Attributiver Gage-R&R-Rechner
Tragen Sie die Gut-Schlecht-Entscheidungen jedes Prüfers gegen eine bekannte Referenz ein. Sie erhalten die Wirksamkeit, die Falsch-Gut- und Falsch-Schlecht-Rate, die Übereinstimmung innerhalb eines Prüfers und zwischen den Prüfern sowie ein Kappa, dazu ein Ampelurteil gegen die AIAG-Richtwerte. Das Gegenstück zur variablen Gage R&R für Lehrenprüfungen. Alles läuft in Ihrem Browser.
Aufbau der Studie
Tragen Sie in jede Zelle P für bestanden (gut, Annahme) und F für nicht bestanden (schlecht, Ausschuss) ein, auch in der Referenzspalte. Das Werkzeug erkennt ebenso pass/fail, good/bad, 1/0 und yes/no. Die Referenz ist die bekannte richtige Entscheidung für jedes Teil.
Urteile
Ein P oder F je Prüfer, Teil und Versuch, dazu die Referenzentscheidung für jedes Teil. Die Ergebnisse aktualisieren sich laufend.
Fügen Sie einen Block aus Excel ein, beginnend in der Referenzzelle von Teil 1. Die Spalten sind: Referenz, danach die Versuche jedes Prüfers der Reihe nach. Oder importieren Sie eine CSV-Datei mit der Vorlage zum Herunterladen. Mit den Pfeiltasten oder der Eingabetaste wechseln Sie die Zelle.
Ergebnis
Methode: attributive Übereinstimmungsanalyse nach AIAG MSA, 4. Ausgabe. Wirksamkeit, Falsch-Gut-Rate und Falsch-Schlecht-Rate folgen der AIAG-Wirksamkeitstabelle (Falsch-Gut ≤ 2 % / ≤ 5 %; Falsch-Schlecht ≤ 5 % / ≤ 10 %). Kappa ist Cohens Kappa für jeden Prüfer gegen die Referenz, über alle Versuche zusammengefasst. Das Gesamturteil folgt dem schwächsten Prüfer.
Führen Sie attributive Studien mit echten Messmitteln durch? Axiospec führt alle vier MSA-Studien nach AIAG in der App durch und legt jede bei dem Messmittel ab, zu dem sie gehört.
Verfolgen Sie Ihre Messmittel kostenlosAttributive Übereinstimmungsanalyse, einfach erklärt
Was eine attributive Studie aussagt
Wenn Ihr Messmittel eine Zahl liefert, führen Sie eine variable Gage R&R durch. Wenn die Entscheidung gut oder schlecht lautet, gibt es keine Zahl, mit der man rechnen kann. Dann untersuchen Sie, ob die Personen, die entscheiden, übereinstimmen. Eine attributive Übereinstimmungsstudie gibt einigen Prüfern eine Teilemenge, lässt jeden jedes Teil mehrfach beurteilen und vergleicht die Entscheidungen mit einer bekannten Referenzentscheidung je Teil. Sie beantwortet drei getrennte Fragen: Wiederholt ein Prüfer sein eigenes Urteil, stimmen die Prüfer untereinander überein, und stimmen sie mit der Wahrheit überein?
Wirksamkeit, Falsch-Gut und Falsch-Schlecht
Die Wirksamkeit ist die Richtigkeit: der Anteil der Teile, die ein Prüfer in jedem Versuch richtig beurteilt, gemessen an der Referenz. AIAG liest sie an einer Ampel ab. 90 % oder besser ist akzeptabel, 80 % bis 90 % ist bedingt, unter 80 % ist nicht akzeptabel. AIAG verlangt, dass jeder Prüfer die Hürde nimmt, deshalb urteilt dieses Werkzeug nach dem schwächsten Prüfer und nicht nach dem Mittelwert. Hinter dieser Zahl stehen zwei Fehlerarten. Eine Falsch-Gut-Entscheidung lässt ein wirklich schlechtes Teil durch, ein nicht konformes Teil entkommt also. Eine Falsch-Schlecht-Entscheidung weist ein wirklich gutes Teil zurück, Sie verschrotten oder nacharbeiten also etwas Einwandfreies. Weil eine Falsch-Gut-Entscheidung meist teurer ist, sind die AIAG-Bänder dort enger (2 % und 5 %) als bei Falsch-Schlecht (5 % und 10 %).
Innerhalb, zwischen und gegen die Referenz
Die Übereinstimmung innerhalb eines Prüfers ist die Wiederholbarkeit: Fällt eine Person bei jedem Versuch dasselbe Urteil zum selben Teil? Die Übereinstimmung zwischen den Prüfern ist die Vergleichbarkeit: Kommen alle Prüfer bei einem Teil zum selben Urteil? Die Übereinstimmung mit der Referenz ist die Wirksamkeit: Entsprechen die Urteile der bekannten richtigen Antwort? Das ist nicht dasselbe. Ein Prüfer kann mit sich selbst vollkommen beständig und dabei beständig falsch sein. Ein ganzes Team kann untereinander übereinstimmen und dieselben Grenzfälle gemeinsam übersehen. Deshalb entscheidet der Vergleich mit der Referenz, ob man der Prüfung trauen kann.
Kappa und die AIAG-Grenzen
Ein roher Übereinstimmungsanteil kann allein deshalb hoch aussehen, weil die meisten Teile offensichtlich gut sind. Kappa rechnet die Übereinstimmung heraus, die bei der vorliegenden Mischung aus guten und schlechten Teilen schon zufällig zu erwarten wäre. Die Skala reicht von 1 für perfekt bis 0 für nicht besser als ein Münzwurf. Dieses Werkzeug gibt Cohens Kappa für jeden Prüfer gegen die Referenz aus, über alle Versuche als eine Gelegenheit zusammengefasst. Die ins AIAG-Handbuch übernommene Regel lautet: Kappa ab 0,75 ist gut bis sehr gut, unter 0,40 ist schlecht. Verwenden Sie Kappa neben der Wirksamkeit, nicht an deren Stelle.
Das Verfahren und seine Grenzen
Dieser Rechner verwendet die attributive Übereinstimmungsrechnung nach AIAG MSA, also dieselben Kennzahlen, die auch die attributive Übereinstimmungsanalyse in Minitab ausgibt: innerhalb eines Prüfers, zwischen den Prüfern, jeder Prüfer gegen die Referenz, alle Prüfer gegen die Referenz, dazu die Falsch-Gut- und Falsch-Schlecht-Rate. Als getrennte Gegenprobe gibt er ein Cohens Kappa je Prüfer aus. Das weicht vom Fleiss-Kappa in Minitab ab, ist also als Richtungsangabe zu lesen und nicht als exakte Entsprechung. Seine ehrlichen Grenzen liegen in der Studie, die Sie ihm geben. Eine Studie mit 10 Teilen ist eine schnelle Vorprüfung. Eine Studie, nach der Sie handeln, braucht mehr Teile, üblich sind etwa 50, mit Schwerpunkt an der Annahme- und Ausschussgrenze, wo die Prüfer tatsächlich auseinandergehen. Genau dort zeigt sich eine schwache Prüfung. Der Rechner gibt Cohens Kappa auf der zusammengefassten Tabelle Prüfer gegen Referenz aus statt eines Fleiss-Kappa über die Prüfer, deshalb kann ein Wert hier leicht von anderer Software abweichen. Quelle: AIAG Measurement Systems Analysis (MSA), 4. Ausgabe.
Häufige Fragen
-
Was ist eine attributive Gage-R&R-Studie zur Übereinstimmung?
Eine attributive Gage R&R, auch attributive Übereinstimmungsanalyse, prüft eine Gut-Schlecht-Entscheidung statt einer Zahlenmessung. Mehrere Prüfer beurteilen dieselbe Teilemenge mehrfach, jedes Teil hat eine bekannte richtige Antwort, die Referenz, und Sie sehen sich an, wie oft die Prüfer mit sich selbst, untereinander und mit der Referenz übereinstimmen. Das ist die attributive Hälfte der Messsystemanalyse (MSA), neben der variablen Gage R&R für anzeigende Messmittel.
-
Was ist die Wirksamkeit und welcher Wert ist akzeptabel?
Die Wirksamkeit ist der Anteil der Teile, die ein Prüfer über alle Versuche hinweg richtig einordnet, bei dem also jedes einzelne Wiederholungsurteil dieses Prüfers zu einem Teil der Referenz entspricht. Die übliche AIAG-Vorgabe liest sie an einer Ampel ab: 90 % oder mehr ist akzeptabel, 80 % bis 90 % ist bedingt und sollte verbessert werden, unter 80 % ist nicht akzeptabel. Jeder Prüfer soll die Hürde nehmen, nicht nur der Mittelwert, deshalb stützt dieses Werkzeug das Urteil auf den schwächsten Prüfer.
-
Was ist der Unterschied zwischen der Falsch-Gut-Rate und der Falsch-Schlecht-Rate?
Eine Falsch-Gut-Entscheidung nennt ein wirklich schlechtes Teil gut: ein Teil mit der Referenz schlecht wird als bestanden beurteilt. Eine Falsch-Schlecht-Entscheidung nennt ein wirklich gutes Teil schlecht: ein Teil mit der Referenz gut wird zurückgewiesen. Die Falsch-Gut-Rate ist die Zahl dieser Fälle geteilt durch alle Gelegenheiten mit der Referenz schlecht. Die Falsch-Schlecht-Rate ist die Zahl dieser Fälle geteilt durch alle Gelegenheiten mit der Referenz gut. Eine Falsch-Gut-Entscheidung ist meist der teurere Fehler, weil ein nicht konformes Teil entkommt. Deshalb ist der AIAG-Richtwert dort enger (Bänder von 2 % und 5 %) als bei Falsch-Schlecht (5 % und 10 %).
-
Was ist Kappa und welcher Wert ist gut?
Kappa misst die Übereinstimmung, bereinigt um die Übereinstimmung, die schon zufällig zu erwarten wäre. Die Skala reicht von 1 für perfekt bis 0 für nicht besser als Raten. Dieses Werkzeug gibt Cohens Kappa für jeden Prüfer gegen die Referenz aus, über alle Versuche zusammengefasst. Die viel zitierte Regel aus dem AIAG-Handbuch lautet: Ein Kappa ab 0,75 zeigt gute bis sehr gute Übereinstimmung, unter 0,40 ist sie schlecht. Kappa ist eine nützliche Gegenprobe zur Wirksamkeit, weil es berücksichtigt, wie viele gute und schlechte Teile in der Studie waren.
-
Was bedeuten Übereinstimmung innerhalb eines Prüfers, zwischen den Prüfern und gegen die Referenz?
Die Übereinstimmung innerhalb eines Prüfers fragt, ob ein Prüfer sein eigenes Urteil zu einem Teil über die Versuche hinweg wiederholt, also nach Beständigkeit. Die Übereinstimmung zwischen den Prüfern fragt, ob alle Prüfer zu einem Teil dasselbe Urteil fällen, also nach Vergleichbarkeit über Personen hinweg. Die Übereinstimmung mit der Referenz fragt, ob die Urteile der bekannten richtigen Antwort entsprechen, also nach Wirksamkeit oder Richtigkeit. Ein Prüfer kann vollkommen beständig und trotzdem falsch sein. Sie brauchen deshalb alle drei, und die Wirksamkeit gegen die Referenz entscheidet, ob die Prüfung vertrauenswürdig ist.
-
Wie viele Teile, Prüfer und Versuche brauche ich?
Eine übliche attributive AIAG-Studie arbeitet mit 3 Prüfern, etwa 50 Teilen und je 3 Versuchen. Wählen Sie Teile, die die Entscheidung abdecken: klar gute Teile, klar schlechte Teile und eine ordentliche Zahl nahe der Annahmegrenze, denn an den Grenzfällen gehen die Urteile der Prüfer auseinander. Kleine Studien laufen schneller, liefern aber ein grobes, instabiles Kappa. Behandeln Sie ein Ergebnis aus 10 Teilen als Vorprüfung und nehmen Sie für eine Studie, nach der Sie handeln, mehr Teile mit Schwerpunkt an der Grenze.
Dieser Rechner wendet das attributive Übereinstimmungsverfahren nach AIAG MSA auf die von Ihnen eingetragenen Entscheidungen an und gibt Wirksamkeit, Falsch-Gut- und Falsch-Schlecht-Rate, die Übereinstimmung innerhalb eines Prüfers und zwischen den Prüfern sowie Cohens Kappa aus. Er ersetzt weder das AIAG-Handbuch Measurement Systems Analysis noch Ihr Qualitätsmanagementsystem. Behandeln Sie das Ergebnis als Arbeitsschätzung und prüfen Sie es gegen Ihre dokumentierte MSA-Verfahrensanweisung, bevor Sie danach handeln.
Nehmen Sie die Checkliste zur Auditvorbereitung mit
Die rückwärts aufgebaute Checkliste, die Auditoren tatsächlich nutzen, dann vier kurze, praktische E-Mails. Kein Spam, Abmeldung mit einem Klick.
Die Studie beim Datensatz aufbewahren
Axiospec führt Kalibrierungen, Messwerte und Kalibrierscheine in einem manipulationserkennbaren Journal nach DIN EN ISO/IEC 17025.
Sie haben eine Messmittelliste? Schicken Sie sie uns, wir laden sie für Sie ein, meist in ein paar Werktagen. In jedem Tarif kostenlos.