کیفیت 101: نمودارهای دامنه متحرک ‘رفع" در رفتار فرآیند

نمودارهای کنترل به تجزیه و تحلیل داده ها برای بهبود فرآیند تولید کمک می کنند.

تجزیه و تحلیل داده ها با استفاده از نمودارهای رفتاری فرآیند ، شاورتر آنها را کنترل می کند-نمودارهای کنترل-این پایه و اساس کنترل فرآیند آماری (SPC) برای بهبود فرآیند است. SPC بر این مفهوم متمرکز است که تمام فرآیندها دارای تنوع روتین هستند و برخی از فرآیندها از استثنائات تنوع بیشتری دارند. بهبود فرآیند نیاز به از بین بردن علل تغییر استثنایی و کاهش تغییرات از دلایل روتین دارد. به درستی ساخته شده ، نمودارهای رفتار فرآیند تنوع استثنایی را از تنوع روتین جدا می کنند و به کاربر اجازه می دهد تا بر شناسایی و حذف استثنائات از یک فرآیند تمرکز کند.

از زمان معرفی شوارت نمودار میانگین و دامنه در سال 1924 ، انواع نمودارهای رفتاری فرآیند ایجاد شده است. یکی از مواردی که به طور گسترده مورد استفاده قرار می گیرد ، هم در عملیات تولید و هم برای فرآیندهای مدیریت ، افراد و نمودار دامنه حرکت است.

دو نمودار در یک

افراد و دامنه متحرک نمودار-XMR یا IMR واقعاً دو نمودار استفاده شده در پشت سر هم هستند. آنها با هم میانگین فرایند و همچنین تغییر فرایند را کنترل می کنند. جدول A تمرکز هر نمودار را خلاصه می کند و نمونه هایی از اقداماتی را که ممکن است با استفاده از این روش مورد تجزیه و تحلیل قرار گیرد ، ارائه می دهد.

از آنجا که نمودار افراد (X) یک توالی سفارش زمانی از مقادیر داده های فردی است ، می توان از فرآیند این نمودار ، همه تغییرات ، روال و استثنایی را مشاهده کرد. با این حال ، تجزیه و تحلیل بر جدا کردن هرگونه تغییر استثنایی موجود در داده ها از تغییر روتین فرآیند متمرکز است. کمیت تغییر روتین کار دامنه های متحرک است.

چگونه خانم تنوع روتین را تعیین می کند

هر اختلاف محدوده در حال حرکت بین مقادیر داده های مجاور-تنوع بین دوره های زمانی را منعکس می کند. میانگین دامنه های متحرک برای محاسبه محدودیت ها استفاده می شود: محدودیت های فرآیند طبیعی (NPL) در نمودار X و محدودیت های کنترل فوقانی (UCL) در نمودار MR.

اگر یک فرآیند فقط دارای تغییر روزمره باشد ، دامنه های متحرک و در نتیجه میانگین دامنه های متحرک ، می توانند به یک انحراف استاندارد برای فرآیند تبدیل شوند و برای محاسبه محدودیت در نمودارها استفاده می شوند. این محدودیت های کنترل 3 محدوده سیگما است ، همانطور که توسط شوارت توصیه می شود ، برای اطمینان از کنترل اقتصادی کیفیت محصول تولیدی.

اگر یک فرآیند هم تنوع روتین داشته باشد و هم تنوع استثنایی ، برخی از محدوده های متحرک به استثنائات تورم می شوند. با این حال ، بسیاری از محدوده های متحرک فقط از تنوع روتین تشکیل می شوند و میانگین دامنه متحرک به شدت تورم نمی شود. محدودیت های محاسبه شده از میانگین دامنه متحرک هنوز هم قادر به تشخیص علل استثنایی تغییر خواهد بود. در موارد شدید ، ممکن است محدودیت هایی از محدوده حرکت متوسط محاسبه شود. این در برابر تورم محدودیت ها در نمودارها محافظت می کند.

فرمول برای محدودیت نمودار XMR

احتیاط

باید دو احتیاط تشخیص داده شود. وسوسه اول محاسبه محدودیت های کنترل برای مقادیر فردی با استفاده از تمام داده ها در یک فرمول سنتی برای انحراف استاندارد است.

این فرمول به طور گسترده ای مورد استفاده قرار می گیرد و در بسیاری از بسته های نرم افزاری گنجانده شده است. استفاده در محاسبه محدودیت برای نمودار XMR مناسب نیست زیرا بین تنوع روتین و استثنایی تمایز قائل نیست. اگر تنوع علت خاصی در داده ها وجود داشته باشد ، محدودیت های محاسبه شده با استفاده از "S" بیش از حد تورم می شوند و هیچ سیگنال در نمودار ظاهر نمی شود. توانایی تشخیص تغییرات استثنایی توسط حسابی تضعیف می شود.

وسوسه دوم استفاده از نمودار X است. اگرچه این ممکن است عملی به نظر برسد ، ممکن است برخی از تجزیه و تحلیل ها از بین بروند. نمودار MR برای تقویت نمودار X توسط:

نوار کناری:

تولید کننده اجزای ماشینکاری شده برای صنعت هوافضا باید برای سال آینده بهره وری را پیش بینی کند. مقادیر بهره وری توسط Shift برای 9 روز تولید گذشته در دسترس است و در بالا خلاصه شده است.

با استفاده از نمودار XMR ، یک مقدار فردی و یک دامنه متحرک وجود تنوع استثنایی را نشان می دهد.

برای تمرکز فقط بر روی تغییرات روزمره این فرآیند برای ساخت محدودیت های کنترل ، مناسب است که محدودیت ها را با استفاده از یک دامنه متحرک متوسط (یا دامنه حرکت متوسط) محاسبه کنید ، بدون تأثیر نقاط داده های مرتبط با استثنا. در کل چهار محدوده متحرک در محاسبه نهایی محدودیت ها استفاده نشده است. نمودار نهایی به وضوح بین تغییرات روتین و تغییر اضافی در داده ها از استثنائات تمایز قائل می شود. تنوع روتین در این فرآیند تفاوت در NPLS است: 99. 78-58. 65 = 41. 13. بر اساس این تجزیه و تحلیل ، بهره وری قابل پیش بینی نیست و تغییر از دلایل روتین 41 ٪ است.