Control Chart: Aufbau, Regeln und Beispiel erklärt

Was ist eine Control Chart?

Eine Control Chart (Regelkarte) ist ein Diagramm, das Messwerte eines Prozesses über die Zeit darstellt, zusammen mit einer Mittellinie und zwei Kontrollgrenzen. Die Mittellinie zeigt den Prozessmittelwert. Die obere Kontrollgrenze (Upper Control Limit, UCL) und die untere Kontrollgrenze (Lower Control Limit, LCL) liegen typischerweise bei ± 3 Standardabweichungen vom Mittelwert.

Das Prinzip: Solange alle Messwerte innerhalb der Kontrollgrenzen liegen und kein auffälliges Muster zeigen, ist der Prozess "in control" (beherrscht). Er schwankt nur innerhalb seiner natürlichen Streuung. Sobald ein Punkt ausserhalb der Kontrollgrenzen liegt oder ein bestimmtes Muster auftritt, ist der Prozess "out of control" (nicht beherrscht). Es wirkt eine Störgrösse, die identifiziert und beseitigt werden muss.

Control Charts wurden in den 1920er Jahren von Walter A. Shewhart bei Bell Labs entwickelt. Die Grundidee: Nicht jede Schwankung erfordert einen Eingriff. Natürliche Streuung (common cause variation) ist normal und muss toleriert werden. Nur besondere Ursachen (special cause variation) erfordern eine Korrektur. Wer bei jeder normalen Schwankung eingreift, verschlimmert den Prozess statt ihn zu verbessern. Shewhart nannte das "over-adjustment" (Übersteuerung).

Aufbau einer Control Chart

Wichtig: Kontrollgrenzen sind nicht dasselbe wie Spezifikationsgrenzen (Toleranzen). Kontrollgrenzen werden aus dem Prozess berechnet (was der Prozess tatsächlich tut). Spezifikationsgrenzen kommen vom Kunden oder von der Zeichnung (was der Prozess tun soll). Ein Prozess kann "in control" sein (innerhalb der Kontrollgrenzen), aber trotzdem Ausschuss produzieren, wenn seine natürliche Streuung grösser ist als die Spezifikation. Der Vergleich beider Grenzen ergibt die Prozessfähigkeit (Cp/Cpk).

Die wichtigsten Regelkarten-Typen

In der diskreten Fertigung sind die x̄/R-Karte (für Stichproben am Messplatz) und die x/mR-Karte (für Prozessdaten von der Maschine) am häufigsten. Die Wahl hängt davon ab, ob Stichproben möglich sind und ob variable oder attributive Daten vorliegen.

Beispiel: Control Chart für Nachdruck in der Spritzgussfertigung

Ein Spritzgusswerkzeug produziert Gehäuseteile. Der Nachdruck (Holding Pressure) ist ein kritischer Prozessparameter: Zu niedrig = Einfallstellen. Zu hoch = Gratbildung. Der Sollwert ist 850 bar.

Über 20 Zyklen werden die Nachdruckwerte aufgezeichnet (x/mR-Karte, weil nur ein Wert pro Zyklus):

Berechnung:

Interpretation: Kein einzelner Punkt liegt außerhalb der Kontrollgrenzen. Aber: Ab Zyklus 11 steigen die Werte kontinuierlich an (848 → 851 → 855 → 857 → ... → 863). Das sind 10 aufeinanderfolgende Punkte mit steigender Tendenz. Das ist ein Trend, und ein Trend ist ein "Out of Control"-Signal, auch wenn kein Punkt die UCL überschreitet. Die wahrscheinliche Ursache: Die Rückstromsperre der Schnecke verschleißt, der effektive Nachdruck steigt schleichend. Ohne Control Chart wäre das erst aufgefallen, wenn die ersten Teile Grat zeigen.

Nelson-Regeln: Wann ist ein Prozess "out of control"?

Neben dem offensichtlichen Fall (Punkt außerhalb UCL/LCL) gibt es standardisierte Muster-Regeln. Die am häufigsten verwendeten sind die Nelson-Regeln (benannt nach Lloyd Nelson, 1984):

In der Praxis werden nicht immer alle Nelson-Regeln gleichzeitig angewendet. Viele Werke verwenden Regel 1 (Punkt außerhalb), Regel 2 (Run) und Regel 3 (Trend) als Standard und aktivieren die weiteren Regeln nur bei besonders kritischen Merkmalen.

Control Charts und Prozessdaten aus dem MES

Control Charts brauchen Daten. Die Frage ist, woher die Daten kommen und wie schnell.

Der Vorteil automatischer Prozessdatenerfassung für Control Charts: Kein Zeitverzug. Kein manueller Aufwand. Keine Übertragungsfehler. Jeder Zyklus wird erfasst, nicht nur jede 30. Minute. Das bedeutet: Trends werden in Minuten sichtbar, nicht in Stunden.

SYMESTIC erfasst Prozessdaten (Temperaturen, Drücke, Kräfte, Zykluszeiten) automatisch über das Prozessdaten-Modul. Die Daten werden als Zeitreihe gespeichert und visualisiert. Grenzwertüberschreitungen lösen Alarme aus. Das ist im Kern die operative Umsetzung des Control-Chart-Prinzips: Daten über die Zeit, mit Grenzen, und Eskalation bei Überschreitung.

Bei Neoperl wurde genau diese "Korrelation von SPS-Alarmen mit Stillständen und Qualitätsdefekten" genutzt: Die Prozessdaten (aus der Maschine) wurden mit den Qualitätsergebnissen (Ausschuss, Defekte) korreliert. Ergebnis: 15 % weniger Ausschuss durch gezielte Auswertung der Qualitätsdaten. Das ist SPC in der Praxis, auch wenn es nicht "Control Chart" genannt wird.

Häufige Fragen zu Control Charts

Was ist der Unterschied zwischen Kontrollgrenzen und Toleranzgrenzen?

Kontrollgrenzen (UCL/LCL) werden aus dem Prozess berechnet. Sie sagen: "Das ist die natürliche Streuung dieses Prozesses." Toleranzgrenzen (USL/LSL, Upper/Lower Specification Limit) kommen vom Kunden oder von der Zeichnung. Sie sagen: "Das ist, was der Kunde akzeptiert." Ein Prozess kann innerhalb der Kontrollgrenzen laufen (beherrscht), aber trotzdem Toleranzgrenzen verletzen (nicht fähig). Der Prozessfähigkeitsindex Cpk vergleicht beide: Cpk ≥ 1,33 bedeutet, der Prozess hat genügend Abstand zur Toleranzgrenze.

Wie viele Datenpunkte brauche ich, bevor eine Control Chart aussagekräftig ist?

Mindestens 20 bis 25 Stichproben (oder Einzelwerte) unter stabilen Prozessbedingungen, um die Kontrollgrenzen zuverlässig zu berechnen. Das ist die sogenannte "Phase 1" (Baseline). Weniger Daten führen zu instabilen Kontrollgrenzen, die bei jeder neuen Stichprobe stark schwanken. In der Praxis: Wenn die Maschine 20 Zyklen pro Stunde macht und Prozessdaten automatisch erfasst werden, hat man die Baseline in einer Stunde. Bei manuellen Stichproben alle 30 Minuten dauert es 10 Stunden.

Wann verwende ich eine x̄/R-Karte und wann eine x/mR-Karte?

x̄/R-Karte: Wenn Stichproben möglich sind (mehrere Teile gleichzeitig messen). Das ist der Standard bei manuellen Messungen am Messplatz (z. B. 5 Teile alle 30 Minuten). x/mR-Karte: Wenn nur Einzelwerte vorliegen. Das ist typisch für Prozessdaten (Temperatur, Druck), die automatisch pro Zyklus erfasst werden, oder bei Chargen-Prozessen, wo nur ein Messwert pro Charge existiert.

Wie hängen Control Charts mit Six Sigma zusammen?

Control Charts sind ein Kernwerkzeug in der Control-Phase des DMAIC-Zyklus. Nachdem ein Prozess in der Improve-Phase verbessert wurde, stellt die Control Chart sicher, dass die Verbesserung dauerhaft ist. Wenn der Prozess wieder driftet, zeigt die Control Chart das sofort. In der Measure-Phase werden Control Charts verwendet, um den Ist-Zustand des Prozesses zu dokumentieren und zu prüfen, ob er überhaupt beherrscht ist, bevor man seine Fähigkeit bewertet.

Wie hängen Control Charts mit einem MES zusammen?

Ein MES liefert die Daten für Control Charts. Prozessdaten (Druck, Temperatur, Kraft) werden automatisch pro Zyklus erfasst und gespeichert. Produktionsdaten (Stückzahlen, Ausschuss, Zykluszeiten) werden als Zeitreihen bereitgestellt. Die Alarmierung bei Grenzwertüberschreitung ist funktional dasselbe wie ein "Out of Control"-Signal. Ein dediziertes SPC-System (z. B. Q-DAS, Minitab) kann die MES-Daten über Schnittstellen übernehmen und die vollständige statistische Auswertung (Cp, Cpk, Nelson-Regeln) durchführen. Die Kombination aus automatischer Datenerfassung (MES) und statistischer Auswertung (SPC) schließt die Lücke zwischen Maschine und Qualitätsentscheidung.

Über den Autor:

Christian Fieg

Head of Sales bei SYMESTIC. Zuvor iTAC, Dürr, Visteon. Six Sigma Black Belt. Autor von "OEE: Eine Zahl, viele Lügen".
LinkedIn