Regelkarte
Kurz erklärt
Die Regelkarte ist das zentrale Steuerungsinstrument der statistischen Prozesslenkung (SPC). Sie dient dazu, Prozessvariabilität kontinuierlich zu visualisieren und zwischen systembedingten Schwankungen (Common Causes) und prozessfremden Störungen (Special Causes) zu unterscheiden. Indem sie Datenpunkte über der Zeitachse innerhalb statistisch definierter Eingriffsgrenzen (meist +/- 3 Standardabweichungen) darstellt, ermöglicht sie ein präventives Eingreifen, bevor Spezifikationsgrenzen verletzt werden. Als Kernelement des KVP verhindert sie unnötige Prozesseingriffe bei natürlicher Streuung und liefert objektive Nachweise für eine stabile Prozessführung.
Definition
Die Regelkarte ist eine statistische grafische Darstellung, bei der eine Kennzahl (wie Mittelwert, Spannweite oder Median) über die Zeit hinweg aufgetragen wird. Die methodische Grundlage bildet die Normalverteilungsannahme, wobei die Mittellinie (CL) den erwarteten Wert darstellt und die Eingriffsgrenzen (UCL/LCL) die statistische Streuung begrenzen. Ein Prozess gilt als unter statistischer Kontrolle, wenn die Daten innerhalb dieser Grenzen liegen und keine nicht-zufälligen Muster aufweisen. Sie ist somit ein aktives Monitoring-System, das dem Anwender klare Signale gibt, wann eine Prozessintervention (Ursachenanalyse) erforderlich ist, um einen stabilen Grundzustand zu erhalten.
Bedeutung im Fachkontext
Im Qualitätsmanagement bildet die Regelkarte die Brücke zwischen der präventiven Planung (z. B. durch FMEA) und der operativen Fertigungssteuerung. Während die FMEA Risiken bewertet, bevor diese entstehen, liefert die Regelkarte den Echtzeitnachweis der tatsächlichen Prozessperformance. Sie ist eines der sieben elementaren Qualitätswerkzeuge (7-Q-Tools). Ihre Bedeutung liegt in der Objektivierung von Entscheidungen: Anstatt aufgrund einzelner Messwertschwankungen den Prozess zu verstellen, wird nur bei statistisch signifikanten Abweichungen reagiert. Dies senkt Qualitätskosten durch frühzeitige Fehlererkennung und minimiert durch Überregulierung verursachte Variabilität.
Input, Verarbeitung, Output, Outcome, Impact
Wirkungspfade und Beiträge zu Unternehmenszielen im Detail
Outcome
1. Prozesse werden zuverlässig innerhalb stabiler Grenzen gehalten; 2. Aufbau einer wiederverwendbaren Wissensbasis über Prozessursachen für nachfolgende Projekte.
Impact
Senkung der internen Qualitätskosten durch Ausschussvermeidung; Erhöhung der Liefertermintreue durch stabilere Anlaufphasen und langfristige Verbesserung der Prozessfähigkeit (Cp/Cpk-Werte).
Schritte der Methode in Übersicht
Die Anwendung folgt einem standardisierten Prozess: 1. Prozessauswahl anhand von Qualitätskritikalität; 2. Festlegung des Stichprobenplans (Häufigkeit, Größe); 3. Berechnung der Basislinie zur Ermittlung der 3-Sigma-Grenzen; 4. Laufende Überwachung und Visualisierung; 5. Interpretation der Muster mittels Nelson-Regeln; 6. Durchführung korrigierender Maßnahmen bei Detektion von Sonderursachen.
Prozessauswahl
Identifikation kritischer Qualitätsmerkmale
Stichprobenplan Definition
Festlegung von Erfassungsumfang und Frequenz
Basisberechnung
Etablierung der Regelgrenzen
Überwachung und Eintragung
Visualisierung der Prozessleistung
Interpretation
Detektion von Mustern
Korrekturmaßnahme
Wiederherstellung der Stabilität
Beschreibung der Einzelschritte mit Ziel & Vorgehen
QUALITY LXP · SCHRITTLOGIK
Prozessauswahl
Prozessdaten, FMEA-Ergebnisse, kritische Toleranzen
Auswahl von Merkmalen, deren Prozessstabilität direkten Einfluss auf die Produktqualität hat.
Definiertes Merkmal zur Überwachung
Überwachung der Wandstärke eines Metallbauteils.
Eindeutige Identifizierbarkeit des Merkmals.
QUALITY LXP · SCHRITTLOGIK
Stichprobenplan Definition
Prozessdynamik, Messkosten
Bestimmung der Stichprobengröße (n) und des Messintervalls.
Stichprobenplan
Messung von 5 Teilen alle 60 Minuten.
Repräsentativität der Stichproben.
QUALITY LXP · SCHRITTLOGIK
Basisberechnung
Messdaten aus ca. 25 Stichproben
Berechnung von Mittelwert und Standardabweichung aus einer stabilen Referenzphase.
Statistische Regelgrenzen (3-Sigma)
Berechnung der Eingriffsgrenzen basierend auf 125 Werten.
Stabilität während der Referenzphase nachgewiesen.
QUALITY LXP · SCHRITTLOGIK
Überwachung und Eintragung
Aktuelle Messwerte
Echtzeit-Eintragung der Messwerte in das Diagramm.
Geführte Regelkarte
Manuelle oder automatisierte Erfassung in SPC-Software.
Zeitnahe Dokumentation.
QUALITY LXP · SCHRITTLOGIK
Interpretation
Regelkarte mit Datenpunkten
Anwendung von Nelson-Regeln zur Erkennung systematischer Trends oder Verschiebungen.
Signalstatus (Stabil/Instabil)
Erkennung von 7 Punkten mit steigender Tendenz.
Objektive Anwendung der Prüfregeln.
QUALITY LXP · SCHRITTLOGIK
Korrekturmaßnahme
Fehlersignale
Ursachenanalyse (Root Cause Analysis) bei statistischen Signalen.
Beseitigte Prozessstörung
Anpassung der Prozesstemperatur nach Driftermittlung.
Nachhaltigkeit der Fehlerbehebung.
Anwendung und Vorgehen
Die praktische Umsetzung einer Regelkarte folgt einem methodischen Zyklus, der weit über das bloße Eintragen von Messwerten hinausgeht. Zunächst erfolgt die Prozessauswahl, bei der nur solche Merkmale ausgewählt werden, die eine hohe Prozessrelevanz aufweisen. Hierbei sollten Faktoren wie die Fehlerkosten, die Kritikalität für den Kunden (CTQ - Critical to Quality) und die technologische Beherrschbarkeit abgewogen werden. Ein häufiger Ansatz ist die Nutzung von Pareto-Analysen oder Fehler-Möglichkeits- und Einfluss-Analysen (FMEA), um die "Vital Few"-Merkmale zu identifizieren.
Der zweite Schritt, die Stichprobenplanung, ist entscheidend für die Qualität der Datenbasis. In der industriellen Praxis wird oft eine Untergruppengröße von $n=5$ verwendet, da dies ein ausgewogenes Verhältnis zwischen Sensitivität gegenüber Mittelwertverschiebungen und dem operativen Aufwand bietet. Der Prüfintervall muss so gewählt werden, dass er kurz genug ist, um Prozesseingriffe zwischen zwei Stichproben zu ermöglichen, aber lang genug, um die Kosten der Prüfung in einem ökonomischen Rahmen zu halten.
Nach der Basisberechnung, bei der mindestens 125 Datenpunkte (typischerweise 25 Untergruppen à 5 Messwerte) aus einem stabilen Prozesszustand erhoben werden, erfolgt die eigentliche Überwachung. Hierbei werden Mittelwertkarte ($\bar{x}$-Karte) und Spannweitenkarte ($R$-Karte) kombiniert, um sowohl die Lage als auch die Streuung simultan zu kontrollieren. Die Interpretation stützt sich auf die Nelson-Regeln oder ähnliche Algorithmen, die systematische Muster wie Trends, Schwingungen oder aufeinanderfolgende Punkte auf einer Seite der Mittellinie identifizieren. Der Korrekturzyklus beginnt schließlich erst dann, wenn eine statistisch nachgewiesene Sonderursache vorliegt, und folgt dem PDCA-Prinzip (Plan-Do-Check-Act), um die Ursache dauerhaft zu eliminieren.
Anwendungsgebiete
Regelkarten finden in einer Vielzahl von Branchen Anwendung, in denen Prozessstabilität direkt mit ökonomischem Erfolg und Qualität korreliert:
- Fertigungsindustrie (CNC-Bearbeitung): Hier werden Regelkarten zur Überwachung von Maßhaltigkeiten eingesetzt. Durch das Plotten von Bohrungsdurchmessern oder Passmaßen wird frühzeitig erkannt, wenn Werkzeugverschleiß einsetzt, noch bevor die Toleranzgrenze erreicht wird.
- Chemische und verfahrenstechnische Prozesse: Bei kontinuierlichen Produktionslinien (z. B. Kunststoffextrusion oder Abfüllprozesse) überwachen Regelkarten Parameter wie Temperatur, Druck oder Viskosität. Die Stabilität dieser Prozessparameter ist oft der einzige Indikator für eine gleichbleibende molekulare Struktur des Endprodukts.
- Automotive Supply Chain: Aufgrund strenger regulatorischer Anforderungen (z. B. IATF 16949) ist der Nachweis der statistischen Prozessregelung für sicherheitskritische Teile obligatorisch. Regelkarten dienen hier als Nachweisdokumentation gegenüber dem OEM, dass der Lieferant seinen Prozess beherrscht.
- Dienstleistungssektor: In administrativen oder logistischen Prozessen (z. B. Antwortzeiten im Kundenservice oder Durchlaufzeiten in der Sachbearbeitung) können Regelkarten eingesetzt werden, um die Leistungsfähigkeit von Serviceprozessen zu messen. Hier ist die Herausforderung die Definition der "Messgröße" in einem Umfeld, das stärker durch menschliches Handeln geprägt ist als durch mechanische Wiederholbarkeit.
Typische Fehler und Missverständnisse
In der Praxis der statistischen Prozessregelung treten immer wiederkehrende Fehler auf, die die Aussagekraft der Methode untergraben:
- Verwechslung von Regel- und Toleranzgrenzen: Dies ist der gravierendste Fehler. Während Toleranzgrenzen vom Kunden oder Konstrukteur vorgegeben sind und die Akzeptanz eines Produkts definieren, spiegeln Regelgrenzen das statistische Verhalten des Prozesses wider. Ein Prozess kann "außer Kontrolle" sein, obwohl er sich noch innerhalb der Toleranz befindet – und umgekehrt.
- Überreaktion: Wenn Anwender bei jedem Datenpunkt, der sich auch nur leicht Richtung Eingriffsgrenze bewegt, den Prozess verstellen ("nachjustieren"), erhöhen sie paradoxerweise die Prozessvariabilität durch sogenanntes "Tampering". Eine Regelkarte soll den Bediener dazu anhalten, bei gewöhnlichen Schwankungen nichts zu tun.
- Fehlende Stabilität der Basis: Die Berechnung der Grenzen auf Basis eines bereits "instabilen" Prozesses führt zu extrem weiten und damit nutzlosen Eingriffsgrenzen. Man überwacht dann einen "außer Kontrolle" geratenen Prozess mit einem fehlerhaften Maßstab.
- Ignorieren der Spannweitenkarte: Viele Anwender fokussieren sich nur auf die $\bar{x}$-Karte (Mittelwert). Wenn jedoch die Streuung ($R$ oder $s$) zunimmt, verliert die Mittelwertkarte an Aussagekraft, da der Prozess "ausfranst", ohne dass der Mittelwert sich zwangsläufig verschieben muss.
Abgrenzung und Grenzen
Die Regelkarte ist ein Werkzeug der Prozessstabilität, kein Werkzeug der Produktprüfung. Sie kann keine 100%-Prüfung am Endprodukt ersetzen, da sie nur Stichproben betrachtet. Zudem ist sie in der Kleinserienfertigung oder bei Prototypen oft nur eingeschränkt oder gar nicht anwendbar, da die statistische Basis von 125 Werten nicht erreicht wird.
Eine weitere Grenze liegt in der Reaktivität: Die Regelkarte meldet, dass eine Abweichung vorliegt, aber sie liefert keine automatische Ursache. Sie ist ein Werkzeug zur Signalisierung, nicht zur Diagnose. In highly-automated Umgebungen mit "Self-Correcting-Systems" (KI-gestützte Regelkreise) können klassische SPC-Karten obsolet werden, da der Prozess schneller korrigiert, als ein Mensch die Karte manuell interpretieren könnte. Dennoch bleibt sie ein unverzichtbares Instrument zur Validierung, ob diese automatisierten Systeme auch unter langfristigen Aspekten stabil arbeiten.
Häufige Fragen
H3: Warum darf ich meine Toleranzgrenzen nicht als Eingriffsgrenzen verwenden?+
Toleranzgrenzen definieren, ob ein Teil konform ist oder nicht. Eingriffsgrenzen definieren, ob das statistische System noch die gleiche Streuung aufweist wie zu Beginn. Würden Sie Toleranzgrenzen nutzen, würden Sie erst eingreifen, wenn der Prozess bereits Ausschuss produziert. Das Ziel der SPC ist es jedoch, vor der Ausschussproduktion einzugreifen.
H3: Was mache ich, wenn mein Prozess trotz stabiler Regelkarte nicht die geforderte Prozessfähigkeit (Cpk) erfüllt?+
Dies weist auf ein Design-Problem hin. Die Regelkarte bestätigt, dass der Prozess stabil ist, aber die systembedingte Streuung ist immer noch zu groß für die engen Kundentoleranzen. Die Lösung ist hier keine weitere Regelung, sondern eine technische Optimierung (z. B. härtere Werkzeuge, präzisere Maschinen oder ein geändertes Produktdesign).
H3: Muss ich die Regelgrenzen ständig neu berechnen?+
Nein. Die Grenzen sollten nur bei einer signifikanten Prozessänderung (z. B. Werkzeugwechsel, Maschinenwartung oder Umstellung des Rohmaterials) neu berechnet werden. Eine ständige Anpassung würde dazu führen, dass man sich an einen "schleichenden" Prozessverschleiß gewöhnt, anstatt ihn zu korrigieren.
H3: Wie gehe ich mit "außer Kontrolle" Signalen bei sehr kleinen Prozessen um?+
Wenn die Datenmenge nicht ausreicht, um die klassischen Nelson-Regeln statistisch abzusichern, sollten Regelkarten für Einzelwerte (I-MR-Karten) genutzt werden. Diese sind zwar weniger sensitiv als $\bar{x}$-Karten, aber sie sind das einzig valide statistische Mittel für Prozesse mit geringem Durchsatz.
H3: Ist SPC nur für die Produktion relevant?+
Nein, auch wenn sie dort ihren Ursprung hat. In der modernen Unternehmensführung wird SPC zunehmend in administrativen Bereichen eingesetzt ("Lean Office"), um etwa die Qualität von Dateneingaben oder die Durchlaufzeiten von Genehmigungsprozessen zu stabilisieren. Das Prinzip bleibt gleich: Identifikation von Sonderursachen in einem System, um eine kontinuierliche Prozessverbesserung zu ermöglichen.

