{"id":7731,"date":"2026-10-28T11:41:17","date_gmt":"2026-10-28T03:41:17","guid":{"rendered":"https:\/\/www.unitecho.net\/?p=7731"},"modified":"2026-11-06T10:15:56","modified_gmt":"2026-11-06T02:15:56","slug":"sorting-accuracy-explained-ppm-false-reject-rate-and-yield","status":"publish","type":"post","link":"https:\/\/www.unitecho.net\/de\/knowledge-news\/sorting-accuracy-explained-ppm-false-reject-rate-and-yield\/","title":{"rendered":"Erl\u00e4uterung der Sortiergenauigkeit: PPM, Falschauswurfquote und Ausbeute"},"content":{"rendered":"

Beschaffungsteams vergleichen optische Sortiermaschinen<\/a> in einer Zeile eines Angebots: Genauigkeit von 99,9 Prozent oder besser. Die Teams im Werk stellen sp\u00e4ter fest, dass dieselbe Maschine eine Ausschussquote von fast einem Prozent meldet, dass ein Teil dieses Stroms verkaufsf\u00e4higes Produkt ist und dass niemand sagen kann, wie viele Fehler tats\u00e4chlich in den Karton gelangt sind. Die Diskrepanz ist selten auf einen unehrlichen Lieferanten zur\u00fcckzuf\u00fchren. Es handelt sich um ein Messproblem, da das Durchrutschen von Fehlern, der Verlust von gutem Produkt und die Ausbeute drei separate Gr\u00f6\u00dfen sind, die in einer einzigen Prozentzahl zusammengefasst werden.<\/p>\n\n\n\n

Die Sortiergenauigkeit in PPM ist die Anzahl der fehlerhaften Teile, die pro einer Million gepr\u00fcfter Teile den Sortierer passieren, und sie ist nur dann aussagekr\u00e4ftig, wenn sie im Zusammenhang mit der Falschauswurfquote \u2013 dem Anteil der f\u00e4lschlicherweise aussortierten einwandfreien Teile \u2013 und der Ausbeute \u2013 dem Anteil der einwandfreien Teile, die in den Gut-Strom gelangen \u2013 betrachtet wird. Eine Maschine, bei der 25 PPM durchrutschen und 0,2 Prozent der einwandfreien Produkte aussortiert werden, ist nicht dasselbe wie eine Maschine, bei der 200 PPM durchrutschen und die Ausschussquote nahezu null ist \u2013 selbst wenn beide mit einer Genauigkeit von 99,9 Prozent beworben werden.<\/strong><\/p>\n\n\n\n

In den folgenden Abschnitten werden die drei Zahlen voneinander abgegrenzt, es wird gezeigt, wie sich jede einzelne aus den \u00fcblichen Produktionszahlen berechnen l\u00e4sst, und es wird erl\u00e4utert, warum die Ergebnisse in der Fabrik selten mit denen im Ausstellungsraum \u00fcbereinstimmen.<\/p>\n\n\n\n

\"Optische<\/figure>\n\n\n\n

Was die Sortiergenauigkeit in PPM tats\u00e4chlich misst<\/h2>\n\n\n\n

Die Genauigkeit in PPM ist eine Fehlerquote, die als absolute Anzahl pro einer Million gepr\u00fcfter Teile ausgedr\u00fcckt wird. Dadurch wird ein Prozentsatz in eine Menge umgewandelt, die mit dem Volumen multipliziert, mit den Materialkosten verrechnet und mit der Akzeptanzgrenze eines Kunden verglichen werden kann. Gro\u00dflieferanten haben diese Einheit genau aus diesem Grund eingef\u00fchrt: Prozentangaben verdichten den relevanten Bereich auf zwei Dezimalstellen, wobei 99,9 und 99,99 fast identisch aussehen, sich jedoch hinsichtlich der Anzahl der \u00fcbersehenen Fehler um das Zehnfache unterscheiden.<\/strong><\/p>\n\n\n\n

Warum ein Prozentsatz das Problem verschleiert<\/h3>\n\n\n\n

Eine angegebene Genauigkeit von 99,9 Prozent klingt fast schon nach Perfektion. Das bedeutet aber auch 1.000 fehlerhafte Teile pro einer Million ausgelieferter Teile \u2013 oder 20.000 Durchrutscher pro Jahr in einem Werk, das 20 Millionen Teile pr\u00fcft. Diese Zahl f\u00fchrt zu Sortierma\u00dfnahmen, Frachtkosten und einer Besprechung der Leistungsbewertung.<\/p>\n\n\n\n

Angegebene Genauigkeit<\/td>Fluchtquote<\/td>Entwischte Teile pro Million<\/td><\/tr>
99 Prozent<\/td>1 Prozent<\/td>10,000<\/td><\/tr>
99,9 Prozent<\/td>0,1 Prozent<\/td>1,000<\/td><\/tr>
99,99 Prozent<\/td>0,01 Prozent<\/td>100<\/td><\/tr>
99,999 Prozent<\/td>0,001 Prozent<\/td>10<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Die Einheit selbst ist in der Standardreferenz unter Teile-pro-Notation<\/a>, und ein PPM entspricht 0,0001 Prozent, sodass jede Dezimalstelle einen echten Geldwert darstellt.<\/p>\n\n\n\n

Die Formel und die beiden Richtungen, in die sie weisen kann<\/h3>\n\n\n\n

Die Genauigkeit in PPM ist eine auf eine Million skalierte Kennzahl, doch ein Sortierer erzeugt zwei Ausgabestr\u00f6me, und die Wahl des Z\u00e4hlers entscheidet dar\u00fcber, welches Risiko beschrieben wird. Die \u201eEscape-PPM\u201c, berechnet auf Basis des akzeptierten Stroms, misst die Fehler, die die Maschine verlassen haben, und entspricht dem, was die Kunden erleben. Das \u201eReject PPM\u201c, berechnet auf Basis des Ausschussstroms, vermischt echte Fehler mit einwandfreien Produkten und sagt daher f\u00fcr sich genommen nichts \u00fcber die Genauigkeit aus. Das \u201eOverkill PPM\u201c, berechnet auf Basis des Eingangsmaterials, misst die Anzahl der zerst\u00f6rten einwandfreien Teile pro einer Million gepr\u00fcfter Teile \u2013 und genau daf\u00fcr zahlt das Werk. Ein einzelner PPM-Wert, der ohne Angabe seiner Basis genannt wird, ist ein Slogan, keine Spezifikation.<\/p>\n\n\n\n

Zielwerte beziehen sich auch auf die Prozessf\u00e4higkeit und nicht nur auf den Pr\u00fcfaufwand. Ein Fehleranteil von 64 PPM entspricht einem F\u00e4higkeitsindex von 1,33, und 0,6 PPM einem Index von 1,66, gem\u00e4\u00df der NIST\/SEMATECH-Handbuch zur Prozessf\u00e4higkeit<\/a>. Ein Zielwert von 20 PPM sagt daher ebenso viel \u00fcber den Prozess aus, der den Sortierer beschickt, wie \u00fcber den Sortierer selbst, denn die Maschine kann nur das aussortieren, was ihre Optik erkennt und was ihre Auswerfer erreichen.<\/p>\n\n\n\n

Wie PPM, Falschr\u00fcckweisungsrate und Ausbeute zusammenh\u00e4ngen<\/h2>\n\n\n\n

PPM, Falsch-Ablehnungsrate und Ausbeute sind drei Kennzahlen, die sich aus einer Reihe von Pr\u00fcfentscheidungen ergeben; daher m\u00fcssen sie im Zusammenhang betrachtet werden, da die Verbesserung einer dieser Kennzahlen unweigerlich mit einer Verschlechterung der beiden anderen einhergeht. Jedes Teil, das die Erkennungszone durchl\u00e4uft, f\u00e4llt genau in eine von vier Kategorien, wobei jede Kategorie einen anderen Verantwortlichen und andere Kosten mit sich bringt.<\/strong><\/p>\n\n\n\n

Die vier m\u00f6glichen Ergebnisse jeder Inspektionsentscheidung<\/h3>\n\n\n\n
Entscheidung des Sortierers<\/td>Das Teil ist gut<\/td>Das Teil ist defekt<\/td><\/tr>
Ausgesto\u00dfen<\/td>Fehlablehnung oder \u00dcberreaktion. Kosten f\u00fcr den Hersteller.<\/td>Korrekte Ablehnung<\/td><\/tr>
Angenommen<\/td>Als richtig akzeptieren<\/td>Ausweichen oder falsche Annahme. Kosten gehen zu Lasten des Kunden.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Indem man die beiden Fehlergr\u00f6\u00dfen zu einem einzigen Genauigkeitsprozentsatz zusammenfasst, wird eine Maschine mit hervorragender Erkennung und schlechtem \u00dcberma\u00df als gleichwertig mit ihrem Gegenteil verkauft. Die Fehler reagieren zudem unterschiedlich auf Anpassungen: Eine Versch\u00e4rfung des Schwellenwerts tauscht Ausbr\u00fcche fast im Verh\u00e4ltnis 1:1 gegen \u00dcberma\u00df ein, w\u00e4hrend eine bessere Optik, Beleuchtung oder ein besserer Teileabstand beide Fehler gleichzeitig reduzieren k\u00f6nnen.<\/p>\n\n\n\n

Die drei Formeln<\/h3>\n\n\n\n

Sobald die Teile, die den Ausschussbeh\u00e4lter verlassen, einer erneuten physischen Pr\u00fcfung unterzogen und klassifiziert wurden, ergeben sich alle drei Kennzahlen aus den Z\u00e4hlwerten, und sie stimmen \u00fcberein, da sie auf derselben Nennerlogik basieren.<\/p>\n\n\n\n