Гид по качеству

Как создать контрольную карту, если данные не имеют нормального распределения?

в случае большого отклонения от нормы, контрольные пределы, которые были обозначены как «стандартные», могут не соответствовать фактическим данным. Чтобы решить эту проблему, лучше всего использовать его контрольные карты в программе STATISTICA это дает возможность корректировать контрольные границы практически любого графика, который можно встретить на практике.

Относится ли качество к соответствию спецификациям?

Да, но в традиционном подходе. В современном подходе к качеству гораздо важнее контролировать изменчивость ключевых размеров процесса, а это означает, что вероятность того, что спецификации будут нарушены, меньше.

Как часто вы должны пробовать и какой размер следует использовать?

Чтобы найти баланс между двумя противоположными факторами: количеством и частотой измерений и затратами на их выполнение, лучше всего использовать кривые ОС (эксплуатационные и характеристические). Кривые OC доступны на контрольные карты в STATISTICA в то время как способ их использования обсуждается в курсе SPC - контрольные карты ,

Моя измерительная система соответствует требованиям?

Чтобы узнать, проверьте это. Полный набор анализов, которые используются в MSA (Анализ системы измерений), доступен в модуле. STATISTICA Анализ процесса ,

Как использовать SPC, если физические измерения не проводятся?

В этом случае мы можем использовать контрольные карты для измерений альтернативного типа (например, хорошо / плохо), C, U, P, например. Эти карты являются модифицированной версией цифровых карт и доступны в модуле. STATISTICA Контрольные карты ,

Можем ли мы использовать 2 сигма-ограничения вместо 3 сигм на контрольной карте?

Нет. 2 сигма-предела могут использоваться как вспомогательные и могут быть установлены для отображения на плате управления. По умолчанию и допустимые пределы составляют 3 сигма.

Является ли стандартное отклонение лучшей мерой вариации, чем диапазон?

Понятно, что диапазон является лучшей мерой для небольших размеров выборки. Обе меры, доступные в контрольных картах STATISTICA , были разработаны для максимально точной оценки изменчивости свойств контролируемого процесса.

Как оценить волатильность, если размер выборки равен 1?

В этом случае мы используем одну контрольную карту наблюдения, и изменчивость (сигма) будет рассчитываться из диапазона перемещения.

Как эффективно использовать SPC на производственной площадке?

Основная идея каждого элемента управления - быстрая реакция на отмену регулирования, которая постоянно поддерживает процесс. В прошлом в производственном цехе использовались бумажные контрольные карты, но теперь все сложнее представить контроль качества без подходящего компьютерного решения, такого как Statistica Enterprise Server ,

Какую карту следует использовать для обнаружения небольших изменений в свойствах процесса?

Действительно, стандартная контрольная карта средних значений или отдельных наблюдений не чувствительна к небольшим изменениям свойств процесса (параметр). Лучшая карта в этом случае настроена соответственно CUSUM накопленная сумма карты ,

Что если данные поступают из множества идентичных источников?

Мы должны подать заявку карта с несколькими источниками , что значительно облегчит мониторинг такого процесса.

Что если есть много свойств, которые зависят друг от друга?

Мы можем использовать многомерные контрольные диаграммы что позволяет вам наблюдать очень много свойств через одну переменную. Такие карты также позволяют захватывать события, которые невидимы для отдельных свойств, но являются результатом связей между ними.

Мои расчеты соответствуют стандартам?

Да, если для расчетов используется программа STATISTICA . Вы можете узнать больше о соответствии стандартам здесь ,

Можно ли использовать SPC для производства коротких серий?

Да. Контрольные карты доступны для этой ситуации. Они так называемые короткие серии карт ,

Могут ли ограничения спецификации использоваться на картах в качестве контрольных пределов?

Нет, вы никогда не должны путать контрольные пределы, которые рассчитываются на основе данных, с техническими пределами, предоставленными заказчиком.

Каковы различия между Cp и Pp?

Оба индикатора информируют о потенциальной способности процесса, но в другом временном горизонте, через различия в оценке сигмы процесса. Предполагается, что показатель Cp говорит о способности на коротком горизонте, а Pp - долгосрочном горизонте.

Каковы различия между Cpk и Cp?

Индикатор Cp указывает на потенциальную производительность процесса, а индикатор Cpk учитывает тот факт, что центр обработки данных обычно не находится в середине диапазона спецификации. Индикатор Cpk может быть в лучшем случае таким же хорошим, как Cp.

Как определить способность процесса с односторонним ограничением (например, на разрывную силу)?

Если указан только один предел спецификации, вы не можете подсчитывать части индикаторов, для которых требуется диапазон, например, Cp. В случае односторонних ограничений также стоит обратить внимание на нормальность распределения данных.

Можно ли выполнить анализ повторяемости и воспроизводимости (R & R) для разрушающих испытаний?

Теоретически, если невозможно выполнить несколько измерений одного и того же элемента (поскольку измерение уничтожает его), мы не можем оценить повторяемость. Однако, если мы применяем соответствующие статистические методы и правильно подготавливаем данные, мы можем извлечь изменчивость системы измерения из изменчивости самого процесса.

Как проверить нормальность раздачи?

Лучше всего двумя способами: графически и численно. На основе данных вы можете создать график нормальности, который будет «визуально» оценивать, является ли распределение данных аналогичным нормальному, и в то же время обнаруживать подозрительные значения. Результат теста Шапиро-Уилка, который «обычно» оценивает нормальность, можно прикрепить к графику нормальности в STATISTICA .

Как понять результаты статистических тестов, например, нормальность распределения?

Основным результатом статистических тестов, выполняемых в компьютерных пакетах, является вероятность теста (p-уровень). По умолчанию предполагается, что когда это значение меньше 0,05, мы можем отклонить нулевую гипотезу. В случае тестирования распределения, это гипотеза, что распределение нормальное. Таким образом, если в итоговой таблице для теста на нормальность (например, тесты Шапиро-Уилка или Колмогорова-Смирнова) значение p меньше 0,05, то мы, как правило, отвергаем гипотезу о нормальности распределения. В этом случае мы должны использовать контрольные диаграммы и анализ производительности процесса, адаптированный к ненормальному распределению.

Что такое асимметрия и что важно в контроле качества?

Асимметрия сообщает нам, является ли распределение симметричным. Большие положительные или отрицательные значения асимметрии предполагают, что распределение не является нормальным, и следует использовать специальные контрольные диаграммы и методы для определения индекса производительности процесса.

Что такое куртоз и что важно в контроле качества?

Куртоза сообщает нам, отличается ли форма распределения от нормального распределения. Если эксцесс близок к 0, то распределение аналогично нормальному. Куртозис измеряет «точку» распределения: если значение эксцесса явно отличается от нуля, то распределение является более плоским или более точным, чем нормальное распределение. Высокие положительные или отрицательные значения эксцесса предполагают, что распределение не является нормальным, и следует использовать специальные контрольные диаграммы и методы для определения индекса производительности процесса.

Какую контрольную диаграмму использовать, если выборка имеет большую мощность?

Предполагается, что если размер выборки не превышает 10, мы используем контрольную карту для среднего и диапазона значений в выборках. Если размер выборки больше, то мы должны использовать карту средних значений и стандартных отклонений, потому что в этом случае стандартное отклонение предоставляет больше информации об изменчивости, чем о диапазоне.

Какой анализ можно использовать для выявления проблем с качеством?

Одна из возможностей - использовать анализ Парето. Это позволяет легко ранжировать число обнаруженных проблем и ответить на вопрос о том, применяется ли правило 80/20. Если этот принцип виден, тогда мы должны сосредоточиться на решении 20% причин, вызвавших 80% проблем. Этот анализ доступен в модуле Контрольные карты.

Следует ли автоматически рассчитывать контрольные пределы на контрольной карте?

На этапе проектирования, да. Однако, если контрольная карта должна использоваться операторами на производственном цехе, контрольные пределы должны быть установлены постоянно, потому что только в этом случае контрольная карта обнаружит неслучайные причины, влияющие на процесс достаточно быстро.

Как настроить внешний вид контрольной карты в STATISTICA под мои нужды?

Обычно мы получаем правильный взгляд, выбирая соответствующие переменные для данного типа контрольной карты и изменяя параметры анализа. Адаптация контрольных карт в Statistica показывает запись с вебинара » Контрольные карты - быстрый старт "

Разве проблема вас не интересует? Задайте вопрос, мы будем рады ответить.