ಲಾಭಗಳು:
- ನಿಯಂತ್ರಣ ಚಾರ್ಟ್ಗಳನ್ನು ಅರ್ಥೈಸುವ ಸಾಮರ್ಥ್ಯ (ಎಕ್ಸ್-ಬಾರ್/ಆರ್, ಪಿ, ಸಿ) ಮತ್ತು ಪ್ರಕ್ರಿಯೆ ಸಾಮರ್ಥ್ಯ ಸೂಚ್ಯಂಕಗಳು (ಸಿಪಿ, ಸಿಪಿಕೆ)
- AI ಯೊಂದಿಗೆ ನಿಯಂತ್ರಣವಿಲ್ಲದ ಸಂಕೇತಗಳ (ಪಾಶ್ಚಿಮಾತ್ಯ ಎಲೆಕ್ಟ್ರಿಕ್ ನಿಯಮಗಳು) ಸ್ಕ್ಯಾನಿಂಗ್ ಮತ್ತು ವರದಿ ಮಾಡುವಿಕೆಯನ್ನು ವೇಗಗೊಳಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಕಚ್ಚಾ ಡೇಟಾ ಮತ್ತು ಭೌತಿಕ ಪ್ರಕ್ರಿಯೆಯ ವಾಸ್ತವತೆಯೊಂದಿಗೆ AI ಯ ಅಂಕಿಅಂಶಗಳ ವ್ಯಾಖ್ಯಾನವನ್ನು ಮೌಲ್ಯೀಕರಿಸುವ ಸಾಮರ್ಥ್ಯ
ಗುಣಮಟ್ಟವನ್ನು ತಪಾಸಣೆಯಿಂದ "ವಿಂಗಡಿಸಲಾಗಿಲ್ಲ", ಇದು ಪ್ರಕ್ರಿಯೆಯಿಂದ "ಉತ್ಪಾದಿತವಾಗಿದೆ". ಸ್ಟ್ಯಾಟಿಸ್ಟಿಕಲ್ ಪ್ರೊಸೆಸ್ ಕಂಟ್ರೋಲ್ (SPC) ಇದನ್ನು ಮಾಡುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ: ನೈಜ ಸಮಯದಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡುವುದು ಮತ್ತು ದೋಷಗಳು ಉತ್ಪನ್ನಗಳಾಗುವ ಮೊದಲು ಸಂಕೇತಗಳನ್ನು ಹಿಡಿಯುವುದು. SPC ಯ ಬಲವು ಅಸಹಜ (ವಿಶೇಷ ಕಾರಣ) ವ್ಯತ್ಯಾಸದಿಂದ ನೈಸರ್ಗಿಕ (ಸಾಮಾನ್ಯ ಕಾರಣ) ವ್ಯತ್ಯಾಸವನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ. ಈ ಪ್ರದೇಶದಲ್ಲಿ, AI ನಿಯಂತ್ರಣ ಚಾರ್ಟ್ ವ್ಯಾಖ್ಯಾನ, ನಿಯಮ ಸ್ಕ್ಯಾನಿಂಗ್ ಮತ್ತು ಪ್ರಾವೀಣ್ಯತೆಯ ವರದಿಯನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ; ಆದರೆ ಭೌತಿಕ ಪ್ರಕ್ರಿಯೆಯ ವಾಸ್ತವತೆಯೊಂದಿಗೆ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ವ್ಯಾಖ್ಯಾನವನ್ನು ಮಿಶ್ರಣ ಮಾಡುವುದು ಮಾನವನ ಕೆಲಸವಾಗಿದೆ. ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ನಿಯಂತ್ರಣ ಚಾರ್ಟ್ಗಳು, Cp/Cpk ಪ್ರಾವೀಣ್ಯತೆ ಸೂಚ್ಯಂಕಗಳು ಮತ್ತು SPC ಯಲ್ಲಿ AI ನ ಸರಿಯಾದ ಪಾತ್ರವನ್ನು ಒಳಗೊಳ್ಳುತ್ತೇವೆ.
ವ್ಯತ್ಯಾಸದ ಎರಡು ಮುಖಗಳು
ಪ್ರತಿಯೊಂದು ಪ್ರಕ್ರಿಯೆಯು ವ್ಯತ್ಯಾಸವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. SPC ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಎರಡು ಭಾಗಗಳಾಗಿ ವಿಂಗಡಿಸುತ್ತದೆ:
- ಸಾಮಾನ್ಯ ಕಾರಣ: ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಅಂತರ್ಗತವಾಗಿರುವ ಯಾದೃಚ್ಛಿಕ, ಊಹಿಸಬಹುದಾದ ಏರಿಳಿತ. ಪ್ರಕ್ರಿಯೆಯು "ನಿಯಂತ್ರಣದಲ್ಲಿದೆ".
- ವಿಶೇಷ ಕಾರಣ: ಬಾಹ್ಯ, ನಿಯೋಜಿಸಬಹುದಾದ ಈವೆಂಟ್ (ಉಪಕರಣ ಒಡೆಯುವಿಕೆ, ಕಚ್ಚಾ ವಸ್ತುಗಳ ಬ್ಯಾಚ್ ಬದಲಾವಣೆ, ಸೆಟ್ಟಿಂಗ್ ಶಿಫ್ಟ್). ಪ್ರಕ್ರಿಯೆಯು "ನಿಯಂತ್ರಣದಿಂದ ಹೊರಗಿದೆ".
ನಿಯಂತ್ರಣ ಚಾರ್ಟ್ನ ಏಕೈಕ ಉದ್ದೇಶವು ಎರಡನ್ನು ಪ್ರತ್ಯೇಕಿಸುವುದು. ಸಾಮಾನ್ಯ ಕಾರಣದ ಏರಿಳಿತಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯಿಸುವುದು (ಅತಿ-ಹೊಂದಾಣಿಕೆ / "ತೊಂದರೆ") ವಾಸ್ತವವಾಗಿ ವ್ಯತ್ಯಾಸವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಡೆಮಿಂಗ್ನ ಕ್ಲಾಸಿಕ್ "ಫನಲ್ ಪ್ರಯೋಗ" ಇದನ್ನು ತೋರಿಸುತ್ತದೆ: ಪ್ರತಿ ವಿಚಲನದಲ್ಲಿ ಮಧ್ಯಪ್ರವೇಶಿಸುವಿಕೆಯು ವಿಷಯಗಳನ್ನು ಇನ್ನಷ್ಟು ಹದಗೆಡಿಸುತ್ತದೆ.
ಸಲಹೆ: ಸಹಿಷ್ಣುತೆ (ನಿರ್ದಿಷ್ಟತೆ) ಮಿತಿಗಳೊಂದಿಗೆ ನಿಯಂತ್ರಣ ಮಿತಿಗಳನ್ನು (UCL/LCL) ಎಂದಿಗೂ ಗೊಂದಲಗೊಳಿಸಬೇಡಿ. ನಿಯಂತ್ರಣ ಮಿತಿಗಳು ಪ್ರಕ್ರಿಯೆಯ "ಧ್ವನಿ" (ಡೇಟಾದಿಂದ ಲೆಕ್ಕಹಾಕಲಾಗಿದೆ); ಸಹಿಷ್ಣುತೆಯ ಮಿತಿಗಳು ಗ್ರಾಹಕರ "ಧ್ವನಿ" (ವಿನ್ಯಾಸದಿಂದ ಬಂದಿದೆ). AI ಕೆಲವೊಮ್ಮೆ ಇವುಗಳನ್ನು ಗೊಂದಲಗೊಳಿಸುತ್ತದೆ; ಪ್ರತಿ ಕಾಮೆಂಟ್ನಲ್ಲಿ ನೀವು ಯಾವುದರ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಿದ್ದೀರಿ ಎಂಬುದನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ.
ನಿಯಂತ್ರಣ ಚಾರ್ಟ್ ವಿಧಗಳು
ಡೇಟಾ ಪ್ರಕಾರಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಚಾರ್ಟ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗುತ್ತದೆ.
ಗ್ರಾಫಿಕ್ಸ್
ಡೇಟಾ ಪ್ರಕಾರ
ಉದಾಹರಣೆ
ಎಕ್ಸ್-ಬಾರ್/ಆರ್
ನಿರಂತರ (ಅಳತೆ), ಉಪಗುಂಪು
ಶಾಫ್ಟ್ ವ್ಯಾಸದ ಸರಾಸರಿ ಮತ್ತು ತೆರವು
ಎಕ್ಸ್-ಬಾರ್/ಎಸ್
ನಿರಂತರ, ದೊಡ್ಡ ಉಪಗುಂಪು
ತೂಕವನ್ನು ತುಂಬುವುದು
I-MRI
ನಿರಂತರ, ಏಕ ಮಾಪನ
ದಿನಕ್ಕೆ ಒಂದೇ ಅಳತೆ
p/np
ಡಿಸ್ಕ್ರೀಟ್, ದೋಷಯುಕ್ತ ದರ/ಸಂಖ್ಯೆ
ದೋಷಯುಕ್ತ ಭಾಗಗಳ ದರ
c/u
ಡಿಸ್ಕ್ರೀಟ್, ದೋಷಗಳ ಸಂಖ್ಯೆ
ಪ್ರತಿ ಘಟಕಕ್ಕೆ ದೋಷಗಳು
ಎಕ್ಸ್-ಬಾರ್/ಆರ್ ಚಾರ್ಟ್ನಲ್ಲಿ, ನಿಯಂತ್ರಣ ಮಿತಿಗಳನ್ನು ಉಪಗುಂಪು ಸರಾಸರಿ ಮತ್ತು ವ್ಯಾಪ್ತಿಯಿಂದ ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ:
UCL_xbar = X-ಡಬಲ್-ಬಾರ್ + A2 × R-barLCL_xbar =
ನಿಯಂತ್ರಣವಿಲ್ಲದ ಸಂಕೇತಗಳು (ಪಾಶ್ಚಿಮಾತ್ಯ ವಿದ್ಯುತ್ ನಿಯಮಗಳು)
ಒಂದು ಬಿಂದು ಮಿತಿಯನ್ನು ಮೀರುವುದು ಒಂದೇ ಸಂಕೇತವಲ್ಲ. ವೆಸ್ಟರ್ನ್ ಎಲೆಕ್ಟ್ರಿಕ್ (ನೆಲ್ಸನ್) ನಿಯಮಗಳು ಸಹ ಮಾದರಿಗಳನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತವೆ:
- ಒಂದು ಬಿಂದುವು 3σ ಹೊರಗಿದೆ (ಪರಿಮಿತಿಯಿಂದ ಹೊರಗಿದೆ).
- 2σ ಮೀರಿ ಸತತ 2/3 ಅಂಕಗಳು (ಅದೇ ಭಾಗದಲ್ಲಿ).
- 1σ ಮೀರಿದ 4/5 ಸತತ ಅಂಕಗಳು.
- ಕೇಂದ್ರ ರೇಖೆಯ ಒಂದೇ ಬದಿಯಲ್ಲಿ 8 ಸತತ ಅಂಕಗಳು (ಶಿಫ್ಟ್).
- 6 ಚುಕ್ಕೆಗಳು ನಿರಂತರವಾಗಿ ಹೆಚ್ಚುತ್ತಿವೆ/ಕಡಿಮೆಯಾಗುತ್ತಿವೆ (ಟ್ರೆಂಡ್).
ಪಾತ್ರ: ನೀವು SPC ಯಲ್ಲಿ ಅನುಭವಿ ಗುಣಮಟ್ಟದ ಎಂಜಿನಿಯರ್. ಕಾರ್ಯ: ನೀಡಲಾದ UCL/LCL ಮತ್ತು ಸೆಂಟರ್ ಲೈನ್ ಪ್ರಕಾರ ವೆಸ್ಟರ್ನ್ ಎಲೆಕ್ಟ್ರಿಕ್ ನಿಯಮಗಳೊಂದಿಗೆ ಕೆಳಗಿನ X- ಬಾರ್ ಮೌಲ್ಯಗಳನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ. ಪ್ರತಿಯೊಂದು ಔಟ್-ಆಫ್-ಕಂಟ್ರೋಲ್ ಸಿಗ್ನಲ್ಗೆ: ನಿಯಮ ಸಂಖ್ಯೆ, ಯಾವ ಅಂಕಗಳು, ಸಂಭವನೀಯ ಭೌತಿಕ ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ಸಲಹೆಯ ತನಿಖಾ ಹಂತ. ಕೇಂದ್ರ=50.2 UCL=52.1 LCL=48.3 σ=0.63ಡೇಟಾ (ಆದೇಶ): {{ ಮೌಲ್ಯಗಳು }}ನಿಯಮ: ನಕಲಿ ಸಂಕೇತವನ್ನು ರಚಿಸಬೇಡಿ; ನಿಯಮವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಪೂರೈಸದ ಅಂಕಗಳನ್ನು ಗುರುತಿಸುವುದು. ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು "ಊಹೆ" ಎಂದು ಪ್ರಸ್ತುತಪಡಿಸಿ, ನಿಖರವಾದ ಭಾಷೆಯಲ್ಲಿ ಬರೆಯಬೇಡಿ.
AI ಈ ಸ್ಕ್ರೀನಿಂಗ್ ಅನ್ನು ವೇಗವಾಗಿ ಮಾಡುತ್ತದೆ, ಆದರೆ ನೆನಪಿಡಿ: ನಿಯಮದ ನಿಬಂಧನೆಯು ಅಂಕಿಅಂಶಗಳ ಎಚ್ಚರಿಕೆಯಾಗಿದೆ; ಕ್ಷೇತ್ರ ತನಿಖೆ ನಿಜವಾದ ಕಾರಣವನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ. AI "ಬಹುಶಃ ಟೂಲ್ ವೇರ್" ಎಂದು ಹೇಳಬಹುದು; ಇದು ದೃಢೀಕರಿಸುವ ಸಾಧನ ಮಾಪನವಾಗಿದೆ.
ಪ್ರಕ್ರಿಯೆ ಸಾಮರ್ಥ್ಯ: Cp ಮತ್ತು Cpk
ಪ್ರಕ್ರಿಯೆಯು ನಿಯಂತ್ರಣದಲ್ಲಿದ್ದರೂ ಸಹ, ಇದು ಗ್ರಾಹಕರ ಸಹಿಷ್ಣುತೆಯನ್ನು ಪೂರೈಸುತ್ತದೆಯೇ? ಸಮರ್ಪಕ ಸೂಚ್ಯಂಕಗಳು ಇದನ್ನು ಹೇಳುತ್ತವೆ.
Cp = (USL - LSL) / (6σ) → ಕೇವಲ ಹರಡುವಿಕೆಯನ್ನು ಅಳೆಯುತ್ತದೆCpk = ನಿಮಿಷ[ (USL - μ)/(3σ) , (μ - LSL)/(3σ) ] → ಕೇಂದ್ರೀಕರಣವನ್ನು ಒಳಗೊಂಡಿದೆ
ಉದಾಹರಣೆ: 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 = ನಿಮಿಷ[ (10.5 - 10.1)/0.3 , (10.1 − 9.5)/0.3 ] = 0.3 ] = ] = ನಿಮಿಷ[1.33 , 2.0] = 1.33
Cp = 1.67 ಉತ್ತಮ ಹರಡುವಿಕೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಆದರೆ Cpk = 1.33 ಪ್ರಕ್ರಿಯೆಯು ಆಫ್-ಸೆಂಟರ್ ಎಂದು ನಮಗೆ ಹೇಳುತ್ತದೆ (ಸರಾಸರಿ 10.1, ಗುರಿ 10.0 ಗಿಂತ USL ಗೆ ಹತ್ತಿರದಲ್ಲಿದೆ). Cpk < Cp ಯಾವಾಗಲೂ ಕೇಂದ್ರೀಕರಿಸುವ ಸಮಸ್ಯೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಉತ್ತಮ ಪ್ರಸರಣವನ್ನು ಹೊಂದಿರುವ ಪ್ರಕ್ರಿಯೆಯು ಸಹ ತಪ್ಪಾಗಿ ಕೇಂದ್ರೀಕೃತವಾಗಿದ್ದರೆ ದೋಷಯುಕ್ತ ಉತ್ಪನ್ನವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಈ ಪ್ರಕ್ರಿಯೆಯು ಉತ್ತಮವಾಗಿದೆಯೇ?
"ಒಳ್ಳೆಯದು" ಎಂಬುದಕ್ಕೆ ಯಾವುದೇ ಮಾನದಂಡವಿಲ್ಲ; AI ಸಾಮಾನ್ಯ ಊಹೆಯನ್ನು ಮಾತ್ರ ಮಾಡುತ್ತದೆ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ಕೆಳಗಿನ ಮಾಪನ ಡೇಟಾದೊಂದಿಗೆ Cp ಮತ್ತು Cpk ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ (USL=10.5, LSL=9.5). ಡೇಟಾದಿಂದ σ ಮತ್ತು ಅರ್ಥವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ, ಸೂತ್ರ ಮತ್ತು ಪ್ರತಿ ಹಂತವನ್ನು ತೋರಿಸಿ. Cpk < Cp ಆಗಿದ್ದರೆ, ಅದು ಕೇಂದ್ರೀಕೃತವಾಗಿದೆಯೇ ಅಥವಾ ಹರಡುತ್ತಿದೆಯೇ ಎಂದು ಕೇಳಿ, ಕಾಮೆಂಟ್ ಮಾಡಿ. ಪ್ರಕ್ರಿಯೆಯ ಅಂದಾಜು ದೋಷ ದರವನ್ನು (ppm) ಅಂದಾಜು ಮಾಡಿ ಮತ್ತು ನಿಮ್ಮ ಊಹೆಗಳನ್ನು ಬರೆಯಿರಿ. ಡೇಟಾ: {{ ... }}
ಮಿನಿ ಕೇಸ್: ಉತ್ತಮ ಸಿಪಿ, ಕೆಟ್ಟ ಉತ್ಪನ್ನ
ಭರ್ತಿ ಮಾಡುವ ಸಾಲಿನಲ್ಲಿ, ಹೆಚ್ಚಿನ ಬಾಟಲಿಗಳು ವಿವರಣೆಯಿಂದ ಹೊರಬರುತ್ತವೆ, ಆದರೆ ಪ್ರಕ್ರಿಯೆಯು ನಿಯಂತ್ರಣ ಚಾರ್ಟ್ನಲ್ಲಿ "ಸ್ಥಿರ" ಎಂದು ಗೋಚರಿಸುತ್ತದೆ. ಇಂಡಸ್ಟ್ರಿಯಲ್ ಇಂಜಿನಿಯರ್ Yağmur AI ಗೆ ಡೇಟಾವನ್ನು ನೀಡುತ್ತಾರೆ ಮತ್ತು ಇದು Cp ಮತ್ತು Cpk ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ: Cp = 1.5 (ಉತ್ತಮ ಹರಡುವಿಕೆ) ಆದರೆ Cpk = 0.7 (ಸಾಕಷ್ಟಿಲ್ಲ). ವ್ಯತ್ಯಾಸವೆಂದರೆ ಸರಾಸರಿ ಗುರಿಯಿಂದ ಗಮನಾರ್ಹವಾಗಿ ಬದಲಾಗಿದೆ. AI ಕೇಂದ್ರೀಕರಿಸುವ ಸಮಸ್ಯೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ; ಅವರು ಮಳೆ ತುಂಬುವ ಕವಾಟದ ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಪರಿಶೀಲಿಸುತ್ತಾರೆ ಮತ್ತು ವಾಸ್ತವವಾಗಿ ಆಫ್ಸೆಟ್ ಅನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತಾರೆ. ನೀವು ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಸರಿಪಡಿಸಿದಾಗ, Cpk 1.4 ಗೆ ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ತ್ಯಾಜ್ಯ ಕಡಿಮೆಯಾಗುತ್ತದೆ. ನಿರ್ಣಾಯಕ ಪಾಠ: ಪ್ರಕ್ರಿಯೆಯು "ಸ್ಥಿರ" (ನಿಯಂತ್ರಣದಲ್ಲಿ) ಆಗಿರಬಹುದು ಆದರೆ ಇನ್ನೂ "ಕೊರತೆ" (ನಿರ್ದಿಷ್ಟತೆಯನ್ನು ಪೂರೈಸುವುದಿಲ್ಲ). AI ಈ ವ್ಯತ್ಯಾಸವನ್ನು ಸಂಖ್ಯಾತ್ಮಕವಾಗಿ ಪ್ರದರ್ಶಿಸಿತು; ಮೈದಾನದಲ್ಲಿ ಮೂಲ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿದವರು ಯಾಗ್ಮುರ್.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಗೊಂದಲದ ನಿಯಂತ್ರಣ ಮತ್ತು ಸಹಿಷ್ಣುತೆಯ ಮಿತಿ: ಗ್ರಾಹಕ ಸಹಿಷ್ಣುತೆಯೊಂದಿಗೆ ನಿಯಂತ್ರಣ ಮಿತಿಗಳನ್ನು ಸಮೀಕರಿಸುವುದು.
- ಸಾಮಾನ್ಯ ಕಾರಣ ಟ್ಯಾಂಪರಿಂಗ್: ಪ್ರತಿ ಏರಿಳಿತಕ್ಕೆ ಸರಿಹೊಂದಿಸುವುದು ಮತ್ತು ವ್ಯತ್ಯಾಸವನ್ನು ಹೆಚ್ಚಿಸುವುದು.
- Cpk ಅನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತಿದೆ: ಕೇವಲ Cp ಅನ್ನು ನೋಡುವುದು ಮತ್ತು ಕೇಂದ್ರೀಕರಿಸುವ ಸಮಸ್ಯೆಯನ್ನು ಕಾಣೆಯಾಗಿದೆ.
- ಪುರಾವೆಗಾಗಿ AI ಸಂಕೇತಗಳನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು: ಕ್ಷೇತ್ರದಲ್ಲಿ ವೆಸ್ಟರ್ನ್ ಎಲೆಕ್ಟ್ರಿಕ್ ಸಿಗ್ನಲ್ನ ಕಾರಣವನ್ನು ಪರಿಶೀಲಿಸುತ್ತಿಲ್ಲ.
- ತಪ್ಪಾದ ಚಾರ್ಟ್ ಆಯ್ಕೆ: ದರ ಡೇಟಾವನ್ನು ದೋಷಪೂರಿತಗೊಳಿಸಲು ನಿರಂತರ ಡೇಟಾ ಚಾರ್ಟ್ (ಎಕ್ಸ್-ಬಾರ್) ಅನ್ನು ಅನ್ವಯಿಸುವುದು.
ಸಾರಾಂಶದಲ್ಲಿ
- SPC ಯ ಮೂಲತತ್ವವು ಸಾಮಾನ್ಯ ಮತ್ತು ವಿಶೇಷ ಕಾರಣ ವ್ಯತ್ಯಾಸವನ್ನು ಪ್ರತ್ಯೇಕಿಸುವುದು; ಸಾಮಾನ್ಯ ಕಾರಣದೊಂದಿಗೆ ಹಸ್ತಕ್ಷೇಪ ಮಾಡುವುದು ಹಾನಿಕಾರಕವಾಗಿದೆ.
- ನಿಯಂತ್ರಣ ಮಿತಿಗಳು ಪ್ರಕ್ರಿಯೆಯಿಂದ ಬರುತ್ತವೆ, ಸಹಿಷ್ಣುತೆಯ ಮಿತಿಗಳು ವಿನ್ಯಾಸದಿಂದ ಬರುತ್ತವೆ; ಇವೆರಡನ್ನು ಎಂದಿಗೂ ಗೊಂದಲಗೊಳಿಸಬಾರದು.
- ಡೇಟಾ ಪ್ರಕಾರಕ್ಕೆ ಸೂಕ್ತವಾದ ಚಾರ್ಟ್ ಅನ್ನು ಆಯ್ಕೆಮಾಡಿ (X-bar/R, p, c...) ಮತ್ತು ವೆಸ್ಟರ್ನ್ ಎಲೆಕ್ಟ್ರಿಕ್ ನಿಯಮಗಳೊಂದಿಗೆ ಮಾದರಿಗಳನ್ನು ನೋಡಿ.
- ಸಿಪಿ ಹರಡುವಿಕೆಯನ್ನು ಅಳೆಯುತ್ತದೆ ಮತ್ತು ಸಿಪಿಕೆ ಕೇಂದ್ರೀಕರಣವನ್ನು ಅಳೆಯುತ್ತದೆ; Cpk < Cp ಕೇಂದ್ರೀಕರಿಸುವ ಸಮಸ್ಯೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ.
- AI ಅಂಕಿಅಂಶಗಳ ಸಂಕೇತವನ್ನು ವೇಗವಾಗಿ ಉತ್ಪಾದಿಸುತ್ತದೆ; ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆಯು ಕಾರಣವನ್ನು ಖಚಿತಪಡಿಸುತ್ತದೆ, ನಿರ್ಧಾರವು ಎಂಜಿನಿಯರ್ಗೆ ಬಿಟ್ಟದ್ದು.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಪ್ರಕ್ರಿಯೆಯಿಂದ ಕನಿಷ್ಠ 20 ನಿರಂತರ ಅಳತೆಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ (ನೈಜ ಅಥವಾ ಕಾಲ್ಪನಿಕ) ಮತ್ತು USL/LSL ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ಧರಿಸಿ. AI ಈ ಡೇಟಾದೊಂದಿಗೆ Cp ಮತ್ತು Cpk ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ; ಡೇಟಾದಿಂದ σ ಮತ್ತು ಸರಾಸರಿಯನ್ನು ಲೆಕ್ಕಹಾಕಿ ಮತ್ತು ಪ್ರತಿ ಹಂತವನ್ನು ತೋರಿಸಲಾಗಿದೆ. ವಿಮರ್ಶಾತ್ಮಕ ಪರಿಶೀಲನೆ: ಎಕ್ಸೆಲ್ ಅಥವಾ ಪೈಥಾನ್ನಲ್ಲಿ σ, ಸಿಪಿ ಮತ್ತು ಸಿಪಿಕೆ ಮೌಲ್ಯಗಳನ್ನು ನೀವೇ ಮರು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ ಮತ್ತು ಎಐ ಔಟ್ಪುಟ್ನೊಂದಿಗೆ ಹೋಲಿಕೆ ಮಾಡಿ. ನಂತರ ವೆಸ್ಟರ್ನ್ ಎಲೆಕ್ಟ್ರಿಕ್ ನಿಯಮಗಳೊಂದಿಗೆ ಡೇಟಾವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ ಮತ್ತು "ಕ್ಷೇತ್ರದಲ್ಲಿ ನಾನು ಇದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು?" ಕಂಡುಬರುವ ಪ್ರತಿಯೊಂದು ಸಂಕೇತಕ್ಕೂ. ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಿ. ಅಂತಿಮವಾಗಿ, Cpk < Cp ಆಗಿದ್ದರೆ, ಕೇಂದ್ರೀಕರಣ ಅಥವಾ ಹರಡುವಿಕೆಯನ್ನು ಮೊದಲು ಸರಿಪಡಿಸಬೇಕೆ ಎಂದು ನಿರ್ಧರಿಸಿ.