Moving Average Control Chart Vorlage

Verschieben der durchschnittlichen Diagrammvorlage in Excel Verwenden Sie ein Moving Average - und Range-Diagramm, wenn Sie ein Sample haben und einen gleitenden Durchschnitt wünschen. QI Makros Moving Average Template hat zwei Möglichkeiten: 1. Moving Average Chart Eingabe der Daten in Spalte B Geben Sie die Datenpunkte an, die Sie in den gleitenden Durchschnitt in Zelle K2 eingeben wollen. Ziel (Mittellinie) und Standardabweichung werden aus Ihren Daten berechnet Über geschrieben. 2. Wheeler Moving Average und Range Eingabe Ihrer Daten in Spalte B Geben Sie die Datenpunkte an, die Sie in den gleitenden Durchschnitt in Zelle AA2 einbeziehen möchten. Diese Vorlage verwendet unterschiedliche Berechnungen für das Moving Average-Diagramm und enthält ein Range-Diagramm, Histogramm mit Cp Cpk, Capability Plot und Wahrscheinlichkeit Plot. Erfahren Sie mehr. So erstellen Sie eine gleitende durchschnittliche Diagrammvorlage mithilfe von QI-Makros. Warum wählen Sie QI Makros Benutzerfreundlichkeit - Assistent wählt das richtige Steuerelement für Sie - Zeit sparen - Genauere Ergebnisse ohne Sorgen XL2007-2016 Zusätzliche Funktionen - Schaltet Unstable Bedingungen Rot - Erstellen Treppenstufenlimits - Diagramm-Menü Automatisiert: Hinzufügen Daten, Zielzeilen, Recalc-Limits, etc. - 1 Klicken Sie auf Control Chart Dashboard Erschwinglich - nur 249 pro Lizenz und weniger mit MengenrabatteA Roadmap für die Verwendung von Zeit-gewichteten Kontrollkarten Vishwajit Joshi 0 Auswählen der richtigen Art von Kontrolltafel ist ein wichtiger Ausgangspunkt für Statistische Prozesssteuerung (SPC). Welches Diagramm zu verwenden ist, hängt hauptsächlich von der Klassifizierung der Daten, der Art der zugrunde liegenden Verteilung und der Absicht der Anwendung ab. Das Auswählen des falschen Typs kann zu vielen Fehlalarmen führen, was zu teuren und fruchtlosen Suchen nach zuweisbaren Ursachen führt. Mit dem breiten Spektrum der verfügbaren Kontrollkartenoptionen kann die Auswahl des Diagramms, das für einen bestimmten Prozess am besten geeignet ist, 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 künftiger 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 Kontrolltafeln Fazit: Zwei Kontrollkarten sind besser als eine Zeitgewichtete Kontrolldiagramme sind eine gute Alternative zu Shewhart-Kontrollkarten zur 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. Carl Berardinelli 40 Kontrollkarten haben zwei allgemeine Verwendungen in einem Verbesserungsprojekt. Die häufigste Anwendung ist ein Werkzeug zur Überwachung der Prozessstabilität und - kontrolle. Ein weniger gebräuchlich, obwohl einige vielleicht mächtiger, die Verwendung von Kontrolltafeln zu argumentieren, ist als Analyse-Tool. Die folgenden Beschreibungen geben einen Überblick über die verschiedenen Arten von Kontrolldiagrammen, mit denen Praktiker das beste Diagramm für jede Überwachungssituation identifizieren können, gefolgt von einer Beschreibung der Methode zur Verwendung von Kontrollkarten zur Analyse. Variablen erkennen Wenn ein Prozess stabil und kontrolliert ist, zeigt er häufige Ursachenvariationen, die dem Prozess inhärent sind. Ein Prozess ist in der Steuerung, wenn auf der Grundlage von Erfahrungen der Vergangenheit kann vorhergesagt werden, wie der Prozess wird variieren (innerhalb Grenzen) in der Zukunft. Wenn das Verfahren instabil ist, zeigt das Verfahren spezielle Ursachenvariation, nicht-zufällige Veränderung von externen Faktoren an. Regelkarten sind einfache, robuste Werkzeuge zum Verständnis der Prozessvariabilität. Die vier Prozessstaaten Prozesse fallen in einen von vier Zuständen: 1) das Ideal, 2) die Schwelle, 3) den Rand des Chaos und 4) den Zustand des Chaos (Abbildung 1). 3 Wenn ein Prozeß im Idealzustand arbeitet. Dieser Prozess ist in der statistischen Kontrolle und produziert 100 Prozent Übereinstimmung. Dieser Prozess hat Stabilität und Ziel-Performance im Laufe der Zeit bewiesen. Dieser Prozess ist vorhersehbar und seine Leistung entspricht den Erwartungen der Kunden. Ein Prozess, der sich in dem Schwellenzustand befindet, ist dadurch charakterisiert, dass er sich in der statistischen Steuerung befindet, jedoch immer noch die gelegentliche Nichtkonformität erzeugt. Diese Art von Verfahren wird ein konstantes Niveau von Nichtkonformitäten produzieren und weist eine geringe Fähigkeit auf. Obwohl dies vorhersehbar ist, entspricht dieser Prozess nicht immer den Kundenbedürfnissen. Der Rand des Chaoszustandes reflektiert einen Prozess, der nicht in der statistischen Steuerung ist, aber auch produziert nicht Defekte. Mit anderen Worten, der Prozess ist nicht vorhersehbar, aber die Ergebnisse des Prozesses erfüllen noch die Anforderungen der Kunden. Das Fehlen von Defekten führt jedoch zu einem falschen Sicherheitsgefühl, da ein solches Verfahren zu jedem Zeitpunkt Unstimmigkeiten hervorrufen kann. Es ist nur eine Frage der Zeit. Der vierte Prozesszustand ist der Zustand des Chaos. Hierbei handelt es sich nicht um eine statistische Kontrolle, die zu unvorhersehbaren Fehlern führt. Abbildung 1: Vier Prozesszustände Jeder Prozess fällt zu einem bestimmten Zeitpunkt in einen dieser Zustände, wird aber nicht in diesem Zustand bleiben. Alle Prozesse werden auf den Zustand des Chaos migrieren. Unternehmen beginnen typischerweise irgendeine Art von Verbesserungsanstrengung, wenn ein Prozess den Zustand des Chaos erreicht (obwohl es wohl besser wäre, Verbesserungspläne am Rande des Chaos oder Schwellenzustands einzuleiten). Kontrollkarten sind robuste und effektive Werkzeuge, die als Teil der Strategie verwendet werden, um diesen natürlichen Prozessabbau zu erkennen (Abbildung 2). 3 Abbildung 2: Natürliche Prozessdegradationselemente eines Regelschaubildes Es gibt drei Hauptelemente eines Regelschemas, wie in Abbildung 3 dargestellt. Ein Regeldiagramm beginnt mit einem Zeitreihengraphen. Als visuelle Referenz zur Erfassung von Verschiebungen oder Trends wird eine zentrale Linie (X) hinzugefügt, die auch als Prozessort bezeichnet wird. Obere und untere Regelgrenzen (UCL und LCL) werden aus den verfügbaren Daten berechnet und in gleichem Abstand von der Mittellinie platziert. Dies wird auch als Prozessdispersion bezeichnet. Abbildung 3: Elemente einer Kontrolltafel Kontrollgrenzen (CLs) stellen sicher, dass die Zeit nicht verschwendet wird, um nach unnötigen Schwierigkeiten zu suchen. Das Ziel eines Prozessverbesserungspraktikers sollte es sein, nur Maßnahmen zu ergreifen, wenn es gerechtfertigt ist. Die Kontrollgrenzen werden berechnet durch: Schätzen der Standardabweichung. Der Probendaten Multiplizieren dieser Zahl mit 3 Addieren (3 x auf den Mittelwert) für die UCL und Subtraktion (3 x aus dem Mittelwert) für die LCL Mathematisch sieht die Berechnung der Regelgrenzen wie folgt aus: (Hinweis: Der Hut über Zeigt das Sigma-Symbol an, dass es sich hierbei um eine Schätzung der Standardabweichung handelt, nicht um die tatsächliche Standardabweichung.) Da Steuergrenzen aus Prozessdaten berechnet werden, sind sie unabhängig von Kundenerwartungen oder Spezifikationsgrenzen. Steuerregeln nutzen die normale Kurve, in der 68.26 Prozent aller Daten innerhalb plus oder minus einer Standardabweichung vom Durchschnitt sind, 95.44 Prozent aller Daten sind innerhalb plus oder minus zwei Standardabweichungen vom Durchschnitt und von 99.73 Prozent von Daten Innerhalb von plus oder minus drei Standardabweichungen vom Durchschnitt sein. Als solche sollten Daten normal verteilt (oder transformiert) werden, wenn Steuerkarten verwendet werden, oder das Diagramm kann eine unerwartet hohe Rate von falschen Alarmen signalisieren. Kontrollierte Variation Kontrollierte Variation ist charakterisiert durch ein stabiles und konsistentes Muster der Variation über die Zeit und ist mit gemeinsamen Ursachen verbunden. Ein Prozess, der mit kontrollierter Variation arbeitet, hat ein Ergebnis, das innerhalb der Grenzen der Kontrollgrenzen vorhersagbar ist. Abbildung 4: Beispiel für kontrollierte Variation Unkontrollierte Variation Unkontrollierte Variation ist durch Variation gekennzeichnet, die sich über die Zeit ändert und mit speziellen Ursachen assoziiert ist. Die Ergebnisse dieses Prozesses sind unberechenbar ein Kunde kann zufrieden sein oder unbefriedigt angesichts dieser Unberechenbarkeit. Abbildung 5: Beispiel für unkontrollierte Variation Bitte beachten Sie: Prozesssteuerung und Prozessfähigkeit sind zwei verschiedene Dinge. Ein Prozess sollte stabil und kontrolliert sein, bevor die Prozessfähigkeit beurteilt wird. Abbildung 6: Beziehung der Kontrolldiagramme zu Normalkurvenkontrollschemata für ununterbrochene Datenpersonen und gleitende Streckendiagramme Die Einzelpersonen und bewegliches Strecke (I-MR) Diagramm ist eine der am meisten benutzten Steuerdiagramme für ununterbrochene Daten, die es anwendbar ist, wenn ein Datenpunkt Wird zu jedem Zeitpunkt gesammelt. Das I-MR-Regelungsdiagramm ist tatsächlich zwei Diagramme, die im Tandem verwendet werden (Fig. 7). Gemeinsam überwachen sie den Prozessdurchschnitt sowie die Prozessvariation. Bei x-Achsen, die zeitbasiert sind, zeigt das Diagramm eine Historie des Prozesses. Die I-Diagramm wird verwendet, um Trends und Verschiebungen in den Daten zu erkennen, und damit in den Prozess. Das Personendiagramm muss die Daten zeitlich geordnet haben, dh die Daten müssen in der Reihenfolge eingegeben werden, in der sie erzeugt wurden. Wenn Daten nicht korrekt verfolgt werden, werden Trends oder Verschiebungen des Prozesses möglicherweise nicht erkannt und können falsch auf zufällige (häufige Ursache) Variation zurückgeführt werden. Es gibt fortgeschrittene Kontrolldiagrammanalysetechniken, die auf die Erfassung von Verschiebungen und Trends verzichten, aber bevor diese fortgeschrittenen Methoden angewandt werden, sollten die Daten in Zeitabfolge geplottet und analysiert werden. Das MR-Diagramm zeigt kurzfristige Variabilität in einem Prozess und eine Bewertung der Stabilität der Prozessvariation. Der Bewegungsbereich ist der Unterschied zwischen aufeinanderfolgenden Beobachtungen. Es wird erwartet, dass die Differenz zwischen aufeinanderfolgenden Punkten vorhersagbar ist. Punkte außerhalb der Kontrollgrenzen geben Instabilität an. Wenn es irgendwelche außer Kontrolle Punkte, die besonderen Ursachen müssen beseitigt werden. Sobald die Auswirkung irgendwelcher Out-of-Control-Punkte aus dem MR-Diagramm entfernt ist, sehen Sie sich das I-Diagramm an. Achten Sie darauf, den Punkt zu entfernen, indem Sie den Prozess nicht korrigieren, indem Sie einfach den Datenpunkt löschen. Abbildung 7: Beispiel für Einzel - und Bewegungsbereich (I-MR) Das I-MR-Diagramm wird am besten verwendet, wenn: die natürliche Untergruppengröße unbekannt ist. Die Integrität der Daten verhindert ein klares Bild einer logischen Untergruppe. Die Daten sind knapp (daher ist die Untergruppierung noch nicht praktikabel). Der zu beurteilende natürliche Teilkonzern ist noch nicht definiert. Xbar-Range-Diagramme Eine weitere häufig verwendete Steuerkarte für kontinuierliche Daten ist das Xbar - und Bereichs - (Xbar-R) Diagramm (Abbildung 8). Wie das I-MR-Diagramm besteht es aus zwei Karten, die im Tandem verwendet werden. Das Xbar-R-Diagramm wird verwendet, wenn Sie Messungen in Untergruppen von zwischen zwei und zehn Beobachtungen rational erfassen können. Jede Untergruppe ist eine Momentaufnahme des Prozesses zu einem bestimmten Zeitpunkt. Die Diagramme x-Achsen sind zeitbasiert, so dass das Diagramm eine Historie des Prozesses zeigt. Aus diesem Grund ist es wichtig, dass die Daten in Zeitreihenfolge vorliegen. Das Xbar-Diagramm wird verwendet, um die Konsistenz der Prozessdurchschnitte zu bewerten, indem der Durchschnitt jeder Untergruppe geplottet wird. Es ist effizient beim Erfassen relativ großer Verschiebungen (typischerweise plus oder minus 1,5 oder größer) im Prozeßdurchschnitt. Das R-Diagramm. Auf der anderen Seite, die Bereiche der einzelnen Untergruppe. Das R-Diagramm wird verwendet, um die Konsistenz der Prozessvariation zu bewerten. Betrachten Sie das R-Diagramm zuerst, wenn das R-Diagramm außer Kontrolle ist, dann sind die Steuerungsbeschränkungen auf dem Xbar Diagramm sinnlos. Abbildung 8: Beispiel für Xbar und Range (Xbar-R) Tabelle Tabelle 1 zeigt die Formeln für die Berechnung von Regelgrenzen. Viele Softwarepakete führen diese Berechnungen ohne großen Aufwand durch. (Hinweis: Verwenden Sie für ein I-MR-Diagramm eine Stichprobengröße von 2.) Beachten Sie, dass die Regelgrenzen eine Funktion des mittleren Bereichs (Rbar) sind. Dies ist der technische Grund, warum das R-Diagramm vor der weiteren Analyse unter Kontrolle sein muss. Wenn der Bereich instabil ist, werden die Steuergrenzen aufgeblasen, was zu einer fehlerhaften Analyse und anschließenden Arbeit im falschen Bereich des Prozesses führen könnte. Tabelle 1: Kontrollgrenzberechnung Tabelle 2: Konstanten für die Berechnung von Regelgrenzen Können diese Konstanten auf der Grundlage von d 2 berechnet werden. Wobei d 2 eine Steuerkartenkonstante ist, die von der Untergruppengröße abhängt. Die I-MR - und Xbar-R-Diagramme verwenden die Beziehung Rbar d 2 als die Schätzung für die Standardabweichung. Für Probengrößen kleiner als 10 ist diese Schätzung genauer als die Summe der Quadrate Schätzung. Die Konstante d 2. Ist abhängig von der Stichprobengröße. Aus diesem Grund ändern sich die meisten Softwarepakete automatisch von Xbar-R zu Xbar-S-Diagrammen um Beispielgrößen von 10. Der Unterschied zwischen diesen beiden Diagrammen ist einfach die Schätzung der Standardabweichung. Steuerkarten für diskrete Daten Bei der Ermittlung der Gesamtanzahl der Fehler während der Abtastperiode (c) kann der Arzt jede Probe mehr als einen Defekt zuordnen. Diese Tabelle wird verwendet, wenn die Anzahl der Abtastwerte jeder Abtastperiode im wesentlichen gleich ist. Abbildung 9: Beispiel für c - Chart Ähnlich wie bei einem c-Diagramm wird das u-Diagramm verwendet, um die Gesamtanzahl der Fehler pro Einheit (u) zu verfolgen, die während der Abtastperiode auftreten und eine Probe mit mehr als einem Defekt verfolgen können. Jedoch wird im Gegensatz zu einem c-Diagramm ein u-Diagramm verwendet, wenn die Anzahl der Abtastwerte jeder Abtastperiode signifikant variieren kann. Abbildung 10: Beispiel für u - Chart Verwenden Sie ein np-Diagramm, wenn Sie die Gesamtanzahl der defekten Einheiten (die Einheit kann einen oder mehrere Fehler haben) mit einer konstanten Stichprobengröße identifizieren. Abbildung 11: Beispiel für np - Chart Wird verwendet, wenn jede Einheit unabhängig von der Anzahl der Fehler betrachtet werden kann. Ein p-Diagramm zeigt die Anzahl der verfolgten Ausfälle (np) dividiert durch die Anzahl der Gesamteinheiten (n). Abbildung 12: Beispiel für p - Hart Beachten Sie, dass keine diskreten Kontrollkarten entsprechende Entfernungsdiagramme wie bei den variablen Diagrammen aufweisen. Die Standardabweichung wird aus dem Parameter selbst (S. u oder c) geschätzt, daher ist kein Bereich erforderlich. Wie wählt man ein Control Chart Obwohl dieser Artikel eine Fülle von Kontrolltafeln beschreibt, gibt es einfache Fragen, die ein Praktiker bitten kann, das passende Diagramm für jede gegebene Verwendung zu finden. Abbildung 13 führt diese Fragen durch und leitet den Benutzer zum entsprechenden Diagramm. Abbildung 13: Auswählen eines Kontrolltafels Bei der Identifizierung des zu verwendenden Kontrolltyps kann eine Reihe von Punkten berücksichtigt werden, wie zum Beispiel: Variablenkontrolldiagramme (diejenigen, die die Variation auf einer kontinuierlichen Skala messen) sind empfindlicher gegenüber Änderungen Attributkontrolldiagramme (diejenigen, die die Variation in einem diskreten Maßstab messen). Variablen-Diagramme eignen sich für Prozesse wie Messwerkzeugverschleiß. Verwenden Sie eine Personendiagramm, wenn wenige Messungen verfügbar sind (z. B. wenn sie selten sind oder besonders kostspielig sind). Diese Diagramme sollten verwendet werden, wenn die natürliche Untergruppe noch nicht bekannt ist. Ein Maß für defekte Einheiten findet man mit u 8211 und c - charts. In einem u-Diagramm müssen die Defekte innerhalb des Gerätes unabhängig voneinander sein, wie z. B. bei Komponentenfehlern auf einer Leiterplatte oder der Anzahl der Fehler in einer Abrechnungserklärung. Verwenden Sie ein u-Diagramm für ununterbrochene Einzelteile, wie Gewebe (z. B. Defekte pro Quadratmeter Tuch). Ein c-Diagramm ist eine nützliche Alternative zu einem u-Diagramm, wenn es eine Menge möglicher Defekte an einer Einheit gibt, aber es gibt nur eine geringe Wahrscheinlichkeit, daß irgendein Defekt auftritt (z. B. Fehler in einer Materialrolle). Bei der Darstellung von Proportionen sind p 8211 und np - Karten nützlich (z. B. Compliance-Raten oder Prozessausbeuten). Untergruppierung: Kontrollkarten als Werkzeug für die Analyse Untergruppierung ist die Methode zur Verwendung von Kontrollkarten als Analysewerkzeug. Das Konzept der Untergruppierung ist eine der wichtigsten Komponenten der Kontrollkartenmethode. Die Technik organisiert Daten aus dem Prozess, um die größte Ähnlichkeit zwischen den Daten in jeder Untergruppe und den größten Unterschied zwischen den Daten in verschiedenen Untergruppen zu zeigen. Das Ziel der Untergruppe ist es, nur gemeinsame Ursachen der Variation innerhalb der Untergruppen aufzunehmen und alle speziellen Ursachen der Variation in den Untergruppen zu haben. Wenn die Variation innerhalb der Gruppe und zwischen der Gruppe verstanden wird, wird die Anzahl der potentiellen Variablen, dh die Anzahl der potentiellen Quellen inakzeptabler Variationen, beträchtlich verringert, und wo Verbesserungsbemühungen aufgewendet werden können, kann leichter bestimmt werden. Für jede Untergruppe wird die innere Variation durch den Bereich repräsentiert. Abbildung 14: Innerhalb der Untergruppenvariation Das R-Diagramm zeigt die Veränderung innerhalb der Untergruppen-Dispersion des Prozesses an und beantwortet die Frage: Ist die Variation innerhalb der Untergruppen konsistent Wenn das Range-Diagramm außer Kontrolle ist, ist das System nicht stabil. Es sagt Ihnen, dass Sie für die Quelle der Instabilität, wie schlechte Messung Wiederholbarkeit suchen müssen. Analytisch ist es wichtig, da die Regelgrenzen im X-Diagramm eine Funktion von R-bar sind. Wenn das Range-Diagramm außer Kontrolle ist, wird R-bar ebenso aufgeblasen wie die Steuergrenze. Dies könnte die Wahrscheinlichkeit des Aufrufs zwischen Untergruppenvariation innerhalb der Untergruppenvariation erhöhen und Sie an den falschen Bereich abschicken. Innerhalb der Variation ist konsistent, wenn das R-Diagramm und somit der Prozess, den es darstellt, die Kontrolle hat. Das R-Diagramm muss in der Steuerung sein, um das Xbar-Diagramm zu zeichnen. Abbildung 15: Beispiel für R-Diagramm zwischen Untergruppen-Variation Zwischen-Untergruppen-Variation wird durch die Differenz der Untergruppen-Mittelwerte dargestellt. Das Xbar-Diagramm zeigt alle Änderungen im Mittelwert des Prozesses und beantwortet die Frage: Ist die Variation zwischen den Mittelwerten der Untergruppen mehr als die Variation innerhalb der Untergruppe Wenn das Xbar-Diagramm ist In der Steuerung ist die Variation 8220 zwischen8221 niedriger als die Variation 8220within.8221 Wenn das Xbar-Diagramm nicht in der Steuerung ist, ist die Variation 8220 zwischen8221 größer als die Variation 8220within.8221 Abbildung 17: Xbar-Diagramm innerhalb Variation Dies ist eine grafische Analyse Varianz (ANOVA). Die zwischen und innerhalb Analysen bieten eine hilfreiche grafische Darstellung, während auch die Fähigkeit zur Beurteilung der Stabilität, dass ANOVA fehlt. Mit dieser Analyse zusammen mit ANOVA ist eine leistungsstarke Kombination. Schlussfolgerung Wenn Sie wissen, welche Kontrollkarte in einer bestimmten Situation verwendet wird, wird eine genaue Überwachung der Prozessstabilität gewährleistet. Es wird fehlerhafte Ergebnisse und verschwendete Anstrengung zu beseitigen, wobei die Aufmerksamkeit auf die wahren Chancen für eine sinnvolle Verbesserung. Referenzen Qualitätsrat von Indiana. Der Certified Six Sigma Black Belt Prime r, Zweite Auflage, Qualitätsrat von Indiana, West Terre Haute, Ind. 2012. Tubiak, T. M. Und Benbow, Donald W. Das Certified Six Sigma Black Belt Handbuch. Zweite Auflage, ASQ Quality Press, Milwaukee, Wisc. 2009. Wheeler, Donald J. und Chambers, David S. Grundlagen der statistischen Prozesskontrolle. SPC Presse, Knoxville, Tenn. 1992. Lassen Sie einen Kommentar Vier Anmerkungen. A. In Bezug auf Ihre Aussagen: 8220Control Regeln nutzen die normale Kurve, in der 68.26 Prozent aller Daten innerhalb plus oder minus eine Standardabweichung vom Durchschnitt sind, 95.44 Prozent aller Daten innerhalb plus oder minus zwei Standardabweichungen vom Durchschnitt sind, Und 99,73 Prozent der Daten werden innerhalb plus oder minus drei Standardabweichungen vom Durchschnitt sein. Als solche sollten Daten normal verteilt (oder transformiert) werden, wenn Steuerkarten verwendet werden, oder das Diagramm kann eine unerwartet hohe Rate von falschen Alarmen signalisieren.8221 Wie Sie bei der Beschreibung mehrerer Aspekte der Steuerungstabelle und der Unterscheidung zwischen den verschiedenen Typen spezifisch waren, Sie sollten spezifisch über die Diagramme 8220use8221 die normale Verteilung und die don8217t. Erstens basieren die Grenzen für Attributkontrollschemata auf diskreten Wahrscheinlichkeitsverteilungen8211, die, wie Sie wissen, nicht normal (kontinuierlich) sein können. Somit hängt kein Attributkontrolldiagramm von der Normalität ab. Zweitens folgen die Bereichs - und Standardabweichungen nicht einer Normalverteilung, sondern die Konstanten basieren auf den Beobachtungen, die von einer Normalverteilung kommen. Ihre Aussage kann für die MR-, R - und S-Diagramme gelten. Es gibt Hinweise auf die Robustheit (wie Sie sagen) dieser Diagramme. Drittens beruht das Xbar-Diagramm leicht auf dem zentralen Grenzwertsatz, ohne dass die Transformation für viele Verteilungen der Beobachtungen annähernd normal ist. Viertens, sogar für das I-Diagramm, für viele grob symmetrische oder unimodale Verteilungen sind die Grenzen ziemlich robust8211as Sie sagte. B. Bei Probengrößen unter 10 ist diese Schätzung genauer als die Summe der Quadrate Schätzung. Der d2-Faktor entfernt die Vorspannung der Rbar-Umwandlung, genauso wie der c4-Faktor bei der Verwendung des S-Diagramms, also sind beide unvoreingenommen (wenn das ist, was Sie mit genauer gemeint haben). Auf der anderen Seite hat Rd2 mehr Variation als sc4. Ich würde das R-Diagramm über das S-Diagramm verwenden, unabhängig von der Untergruppe size8211except möglicherweise, wenn die Diagramme manuell erstellt werden. Der Grund dafür ist, dass das R-Diagramm weniger effizient (weniger stark) als das S-Diagramm ist. Darüber hinaus werden, wie Sie angegeben haben, die Grenzen durch Umwandeln von Rbar in eine Schätzung der Standardabweichung durch Dividieren um d2 konstruiert. Warum schätzen Sie es indirekt vor allem, wenn Software die Berechnungen C ausführt. Eine zentrale Linie (X) wird als visuelle Referenz für die Erkennung von Verschiebungen oder Trends hinzugefügt, was auch als Prozessort bezeichnet wird. Wie bei meinem Punkt (A) hängt diese Aussage von der Kontrollkarte ab. Bei den I - und Xbar-Diagrammen ist die Mittellinie der Prozeßort. Für alle anderen Diagramme ist es nicht (oder ich mißverstehe, was du unter Prozeßort meinst.) Eine bessere Weise des Verständnisses der Mittellinie auf dem Diagramm ist, zu erkennen, daß jeder Diagrammtyp eine Statistik eines Unterkonzerns überwacht: Xbar Monitore Durchschnitte, R überwacht Bereiche, S überwacht Standardabweichungen, c Monitore zählt usw. Die Mittellinie ist der Durchschnitt dieser Statistik für alle Untergruppen. Nun sollte es klarer sein, dass z. B. die Mittellinie des R-Diagramms nicht der Prozessort sein kann, sondern der Durchschnittsbereich. Ebenso für die S-, MR - und alle Attributtabellen. D. 1. Schätzung der Standardabweichung. Der Probendaten 2. Multiplizieren dieser Zahl mit drei 3. Addieren (3 x zum Mittelwert) für die UCL und Subtraktion (3 x aus dem Mittelwert) für das LCL Mathematisch sieht die Berechnung der Regelgrenzen wie folgt aus: CL-Durchschnitt 3hat8221 Wiederum, um klarer zu sein, ist der Mittelwert in dieser Formel (wenn sie generisch auf alle Kontrolltafeln angewendet wird) der Mittelwert der Statistik, die in der Tabelle aufgetragen ist. Es könnte der Durchschnitt der Mittel, der Durchschnitt der Bereiche, der Durchschnitt der Grafen, etc. sein. Die auf den Kontrollgrenzen verwendet wird, ist keine Schätzung der Populationsstandardabweichung. Es ist der Standardfehler der Statistik, die gezeichnet wird. Das heißt, es ist die Standardabweichung von Mittelwerten im Xbar-Diagramm, die Standardabweichung der Zählerstände im c-Diagramm, die Standardabweichung von Standardabweichungen im S-Diagramm und so weiter. Es gibt eine bestimmte Weise, dieses zu erhalten. Wegen der fehlenden Klarheit in der Formel wird der manuelle Aufbau von Diagrammen oft nicht korrekt durchgeführt. Aus diesem Grund wird empfohlen, dass Sie Software verwenden.