Ein Qualitätsteam führte innerhalb von acht Monaten dreimal dieselbe Korrekturmaßnahme bei einem Fehler an der Siegelintegrität durch. Jedes Mal identifizierte die Pareto-Analyse „Abweichung der Siegeltemperatur“ als Hauptursache. Jedes Mal passte das Team die Einstellung des Siegelgeräts an. Jedes Mal trat der Fehler innerhalb von sechs Wochen erneut auf.
Die tatsächliche Ursache war eine Vibration des Förderbands, die das Produkt vor dem Siegelkopf verschob – sichtbar auf dem Inspektionsbild, aber unsichtbar im manuellen Schichtprotokoll. Die Methode zur Analyse des Produktionsfehlers war korrekt. Die Datenbasis war jedoch unvollständig.
Dieser Leitfaden erklärt, warum das passiert und wie Sie es beheben können.
Die Analyse von Produktionsfehlern identifiziert, wo, wann und warum Ausschuss in der Fertigung entsteht, bevor steigende Fehlerraten einen Anlagenstillstand erzwingen oder eine Kundenbeschwerde einen Rückruf auslöst. Die drei Methoden, die eine echte Ursachenanalyse vorantreiben, sind die Pareto-Analyse (um die kritischen 20 % der Ursachen zu finden), Ishikawa-Diagramme (um Einflussfaktoren abzubilden) und die 5-Why-Methode (um über Symptome hinaus zu den Grundursachen vorzudringen). Alle drei hängen von präzisen, strukturierten Daten zur Analyse der Fertigungsfehlerraten ab.
Was Produktionsfehleranalyse ist und wo manuelle Methoden versagen
Die Analyse von Produktionsfehlern ist die systematische Identifizierung und Klassifizierung von Fertigungsausschuss, um die Grundursache zu finden und ein erneutes Auftreten zu verhindern. Wenn die Analyse in Echtzeit erfolgt, lösen steigende Fehlerraten Korrekturmaßnahmen aus, bevor es zu Anlagenstillständen kommt. Erfolgt sie erst 24 Stunden nach der Schicht, ist das Zeitfenster für Prävention bereits geschlossen.
Unkontrollierte Prozessschwankungen verursachen bis zu 70 % der Fertigungsfehler, und der Großteil dieses Ausschusses bleibt bestehen, weil Teams die Grundursache am ersten Tag falsch diagnostizieren (Qualityze, Mai 2026). Teams, die von manuellen, tabellenbasierten Methoden zur Ursachenanalyse auf integrierte Plattformen umgestiegen sind, konnten die Untersuchungszeit im Durchschnitt um 35 % senken (Qualityze interne Umfrage 2024). Der Engpass ist die Datenqualität, nicht die Methodik.
Die vier Kategorien von Fertigungsfehlern, die jede Analyse klassifizieren muss
Ein Rahmenwerk zur Fehleranalyse ist nur dann nützlich, wenn Fehler konsistent in Kategorien eingeteilt werden, die mit umsetzbaren Ursachen verknüpft sind. Ein Fehlerprotokoll, bei dem 40 % der Einträge unter „Sonstiges“ oder „Unbekannt“ laufen, ist kein Analyse-Input. Es ist ein Problem, das dokumentiert werden muss.
1. Produktfehler
Maßabweichungen, Oberflächenkratzer, kosmetische Mängel und Funktionsausfälle. Grundursachenkategorie: Lücke in der Designspezifikation oder Prozessschwankung. Erkennungsmethode: KOMPASS Inline-Inspektion mit 100 % Abdeckung, die erkennt, was bei stichprobenartigen Kontrollen übersehen wird.
2. Prozessfehler
Drift von Maschinenparametern (Temperatur, Geschwindigkeit, Druck), Abweichungen im Arbeitsablauf des Bedieners und Auslassungen von SOP-Schritten. Grundursachenkategorie: Versagen der Prozesssteuerung. Erkennungsmethode: Die NAGARE Echtzeit-Schrittüberwachung identifiziert, welche Bedieneraktion die Abweichung verursacht hat, bevor die nächste Einheit produziert wird.
3. Materialfehler
Nichtkonformität bei eingehendem Material und chargenbedingte Schwankungen der Rohstoffeigenschaften. Ursachenkategorie: Lücke in der Qualitätskontrolle des Lieferanten. Erfordert eine lückenlose Chargenrückverfolgbarkeit, die durch automatisierte Sortier- und Zählvorgänge dokumentiert wird.
4. Umweltbedingte Fehler
Kontamination durch die Umgebung, Temperaturschwankungen und feuchtigkeitsbedingte Fehlerhäufungen. Ursachenkategorie: Versagen der Anlagensteuerung. Diese Fehler werden in manuellen Protokollen häufig als „unbekannt“ gelabelt, da die Umgebungsdaten bei der Erfassung nicht mit den Produktionsdaten verknüpft werden.
Die drei Methoden zur Ursachenanalyse für eine effektive Fehleranalyse in der Produktion
Die drei Methoden zur Ermittlung der Fehlerursache in der Produktion sind die Pareto-Analyse, das Ishikawa-Diagramm und die 5-Why-Methode. Sie sind am effektivsten, wenn sie nacheinander und nicht als unabhängige Alternativen eingesetzt werden. Pareto identifiziert, was untersucht werden muss. Das Ishikawa-Diagramm bildet ab, warum es passieren könnte. Die 5-Why-Methode dringt bis zur behebaren Ursache vor.
Schritt 1: Pareto-Analyse zur Ermittlung der vorrangigen Fehlerkategorie
Das Pareto-Prinzip in der Fehleranalyse: 80 % der Fehler werden typischerweise durch 20 % der Fehlermodi verursacht (ResearchGate, Root Cause Analysis Using Fishbone Diagram). Eine Praxisstudie in einem Fertigungsbetrieb ergab, dass allein zwei Fehlertypen für über 55 % aller Ausschussteile verantwortlich waren (International Journal of Indonesian Business Review, 2025). Erst die Identifizierung dieser beiden Typen macht die Fehleranalyse in der Produktion handlungsorientiert.
Der kritische Engpass: Ein Pareto-Diagramm ist nur so genau wie das Fehlerprotokoll, das es speist. Ein Protokoll, in dem 30 % der Fehler ohne Unterkategorie als „Dichtungsfehler“ und weitere 20 % ohne nähere Klassifizierung als „visueller Ausschuss“ erfasst werden, liefert keine verlässliche Pareto-Priorisierung. Das Pareto-Diagramm ist mathematisch korrekt, priorisiert aber das falsche Problem, weil die Eingabedaten unvollständig sind. Genau dieses Datenproblem verdeutlicht das Dichtungsfehler-Szenario vom Anfang dieses Blogs.
Schritt 2: Ishikawa-Diagramm zur Abbildung von Einflussfaktoren
Das Ishikawa-Diagramm (Fischgräten-Diagramm) bildet plausible Ursachen in sechs Kategorien ab: Mensch, Methode, Maschine, Material, Messung und Mitwelt (Umwelt). Es erfordert den Input eines funktionsübergreifenden Teams: Qualitätsingenieure kennen die Kategorien Messung und Methode, die Instandhaltung kennt die Kategorie Maschine, Prozessingenieure kennen die Kategorien Methode und Material. Kein einzelner Qualitätsingenieur, der mit einer Tabelle arbeitet, hat den vollständigen Überblick über alle sechs Bereiche.
Das Ergebnis des Ishikawa-Diagramms ist eine Shortlist der Einflussfaktoren, nicht die eigentliche Ursache. Das Team bewertet die Wahrscheinlichkeit der einzelnen Faktoren und grenzt diese auf zwei oder drei Kandidaten für die 5-Why-Analyse ein. MES-Systeme unterstützen zunehmend digitale Ishikawa-Diagramme, die mit Fehlerdatensätzen verknüpft sind, sodass die Beweise für das Diagramm direkt aus dem Produktionssystem stammen und nicht aus der Erinnerung an Meetings (Tulip, root cause analysis tools).
Schritt 3: Die 5-Why-Methode zur Ermittlung der behebaren Grundursache
Die 5-Why-Methode geht jedem beitragenden Faktor auf den Grund, indem auf jeder Ebene so lange nach dem „Warum“ gefragt wird, bis ein physischer, behebbarer Systemzustand erreicht ist. Die Abbruchregel: Wenn die Antwort auf das „Warum“ etwas ist, das das Team tatsächlich ändern kann. „Bedienerfehler“ ist keine Grundursache. „Die Drehmomentspezifikation war an der Montagestation nicht sichtbar“ ist eine Grundursache, da sie eine spezifische Korrekturmaßnahme ermöglicht.
Das Szenario mit dem Siegeldefekt vom Anfang dieses Blogs wurde dreimal mit der 5-Why-Methode durchgespielt, wobei jedes Mal das Ergebnis „Siegeltemperatur außerhalb der Toleranz“ lautete. Es war die richtige Antwort auf die falsche Frage. Die Frage hätte beim tatsächlichen Fehler ansetzen müssen: Produktverschiebung vor dem Siegelkopf. Diese Frage tauchte im Pareto-Diagramm nie auf, weil sie nie im Fehlerprotokoll erschien. Die Ursache der Förderbandvibration war nur auf dem Inspektionsbild sichtbar, nicht in der Erinnerung des Bedieners am Schichtende.
Wie KI-Bildverarbeitung die Datenlücke schließt, an der Fehleranalysen scheitern
Die Genauigkeit der Analyse von Produktionsfehlern hängt von der Qualität der Daten ab, auf denen sie basiert. Manuelle Protokolle am Schichtende haben eine Verzögerung von 8 bis 24 Stunden, sind inkonsistent kategorisiert und häufig unvollständig. Ein Pareto-Diagramm, das auf manuellen Protokolldaten basiert, priorisiert das Problem, an das man sich am besten erinnert, nicht unbedingt das am häufigsten auftretende.
KOMPASS liefert klassifizierte Fehlerdaten direkt in der Produktion
KOMPASS klassifiziert jeden Fehler im Moment der Erkennung: Fehlertyp, Schweregrad, Chargencode, Linien-ID, Zeitstempel und annotiertes Bild. Diese Klassifizierung erfolgt automatisch, konsistent und bei 100 % Inspektionsabdeckung. So entsteht das strukturierte Protokoll für die Fertigungsanalyse, das Pareto-Diagramme und Ishikawa-Diagramme für präzise Ergebnisse benötigen.
Der strukturelle Unterschied: Ein manuelles Protokoll zeichnet auf, woran sich Bediener am Schichtende erinnern. Ein KOMPASS-Protokoll zeichnet auf, was das Inspektionssystem bei jeder Einheit während der Produktion beobachtet hat. Der Fall mit dem Siegeldefekt hätte eine Häufung von verschiebungsbedingten Ausschussteilen bei bestimmten Fördergeschwindigkeiten gezeigt – ein Muster, das in den Daten sichtbar ist, aber von keinem Bedienerprotokoll erfasst worden wäre. Sehen Sie, wie die Anwendungsfälle von Jidoka für Fehlererkennung und Texterkennung in der Praxis diese strukturierten Datensätze erzeugen.
NAGARE erkennt Prozessfehler, die bei der Produktinspektion unsichtbar bleiben
Prozessfehler (Abweichungen im Arbeitsablauf, ausgelassene SOP-Schritte, falsche Maschinenparameter) hinterlassen kein garantiertes Oberflächenmerkmal am fertigen Produkt. KOMPASS inspiziert das Produkt. NAGARE überwacht den Prozess. Tritt eine Prozessabweichung auf, markiert NAGARE diese in Echtzeit und protokolliert Fehlertyp, Zeitstempel und Bediener, bevor die nächste Einheit mit demselben Fehler produziert wird.
Dies ist die Fehlerkategorie, die die meisten Analyseprogramme als „unbekannte Ursache“ einstufen: Der Produktfehler ist real, die Pareto-Daten sind real, aber kein Inspektionsprotokoll verbindet den Fehler mit seinem prozessualen Ursprung. NAGARE stellt diese Verbindung her, indem das Prozessereignis parallel zum Produktinspektionsereignis protokolliert wird, wodurch die Ishikawa-Analyse die tatsächliche Ursache adressieren kann.
Das geschlossene System: Von der Erkennung zur verifizierten Korrektur
Eine vollständige Architektur zur Analyse von Produktionsfehlern nutzt KOMPASS und NAGARE gemeinsam: KOMPASS erkennt und klassifiziert den Produktfehler; das klassifizierte Protokoll speist das Echtzeit-Pareto-Diagramm; das Pareto-Diagramm treibt die Untersuchung mittels Ishikawa- und 5-Why-Methode voran; Korrekturmaßnahmen werden zugewiesen und als digitales SOP-Update in NAGARE geladen; NAGARE verifiziert, dass die Korrekturmaßnahme bei jedem nachfolgenden Zyklus befolgt wird; KOMPASS bestätigt den Rückgang der Fehlerrate.
Dieser geschlossene Regelkreis verwandelt die Analyse von Produktionsfehlern von einer retrospektiven Übung in einen Präventionsmechanismus. Jeder Produktionszyklus speist Daten zurück, die für die nächste Untersuchung genutzt werden. Die CAPA-Maßnahme, die beim Siegeldefekt dreimal durchgeführt wurde, hätte nur einen Durchlauf erfordert, wenn die Inspektionsbilddaten von Anfang an die Priorität im Pareto-Diagramm bestimmt hätten.
Die Kennzahlen, die den Erfolg der Produktionsfehleranalyse bestätigen
Drei Kennzahlen bestätigen, dass die Analyse von Produktionsfehlern zu einer präzisen Identifizierung der Grundursachen führt: Fehlerratentrend (sinkt die Kategorie der Prioritätsfehler nach der CAPA-Maßnahme?), Entdeckungsrate (erreichen Fehler immer noch den Kunden?) und CAPA-Wiederholungsrate (wird dieselbe Korrekturmaßnahme mehr als einmal eingeleitet?)
Fehlerrate und Entdeckungsrate
Die Fehlerrate misst Ausschuss, der bei der Inspektion vor dem Versand entdeckt wurde. Die Entdeckungsrate misst Fehler, die die Inspektion passiert haben und erst beim Kunden gefunden wurden. Ein Werk mit niedriger Fehlerrate, aber hoher Entdeckungsrate hat eine Lücke in der Prüfabdeckung, keine Verbesserung der Produktionsqualität. Die Senkung der Entdeckungsrate erfordert das Schließen dieser Prüflücke, was durch eine 100-prozentige KI-Inspektionsabdeckung direkt erreicht wird.
Beide Kennzahlen sollten nach Fehlerkategorie erfasst werden. Wenn die Pareto-Priorität „Dichtungsintegrität“ war und die CAPA auf die Dichtungstemperatur abzielte, ist die korrekte Validierungskennzahl die Fehlerrate der Dichtungsintegrität für 90 Tage nach Abschluss der CAPA. Eine allgemeine Verfolgung der Ausschussreduzierung kann nicht bestätigen, ob die spezifische Grundursache behoben wurde.
CAPA-Effektivitätskennzahlen
Drei CAPA-Effektivitätskennzahlen bestätigen die Qualität der Produktionsfehleranalyse: Wiederholungsrate (dieselbe Fehlerkategorie, die innerhalb von 90 Tagen erneut auftritt, deutet auf eine falsch identifizierte Grundursache hin), CAPA-Abschlusszeit (offene CAPAs nach mehr als 30 Tagen deuten auf ein ungelöstes Risiko hin) und die Verfolgung der Fertigungsausschussrate nach CAPA (ein kategorispezifischer Rückgang der Fehlerrate bestätigt, dass die Korrekturmaßnahme die tatsächliche Ursache und nicht nur das Symptom behoben hat).
Die dreistufige CAPA-Historie des Dichtungsfehler-Teams hätte nach der zweiten Öffnung ein Problem mit der Wiederholungsrate signalisiert. Ein Rahmenwerk zur Analyse von Produktionsabfällen, das eine Wiederholungsverfolgung beinhaltet, hätte vor der Durchführung der dritten identischen Korrektur eine Überprüfung der Datenquelle veranlasst.
Jidoka Technologies und Produktionsfehleranalyse
KOMPASS und NAGARE lösen das Datenproblem, das dazu führt, dass Werkzeuge zur Produktionsfehleranalyse falsche Ergebnisse liefern: Sie ersetzen manuelle Schichtprotokolle durch strukturierte, echtzeitbasierte und klassifizierte Inspektionsaufzeichnungen bei 100-prozentiger Produktionsabdeckung.
- KOMPASS: Strukturierte Fehlerklassifizierung direkt am Produktionsort. Jede Einheit: Fehlertyp, Schweregrad, Zeitstempel, Charge, Linie. Speist das Pareto-Diagramm mit KI-klassifizierten Daten, statt mit dem Gedächtnis der Bediener.
- NAGARE: Prozessabweichungsprotokollierung pro Bediener-Schritt. Verknüpft Prozessereignisse mit Produktfehlern. Überprüft die Einhaltung von Korrekturmaßnahmen in jedem Zyklus.
- Branchen: Aktiv in Automobilindustrie, Konsumgüterindustrie, Elektronik, Pharmasowie allgemeine Fertigung.
Erfahren Sie unter jidoka-tech, wie KOMPASS jeden Produktionsfehler in einen strukturierten Datensatz für Ursachenanalysen verwandelt.
Fazit
Das Qualitätsteam, das dieselbe CAPA-Maßnahme dreimal durchführte, verwendete zwar die richtige Methode zur Fehleranalyse, jedoch auf der falschen Datengrundlage. Die Korrekturmaßnahme zielte auf das protokollierte Symptom (Temperatureinstellung) ab, nicht auf die tatsächliche Ursache (Vibrationen am Förderband), die nur im Inspektionsbild erkennbar war.
Der klassifizierte Inspektionsdatensatz von KOMPASS hätte gezeigt, dass verschiebungsbedingte Fehler bei einer bestimmten Anlagengeschwindigkeit sprunghaft anstiegen – ein Zusammenhang, der in den Daten sichtbar, im manuellen Protokoll jedoch unsichtbar war.
Erfahren Sie unter jidoka-tech.ai, wie KOMPASS jeden Produktionsfehler in einen strukturierten Datensatz verwandelt.
Häufig gestellte Fragen
1. Was ist eine Produktionsfehleranalyse?
Die Produktionsfehleranalyse ist ein systematischer Prozess zur Identifizierung, Klassifizierung und Untersuchung von Fertigungsausschuss, um Ursachen zu ermitteln und Korrekturmaßnahmen einzuleiten, bevor die Fehlerquoten zu Anlagenstillständen oder fehlerhaften Lieferungen an Kunden führen. Sie stützt sich auf drei aufeinanderfolgende Methoden: die Pareto-Analyse zur Identifizierung der wichtigsten Fehlerkategorien, das Ishikawa-Diagramm zur Darstellung der Einflussfaktoren und die 5-Why-Methode, um von den beitragenden Faktoren zur behebaren Grundursache vorzudringen.
2. Was sind die gängigsten Methoden zur Ursachenanalyse bei Fertigungsfehlern?
Die drei am häufigsten verwendeten Methoden zur Ursachenanalyse bei Fertigungsfehlern sind die Pareto-Analyse, das Fischgräten-Diagramm (Ishikawa) und die 5-Why-Methode. Pareto identifiziert, welcher Fehlertyp untersucht werden muss. Das Fischgräten-Diagramm bildet alle plausiblen Einflussfaktoren in den Kategorien Mensch, Methode, Maschine, Material, Messung und Mitwelt ab. Die 5-Why-Methode dringt bei jedem Einflussfaktor bis zur korrigierbaren Grundursache vor. Diese drei Methoden sind am effektivsten, wenn sie in dieser Reihenfolge und nicht als unabhängige Alternativen eingesetzt werden.
3. Was ist der Unterschied zwischen der Ausschussquote und der Fehlerentdeckungsrate in der Fehleranalyse?
Die Ausschussquote misst Fehler, die bei der Inspektion am Fließband vor dem Versand gefunden werden; die Fehlerentdeckungsrate misst Fehler, die die Inspektion passiert haben und vom Kunden gefunden wurden. Beide Kennzahlen sind für eine vollständige Analyse der Fertigungsfehlerquote erforderlich. Ein Werk mit einer niedrigen Ausschussquote und einer hohen Fehlerentdeckungsrate hat eine Lücke in der Inspektion: Das Erkennungssystem übersieht bestimmte Fehlertypen. Um die Fehlerentdeckungsrate zu senken, muss nicht nur der Produktionsprozess, sondern auch die Abdeckung der Fehlererkennung verbessert werden.
4. Wie verbessert KI-gestützte Bildverarbeitung die Ursachenanalyse von Fertigungsfehlern?
KI-Bildverarbeitungssysteme verbessern die Ursachenanalyse von Fehlern, indem sie vollständige, konsistent klassifizierte Echtzeit-Fehlerdaten bei einer 100-prozentigen Inspektionsabdeckung generieren und so manuelle Protokolle am Schichtende ersetzen, die oft verzögert, inkonsistent und unvollständig sind. Wenn ein Pareto-Diagramm auf Basis von KI-Inspektionsdaten statt auf dem Gedächtnis der Bediener erstellt wird, spiegelt es wider, was tatsächlich in der Fertigung passiert ist, und nicht, was in Erinnerung geblieben ist. Diese Genauigkeit entscheidet darüber, ob die Korrekturmaßnahme die richtige Grundursache behebt.
5. Wie lässt sich die Ausschussrate in der Fertigung senken?
Die Senkung der Ausschussrate beginnt mit der Identifizierung der drei wichtigsten Fehlerkategorien mittels Pareto-Analyse, der Durchführung einer Ursachenuntersuchung für jede Kategorie mittels Fischgräten-Diagramm und 5-Why-Methode, der Umsetzung verifizierter Korrekturmaßnahmen sowie der Überwachung des Wiederauftretens für 90 Tage nach Abschluss der CAPA. Ein Ziel zur Senkung der Ausschussrate, das nicht an die Reduzierung spezifischer Fehlerkategorien geknüpft ist, ist nicht umsetzbar. Konzentrieren Sie sich zuerst auf die 20 % der Fehlerursachen, die für 80 % des Ausschusses verantwortlich sind.
