Beispiel: Abfüllmenge von Tomatensoße
Die Daten können Sie hier herunterladen: AbfuellmengeTomatensosse.xlsxDatei zum Download
In der Produktion von Tomatensoße wird die Abfüllmenge jedes einzelnen Glases fortlaufend gemessen. Ziel ist zu prüfen, ob der Prozess über die Zeit stabil läuft oder ob ungewöhnliche Veränderungen auftreten. Jede Messung wird in zeitlicher Reihenfolge in der I-Karte dargestellt.
Video-Tutorial ansehen
Interpretation der Ergebnisse:
Es liegen keine Punkte außerhalb der Eingriffsgrenzen vor und es sind keine auffälligen Muster erkennbar. Der Prozess verhält sich stabil – es besteht kein Anlass einzugreifen.
Erklärungen zur Grafik:
- Die Punkte zeigen die einzelnen Abfüllmengen in zeitlicher Reihenfolge.
- Die Mittellinie entspricht dem Durchschnitt der Abfüllmenge.
- Die Eingriffsgrenzen liegen im Abstand von drei Standardabweichungen zum Mittelwert.
Vorgehensweise
Vorarbeit
- Eine geeignete Messgröße auswählen (z. B. Abfüllmenge, Temperatur, pH-Wert).
- Sicherstellen, dass die Daten als Einzelwerte in zeitlicher Reihenfolge vorliegen.
- Prüfen, ob unterschiedliche Prozessphasen getrennt betrachtet werden sollten.
- Festlegen, welche Nelson-Regeln aktiviert werden sollen.
Nutzung in AlphadiTab
- In der Measure-Phase oder Control-Phase das Tool I-Karte auswählen.
- Bei Daten „Abfüllmenge“ auswählen
- Diagramm mit dem Button „Neu erstellen“ generieren.
Interpretation
- Liegen Punkte außerhalb der Eingriffsgrenzen?
- Sind nichtzufällige Muster erkennbar (Trends, Shifts, Zyklen)?
- Ist der Prozess stabil oder sind Eingriffe erforderlich?
Einstellmöglichkeiten
Historische Werte
Sind historische Werte bekannt, können diese als feste Referenz verwendet werden. Liegen keine vor, werden Mittellinie und Eingriffsgrenzen aus den aktuellen Daten geschätzt.
Abschnitte
Abschnitte sind sinnvoll, wenn sich der Prozess bewusst verändert hat. Je Abschnitt werden eigene Mittellinien und Eingriffsgrenzen berechnet.
Nelson Rules
Mit den Tests werden nichtzufällige Muster erkannt:
1 Punkt außerhalb der Eingriffsgrenzen.
9 Punkte in Folge auf einer Seite der Mittellinie.
6 Punkte in Folge steigend oder fallend.
14 Punkte in Folge abwechselnd steigend und fallend.
2 von 3 Punkten außerhalb der ±2σ-Grenze.
4 von 5 Punkten außerhalb der ±1σ-Grenze.
15 Punkte in Folge innerhalb der ±1σ-Grenze.
8 Punkte in Folge außerhalb der ±1σ-Grenze.
Voraussetzungen
Stetige Messdaten
Die I-Karte ist für stetige Messgerößen gedacht, etwa Temperatur, Länge, pH-Wert oder Drehmoment.
Warum ist das wichtig?
Die Karte bewertet Schwankungen einer Messgröße über die Zeit.
Zeitliche Reihenfolge
Die Messwerte müssen in der chronologischen Reihenfolge vorliegen, in der sie entstanden sind.
Warum ist das wichtig?
Nur dann lassen sich Shifts, Trends und ungewöhnliche Verläufe zuverlässig erkennen.
Annähernde Normalverteilung
Die Daten sollten annähernd normalverteilt sein.
Warum ist das wichtig?
Die Berechnung der Eingriffsgrenzen und die Interpretation der Tests auf Ausnahmebedingungen basieren auf dieser Annahme. Starke Abweichungen können zu irreführenden Signalen führen.
Wann sind andere Werkzeuge besser geeignet?
Beispiel in IT-Helpdesks
Reaktionszeit des IT-Helpdesks
Im IT-Service-Desk werden Tickets bearbeitet. Die Reaktionszeiten werden regelmäßig ausgewertet, um die Stabilität der Serviceprozesse zu überwachen.

Die Daten können Sie hier herunterladen: IChart_ITBearbeitungszeit.xlsxDatei zum Download
Interpretation
Zu Beginn streuen die Messwerte zufällig. Im weiteren Verlauf ist ein deutliches Wechselmuster erkennbar: die Werte steigen und fallen über mehrere Punkte regelmäßig. Dieses alternierende Muster ist nicht zufällig und deutet auf eine systematische Ursache hin.
→ Alternierendes Wechselmuster – systematische Ursache, Prozess untersuchen.
Beispiel in Vertrieb
Verkaufsquote nach Region
Im Vertrieb wird die Verkaufsquote regelmäßig ausgewertet, um die Abschlussleistung zu überwachen. Sie basiert auf ausreichend vielen Angeboten pro Zeitraum, sodass die Werte als annähernd stetig betrachtet werden können.

Die Daten können Sie hier herunterladen: IChart_Verkaufsquote.xlsxDatei zum Download
Interpretation
Zu Beginn streuen die Messwerte zufällig. Im weiteren Verlauf liegen die Werte jedoch über einen längeren Zeitraum sehr eng beieinander. Diese ungewöhnlich geringe Streuung ist nicht zufällig.
→ Auffällig geringe Streuung – systematische Ursache, untersuchen.
Beispiel in Logistik
Lieferzeit nach Logistikzentrum
Im Logistikbereich wird die Lieferzeit von Kundenaufträgen kontinuierlich erfasst. Ziel ist zu prüfen, ob der Prozess über die Zeit stabil ist oder ob Auffälligkeiten vorliegen.

Die Daten können Sie hier herunterladen: IChart_Lieferzeit.xlsxDatei zum Download
Interpretation
Ein Messwert liegt deutlich außerhalb der Eingriffsgrenzen. Die Ursache ist bekannt: eine Vollsperrung auf der A7. Der Prozess ist für diesen Zeitpunkt nicht stabil, es liegt jedoch eine erklärbare Sonderursache vor.
→ Ausreißer durch bekannte Sonderursache (A7-Sperrung) – keine weitere Untersuchung nötig.
Beispiel in Einkauf
Lieferantenvergleich
Im Einkauf wird der Ausschussanteil je Lieferung kontinuierlich erfasst. Während des Beobachtungszeitraums wurde von Lieferant A auf Lieferant B umgestellt. Ziel ist zu prüfen, ob sich der Prozess nach dem Wechsel stabil verhält.

Die Daten können Sie hier herunterladen: IChart_Ausschussanteil.xlsxDatei zum Download
Interpretation
Nach dem Lieferantenwechsel ist eine deutliche Verschiebung im Niveau des Ausschussanteils erkennbar. Die Werte liegen im Mittel höher – das deutet auf eine systematische Veränderung hin.
→ Niveauverschiebung nach Lieferantenwechsel – im Zusammenhang analysieren.
Beispiel in Planung
Prognoseabweichung
In der Produktionsplanung wird die Prognoseabweichung regelmäßig erfasst, um die Qualität der Bedarfsplanung zu überwachen. Im Zeitverlauf soll geprüft werden, ob sich das Verhalten des Prozesses verändert.

Die Daten können Sie hier herunterladen: IChart_Prognoseabweichung.xlsxDatei zum Download
Interpretation
Ein Ausreißer sowie ein ansteigender Trend sind erkennbar. Dies deutet auf eine systematische Veränderung hin – der Prozess ist nicht stabil.
→ Ausreißer + ansteigender Trend – Prozess instabil, untersuchen.
Begriffe
I (Individual): Einzelwerte, die in zeitlicher Reihenfolge dargestellt werden.
Mittelwert: Durchschnitt der Messwerte und zentrales Niveau des Prozesses.
Standardabweichung: Maß für die Streuung der Messwerte um den Mittelwert.
Eingriffsgrenzen (UEG / OEG): Grenzen, innerhalb derer die zufällige Schwankung eines stabilen Prozesses erwartet wird (typisch ±3σ).
Warngrenzen (UWG / OWG): Grenzen innerhalb der Eingriffsgrenzen zur frühzeitigen Erkennung von Auffälligkeiten (typisch ±2σ).
Sigma Eingriff: Faktor zur Berechnung der Eingriffsgrenzen (typisch 3σ).
Sigma Warn: Faktor zur Berechnung der Warngrenzen (typisch 2σ).
Nelson-Regeln: Statistische Tests zur Erkennung von nichtzufälligen Mustern im Prozessverlauf.
Fix (historische Werte): Vorgegebene Werte für Mittelwert und Standardabweichung, die als feste Referenz für die Berechnung der Grenzen verwendet werden.
Stufenwerte: Darstellung von abschnittsweise konstanten Prozessniveaus, z. B. bei Änderungen im Prozess