Beispiel: Viskosität Tomatensoße
Die Daten können Sie hier herunterladen: ViskositaetTomatensosse.xlsxDatei zum Download
Bei der Produktion von Tomatensoße spielt die Viskosität eine entscheidende Rolle: Ist die Soße zu dünn oder zu dick, erfüllt sie nicht die Kundenerwartungen. Mit Cp und Cpk lässt sich überprüfen, ob der Prozess die gewünschte Konsistenz zuverlässig einhält.

Interpretation der Ergebnisse:
In der Auswertung zeigt sich ein Cp-Wert von 1,10 und ein Cpk-Wert von 0,98. Der Cpk-Wert ist kleiner als der häufig geforderte Referenzwert 1,33 – der Prozess ist daher nicht fähig.
Der Cp-Wert von 1,10 zeigt, dass die Streuung des Prozesses noch zu groß ist. Da Cpk zusätzlich etwas kleiner ist als Cp, liegt außerdem eine leichte Lageabweichung vor. Hauptursache ist jedoch klar die zu hohe Streuung.
Erklärungen zur Grafik:
- Die Balken stellen die Häufigkeitsverteilung der Messwerte dar.
- Die Linie ist die Normalverteilung, die auf Mittelwert und Standardabweichung der Istdaten aufbaut.
- Je schmaler die Kurve, desto besser passt der Prozess in die Spezifikationsgrenzen (USG und OSG).
Vorgehensweise
Vorarbeit
- Eine stetige Messgröße auswählen und Messwerte erheben (z. B. Viskosität).
- Messwerte auf Normalverteilung prüfen.
- Spezifikationsgrenzen bestimmen oder erfragen (z. B. USG = 950, OSG = 1050).
Nutzung in AlphadiTab
- In der Measure-Phase das Tool Cp, Cpk auswählen.
- Bei Daten „Viskosität“ auswählen.
- Die Spezifikationsgrenzen angeben: USG = 950, OSG = 1050.
- Passende Verteilung auswählen.
- Analyse durchführen mit dem Klick auf „Neu erstellen“.
Interpretation
- Prüfen, ob der Prozess fähig ist (fähig bei Cpk ≥ 1,33 bzw. dem geforderten Mindestwert).
- Ermitteln, ob die Lage, die Streuung oder beide verbesserungsbedürftig sind.
Voraussetzungen
Stetige Messdaten
Die Messwerte müssen stetig sein, also mit einem Messmittel erfasst werden und Nachkommastellen besitzen können.
Warum ist das wichtig?
Cp und Cpk setzen metrische, stetige Messwerte voraus. Bei zählbaren oder kategorialen Daten sind die Kennzahlen nicht definiert.
Normalverteilte Daten
Die Messwerte sollten sich gut durch eine Normalverteilung beschreiben lassen (z. B. über einen Test auf Normalverteilung geprüft).
Warum ist das wichtig?
Die Berechnung von Cp und Cpk basiert auf Verteilungsannahmen. Bei starken Abweichungen werden die Kennzahlen ungenau.
Passende Verteilung wählen
Für die Berechnung wird vorausgesetzt, dass die Daten einer Verteilung folgen. Für verschiedene Verteilungen sind unterschiedliche Formeln hinterlegt, daher muss die passende Verteilung ausgewählt werden (z. B. mit dem Verteilungstest).
Warum ist das wichtig?
Ohne die passende Verteilung stimmen Cp und Cpk nicht mehr mit der tatsächlichen Prozessleistung überein; Ausschuss- und Risikobewertungen werden ungenau oder irreführend.
Geeignetes Messmittel
Die Daten müssen mit einem zuverlässigen und für das Merkmal geeigneten Messmittel erhoben werden.
Warum ist das wichtig?
Ist das Messmittel nicht fähig, können falsche Schlüsse über die Prozessleistung gezogen werden – der Prozess kann unfähig erscheinen, obwohl die Abweichungen nur durch das Messmittel verursacht werden.
Wann sind andere Werkzeuge besser geeignet?
Beispiel in Produktion
Abfüllmenge Tomatensoße
In diesem Beispiel wurde die Abfüllmenge der Tomatensoße untersucht. Die Abfüllmenge wird mit einem geeigneten Messmittel erfasst, um zu prüfen, ob die Maschine die Zielmenge von 500 ml zuverlässig einhält.

Die Daten können Sie hier herunterladen: AbfuellmengeTomatensosse.xlsxDatei zum Download
Ermittelte Kennzahlen
Interpretation
Der Prozess ist fähig. Beide Werte liegen über dem häufig geforderten Referenzwert von 1,33. Die Streuung ist klein genug (Cp hoch) und die Lage ist gut (Cpk ≈ Cp).
→ Der Prozess hält die Zielmenge zuverlässig ein – kein Handlungsbedarf.
Beispiel in Wareneingang / Logistik
Durchlaufzeit eines Auftrags
Im Wareneingang durchläuft jeder Auftrag einen Prüfschritt, bei dem Lieferscheine kontrolliert und Positionen im System erfasst werden. Fehlende Barcodes, unvollständige Lieferscheine oder Rückfragen führen zu sehr unterschiedlichen Bearbeitungszeiten.

Die Daten können Sie hier herunterladen: DurchlaufzeitWareneingang.xlsxDatei zum Download
Ermittelte Kennzahlen
Interpretation
Der Prozess ist nicht fähig. Cp < 1,33 → Streuung zu groß, Durchlaufzeiten schwanken stark. Cpk < Cp → zusätzlich ein Lageproblem.
→ Streuung reduzieren und Prozesslage stabilisieren, um die Durchlaufzeiten in den Griff zu bekommen.
Beispiel in IT-Support
Reaktionszeit Anfragen
Im IT-Service-Desk gehen täglich viele unterschiedliche Anfragen ein. Während einfache Fälle zügig bearbeitet werden, verzögert sich die Reaktion bei komplexeren Tickets – obwohl die Antwortzeit 35 Minuten nicht überschreiten soll.

Die Daten können Sie hier herunterladen: AntwortzeitITService.xlsxDatei zum Download
Ermittelte Kennzahlen
- Cp: nicht berechenbar, da nur eine Spezifikationsgrenze vorhanden ist
- Cpk = 0,49
Interpretation
Der Prozess ist nicht fähig, da der Cpk-Wert deutlich unter dem geforderten Mindestwert von 1,33 liegt. Da nur eine obere Spezifikationsgrenze definiert ist, kann sowohl über eine geringere Streuung als auch über eine bessere Lage optimiert werden.
→ Bearbeitungsprozess vereinheitlichen, um die Antwortzeiten zuverlässig unter die Grenze zu bringen.
Begriffe
Stetige Daten: Daten, die mit einem Messmittel erfasst werden und sowohl Einheiten als auch Nachkommastellen besitzen können.
Normalverteilte Daten: Daten, die sich gut durch eine Normalverteilung beschreiben lassen (z. B. über einen Test auf Normalverteilung geprüft).
OSG / OTG: Obere Spezifikations- bzw. Toleranzgrenze – der maximal zulässige Wert für die Zielgröße.
USG / UTG: Untere Spezifikations- bzw. Toleranzgrenze – der minimal zulässige Wert für die Zielgröße.
Cp: Fähigkeitskennzahl, die die Streuung des Prozesses im Verhältnis zu den Spezifikationsgrenzen bewertet.
Cpk: Fähigkeitskennzahl, die sowohl die Streuung als auch die Lage des Prozesses im Bezug zu den Spezifikationsgrenzen bewertet.
x̄ = Mittelwert der Stichprobe: Durchschnittswert der erhobenen Messdaten.
s = Standardabweichung: Maß für die Streuung der Daten um den Mittelwert.