Контрольная карта индивидуумов Шухарта - Shewhart individuals control chart

График управления людьми и диапазоном движения
Первоначально предложено	Уолтер А. Шухарт
Наблюдения за процессом
Рациональный размер подгруппы	п = 1
Тип измерения	Средняя характеристика качества на единицу
Тип характеристики качества	Данные переменных
Базовое распространение	никто
Спектакль
Размер сдвига для обнаружения	≥ 1,5σ
Таблица вариантов процесса
Центральная линия	${displaystyle {overline {MR}}={frac {sum _{i=2}^{m}{ig |}x_{i}-x_{i-1}{ig |}}{m-1}}}$
Верхний контрольный предел	${displaystyle D_{4}{overline {MR}}}$
Нижний предел контроля	${displaystyle D_{3}{overline {MR}}}$
Построенная статистика	${displaystyle MR_{i}={ig |}x_{i}-x_{i-1}{ig |}}$
График средних значений процесса
Центральная линия	${displaystyle {overline {x}}={frac {sum _{i=1}^{m}x_{i}}{m}}}$
Пределы контроля	${displaystyle {overline {x}}pm 3{frac {overline {MR}}{d_{2}}}}$
Построенная статистика	Икся

В статистический контроль качества, то индивидуальная / скользящая диаграмма это тип контрольная диаграмма используется для мониторинга данные переменных из бизнес или же производственный процесс для которых нецелесообразно использовать рациональные подгруппы.^[1]

График необходим в следующих ситуациях:^[2]:231

1. Там, где автоматизация позволяет проверять каждую единицу, рациональное разделение на подгруппы приносит меньше пользы.
2. Где производство идет медленно, так что ожидание достаточного количества образцов для создания рациональной подгруппы недопустимо задерживает мониторинг
3. Для процессов, которые производят однородные партии (например, химические), где повторные измерения различаются в первую очередь из-за измерение ошибка

«Диаграмма» фактически состоит из пары диаграмм: одна, индивидуальная диаграмма, отображает отдельные измеренные значения; другая, диаграмма скользящего диапазона, отображает разницу от одной точки к другой. Как и в случае с другими контрольными диаграммами, эти две диаграммы позволяют пользователю отслеживать изменения в процессе, которые изменяют среднее значение или дисперсию измеренной статистики.

Интерпретация

Как и в случае с другими контрольными диаграммами, отдельные диаграммы и диаграммы скользящего диапазона состоят из точек, построенных с контрольными пределами или естественными пределами процесса. Эти ограничения отражают то, что процесс принесет без фундаментальных изменений.^[3]:43 Точки за пределами этих контрольных пределов являются сигналами, указывающими на то, что процесс не работает с максимальной стабильностью; что некоторая назначаемая причина привела к изменению процесса. Точно так же пробеги точек по одну сторону от средней линии также следует интерпретировать как сигнал о некоторых изменениях в процессе. Когда такие сигналы существуют, следует принять меры для их выявления и устранения. Когда таких сигналов нет, никакие изменения переменных управления технологическим процессом (то есть «вмешательство») не являются необходимыми или желательными.^[3]:125

Предположения

В нормальное распределение НЕ предполагается и НЕ требуется при расчете контрольных пределов. Таким образом, график IndX / mR становится очень надежным инструментом. Это демонстрирует Уиллер на реальных данных.^{[4], [5]} и для ряда весьма ненормальных распределений вероятностей.^[6]

Расчет и построение

Расчет подвижного диапазона

Разница между точкой данных, ${displaystyle x_{i}}$, и его предшественник, ${displaystyle x_{i-1}}$, рассчитывается как ${displaystyle {MR}_{i}={ig |}x_{i}-x_{i-1}{ig |}}$. За ${displaystyle m}$ индивидуальные ценности, есть ${displaystyle m-1}$ диапазоны.

Затем рассчитывается среднее арифметическое этих значений как

${displaystyle {overline {MR}}={frac {sum _{i=2}^{m}{MR_{i}}}{m-1}}}$

Если данные нормально распределены со стандартным отклонением ${displaystyle sigma }$ тогда ожидаемое значение ${displaystyle {overline {MR}}}$ является ${displaystyle d_{2}sigma =2sigma /{sqrt {pi }}.}$

Расчет контрольного предела диапазона перемещения

Верхний предел контроля диапазона (или верхний предел диапазона) рассчитывается путем умножения среднего значения скользящего диапазона на 3,267:

${displaystyle UCL_{r}=3.267{overline {MR}}}$.

Значение 3,267 взято из размера выборки. D₄ константа антисмещения для п=2, как указано в большинстве учебников по статистическому контролю процессов (см., например, Montgomery^[2]:725).

Расчет лимитов контроля физических лиц

Сначала вычисляется среднее значение отдельных значений:

${displaystyle {overline {x}}={frac {sum _{i=1}^{m}{x_{i}}}{m}}}$.

Затем вычисляются верхний контрольный предел (UCL) и нижний контрольный предел (LCL) для отдельных значений (или верхний и нижний естественные пределы процесса) путем добавления или вычитания среднего скользящего диапазона в 2,66 раза к среднему значению процесса:

${displaystyle UCL={overline {x}}+2.66{overline {MR}}}$

${displaystyle LCL={overline {x}}-2.66{overline {MR}}}$

Значение 2,66 получается путем деления 3 на размер выборки. d₂ константа антисмещения для п=2, как указано в большинстве учебников по статистическому контролю процессов (см., например, Montgomery^[2]:725).

Создание графиков

После расчета средних значений и пределов все индивидуальные данные наносятся на график последовательно в том порядке, в котором они были записаны. К этому графику добавлена ​​линия при среднем значении, Икс и линии на UCL и LCL значения.

На отдельном графике рассчитанные диапазоны МИСТЕР_я нанесены. Добавлена ​​линия для среднего значения, МИСТЕР а вторая линия построена для верхнего контрольного предела диапазона (UCL_р).

Анализ

Полученные графики анализируются, как и другие контрольные диаграммы, с использованием правил, которые считаются подходящими для процесса и желаемого уровня контроля. По крайней мере, любые точки выше либо верхних контрольных пределов, либо ниже нижних контрольных пределов отмечаются и считаются сигналом изменений в лежащем в основе процесса, которые заслуживают дальнейшего изучения.

Возможные подводные камни

Используемые диапазоны перемещения: серийно коррелированный поэтому прогоны или циклы могут отображаться на графике скользящего среднего, что не указывает на реальные проблемы в основном процессе.^[2]:237

В некоторых случаях может быть целесообразно использовать медианное значение скользящего диапазона, а не его среднее значение, например, когда данные рассчитанного диапазона содержат несколько больших значений, которые могут завышать оценку дисперсии совокупности.^[7]

Некоторые утверждали, что отклонения от нормы в выходных данных процесса значительно снижают эффективность графиков до точки, когда может потребоваться установка контрольных пределов на основе процентилей эмпирически определенного распределения выходных данных процесса.^[2]:237 хотя это утверждение последовательно опровергалось. См. Сноску 6.

Многие программные пакеты с учетом индивидуальных данных выполнят все необходимые вычисления и построят график результатов. Следует позаботиться о том, чтобы контрольные пределы были правильно рассчитаны в соответствии с приведенными выше и стандартными текстами на SPC. В некоторых случаях настройки программного обеспечения по умолчанию могут давать неверные результаты; в других случаях изменение настроек пользователем может привести к неверным результатам. Примеры данных и результатов представлены Уилером с явной целью тестирования программного обеспечения SPC.^[7] Выполнение таких проверка программного обеспечения вообще хорошая идея с любым программным обеспечением SPC.

Смотрите также

• ${displaystyle {overline {x}}}$ и R диаграмма
• ${displaystyle {overline {x}}}$ и s диаграмма

внешняя ссылка

• Генератор контрольных диаграмм онлайн

Рекомендации

1. «Таблицы контроля личности». Справочник по технической статистике NIST / Sematech. Национальный институт стандартов и технологий. Получено 2009-08-10. Внешняя ссылка в | работа = (помощь)
2. Монтгомери, Дуглас (2005). Введение в статистический контроль качества. Хобокен, Нью-Джерси: Джон Уайли и сыновья, Inc. ISBN  978-0-471-65631-9. OCLC  56729567. Архивировано из оригинал на 20.06.2008.
3. Уиллер, Дональд Дж. (2000). Понимание вариативности: ключ к управлению хаосом. SPC Press, Inc. ISBN  978-0-945320-53-1.
4. Уилер, Дональд Дж. (2009-05-26), «Когда мы можем доверять ограничениям на диаграмме поведения процесса?», Дайджест качества, получено 2010-02-08
5. Уилер, Дональд Дж. (2009-07-06), «Хорошие пределы от плохих данных», Дайджест качества, получено 2010-02-08
6. Уилер, Дональд Дж. (2009-08-05), "У вас лептокуртофобия?", Дайджест качества, получено 2010-02-08
7. Уилер, Дональд Дж. (2010-02-01), «Диаграммы отдельных людей, сделанные правильно и неправильно», Дайджест качества, получено 2010-02-08