JMP Background

Qualitätsmanagement, Zuverlässigkeit und Six Sigma mit JMP®

Um hohe Qualität zu erzielen, sind Begeisterung an ständigem Lernen, Verbesserungsbereitschaft und großes Engagement erforderlich. Der systematische Einsatz von Daten zur Gestaltung effektiverer Prozesse, um Kosten, Abfall und Zeit minimieren, resultiert in besseren Prozessen, Produkten und Dienstleistungen in allen Unternehmensbereichen. JMP bietet ein ganzes Spektrum von branchenweit führenden Funktionen, die Ihnen dabei helfen, Ihre Marken aufzubauen und zu schützen, die Zeit bis zur Produktreife und Kosten für Garantieleistungen zu reduzieren sowie Produkte und Dienstleistungen zu liefern, die die Kundenerwartungen erfüllen oder übertreffen.

Qualitätsmanagement

Die Software, die das Herz Ihres Qualitätsprogramms bildet, sollte die modernen statistischen und graphischen Verfahren in möglichst großem Umfang integrieren und gleichzeitig anwenderfreundlich sein. JMP bietet erstklassige Funktionen für die Versuchsplanung (zweite Generation), interaktive Prozesskontrolle und Prozessfähigkeitsanalyse, prädiktive Analytik und Berichterstellung. So können Sie aufkommende Probleme erkennen, ihre Hauptursachen ermitteln und eine Lösung finden, bevor sie zu Problemen für Kunden werden.

Zuverlässigkeit

In vielen Fertigungsbereichen ist die Zuverlässigkeit eng mit Ihrem geschäftlichen Erfolg verbunden. Ein Produkt, das während seiner gesamten Lebensdauer wie vorgesehen funktioniert, sorgt für zufriedene Kunden, die sowohl weitere Geschäfte als auch Empfehlungen bringen. Zuverlässigkeitsfunktionen in JMP helfen Ihnen, Ausfälle zu vermeiden und Garantiefälle zu verringern. Durch das Erkennen von Trends und Ausreißern in Ihren Daten und Modellvorhersagen unterstützt Sie JMP dabei, wichtige Konstruktionsschwächen aufzuzeigen, Material- oder Prozessfehler zu identifizieren und Wege zu ihrer Beseitigung zu finden.

Six Sigma

Visual Six Sigma ist der nächste Schritt in der Evolution von auf Daten basierenden Produkt- und Prozessverbesserungsinitiativen. Traditionelle Six Sigma-Funktionen werden neu ausgerichtet und erweitert, sodass sie in der täglichen Praxis leicht anzuwenden sind und wertvolle Informationen liefern. Mit JMP können Sie Probleme und Chancen erkennen, Lösungen erarbeiten und die Ergebnisse visuell vermitteln.

Qualitätsmanagement

Statistische Prozesskontrolle

JMP bietet eine Serie von Diagrammen für die statistische Prozesskontrolle (Statistical Process Control, SPC) zur Unterscheidung zwischen allgemeinen und speziellen Ursachen, um Sie bei Ihrer Prozessanalyse zu unterstützen, einschließlich Ursachenforschung für außerhalb des Kontrollbereichs liegende Zyklen und laufender Überwachung der Stabilität.

Die Qualitätsregelkarten-Plattformen stellen zahlreiche Funktionen bereit, wie die Möglichkeit, Phasen- und Blockbildungsvariablen hinzuzufügen sowie flexible Regeln für Warnungen. Diese Plattformen unterstützen Regelkarten zu fortlaufenden, diskreten und seltenen Ereignissen. Mit der Funktion „Qualitätsregelkarte erstellen“ können Sie interaktiv Regelkarten per Mausklick erstellen. Sie analysieren mühelos unterschiedliche Regelkartentypen und Gruppierungsstrategien, um Variationsquellen zu finden und die am besten geeignete Steuerungsstrategie zu bestimmen. Die Funktion „Qualitätsregelkarte erstellen“ kann auch die Regelkarten liefern, die benötigt werden, wenn mehrere Quellen für die zufällige Variation vorliegen. Die Interaktivität der Funktion ermöglicht es, die Prozessqualität mit Methoden zu bewerten, die mit statischen Regelkarten nicht zur Verfügung stehen.

Qualitätsmanagement

Messsysteme und Variabilität

Die Auswertung des Messprozesses (EMP) ist ein neues Verfahren für die Messsystemanalyse (MSA), das auf Regelkarten basiert. MSA-Untersuchungen zielen darauf ab, Präzision, Konsistenz und Abweichungen eines Messsystems zu messen. Mit EMP können Sie Ihr Messsystem visuell und quantitativ evaluieren. Die Messsystemauswertung liefert eine absolute Kenngröße und gestattet es außerdem, die Auswirkungen einer Änderung des Messsystems auf das Antwortverhalten Ihrer Teststrategie zu erkennen. EMP liefert eine angemessene und nützliche Bewertung der Messsystemeffizienz. Sie können somit das System einfacher einstufen und besser untersuchen, ob und wie Verbesserungen Ihre Steuerungsmöglichkeiten steigern.

Die MSA-Plattform in JMP kann auch traditionelle Messsystemanalyse-Untersuchungen zu Wiederholbarkeit und Reproduzierbarkeit (R&R) durchführen (auch verfügbar über die Variabilitäts-/Prüfmittelfähigkeitsanalyse-Plattform). Diese Untersuchungen verwenden die etablierten AIAG-Standards, nach denen berechnet wird, in welchem Maß Ihr Messsystem zur Gesamtvariation beiträgt. JMP unterstützt Haupteffekte sowie gekreuzte, verschachtelte und andere Modelle, um die Leistung Ihrer Messsysteme zu quantifizieren oder verbesserungsfähige Bereiche zu erkennen – damit Sie Ihre Prozesse zuverlässig analysieren können. Die Plattform zur Wiederholbarkeit und Reproduzierbarkeit von Messungen kann auch multivariate Diagramme erstellen, die einfach und ohne formale Analyse erkennen lassen, welche Ursachen vorrangig für die Variationen verantwortlich sind.

Qualitätsmanagement

Prozessfähigkeitsuntersuchungen

JMP bietet mehrere Wege zur Durchführung von Prozessfähigkeitsanalysen. Mit der Prozessfähigkeitsplattform können viele Variablen in einem Diagramm verglichen werden. Sie können schnell ermitteln, welche Variablen Aufmerksamkeit erfordern, und erkennen sofort, welche Verbesserungsstrategie für jeden einzelnen Fall erforderlich ist (erneute Zielausrichtung, Reduzierung der Variation oder beides). Sowohl einseitige als auch zweiseitige Spezifikationsgrenzwerte werden unterstützt. Diese Grenzwerte werden als Spalteneigenschaften in der JMP-Tabelle selbst gespeichert, sodass sie direkt an die beschriebenen Daten gebunden sind.  

Die neue Prozessfähigkeits-Plattform unterstützt sowohl „innere“ als auch „allgemeine“ Schätzungen von Sigma. Diese werden verwendet, um kurz- und langfristige Prozessfähigkeitsindizes zu berechnen: Cpk bzw. Ppk. Sie können für jede Prozessvariable spezifische Verteilungen festlegen, einschließlich nicht normalverteilter Verteilungen (Johnson usw.) und nicht parametrischer Verfahren. Mit der Funktion zur optimalen Anpassung können Sie außerdem anhand Ihrer Daten den Verteilungstyp mit der besten Anpassung ermitteln lassen. Schachtelungsoptionen für die Einteilung in Untergruppen sind ebenfalls verfügbar.

Qualitätsmanagement

Prozess-Screening

Mit der neuen Prozess-Screening-Plattform können Qualitätsingenieure schnell Tausende von Regelkarten analysieren und diejenigen identifizieren, die sofort Aufmerksamkeit erfordern, da sie wichtige Probleme der Prozessstabilität und Prozessfähigkeit betreffen. Anwender können einfach Schlüsselmetriken von Interesse wie Alarmraten, Stabilitätsverhältnis, Verschiebungserkennung und Prozessfähigkeitsindizes sortieren. Außerdem können auf Dashboard-Graphiken für ausgewählte Variablen, Prozessfähigkeitsanalysen und Prozessleistung basierende Übersichts- und umfassende Qualitätsregelkarten generiert werden.

Zuverlässigkeit

Lebensdauerverteilung

Müssen Sie die beste Verteilung für die Erstellung genauer Vorhersagen zur Lebensdauer Ihrer Produkte und Bauteile ermitteln? Lassen Sie JMP automatisch einen großen Bereich von Zuverlässigkeitsverteilungen bewerten, um die beste Anpassung zu finden. Wenn Sie das vorziehen, können Sie parametrische und nicht parametrische Verteilungen manuell auswählen und vergleichen. JMP unterstützt alle diese Methoden in der anwenderfreundlichen Plattform „Lebensdauerverteilung“. Wenn Sie das für Sie am besten geeignete Modell ausgewählt haben, können Sie mit den dynamischen Profildiagrammen in JMP interaktiv Lebenszeitschätzungen ermitteln und zukünftiges Verhalten extrapolieren. Sie können auch auf der Registerkarte „Gruppen vergleichen“ die Lebensdauer-Anpassung nach Gruppe in einem Diagramm anzeigen.

Wenn Ihr System über mehrere unabhängige Ausfallmodi verfügt, können Sie mit der Ursachenvergleichsfunktion in der Lebensdauerverteilung die einzelnen Ursachen getrennt analysieren. Sie können jedem Ausfallmodus spezielle angepasste Verteilungen zuweisen und Ursachen interaktiv ausschließen, um potenzielle Zuverlässigkeitsverbesserungen zu erkennen.

Daneben stehen auch Bayessche Schätzung, Mischung anpassen, Mischung konkurrierender Risiken anpassen, Sensitivitätsanalyse und die Berechnung der mittleren verbleibenden Lebensdauer zur Verfügung.

Zuverlässigkeit

Reparierbare Systeme

JMP stellt eine Reihe von Plattformen zur Analyse reparierbarer Systeme bereit.

Die Plattform „Zuverlässigkeitswachstum“ gestattet die Modellierung der Zuverlässigkeit eines einzelnen reparierbaren Systems, wobei Sie schrittweise die erforderlichen Verbesserungen in das Design integrieren. Diese Plattform passt Crow-AMSAA-Modelle an und verfügt über eine Change-Point-Erkennungsfunktion, die automatisch erkennt, wenn sich das Zuverlässigkeitsmodell geändert hat.

Die Plattform „Rekurrenzanalyse“ analysiert reparierbare Systeme und – etwas allgemeiner – Untersuchungen mit wiederkehrenden Ereignissen. Die Analyse berücksichtigt auch Kosten pro Einheit. Sie modelliert die Gesamtzahl der Ausfälle oder die Gesamtkosten der Reparaturen im Zeitverlauf. Sie können verschiedene parametrische Modelle anpassen und erhalten die Funktion der durchschnittlichen kumulierten Summe (MCF).

In der Plattform „Zuverlässigkeitsvorhersage“ können Sie ein Zuverlässigkeitsmodell auswählen, um künftige Ausfälle zu Reparatur- und Kostenplanungszwecken zu prognostizieren. Sie können Produktionsplanung und Garantiedauer interaktiv anpassen und die dynamische Änderung der Vorhersagen sowie die jeweiligen Schwankungsbreiten verfolgen.

Zuverlässigkeit

Simulation reparierbarer Systeme (JMP Pro)

JMP bietet nun die Plattform „Simulation reparierbarer Systeme“ für die Durchführung einer diskreten Ereignissimulation, die die herkömmliche Wartung komplexer reparierbarer Systeme unterstützt. Die Plattform stellt eine völlig neue schematische Darstellung von Wartungsplänen neben einem Zuverlässigkeitsblockdiagramm in einem einzigen Arbeitsbereich bereit. Anwender können Ausfallzeiten, Verfügbarkeit und ungeplante Ausfälle auf System- und Komponentenebene simulieren.

Zuverlässigkeit

Regression für Zuverlässigkeit

Mit der Plattform „Lebensdauer nach X anpassen“ können Sie die Beziehung zwischen Ereignissen und dem untersuchten Faktor modellieren. Sie können verschiedene Transformationen festlegen, einschließlich Lage, Lage und Form, Arrhenius, Spannung, linear, log und logit. Versuche beschleunigter Lebensdauertests werden häufig auf diese Weise analysiert. Wenn Sie jedoch mehr als einen Beschleunigungsfaktor haben, bietet die Plattform „Lebensdauer parametrisch anpassen“ die erforderliche Flexibilität für die Unterstützung komplexer Modelle und tiefergehender Analysen.

Tests geschachtelter Modelle sind ebenfalls verfügbar, sodass Sie Gruppenvergleiche durchführen können. Die Tests geschachtelter Modelle umfassen Statistik- und Diagnosediagramme für die Modelle „Separate Lage und Form“, „Separate Lage“, „Regression“ und „Kein Effekt“.

Das Werkzeug „Design beschleunigter Lebensdauertest“ befindet sich im JMP DOE-Menü für die Versuchsplanung. Außerdem sind über das Menü „Stichprobengröße und Power“ Pläne für Zuverlässigkeitstests und Zuverlässigkeitsnachweise verfügbar. Die neue Plattform „Kumulierter Schaden“ erweitert die JMP-Funktionalität um die Unterstützung beschleunigter Lebensdauertests. Sie können nun Untersuchungen von stufenweisem Stress, ansteigendem Stress sowie sinusförmig oder stückweise ansteigendem Stress durchführen.

Zuverlässigkeit

Degradation

Die Degradation-Plattform in JMP ermöglicht die Analyse von Produktverschlechterungsdaten im Zeitverlauf zur Vorhersage der Produktqualität und des Gewährleistungsrisikos. Verwenden Sie die JMP-Degradation-Plattform zur Vorhersage der Standzeit eines Produkts, bevor Produkte oder Komponenten in ihrer Wirkung beeinträchtigt werden (weicher Ausfall) oder ganz ausfallen (harter Ausfall).

Destruktive Degradation

Für die Messung eines Produktmerkmals ist es manchmal erforderlich, das Produkt zu zerstören. Bei der Messung der Bruchfestigkeit wird das Produkt zum Beispiel so lange einer Belastung ausgesetzt, bis es bricht. Die neue Plattform „Destruktive Degradation“ für Zuverlässigkeitsstudien führt Analysen dieser Art durch und verfügt über eine integrierte Modellbibliothek mit visuellen Darstellungen einer Vielzahl von Standardmodellen, Transformationen und Datenverteilungen. Zu den verfügbaren Funktionen zählen ein Modellvergleich, kumulierte Verteilungen und Quantilanalysen. Zuverlässigkeitsexperte William Q. Meeker von der Iowa State University sagt, dass mit dieser neuen Plattform in JMP die „Analyse destruktiver Degradationsdaten erstaunlich einfach wird“.

Zuverlässigkeit

Zuverlässigkeitsblockdiagramm (JMP Pro)

Das Zuverlässigkeitsblockdiagramm zeigt die Beziehungen zwischen den Komponenten auf, die erforderlich sind, damit Ihr System einwandfrei arbeitet. Ein Zuverlässigkeitsblockdiagramm (auch „Abhängigkeitsdiagramm“ genannt) zeigt, wie die Zuverlässigkeit von Komponenten zum Erfolg bzw. Misserfolg eines komplexen Systems beiträgt. Wenn den Komponenten Zuverlässigkeitsverteilungen zugewiesen sind, kann die Plattform „Zuverlässigkeitsblockdiagramm“ die Zuverlässigkeit des Gesamtsystems berechnen und bestimmen, welches Ergebnis Sie basierend auf der aktuellen Standzeit der Bestandteile erwarten können.

Verwenden Sie das Zuverlässigkeitsblockdiagramm für das Systemdesign und zur Stärkung der schwachen Komponenten in Ihrem System. Sie können Flussdiagramme erstellen und diese Designs in einer Bibliothek speichern, dann Elemente der Bibliothek und Designs kopieren und einfügen, um Systemdesignvorlagen zu erstellen. Sie können Was-wäre-Wenn-Analysen durchführen, indem Sie unterschiedliche Designs prüfen und Diagramme mehrerer Konfigurationen vergleichen. Sie können auch die besten Positionen bestimmen, an denen Sie die Redundanz erhöhen sollten, um die Wahrscheinlichkeit eines Systemausfalls zu verringern.

Six Sigma

Variationsquellen

Six Sigma kann als Steuerung von Variationen in Bezug auf Anforderungen definiert werden. Sie können das breite Repertoire graphischer Ansichten in JMP entweder isoliert oder in Kombination mit einer dynamischen Bewertung der Struktur Ihrer Daten verwenden. Sie erkennen sofort die dominanten Variationsquellen, die wirklich wichtig und nicht nur einfach statistisch signifikant sind. Mit dieser dynamischen Visualisierung können Sie weit über das mit statischen Diagrammen Mögliche hinausgehen. Sie ist in allen Lagen ein wichtiges Element, wird aber besonders interessant, wenn Ihre Daten komplexer werden, weil die Zahl der Spalten und Zeilen zunimmt.

Six Sigma

Erkennen von Haupteinflussfaktoren

Auch bei vieldimensionalen Daten bringt ein geeigneter Einsatz der dynamischen Visualisierung in Kombination mit Ihrem Verständnis der Daten oft einen Satz von X-Variablen hervor, die allein oder in Kombination die Ergebnisse, also die Y-Variablen, beeinflussen, die für Sie von Interesse sind. In Situationen, in denen dieser Ansatz nicht informativ ist, oder wenn Sie nur einfach zu viele Variable haben, bietet JMP auch leistungsstarke statistische Ansätze, die die Dimensionalität effektiv reduzieren, aber die enthaltene Information bewahren. Wenn Plattformen wie Partition, Cluster und Diskriminanz für die Untersuchung von Beziehungen verwendet werden, sind sie oft erfolgreich bei der Identifizierung maßgeblicher X, die dann für eine definitivere statistische Modellierung verwendet werden können, wenn dies sinnvoll und nützlich ist.

Six Sigma

Konsensentwicklung

Daten zu erfassen und mit ihnen zu arbeiten, kostet immer Zeit und Geld. Solange Ihre Ergebnisse nicht wirklich eingesetzt werden, um nachfolgende Entscheidungen und Aktionen zu steuern, wird Ihre Arbeit eher „Wertvernichtung“ sein als Wertschöpfung. Ein wichtiger Teil dieses Prozesses ist die Kommunikation der Ergebnisse an einen breiteren Kreis von Beteiligten. Da in der Praxis meist Kompromisse benötigt werden, müssen Sie sich nicht nur um Kommunikation kümmern, sondern auch um Konsens. Die Analysediagramme und Simulatoren in JMP sind speziell hierfür eingerichtet. Teams werden dadurch in die Lage versetzt, sinnvolle und schnelle Bewertungen zu erstellen und unter Berücksichtigung ihrer Fachkenntnisse Was-wäre-wenn-Szenarien zu entwickeln, die die Daten ergänzen, aber ohne dabei durch die technischen Aspekte der Modellierung behindert zu werden.

Back to Top