In allen Industrie-und Wirtschaftssektoren entstehen durch ganz unterschiedliche Prozesse ständig die verschiedensten Produkte sowohl für das tägliche Leben als auch für anspruchsvolle Bedürfnisse. Jede Abweichung von einem optimalen Prozessverlauf kann für das den Prozess ausführende Unternehmen zu einem zumindest indirekt sich als finanziellen Verlust auswirkenden Nachteil führen. Es ist deshalb von großer Wichtigkeit, diese Prozesse so zu lenken und zu überwachen, dass sie ohne Störungen arbeiten und die gewünschten Produkte mit der geforderten Qualität liefern.

Zweck einer Prozessbeurteilung ist es, anhand von ausgewählten Messwerten fundierte Kenntnisse über einen Prozess zu gewinnen. Ausgehend von diesen Kenntnissen kann dann der Prozess effizient und effektiv so gelenkt werden, dass die von ihm realisierten Produkte oder Dienstleistungen die vorgegebenen Qualitätsforderungen erfüllen. Eine Prozessbeurteilung ist dabei stets die Beurteilung nach vorgegebenen Kriterien von einem oder

mehreren Merkmalen, die als bedeutsam für den Prozess ausgewählt wurden. Es ist allerdings für die praktische Durchführung einer Prozessbeurteilung oft einfacher, statt schwer erfassbarer Prozessmerkmale die damit korrelierenden Produktmerkmale zu messen und zu erfassen.

Die betrachteten Merkmalswerte werden dabei typischerweise aus Stichproben ermittelt, die als repräsentativ für das betrachtete Prozessmerkmal bzw. das korrelierende Produktmerkmal angesehen werden. Für die zur Prozessbeurteilung herangezogenen Merkmale werden dann aussagekräftige Qualitätsfähigkeitskenngrößen mittels statistischer Methoden aus den stichprobenartig gemessenen Merkmalswerten berechnet.

In den verschiedenen Industrie-und Wirtschaftssektoren können die einzelnen Prozessmerkmale außerordentlich unterschiedlich und vielfältig sein. Darüber hinaus können einzelne Prozess-oder Produktmerkmale sehr unterschiedliche Verteilungen von Merkmalswerten sowie völlig unterschiedliche zeitliche Entwicklungen dieser Verteilungen aufweisen. Obwohl für die Beurteilung der Qualitätsfähigkeit von Prozessen sowohl durch internationale, regionale und nationale Normungsgremien als auch durch die Industrie zahlreiche Normen erstellt wurden, konnte bisher keine eindeutige, international gültige Terminologie etabliert werden. Eine übereinstimmend verwendete Terminologie ist für die Diskussion und Dokumentation von Zielen, Aufgaben und Ergebnissen eines Prozessmanagements von grundlegender Wichtigkeit. Auch wenn durch Benennung und Einhaltung einer bestimmten Norm berechnete

Qualitätsfähigkeitskenngrößen eindeutig einem zu beurteilenden Prozessmerkmal zugeordnet werden können, so kann der berechnete Wert der Qualitätsfähigkeitskenngröße in Abhängigkeit von der Auswertestrategie und der einzelnen statistischen Berechnungsschritte erheblich schwanken. Ausgehend von den selben Merkmalsinformationen kann deshalb die auf Qualitätsfähigkeitskenngrößen gestützte Entscheidung, ob ein Prozess erwartungsgemäß und zufriedenstellend verläuft oder verändert und optimiert werden muss, völlig unterschiedlich ausfallen.

Solche Prozessbeurteilungen und Entscheidungen sind insbesondere dann mit hohen finanziellen und organisatorischen Folgen verbunden, wenn umfangreiche und komplexe Fertigungsanlagen für die Produktherstellung notwendig sind. So können beispielsweise die Kosten einzelner Fertigungsmaschinen der Automobilindustrie leicht mehrstellige Millionenbeträge ausmachen. Die Entscheidung, ob eine bestimmte Fertigungsanlage die vom Automobilhersteller vorgegebenen Qualitätsforderungen erfüllt, muss anhand der Ergebnisse weniger Testproduktionsläufe ermittelt werden. Stellt sich später heraus, dass die gekaufte Fertigungsanlage die Qualitätsforderungen nicht erfüllt und beispielsweise die Produkte mangelhaft sind oder die Anlage hohe Ausfallzeiten aufweist, so muss nicht nur die betroffene Fertigungsanlage verbessert oder ersetzt werden. Durch die verzögerte oder mangelhafte Herstellung einzelner Bauteile können beispielsweise verbindliche Lieferzusagen nicht eingehalten werden, die Produktionslinien ganzer Automobilwerke ins Stocken geraten oder aufwendige

Rückholaktionen von fehlerhaften Teilen mit einem damit verbundenen Imageverlust notwendig werden.

Durch Normen wie beispielsweise DIN 55350-11"Begriffe zu Qualitätsmanagement und Statistik ; Begriffe des Qualitätsmanagements"kann eine eindeutige und einheitliche Terminologie vorgegeben und verwendet werden. Es existieren ebenfalls verschiedene internationale und nationale Normen, beispielsweise DIN 55319 Qualitätsfähigkeitskenngrößen'", mit denen eine bessere Vergleichbarkeit der berechneten Kenngrößen erreicht werden soll. Derartige Normierungen müssen jedoch zwangsläufig auf eine Vielzahl verschiedenster Prozesse anwendbar sein und sind deshalb derart allgemein und abstrakt formuliert, so dass für die praktische Durchführung ein großer Ermessenspielraum bleibt.

Viele größere, insbesondere international tätige Konzerne wie beispielsweise alle namhaften Automobilhersteller entwickeln deshalb eigene Standards und Richtlinien für ihr Prozessmanagement.

Die Berechnung der einzelnen Kenngrößen aus stichprobenartig gemessenen Merkmalswerten erfolgt mit Hilfe von bekannten statistischen Methoden. Die Verteilung der gemessenen Merkmalswerte wird dazu zunächst durch eine vorgegebene, bekannte Verteilungsfunktion angenähert. Dabei werden üblicherweise Verteilungen wie die Normalverteilung, die logarithmische Normalverteilung oder die Weibull- Verteilung berücksichtigt, die auf Grund ihrer mathematischen Eigenschaften eine große Anzahl der in der

Praxis vorkommenden Messwertverteilungen zufriedenstellend modellieren. Nachdem der gemessenen Merkmalsverteilung das bestmöglich annähernde Verteilungsmodell zugeordnet wurde, können die Qualitätsfähigkeitskenngrößen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells berechnet werden.

Es sind eine Vielzahl statistischer Berechnungsverfahren zur Anpassung von Modellverteilungen an vorgegebene Messwertverteilungen oder zur Berechnung statistischer Kenngrößen bekannt und in kommerziellen oder frei erhältlichen Computerprogrammen umgesetzt. Die einzelnen statistischen Verfahren und Computerprogramme unterscheiden sich dabei hinsichtlich ihres Funktionsumfangs, hinsichtlich der Möglichkeiten der Anpassung vorgegebener Verteilungsmodelle an die gemessenen Merkmalswerte sowie hinsichtlich der Effizienz, mit welcher die notwendigen Berechnungen bei vorgegebener Speichergröße und Rechenleistung durchgeführt werden können.

Für die Berechnung einer Qualitätsfähigkeitskenngröße muss. zunächst mit Hilfe eines der möglichen statistischen Verfahren unter den vorgegebenen Verteilungsmodellen dasjenige ermittelt werden, das die gemessene Merkmalswertverteilung bestmöglich beschreibt, um dann von diesem Verteilungsmodell ausgehend statistische Schätzwerte und Kenngrößen und als Funktion dieser Werte die Qualitätsfähigkeitskenngrößen zu berechnen.

Aufgabe der Erfindung ist es daher, anhand von gemessenen Merkmalswerten eine reproduzierbare und effiziente Berechnung äussagefähiger Qualitätsfähigkeitskenngrößen für die Beurteilung eines Produktionsprozesses zu ermöglichen. Möglichst wenige vorgegebene Verteilungsmodelle sollen dabei entscheidungsrelevante Merkmale eines Produktionsprozesses möglichst gut beschreiben, so däss mit möglichst geringem Einsatz von Rechnerkapazität und Rechenleistung vergleichbare Bewertungskriterien und Kenngrößen für die Beurteilung eines Produktionsprozesses ermittelt werden können. Das Verfahren sollte möglichst automatisiert ablaufen können, um auch bei der kontinuierlichen Kontrolle laufender Produktionsprozesse eingesetzt werden zu können.

Diese Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zur automatisierten Berechnung von Qualitätsfähigkeitskenngrößen für die Beurteilung eines Produktionsprozesses anhand von Messwertdaten unter Anwendung der folgenden Verfahrensschritte mittels Verwendung eines digitalen Verarbeitungssystems : Bereitstellen der Messwertdaten ; elektronische Auswahl eines zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen, wobei zumindest ein Verteilungszeitmodell einen zeitlich sich ändernden Mittelwert der Messwerte oder eine zeitlich sich ändernde Streuung der Messwerte beschreibt ; elektronische Berechnung der Qualitätsfähigkeitskenngrößen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells ; Anzeigen der Qualitätsfähigkeitskenngrößen.

Die wenigsten Messwerte von Prozessmerkmalen können mit Hilfe einer Normalverteilung beschrieben werden.

Abweichungen von der Normalverteilung können beispielsweise durch Materialschwankungen der Ausgangsprodukte begründet sein oder sind durch die Eigenschaften der betrachteten Merkmale vorgegeben, die beispielsweise wie sämtliche Form-und Lagemaße eine natürliche Grenze bei Null haben.

Auf Grund von Verschleißerscheinungen des Werkzeugs bzw. einer Fertigungsanlage oder auf Grund von Schwankungen des Ausgangsmaterials treten nicht selten sich kontinuierlich verändernde Mittelwerte oder Streuungen der gemessenen Merkmalswerte auf. Derartige Prozessmerkmale bzw. damit korrelierende Produktmerkmale können sinnvollerweise nur dann zu einer aussagefähigen Beurteilung des Produktionsprozesses herangezogen werden, wenn die zeitliche Veränderung der jeweiligen Kenngrößen durch geeignete Verteilungszeitmodelle beschrieben und entsprechende Test bei der Auswertung berücksichtigt wird.

Bei dem erfindungsgemäßen Verfahren wird deshalb zunächst mit vorgegebenen statistischen Testverfahren und- kriterien geprüft, ob der Mittelwert und die Streuung der gemessenen Merkmalswerte über einen vorgegebenen Zeitraum konstant ist. In Abhängigkeit davon wird aus den vorgegebenen Verteilungszeitmodellen dasjenige bestimmt, was über den gesamten Zeitraum der Messwerterfassung die gemessene Verteilung der Merkmalswerte bestmöglich beschreibt. Es ist dabei denkbar, dass mittels einer abschnittsweise durchgeführten Trendkompensation die

gemessenen Merkmalswerte in transformierte Werte abgeändert werden, die dann mit zeitlich konstanten Verteilungszeitmodellen beschrieben werden können.

Nach der automatisierten Ermittelung des zutreffenden Verteilungszeitmodells erfolgt die Berechnung und die Anzeige der Qualitätsfähigkeitskenngrößen in Abhängigkeit von dem ausgewählten Verteilungszeitmodell.

Die Entscheidung zwischen einzelnen Verteilungszeitmodellen sowie die elektronische Berechnung der Qualitätsfähigkeitsmodellen erfolgt dabei anhand vorgegebener Kriterien gemäß einer eindeutig vorgegebenen Auswertestrategie. Da die Berechnung und Anzeige der Qualitätsfähigkeitskenngrößen vollständig automatisiert nach einer bekannten Auswertestrategie 'abläuft, ist dadurch die identische Reproduzierbarkeit der Ergebnisse gewährleistet. Die berechneten Qualitätsfähigkeitskenngrößen verschiedener Äuswertezeiträume oder Produktionsstätten können deshalb direkt miteinander verglichen werden.

Einer Ausführung des Erfindungsgedankens zufolge ist vorgesehen, dass die Messwertdaten automatisiert kontinuierlich über einen vorgegebenen Zeitraum erfasst werden und in vorgegebenen Intervallen eine Berechnung und Anzeige der Qualitätsfähigkeitskenngrößen erfolgt.

Dies kann beispielsweise dadurch geschehen, dass einzelne Messgeräte direkt mit dem Auswertecomputer verbunden werden und über eine Schnittstelle die kontinuierlich gemessenen Werte in einem für die Auswertung geeigneten Datenformat übertragen. In vorgegebenen Intervallen kann

dann automatisiert die Berechnung der Qualitätsfähigkeitskenngrößen durchgeführt werden und somit eine automatisiert ablaufende kontinuierliche Kontrolle des Produktionsprozesses erfolgen.

Vorteilhafterweise ist vorgesehen, dass extreme Messwerte innerhalb eines Datensatzes von Messwerten automatisiert ermittelt und gelöscht werden. Kurzzeitige Störungen der Messgeräte oder Fehler bei der Übertragung der Messergebnisse können zu Messwerten führen, die beispielsweise außerhalb vorgegebener Plausibilitätsgrenzen liegen können. Es ist zweckmäßig, solche Werte nicht zur Berechnung der Qualitätsfähigkeitskenngrößen zu verwenden, da ansonsten auf Grund fehlerhaft berechneter Kenngrößen beispielsweise eine komplexe Fertigungsanlage angehalten und aufwendig überprüft wird, obwohl die Produkte einwandfrei hergestellt wurden.

Ein digitales Verarbeitungssystem zur Durchführung des erfindungsgemäßen Verfahrens kann hardwaremäßig oder softwaremäßig oder mittels einer geeigneten Kombination von Hardware-und Softwarekomponenten realisiert werden.

Ein Ausführungsbeispiel eines derartigen digitalen Verarbeitungssystems wird in einer der folgenden Figuren näher beschrieben.

Weitere vorteilhafte Ausführungen des Erfindungsgedankens sind Gegenstand weiterer Unteransprüche.

Die Erfindung wird nachstehend anhand von Zeichnungen noch näher erläutert. Es zeigt :

Fig. 1 ein schematisches Flussdiagramm, welches einen allgemeinen Überblick über die erfindungsgemäß auszuführenden Verfahrensschritte gibt, Fig. 2 ein schematisches Flussdiagramm einer bevorzugten Ausführungsform des erfindungsgemäßen Verfahrens, Fig. 3 eine Darstellung einer gemessenen Verteilung von Messwerten mit zwei daran angepassten Verteilungszeitfunktionen, Fig. 4 eine weitere Darstellung einer anderen gemessenen Verteilung von Messwerten mit zwei daran angepassten Verteilungszeitfunktionen und Fig. 5 eine schematische Skizze für die Verbindung eines Messgerätes über eine Schnittstelle mit einem Ausführungsbeispiel der erfindungsgemäßen Vorrichtung.

Das in der Fig. 1 schematisch dargestellte Flussdiagramm zeigt die wesentlichen Verfahrensschritte, die nacheinander durchgeführt werden müssen, um ausgehend von gemessenen Merkmalswerten Qualitätsfähigkeitskenngrößen zu berechnen und anzuzeigen. In der Fertigung bzw.

Produktion fallen an verschiedensten Stellen Messdaten an. Dies können einerseits Messwerte von Merkmalen und Teilen oder Prozessparameter sein. Die Messdaten werden von verschiedenen Messgeräten bzw. Messverfahren zur Verfügung gestellt. In einem ersten Verfahrensschritt 1 werden die verschiedenen Messwerte erfasst und in ein für

die Weiterverarbeitung geeignetes Datenformat konvertiert.

In einem zweiten Verfahrensschritt 2 wird mittels einer vorgegebenen Auswertestrategie das die Messwerte am besten beschreibende Verteilungszeitmodell aus den verschiedenen vorgegebenen Verteilungszeitmodellen ausgewählt. Die einzelnen Entscheidungen innerhalb dieser Auswahlstrategie basieren auf statistischen Testverfahren. Aus dem jeweiligen Datensatz der Messwerte wird eine testspezifische Prüfgröße bestimmt. In Abhängigkeit von einem vorgegebenen Vertrauensniveau, beispielsweise 95 %, 99 % oder 99,9 %, werden kritische Werte für die zugrunde liegenden Annahmen berechnet. Je nachdem wie der Vergleich zwischen der aus den Messwerten berechneten Prüfgröße und dem jeweiligen kritischen Wert ausfällt, kommt die angenommene Nullhypothese oder eine Alternativhypothese zum Tragen.

Durch mehrere nacheinander ausgeführte Entscheidungen erfolgt eine Klassifikation des zeitlichen Verhaltens wesentlicher Kenngrößen der Messwerte. Im Anschluss daran muss aus mehreren zeitlich konstanten Verteilungsmodellen dasjenige ausgesucht werden, welches die gemessenen Merkmalswerte bestmöglich beschreibt. Üblicherweise werden dabei die Normalverteilung, die logärithmische Normalverteilung, eine Betragsverteilung erster oder zweiter Art, die Weibull-Verteilung oder eine durch additiv gewichtete Normalverteilungen zusammengesetzte Mischverteilung berücksichtigt. Welche der genannten Verteilungen für den jeweiligen Datensatz zutreffend ist, wird basierend auf einer Netzregression bestimmt. Dazu

werden zwei Regressionskoeffizienten R1 und R2 berechnet, wobei für die Berechnung von R1 alle Messwerte berücksichtigt werden, während für die Berechnung von R2 nur 25% der Werte herangezogen werden. Die beiden Regressionskoeffizienten werden für alle vorgegebenen Verteilungsmodelle berechnet. Als Entscheidungskriterium für das bestangepasste Verteilungsmodell wird die Summe der beiden Regressionskoeffizienten R1 und R2 herangezogen.

Mit der Auswahl des zutreffenden Verteilungszeitmodells wird eine zugehörige Berechnungsmethode der Qualitätsfähigkeitskenngrößen eindeutig festgelegt. Diese Berechnung der Qualitätsfähigkeitskenngrößen als Funktion von mit statistischen Methoden ermittelten Schätzwerten für Kenngrößen des ausgewählten Verteilungszeitmodells erfolgt in einem dritten Verfahrensschritt 3.

Daran anschließend erfolgt die Anzeige der Qualitätsfähigkeitskenngrößen 4. Wird die Berechnung der Qualitätsfähigkeitskenngrößen durchgeführt, um als Grundlage für eine zu treffende Entscheidung zu dienen, so ist eine möglichst umfassende Ausgabe der aufbereiteten Messwertdaten, der einzelnen Entscheidungen sowie der durchgeführten statistischen Rechnungen zweckmäßig. Für die Entscheidung über eine größere Investition oder Umstrukturierung stehen damit neben den berechneten Qualitätsfähigkeitskenngrößen eine Vielzahl weiterer Informationen zur Verfügung. Wird die Berechnung von Qualitätsfähigkeitskenngrößen dagegen zur Überwachung laufender Produktionsprozesse eingesetzt, so kann die Anzeige darauf beschränkt werden, ob die

Qualitätsfähigkeitskenngrößen innerhalb eines vorgegebenen Bereichs liegen oder aber derart davon abweichen, dass ein sofortiges Eingreifen erforderlich wird.

Das in Fig. 2 dargestellte Flussdiagramm zeigt schematisch die Auswahlstrategie, nach welcher eine Auswahl des zutreffenden Verteilungszeitmodells erfolgt.

Mit Fig. 2 wird demnach die in Fig. 1 als zweiter Verfahrensschritt bezeichnete Auswahl des Verteilungszeitmodells detailliert beschrieben. Dabei sind zu treffende Entscheidungen als Rauten dargestellt.

Eine getroffene Entscheidung wird entweder mit"ja"oder "nein"gekennzeichnet oder als bestätigt Nullhypothese "HO"bzw.Alternativhypothese"Hl"bezeichnet.

Zunächst erfolgt eine optionale Aufbereitung der erfassten Messwerte 5. Dabei werden die Messwerte eines Datensatzes auf Ausreißer untersucht. Ausreißer können dabei sein : Werte außerhalb von eingegebenen Plausibili- tätsgrenzen, Werte außerhalb der natürlichen Grenzen oder Werte, die basierend auf einem Test, beispielsweise dem Test nach Hampel, als Ausreißer identifiziert wurden. Der Datensatz wird anschließend um diese Ausreißer bereinigt.

In einem nächsten Schritt 6 wird das zeitliche Verhalten der Streuung der gemessenen Merkmalswerte untersucht.

Anhand eines Tests, beispielsweise des Tests nach Levene, wird festgestellt, ob die Streuung als konstant angesehen werden kann. Falls die Streuung nicht konstant ist (Zweig H1), wird zur Beschreibung das Verteilungsmodell einer Mischverteilung 7 herangezogen.

Falls die Streuung als konstant identifiziert wird (Zweig HO), wird daraufhin das zeitliche Verhalten der Lage der gemessenen Verteilung untersucht 8. Für diese Entscheidung werden beispielsweise Tests wie der F-Test oder der Kruskal-Wallis-Test herangezogen. Ist basierend auf den jeweiligen Testverfahren die Nullhypothese zutreffend (Zweig HO), kommt nur eine eingipflige Verteilung zum Tragen. Auf Grundlage der gemessenen Verteilung und/oder der Eigenschaften des betrachteten Merkmals wird dann schrittweise das zutreffende Verteilungsmodell ermittelt, wobei typischerweise eine Auswahl zwischen der Normalverteilung, der logarithmischen Normalverteilung, einer Betragsfunktion 1. oder 2. Art oder einer Weibull-Verteilung getroffen wird. Ist bei einem Merkmal keine Merkmalsart hinterlegt, kann die Auswahl des Verteilungsmodells basierend auf vorgegebenen Grenzwerten (einseitig bzw. zweiseitig begrenzt) erfolgen.

Falls bei Untersuchung der Lage 8 diese als nicht konstant erkannt wird (Zweig H1), wird mit weiteren Tests 9 festgestellt, ob ein Trend vorhanden ist. Werden dabei ein oder mehrere Trends festgestellt (Zweig HO), wird in einem nächsten Schritt 10 untersucht, ob das Verteilungszeitmodell einer erweiterten Normalverteilung die gemessenen Messdaten beschreibt (Zweig HO).

Anderenfalls (Zweig H1) wird zusätzlich mit Hilfe weiterer Tests 11, beispielsweise des erweiterten Shapiro-Wilk-Tests, überprüft, ob temporär eine Normalverteilung vorliegt. Ist dies zutreffend (Zweig

HO), wird als grundlegendes Verteilungsmodell die Mischverteilung herangezogen.

Ist das Ergebnis des Tests 11 auf das temporäre Vorliegen einer Nörmalverteilung die Alternativhypothese (H1), wird anhand der Tests auf Normalverteilung überprüft, ob der gesamte Datensatz mit dem Verteilungsmodell einer Normalverteilung beschrieben werden kann. Ist das Ergebnis des Tests die Alternativhypothese (Zweig Hl), wird unter Berücksichtigung des zeitlichen Verhaltens der gemessenen Verteilung der Merkmalswerte das best- angepasste Verteilungsmodell gesucht.

Mit Kenntnis des zeitlichen Verhaltens der Streuung und der Lage der gemessenen Verteilung der Merkmalswerte sowie des die Messwerte am besten beschreibende Verteilungsmodells kann die Berechnungsmethode der Qualitätsfähigkeitskenngrößen eindeutig festgelegt werden. Die einzelnen Berechnungen im darauf folgenden Schritt (Verfahrensschritt 3 in der Fig. 1) können dann ohne weitere Entscheidung und unabhängig von der Form der gemessenen Verteilung durchgeführt werden.

Die Fig. 3 und 4 zeigen zweidimensionale Darstellungen eines gemessen Datensatzes von Merkmalswerten. Die verschiedenen Merkmalswerte sind dabei auf der Abszisse angeordnet,'die zugeordnete Häufigkeit, mit der der jeweilige Merkmalswert gemessen wurde, ist auf der Ordinate dargestellt. Die gemessene Verteilung der Merkmalswerte ist dabei in beiden Figuren als grau hinterlegtes Histogramm dargestellt.

Die in Fig. 3 gezeigte gemessene Verteilung der Merkmalswerte 12 weist eine komplizierte Verteilungsform auf. Deutlich ersichtlich wird die gemessene Verteilung der Merkmalswerte 12 nur schlecht durch eine angepasste Normalverteilung 13 beschrieben, dargestellt als gestrichelte Linie. Bei der Anwendung des erfindungsgemäßen Verfahrens wird dagegen im vorliegenden Fall eine Mischverteilung ausgewählt, die nach erfolgter Anpassung die gemessene Verteilung wesentlich besser beschreibt. Die angepasste Mischverteilung 14 ist in dem Diagramm in Fig. 3 durch eine durchgezogene Linie gekennzeichnet.

In Fig. 4 wird die gemessene Häufigkeitsverteilung eines Merkmalswertes 12'als grau hinterlegtes Histogramm dargestellt, bei dem der gemessene Merkmalswert eine natürliche Grenze 15 nicht unterschreiben kann. Die Abmessungen eines hergestellten Werkstücks sind ein Beispiel für einseitig begrenzte, in diesem Fall nullbegrenzte Merkmale. Eine Normalverteilung 13', dargestellt als gestrichelte Linie, kann auf Grund ihrer Symmetrie nur schlecht an die gemessene Häufigkeitsverteilung 12'angepasst werden. Die gemessenen Merkmalswerte werden wesentlich besser durch eine Betragsfunktion erster Art 14'beschreiben, dargestellt mit einer durchgezogenen Linie.

Die einzelnen Entscheidungen, welches Verteilungsmodell mit welchem Zeitverhalten am besten an die gemessenen Merkmalswerte angepasst werden kann und ausgehend davon die Berechung der Qualitätsfähigkeitskenngrößen erfolgt bei dem in den Fig. 1 und 2 dargestellten

erfindungsgemäßen Verfahren vollständig automatisiert und reproduzierbar.

In Fig. 5 ist ein Ausführungsbeispiel einer erfindungsgemäßen Vorrichtung zur automatisierten Berechnung von Qualitätsfähigkeitskenngrößen für die Beurteilung eines Produktionsprozesses anhand von Messdaten schematisch dargestellt. Die Vorrichtung umfasst eine Recheneinrichtung 16, die ein Programm zur automatisierten Auswahl des zutreffenden Verteilungszeitmodells und der Berechnung von Qualitätsfähigkeitskenngrößen ausführen kann. Mit der Recheneinrichtung 16 ist eine Eingabeeinrichtung 17 verbunden, mittels derer die auszuwertenden Messwerte erfasst werden können. Nach Berechnung der Qualitätsfähigkeitskenngrößen können diese zusammen mit weiteren Informationen mittels einer Anzeigeeinrichtung 18 dargestellt werden.

Auf einem mit der Recheneinrichtung 16 verbundenen Speichermedium 19, beispielsweise eine Festplatte, können die erfassten Messwerte, die berechneten Qualitätsfähigkeitskenngrößen sowie beliebige Zwischenergebnisse und weitere Informationen der einzelnen Berechnungen und Entscheidungsvorgänge . abgespeichert werden. In einer separaten Konfigurationsdatei 20 werden alle Vorgaben gespeichert, die für die Berechnung der Qualitätsfähigkeitskenngrößen herangezogen werden. Dies kann auch vorgebbare Entscheidungsparameter beinhalten, mittels derer die Auswahl des zutreffenden Verteilungszeitmodells aus mehreren vorgegebenen Verteilungszeitmodellen steuerbar

ist. Es ist denkbar, dass auf diese Weise das Verfahren und die dafür verwendete Vorrichtung an nutzerspezifische Vorgaben angepasst werden können.

Die Vorrichtung weist eine Schnittstelle 21 auf, über die ein externes Messgerät 22 mit der Vorrichtung verbunden werden kann. Ein angeschlossenes Messgerät 22 kann dann über die Schnittstelle 21 Messdaten an die Recheneinheit übermitteln. In regelmäßigen Intervallen kann automatisiert sowohl eine Erfassung der bereitstehenden Messdaten als auch eine Berechnung der Qualitätsfähigkeitskenngrößen durchgeführt werden. Auf diese Weise ist eine automatisch ablaufende kontinuierliche Kontrolle eines Produktionsprozesses durch die Vorrichtung mit Hilfe des daran angeschlossenen Messgeräts 22 möglich.