Mga nadagdag:
- Kakayahang mag-interpret ng mga control chart (X-bar/R, p, c) at mga indeks ng kakayahan sa proseso (Cp, Cpk)
- Kakayahang mapabilis ang pag-scan at pag-uulat ng mga out-of-control na signal (Western Electric rules) gamit ang AI
- Kakayahang patunayan ang istatistikal na interpretasyon ng AI gamit ang raw data at realidad ng pisikal na proseso
Ang kalidad ay hindi "pinagsunod-sunod" sa pamamagitan ng inspeksyon, ito ay "ginagawa" ng proseso. Nilalayon ng Statistical Process Control (SPC) na gawin iyon: pagsubaybay sa proseso sa real time at pagkuha ng mga signal bago maging produkto ang mga error. Ang lakas ng SPC ay nakasalalay sa pagkakaiba ng natural (karaniwang sanhi) na pagkakaiba-iba mula sa abnormal (espesyal na dahilan) na pagkakaiba-iba. Sa lugar na ito, pinapabilis ng AI ang interpretasyon ng control chart, pag-scan ng panuntunan, at pag-uulat ng kahusayan; ngunit trabaho ng tao na ihalo ang istatistikal na interpretasyon sa realidad ng pisikal na proseso. Sa yunit na ito, sasakupin namin ang mga control chart, mga indeks ng kasanayan sa Cp/Cpk at ang wastong papel ng AI sa SPC.
Dalawang Mukha ng Pagkakaiba-iba
Ang bawat proseso ay nagsasangkot ng pagkakaiba-iba. Hinahati ng SPC ang pagkakaiba-iba na ito sa dalawa:
- Karaniwang dahilan: Random, predictable na pagbabago-bagong likas sa proseso. Ang proseso ay "sa ilalim ng kontrol".
- Espesyal na dahilan: Isang panlabas, naitatalagang kaganapan (pagkasira ng tool, pagbabago ng batch ng hilaw na materyal, paglilipat ng setting). Ang proseso ay "wala sa kontrol".
Ang tanging layunin ng control chart ay paghiwalayin ang dalawa. Ang pagtugon sa pagbabagu-bago ng karaniwang sanhi (sobrang pagsasaayos / "pakikialam") ay talagang nagpapataas ng pagkakaiba-iba. Ipinapakita ito ng klasikong "funnel experiment" ni Deming: ang pakikialam sa bawat paglihis ay nagpapalala ng mga bagay.
Tip: Huwag kailanman malito ang mga limitasyon sa kontrol (UCL/LCL) sa mga limitasyon sa pagpapaubaya (pagtutukoy). Ang mga limitasyon sa kontrol ay ang "boses" ng proseso (kinakalkula mula sa data); Ang mga limitasyon sa pagpapaubaya ay ang "boses" ng customer (nagmula sa disenyo). Minsan nalilito ng AI ang mga ito; Gawing malinaw kung alin ang iyong pinag-uusapan sa bawat komento.
Mga Uri ng Control Chart
Ang tsart ay pinili ayon sa uri ng data.
Mga graphic
Uri ng data
halimbawa
X-bar/R
Patuloy (pagsukat), subgroup
Average at clearance ng shaft diameter
X-bar/S
Patuloy, malaking subgroup
Pagpuno ng timbang
I-MRI
Tuloy-tuloy, solong pagsukat
Isang pagsukat bawat araw
p/np
Discrete, may sira na rate/numero
Maling bahagi ng rate
c/u
Discrete, bilang ng mga depekto
Mga depekto sa bawat yunit
Sa isang X-bar/R chart, ang mga limitasyon ng kontrol ay kinakalkula mula sa mga average at span ng subgroup:
UCL_xbar = X-double-bar + A2 × R-barLCL_xbar =
Mga Out of Control na Signal (Western Electric Rules)
Ang isang puntong lumalabas sa hangganan ay hindi lamang ang senyales. Kinukuha rin ng mga panuntunan ng Western Electric (Nelson) ang mga pattern:
- Ang isang punto ay nasa labas ng 3σ (out of bounds).
- Magkasunod na 2/3 puntos na lampas sa 2σ (sa parehong panig).
- 4/5 na magkakasunod na puntos na lampas sa 1σ.
- 8 magkakasunod na puntos sa parehong gilid ng gitnang linya (shift).
- 6 na tuldok na patuloy na tumataas/ bumababa (trend).
Tungkulin: Isa kang dekalidad na inhinyero na may karanasan sa SPC. Gawain: I-scan ang mga sumusunod na halaga ng X-bar gamit ang mga panuntunan ng Western Electric ayon sa ibinigay na UCL/LCL at center line. Para sa bawat out-of-control na signal: numero ng panuntunan, kung aling mga punto, posibleng pisikal na interpretasyon, at iminungkahing hakbang sa pagsisiyasat. Center=50.2 UCL=52.1 LCL=48.3 σ=0.63Data (ordered): {{ values }}Panuntunan: Huwag bumuo ng huwad na signal; Pagmarka ng mga puntos na hindi ganap na nakakatugon sa panuntunan. Ipakita ang mga posibleng dahilan bilang "hypothesis", huwag sumulat sa tumpak na wika.
Ginagawa ng AI ang screening na ito nang mabilis, ngunit tandaan: ang probisyon ng panuntunan ay isang istatistikal na alerto; Natuklasan ng pagsisiyasat sa larangan ang tunay na dahilan. Maaaring sabihin ng AI na "marahil gamit ang tool"; Ang pagsukat ng tool ang nagpapatunay nito.
Kakayahang Proseso: Cp at Cpk
Kahit na kontrolado ang proseso, nakakatugon ba ito sa mga pagpapaubaya ng customer? Sinasabi ito ng mga sufficiency index.
Cp = (USL − LSL) / (6σ) → sinusukat lamang ang spreadCpk = min[ (USL − μ)/(3σ) , (μ − LSL)/(3σ) ] → kasama ang centration
Halimbawa: 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[ 0.3 ]/0.3 min[1.33 , 2.0] = 1.33
Ang Cp = 1.67 ay nagpapahiwatig ng isang magandang spread, ngunit ang Cpk = 1.33 ay nagsasabi sa amin na ang proseso ay off-center (average na 10.1, mas malapit sa USL kaysa sa target na 10.0). Ang Cpk < Cp ay palaging nagpapahiwatig ng isang problema sa pagsentro. Kahit na ang isang proseso na may mahusay na pagpapakalat ay magbubunga ng isang sira na produkto kung ito ay hindi nakasentro nang tama.
Mahina Prompt / Malakas na Prompt
Mahinang prompt:
Maganda ba ang prosesong ito?
Walang pamantayan para sa "mabuti"; Gumagawa lamang ng pangkalahatang hula ang AI.
Napakahusay na prompt:
Kalkulahin ang Cp at Cpk gamit ang sumusunod na data ng pagsukat (USL=10.5, LSL=9.5). Kalkulahin ang σ at mean mula sa data, ipakita ang formula at bawat hakbang. Kung Cpk < Cp, tanungin kung nakasentro o kumakalat, magkomento. Tantyahin din ang tinatayang rate ng error (ppm) ng proseso at isulat ang iyong mga pagpapalagay. Data: {{ ... }}
Mini Case: Magandang CP, Masamang Produkto
Sa linya ng pagpuno, karamihan sa mga bote ay lumalabas sa detalye, ngunit ang proseso ay lumilitaw na "stable" sa control chart. Ang inhinyero ng industriya na si Yağmur ay nagbibigay ng data sa AI at pinakalkula nito ang Cp at Cpk: Cp = 1.5 (magandang spread) ngunit Cpk = 0.7 (hindi sapat). Ang pagkakaiba ay ang average ay nagbago nang malaki mula sa target. Itinuturo ng AI ang problema sa pagsentro; Sinusuri niya ang setting ng rain fill valve at talagang nakakita ng offset. Kapag itinama mo ang setting, tataas ang Cpk sa 1.4 at bababa ang basura. Kritikal na aral: ang proseso ay maaaring "matatag" (sa ilalim ng kontrol) ngunit "kulang" pa rin (hindi nakakatugon sa mga detalye). Ipinakita ng AI ang pagkakaibang ito ayon sa numero; Si Yağmur ang nakahanap ng ugat sa larangan.
Mga Karaniwang Pagkakamali
- Nakakalito na kontrol at limitasyon sa pagpapaubaya: Pagtutumbas ng mga limitasyon sa kontrol sa pagpapaubaya ng customer.
- Karaniwang sanhi ng pakikialam: Pagsasaayos para sa bawat pagbabagu-bago at pagtaas ng pagkakaiba-iba.
- Hindi pinapansin ang Cpk: Nakatingin lang sa Cp at nawawala ang isyu sa pagsentro.
- Pagkakamali sa mga signal ng AI para sa ebidensya: Hindi pagbe-verify ng sanhi ng signal ng Western Electric sa field.
- Maling pagpili ng chart: Paglalapat ng tuluy-tuloy na data chart (X-bar) sa defect rate data.
Sa buod
- Ang kakanyahan ng SPC ay upang paghiwalayin ang karaniwan at espesyal na pagkakaiba-iba ng sanhi; Ang pakikialam sa karaniwang dahilan ay nakakapinsala.
- Ang mga limitasyon sa kontrol ay nagmumula sa proseso, ang mga limitasyon sa pagpapaubaya ay nagmumula sa disenyo; Hindi dapat malito ang dalawa.
- Piliin ang chart na naaangkop sa uri ng data (X-bar/R, p, c...) at maghanap ng mga pattern na may mga panuntunan sa Western Electric.
- Cp measures spread at Cpk measures centration; Ang Cpk < Cp ay nagpapahiwatig ng isang problema sa pagsentro.
- Mabilis na bumubuo ang AI ng statistical signal; Kinukumpirma ng field inspection ang dahilan, ang desisyon ay nasa engineer.
Gawain ng aplikasyon
Kumuha ng hindi bababa sa 20 tuloy-tuloy na pagsukat mula sa isang proseso (totoo o kathang-isip) at tukuyin ang mga halaga ng USL/LSL. Ipakalkula sa AI ang Cp at Cpk gamit ang data na ito; Ipakalkula ang σ at mean mula sa data at ipakita ang bawat hakbang. Kritikal na pag-verify: Muling kalkulahin ang mga halaga ng σ, Cp, at Cpk sa Excel o Python at ihambing sa output ng AI. Pagkatapos ay i-scan ang data gamit ang mga panuntunan ng Western Electric at itanong "paano ko ito ibe-verify sa field?" para sa bawat signal na natagpuan. Sagutin ang tanong. Panghuli, kung Cpk < Cp, magpasya kung ang pagsentro o pagkalat ay dapat munang itama.