Zum Inhalt springen

Konformität und Audits

Gage R&R und Messsystemanalyse (MSA) erklärt

8 Min. Lesezeit Veröffentlicht Aktualisiert

Gage R&R misst, wie viel der erfassten Streuung vom Messsystem selbst stammt, aufgeteilt in Wiederholbarkeit (derselbe Prüfer, dasselbe Messmittel) und Vergleichbarkeit (zwischen den Prüfern). Es ist die Kernstudie der Messsystemanalyse, kurz MSA. Mit ihr trennen Sie beide Anteile und entscheiden, ob Sie den Zahlen trauen können. Dieser Leitfaden erklärt die Familien der MSA-Studien in einfachen Worten, wie sich Gage R&R von Bias und Linearität unterscheidet, was die Grenzwerte für %GRR und NDC bedeuten, wann Sie welche Studie durchführen und wie das Ganze mit der Kalibrierung zusammenhängt.

Was eine Messsystemanalyse ist

Das Messsystem ist nicht nur das Messmittel. Dazu gehören das Messmittel, die Person, die es benutzt, das Verfahren, die Vorrichtung und die Umgebung, die zusammen einen Messwert erzeugen. Die Messsystemanalyse ist eine Reihe von Studien, die Ihnen zeigen, wie viel der beobachteten Streuung von den Teilen selbst stammt und wie viel als Rauschen von diesem System hinzukommt.

Das zählt, weil Sie auf Grundlage von Messungen entscheiden. Sie nehmen Teile an oder weisen sie zurück, stellen einen Prozess nach oder beurteilen, ob ein Messmittel noch richtig anzeigt. Stammt ein großer Teil der gemessenen Streuung vom Messsystem statt von den Teilen, beruhen diese Entscheidungen auf Rauschen. Die MSA gibt Ihnen eine begründbare, zahlenmäßige Antwort auf eine einfache Frage: Können Sie den Zahlen trauen, die dieses System liefert?

Die MSA wird am stärksten mit der Qualitätswelt der Automobilindustrie verbunden. Dort legt das AIAG-Referenzhandbuch Measurement Systems Analysis die üblichen Methoden fest, und Produktionslenkungspläne nach IATF 16949 fordern sie regelmäßig. Die Ideen gelten aber überall, wo Sie messen, um zu entscheiden.

Die drei Familien der MSA-Studien

Viele sagen MSA und meinen Gage R&R, doch Gage R&R ist nur ein Teil des Bildes. MSA ist eine Familie von Studien, und jede beantwortet eine andere Frage. Wer die Studien auseinanderhalten kann, führt die richtige durch, statt einen Vormittag mit der falschen zu verlieren. Die drei Familien unten decken fast alles ab, was Sie brauchen werden.

  • Gage R&R (Wiederholbarkeit und Vergleichbarkeit) misst die Präzision. Die Studie zeigt, wie viel Streuung das Messsystem hinzufügt, wenn verschiedene Personen dieselben Teile mehrmals messen. Sie sagt nichts darüber, ob die Messwerte richtig sind, nur ob sie übereinstimmen.
  • Bias und Linearität messen zusammen mit der Stabilität die Richtigkeit. Sie vergleichen die Messwerte des Systems mit einem bekannten Referenzwert. Der Bias ist die Abweichung an einem Punkt, die Linearität beschreibt, wie sich diese Abweichung über den Bereich ändert, und die Stabilität, wie sie über die Zeit driftet.
  • Die Analyse der attributiven Übereinstimmung deckt Urteile ab, die keine Zahlen sind: gut oder schlecht, Gut- oder Ausschussseite einer Lehre, annehmen oder zurückweisen, oder eine Note aus der Sichtprüfung. Sie misst, ob Prüfer miteinander, mit sich selbst und mit der richtigen Antwort übereinstimmen.
Tipp: Ein System kann präzise, aber falsch sein, oder im Mittel richtig, aber zu verrauscht, um ihm zu trauen. Genau deshalb sind Gage R&R sowie Bias und Linearität getrennte Studien. Meist brauchen Sie beide.

Gage R&R: Wiederholbarkeit und Vergleichbarkeit erklärt

Gage R&R ist das Arbeitspferd der MSA. Die beiden R stehen für Repeatability und Reproducibility, also Wiederholbarkeit und Vergleichbarkeit, und sie erfassen zwei verschiedene Quellen der Messstreuung.

Wiederholbarkeit ist die Streuung, die entsteht, wenn eine Person dasselbe Teil mit demselben Messmittel mehrmals misst. Sie heißt auch Gerätestreuung, weil sie das Messmittel und die Messung selbst widerspiegelt. Zeigt ein Messschieber am selben Endmaß drei verschiedene Werte, ist diese Streuung die Wiederholbarkeit.

Vergleichbarkeit ist die Streuung, die entsteht, wenn verschiedene Personen dieselben Teile messen. Sie heißt auch Prüferstreuung, weil sie Unterschiede darin widerspiegelt, wie Menschen das Messmittel handhaben, das Teil einlegen oder die Skala ablesen. Sind sich zwei Prüfer bei denselben Teilen durchgehend uneinig, ist dieser Abstand die Vergleichbarkeit.

Eine typische Studie fasst beides zu einem einzigen Maß der Messsystemstreuung zusammen, meist als GRR geschrieben. Der folgende Studienaufbau ist der übliche, und wer sich daran hält, erhält ein vertrauenswürdiges Ergebnis.

  • Wählen Sie etwa 10 Teile, die die tatsächliche Prozessstreuung abbilden, nicht 10 gute Teile.
  • Setzen Sie 2 bis 3 Prüfer ein, die diese Messung normalerweise durchführen.
  • Lassen Sie jeden Prüfer jedes Teil 2 bis 3 Mal messen, in zufälliger Reihenfolge und ohne Kenntnis seiner früheren Messwerte.
  • Halten Sie Messmittel, Verfahren und Bedingungen so wie im realen Fertigungseinsatz.

Gage-R&R-Ergebnisse lesen: %GRR und NDC

Die rohe GRR-Zahl sagt für sich allein nichts aus. Sie vergleichen sie mit etwas: entweder mit der gesamten in der Studie beobachteten Streuung oder mit Ihrer Toleranz. Als Prozentsatz ausgedrückt ist das der %GRR. Welche Bezugsgröße Sie nehmen, ist wichtig. Der Anteil an der Studienstreuung zeigt, wie das System gegenüber Ihrer tatsächlichen Prozessstreuung abschneidet. Der Anteil an der Toleranz zeigt, wie es gegenüber der Spezifikation abschneidet, die Sie einhalten müssen. Beide können unterschiedliche Antworten geben. Geben Sie also immer an, welche Sie verwendet haben.

Die verbreiteten AIAG-Richtwerte für den %GRR sind leicht zu merken, doch behandeln Sie sie als Richtwerte und nicht als Gesetz. Der richtige Grenzwert hängt davon ab, wofür die Messung dient und was eine falsche Entscheidung kostet.

  • Unter 10 Prozent: Das Messsystem gilt im Allgemeinen als akzeptabel.
  • 10 bis 30 Prozent: kann akzeptabel sein, abhängig von der Bedeutung der Anwendung, den Kosten des Messmittels und den Kosten einer falschen Entscheidung.
  • Über 30 Prozent: Das System gilt im Allgemeinen als nicht akzeptabel und muss verbessert werden, bevor Sie sich darauf verlassen.
  • NDC (Anzahl unterscheidbarer Kategorien): wie viele getrennte Gruppen das System über Ihren Prozessbereich zuverlässig unterscheiden kann. Üblich ist ein Zielwert von 5 oder mehr. Darunter kann das System echte Unterschiede zwischen Teilen kaum auflösen.
Tipp: Eine häufige Falle ist eine Studie an 10 nahezu identischen guten Teilen. Unterscheiden sich die Teile kaum, sieht das Messsystem schlecht aus, egal wie gut es ist. Wählen Sie Teile, die den tatsächlichen Bereich abdecken.

Bias und Linearität: die Richtigkeit in der MSA

Gage R&R zeigt Ihnen, ob ein System übereinstimmend misst. Ob es richtig misst, kann die Studie nicht zeigen. Ein Messmittel kann den ganzen Tag dieselbe falsche Zahl wiederholen. Dafür gibt es die Studien zur Richtigkeit. Sie alle vergleichen Ihre Messwerte mit einem bekannten Referenzwert, meist einem Einstellmeister oder Bezugsnormal mit kalibriertem, rückführbarem Wert.

Der Bias ist die Differenz zwischen dem Mittelwert Ihrer Messungen und dem Referenzwert an einem Punkt. Er ist eine systematische Abweichung. Ist ein Referenz-Endmaß bekanntermaßen 25,000 mm lang und Ihr Messmittel zeigt im Mittel 25,014 mm, beträgt der Bias 0,014 mm. Der Bias ist dieselbe Art von Fehler, mit der sich die Kalibrierung befasst, deshalb hängen beide eng zusammen.

Die Linearität fragt, ob dieser Bias über den Messbereich gleich bleibt oder sich ändert. Ein Messmittel kann am unteren Ende fast perfekt anzeigen und zum oberen Ende hin zu hoch. Die Linearität messen Sie, indem Sie den Bias an mehreren Referenzwerten über den Bereich prüfen und schauen, ob er einen Trend zeigt.

Die Stabilität, die manchmal hinzugezählt wird, beschreibt, wie sich der Bias über die Zeit verhält. Sie messen dieselbe Referenz über Tage oder Wochen wiederholt und achten auf Drift, oft mit einer Regelkarte. Die Stabilität hängt eng damit zusammen, wie Sie Kalibrierintervalle festlegen.

Analyse der attributiven Übereinstimmung

Nicht jede Messung ist eine Zahl. Ein großer Teil der realen Prüfung ist ein Urteil: gut oder schlecht, Gut- oder Ausschussseite der Lehre, annehmen oder zurückweisen, oder eine Note aus der Sichtprüfung wie Kratzer oder kein Kratzer. Eine zahlenmäßige Gage-R&R-Studie lässt sich auf eine Entscheidung nicht anwenden. Diese Urteile brauchen daher eine eigene Studie, meist Analyse der attributiven Übereinstimmung oder attributive Gage R&R genannt.

Dabei beurteilen Prüfer eine Reihe von Teilen, deren richtige Antwort bereits bekannt ist, mehrmals und ohne ihre früheren Urteile zu sehen. Daraus lernen Sie dreierlei: ob jeder Prüfer mit sich selbst übereinstimmt, ob die Prüfer untereinander übereinstimmen und, am wichtigsten, ob sie mit der bekannten richtigen Antwort übereinstimmen.

Die Übereinstimmung wird oft mit der Kennzahl Kappa zusammengefasst. Sie misst die Übereinstimmung über das hinaus, was allein durch Zufall zu erwarten wäre. Höher ist besser. Außerdem betrachten Sie die praktischen Fehlerraten. Ein übersehenes schlechtes Teil ist meist der teuerste Fehler, behalten Sie die Falsch-Gut-Rate also genau im Blick.

  • Übereinstimmung innerhalb eines Prüfers: Fällt jede Person zum selben Teil jedes Mal dasselbe Urteil?
  • Übereinstimmung zwischen den Prüfern: Fällen verschiedene Personen zum selben Teil dasselbe Urteil?
  • Übereinstimmung mit der Referenz: Entsprechen die Urteile der bekannten richtigen Antwort?
  • Falsch-Gut-Rate und Falsch-Schlecht-Rate: wie oft schlechte Teile durchgehen und wie oft gute Teile fälschlich zurückgewiesen werden.

Wann Sie welche Studie durchführen

Sie führen nicht jedes Mal jede Studie durch. Wählen Sie die Studie passend zur Frage, die sich stellt, und zu dem, was Ihr Qualitätsplan oder Ihr Kunde verlangt. In der Automobilindustrie gehört die MSA meist zur Freigabe neuer Teile und steht im Produktionslenkungsplan. Dieselbe Logik gilt aber überall, wo Sie messen, um zu entscheiden.

  • Ein neues Messmittel oder ein neuer Messprozess geht in Betrieb: Führen Sie Gage R&R durch und prüfen Sie Bias und Linearität gegen eine Referenz.
  • Die Messung ist ein Gut-Schlecht-Urteil oder eine Sichtprüfung: Führen Sie eine Analyse der attributiven Übereinstimmung durch statt einer zahlenmäßigen Gage R&R.
  • Ein Messmittel wurde repariert, umgestellt oder sein Verfahren geändert: Wiederholen Sie Gage R&R, um zu bestätigen, dass sich nichts verschoben hat.
  • Sie vermuten, dass die Ergebnisse eines Prüfers von denen eines anderen abweichen: Der Anteil der Vergleichbarkeit in einer Gage-R&R-Studie zeigt es.
  • Die Messwerte wirken übereinstimmend, aber möglicherweise verschoben: Das ist eine Frage für Bias und Linearität, nicht für Gage R&R.
  • Nach einem Zeitplan aus Ihrem Produktionslenkungsplan oder vom Kunden: Führen Sie durch, was der Plan vorgibt, im angegebenen Intervall.
Tipp: Erledigen Sie zuerst die Arbeit zur Richtigkeit. Ist ein Messmittel nicht kalibriert und sein Bias unbekannt, beweist eine saubere Gage-R&R-Studie nur, dass das System übereinstimmend eine unbekannte Abweichung liefert.

Wie MSA mit der Kalibrierung zusammenhängt und wo Axiospec passt

Kalibrierung und MSA werden oft verwechselt, weil es bei beiden darum geht, Messungen zu vertrauen. Sie beantworten aber verschiedene Fragen, und Sie brauchen beide. Die Kalibrierung vergleicht ein einzelnes Messmittel mit einem rückführbaren Bezugsnormal, um seine Richtigkeit festzustellen und bei Bedarf zu korrigieren. Das ist das Messmittel gegen eine bekannte Wahrheit. Die MSA bewertet das ganze Messsystem so, wie es tatsächlich eingesetzt wird, mit den Menschen, dem Verfahren und den Teilen, und es geht vor allem um Streuung unter realen Bedingungen.

Beide überschneiden sich bei der Richtigkeit. Die Seite von Bias und Linearität in der MSA misst dieselbe Art von Fehler, die die Kalibrierung korrigiert. Deshalb setzt eine gültige MSA überhaupt erst eine ordnungsgemäß kalibrierte Referenz voraus. Die Kalibrierung ist eine Voraussetzung, kein Ersatz. Ein kalibriertes Messmittel kann bei Gage R&R wegen Prüfer- oder Verfahrensstreuung trotzdem durchfallen, und ein Messmittel mit hervorragender Gage R&R kann eine gleichbleibende, aber falsche Abweichung anzeigen, wenn es nie kalibriert wurde. Entscheidungsregeln der Kalibrierung wie das Prüfunsicherheitsverhältnis (TUR) und das Sicherheitsband stehen daneben und regeln, wie Sie das Messmittel selbst annehmen oder zurückweisen.

Axiospec ist ein Werkzeug für das Kalibriermanagement und enthält eine Gage-R&R-Studie nach AIAG und Messunsicherheitsbudgets je Messmittel. Die Messsystemanalyse liegt also neben dem Kalibrierdatensatz desselben Messmittels und nicht in einer separaten Tabelle. Wenn Sie eine Studie durchführen, bleiben die Daten am Messmittel, neben seinen Messwerten vor und nach der Justierung, seinen Kalibrierscheinen und seinen Fälligkeitsterminen. Axiospec ordnet diese Nachweise, macht sie sichtbar und übernimmt die AIAG-Berechnung, entscheidet aber nicht über die Konformität. Ob ein System akzeptabel ist und ob Ihr Programm eine Norm erfüllt, beurteilen Ihr Qualitätsteam, Ihr Kunde oder Ihr Begutachter.

Die kostenlosen Werkzeuge unten führen die zentrale Berechnung für Gage R&R sowie für Bias und Linearität in Ihrem Browser aus, ohne Installation. Wenn die Studien am Messmittel gespeichert werden sollen: Der kostenlose Tarif von Axiospec ist die vollständige Plattform, begrenzt auf 50 aktive Messmittel, mit unbegrenzt vielen Benutzern. Jeder neue Arbeitsbereich startet mit 45 Tagen auf Professional, 1.500 aktiven Messmitteln und ohne Kreditkarte.

Häufige Fragen

Was ist der Unterschied zwischen Kalibrierung und Gage R&R?
Die Kalibrierung vergleicht ein Messmittel mit einer Referenz und sagt Ihnen, ob das Messmittel richtig misst. Gage R&R stellt eine andere Frage: Wie viel der Streuung in Ihren Messwerten stammt vom Messsystem selbst und nicht von den Teilen? Auch ein einwandfrei kalibriertes Messmittel kann bei Gage R&R durchfallen, wenn Prüfer es uneinheitlich verwenden oder die Auflösung des Messmittels für die Toleranz nicht reicht. Sie brauchen beides, und das eine ersetzt das andere nicht.
Welcher %GRR ist akzeptabel?
Nach der üblichen AIAG-Empfehlung sind Werte unter 10 Prozent akzeptabel. 10 bis 30 Prozent sind bedingt akzeptabel, abhängig von der Anwendung, den Kosten des Messmittels und den Kosten einer Reparatur. Über 30 Prozent sind nicht akzeptabel, und das Messsystem muss verbessert werden. Beurteilen Sie den %GRR gegen die Toleranz oder gegen die Streuung der Studie, je nachdem, was Ihr Kunde oder Ihr Verfahren vorgibt, denn beide Bezugsgrößen liefern für dieselben Daten unterschiedliche Zahlen.
Was ist der NDC, und welchen Wert sollte er haben?
NDC ist die Anzahl unterscheidbarer Kategorien, eine Schätzung, wie viele getrennte Gruppen Ihr Messsystem innerhalb der Teilestreuung zuverlässig unterscheiden kann. Nach AIAG sollte der NDC bei 5 oder mehr liegen. Ein NDC unter 5 bedeutet, dass das Messsystem den Prozess nicht fein genug auflöst, um für die Prozesslenkung verwendet zu werden, selbst wenn der %GRR knapp akzeptabel aussieht.
Wann führe ich eine variable und wann eine attributive Studie durch?
Führen Sie eine variable Gage-R&R-Studie durch, wenn die Messung eine Zahl liefert, etwa ein mit dem Messschieber abgelesenes Maß oder einen Drehmomentwert. Führen Sie eine Analyse der attributiven Übereinstimmung durch, wenn die Messung eine Kategorie liefert, etwa gut oder schlecht oder eine Note aus der Sichtprüfung. Attributive Studien berichten Übereinstimmung und Wirksamkeit zusammen mit Kappa statt eines %GRR, denn es gibt keine stetige Streuung, die sich aufteilen ließe.
Was sind Bias und Linearität, und worin unterscheiden sie sich von Gage R&R?
Der Bias ist die Differenz zwischen dem Mittelwert Ihrer Messungen und einem Referenzwert. Er zeigt also, ob das Messsystem durchgehend zu hoch oder zu niedrig anzeigt. Die Linearität beschreibt, wie sich dieser Bias über den Arbeitsbereich ändert. Ein Messmittel kann also in der Bereichsmitte richtig und an den Enden verschoben anzeigen. Gage R&R misst die Streuung, also Wiederholbarkeit und Vergleichbarkeit, während Bias und Linearität die Lage gegenüber einer Referenz messen. Eine vollständige MSA betrachtet beides.

In die Praxis umsetzen

Sie haben eine Messmittelliste? Schicken Sie sie uns, wir laden sie für Sie ein, meist in ein paar Werktagen. In jedem Tarif kostenlos. Protokollieren Sie danach jede Kalibrierung in einem manipulationserkennbaren Audit-Trail und erzeugen Sie Nachweise auf Abruf.

Jetzt starten

Axiospec ist ein Dokumentations- und Workflow-Werkzeug. Es hilft Ihnen, saubere, rückführbare und auditsichere Datensätze zu führen. Die Zertifizierung hängt von Ihren eigenen Prozessen, Ihrem Geltungsbereich und Ihrem Auditor ab.

Mehr davon per E-Mail

Eine kurze Reihe praxisnaher Kalibrierleitfäden wie dieser. Kein Spam, Abmeldung mit einem Klick.