Видео

Hallo, verwenden Sie in MS-Excel die Funktion STABW.S, um die Standardabweichung basierend auf einer Stichprobe zu ermitteln. In anderen Programmen gibt es äquivalente Funktionen. In Programmen wie z.B. Q-DAS solara.MP wird die Standardabweichung automatisch berechnet.

Hallo, vielen Dank für Ihre positive Rückmeldung und den Hinweis zum c/u. Da hat sich der Fehlerteufel eingeschlichen. Ein Argument, die untere Eingriffsgrenze (UEG) wegzulassen, wäre eine Ressourcenoptimierung durch Vereinfachung der Überwachung. Der Fokus läge dann auf der Fehlerreduzierung. In der Formel für die UEG und die obere Eingriffsgrenze (OEG) steht die 3 vor der Klammer für das Dreifache der Standardabweichung der Normalverteilung. Die Festlegung, dass hier die OEG liegen soll, bleibt von der Entscheidung, die UEG wegzulassen, zunächst einmal unbenommen. Die Wahrscheinlichkeit für ein Überschreiten der OEG bleibt bei 0,135 % (ergibt sich aus (100 - 99,73) / 2). Die Nicht-Eingriffswahrscheinlichkeit erhöht sich dabei von 99,73 % auf 99,865 % (ergibt sich aus 99,73 + 0,135). Nur wenn Sie die Nicht-Eingriffswahrscheinlichkeit für eine einseitige Grenze bei 99,73 % belassen wollen, müssen Sie den Faktor vor der Wurzel von 3 auf 2,78 anpassen. Ein weiteres Beispiel wäre, wenn Sie sich für eine Nicht-Eingriffswahrscheinlichkeit von z.B. 99 % statt 99,73 % entscheiden. Dann ändert sich der Faktor von 3 zu 2,326 für eine einseitige Grenze und zu 2,576 für eine zweiseitige Eingriffsgrenze bei einer Nicht-Eingriffswahrscheinlichkeit von 99 %. Diese Werte entnehmen Sie z.B. Tabellen für die Standardnormalverteilung. Ich hoffe, ihnen hilft die Antwort weiter.

Vielen Dank für Ihr positives Feedback. Es ist sehr motivierend zu hören, dass die Videos hilfreich sind. Ich wünsche Ihnen weiterhin viel Erfolg auf Ihrem Weg zum Green Belt!

Hello, Thank you for your question. I hope you find the following explanation helpful: If bias fails but Cgk is good in a Type 1 study, it indicates that while the measurement system can consistently replicate the same results (good precision), it systematically deviates from the true value (poor accuracy). This scenario suggests that although the gauge can reliably distinguish between close measurements, any conclusions drawn from the data may be systematically shifted or incorrect due to the bias. Steps to Address the Issue: Calibration: The measurement system should be recalibrated to align it closer to the true value, reducing the bias. Root Cause Analysis: Investigate why the bias occurred. This could involve examining the measurement device, operator errors, or environmental factors. Repeat the Type 1 Study: After addressing the bias, the Type 1 study should be repeated to ensure the bias has been effectively corrected and to reevaluate the Cgk. Monitor and Control: Continuously monitor the measurement system for any future occurrences of bias and implement regular checks to ensure ongoing accuracy and precision.

@@ihdeacademy Hi thanks for a detailed response, so based on this, you would fail the study based on Bias having a p-value less than 0.05? even though Cg and Cgk is good.

Hi, Thank you for your follow-up question. Yes, the study would fail based on a bias having a p-value less than 0.05, even if Cg and Cgk are good. The p-value indicates the statistical significance of the bias. A p-value less than 0.05 means the observed bias is unlikely to be due to random chance, indicating a significant systematic error in the measurement system. While Cg and Cgk demonstrate good precision (i.e., the measurement system can consistently produce repeatable results), a significant bias suggests that the measurements are not accurate. This means the measurement system is not reliable for making accurate decisions, as the systematic deviation from the true value could lead to incorrect conclusions. Significant bias undermines the reliability of the measurement system. Therefore, corrective actions are necessary to address and eliminate the bias, as suggested in my previous answer, before the system can be deemed acceptable.

Dann wünsche ich dir viel Freude beim Lernen. Bleib am Ball und viel Erfolg!

Hi, thank you for your question. At 2:15, it is mentioned that a part from the series that has been calibrated serves as the 'normal' reference part. A reference value of xm = 60.1030 is specified, i.e., measured for the diameter. You may remember that in the context of quality control or manufacturing, a calibrated part would be one that has been measured and confirmed to match certain specifications very closely, serving as a standard or benchmark for other parts.

Danke für die positive Rückmeldung. Das freut uns sehr.

Thank you for the positive feedback. I'm glad the video helped you.

Es freut mich sehr, dass das Tutorial Ihnen rechtzeitig helfen konnte! Viel Erfolg bei Ihrer Auswertung am Donnerstag.

Thank you so much for your feedback! I'm glad you found the Video helpful.

Danke für das positive Feedback. Freut mich sehr.

Thank you so much for your wonderful feedback! It's truly heartening to hear that my content resonates with you. Wishing you a Happy New Year filled with joy and success!

Hallo, vielen Dank für Ihr Feedback. Sehr aufmerksam, da hat sich tatsächlich der Fehlerteufel eingeschlichen. Eigentlich sollte durchgängig USG und OSG verwendet werden. USW sollte USG sein. Hier nochmal die üblichen Definitionen für die Grenzwerte: USG = untere Spezifikationsgrenze UGW = unterer Grenzwert LSL = Lower Specification Limit OSG = obere Spezifikationsgrenze OGW = oberer Grenzwert USL = Upper Specification Limit

Hallo, vielen Dank für das positive Feedback. Bezüglich Ihrer Frage müssen zwei Aspekte getrennt betrachtet werden. Für die effektive Überwachung eines Prozesses mittels einer Regelkarte ist es erforderlich, dass dieser unter statistischer Kontrolle steht, d.h., er sollte stabil und vorhersagbar sein. Dies bedeutet, dass die Prozessvariabilität hauptsächlich aus zufälligen Ursachen und nicht aus speziellen, identifizierbaren Ursachen resultiert. Diese Bedingung kann bei unterschiedlichen Prozessen zutreffen, etwa bei einem Fehleranteil p von 0,4%, 0,75% oder, wie im Video erwähnt, 1%. Die Eingriffsgrenzen der Regelkarte werden für den individuellen Prozess berechnet. Dabei soll die Regelkarte so empfindlich sein, dass sie mit einer Wahrscheinlichkeit von einem Prozent ein Signal liefert, welches dann ein Hinweis darauf ist, dass sich der Prozess nicht mehr unter statistischer Kontrolle befindet. Die Eingriffswahrscheinlichkeit selbst bleibt unverändert, da sie auf 1% festgelegt ist. Was sich aber ändern kann, ist die Häufigkeit mit der die Regelkarte ein Signal generiert, d.h. die Eingriffsgrenze überschritten wird, wenn sich z.B. die Streuung des Prozesses erhöht. Ich hoffe damit, Ihre Frage beantwortet zu haben. Gruß, IHDE Academy

Vielen Dank für Ihr Feedback! Es freut mich, dass Ihnen die Videos gefallen.

Hi, if you want to learn how to add control limits or confidence intervals, I recommend this video titled "Excel Normal Distribution Chart: Example Calculate Confidence Intervals Excel 1-6." In my opinion, having the histogram, bell curve, and the area under the curve filled all in one chart exceeds the practical use of Excel.

Hi, I'm glad you enjoyed the video and appreciate your enthusiasm.

@ihdeacademy Great information. Thanks for responding.

You're very welcome! I'm glad you found the explanation helpful.

Hallo, wie der Anteil zwischen Mehrfachen der Standardabweichung für die Normalverteilung berechnet wird, wird in diesem Video gezeigt: Standardisierte Normalverteilung: Berechnung mit Excel | Regelkarten var. 1-2.3| IHDE Academy

Vielen Dank für das positive Feedback! Es freut mich sehr zu hören, dass Sie das Video nützlich finden und es sogar in Ihre Vorlesung integrieren möchten. Wenn Sie Anregungen haben, lassen Sie es mich bitte wissen. Alles Gute für Ihre Vorlesungen und vielen Dank fürs Teilen!

Hi, the D3 and D4 constants are a function of d2, d3, and n. E.g., for a sample size of n=5: D3 = 1 - 3(d3n=5 / d2n=5) and D4 = 1 + 3(d3n=5 / d2n=5). The bias correction constants d2 and d3 are also tabulated. If you want to know how d2 is estimated, just google "Range Statistics and d2 Constant, Andrew Milivojevich".

Hello, I'm always happy when the videos help. Thanks for the feedback.

Hallo, vielen Dank für die positive Rückmeldung. Zu ihrer Frage der K-Faktoren: Ggf. sind sie im Zusammenhang mit Regelkarten schon mal darüber gestoßen, dass die Standardabweichung mit Hilfe der Range (Spannweite) und dem Faktor d2 geschätzt werden kann. Die K-Faktoren sind der inverse Wert von d2. K1 ist abhängig von der Anzahl der Wiederholungen also Messungen je Prüfobjekt (r) und der Anzahl der Teile (n) mal der Anzahl der Prüfer. K2 ist abhängig von der Anzahl der Prüfer. K3 ist abhängig von der Anzahl (n) der Prüfobjekte. Eine Tabelle der d2 Faktoren finden sie über Google, suche „Andrew Milivojevich d2 factor“. Eine solche Tabelle finden sie auch in der AIAG Measurement System Analysis MSA Tabelle C1 oder im Buch Eignungsnachweis von Prüfprozessen von Dietrich und Schulze. Viele Grüße.

@@ihdeacademy Das ist sehr nett von Ihnen. Danke für die Mühe Es hilft ungemein Manches aus einem anderen Blickwinkel nochmal erklärt zu bekommen.

Hallo, viel Dank für die positive Rückmeldung und vor allem die konstruktive Kritik. Ja, da hat sich bei der AP der Fehlerteufel eingeschlichen. Sollte L sein. Hmmm, RPZ weglassen? Da habe ich mit mir auch etwas gehadert. Zum Beispiel verlangt die IATF 16949 ja lediglich einen FMEA basierten Ansatz zur Risikoanalyse und nicht zwingend die Verwendung der Aufgabenpriorität AP gemäß dem AIAG & VDA FMEA Handbuch. Da auch die RPZ wohl noch lange in älteren FMEA auftauchen wird und ich nicht glaube, dass sich jede Branche an dem AIAG & VDA FMEA Handbuch orientiert, wollte ich diese dann doch nicht ganz weglassen. Danke nochmal für die Rückmeldung und viele Grüße.

@@ihdeacademy Bzgl. der RPZ bin ich voll bei Ihnen. Jetzt, nachdem ich mich intensiv damit befassen musste, bin ich auch der Meinung, dass die RPZ an dieser Stelle nie ganz verschwinden kann oder sollte. Ich habe jetzt den Weg der FMEA in Anlehnung an die ISO14971 gewählt und arbeite mit Risikomatrizen und gar nicht mehr mit der RPZ und bin so ganz zufrieden. So gehe ich nur unangenehmen Fragen aus dem Weg.

War hoffentlich nett hier. Danke fürs vorbeischauen.

Moin. Vielen Dank für die positive Rückmeldung. Ich werde ihre Anregung gerne im Hinterkopf behalten.

Vielen Dank! Freut mich sehr.

Hello, thank you for bringing this to my attention and thereby giving me the opportunity to improve the video. Corrections: 1) For appraiser A, column 9, the mean should be 60.1 and not 61.0. So you are correct that PA should be 60.101mm (rounded) and not 60.4mm. 2) The average range of the parts Rp is the difference of PAmax minus PAmin. I guess I wanted to write something like PA => Rp. But I could have explained that part better. Thanks!

@@ihdeacademy Does this not also mean that the value for Rp should in fact be 0.006 and all the following calculations which use Rp=0.304 are therefore incorrect?

Thank you for your positive feedback. Very motivating.

Hi, die Lieder sind von Aakash Gandhi: Lifting Dreams, Kiss the Sky, Shattered Paths und White River.

Hi, freut mich zu hören. Vielen Dank für die positive Rückmeldung.

The FMEA evaluates the severity of the characteristics and functions of assemblies and components. From the severity follows the classification into significant or critical. The probability of an error occurring is low if specified machine capabilities or process capabilities are met. An example of an assembly is the breaking load of a seat belt. --> e.g. breaking load Cpk >=1.33. Imagine that the safety belt contains two steel brackets that are riveted together and also have to meet this breaking load. At a component level, it could be argued that the diameter of the rivet bore is important for the breaking load. --> e.g. diameter of the rivet bore Cmk >=1.33.