利益:
- 管理図 (X-bar/R、p、c) および工程能力指数 (Cp、Cpk) を解釈する能力
- AI を使用して制御不能な信号 (Western Electric ルール) のスキャンとレポートを高速化する機能
- 生データと物理プロセスの現実を使用して AI の統計的解釈を検証する機能
品質は検査によって「選別」されるのではなく、工程によって「生み出される」のです。統計的プロセス制御 (SPC) は、まさにそれを行うことを目的としています。つまり、リアルタイムでプロセスを監視し、エラーが発生する前に信号をキャッチすることです。 SPC の強みは、自然 (一般的な原因) の変動と異常 (特殊な原因) の変動を区別することにあります。この分野では、AI が管理図の解釈、ルールのスキャン、熟練度のレポートを高速化します。しかし、統計的解釈と物理的プロセスの現実を融合させるのは人間の仕事です。この単元では、管理図、Cp/Cpk 熟練度指数、SPC における AI の適切な役割について説明します。
変動性の 2 つの側面
すべてのプロセスには変動が伴います。 SPC は、この変動性を 2 つに分類します。
- 一般的な原因: プロセスに固有のランダムで予測可能な変動。プロセスは「制御下」にあります。
- 特殊原因: 外部の割り当て可能なイベント (工具の破損、原材料のバッチ変更、設定の変更)。このプロセスは「制御不能」です。
管理図の唯一の目的は、この 2 つを分離することです。一般的な原因の変動（過剰調整/「改ざん」）に対応すると、実際には変動が増加します。デミングの古典的な「ファネル実験」は、逸脱するたびに介入すると状況が悪化することを示しています。
ヒント: 管理限界 (UCL/LCL) と許容差 (仕様) 限界を決して混同しないでください。管理限界はプロセスの「声」です (データから計算されます)。許容限界は顧客の「声」です（設計から得られます）。 AI はこれらを混同することがあります。各コメントでどちらについて話しているのかを明確にしてください。
管理図の種類
グラフはデータの種類に応じて選択されます。
グラフィックス
データ型
例
Xバー/R
連続（測定）、サブグループ
軸径の平均とクリアランス
Xバー/S
連続的な大規模なサブグループ
充填重量
I-MRI
連続的な単一測定
1 日あたり 1 回の測定
p/np
ディスクリートの不良率・個数
不良品率
c/u
離散、欠陥の数
ユニットあたりの欠陥
X バー/R 管理図では、管理限界はサブグループの平均とスパンから計算されます。
UCL_xbar = X ダブルバー + A2 × R バーLCL_xbar =
制御不能信号 (Western Electric 規則)
ポイントが範囲外に出ることだけがシグナルではありません。 Western Electric (Nelson) ルールもパターンを捉えます。
- 点が 3σ の外側 (範囲外) にあります。
- 2σを超えて2/3ポイント連続（同側）。
- 1σ超えは4/5ポイント連続。
- 中心線の同じ側にある連続した 8 つの点 (シフト)。
- 6 つのドットが常に増加/減少しています (トレンド)。
役割: あなたは、SPC での経験豊富な品質エンジニアです。タスク: 指定された UCL/LCL および中心線に従って、Western Electric ルールで次の X バー値をスキャンします。各制御不能信号について: ルール番号、ポイント、考えられる物理的解釈、および推奨される調査手順。 Center=50.2 UCL=52.1 LCL=48.3 σ=0.63データ (順序付け): {{ 値 }}ルール: スプリアス信号を生成しないでください。ルールを完全に満たしていない点にマークを付けます。考えられる理由を「仮説」として提示し、正確な言葉で書かないでください。
AI によりこのスクリーニングは迅速に行われますが、ルールの提供は統計的なアラートであることに注意してください。現地調査により本当の原因が判明します。 AI は「おそらく工具が磨耗している」と言うかもしれません。これを裏付けるのがツールの測定です。
プロセス能力: Cp および Cpk
たとえプロセスが管理されていても、顧客の許容範囲を満たしているでしょうか?十分性指数がそれを物語っています。
Cp = (USL − LSL) / (6σ) → スプレッドのみを測定Cpk = min[ (USL − μ)/(3σ) , (μ − LSL)/(3σ) ] → セントレーションを含む
例: 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
Cp = 1.67 は良好な広がりを示しますが、Cpk = 1.33 はプロセスが中心から外れていることを示します (平均 10.1、ターゲット 10.0 より USL に近い)。 Cpk < Cp は常にセンタリングの問題を示します。たとえ分散が良好なプロセスであっても、中心が正しくなければ不良品が生成されます。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
このプロセスは良いですか?
「良い」という基準はありません。 AIは一般的な推測しかしません。
強力なプロンプト:
以下の測定データ（USL=10.5、LSL=9.5）よりCp、Cpkを計算します。データからσと平均を計算し、計算式と各ステップを示します。 Cpk < Cp の場合、センタリングかスプレッドかを尋ね、コメントします。また、プロセスのおおよそのエラー率 (ppm) を推定し、仮定を書き留めます。データ: {{ ... }}
ミニケース: CP は良い、製品は悪い
充填ラインでは、ほとんどのボトルが規格外になりますが、管理図ではプロセスは「安定」しているように見えます。工業エンジニアの Yağmur は AI にデータを渡し、Cp と Cpk を計算させます。Cp = 1.5 (良好な広がり) ですが、Cpk = 0.7 (不十分) となります。違いは、平均が目標から大きくずれていることです。 AIはセンタリングの問題を指摘。彼はレインフィルバルブの設定をチェックし、実際にオフセットを見つけました。設定を修正すると、Cpk が 1.4 に増加し、無駄が減少します。重要な教訓: プロセスは「安定」(制御下) であっても、「欠陥」(仕様を満たしていない) になる可能性があります。 AI はこの違いを数値的に実証しました。現場で根本原因を発見したのはヤグムルだった。
よくある間違い
- 管理限界と許容限界の混同: 管理限界と顧客の許容限界を同一視します。
- 共通原因改ざん：変動ごとに調整し、ばらつきを大きくする。
- Cpk を無視する: Cp だけを見てセンタリングの問題を見逃します。
- AI 信号を証拠と取り違える: 現場での Western Electric 信号の原因を検証していない。
- チャートの選択が間違っています: 連続データ チャート (X バー) を不良率データに適用します。
要約すると
- SPC の本質は、一般的な原因の変動性と特殊な原因による変動性を分離することです。共通の原因を妨げることは有害です。
- 管理限界はプロセスに由来し、許容限界は設計に由来します。この 2 つを決して混同してはいけません。
- データ タイプ (X バー/R、p、c...) に適したチャートを選択し、Western Electric ルールを備えたパターンを探します。
- Cp は拡散を測定し、Cpk は集中を測定します。 Cpk < Cp はセンタリングの問題を示します。
- AI は統計信号を高速に生成します。現場検査により理由が確認されますが、決定はエンジニアに委ねられます。
アプリケーションタスク
プロセス (現実または架空) から少なくとも 20 回の連続測定を取得し、USL/LSL 値を決定します。このデータを使用して AI に Cp と Cpk を計算させます。データから σ と平均を計算し、各ステップを示します。重要な検証: Excel または Python で σ、Cp、および Cpk 値を自分で再計算し、AI 出力と比較します。次に、Western Electric のルールに従ってデータをスキャンし、「現場でこれをどのように検証すればよいでしょうか?」と尋ねます。見つかった信号ごとに。質問に答えてください。最後に、Cpk < Cp の場合、センタリングとスプレッドのどちらを最初に修正するかを決定します。