ndc zur Messsystemanalyse – Definition – Berechnung – Anwendung

NDC ist ein Messwert in der Messsystemanalyse. NDC (number of distinct rows) setzt die Gesamtstreuung des Messprozesses (GRR) mit der Produktstreuung (PV) in ein Verhältnis.

Der ndc berechnet sich mit folgender Formel.

ndc (number of distinct categories)
ndc Berechnung MSA

Der ndc bewertet ein Messsytem. Neben dem %GRR (Gage Repeatability & Reproducibility) – Wert ist dies ein zusätzlicher Wert zur Sicherstellung der MSA (Measurement Systems Analysis). In AIAG Core Tool MSA wird ein ndc von mindestens 5 gefordert.

Inhalte Verbergen
1 Interpretation und Beispiel für den ndc (number of distinct categories)
2 Warum ist der ndc wichtig?
3 Die wichtigsten Punkte für den ndc
4 Das Problem: ein zu kleiner NDC

Interpretation und Beispiel für den ndc (number of distinct categories)

Der ndc gibt an, wie viele unterschiedliche Stufen oder Kategorien ein Messsystem innerhalb des Streubereichs der gemessenen Teile (Produktstreuung) unterscheiden kann.

Beispiel: Du hast eine Waage, mit der du das Gewicht von Äpfeln messen möchtest.

  • Ein niedriger ndc (z.B. 2 oder 3): Die Waage ist sehr ungenau. Sie kann vielleicht nur zwischen „leicht“, „mittel“ und „schwer“ unterscheiden. Es wäre schwer, kleine Gewichtsunterschiede zwischen den Äpfeln zu erkennen.
  • Ein hoher ndc (z.B. 10 oder mehr): Die Waage ist sehr genau. Sie kann viele verschiedene Gewichtsstufen unterscheiden. Du könntest selbst kleinste Unterschiede im Gewicht der Äpfel erkennen.

Warum ist der ndc wichtig?

Der ndc ist wichtig, weil er dir eine Vorstellung davon gibt, ob dein Messsystem die notwendige Auflösung hat, um die natürlichen Schwankungen in deinen Prozessen und Produkten zu erfassen.

  • Wenn dein ndc niedrig ist, könnte dein Messsystem wichtige Variationen verschleiern. Du könntest nicht in der Lage sein, Probleme in deinem Produktionsprozess rechtzeitig zu erkennen.
  • Wenn dein ndc hoch genug ist, kannst du sicher sein, dass dein Messsystem empfindlich genug ist, um relevante Unterschiede zu erfassen.

Die wichtigsten Punkte für den ndc

  • Anzahl: Der ndc ist eine Anzahl – er sagt dir, wie viele verschiedene Messwertkategorien das Messsystem liefern kann.
  • Streuung: Er bezieht sich immer auf die Streuung der Teile oder Produkte, die du misst.
  • Auflösung: Der ndc ist ein Indikator für die Auflösung des Messsystems.
  • Fähigkeit: Ein ausreichend hoher ndc ist wichtig, damit dein Messsystem überhaupt fähig ist, zuverlässige Messergebnisse zu liefern.

Vereinfacht gesagt:

Je größer die Streuung der Produkte ist, und je kleiner die Messsystemstreuung ist, desto größer wird der ndc ausfallen.

Weitere Informationen zur MSA (Measurement Systems Analysis) 4th finden Sie bei https://www.aiag.org/quality/automotive-core-tools/msa

Die Verwendung innerhalb der Messsystemanalyse MSA 2 und MSA 3 finden Sie im Beitrag Messsystemanalyse.

Das Problem: ein zu kleiner NDC

Ein sehr kleiner NDC-Wert (Number of Distinct Categories) in der Messsystemanalyse (MSA) nach Verfahren 2 kann trotz eines fähigen Messsystems auftreten. Das ist ein scheinbarer Widerspruch, der aber durch das Zusammenspiel verschiedener Faktoren erklärt werden kann. Hier sind die wichtigsten Gründe:

1. Die Streuung der Teile ist zu gering im Vergleich zur Messsystemstreuung (GRR):

  • NDC berechnet sich aus der Teile-Streuung und der Messsystemstreuung. Der NDC-Wert ist im Wesentlichen ein Signal-Rausch-Verhältnis. Das „Signal“ ist die Variation zwischen den Teilen (Prozessstreuung), und das „Rauschen“ ist die Variation durch das Messsystem (GRR).
  • Formel (vereinfacht): NDC = 1.41 * (Standardabweichung der Teile / Standardabweichung des Messsystems) (multipliziert mit einem Faktor, um 97% der Verteilung abzudecken, und dann abgerundet).
  • Problem: Wenn die ausgewählten Teile für die MSA sehr ähnlich sind (geringe Teile-Streuung), wird der Zähler in der NDC-Formel klein. Selbst wenn das Messsystem an sich fähig ist (kleiner Nenner), kann der NDC-Wert klein werden, weil das „Signal“ zu schwach ist. Das Messsystem „sieht“ die Unterschiede zwischen den Teilen nicht deutlich genug.
  • Beispiel: Man misst Schrauben, die alle extrem nah am Nennwert liegen (z.B. alle 10.00 mm +/- 0.01 mm). Das Messsystem hat eine Wiederhol- und Vergleichspräzision von 0.02 mm. Das Messsystem ist fähig, Schrauben zu messen, die stärker voneinander abweichen. Aber in dieser MSA mit den sehr homogenen Teilen wird der NDC niedrig sein.

2. Falsche Auswahl der Teile für die MSA:

  • Die Teile sollten die gesamte zu erwartende Prozessstreuung repräsentieren. Die MSA soll beurteilen, ob das Messsystem für den tatsächlichen Produktionsprozess geeignet ist.
  • Problem: Wenn man nur Teile aus einem sehr engen Bereich des Produktionsprozesses auswählt (z.B. nur „gute“ Teile, nur Teile vom Anfang einer Schicht, nur Teile von einer Maschine), unterschätzt man die tatsächliche Prozessstreuung. Dies führt zu einem künstlich niedrigen NDC, wie in Punkt 1 beschrieben.
  • Beispiel: Ein Prozess produziert Teile mit einer Spezifikation von 10 mm +/- 1 mm. Für die MSA werden aber nur Teile zwischen 9.9 mm und 10.1 mm ausgewählt.

3. Unzureichende Anzahl von Teilen oder Messwiederholungen:

  • Zu wenige Teile: Mit zu wenigen Teilen wird die tatsächliche Teile-Streuung möglicherweise nicht gut erfasst. Eine kleine Stichprobe kann zufällig sehr homogen sein.
  • Problem: Die statistische Sicherheit der NDC-Berechnung ist gering.
  • Zu wenige Wiederholungen: Die Schätzung der Wiederholpräzision (ein Teil der GRR) wird ungenau.
  • Beispiel: Anstelle von 10 Teilen werden nur 3 Teile verwendet.

4. Fehler bei der Durchführung der MSA:

  • Nicht randomisierte Reihenfolge: Die Messungen sollten in zufälliger Reihenfolge erfolgen, um systematische Fehler (z.B. Erwärmung des Messgeräts, Bedienerermüdung) zu minimieren. Wenn die Reihenfolge nicht zufällig ist, kann das zu einer Unterschätzung oder Überschätzung der Streuung führen.
  • Falsche Handhabung der Teile: Beschädigung oder Verunreinigung der Teile während der Messung kann die Ergebnisse verfälschen.
  • Fehlerhafte Dateneingabe: Tippfehler oder falsches Ablesen der Messwerte.
  • Bediener-Effekte nicht korrekt behandelt: Wurden die Bediener richtig geschult und arbeiten reproduzierbar?

5. Zu hohe Auflösung des Messsystems (in seltenen Fällen):

  • Eigentlich kein Fehler des Messsystems, aber: Wenn die Auflösung des Messsystems deutlich feiner ist als die geforderte Toleranz und die Teile-Streuung, kann der NDC-Wert ebenfalls niedrig werden. Das Messsystem zeigt dann quasi „Rauschen“, das für die Prozesskontrolle irrelevant ist. Die Variation, die das Messsystem erfasst, ist dann hauptsächlich die inhärente Messunsicherheit, und nicht die Variation zwischen den Teilen.
  • Beispiel: Toleranz ist +/- 1 mm. Messsystem hat eine Auflösung von 0.0001 mm. Die tatsächliche Teile-Streuung liegt bei +/- 0.1 mm. Das Messsystem erfasst hauptsächlich die eigene Wiederholpräzision, die viel kleiner als 0.1 mm ist.

Zusammenfassung und was zu tun ist:

Ein niedriger NDC trotz fähigem Messsystem ist meist ein Zeichen dafür, dass die Teile-Streuung in der MSA-Studie im Verhältnis zur Messsystemstreuung zu gering ist. Das bedeutet nicht, dass das Messsystem schlecht ist, sondern dass die MSA-Studie die tatsächliche Prozessstreuung nicht angemessen widerspiegelt.

Weitere wichtige Inhalte für Ihr Projekt!

Folgen Sie den einzelnen, unten stehenden Links und Sie gelangen zum Thema und den entsprechenden Excel Dateien. Das Bild mit allen Links zu den Themen können Sie als pdf (Werkzeuge_20150722_4_als_pdf) downloaden.
Die Excel Vorlagen für die Lean Tools laden Sie in dieser Excel Datei (Toolbox.xlsx) runter.
Das Komplettpaket Excel Vorlagen Messsystemanalyse und Prozessfähigkeit können Sie hier anfordern.

Alle Excel Vorlagen zur Messsystemanalyse und Prozessfähigkeit

Organisieren – Define Phase

Messen – Measure Phase

Analysieren – Measure Phase

Verbessern – Improve Phase

Weiterbildung

Excel Funktionen