Was ist ein gleitendes Durchschnittsdiagramm Eine Art von zeitgewichteten Kontrolltafeln, die den ungewichteten gleitenden Durchschnitt über die Zeit für einzelne Beobachtungen darstellt. Dieses Diagramm verwendet Steuergrenzen (UCL und LCL), um zu bestimmen, wann eine Außer-Steuer-Situation aufgetreten ist. Moving Average (MA) - Diagramme sind effektiver als Xbar-Diagramme bei der Erkennung kleiner Prozessverschiebungen und sind besonders nützlich, wenn es nur 1 Beobachtung pro Untergruppe gibt. Jedoch werden EWMA-Diagramme allgemein gegenüber MA-Diagrammen bevorzugt, da sie die Beobachtungen gewichten. Die Beobachtungen können entweder Einzelmessungen oder Untergruppen sein. Bewegungsdurchschnitte werden aus künstlichen Untergruppen berechnet, die aus aufeinanderfolgenden Beobachtungen erstellt werden. Beispiel eines gleitenden Durchschnittsdiagramms Ein Hersteller von Zentrifugenrotoren möchte den Durchmesser aller in einer Woche produzierten Rotoren verfolgen. Die Durchmesser müssen nahe am Ziel liegen, da auch kleine Verschiebungen Probleme verursachen. Die Punkte scheinen, um zufällig um die Mittellinie zu variieren und sind innerhalb der Steuergrenzen jedoch, gibt es einen Punkt, der nah an die Steuergrenze kommt, die Sie untersuchen können. KONTAKT Info-Aufstellungsort-Suche, wenn ein bewegliches durchschnittliches Reichweiten-Diagramm-bewegender Durchschnitt benutzt Diagramme werden im Allgemeinen verwendet, um kleine Verschiebungen im Prozessmittel zu erkennen. Sie erkennen Verschiebungen von 0,5 Sigma auf 2 Sigma viel schneller als Shewhart-Diagramme mit der gleichen Stichprobengröße. Sie sind jedoch langsamer bei der Erfassung großer Verschiebungen im Prozessmittel. Darüber hinaus können aufgrund der Abhängigkeit von Datenpunkten keine typischen Ausführungstests verwendet werden. Moving Average Charts können auch bevorzugt werden, wenn die Untergruppen die Größe n1 haben. In diesem Fall könnte ein alternatives Diagramm das individuelle X-Diagramm sein, in welchem Fall Sie die Verteilung des Prozesses abschätzen müssten, um seine erwarteten Grenzen mit Kontrollgrenzen zu definieren. Der Vorteil von Cusum-, EWMA - und Moving-Average-Diagrammen besteht darin, dass jeder Punktpunkt mehrere Beobachtungen enthält, so dass Sie den zentralen Grenzwertsatz verwenden können, um zu sagen, dass der Durchschnitt der Punkte (oder der gleitende Durchschnitt in diesem Fall) Grenzwerte sind klar definiert. Eine weitere Verwendung der Moving Average Charts ist für Prozesse mit bekannten intrinsischen Zyklen. Viele Abrechnungsprozesse und chemische Prozesse passen in diese Kategorisierung. Wenn Sie in festgelegten Intervallen abgetastet und die Zellengröße gleich der Anzahl der Untergruppen pro Zyklus eingestellt haben, können Sie beim Ablegen des ältesten Samples in der Zelle den entsprechenden Punkt im nächsten Zyklus abnehmen. Wenn die zyklische Natur des Prozesses gestört wird, dann werden die neuen Punkte wesentlich anders sein, was zu Kontrollpunkten führt. Wie bei anderen Steuerkarten werden Moving Average Charts zur Überwachung von Prozessen im Laufe der Zeit verwendet. Die X-Achsen sind zeitbasiert, so dass die Diagramme eine Historie des Prozesses zeigen. Aus diesem Grund müssen Sie Daten haben, die zeitgesteuert sind, die in der Reihenfolge eingegeben werden, aus der sie generiert wurden. Wenn dies nicht der Fall ist, können Trends oder Verschiebungen des Prozesses nicht erkannt werden, sondern stattdessen einer zufälligen (häufigen) Variation zugeschrieben werden. Moving Average amp Range Charts können verwendet werden, wenn die Zellengröße kleiner als zehn Untergruppen ist. Wenn die Zellengröße größer als zehn ist, verwenden Sie Moving Average Amp-Sigma-Diagramme. Andere Diagramme, die in den obigen Szenarien nützlich sind, sind die EWMA - und Cusum-Diagramme. Seit 1982: Die Kunstwissenschaft, um Ihr Endergebnis zu verbessern Quality America bietet Software zur statistischen Prozesskontrolle sowie Schulungsmaterialien für Lean Six Sigma, Quality Management und SPC. Wir begleiten einen kundenorientierten Ansatz und führen in vielen Software-Innovationen kontinuierlich nach Wegen, unseren Kunden die besten und kostengünstigsten Lösungen zu bieten. Die führenden Unternehmen in ihrem Bereich, Quality America hat Software und Training Produkte und Dienstleistungen für Zehntausende von Unternehmen in über 25 Ländern zur Verfügung gestellt. Copyright-Kopie 2013 Quality America Inc. Die exponentiell gewichtete gleitende Durchschnitt (EWMA) ist eine Statistik für die Überwachung des Prozesses, dass die Daten in einer Weise, dass weniger und weniger Gewicht auf Daten, da sie weiter entfernt werden in der Zeit. Vergleich von Shewhart-Kontrolldiagramm und EWMA-Kontrolltafel-Techniken Für die Shewhart-Diagrammsteuerungstechnik hängt die Entscheidung über den Zustand der Kontrolle des Prozesses zu irgendeinem Zeitpunkt (t) ausschließlich von der letzten Messung aus dem Verfahren ab, Der Grad der Richtigkeit der Schätzungen der Kontrollgrenzen aus historischen Daten. Für die EWMA-Steuerungstechnik hängt die Entscheidung von der EWMA-Statistik ab, die ein exponentiell gewichteter Durchschnitt aller vorherigen Daten ist, einschließlich der letzten Messung. Durch die Wahl des Gewichtungsfaktors (Lambda) kann die EWMA-Steuerprozedur empfindlich auf eine kleine oder allmähliche Drift in dem Prozess eingestellt werden, während die Shewhart-Steuerprozedur nur dann reagieren kann, wenn der letzte Datenpunkt außerhalb einer Kontrollgrenze liegt. Definition von EWMA Die berechnete Statistik ist: mbox t lambda Yt (1-lambda) mbox ,,, mbox ,,, t 1,, 2,, ldots ,, n. Wobei (mbox 0) der Mittelwert der historischen Daten (Ziel) (Yt) ist die Beobachtung zur Zeit (t) (n) die Anzahl der zu überwachenden Beobachtungen einschließlich (mbox 0) (0 Interpretation der EWMA - Dots sind die Rohdaten, die gezackte Linie ist die EWMA-Statistik im Laufe der Zeit. Das Diagramm zeigt uns, dass der Prozess in der Steuerung ist, weil alle (mbox t) zwischen den Kontroll-Grenzen liegen. Allerdings scheint es einen Trend nach oben für die letzten 5 Für die statistische Prozesskontrolle (SPC) ist die Auswahl des richtigen Kontrolltabels ein wichtiger Ausgangspunkt für die statistische Prozesskontrolle (SPC), die in erster Linie von der Klassifizierung der Daten abhängt Die Art der zugrunde liegenden Verteilung und die Absicht der Anwendung. Die Auswahl der falschen Art kann in vielen falschen Alarme führen, was zu teuren und fruchtlosen Suchvorgänge für zuweisbare Ursachen. Mit der breiten Palette von Optionen für die Steuerung Diagramm zur Verfügung, die Auswahl der Tabelle, die am besten passt Ein bestimmter Prozess kann eine schwierige Aufgabe sein. Die Verwirrung erhöht sich mit der Anwendbarkeit von zwei verschiedenen Kontrollkarten für dieselben Daten. Dies ist insbesondere der Fall bei der Verwendung von zeitgewichteten Kontrolldiagrammen. Beispielsweise kann derselbe Datensatz mit einem individuell bewegten Bereich (I-MR-Diagramm) sowie zeitgewichteten Kontrolltafeln wie einem exponentiell gewichteten gleitenden Durchschnitt (EWMA-Diagramm) oder einer kumulativen Summen - (Cusum-) Kontrollkarte analysiert werden. Allerdings sind die Absicht und die Methode der Anwendung für beide Arten von Zeit-gewichteten Charts völlig unterschiedlich. Praktiker fokussieren oft nicht genug auf die 8220intent8221 der Verwendung einer bestimmten Art von Kontrolltafel, die zu einer falschen Interpretation der Ergebnisse führen kann. Wann und wie ein zeitgewichtetes Kontrollschema zu verwenden ist, war schon immer ein Gebiet der Verwirrung für Qualitätskontrolleure in Produktionslinien (operatives Verständnis) sowie SPC-Praktiker (Vergleich der statistischen Leistungen). Beispiel für verschiedene Kontrolldiagramme Ergebnisse Die folgenden Datensätze sind ein Beispiel für die unterschiedlichen Schlussfolgerungen, die von zwei verschiedenen Kontrollkarten erhalten werden. Die Daten werden unter Verwendung eines I-MR-Diagramms sowie eines EWMA-Diagramms analysiert, und die entnommenen Schlüsse sind widersprüchlich. Es ist schwierig, eine Entscheidung zu treffen, wenn die Absicht der Analyse nicht verstanden wird. Fall 1: Ein I-MR-Diagramm zeigt einen Out-of-Control-Prozess, während keine solchen Anzeichen in den zeitgewichteten Kontrolldiagrammen zu sehen sind. Fall 2: Ein I-MR-Diagramm zeigt einen In-Control-Prozess, während die zeitgewichteten Charts einen deutlichen Aufwärtstrend in den Prozessdaten zeigen. Vergleich der statistischen Leistung Ein wesentlicher Nachteil der Shewhart-Steuerkarten ist, dass sie nur Informationen über den Prozess in der letzten aufgetragenen Punkt und daher diese Charts haben keinen Speicher. Bisherige Beobachtungen haben keinen Einfluss auf die Wahrscheinlichkeit zukünftiger Out-of-Control-Signale. Trendregeln oder Zonenregeln können verwendet werden, um etwas Speicher einzuführen, was zu einer schnelleren Erfassung von kleinen Verschiebungen führt. Zeitgewichtete Kontrolldiagramme sind eine Alternative zu Shewhart-Diagrammen zur Verfolgung von kleinen Verschiebungen in einem Prozess. Im Gegensatz zu Shewhart-Diagrammen nutzen sie historische Datenpunkte und erkennen schnell kleine Verschiebungen (von weniger als 3 Sigma). Roadmap für Zeitgewichtete Kontrolldiagramme Obwohl zeitgewichtete Kontrolldiagramme sehr nützlich sind, sind sie nicht dazu bestimmt, die Shewhart-Diagramme vollständig zu ersetzen, die verwendet werden können, um ein breiteres Sortiment von Effekten (Verschiebungen von 3 Sigma oder höherer Ordnung) zu erkennen Aufgrund zuweisbarer Ursachen. Es wird häufig empfohlen, dass Shewhart-Grenzwerte in Verbindung mit einem EWMA - oder Cusum-Diagramm verwendet werden. Die Absicht, ein Kontrollschema für die Analyse zu verwenden, muss vorher gut verstanden werden. Zwei wichtige Fragen zu beantworten sind: Ist das Team speziell auf der Suche nach Erkennung von relativ kleinen Verschiebungen in den Prozess Wie kleine Verschiebung (in der Größenordnung von 1 oder 2 Sigma) ist signifikant für den Prozess Beantwortung dieser Fragen macht deutlich, die Absicht zu verwenden Zeitgewichtete Regelkarten. Es bestimmt Parameter (Gewicht für EWMA-Charts und Shift und Slack für Cusum-Charts) von zeitgewichteten Charts und analysiert den Datensatz entsprechend. Projektteams sollten mit einer Shewhart-Kontrolldiagramm für offensichtliche Prozessinstabilität beginnen, wenn überhaupt, und verwenden Sie dann eine zeitgewichtete Kontrolldiagramm für die Bestimmung der kleinen Verschiebungen im Prozess. Die Roadmap für die Verwendung von Zeit-gewichteten Kontrolldiagrammen in Verbindung mit Shewhart-Kontrollkarten ist unten: Roadmap für die Verwendung von Zeitgewichteten Kontrollkarten Fazit: Zwei Kontroll-Charts sind besser als eine Zeitgewichtete Kontrolldiagramme sind eine gute Alternative zu Shewhart-Kontrollkarten für die Erkennung kleinerer Schnell verschieben. Jedoch muss der Benutzer über die Absicht der Verwendung dieser Kontrollkarten klar sein. Die Roadmap, die durch praktische Erfahrung entwickelt wurde, hilft, bessere Ergebnisse zu erzielen, indem sie Shewhart und zeitgewichtete Kontrolldiagramme verwendet. Hinterlassen Sie einen CommentMoving-Bereich, der verwendet wird, um obere und untere Grenzen abzuleiten. Kontrollkarten für einzelne Messungen, z. B. Die Stichprobengröße 1, den Bewegungsbereich von zwei aufeinanderfolgenden Beobachtungen nutzen, um die Prozessvariabilität zu messen. Der Bewegungsbereich ist definiert als MRi xi - x. Der der absolute Wert der ersten Differenz (z. B. die Differenz zwischen zwei aufeinanderfolgenden Datenpunkten) der Daten ist. Analog zur Shewhart-Kontrollkarte kann man sowohl die Daten (die Individuen) als auch die Bewegungsreichweite darstellen. Individuelle Kontrollgrenzen für eine Beobachtung Für die Kontrollkarte für einzelne Messungen sind die gezeichneten Linien: beginnen UCL bar 3frac mbox bar LCL bar - 3frac. End, wobei (bar) der Durchschnitt aller Individuen ist und (overline) der Durchschnitt aller Bewegungsbereiche von zwei Beobachtungen ist. Denken Sie daran, dass einer oder beide Durchschnitte durch einen Standard oder ein Ziel ersetzt werden können, falls verfügbar. (D2) für (n 2) Beispiel für den Bewegungsbereich Das folgende Beispiel veranschaulicht das Kontrollschema für einzelne Beobachtungen: Ein neues Verfahren wurde untersucht, um den Durchfluss zu überwachen, wobei die ersten 10 Chargen resultierten
No comments:
Post a Comment