Eine Messkurve enthält eine hohe Spitze. Nach einer Glättung wirkt die Linie wieder ruhig. Ist damit belegt, dass die Spitze nur ein Messfehler war? Nein. Eine Rechenregel kann einen auffälligen Wert in der Darstellung verändern, ohne etwas über dessen Ursache zu wissen. Gerade im Qualitätsmanagement müssen Rohdaten und abgeleitete Darstellung deshalb unterscheidbar bleiben.
Der Medianfilter im Qualitätsmanagement ist ein anschauliches Lernbeispiel für diesen Unterschied. Er verwendet die Rangfolge benachbarter Werte statt deren arithmetischen Durchschnitt. Die folgende eigene Übung zeigt die Rechnung, die Bedeutung der Randbehandlung und die Grenzen der Interpretation. Sie ist keine Anleitung, reale Warnsignale zu unterdrücken oder Produkte anhand geglätteter Daten freizugeben.
Was der Filter mit einer Nachbarschaft macht
Für unsere Übung wählen wir ein zentriertes Fenster aus drei aufeinanderfolgenden Werten. Zu jeder Position betrachten wir den Wert davor, den Wert an der Position und den Wert danach. Wir sortieren diese drei Zahlen und nehmen die mittlere. Dieser Median wird zum abgeleiteten Wert an der betrachteten Position.
Das offizielle SciPy-Tutorial zur Filterung beschreibt Filter allgemein als Operationen auf einer festgelegten Nachbarschaft. Eine solche Nachbarschaft kann unterschiedlich gestaltet sein. Unsere eindimensionale Dreierregel ist bewusst einfach gewählt, damit sich jeder Schritt ohne Software nachrechnen lässt.
Wichtig: Alle Fenster werden aus der ursprünglichen Reihe gebildet. Wir ersetzen nicht erst einen Wert und benutzen dann dieses neue Ergebnis für das nächste Fenster. Ein solches schrittweises Überschreiben wäre eine andere Verarbeitung und könnte ein anderes Resultat erzeugen.
Fünf erfundene Messwerte von Hand filtern
Unsere fiktive Messreihe lautet in zeitlicher Reihenfolge: 10, 11, 80, 12, 11. Es handelt sich um frei gewählte Werte in einer einheitlichen, abstrakten Messeinheit. Weder Toleranzgrenzen noch eine zulässige Prozesslage sind festgelegt. Aus diesen fünf Zahlen kann deshalb keine Aussage über reale Produktqualität abgeleitet werden.
Zunächst betrachten wir nur die drei inneren Positionen:
- Für Position 2 ist das Fenster 10, 11, 80. Sortiert bleibt es 10, 11, 80; der Median beträgt 11.
- Für Position 3 ist das Fenster 11, 80, 12. Sortiert ergibt sich 11, 12, 80; der Median beträgt 12.
- Für Position 4 ist das Fenster 80, 12, 11. Sortiert ergibt sich ebenfalls 11, 12, 80; der Median beträgt 12.
Der ursprüngliche Wert 80 wird an seiner Position also durch den abgeleiteten Wert 12 ersetzt. Die Rechnung sagt nicht, dass tatsächlich 12 gemessen wurde. Sie sagt lediglich: Der mittlere Wert der festgelegten Dreiernachbarschaft beträgt 12.
Zum Vergleich liegt der arithmetische Durchschnitt des mittleren Fensters bei 103 geteilt durch 3, also ungefähr 34,33. Median und Durchschnitt beantworten verschiedene Rechenfragen. Der Median wird hier durch die Größe der einzelnen hohen Zahl weniger beeinflusst; daraus folgt aber kein Wahrheitsvorsprung für das Ergebnis.
Am Rand fehlt ein Nachbar
An der ersten und letzten Position kann ein zentriertes Dreierfenster nicht vollständig aus vorhandenen Nachbarn gebildet werden. Man benötigt eine ausdrücklich festgelegte Randregel. Für unseren vollständigen Rechengang wiederholen wir am Rand den jeweils nächstliegenden vorhandenen Wert.
Das erste Fenster lautet dann 10, 10, 11 und liefert 10. Das letzte lautet 12, 11, 11 und liefert 11. Die abgeleitete Reihe ist somit 10, 11, 12, 12, 11. Die SciPy-Referenz zu median_filter dokumentiert diese Randbehandlung unter dem Namen „nearest“ und beschreibt daneben andere Erweiterungsregeln.
Warum ist das mehr als eine technische Kleinigkeit? Ändere für eine zweite Randübung den ersten Rohwert: 80, 10, 11, 12, 11. Bei Wiederholung des Randwerts lautet das erste Fenster 80, 80, 10; sein Median beträgt 80. Ergänzt man außerhalb der Reihe stattdessen eine Null, lautet es 0, 80, 10; der Median beträgt 10. Derselbe erste Messwert erscheint also abhängig von der Randregel unterschiedlich.
Ein Filtervergleich ist nur nachvollziehbar, wenn Fenster und Randbehandlung bekannt sind. Eine abweichende Kurve muss nicht auf andere Rohdaten zurückgehen; sie kann auch durch andere Verarbeitung entstehen.
Zwei benachbarte Spitzen verhalten sich anders
Betrachte nun die eigenständige Reihe 10, 11, 80, 81, 12, 11, 10. Wir verwenden wieder dasselbe Dreierfenster und die Wiederholung der Randwerte. An Position 3 enthält das Fenster 11, 80, 81 und liefert 80. An Position 4 enthält es 80, 81, 12 und liefert nach Sortierung 12, 80, 81 ebenfalls 80.
Die vollständige abgeleitete Reihe lautet 10, 11, 80, 80, 12, 11, 10. Anders als bei unserer einzelnen Spitze bleibt ein hoher Abschnitt sichtbar. Das Ergebnis hängt damit nicht nur von der Höhe eines Werts ab, sondern auch von den benachbarten Werten und dem gewählten Fenster.
Ein größeres Fenster ist nicht automatisch besser. Es stellt eine andere Frage an eine größere Nachbarschaft. Wenn ein kurzes tatsächliches Ereignis gerade das Untersuchungsziel ist, kann eine geglättete Darstellung wichtige Details verdecken. Lege daher den Zweck fest, bevor Du eine optisch angenehmere Kurve auswählst.
Eine Glättung ist keine Ursachenprüfung
Im ersten Beispiel ist die 80 nach der Filterung nicht mehr als Spitze sichtbar. Trotzdem bleibt offen, ob sie aus einer falschen Eingabe, einem Messproblem oder einem wirklichen kurzen Ereignis stammt. Der Filter besitzt keine Informationen über Bedienung, Gerät, Prozesszustand oder eine begleitende Beobachtung.
Für eine sachliche Besprechung wäre deshalb diese Formulierung passend: „Die einzelne Spitze wird durch den zentrierten Dreier-Medianfilter in der abgeleiteten Darstellung geglättet. Ihre Ursache ist anhand der Originalaufzeichnung noch zu prüfen.“ Unpassend wäre: „Der Filter hat den Fehler beseitigt.“ Dafür fehlt der Nachweis, dass überhaupt ein Fehler vorlag.
Behalte die Originalreihe separat bei. Benenne die abgeleitete Reihe eindeutig und dokumentiere Fenster, Zentrierung, Randregel und Zweck. Ein Vergleich beider Darstellungen macht sichtbar, was verändert wurde. Die dokumentierte Entscheidung über einen auffälligen Rohwert gehört nicht in einen stillen Rechenschritt.
Qualitätswissen mit klaren Grenzen vertiefen
Wer Messdaten in Besprechungen nutzt, braucht nicht nur Rechenfertigkeit, sondern auch ein Verständnis dafür, was eine Darstellung belegt. Ein öffentlich angebotenes Weiterbildungsangebot ist der Qualitätsmanager inklusive TÜV-Zertifizierung bei GrandEdu Media. Prüfe die dort beschriebenen Inhalte, Voraussetzungen und Rahmenbedingungen auf ihre Passung zu Deinem beruflichen Ziel.
Aus dieser Lernübung folgt keine Zusage, dass genau dieser Medianfilter im Angebot unterrichtet oder geprüft wird. Ebenso wenig ersetzt sie die fachlich festgelegte Bewertung eines realen Messsystems, Prozesses oder Produkts. Bei sicherheits- oder freigaberelevanten Daten dürfen anwendbare Vorgaben nicht durch eine selbst gewählte Glättung ersetzt werden.
FAQ: Medianfilter im Qualitätsmanagement
Ist der Filterwert eine neue Messung?
Nein. Er ist ein berechneter Wert aus einer definierten Nachbarschaft. Kennzeichne ihn als abgeleitet und bewahre den ursprünglichen Messwert auf.
Muss ich alle Messwerte vorher sortieren?
Nein. Die zeitliche Reihenfolge der gesamten Reihe bleibt erhalten. Nur die Werte innerhalb des jeweiligen Fensters werden für die Medianbestimmung sortiert.
Kann ich fehlende Werte einfach als Null behandeln?
Nein. Fehlend und null sind unterschiedliche Informationen. Unsere Übung enthält keine fehlenden Werte. Eine reale Verarbeitung benötigt dafür eine eigene, geeignete Regel.
Fazit: Die Rechenregel zeigen, die Daten nicht umdeuten
Ein Medianfilter kann eine einzelne Spitze in einer Kurve glätten. Das ist eine Eigenschaft der Verarbeitung, keine Entwarnung für den Prozess. Rechne die Fenster nach, notiere die Randregel und vergleiche das Ergebnis mit den unveränderten Rohdaten.
Du möchtest Qualitätsmethoden systematisch vertiefen? Über den Kontakt zu GrandEdu Media kannst Du Deinen beruflichen Hintergrund und Dein Lernziel besprechen. Bring eine konkrete fachliche Frage mit, ohne vertrauliche Unternehmensdaten zu übermitteln.