Kazanimlar:
- Kontrol grafiklerini (X-bar/R, p, c) ve süreç yeterlilik indekslerini (Cp, Cpk) yorumlayabilme
- AI ile kontrol dışı sinyalleri (Western Electric kuralları) tarama ve raporlamayı hızlandırabilme
- AI'ın istatistiksel yorumunu ham veri ve fiziksel süreç gerçeğiyle doğrulayabilme
Kalite, muayeneyle "ayıklanmaz", süreçle "üretilir". İstatistiksel Süreç Kontrolü (SPC) tam da bunu hedefler: süreci gerçek zamanlı izleyip, hata ürüne dönüşmeden önce sinyalleri yakalamak. SPC'nin gücü, doğal (yaygın nedenli) değişkenliği anormal (özel nedenli) değişkenlikten ayırmasında yatar. Yapay zeka bu alanda kontrol grafiği yorumlamayı, kural taramasını ve yeterlilik raporlamasını hızlandırır; ancak istatistiksel yorumu fiziksel süreç gerçeğiyle harmanlamak insanın işidir. Bu ünitede kontrol grafiklerini, Cp/Cpk yeterlilik indekslerini ve AI'ın SPC'deki doğru rolünü işleyeceğiz.
Değişkenliğin İki Yüzü
Her süreç değişkenlik içerir. SPC bu değişkenliği ikiye ayırır:
- Yaygın neden (common cause): Sürecin doğasında olan, rastgele, öngörülebilir dalgalanma. Süreç "kontrol altında"dır.
- Özel neden (special cause): Dışarıdan giren, atanabilir bir olay (takım kırılması, hammadde partisi değişimi, ayar kayması). Süreç "kontrol dışı"dır.
Kontrol grafiğinin tek amacı bu ikisini ayırmaktır. Yaygın nedenli dalgalanmaya tepki vermek (over-adjustment / "tampering") aslında değişkenliği artırır. Deming'in klasik "huni deneyi" bunu gösterir: her sapmada müdahale etmek işleri kötüleştirir.
İpucu: Kontrol sınırları (UCL/LCL) ile tolerans (spesifikasyon) sınırlarını asla karıştırmayın. Kontrol sınırları sürecin "sesidir" (veriden hesaplanır); tolerans sınırları müşterinin "sesidir" (tasarımdan gelir). AI bazen bunları birbirine karıştırır; her yorumda hangisinden bahsettiğinizi netleştirin.
Kontrol Grafiği Türleri
Veri türüne göre grafik seçilir.
Grafik
Veri türü
Örnek
X-bar / R
Sürekli (ölçüm), alt grup
Mil çapı ortalaması ve açıklığı
X-bar / S
Sürekli, büyük alt grup
Dolum ağırlığı
I-MR
Sürekli, tekil ölçüm
Günlük tek ölçüm
p / np
Kesikli, kusurlu oran/sayı
Hatalı parça oranı
c / u
Kesikli, kusur sayısı
Birim başına kusur
X-bar/R grafiğinde kontrol sınırları alt grup ortalamalarından ve açıklıklarından hesaplanır:
UCL_xbar = X-çift-bar + A2 × R-barLCL_xbar = X-çift-bar − A2 × R-bar(A2 katsayısı alt grup büyüklüğüne göre tablodan alınır; n=5 için ≈ 0,577)
Kontrol Dışı Sinyaller (Western Electric Kuralları)
Bir noktanın sınır dışına çıkması tek sinyal değildir. Western Electric (Nelson) kuralları örüntüleri de yakalar:
- Bir nokta 3σ dışında (sınır dışı).
- Ardışık 2/3 nokta 2σ ötesinde (aynı tarafta).
- Ardışık 4/5 nokta 1σ ötesinde.
- Ardışık 8 nokta merkez çizginin aynı tarafında (kayma/shift).
- 6 nokta sürekli artan/azalan (trend).
Rol: Sen SPC konusunda deneyimli bir kalite mühendisisin.Görev: Aşağıdaki X-bar değerlerini verilen UCL/LCL ve merkez çizgiyegöre Western Electric kurallarıyla tara. Her kontrol dışı sinyal için:kural numarası, hangi noktalar, olası fiziksel yorum ve önerileninceleme adımı.Merkez=50,2 UCL=52,1 LCL=48,3 σ=0,63Veri (sıralı): {{ değerler }}Kural: Uydurma sinyal üretme; kuralı tam sağlamayan noktaları işaretleme.Olası nedenleri "hipotez" olarak sun, kesin dille yazma.
AI bu taramayı hızlı yapar, ama unutmayın: kural sağlanması istatistiksel bir uyarıdır; gerçek nedeni saha incelemesi bulur. AI "muhtemelen takım aşınması" diyebilir; bunu doğrulayan takım ölçümüdür.
Süreç Yeterliliği: Cp ve Cpk
Süreç kontrol altında olsa bile müşteri toleranslarını karşılıyor mu? Bunu yeterlilik indeksleri söyler.
Cp = (USL − LSL) / (6σ) → sadece yayılımı ölçerCpk = min[ (USL − μ)/(3σ) , (μ − LSL)/(3σ) ] → merkezlenmeyi de katar
Örnek: 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 iyi bir yayılım gösterir, ama Cpk = 1,33 sürecin merkezden kaydığını (ortalama 10,1, hedef 10,0'a göre USL'ye yakın) söyler. Cpk < Cp her zaman merkezleme sorununa işaret eder. Yayılımı iyi bir süreç bile yanlış merkezlenmişse hatalı ürün verir.
Zayıf Prompt / Güçlü Prompt
Zayıf prompt:
Bu süreç iyi mi?
"İyi"nin ölçütü yok; AI ancak genel bir tahmin yürütür.
Güçlü prompt:
Şu ölçüm verisiyle Cp ve Cpk hesapla (USL=10,5, LSL=9,5). σ'yı veortalamayı veriden hesapla, formülü ve her adımı göster. Cpk < Cp isemerkezleme mi yayılım mı sorun, yorumla. Sürecin yaklaşık hata oranını(ppm) da tahmin et ve varsayımlarını yaz. Veri: {{ ... }}
Mini Vaka: İyi Cp, Kötü Ürün
Bir dolum hattında şişelerin çoğu spesifikasyonun dışına çıkıyor ama süreç kontrol grafiğinde "kararlı" görünüyor. Endüstri mühendisi Yağmur, AI'a veriyi verip Cp ve Cpk hesaplatıyor: Cp = 1,5 (iyi yayılım) ama Cpk = 0,7 (yetersiz). Fark, ortalamanın hedeften belirgin kaymış olması. AI merkezleme sorununu işaret ediyor; Yağmur dolum valfinin ayarını kontrol ediyor ve gerçekten bir ofset buluyor. Ayarı düzeltince Cpk 1,4'e çıkıyor ve fire düşüyor. Kritik ders: süreç "kararlı" (kontrol altında) olabilir ama yine de "yetersiz" (spesifikasyonu karşılamayan) olabilir. AI bu ayrımı sayısal olarak gösterdi; kök nedeni sahada bulan Yağmur oldu.
Yaygın Hatalar
- Kontrol ve tolerans sınırını karıştırmak: Kontrol sınırlarını müşteri toleransıyla eşitlemek.
- Yaygın nedene müdahale (tampering): Her dalgalanmada ayar yapıp değişkenliği artırmak.
- Cpk'yı görmezden gelmek: Sadece Cp'ye bakıp merkezleme sorununu kaçırmak.
- AI sinyallerini kanıt sanmak: Western Electric sinyalinin nedenini sahada doğrulamamak.
- Yanlış grafik seçimi: Kusur oranı verisine sürekli veri grafiği (X-bar) uygulamak.
Özetle
- SPC'nin özü yaygın ve özel neden değişkenliğini ayırmaktır; yaygın nedene müdahale zararlıdır.
- Kontrol sınırları süreçten, tolerans sınırları tasarımdan gelir; ikisi asla karıştırılmamalı.
- Veri türüne uygun grafiği seçin (X-bar/R, p, c...) ve Western Electric kurallarıyla örüntü arayın.
- Cp yayılımı, Cpk ise merkezlenmeyi ölçer; Cpk < Cp merkezleme sorununa işaret eder.
- AI istatistiksel sinyali hızlı üretir; nedeni saha incelemesi doğrular, karar mühendisindir.
Uygulama görevi
Bir süreçten (gerçek veya kurgu) en az 20 sürekli ölçüm alın ve USL/LSL değerleri belirleyin. AI'a bu veriyle Cp ve Cpk hesaplatın; σ ve ortalamayı veriden hesaplattırıp her adımı göstertin. Kritik doğrulama: σ, Cp ve Cpk değerlerini Excel veya Python ile bizzat yeniden hesaplayıp AI çıktısıyla karşılaştırın. Ardından veriyi Western Electric kurallarıyla taratın ve bulunan her sinyal için "bunu sahada nasıl doğrularım?" sorusunu yanıtlayın. Son olarak Cpk < Cp çıktıysa merkezleme mi yayılım mı önce düzeltilmeli, gerekçesiyle karar verin.