Keuntungan:
- Kemampuan untuk menginterpretasikan diagram kendali (X-bar/R, p, c) dan indeks kemampuan proses (Cp, Cpk)
- Kemampuan untuk mempercepat pemindaian dan pelaporan sinyal di luar kendali (aturan Western Electric) dengan AI
- Kemampuan untuk memvalidasi interpretasi statistik AI dengan data mentah dan realitas proses fisik
Kualitas tidak “diurutkan” melalui inspeksi, namun “diproduksi” melalui proses. Statistical Process Control (SPC) bertujuan untuk melakukan hal tersebut: memantau proses secara real-time dan menangkap sinyal sebelum kesalahan menjadi produk. Kekuatan SPC terletak pada membedakan variabilitas alami (penyebab umum) dengan variabilitas abnormal (penyebab khusus). Di bidang ini, AI mempercepat interpretasi diagram kendali, pemindaian aturan, dan pelaporan kemahiran; namun tugas manusia adalah memadukan penafsiran statistik dengan realitas proses fisik. Dalam unit ini, kita akan membahas diagram kendali, indeks kemahiran Cp/Cpk, dan peran AI yang tepat dalam SPC.
Dua Wajah Variabilitas
Setiap proses melibatkan variabilitas. SPC membagi variabilitas ini menjadi dua:
- Penyebab umum: Fluktuasi acak dan dapat diprediksi yang melekat dalam proses. Prosesnya "terkendali".
- Penyebab khusus: Peristiwa eksternal yang dapat dialihkan (kerusakan alat, perubahan batch bahan mentah, pergeseran pengaturan). Prosesnya "di luar kendali".
Tujuan satu-satunya dari peta kendali adalah untuk memisahkan keduanya. Menanggapi fluktuasi penyebab umum (penyesuaian berlebihan / "gangguan") sebenarnya meningkatkan variabilitas. "Eksperimen corong" klasik Deming menunjukkan hal ini: campur tangan pada setiap penyimpangan akan memperburuk keadaan.
Tip: Jangan bingung membedakan batas kendali (UCL/LCL) dengan batas toleransi (spesifikasi). Batas kendali adalah “suara” proses (dihitung dari data); batas toleransi merupakan “suara” pelanggan (berasal dari desain). AI terkadang mengacaukan hal ini; Perjelas mana yang Anda bicarakan di setiap komentar.
Jenis Bagan Kontrol
Bagan dipilih berdasarkan tipe data.
Grafik
Tipe data
contoh
X-bar/R
Kontinu (pengukuran), subgrup
Diameter poros rata-rata dan jarak bebas
X-bar/S
Subkelompok besar yang berkelanjutan
Mengisi berat
saya-MRI
Pengukuran tunggal yang berkelanjutan
Pengukuran tunggal per hari
hal/np
Tingkat/angka yang terpisah dan rusak
Tingkat suku cadang yang rusak
c/u
Diskrit, jumlah cacat
Cacat per unit
Pada grafik X-bar/R, batas kendali dihitung dari rata-rata dan rentang subgrup:
UCL_xbar = X-bar ganda + A2 × R-barLCL_xbar =
Sinyal Di Luar Kendali (Aturan Listrik Barat)
Suatu titik yang keluar batas bukanlah satu-satunya sinyal. Aturan Western Electric (Nelson) juga mencakup pola:
- Suatu titik berada di luar 3σ (di luar batas).
- 2/3 poin berturut-turut di luar 2σ (di sisi yang sama).
- 4/5 poin berturut-turut melebihi 1σ.
- 8 titik berturut-turut pada sisi yang sama dari garis tengah (bergeser).
- 6 titik terus meningkat/menurun (tren).
Peran: Anda adalah insinyur kualitas yang berpengalaman di SPC. Tugas: Pindai nilai X-bar berikut dengan aturan Western Electric sesuai dengan UCL/LCL dan garis tengah yang diberikan. Untuk setiap sinyal di luar kendali: nomor aturan, poin mana, kemungkinan interpretasi fisik, dan langkah investigasi yang disarankan. Center=50.2 UCL=52.1 LCL=48.3 σ=0.63Data (diurutkan): {{ value }}Aturan: Jangan menghasilkan sinyal palsu; Menandai titik-titik yang tidak sepenuhnya memenuhi aturan. Sampaikan kemungkinan alasan sebagai "hipotesis", jangan menulis dalam bahasa yang tepat.
AI mempercepat penyaringan ini, tapi ingat: ketentuan aturan adalah peringatan statistik; Investigasi lapangan menemukan penyebab sebenarnya. AI mungkin mengatakan "mungkin alatnya aus"; Pengukuran alatlah yang menegaskan hal ini.
Kemampuan Proses: Cp dan Cpk
Sekalipun prosesnya terkendali, apakah prosesnya memenuhi toleransi pelanggan? Indeks kecukupan menunjukkan hal ini.
Cp = (USL − LSL) / (6σ) → hanya mengukur spreadCpk = min[ (USL − μ)/(3σ) , (μ − LSL)/(3σ) ] → mencakup pemusatan
Contoh: USL = 10,5; LSL = 9,5; = 10,1; σ = 0,1.
Cp = (10,5 − 9,5) / (6 × 0,1) = 1,0 / 0,6 ≈ 1,67Cpk = menit[ (10,5 − 10,1)/0,3 , (10,1 − 9,5)/0,3 ] = menit[ 0,4/0,3 , 0,6/0,3 ] = menit[1,33 , 2,0] = 1,33
Cp = 1,67 menunjukkan penyebaran yang baik, namun Cpk = 1,33 menunjukkan bahwa prosesnya berada di luar pusat (rata-rata 10,1, lebih dekat ke USL daripada target 10,0). Cpk < Cp selalu menunjukkan masalah pemusatan. Bahkan suatu proses dengan dispersi yang baik akan menghasilkan produk yang rusak jika pemusatannya salah.
Prompt Lemah / Prompt Kuat
Perintah yang lemah:
Apakah proses ini baik?
Tidak ada kriteria untuk "baik"; AI hanya membuat perkiraan umum.
Perintah yang kuat:
Hitung Cp dan Cpk dengan data pengukuran berikut (USL=10.5, LSL=9.5). Hitung σ dan mean dari data, tunjukkan rumus dan setiap langkah. Jika Cpk < Cp, tanyakan apakah terpusat atau menyebar, beri komentar. Perkirakan juga perkiraan tingkat kesalahan (ppm) proses dan tuliskan asumsi Anda. Data: {{ ... }}
Kasus Mini: CP Bagus, Produk Buruk
Pada jalur pengisian, sebagian besar botol keluar dari spesifikasi, namun prosesnya tampak "stabil" pada peta kendali. Insinyur industri Yağmur memberikan data kepada AI dan meminta AI menghitung Cp dan Cpk: Cp = 1.5 (spread bagus) tetapi Cpk = 0.7 (tidak mencukupi). Bedanya, rata-rata sudah bergeser signifikan dari target. AI menunjukkan masalah pemusatan; Dia memeriksa pengaturan katup pengisi hujan dan menemukan offset. Saat Anda memperbaiki pengaturan, Cpk meningkat menjadi 1,4 dan pemborosan berkurang. Pelajaran penting: prosesnya bisa “stabil” (terkendali) namun masih “kurang” (tidak memenuhi spesifikasi). AI menunjukkan perbedaan ini secara numerik; Yağmur-lah yang menemukan akar permasalahan di lapangan.
Kesalahan Umum
- Membingungkan pengendalian dan batas toleransi: Menyamakan batas pengendalian dengan toleransi pelanggan.
- Penyebab umum gangguan: Menyesuaikan diri dengan setiap fluktuasi dan meningkatkan variabilitas.
- Mengabaikan Cpk: Hanya melihat Cp dan melewatkan masalah pemusatan.
- Salah mengira sinyal AI sebagai bukti: Tidak memverifikasi penyebab sinyal Western Electric di lapangan.
- Pemilihan bagan yang salah: Menerapkan bagan data berkelanjutan (batang X) pada data tingkat kerusakan.
Singkatnya
- Inti dari SPC adalah memisahkan variabilitas penyebab umum dan khusus; Mengganggu tujuan umum itu berbahaya.
- Batas kendali berasal dari proses, batas toleransi berasal dari desain; Keduanya tidak boleh bingung.
- Pilih grafik yang sesuai dengan tipe data (X-bar/R, p, c...) dan cari pola dengan aturan Western Electric.
- Cp mengukur penyebaran dan Cpk mengukur sentralisasi; Cpk < Cp menunjukkan masalah pemusatan.
- AI menghasilkan sinyal statistik dengan cepat; Inspeksi lapangan memastikan alasannya, keputusan ada di tangan insinyur.
Tugas aplikasi
Lakukan setidaknya 20 pengukuran berkelanjutan dari suatu proses (nyata atau fiksi) dan tentukan nilai USL/LSL. Minta AI menghitung Cp dan Cpk dengan data ini; Minta σ dan mean dihitung dari data dan tunjukkan setiap langkah. Verifikasi kritis: Hitung ulang sendiri nilai σ, Cp, dan Cpk di Excel atau Python dan bandingkan dengan keluaran AI. Kemudian pindai datanya dengan aturan Western Electric dan tanyakan "bagaimana cara memverifikasi ini di lapangan?" untuk setiap sinyal yang ditemukan. Jawab pertanyaannya. Terakhir, jika Cpk < Cp, putuskan apakah centering atau spread harus diperbaiki terlebih dahulu.