مراقبة الجودة ومراقبة العمليات الإحصائية (SPC)

المكاسب:

• القدرة على تفسير مخططات التحكم (X-bar/R, p, c) ومؤشرات قدرة المعالجة (Cp, Cpk)
• القدرة على تسريع المسح والإبلاغ عن الإشارات الخارجة عن السيطرة (قواعد Western Electric) باستخدام الذكاء الاصطناعي
• القدرة على التحقق من صحة التفسير الإحصائي للذكاء الاصطناعي باستخدام البيانات الأولية وواقع العملية المادية

لا يتم "فرز" الجودة عن طريق الفحص، بل "يتم إنتاجها" من خلال العملية. يهدف التحكم في العمليات الإحصائية (SPC) إلى القيام بذلك تمامًا: مراقبة العملية في الوقت الفعلي والتقاط الإشارات قبل أن تصبح الأخطاء منتجات. تكمن قوة SPC في التمييز بين التباين الطبيعي (السبب الشائع) والتقلب غير الطبيعي (السبب الخاص). في هذا المجال، يعمل الذكاء الاصطناعي على تسريع تفسير مخططات التحكم، ومسح القواعد، وإعداد تقارير الكفاءة؛ ولكن مهمة الإنسان هي مزج التفسير الإحصائي مع واقع العملية الفيزيائية. في هذه الوحدة، سنغطي مخططات التحكم ومؤشرات كفاءة Cp/Cpk والدور المناسب للذكاء الاصطناعي في SPC.

وجهان للتقلب

كل عملية تنطوي على التباين. يقسم SPC هذا التباين إلى قسمين:

• السبب الشائع: التقلبات العشوائية التي يمكن التنبؤ بها والمتأصلة في العملية. العملية "تحت السيطرة".
• سبب خاص: حدث خارجي قابل للتخصيص (كسر الأداة، تغيير دفعة المواد الخام، تغيير الإعداد). العملية "خارجة عن السيطرة".

الغرض الوحيد من مخطط التحكم هو الفصل بين الاثنين. إن الاستجابة للتقلبات ذات الأسباب الشائعة (الإفراط في التعديل / "التلاعب") تزيد في الواقع من التباين. تُظهر "تجربة القمع" الكلاسيكية لديمينج ما يلي: التدخل عند كل انحراف يجعل الأمور أسوأ.

نصيحة: لا تخلط أبدًا بين حدود التحكم (UCL/LCL) وحدود التسامح (المواصفات). حدود التحكم هي "صوت" العملية (محسوبة من البيانات)؛ حدود التسامح هي "صوت" العميل (يأتي من التصميم). أحيانًا يخلط الذكاء الاصطناعي بين هذه الأمور؛ وضح ما الذي تتحدث عنه في كل تعليق.

أنواع مخططات التحكم

يتم تحديد المخطط وفقًا لنوع البيانات.

الرسومات

نوع البيانات

مثال

X-بار/ر

المستمر (القياس)، المجموعة الفرعية

متوسط قطر العمود والتخليص

X-بار/س

مجموعة فرعية مستمرة وكبيرة

ملء الوزن

التصوير بالرنين المغناطيسي

قياس واحد مستمر

قياس واحد يوميا

ص / np

معدل/رقم منفصل ومعيب

معدل الأجزاء الخاطئة

ج / ش

منفصل، عدد العيوب

العيوب لكل وحدة

في مخطط X-bar/R، يتم حساب حدود التحكم من متوسطات المجموعات الفرعية والامتدادات:

UCL_xbar = X-شريط مزدوج + A2 × R-barLCL_xbar =

إشارات خارجة عن السيطرة (قواعد الكهرباء الغربية)

النقطة التي تخرج عن الحدود ليست الإشارة الوحيدة. تلتقط قواعد Western Electric (Nelson) أيضًا الأنماط:

1. النقطة خارج 3σ (خارج الحدود).
2. 2/3 نقاط متتالية بعد 2σ (على نفس الجانب).
3. 4/5 نقاط متتالية تتجاوز 1σ.
4. 8 نقاط متتالية على نفس الجانب من خط الوسط (التحول).
5. 6 نقاط تتزايد/تتناقص باستمرار (الاتجاه).

الدور: أنت مهندس جودة من ذوي الخبرة في SPC. المهمة: قم بمسح قيم X-bar التالية باستخدام قواعد Western Electric وفقًا لـ UCL/LCL وخط الوسط المحددين. لكل إشارة خارجة عن السيطرة: رقم القاعدة، والنقاط، والتفسير المادي المحتمل، وخطوة التحقيق المقترحة. Center=50.2 UCL=52.1 LCL=48.3 σ=0.63البيانات (مرتبة): {{values ​​​​}}القاعدة: لا تولد إشارة زائفة؛ تحديد النقاط التي لا تفي بالقاعدة بالكامل. قم بتقديم الأسباب المحتملة على أنها "فرضية"، ولا تكتب بلغة دقيقة.

يجعل الذكاء الاصطناعي هذا الفحص سريعًا، ولكن تذكر: توفير القواعد هو تنبيه إحصائي؛ التحقيق الميداني يجد السبب الحقيقي. قد يقول الذكاء الاصطناعي "ربما تآكل الأدوات"؛ إن قياس الأداة هو الذي يؤكد ذلك.

قدرة العملية: Cp وCpk

حتى لو كانت العملية تحت السيطرة، فهل تلبي تفاوتات العملاء؟ تشير مؤشرات الكفاية إلى هذا.

Cp = (USL − LSL) / (6σ) → يقيس فقط الانتشار Cpk = min[ (USL − μ)/(3σ) , (μ − LSL)/(3σ) ] → يتضمن التركيز

مثال: USL = 10.5؛ LSL = 9.5؛ μ = 10.1؛ σ = 0.1.

Cp = (10.5 − 9.5) / (6 × 0.1) = 1.0 / 0.6 ≈ 1.67Cpk = min[ (10.5 − 10.1)/0.3 , (10.1 − 9.5)/0.3 ] = min[ 0.4/0.3 , 0.6/0.3 ] = min[1.33 ، 2.0] = 1.33

يشير Cp = 1.67 إلى انتشار جيد، لكن Cpk = 1.33 يخبرنا أن العملية خارج المركز (متوسط 10.1، أقرب إلى USL من الهدف 10.0). يشير Cpk < Cp دائمًا إلى وجود مشكلة مركزية. حتى العملية ذات التشتت الجيد ستنتج منتجًا معيبًا إذا تم توسيطه بشكل غير صحيح.

موجه ضعيف / موجه قوي

حث ضعيف:

هل هذه العملية جيدة؟

لا يوجد معيار لـ "الخير". الذكاء الاصطناعي يقوم فقط بتخمين عام.

مطالبة قوية:

حساب Cp وCpk باستخدام بيانات القياس التالية (USL=10.5، LSL=9.5). حساب σ والمتوسط ​​من البيانات، وإظهار الصيغة وكل خطوة. إذا كان Cpk < Cp، فاسأل عما إذا كان يتمركز أم ينتشر، قم بالتعليق. قم أيضًا بتقدير معدل الخطأ التقريبي (جزء في المليون) للعملية واكتب افتراضاتك. البيانات: {{ ... }}

حالة صغيرة: CP جيد، منتج سيء

على خط التعبئة، معظم الزجاجات تخرج عن المواصفات، لكن العملية تبدو "مستقرة" على مخطط التحكم. يعطي المهندس الصناعي Yağmur البيانات إلى الذكاء الاصطناعي ويطلب منه حساب Cp وCpk: Cp = 1.5 (انتشار جيد) ولكن Cpk = 0.7 (غير كافٍ). والفرق هو أن المتوسط ​​قد تحول بشكل كبير عن الهدف. ويشير الذكاء الاصطناعي إلى مشكلة التوسيط؛ يقوم بالتحقق من إعداد صمام تعبئة المطر ويجد بالفعل إزاحة. عند تصحيح الإعداد، يزيد Cpk إلى 1.4 ويقلل الفاقد. الدرس المهم: يمكن أن تكون العملية "مستقرة" (تحت السيطرة) ولكنها لا تزال "ناقصة" (لا تستوفي المواصفات). لقد أظهر الذكاء الاصطناعي هذا التمييز عددياً؛ لقد كان يامور هو من وجد السبب الجذري في الميدان.

الأخطاء الشائعة

• الخلط بين حدود التحكم والتسامح: مساواة حدود التحكم مع حدود التسامح مع العملاء.
• التلاعب بالسبب الشائع: التعديل لكل تقلب وزيادة التباين.
• تجاهل Cpk: مجرد النظر إلى Cp وفقد مشكلة التركيز.
• الخلط بين إشارات الذكاء الاصطناعي والأدلة: عدم التحقق من سبب إشارة ويسترن إلكتريك في الميدان.
• اختيار مخطط خاطئ: تطبيق مخطط بيانات مستمر (X-bar) على بيانات المعدل الخاطئ.

باختصار

• جوهر SPC هو الفصل بين تباين الأسباب العامة والخاصة؛ التدخل في السبب المشترك ضار.
• حدود التحكم تأتي من العملية، وحدود التسامح تأتي من التصميم؛ لا ينبغي الخلط بين الاثنين.
• حدد المخطط المناسب لنوع البيانات (X-bar/R، p، c...) وابحث عن الأنماط التي تتوافق مع قواعد Western Electric.
• يقيس Cp الانتشار ويقيس Cpk التمركز؛ يشير Cpk < Cp إلى وجود مشكلة في التمركز.
• يقوم الذكاء الاصطناعي بإنشاء إشارة إحصائية بسرعة؛ المعاينة الميدانية تؤكد السبب، والقرار يعود للمهندس.

مهمة التطبيق

خذ ما لا يقل عن 20 قياسًا مستمرًا من عملية (حقيقية أو خيالية) وحدد قيم USL/LSL. اطلب من الذكاء الاصطناعي حساب Cp وCpk باستخدام هذه البيانات؛ هل لديك σ والمتوسط ​​المحسوب من البيانات ويظهر كل خطوة. التحقق النقدي: أعد حساب قيم σ وCp وCpk بنفسك في Excel أو Python وقارنها بمخرجات الذكاء الاصطناعي. ثم قم بمسح البيانات باستخدام قواعد Western Electric واسأل "كيف يمكنني التحقق من ذلك ميدانيًا؟" لكل إشارة وجدت. أجب عن السؤال. أخيرًا، إذا كان Cpk < Cp، قرر ما إذا كان يجب تصحيح التوسيط أو الانتشار أولاً.