ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਅਤੇ ਅੰਕੜਾ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ (SPC)

ਲਾਭ:

• ਕੰਟਰੋਲ ਚਾਰਟ (X-bar/R, p, c) ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਸਮਰੱਥਾ ਸੂਚਕਾਂਕ (Cp, Cpk) ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• AI ਨਾਲ ਕੰਟਰੋਲ ਤੋਂ ਬਾਹਰ ਸਿਗਨਲਾਂ (ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ ਨਿਯਮ) ਦੀ ਸਕੈਨਿੰਗ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਕੱਚੇ ਡੇਟਾ ਅਤੇ ਭੌਤਿਕ ਪ੍ਰਕਿਰਿਆ ਦੀ ਅਸਲੀਅਤ ਦੇ ਨਾਲ AI ਦੀ ਅੰਕੜਾ ਵਿਆਖਿਆ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਗੁਣਵੱਤਾ ਨੂੰ ਨਿਰੀਖਣ ਦੁਆਰਾ "ਛਾਂਟਿਆ" ਨਹੀਂ ਜਾਂਦਾ, ਇਹ ਪ੍ਰਕਿਰਿਆ ਦੁਆਰਾ "ਉਤਪਾਦਿਤ" ਹੁੰਦਾ ਹੈ। ਸਟੈਟਿਸਟੀਕਲ ਪ੍ਰੋਸੈਸ ਕੰਟ੍ਰੋਲ (SPC) ਦਾ ਉਦੇਸ਼ ਸਿਰਫ ਇਹ ਕਰਨਾ ਹੈ: ਰੀਅਲ ਟਾਈਮ ਵਿੱਚ ਪ੍ਰਕਿਰਿਆ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨਾ ਅਤੇ ਗਲਤੀਆਂ ਉਤਪਾਦ ਬਣਨ ਤੋਂ ਪਹਿਲਾਂ ਸੰਕੇਤਾਂ ਨੂੰ ਫੜਨਾ। SPC ਦੀ ਤਾਕਤ ਕੁਦਰਤੀ (ਆਮ ਕਾਰਨ) ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਅਸਧਾਰਨ (ਵਿਸ਼ੇਸ਼ ਕਾਰਨ) ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਤੋਂ ਵੱਖ ਕਰਨ ਵਿੱਚ ਹੈ। ਇਸ ਖੇਤਰ ਵਿੱਚ, AI ਕੰਟਰੋਲ ਚਾਰਟ ਵਿਆਖਿਆ, ਨਿਯਮ ਸਕੈਨਿੰਗ, ਅਤੇ ਨਿਪੁੰਨਤਾ ਰਿਪੋਰਟਿੰਗ ਨੂੰ ਤੇਜ਼ ਕਰਦਾ ਹੈ; ਪਰ ਇਹ ਮਨੁੱਖ ਦਾ ਕੰਮ ਹੈ ਕਿ ਉਹ ਅੰਕੜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਨੂੰ ਭੌਤਿਕ ਪ੍ਰਕਿਰਿਆ ਦੀ ਅਸਲੀਅਤ ਨਾਲ ਮਿਲਾਉਣਾ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਕੰਟਰੋਲ ਚਾਰਟ, Cp/Cpk ਨਿਪੁੰਨਤਾ ਸੂਚਕਾਂਕ ਅਤੇ SPC ਵਿੱਚ AI ਦੀ ਸਹੀ ਭੂਮਿਕਾ ਨੂੰ ਕਵਰ ਕਰਾਂਗੇ।

ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੇ ਦੋ ਚਿਹਰੇ

ਹਰ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। SPC ਇਸ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਦੋ ਵਿੱਚ ਵੰਡਦਾ ਹੈ:

• ਆਮ ਕਾਰਨ: ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਬੇਤਰਤੀਬ, ਅਨੁਮਾਨ ਲਗਾਉਣ ਯੋਗ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ। ਪ੍ਰਕਿਰਿਆ "ਨਿਯੰਤਰਣ ਅਧੀਨ" ਹੈ.
• ਵਿਸ਼ੇਸ਼ ਕਾਰਨ: ਇੱਕ ਬਾਹਰੀ, ਨਿਰਧਾਰਤ ਕਰਨ ਯੋਗ ਘਟਨਾ (ਟੂਲ ਟੁੱਟਣਾ, ਕੱਚੇ ਮਾਲ ਦੇ ਬੈਚ ਵਿੱਚ ਤਬਦੀਲੀ, ਸੈਟਿੰਗ ਸ਼ਿਫਟ)। ਪ੍ਰਕਿਰਿਆ "ਨਿਯੰਤਰਣ ਤੋਂ ਬਾਹਰ" ਹੈ.

ਨਿਯੰਤਰਣ ਚਾਰਟ ਦਾ ਇੱਕੋ ਇੱਕ ਉਦੇਸ਼ ਦੋਵਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ ਹੈ। ਆਮ-ਕਾਰਨ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ (ਓਵਰ-ਅਡਜਸਟਮੈਂਟ / "ਛੇੜਛਾੜ") ਦਾ ਜਵਾਬ ਦੇਣਾ ਅਸਲ ਵਿੱਚ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ। ਡੇਮਿੰਗ ਦਾ ਕਲਾਸਿਕ "ਫਨਲ ਪ੍ਰਯੋਗ" ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ: ਹਰ ਭਟਕਣ 'ਤੇ ਦਖਲਅੰਦਾਜ਼ੀ ਕਰਨਾ ਚੀਜ਼ਾਂ ਨੂੰ ਹੋਰ ਵਿਗੜਦਾ ਹੈ।

ਸੰਕੇਤ: ਸਹਿਣਸ਼ੀਲਤਾ (ਵਿਸ਼ੇਸ਼ਤਾ) ਸੀਮਾਵਾਂ ਦੇ ਨਾਲ ਕੰਟਰੋਲ ਸੀਮਾਵਾਂ (UCL/LCL) ਨੂੰ ਕਦੇ ਵੀ ਉਲਝਾਓ ਨਾ। ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ ਪ੍ਰਕਿਰਿਆ ਦੀ "ਆਵਾਜ਼" ਹਨ (ਡੇਟਾ ਤੋਂ ਗਣਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ); ਸਹਿਣਸ਼ੀਲਤਾ ਦੀਆਂ ਸੀਮਾਵਾਂ ਗਾਹਕ ਦੀ "ਆਵਾਜ਼" ਹਨ (ਡਿਜ਼ਾਇਨ ਤੋਂ ਆਉਂਦੀਆਂ ਹਨ)। AI ਕਈ ਵਾਰ ਇਹਨਾਂ ਨੂੰ ਉਲਝਾ ਦਿੰਦਾ ਹੈ; ਇਹ ਸਪੱਸ਼ਟ ਕਰੋ ਕਿ ਤੁਸੀਂ ਹਰੇਕ ਟਿੱਪਣੀ ਵਿੱਚ ਕਿਸ ਬਾਰੇ ਗੱਲ ਕਰ ਰਹੇ ਹੋ।

ਚਾਰਟ ਕਿਸਮਾਂ ਨੂੰ ਕੰਟਰੋਲ ਕਰੋ

ਚਾਰਟ ਨੂੰ ਡਾਟਾ ਕਿਸਮ ਦੇ ਅਨੁਸਾਰ ਚੁਣਿਆ ਗਿਆ ਹੈ.

ਗ੍ਰਾਫਿਕਸ

ਡਾਟਾ ਕਿਸਮ

ਉਦਾਹਰਨ

ਐਕਸ-ਬਾਰ/ਆਰ

ਨਿਰੰਤਰ (ਮਾਪ), ਉਪ-ਸਮੂਹ

ਸ਼ਾਫਟ ਵਿਆਸ ਔਸਤ ਅਤੇ ਕਲੀਅਰੈਂਸ

ਐਕਸ-ਬਾਰ/ਐੱਸ

ਨਿਰੰਤਰ, ਵੱਡਾ ਉਪ-ਸਮੂਹ

ਭਾਰ ਭਰਨਾ

I-MRI

ਨਿਰੰਤਰ, ਸਿੰਗਲ ਮਾਪ

ਪ੍ਰਤੀ ਦਿਨ ਸਿੰਗਲ ਮਾਪ

p/np

ਵੱਖਰਾ, ਨੁਕਸਦਾਰ ਦਰ/ਨੰਬਰ

ਨੁਕਸਦਾਰ ਹਿੱਸੇ ਦੀ ਦਰ

c/u

ਅਭੇਦ, ਨੁਕਸ ਦੀ ਗਿਣਤੀ

ਪ੍ਰਤੀ ਯੂਨਿਟ ਨੁਕਸ

ਇੱਕ ਐਕਸ-ਬਾਰ/ਆਰ ਚਾਰਟ 'ਤੇ, ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ ਦੀ ਗਣਨਾ ਉਪ-ਸਮੂਹ ਔਸਤ ਅਤੇ ਸਪੈਨ ਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ:

UCL_xbar = X-ਡਬਲ-ਬਾਰ + A2 × R-barLCL_xbar =

ਕੰਟਰੋਲ ਤੋਂ ਬਾਹਰ ਸਿਗਨਲ (ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ ਨਿਯਮ)

ਇੱਕ ਬਿੰਦੂ ਸੀਮਾ ਤੋਂ ਬਾਹਰ ਜਾਣਾ ਹੀ ਸੰਕੇਤ ਨਹੀਂ ਹੈ। ਵੈਸਟਰਨ ਇਲੈਕਟ੍ਰਿਕ (ਨੈਲਸਨ) ਨਿਯਮ ਪੈਟਰਨ ਵੀ ਹਾਸਲ ਕਰਦੇ ਹਨ:

1. ਇੱਕ ਬਿੰਦੂ 3σ (ਸੀਮਾ ਤੋਂ ਬਾਹਰ) ਹੈ।
2. 2σ ਤੋਂ ਪਰੇ ਲਗਾਤਾਰ 2/3 ਅੰਕ (ਉਸੇ ਪਾਸੇ)।
3. 1σ ਤੋਂ ਪਰੇ 4/5 ਲਗਾਤਾਰ ਅੰਕ।
4. ਸੈਂਟਰ ਲਾਈਨ (ਸ਼ਿਫਟ) ਦੇ ਇੱਕੋ ਪਾਸੇ 8 ਲਗਾਤਾਰ ਬਿੰਦੂ।
5. 6 ਬਿੰਦੀਆਂ ਲਗਾਤਾਰ ਵਧ ਰਹੀਆਂ/ਘਟਦੀਆਂ (ਰੁਝਾਨ)।

ਭੂਮਿਕਾ: ਤੁਸੀਂ ਐਸਪੀਸੀ ਵਿੱਚ ਤਜਰਬੇਕਾਰ ਇੱਕ ਗੁਣਵੱਤਾ ਇੰਜੀਨੀਅਰ ਹੋ। ਟਾਸਕ: ਦਿੱਤੇ ਗਏ UCL/LCL ਅਤੇ ਸੈਂਟਰ ਲਾਈਨ ਦੇ ਅਨੁਸਾਰ ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ ਨਿਯਮਾਂ ਨਾਲ ਹੇਠਾਂ ਦਿੱਤੇ X-ਬਾਰ ਮੁੱਲਾਂ ਨੂੰ ਸਕੈਨ ਕਰੋ। ਹਰੇਕ ਆਊਟ-ਆਫ-ਕੰਟਰੋਲ ਸਿਗਨਲ ਲਈ: ਨਿਯਮ ਨੰਬਰ, ਜੋ ਪੁਆਇੰਟ, ਸੰਭਵ ਭੌਤਿਕ ਵਿਆਖਿਆ, ਅਤੇ ਸੁਝਾਏ ਗਏ ਜਾਂਚ ਪਗ। ਕੇਂਦਰ=50.2 UCL=52.1 LCL=48.3 σ=0.63ਡਾਟਾ (ਆਰਡਰ ਕੀਤਾ ਗਿਆ): {{ ਮੁੱਲ }}ਨਿਯਮ: ਜਾਅਲੀ ਸਿਗਨਲ ਤਿਆਰ ਨਾ ਕਰੋ; ਮਾਰਕ ਕਰਨ ਵਾਲੇ ਬਿੰਦੂ ਜੋ ਨਿਯਮ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਸੰਤੁਸ਼ਟ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਸੰਭਾਵਿਤ ਕਾਰਨਾਂ ਨੂੰ "ਹਾਇਪੋਥੀਸਿਸ" ਵਜੋਂ ਪੇਸ਼ ਕਰੋ, ਸਟੀਕ ਭਾਸ਼ਾ ਵਿੱਚ ਨਾ ਲਿਖੋ।

AI ਇਸ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਤੇਜ਼ ਬਣਾਉਂਦਾ ਹੈ, ਪਰ ਯਾਦ ਰੱਖੋ: ਨਿਯਮ ਵਿਵਸਥਾ ਇੱਕ ਅੰਕੜਾ ਚੇਤਾਵਨੀ ਹੈ; ਫੀਲਡ ਜਾਂਚ ਅਸਲ ਕਾਰਨ ਲੱਭਦੀ ਹੈ। AI ਕਹਿ ਸਕਦਾ ਹੈ "ਸ਼ਾਇਦ ਟੂਲ ਵੀਅਰ"; ਇਹ ਟੂਲ ਮਾਪ ਹੈ ਜੋ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ।

ਪ੍ਰਕਿਰਿਆ ਦੀ ਸਮਰੱਥਾ: Cp ਅਤੇ Cpk

ਭਾਵੇਂ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ ਅਧੀਨ ਹੈ, ਕੀ ਇਹ ਗਾਹਕ ਸਹਿਣਸ਼ੀਲਤਾ ਨੂੰ ਪੂਰਾ ਕਰਦੀ ਹੈ? ਪੂਰਤੀ ਸੂਚਕਾਂਕ ਇਹ ਦੱਸਦੇ ਹਨ।

Cp = (USL − LSL) / (6σ) → ਸਿਰਫ਼ ਫੈਲਾਅ ਨੂੰ ਮਾਪਦਾ ਹੈ

ਉਦਾਹਰਨ: 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 = ਮਿੰਟ[ (10.5 − 10.1)/0.3 , (10.1 − 9.5)/0.3] = ਮਿੰਟ[ 0,4/0 = 0.4/0.] ਮਿੰਟ[1.33, 2.0] = 1.33

Cp = 1.67 ਇੱਕ ਚੰਗੇ ਫੈਲਾਅ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਪਰ Cpk = 1.33 ਸਾਨੂੰ ਦੱਸਦਾ ਹੈ ਕਿ ਪ੍ਰਕਿਰਿਆ ਆਫ-ਸੈਂਟਰ ਹੈ (ਔਸਤ 10.1, ਟੀਚਾ 10.0 ਨਾਲੋਂ USL ਦੇ ਨੇੜੇ)। Cpk < Cp ਹਮੇਸ਼ਾ ਸੈਂਟਰਿੰਗ ਸਮੱਸਿਆ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਚੰਗੇ ਫੈਲਾਅ ਵਾਲੀ ਪ੍ਰਕਿਰਿਆ ਵੀ ਇੱਕ ਨੁਕਸਦਾਰ ਉਤਪਾਦ ਪੈਦਾ ਕਰੇਗੀ ਜੇਕਰ ਇਹ ਗਲਤ ਢੰਗ ਨਾਲ ਕੇਂਦਰਿਤ ਹੈ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਕੀ ਇਹ ਪ੍ਰਕਿਰਿਆ ਚੰਗੀ ਹੈ?

"ਚੰਗੇ" ਲਈ ਕੋਈ ਮਾਪਦੰਡ ਨਹੀਂ ਹੈ; AI ਸਿਰਫ਼ ਇੱਕ ਆਮ ਅੰਦਾਜ਼ਾ ਲਗਾਉਂਦਾ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਹੇਠਾਂ ਦਿੱਤੇ ਮਾਪ ਡੇਟਾ (USL=10.5, LSL=9.5) ਨਾਲ Cp ਅਤੇ Cpk ਦੀ ਗਣਨਾ ਕਰੋ। ਡੇਟਾ ਤੋਂ σ ਅਤੇ ਮਤਲਬ ਦੀ ਗਣਨਾ ਕਰੋ, ਫਾਰਮੂਲਾ ਅਤੇ ਹਰੇਕ ਕਦਮ ਦਿਖਾਓ। ਜੇਕਰ Cpk < Cp, ਪੁੱਛੋ ਕਿ ਇਹ ਕੇਂਦਰਿਤ ਹੈ ਜਾਂ ਫੈਲ ਰਿਹਾ ਹੈ, ਟਿੱਪਣੀ ਕਰੋ। ਪ੍ਰਕਿਰਿਆ ਦੀ ਲਗਭਗ ਗਲਤੀ ਦਰ (ppm) ਦਾ ਅੰਦਾਜ਼ਾ ਵੀ ਲਗਾਓ ਅਤੇ ਆਪਣੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਲਿਖੋ। ਡੇਟਾ: {{ ... }}

ਮਿੰਨੀ ਕੇਸ: ਚੰਗਾ CP, ਮਾੜਾ ਉਤਪਾਦ

ਭਰਨ ਵਾਲੀ ਲਾਈਨ 'ਤੇ, ਜ਼ਿਆਦਾਤਰ ਬੋਤਲਾਂ ਨਿਰਧਾਰਨ ਤੋਂ ਬਾਹਰ ਆਉਂਦੀਆਂ ਹਨ, ਪਰ ਪ੍ਰਕਿਰਿਆ ਕੰਟਰੋਲ ਚਾਰਟ 'ਤੇ "ਸਥਿਰ" ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ। ਉਦਯੋਗਿਕ ਇੰਜੀਨੀਅਰ ਯਾਗਮੁਰ ਏਆਈ ਨੂੰ ਡੇਟਾ ਦਿੰਦਾ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਸੀਪੀ ਅਤੇ ਸੀਪੀਕੇ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ: ਸੀਪੀ = 1.5 (ਚੰਗਾ ਫੈਲਾਅ) ਪਰ ਸੀਪੀਕੇ = 0.7 (ਨਾਕਾਫ਼ੀ)। ਫਰਕ ਇਹ ਹੈ ਕਿ ਔਸਤ ਟੀਚੇ ਤੋਂ ਕਾਫੀ ਬਦਲ ਗਈ ਹੈ। ਏਆਈ ਸੈਂਟਰਿੰਗ ਸਮੱਸਿਆ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ; ਉਹ ਰੇਨ ਫਿਲ ਵਾਲਵ ਦੀ ਸੈਟਿੰਗ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ ਅਤੇ ਅਸਲ ਵਿੱਚ ਇੱਕ ਆਫਸੈੱਟ ਲੱਭਦਾ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਸੈਟਿੰਗ ਨੂੰ ਠੀਕ ਕਰਦੇ ਹੋ, ਤਾਂ Cpk 1.4 ਤੱਕ ਵਧ ਜਾਂਦਾ ਹੈ ਅਤੇ ਕੂੜਾ ਘਟ ਜਾਂਦਾ ਹੈ। ਨਾਜ਼ੁਕ ਸਬਕ: ਪ੍ਰਕਿਰਿਆ "ਸਥਿਰ" (ਨਿਯੰਤਰਣ ਅਧੀਨ) ਹੋ ਸਕਦੀ ਹੈ ਪਰ ਫਿਰ ਵੀ "ਕਮ" ਹੋ ਸਕਦੀ ਹੈ (ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰਨਾ)। AI ਨੇ ਇਸ ਅੰਤਰ ਨੂੰ ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤਾ; ਇਹ ਯਾਗਮੁਰ ਸੀ ਜਿਸ ਨੇ ਮੈਦਾਨ ਵਿਚ ਮੂਲ ਕਾਰਨ ਲੱਭਿਆ.

ਆਮ ਗਲਤੀਆਂ

• ਉਲਝਣ ਵਾਲਾ ਨਿਯੰਤਰਣ ਅਤੇ ਸਹਿਣਸ਼ੀਲਤਾ ਸੀਮਾ: ਗਾਹਕ ਸਹਿਣਸ਼ੀਲਤਾ ਦੇ ਨਾਲ ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ ਨੂੰ ਬਰਾਬਰ ਕਰਨਾ।
• ਆਮ ਕਾਰਨ ਛੇੜਛਾੜ: ਹਰੇਕ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਲਈ ਅਡਜੱਸਟ ਕਰਨਾ ਅਤੇ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਵਧਾਉਣਾ।
• Cpk ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ: ਸਿਰਫ਼ Cp ਨੂੰ ਦੇਖ ਰਿਹਾ ਹੈ ਅਤੇ ਸੈਂਟਰਿੰਗ ਮੁੱਦੇ ਨੂੰ ਗੁਆ ਰਿਹਾ ਹੈ।
• ਸਬੂਤ ਲਈ AI ਸਿਗਨਲਾਂ ਦੀ ਗਲਤੀ ਕਰਨਾ: ਖੇਤਰ ਵਿੱਚ ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ ਸਿਗਨਲ ਦੇ ਕਾਰਨ ਦੀ ਪੁਸ਼ਟੀ ਨਾ ਕਰਨਾ।
• ਗਲਤ ਚਾਰਟ ਚੋਣ: ਨੁਕਸ ਦਰ ਡੇਟਾ ਲਈ ਨਿਰੰਤਰ ਡੇਟਾ ਚਾਰਟ (ਐਕਸ-ਬਾਰ) ਨੂੰ ਲਾਗੂ ਕਰਨਾ।

ਸੰਖੇਪ ਵਿੱਚ

• SPC ਦਾ ਸਾਰ ਆਮ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਕਾਰਨ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਵੱਖ ਕਰਨਾ ਹੈ; ਆਮ ਕਾਰਨ ਵਿੱਚ ਦਖਲ ਦੇਣਾ ਨੁਕਸਾਨਦੇਹ ਹੈ।
• ਨਿਯੰਤਰਣ ਸੀਮਾਵਾਂ ਪ੍ਰਕਿਰਿਆ ਤੋਂ ਆਉਂਦੀਆਂ ਹਨ, ਸਹਿਣਸ਼ੀਲਤਾ ਦੀਆਂ ਸੀਮਾਵਾਂ ਡਿਜ਼ਾਈਨ ਤੋਂ ਆਉਂਦੀਆਂ ਹਨ; ਦੋਵਾਂ ਨੂੰ ਕਦੇ ਵੀ ਉਲਝਣ ਵਿੱਚ ਨਹੀਂ ਆਉਣਾ ਚਾਹੀਦਾ।
• ਡੇਟਾ ਕਿਸਮ (X-bar/R, p, c...) ਲਈ ਢੁਕਵਾਂ ਚਾਰਟ ਚੁਣੋ ਅਤੇ ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ ਨਿਯਮਾਂ ਵਾਲੇ ਪੈਟਰਨਾਂ ਦੀ ਭਾਲ ਕਰੋ।
• Cp ਫੈਲਾਅ ਨੂੰ ਮਾਪਦਾ ਹੈ ਅਤੇ Cpk ਕੇਂਦਰੀਕਰਨ ਨੂੰ ਮਾਪਦਾ ਹੈ; Cpk < Cp ਇੱਕ ਸੈਂਟਰਿੰਗ ਸਮੱਸਿਆ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ।
• AI ਤੇਜ਼ੀ ਨਾਲ ਅੰਕੜਾ ਸੰਕੇਤ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਫੀਲਡ ਨਿਰੀਖਣ ਕਾਰਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ, ਫੈਸਲਾ ਇੰਜੀਨੀਅਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਪ੍ਰਕਿਰਿਆ (ਅਸਲੀ ਜਾਂ ਕਾਲਪਨਿਕ) ਤੋਂ ਘੱਟੋ-ਘੱਟ 20 ਲਗਾਤਾਰ ਮਾਪ ਲਓ ਅਤੇ USL/LSL ਮੁੱਲ ਨਿਰਧਾਰਤ ਕਰੋ। ਇਸ ਡੇਟਾ ਨਾਲ AI ਨੂੰ Cp ਅਤੇ Cpk ਦੀ ਗਣਨਾ ਕਰੋ; ਡੇਟਾ ਤੋਂ σ ਅਤੇ ਮਤਲਬ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਹਰੇਕ ਪੜਾਅ ਨੂੰ ਦਿਖਾਇਆ ਗਿਆ ਹੈ। ਨਾਜ਼ੁਕ ਤਸਦੀਕ: Excel ਜਾਂ Python ਵਿੱਚ ਆਪਣੇ ਆਪ σ, Cp, ਅਤੇ Cpk ਮੁੱਲਾਂ ਦੀ ਮੁੜ ਗਣਨਾ ਕਰੋ ਅਤੇ AI ਆਉਟਪੁੱਟ ਨਾਲ ਤੁਲਨਾ ਕਰੋ। ਫਿਰ ਪੱਛਮੀ ਇਲੈਕਟ੍ਰਿਕ ਨਿਯਮਾਂ ਨਾਲ ਡੇਟਾ ਨੂੰ ਸਕੈਨ ਕਰੋ ਅਤੇ ਪੁੱਛੋ ਕਿ "ਮੈਂ ਇਸ ਨੂੰ ਫੀਲਡ ਵਿੱਚ ਕਿਵੇਂ ਤਸਦੀਕ ਕਰਾਂ?" ਮਿਲੇ ਹਰੇਕ ਸਿਗਨਲ ਲਈ। ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿਓ। ਅੰਤ ਵਿੱਚ, ਜੇਕਰ Cpk < Cp, ਫੈਸਲਾ ਕਰੋ ਕਿ ਕੀ ਕੇਂਦਰਿਤ ਕਰਨਾ ਜਾਂ ਫੈਲਾਉਣਾ ਪਹਿਲਾਂ ਠੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।