文档介绍：控制图(control charts)
又名:统计过程控制( statistical process control)
方法演变:EQ \o(\s\up5(-),\s\do2(x))
计量值控制图:`X-R控制图(又名均值极差控制图),`X-s控制图,单值控制图(又名X控制图,X-R控制图,IX-MR控制图,XmR控制图,移动极差控制图),移动均值-移动极差控制图(又名MA-MR控制图),目标偏差控制图(又名差异控制图、偏差控制图、名义值偏差控制图),CUSUM(又名累计和控制图),EWMA(又名指数加权移动平均控制图),多元控制图(又名Hotelling T2控制图)。
计数值控制图:p控制图(又名不良品率控制图),np控制图,c控制图(又名缺陷数控制图),u控制图。
两种数据都适用的控制图:短期过程控制图(又名稳定控制图或者Z控制图),组控制图(又名多属性值控制图)。
概述
控制图是一种对过程变异进行分析和控制的图形工具。数据按时间顺序绘制在图上,控制图一般有一条代表均值的中心线,一条上控制限位于中心线上方,一条下控制限位于中心线下方,这些线是根据过程数据确定的。通过当前数据和由历史数据计算所得的控制限的比较,我们可以判定当前过程变异是稳定的(受控制)还是不稳定的(不受控制,受到某个特定因素的干扰)。
控制图分为很多种,不同的过程、不同的数据,我们采用不同的控制图。计量值数据的控制图经常是成对应用,其中常绘制在上方的一张控制图监测均值,或者说过程数据的分布中心,而绘制在下方的一张控制图监测极差,或者说分布的波动程度。如果借助于练习打靶的例子来说明,那么均值就是靶子上射击集中的地方,极差是射击点的离散程度。计量值数据要成对使用控制图,计数值数据则通常只使用一张控制图就足够了。
适用场合
·当你希望控制当前过程,问题出现时能察觉并能对其采取补救措施时;
·当你希望对过程输出的变化范围进行预测时:
·当你判断一个过程是否稳定(处于统计受控状态)时;
·当你分析过程变异来源是随机性(偶然事件)还是非随机性(过程本身固有)时;
·当你决定怎样完成一个质量改进项目时——防止特殊问题的出现,或对过程进行基础性的改变。
控制图决策树
图表5. 20是一个根据数据类型来判断应用哪种控制图的决策树,两个最大的分支是计量值数据和计数值数据。
计量值数据可以用连续的刻度衡量,例如时间、质量、距离、温度,都可以用小数或者分数衡量,对它们来说,准确性的惟一限制是测量仪器的精密程度。如果你使用的测量装置只有整数值,比如78度,或者你只需要最接近的整数值,比如5天,你仍然可以使用计量值数据,以得到更加精确的测量数据。
计数值数据统计时不会有小数或者分数值,当你只考虑某事存在或者不存在的时候你会用到计数值数据,比如:成功或者失败,接受或者拒绝,正确或者不正确。例如一份报告可以有4个或者5个错误,。在“计数值控制图”中有更多的关于计数值数据的讨论。
实施步骤
1根据数据类型选择合适的控制图。
2选定合适的抽样频率。
3根据后面所描述的程序收集数据、构建控制图并进行数据分析。
4寻找控制图中的失控信号。当识别出一个失控信号后,在控制图上标明,并调查产生原因。以文件形式记录调查情况、收获、产生原因以及解决方法。
·单个点落在控制线以外。如图表5. 21中第16个点落在上控制限以外。
·超过三分之二连续的点出现在中心线的同一侧,并距中心线超过2σ。如图表5. 21中第四个点给出这样一个信号。
·超过五分之四连续的点出现在中心线的同一侧,并距中心线超过1σ。如图表5 21中第17个点给出这样一个信号。
·连续八个点构成的链,或者十一分之十、十四分之十二、二十分之十六的点在中心线的一侧。如图表5. 21中第21个点就是连续第八个在中心线之上的点。
·显然一致或者不寻常的模式可以表明过程和数据不正常。
5在控制图上继续对新得到的数据进行描点,并检查是否存在新的失控信号。
6当需要构建新控制图时,过程可能正处于失控状态。如果是这样,前20个样
本数据计算出的控制限是暂时的。当过程稳定后,再依次抽取至少20个样本,重新
计算控制限。
注意事项
失控信号
·有些控制图有特殊的失控信号检验方法,请参阅特殊控制图的分析部分。
·如果是不对称分布,比如是右偏态的,我们会得到更多小于的点,为了避免这种情况,第四条关于控制图失控信号的说法要修改一下,改为连续12个点构成的差小于。
·这些信号是基于统计原理的,从一个可控过程描出的点是随机的,很多点在一起就构成了一个可预测的分布,比如一条正态曲线。那些失控信号很大程度上表明分布的输出并不是随机的