normalverteilung
| Parameter | Beschreibung | Beispielwert | Einfluss |
|-----------|-------------|-------------|----------|
| **Mittelwert (μ)** | Zentrum der Verteilung | 10,00 | Verschiebt die gesamte Verteilung nach links oder rechts |
| **Standardabweichung (σ)** | Breite der Verteilung | 0,02 | Größere Werte erzeugen breitere Streuung |
| **Stichprobengröße (n)** | Anzahl der zu erzeugenden Werte | 100 | Mehr Werte erhöhen die statistische Aussagekraft |
#### Gleichverteilung
| Parameter | Beschreibung | Beispielwert |
|-----------|-------------|-------------|
| **Minimum** | Untere Grenze des Wertebereichs | 9,90 |
| **Maximum** | Obere Grenze des Wertebereichs | 10,10 |
| **Stichprobengröße (n)** | Anzahl der zu erzeugenden Werte | 100 |
#### Log-Normalverteilung
| Parameter | Beschreibung | Beispielwert |
|-----------|-------------|-------------|
| **μ (log)** | Mittelwert des logarithmierten Merkmals | 2,30 |
| **σ (log)** | Standardabweichung des logarithmierten Merkmals | 0,10 |
| **Stichprobengröße (n)** | Anzahl der zu erzeugenden Werte | 100 |
#### Weibull-Verteilung
| Parameter | Beschreibung | Beispielwert |
|-----------|-------------|-------------|
| **Formparameter (k)** | Bestimmt die Form der Verteilung | 3,5 |
| **Skalenparameter (λ)** | Charakteristische Lebensdauer / Skalierung | 10,00 |
| **Stichprobengröße (n)** | Anzahl der zu erzeugenden Werte | 100 |
> **Info:** Bei der Weibull-Verteilung erzeugt ein Formparameter k < 1 eine fallende Verteilung (Frühausfälle), k = 1 entspricht einer Exponentialverteilung (zufällige Ausfälle), und k > 3 ergibt eine annähernd glockenförmige Verteilung (Ermüdungsausfälle).
### Erweiterte Optionen
Zusätzlich zu den Grundparametern können Sie folgende erweiterte Einstellungen vornehmen:
| Option | Beschreibung | Standardwert |
|--------|-------------|--------------|
| **Startwert (Seed)** | Startwert für den Zufallsgenerator; ermöglicht reproduzierbare Ergebnisse | Zufällig |
| **Dezimalstellen** | Anzahl der Nachkommastellen | 3 |
| **Ausreißer hinzufügen** | Fügt dem Datensatz gezielt Ausreißer hinzu | Deaktiviert |
| **Anzahl Ausreißer** | Wie viele Ausreißer eingefügt werden sollen | 0 |
| **Ausreißer-Bereich** | In welchem Bereich die Ausreißer liegen | ±4σ bis ±6σ |
> **Tipp:** Verwenden Sie die **Seed-Funktion**, wenn Sie reproduzierbare Ergebnisse benötigen. Mit demselben Seed und denselben Parametern erhalten Sie immer den identischen Datensatz. Das ist besonders nützlich für Schulungen, bei denen alle Teilnehmer mit denselben Daten arbeiten sollen.
### Praxisbeispiele
#### Beispiel 1: Fähiger Prozess simulieren
Ziel: Datensatz mit Cpk >= 1,67 erzeugen
| Parameter | Wert | Begründung |
|-----------|------|------------|
| Verteilung | Normalverteilung | Standardfall |
| Mittelwert | 10,000 | Auf Sollwert zentriert |
| Standardabweichung | 0,010 | Geringe Streuung |
| Stichprobengröße | 100 | Ausreichend für Ppk-Berechnung |
| OSG | 10,050 | Toleranzbreite = 0,100 mm |
| USG | 9,950 | |
Erwartetes Ergebnis: Cp ≈ Cpk ≈ 1,67 (Toleranzbreite 0,100 / 6 * 0,010 = 1,67)
#### Beispiel 2: Dezentrierter Prozess simulieren
Ziel: Datensatz mit Cp gut, aber Cpk schlecht
| Parameter | Wert | Begründung |
|-----------|------|------------|
| Verteilung | Normalverteilung | Standardfall |
| Mittelwert | 10,025 | Absichtlich neben Sollwert |
| Standardabweichung | 0,010 | Gleiche Streuung wie Beispiel 1 |
| Stichprobengröße | 100 | |
| OSG | 10,050 | |
| USG | 9,950 | |
Erwartetes Ergebnis: Cp ≈ 1,67, aber Cpk ≈ 0,83 (Prozess streut schmal, ist aber dezentriert)
> **Warnung:** Synthetisch erzeugte Daten folgen exakt der gewählten Verteilung. Reale Prozessdaten weichen in der Praxis häufig von idealen Verteilungen ab. Die mit generierten Daten erzielten Ergebnisse sind daher oft "sauberer" als reale Analysen.
---
## DFQ-Konverter
URL: https://www.my8data.com/knowledge-base/dfq-konverter
# DFQ/AQDEF-Konverter
## Übersicht
Der **DFQ/AQDEF-Konverter** in my8data ermöglicht die Konvertierung von Qualitätsdaten zwischen verschiedenen Dateiformaten. Das Herzstück bildet dabei das **AQDEF-Format** (Advanced Quality Data Exchange Format), das in der Automobilindustrie als Standard für den Austausch von Qualitätsdaten weit verbreitet ist.
### Was ist AQDEF/DFQ?
Das **AQDEF-Format** (auch bekannt als DFQ-Format) wurde vom Verband der Automobilindustrie (VDA) und der Q-DAS GmbH entwickelt. Es definiert ein standardisiertes Dateiformat für den Austausch von:
- **Merkmalsdefinitionen** (Sollwerte, Toleranzgrenzen, Einheiten)
- **Messwerten** (Einzelwerte, Stichproben)
- **Zusatzinformationen** (Prüfplan, Prüfmittel, Bediener, Maschine)
| Eigenschaft | Beschreibung |
|-------------|-------------|
| **Dateiendung** | .dfq, .dfd, .dfx |
| **Aufbau** | Schlüssel-Wert-Paare (K-Felder) |
| **Kodierung** | ASCII/ANSI oder UTF-8 |
| **Norm** | VDA AQDEF Standard |
| **Verbreitung** | Automobilindustrie, Zulieferer, Messtechnik |
### Wann nutzen Sie den DFQ-Konverter?
| Szenario | Beschreibung |
|----------|-------------|
| **Datenübernahme** | Importieren Sie DFQ-Dateien aus Messsystemen (z. B. Zeiss, Mitutoyo, Hexagon) in my8data |
| **Datenexport** | Exportieren Sie Ihre Analyseergebnisse im DFQ-Format für Kunden oder CAQ-Systeme |
| **Formatwechsel** | Konvertieren Sie Daten zwischen DFQ und gängigen Tabellenformaten (CSV, Excel) |
| **Systemintegration** | Tauschen Sie Qualitätsdaten mit Q-DAS qs-STAT, Solara, PiWeb oder anderen AQDEF-kompatiblen Systemen aus |
> **Info:** Der DFQ-Konverter unterstützt die gängigsten K-Felder des AQDEF-Standards. Sehr spezifische oder proprietäre Erweiterungen einzelner Softwarehersteller werden möglicherweise nicht vollständig unterstützt.
### Aufbau einer DFQ-Datei
Eine DFQ-Datei besteht aus **K-Feldern** (Key Fields), die die Datenstruktur definieren. Jedes K-Feld hat eine eindeutige Nummer und eine festgelegte Bedeutung:
```
K0100 Artikelbezeichnung
K0101 Artikelnummer
K1001 Merkmalsbezeichnung
K2001 Sollwert
K2110 Untere Spezifikationsgrenze
K2111 Obere Spezifikationsgrenze
K0001 Messwert
```
Die wichtigsten K-Feld-Gruppen:
| K-Feld-Bereich | Inhalt | Beispiele |
|----------------|--------|-----------|
| **K0xxx** | Teile- und Auftragsinformationen | K0100 (Artikelbezeichnung), K0101 (Artikelnummer) |
| **K1xxx** | Merkmalsbezeichnung und -eigenschaften | K1001 (Merkmalsbezeichnung), K1002 (Einheit) |
| **K2xxx** | Spezifikationen und Toleranzen | K2001 (Sollwert), K2110/K2111 (USG/OSG) |
| **K00xx** | Messwerte und Messbedingungen | K0001 (Messwert), K0004 (Datum/Uhrzeit) |
> **Tipp:** Sie müssen die K-Feld-Struktur nicht im Detail kennen, um den Konverter zu nutzen. my8data erkennt die Felder automatisch und ordnet sie den entsprechenden Datenfeldern zu.
---
## Unterstützte Formate und Konvertierung
### Unterstützte Eingangsformate
Der DFQ-Konverter kann folgende Dateiformate einlesen:
| Format | Dateiendung | Beschreibung | Typische Quelle |
|--------|-------------|-------------|-----------------|
| **DFQ** | .dfq | AQDEF-Standard-Dateiformat | Q-DAS qs-STAT, Messsysteme |
| **DFD** | .dfd | AQDEF-Datendefinitionsdatei | Q-DAS qs-STAT |
| **DFX** | .dfx | Erweiterte AQDEF-Datei | Messsysteme, CAQ-Software |
| **CSV** | .csv | Komma-/semikolongetrennte Werte | Excel, Messsoftware, Datenbanken |
| **Excel** | .xlsx, .xls | Microsoft Excel-Arbeitsmappe | Manuelle Datenerfassung, Exporte |
| **Textdatei** | .txt | Tabulatorgetrennte Werte | Messsysteme, Legacy-Software |
### Unterstützte Ausgangsformate
Die konvertierten Daten können in folgenden Formaten ausgegeben werden:
| Format | Dateiendung | Beschreibung | Typisches Ziel |
|--------|-------------|-------------|----------------|
| **DFQ** | .dfq | AQDEF-Standard | Q-DAS, CAQ-Systeme, Kunden |
| **CSV** | .csv | Tabellenformat | Excel, Datenbanken, Weiterverarbeitung |
| **Excel** | .xlsx | Microsoft Excel | Berichte, manuelle Auswertung |
### Konvertierungsvorgang
#### Schritt 1: Quelldatei hochladen
Laden Sie die zu konvertierende Datei über den Upload-Dialog hoch. my8data erkennt das Dateiformat automatisch anhand der Dateiendung und des Dateiinhalts.
#### Schritt 2: Feldzuordnung prüfen
Nach dem Einlesen zeigt der Konverter eine **Vorschau** der erkannten Datenfelder:
| Erkanntes K-Feld | Zuordnung in my8data | Wert (Vorschau) |
|-------------------|---------------------|-----------------|
| K0100 | Artikelbezeichnung | Welle_A |
| K1001 | Merkmalsbezeichnung | Durchmesser |
| K2001 | Sollwert | 25,000 |
| K2110 | USG | 24,980 |
| K2111 | OSG | 25,020 |
| K0001 | Messwerte | 25,003; 24,998; ... |
Prüfen Sie die Zuordnung und passen Sie diese bei Bedarf manuell an.
> **Warnung:** Bei der Konvertierung von CSV oder Excel nach DFQ müssen Sie die K-Feld-Zuordnungen manuell festlegen, da diese Formate keine K-Feld-Informationen enthalten. Stellen Sie sicher, dass mindestens die Merkmalsbezeichnung (K1001) und die Messwerte (K0001) zugeordnet sind.
#### Schritt 3: Zielformat wählen und konvertieren
Wählen Sie das gewünschte Ausgangsformat und klicken Sie auf **Konvertieren**. Die konvertierte Datei wird zum Download bereitgestellt.
### Konvertierungsmatrix
Die folgende Matrix zeigt, welche Konvertierungen möglich sind und welche Informationen dabei erhalten bleiben:
| Von / Nach | DFQ | CSV | Excel |
|-----------|-----|-----|-------|
| **DFQ** | -- | Messwerte + Merkmale | Messwerte + Merkmale + K-Felder |
| **CSV** | Messwerte (K-Felder manuell) | -- | Vollständig |
| **Excel** | Messwerte (K-Felder manuell) | Vollständig | -- |
> **Info:** Bei der Konvertierung von DFQ nach CSV/Excel gehen keine Messwerte verloren. Zusatzinformationen aus den K-Feldern (z. B. Prüfmittel, Bediener) werden als zusätzliche Spalten übernommen.
### Häufig verwendete K-Feld-Zuordnungen
Für die Zuordnung bei CSV/Excel-zu-DFQ-Konvertierungen finden Sie hier eine Übersicht der wichtigsten K-Felder:
| K-Feld | Bezeichnung | Pflicht | Beschreibung |
|--------|-------------|---------|-------------|
| K0100 | Artikelbezeichnung | Empfohlen | Name oder Bezeichnung des Prüfteils |
| K0101 | Artikelnummer | Empfohlen | Eindeutige Teilenummer |
| K1001 | Merkmalsbezeichnung | Ja | Name des gemessenen Merkmals |
| K1002 | Merkmalseinheit | Empfohlen | Maßeinheit (z. B. mm, μm, kg) |
| K2001 | Sollwert | Empfohlen | Nominaler Zielwert |
| K2110 | USG | Ja* | Untere Spezifikationsgrenze |
| K2111 | OSG | Ja* | Obere Spezifikationsgrenze |
| K0001 | Messwert | Ja | Der eigentliche Messwert |
| K0004 | Datum/Uhrzeit | Empfohlen | Zeitstempel der Messung |
| K0005 | Prüfer/Bediener | Optional | Name oder ID des Prüfers |
| K0008 | Chargennummer | Optional | Materialcharge |
| K0010 | Maschinennummer | Optional | Identifikation der Maschine |
| K0053 | Werkzeugnummer | Optional | Identifikation des Werkzeugs |
*Mindestens eine Spezifikationsgrenze muss angegeben werden, wenn Fähigkeitskennwerte berechnet werden sollen.
### Fehlerbehebung
| Problem | Mögliche Ursache | Lösung |
|---------|-------------------|--------|
| DFQ-Datei wird nicht erkannt | Nicht-standardkonforme K-Felder | Datei im Texteditor prüfen; Format ggf. manuell korrigieren |
| Messwerte fehlen nach Konvertierung | K0001-Feld nicht korrekt zugeordnet | Feldzuordnung prüfen und Messwert-Spalte manuell zuweisen |
| Sonderzeichen falsch dargestellt | Kodierungsproblem (ANSI vs. UTF-8) | Dateikodierung beim Import manuell auf UTF-8 oder ANSI setzen |
| Dezimalstellen gehen verloren | Falsches Dezimaltrennzeichen | Dezimaltrennzeichen (Komma/Punkt) korrekt einstellen |
| Zu viele Merkmale erkannt | Mehrere Merkmale in einer Datei | Gewünschtes Merkmal in der Vorschau auswählen |
> **Tipp:** Wenn Sie regelmäßig Daten im gleichen Format konvertieren, speichern Sie die Feldzuordnung als **Vorlage**. So müssen Sie die Zuordnung nicht jedes Mal neu vornehmen und minimieren Fehlerquellen.
---
# Glossar — Wichtige Begriffe
| Begriff | Bedeutung |
|---------|-----------|
| Cg/Cgk | Fähigkeitsindizes für Messgeräte (Verfahren 1) |
| %GRR | Anteil der Messsystemvariation an der Toleranz |
| ndc | Number of Distinct Categories (Auflösungsvermögen) |
| EV | Equipment Variation (Gerätestreuung) |
| AV | Appraiser Variation (Bedienerstreuung) |
| Cm/Cmk | Maschinenfähigkeitsindizes (kurzfristig) |
| Cp/Cpk | Prozessfähigkeitsindizes (langfristig) |
| Pp/Ppk | Vorläufige Prozessfähigkeitsindizes |
| Kappa | Übereinstimmungsmaß für attributive Prüfung |
| ANOVA | Varianzanalyse zur Zerlegung der Gesamtstreuung |
| VDA | Verband der Automobilindustrie |
| AIAG | Automotive Industry Action Group |
| IATF 16949 | Qualitätsmanagementsystem-Standard Automobilindustrie |
| SPC | Statistische Prozesskontrolle / Statistical Process Control |
| MFU | Maschinenfähigkeitsuntersuchung |
| PPK | Prozessfähigkeitsanalyse (Langzeit) |
| DFQ/AQDEF | Datenformat für Qualitätsdaten (Q-DAS Standard) |
# Grenzwerte nach Industriestandard
- Cg/Cgk: mindestens 1,33 (optimal: 1,67)
- %GRR: ≤10% fähig, ≤30% bedingt fähig, >30% nicht fähig
- ndc: mindestens 5
- Cmk: mindestens 1,33 (neue Maschinen: 1,67)
- Cpk: mindestens 1,33 (langfristig stabil)
- Kappa: ≥0,9 fähig, ≥0,7 bedingt fähig, <0,7 nicht fähig
---
Generiert am: 2026-03-21
Quelle: https://www.my8data.com
Kurzversion: https://www.my8data.com/llms.txt
FAQ: https://www.my8data.com/support/faq
Knowledge Base: https://www.my8data.com/knowledge-base/