Keuntungan:
- Keupayaan untuk mentafsir carta kawalan (X-bar/R, p, c) dan indeks keupayaan proses (Cp, Cpk)
- Keupayaan untuk mempercepatkan pengimbasan dan pelaporan isyarat luar kawalan (peraturan Western Electric) dengan AI
- Keupayaan untuk mengesahkan tafsiran statistik AI dengan data mentah dan realiti proses fizikal
Kualiti tidak "disusun" melalui pemeriksaan, ia "dihasilkan" oleh proses. Kawalan Proses Statistik (SPC) bertujuan untuk melakukan perkara itu: memantau proses dalam masa nyata dan menangkap isyarat sebelum ralat menjadi produk. Kekuatan SPC terletak pada membezakan kebolehubahan semula jadi (sebab biasa) daripada kebolehubahan abnormal (sebab khas). Dalam bidang ini, AI mempercepatkan tafsiran carta kawalan, pengimbasan peraturan dan pelaporan kecekapan; tetapi ia adalah tugas manusia untuk menggabungkan tafsiran statistik dengan realiti proses fizikal. Dalam unit ini, kami akan merangkumi carta kawalan, indeks kecekapan Cp/Cpk dan peranan AI yang betul dalam SPC.
Dua Wajah Kebolehubahan
Setiap proses melibatkan kebolehubahan. SPC membahagikan kebolehubahan ini kepada dua:
- Punca biasa: Turun naik rawak dan boleh diramal yang wujud dalam proses. Prosesnya adalah "terkawal".
- Sebab khas: Peristiwa luaran yang boleh diagihkan (kerosakan alatan, perubahan kelompok bahan mentah, peralihan tetapan). Proses itu "di luar kawalan".
Tujuan tunggal carta kawalan adalah untuk memisahkan kedua-duanya. Bertindak balas kepada turun naik sebab biasa (penyesuaian berlebihan / "gangguan") sebenarnya meningkatkan kebolehubahan. "Percubaan corong" klasik Deming menunjukkan perkara ini: campur tangan pada setiap penyelewengan memburukkan keadaan.
Petua: Jangan sekali-kali mengelirukan had kawalan (UCL/LCL) dengan had toleransi (spesifikasi). Had kawalan ialah "suara" proses (dikira daripada data); had toleransi adalah "suara" pelanggan (datang dari reka bentuk). AI kadang-kadang mengelirukan ini; Jelaskan yang mana satu yang anda bincangkan dalam setiap ulasan.
Jenis Carta Kawalan
Carta dipilih mengikut jenis data.
Grafik
Jenis data
contoh
X-bar/R
Berterusan (ukuran), subkumpulan
Purata diameter aci dan kelegaan
X-bar/S
Subkumpulan besar yang berterusan
Mengisi berat
I-MRI
Pengukuran tunggal yang berterusan
Pengukuran tunggal setiap hari
p/np
Diskret, kadar/nombor yang rosak
Kadar bahagian yang rosak
c/u
Diskret, bilangan kecacatan
Kecacatan setiap unit
Pada carta X-bar/R, had kawalan dikira daripada purata dan rentang subkumpulan:
UCL_xbar = X-double-bar + A2 × R-barLCL_xbar =
Isyarat Luar Kawalan (Peraturan Elektrik Barat)
Titik yang melampaui batas bukanlah satu-satunya isyarat. Peraturan Western Electric (Nelson) juga menangkap corak:
- Satu titik berada di luar 3σ (di luar sempadan).
- 2/3 mata berturut-turut melebihi 2σ (di sebelah yang sama).
- 4/5 mata berturut-turut melebihi 1σ.
- 8 titik berturut-turut pada sisi yang sama garis tengah (anjakan).
- 6 titik sentiasa meningkat/menurun (trend).
Peranan: Anda seorang jurutera berkualiti berpengalaman dalam SPC. Tugas: Imbas nilai X-bar berikut dengan peraturan Western Electric mengikut UCL/LCL dan garis tengah yang diberikan. Untuk setiap isyarat luar kawalan: nombor peraturan, titik mana, tafsiran fizikal yang mungkin dan langkah penyiasatan yang dicadangkan. Center=50.2 UCL=52.1 LCL=48.3 σ=0.63Data (tertib): {{ values }}Peraturan: Jangan jana isyarat palsu; Menanda mata yang tidak memenuhi peraturan sepenuhnya. Kemukakan sebab yang mungkin sebagai "hipotesis", jangan tulis dalam bahasa yang tepat.
AI membuat saringan ini pantas, tetapi ingat: peruntukan peraturan ialah amaran statistik; Siasatan lapangan mencari punca sebenar. AI mungkin berkata "mungkin haus alatan"; Ia adalah ukuran alat yang mengesahkan ini.
Keupayaan Proses: Cp dan Cpk
Walaupun proses itu terkawal, adakah ia memenuhi toleransi pelanggan? Indeks kecukupan memberitahu ini.
Cp = (USL − LSL) / (6σ) → mengukur hanya spreadCpk = min[ (USL − μ)/(3σ) , (μ − LSL)/(3σ) ] → termasuk centration
Contoh: 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 ] = 0.3 ] = 0.3 ] / min[ 3.0.4] min[1.33 , 2.0] = 1.33
Cp = 1.67 menunjukkan sebaran yang baik, tetapi Cpk = 1.33 memberitahu kami bahawa proses itu berada di luar pusat (purata 10.1, lebih hampir kepada USL daripada sasaran 10.0). Cpk < Cp sentiasa menunjukkan masalah pemusatan. Malah proses dengan penyebaran yang baik akan menghasilkan produk yang rosak jika ia tidak dipusatkan dengan betul.
Gesaan Lemah / Gesaan Kuat
Gesaan yang lemah:
Adakah proses ini baik?
Tiada kriteria untuk "baik"; AI hanya membuat tekaan umum.
Gesaan kuat:
Kira Cp dan Cpk dengan data ukuran berikut (USL=10.5, LSL=9.5). Kira σ dan min daripada data, tunjukkan formula dan setiap langkah. Jika Cpk < Cp, tanya sama ada ia berpusat atau menyebar, komen. Anggarkan juga anggaran kadar ralat (ppm) proses dan tuliskan andaian anda. Data: {{ ... }}
Sarung Mini: CP Baik, Produk Buruk
Pada garisan pengisian, kebanyakan botol keluar dari spesifikasi, tetapi prosesnya kelihatan "stabil" pada carta kawalan. Jurutera industri Yağmur memberikan data kepada AI dan memintanya mengira Cp dan Cpk: Cp = 1.5 (sebaran yang baik) tetapi Cpk = 0.7 (tidak mencukupi). Perbezaannya ialah purata telah berubah dengan ketara daripada sasaran. AI menunjukkan masalah pemusatan; Dia memeriksa tetapan injap pengisi hujan dan memang mendapati pengimbangan. Apabila anda membetulkan tetapan, Cpk meningkat kepada 1.4 dan sisa berkurangan. Pengajaran kritikal: proses boleh "stabil" (terkawal) tetapi masih "kurang" (tidak memenuhi spesifikasi). AI menunjukkan perbezaan ini secara berangka; Yağmurlah yang menemui punca di atas padang.
Kesilapan Biasa
- Kawalan dan had toleransi yang mengelirukan: Menyamakan had kawalan dengan toleransi pelanggan.
- Penggangguan punca biasa: Melaraskan untuk setiap turun naik dan meningkatkan kebolehubahan.
- Mengabaikan Cpk: Hanya melihat Cp dan terlepas isu pemusatan.
- Menyalahkan isyarat AI sebagai bukti: Tidak mengesahkan punca isyarat Western Electric di lapangan.
- Pemilihan carta yang salah: Menggunakan carta data berterusan (bar X) untuk merosakkan data kadar.
Secara ringkasnya
- Intipati SPC adalah untuk memisahkan kebolehubahan sebab biasa dan khas; Mengganggu punca biasa adalah berbahaya.
- Had kawalan datang dari proses, had toleransi datang dari reka bentuk; Kedua-duanya tidak boleh keliru.
- Pilih carta yang sesuai dengan jenis data (X-bar/R, p, c...) dan cari corak dengan peraturan Western Electric.
- Cp measures spread dan Cpk measures centration; Cpk < Cp menunjukkan masalah pemusatan.
- AI menjana isyarat statistik dengan pantas; Pemeriksaan lapangan mengesahkan sebab, keputusan terpulang kepada jurutera.
Tugasan permohonan
Ambil sekurang-kurangnya 20 ukuran berterusan daripada proses (sebenar atau fiksyen) dan tentukan nilai USL/LSL. Minta AI mengira Cp dan Cpk dengan data ini; Mempunyai σ dan min dikira daripada data dan tunjukkan setiap langkah. Pengesahan kritikal: Kira semula nilai σ, Cp dan Cpk sendiri dalam Excel atau Python dan bandingkan dengan output AI. Kemudian imbas data dengan peraturan Western Electric dan tanya "bagaimana cara saya mengesahkan perkara ini di lapangan?" bagi setiap isyarat yang ditemui. Jawab soalan. Akhir sekali, jika Cpk < Cp, tentukan sama ada centering atau spreading perlu dibetulkan dahulu.