Was sind Pseudoausschuss und Schlupf in der Qualitätssicherung (QS)?
Als Ausschuss bezeichnet man Produkte, die fehlerhaft sind und aussortiert werden. Entsprechen diese jedoch dem Qualitätsstandard und werden fälschlicherweise aussortiert spricht man von Pseudoausschuss. Wenn ein Produkt hingegen nicht dem Standard entspricht, aber nicht aussortiert (also übersehen) wird, nennt man diesen Anteil Schlupf, der häufig zu Reklamationen führt.
Fehlerhafte Qualitätsentscheidungen führen daher zu hohen Kosten, welche durch eine Prüfung und die damit verbundene Qualitätssicherung (QS) minimiert werden können. In diesem Artikel geht es um Kosten, welche aufgrund von Pseudoausschuss oder Schlupf entstehen. Angenommen der Test sieht ein positives Ergebnis vor, wenn das Teil den Qualitätsansprüchen entspricht. Dabei werden vier Fälle unterschieden, die sich aus der tatsächlichen Beschaffenheit des Objektes und dem Ergebnis der Prüfung zusammensetzen:
- Korrekt erkannter Ausschuss – Richtig-Negativ – Spezifität
- Gutteil – Richtig-Positiv – Sensitivität
- Pseudoausschuss – Falsch-Negativ – Falschrückweisungsrate (FRR)
- Schlupf – Falsch-Positiv – Falschakzeptanzrate (FAR)
Inhaltsverzeichnis
Was versteht man unter Spezifität und Falschrückweisungsrate (FRR)?
Spezifität bezeichnet den Anteil an fehlerhaften Produkten, die aussortiert werden, also diese, die als richtig-negativ eingestuft wurden – also korrekt erkanntem Ausschuss. Werden fehlerfreie Produkte jedoch aussortiert, werden diese als falsch-negativ eingestuft, da sie fälschlicherweise als fehlerhaft eingestuft werden.
Die Falschrückweisungsrate (FRR) beschreibt die Häufigkeit, eines falsch-negativ eingestuften Produkts. Es erfolgt somit ein Ausschuss, obwohl das Produkt allen Qualitätsansprüchen gerecht wird. Dies ist unter dem Namen Pseudoausschuss bekannt. Die FRR hat keinen Einfluss auf die Sicherheit, sondern lediglich auf die Kosten, die der produzierenden Firma entstehen und welche je irrtümlich zurückgewiesenes Produkt höher werden.
Die Spezifität und die FRR summieren sich immer zu eins auf.
Was versteht man unter Sensitivität und Falschakzeptanzrate (FAR)?
Sensitivität bezeichnet den Anteil an fehlerfreien Produkte, die nicht aussortiert werden, also diese die als richtig-positiv eingestuft werden, also Gutteile. Werden fehlerhafte Produkte nicht aussortiert, werden sie als falsch-positiv eingestuft, da sie fälschlicherweise als in Ordnung eingestuft wurden.
Die Falschakzeptanzrate (FAR) beschreibt die Häufigkeit, eines falsch-positiv eingestuften Produkts. Es erfolgt somit kein Ausschuss, obwohl das Produkt nicht den Qualitätsansprüchen gerecht wird. In diesem Fall spricht man von Schlupf. Somit wurden die Qualitätsmängel des Produkts nicht erkannt und trotzdem dem Kunden ausgeliefert. Der Kunde reklamiert die fehlerhaften Produkte, welche kostenaufwendig ersetzt werden müssen. Langfristig führt dies zu einem Imageschaden.
Die Sensitivität und die FAR summieren sich immer zu eins auf.
Was sind die 5 Ursachen für Pseudoausschuss oder Schlupf?
Die Ursachen für eine hohe FAR oder FRR können vielfältig sein, jedoch lässt sich der Großteil auf wenige Punkte zurückführen. Die am häufigsten anzutreffenden Ursachen für eine fehlende Genauigkeit sind:
- Komplexe Fehlerbilder
- Subjektive Bewertung oder nicht eindeutige Bewertbarkeit
- Falsche (Nach-) Kalibrierung bestehender Vision/ADR Systeme
- Ermüdung und abnehmende Leistung
- Sich verändernde Prozess-/Umgebungsparameter (z.B. Lichteinfall)
Welche Art von Prüfung ist am effizientesten?
Eine visuelle Prüfung mit dem menschlichen Auge ist oft fehleranfällig und sehr teuer. Jedoch sind Maschinen oft sehr aufwendig kalibriert, um jeden Fehler zu erkennen und es muss eine permanente Nachkalibrierung durchgeführt werden, wenn es zu einer Produkt- oder Materialänderung kommt. Mit Hilfe von Deep Learning kann die Fehlererkennung schnell und robust erfolgen und so die kostengünstigere Alternative darstellen, da das System automatisch trainiert wird.
Wie kann man Pseudoausschuss und Schlupf/Reklamationen verringern?
Um effizienter produzieren zu können, müssen beide Raten so klein wie möglich gehalten werden. Das Problem dabei ist, dass diese sich gegenseitig beeinflussen. Bei der Optimierung der Einstellung muss abgewogen werden, welche Fehlentscheidung das größere oder relevantere Risiko darstellt. Dies kann zum Beispiel mit Hilfe einer Kostenmatrix berechnet werden. Dabei werden die mittleren Kosten ermittelt und anschließend minimiert.
Allerdings gibt es auch die zuvor erwähnten technischen/prozessbedingten Hürden z.B. die falsche Kalibrierung von vorhanden Vision/ADR Systemen. Diese können vor allem durch eine Prüfung mit Deep-Learning Systemen überwunden werden – auch nachträglich (Retrofitting).
