SPC: Statistische Prozesskontrolle in der Fertigung

Was ist SPC (Statistische Prozesskontrolle)?

SPC (Statistical Process Control) ist eine Methode zur Überwachung und Steuerung von Fertigungsprozessen auf Basis statistischer Verfahren. Statt fertige Produkte zu prüfen und fehlerhafte Teile auszusortieren, erkennt SPC Abweichungen im laufenden Prozess, bevor Ausschuss entsteht.

Das Kernwerkzeug der SPC ist die Qualitätsregelkarte (Control Chart). Sie stellt Messwerte chronologisch dar und zeigt, ob ein Prozess stabil läuft oder ob systematische Störungen auftreten. Walter A. Shewhart entwickelte die erste Regelkarte 1924 bei den Bell Laboratories. Seine Grundidee gilt unverändert: Jeder Prozess schwankt. Die entscheidende Frage ist, ob die Schwankung normal (zufällig) oder abnormal (systematisch) ist. Nur bei systematischen Abweichungen sollte eingegriffen werden.

In der Automobilindustrie ist SPC über Normen wie IATF 16949 und die zugehörigen Core Tools (AIAG-Referenzhandbuch SPC) faktisch vorgeschrieben. Aber auch in der Lebensmittelindustrie, der Kunststoffverarbeitung und der Pharmaverpackung wird SPC eingesetzt, um Prozessfähigkeitsnachweise gegenüber Kunden und Auditoren zu erbringen.

Zufällige vs. systematische Schwankungen: Das Kernprinzip

SPC unterscheidet zwei Arten von Prozessschwankungen, und diese Unterscheidung bestimmt, ob ein Eingriff sinnvoll ist oder den Prozess verschlechtert.

Zufällige Schwankungen (Common Causes) sind die natürliche Streuung eines Prozesses. Minimale Materialunterschiede zwischen Chargen, geringfügige Temperaturschwankungen in der Halle, normale Werkzeugabnutzung über den Tag. Diese Schwankungen sind vorhersagbar und folgen einer statistischen Verteilung (in den meisten Fällen einer Normalverteilung). Solange nur zufällige Schwankungen wirken, gilt der Prozess als stabil oder "beherrscht".

Systematische Schwankungen (Special Causes) sind außergewöhnliche Einflüsse: ein verschlissenes Lager, ein Materialwechsel, eine falsche Maschineneinstellung nach dem Rüsten, ein nicht geschulter Bediener. Diese Schwankungen verschieben den Prozess oder vergrößern seine Streuung auf eine Weise, die über das normale Maß hinausgeht.

Der häufigste Fehler in der Praxis: Überregeln. Ein Bediener sieht einen einzelnen Messwert nahe der Toleranzgrenze und verstellt die Maschine. Wenn der Wert nur eine zufällige Schwankung war, verschiebt die Anpassung den gesamten Prozess und macht ihn instabiler. Shewhart nannte das "Tampering". Die Regelkarte verhindert genau dieses Problem, indem sie zeigt, ob ein Eingriff statistisch gerechtfertigt ist oder nicht.

Regelkarten: Aufbau und Funktion

Eine Qualitätsregelkarte besteht aus einer Mittellinie (Prozessmittelwert), oberer und unterer Eingriffsgrenze (OEG/UEG, bei ±3 Sigma) und optional Warngrenzen (bei ±2 Sigma). Messwerte oder Stichprobenstatistiken werden chronologisch eingetragen.

Wichtig: Eingriffsgrenzen sind nicht dasselbe wie Toleranzgrenzen. Toleranzgrenzen definieren, was der Kunde akzeptiert. Eingriffsgrenzen definieren, was der Prozess von sich aus liefern kann. Ein fähiger Prozess hat Eingriffsgrenzen, die deutlich innerhalb der Toleranzgrenzen liegen.

Regelkartentypen in der Übersicht

In der diskreten Fertigung dominiert die x̄-R-Karte. In der Prozessindustrie (Chemie, Lebensmittel) kommt häufiger die Einzelwertkarte zum Einsatz, weil Chargenproben oft nur einen Messwert pro Zeitpunkt liefern.

Muster erkennen: Wann ist ein Eingriff nötig?

Ein Punkt außerhalb der Eingriffsgrenzen ist das offensichtlichste Signal. Aber es gibt subtilere Muster, die auf systematische Störungen hindeuten, lange bevor ein Wert die Grenze überschreitet. Die gängigsten Regeln (nach Western Electric / Nelson):

• 7 oder mehr aufeinanderfolgende Punkte auf einer Seite der Mittellinie (Verschiebung)
• 7 oder mehr aufeinanderfolgende Punkte mit stetig steigender oder fallender Tendenz (Trend)
• 2 von 3 aufeinanderfolgenden Punkten außerhalb der 2-Sigma-Warngrenzen
• 15 oder mehr Punkte innerhalb der 1-Sigma-Zone (Stratifikation, deutet auf vermischte Teilpopulationen hin)

Diese Regeln sind in jeder SPC-Software hinterlegt und lassen sich automatisch auswerten. Bei manueller Regelkartenführung auf Papier werden sie allerdings regelmäßig übersehen, was die Aussagekraft der SPC massiv reduziert.

Prozessfähigkeit: Cp und Cpk verstehen

Ein stabiler Prozess ist nicht automatisch ein fähiger Prozess. Prozessfähigkeit bedeutet: Der Prozess streut so wenig, dass seine Ergebnisse zuverlässig innerhalb der Toleranzgrenzen liegen.

Cp (Prozessfähigkeitsindex) vergleicht die Toleranzbreite mit der Prozessstreuung: Cp = (OTG - UTG) / 6σ. Ein Cp von 1,0 bedeutet: Die Prozessstreuung füllt die Toleranz exakt aus. Bei einem Cp von 1,33 nutzt die Streuung nur 75 % der Toleranz, es bleibt ein Sicherheitspuffer.

Cpk (kritischer Prozessfähigkeitsindex) berücksichtigt zusätzlich, ob der Prozess zentriert ist. Ein Prozess kann einen Cp von 2,0 haben (sehr enge Streuung), aber wenn der Mittelwert nahe an einer Toleranzgrenze liegt, ist der Cpk deutlich niedriger. In der Praxis ist der Cpk die relevantere Kennzahl, weil Prozesse selten perfekt zentriert sind.

Typische Anforderungen nach Branche

Der Unterschied zwischen Kurzzeit- (Cm/Cmk) und Langzeitfähigkeit (Pp/Ppk) verrät viel über die Prozessstabilität. Ein Prozess mit Cmk = 2,0 bei der Maschinenabnahme, aber Ppk = 1,1 in der Serie, zeigt: Die Maschine kann es, aber im Serienbetrieb kommen Störfaktoren dazu (Materialstreuung, Temperaturgang, Werkzeugverschleiß über mehrere Schichten). Genau diese Lücke zu schließen, ist die Aufgabe von SPC.

SPC vs. Endprüfung: Was SPC nicht ersetzt

SPC ist Prozessüberwachung, keine Produktprüfung. Das wird häufig verwechselt. SPC stellt sicher, dass der Prozess stabil und fähig bleibt. Eine 100%-Prüfung am Ende der Linie stellt sicher, dass kein fehlerhaftes Teil zum Kunden gelangt.

In der Praxis ergänzen sich beide Ansätze. SPC reduziert die Fehlerrate so weit, dass die Endprüfung kaum noch Ausschuss findet. Aber sie ersetzt die Endprüfung nicht, besonders nicht bei sicherheitskritischen Merkmalen. Ein Tier-1-Zulieferer, der seinem OEM nachweisen muss, dass kein fehlerhaftes Teil ausgeliefert wurde, braucht beides.

Ähnlich verhält es sich mit dem Verhältnis zu Six Sigma. SPC ist ein Werkzeug innerhalb von Six Sigma (konkret in der Control-Phase von DMAIC), aber Six Sigma geht weit darüber hinaus: Problemdefinition, Messsystemanalyse, Ursachenanalyse, Verbesserung und Absicherung. SPC liefert die laufende Überwachung, Six Sigma liefert den Verbesserungsprozess.

Typische Fehler bei der SPC-Einführung

Fehler 1: Regelkarten auf Papier führen und Muster ignorieren. Papierbasierte SPC erfasst Einzelwerte, aber niemand wertet die Muster systematisch aus. Ein Trend über 7 Punkte wird auf dem Papier übersehen, in einer Software wird er automatisch angezeigt. Bei Klocke (Pharma-Verpackung) war der Übergang von manueller zu automatisierter Erfassung ein zentraler Hebel: Stückzahlen und Stillstände werden über DI-Gateways erfasst und ohne manuelle Zwischenschritte ausgewertet.

Fehler 2: Eingriffsgrenzen mit Toleranzgrenzen verwechseln. Die Eingriffsgrenzen einer Regelkarte berechnen sich aus der tatsächlichen Prozessstreuung (±3σ), nicht aus den Zeichnungstoleranzen. Wer die Toleranzgrenzen als Eingriffsgrenzen verwendet, reagiert viel zu spät und nur auf Ausschuss statt auf Prozessverschiebungen. Umgekehrt: Wer Eingriffsgrenzen bei einem nicht fähigen Prozess (Cpk < 1,0) berechnet, hat Eingriffsgrenzen, die außerhalb der Toleranz liegen. Dann muss zuerst der Prozess verbessert werden, bevor SPC sinnvoll eingesetzt werden kann.

Fehler 3: SPC ohne Messsystemanalyse (MSA) starten. Wenn das Messsystem selbst 30 % der gemessenen Streuung verursacht, bildet die Regelkarte nicht den Prozess ab, sondern zu großen Teilen das Messmittel. Eine Gage R&R-Studie ist Pflicht, bevor SPC-Daten interpretiert werden. Der AIAG-Richtwert: Das Messsystem sollte weniger als 10 % der Toleranzbreite als Streuung beitragen (Gage R&R < 10 %). Bei 10 bis 30 % ist es bedingt geeignet, über 30 % unbrauchbar für SPC.

Fehler 4: Zu viele Merkmale gleichzeitig überwachen. 50 Regelkarten pro Linie klingen gründlich, sind aber in der Praxis nicht zu pflegen. Qualitätsingenieure empfehlen, mit den 3 bis 5 Merkmalen zu starten, die den größten Einfluss auf Ausschuss, Kundenreklamationen oder Funktionalität haben. Die FMEA liefert die Priorisierung: Merkmale mit hoher Risikoprioritätszahl (RPZ) oder "CC/SC"-Kennzeichnung zuerst.

SPC im MES: Automatisierung statt Papierkarte

SPC entfaltet sein volles Potenzial, wenn Prozessdaten nicht manuell auf Papier erfasst, sondern automatisch aus der Maschine gezogen werden. Ein MES mit SPC-Funktionalität übernimmt drei Aufgaben, die manuell kaum leistbar sind.

Erstens: Echtzeiterfassung. Prozessparameter (Temperaturen, Drücke, Kräfte, Zykluszeiten) werden direkt aus der SPS oder über OPC-UA abgegriffen und automatisch in Regelkarten überführt. Manuelle Eingabefehler entfallen. Die Daten stehen sekundengenau zur Verfügung statt einmal pro Schicht.

Zweitens: Automatische Mustererkennung. Das System prüft kontinuierlich auf Nelson-Regeln und löst bei Verletzung einen Alarm aus, noch bevor die Eingriffsgrenze überschritten wird. Bei Neoperl (Montageautomaten) werden SPS-Alarme automatisch mit Stillständen und Qualitätsdefekten korreliert. Das ermöglicht eine Ursachenanalyse, die bei manueller Erfassung Tage dauern würde.

Drittens: Standortübergreifender Vergleich. Bei Meleghy Automotive läuft die OEE-Erfassung an den wichtigsten Prozessschritten in 6 Werken (Wilnsdorf, Gera, Bernsbach, Reinsdorf, Brandýs/CZ, Miskolc/HU). Qualitätskennzahlen und Prozessdaten werden über eine bidirektionale SAP-Schnittstelle (ABAP IDoc) mit dem ERP synchronisiert. Das schafft die Grundlage, um Prozessfähigkeiten werksübergreifend zu vergleichen und Best Practices aus dem besten Werk auf die anderen zu übertragen.

Entscheidend ist die Verbindung von SPC-Daten mit Betriebsdaten (BDE). Wenn eine Regelkarte eine Prozessverschiebung anzeigt, muss der Qualitätsingenieur sofort sehen können: Welche Charge lief zu dem Zeitpunkt? Welcher Bediener war an der Maschine? Welche Maschinenparameter waren eingestellt? Ohne diese Verknüpfung bleibt die Regelkarte ein Alarmsystem ohne Ursachenklärung.

Praxis: Klocke setzt SPC im regulierten Umfeld ein

Die Klocke Gruppe, ein international tätiger Lohnhersteller in der Pharma-, Kosmetik- und Nahrungsergänzungsmittelbranche, setzt SPC im GMP-regulierten Verpackungsbereich ein. Der Einstieg erfolgte an einer Blisterverpackungslinie am Standort Weingarten.

Die technische Umsetzung: Stückzahlen und Stillstände werden über DI-Gateways erfasst. Alle Anlagen sind über digitale I/O-Geräte vernetzt, ohne dass eine LAN-Infrastruktur nötig wäre. Die Daten fließen unidirektional über eine Dateischnittstelle in das Navision-ERP: Auftragszustand und Stammdaten kommen aus dem ERP, Maschinenzyklen und Stillstände werden den Fertigungsaufträgen zugeordnet.

Innerhalb von 3 Wochen wurde die Lösung auf alle Linien am Standort skaliert. Die Ergebnisse: 7 Stunden zusätzliche Produktionszeit pro Woche, 12 % Verbesserung der Ausbringung, 8 % höhere Verfügbarkeit. Im regulierten Umfeld ist dabei besonders relevant, dass alle Prozessdaten automatisch dokumentiert und rückverfolgbar sind, was den Nachweis gegenüber GMP-Audits erheblich vereinfacht.

SPC vs. Predictive Quality: Abgrenzung und Zusammenspiel

SPC basiert auf univariater Statistik: Ein Merkmal wird über die Zeit beobachtet, Abweichungen werden erkannt. Das funktioniert bei Prozessen mit wenigen dominanten Einflussgrößen gut.

Komplexe Prozesse mit dutzenden Einflussparametern (Spritzguss mit 20+ Prozessparametern, Umformprozesse mit Materialstreuung, Temperatur, Geschwindigkeit, Schmierung) überfordern klassische SPC. Hier setzen multivariate Verfahren und Predictive-Quality-Ansätze an: Machine-Learning-Modelle, die aus historischen Prozessdaten lernen, welche Parameterkombinationen zu Ausschuss führen, und Abweichungen vorhersagen, bevor sie auf einer einzelnen Regelkarte sichtbar werden.

Die beiden Ansätze ersetzen sich nicht gegenseitig. SPC bleibt die Basis: transparent, nachvollziehbar, normkonform, auditierbar. Predictive Quality ergänzt SPC dort, wo univariate Betrachtung nicht ausreicht. In der Praxis starten die meisten Unternehmen mit klassischer SPC und erweitern bei Bedarf um prädiktive Verfahren, sobald die Datenbasis steht und die Organisation statistisch reif genug ist.

Häufige Fragen zu SPC

Was ist SPC in der Fertigung?
SPC (Statistical Process Control) ist eine Methode zur Überwachung von Fertigungsprozessen auf Basis statistischer Verfahren. Sie erkennt Prozessabweichungen in Echtzeit über Qualitätsregelkarten und verhindert Ausschuss, bevor er entsteht. Im Gegensatz zur Endprüfung ist SPC präventiv und prozessorientiert.

Was ist der Unterschied zwischen Cp und Cpk?
Cp misst das Verhältnis von Toleranzbreite zur Prozessstreuung, ohne die Lage des Prozesses zu berücksichtigen. Cpk berücksichtigt zusätzlich, wie zentriert der Prozess innerhalb der Toleranz liegt. Ein Prozess kann einen hohen Cp haben, aber wenn der Mittelwert dezentriert ist, fällt der Cpk niedriger aus. In der Praxis ist Cpk die relevantere Kennzahl.

Welcher Cpk-Wert ist ausreichend?
In der Automobilindustrie (IATF 16949) gilt Cpk ≥ 1,33 als Mindestanforderung für bestehende Prozesse. Für sicherheitskritische Merkmale werden Cpk ≥ 1,67 bis 2,0 verlangt. Bei Neuanläufen wird Ppk ≥ 1,67 auf Basis der Erstbemusterungsdaten gefordert.

Brauche ich eine SPC-Software oder reicht Excel?
Excel funktioniert als Einstieg für einzelne Merkmale. Sobald mehr als 5 bis 10 Merkmale überwacht werden, stößt Excel an Grenzen: keine automatische Mustererkennung (Nelson-Regeln), keine Echtzeitalarme, keine Anbindung an Maschinendaten. Ein MES mit integrierter SPC-Funktion automatisiert die Datenerfassung, prüft kontinuierlich auf Regelverletzungen und verknüpft Prozessdaten mit Auftrags- und Maschinendaten.

Wie hängen SPC und OEE zusammen?
SPC verbessert direkt den Qualitätsfaktor der OEE. Stabile Prozesse produzieren weniger Ausschuss und Nacharbeit, was den First Pass Yield erhöht. Indirekt verbessert SPC auch die Verfügbarkeit, weil weniger Stillstände durch Qualitätsprobleme (Sortierung, Nacharbeit, Maschinenstopps bei Ausschuss) entstehen.