فائدہ:
- کنٹرول چارٹس کی تشریح کرنے کی اہلیت (X-bar/R, p, c) اور عمل کرنے کی صلاحیت کے اشاریہ جات (Cp, Cpk)
- AI کے ساتھ آؤٹ آف کنٹرول سگنلز (ویسٹرن الیکٹرک رولز) کی اسکیننگ اور رپورٹنگ کو تیز کرنے کی صلاحیت
- خام ڈیٹا اور جسمانی عمل کی حقیقت کے ساتھ AI کی شماریاتی تشریح کی توثیق کرنے کی صلاحیت
معیار کو معائنہ کے ذریعہ "ترتیب" نہیں دیا جاتا ہے، یہ عمل کے ذریعہ "پیدا" ہوتا ہے۔ شماریاتی پراسیس کنٹرول (SPC) کا مقصد صرف یہ کرنا ہے: اصل وقت میں عمل کی نگرانی کرنا اور غلطیاں مصنوعات بننے سے پہلے سگنلز کو پکڑنا۔ SPC کی طاقت قدرتی (عام وجہ) کی تبدیلی کو غیر معمولی (خصوصی وجہ) تغیر سے ممتاز کرنے میں مضمر ہے۔ اس علاقے میں، AI کنٹرول چارٹ کی تشریح، اصول اسکیننگ، اور مہارت کی رپورٹنگ کو تیز کرتا ہے۔ لیکن اعداد و شمار کی تشریح کو جسمانی عمل کی حقیقت کے ساتھ ملانا انسان کا کام ہے۔ اس یونٹ میں، ہم کنٹرول چارٹس، Cp/Cpk مہارت کے اشاریے اور SPC میں AI کے مناسب کردار کا احاطہ کریں گے۔
تغیر کے دو چہرے
ہر عمل میں تغیر شامل ہوتا ہے۔ SPC اس تغیر کو دو حصوں میں تقسیم کرتا ہے:
- عام وجہ: بے ترتیب، اس عمل میں شامل پیشین گوئی اتار چڑھاؤ۔ عمل "کنٹرول میں" ہے۔
- خاص وجہ: ایک بیرونی، قابل تفویض واقعہ (آلہ کا ٹوٹنا، خام مال کے بیچ میں تبدیلی، سیٹنگ شفٹ)۔ عمل "کنٹرول سے باہر" ہے۔
کنٹرول چارٹ کا واحد مقصد دونوں کو الگ کرنا ہے۔ عام وجہ کے اتار چڑھاؤ (زیادہ ایڈجسٹمنٹ / "چھیڑ چھاڑ") کا جواب دینا دراصل تغیر کو بڑھاتا ہے۔ ڈیمنگ کا کلاسک "فنل تجربہ" یہ ظاہر کرتا ہے: ہر انحراف پر مداخلت کرنا چیزوں کو مزید خراب کر دیتا ہے۔
ٹپ: کنٹرول کی حدود (UCL/LCL) کو رواداری (تفصیلات) کی حدود کے ساتھ کبھی الجھائیں نہیں۔ کنٹرول کی حدیں عمل کی "آواز" ہیں (ڈیٹا سے شمار کی جاتی ہیں)؛ رواداری کی حدود گاہک کی "آواز" ہیں (ڈیزائن سے آتی ہے)۔ AI بعض اوقات ان کو الجھا دیتا ہے۔ ہر تبصرے میں واضح کریں کہ آپ کس کے بارے میں بات کر رہے ہیں۔
چارٹ کی اقسام کو کنٹرول کریں۔
چارٹ کو ڈیٹا کی قسم کے مطابق منتخب کیا جاتا ہے۔
گرافکس
ڈیٹا کی قسم
مثال
X-bar/R
مسلسل (پیمائش)، ذیلی گروپ
شافٹ قطر اوسط اور کلیئرنس
X-bar/S
مسلسل، بڑا ذیلی گروپ
وزن بھرنا
I-MRI
مسلسل، واحد پیمائش
فی دن واحد پیمائش
p/np
مجرد، ناقص شرح/نمبر
ناقص حصوں کی شرح
c/u
مجرد، نقائص کی تعداد
فی یونٹ نقائص
X-bar/R چارٹ پر، کنٹرول کی حدوں کا حساب ذیلی گروپ اوسط اور اسپین سے کیا جاتا ہے:
UCL_xbar = X-double-bar + A2 × R-barLCL_xbar =
کنٹرول سے باہر سگنلز (ویسٹرن الیکٹرک رولز)
ایک نقطہ حد سے باہر جانا واحد سگنل نہیں ہے۔ ویسٹرن الیکٹرک (نیلسن) کے قوانین بھی پیٹرن پر قبضہ کرتے ہیں:
- ایک نقطہ 3σ (حد سے باہر) سے باہر ہے۔
- لگاتار 2/3 پوائنٹس 2σ سے آگے (اسی طرف)۔
- 1σ سے آگے 4/5 لگاتار پوائنٹس۔
- سنٹر لائن (شفٹ) کے ایک ہی طرف لگاتار 8 پوائنٹس۔
- 6 نقطوں میں مسلسل اضافہ/کمی (رجحان)۔
کردار: آپ ایس پی سی میں تجربہ کار کوالٹی انجینئر ہیں۔ ٹاسک: دی گئی UCL/LCL اور سینٹر لائن کے مطابق ویسٹرن الیکٹرک قوانین کے ساتھ درج ذیل ایکس بار ویلیوز کو اسکین کریں۔ ہر ایک آؤٹ آف کنٹرول سگنل کے لیے: اصول نمبر، جو پوائنٹس، ممکنہ جسمانی تشریح، اور تجویز کردہ تفتیشی مرحلہ۔ مرکز=50.2 UCL=52.1 LCL=48.3 σ=0.63 ڈیٹا (حکم دیا گیا): {{ اقدار }} اصول: جعلی سگنل پیدا نہ کریں؛ ایسے پوائنٹس کو نشان زد کرنا جو اصول کو پوری طرح مطمئن نہیں کرتے ہیں۔ ممکنہ وجوہات کو "مفروضہ" کے طور پر پیش کریں، قطعی زبان میں نہ لکھیں۔
AI اس اسکریننگ کو تیز کرتا ہے، لیکن یاد رکھیں: اصول کی فراہمی ایک شماریاتی الرٹ ہے۔ فیلڈ انویسٹی گیشن سے اصل وجہ معلوم ہوتی ہے۔ AI کہہ سکتا ہے "شاید ٹول پہننا"۔ یہ ٹول پیمائش ہے جو اس کی تصدیق کرتی ہے۔
عمل کی اہلیت: سی پی اور سی پی کے
یہاں تک کہ اگر عمل قابو میں ہے، کیا یہ کسٹمر کی رواداری کو پورا کرتا ہے؟ کفایتی اشاریہ جات یہ بتاتے ہیں۔
Cp = (USL − LSL) / (6σ) → صرف پھیلاؤ کی پیمائش کرتا ہےCpk = منٹ
مثال: 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 = 0.4/0.] منٹ [1.33، 2.0] = 1.33
Cp = 1.67 ایک اچھے پھیلاؤ کی نشاندہی کرتا ہے، لیکن Cpk = 1.33 ہمیں بتاتا ہے کہ یہ عمل مرکز سے باہر ہے (اوسط 10.1، ہدف 10.0 سے USL کے قریب)۔ Cpk < Cp ہمیشہ مرکز کے مسئلے کی نشاندہی کرتا ہے۔ یہاں تک کہ اچھی بازی کے ساتھ ایک عمل بھی خرابی پیدا کرے گا اگر یہ غلط طور پر مرکز میں ہے۔
کمزور پرامپٹ / مضبوط اشارہ
کمزور اشارہ:
کیا یہ عمل اچھا ہے؟
"اچھی" کا کوئی معیار نہیں ہے۔ AI صرف ایک عام اندازہ لگاتا ہے۔
طاقتور اشارہ:
درج ذیل پیمائشی ڈیٹا (USL=10.5، LSL=9.5) کے ساتھ Cp اور Cpk کا حساب لگائیں۔ ڈیٹا سے σ اور مطلب کا حساب لگائیں، فارمولا اور ہر قدم دکھائیں۔ اگر Cpk < Cp، پوچھیں کہ یہ مرکز میں ہے یا پھیل رہا ہے، تبصرہ کریں۔ اس عمل کی تخمینی غلطی کی شرح (ppm) کا بھی اندازہ لگائیں اور اپنے مفروضوں کو لکھیں۔ ڈیٹا: {{ ... }}
منی کیس: اچھا CP، برا پروڈکٹ
فلنگ لائن پر، زیادہ تر بوتلیں تصریح سے باہر آتی ہیں، لیکن یہ عمل کنٹرول چارٹ پر "مستحکم" ظاہر ہوتا ہے۔ صنعتی انجینئر Yağmur AI کو ڈیٹا دیتا ہے اور اسے Cp اور Cpk کا حساب لگاتا ہے: Cp = 1.5 (اچھا اسپریڈ) لیکن Cpk = 0.7 (ناکافی)۔ فرق یہ ہے کہ اوسط ہدف سے نمایاں طور پر بدل گیا ہے۔ AI مرکز کے مسئلے کی نشاندہی کرتا ہے۔ وہ بارش بھرنے والے والو کی ترتیب کو چیک کرتا ہے اور واقعی ایک آفسیٹ تلاش کرتا ہے۔ جب آپ سیٹنگ کو درست کرتے ہیں تو Cpk بڑھ کر 1.4 ہو جاتا ہے اور فضلہ کم ہو جاتا ہے۔ اہم سبق: عمل "مستحکم" (کنٹرول میں) ہو سکتا ہے لیکن پھر بھی "کمی" ہو سکتا ہے (تفصیلات کو پورا نہیں کرتا)۔ AI نے اس فرق کو عددی طور پر ظاہر کیا۔ یہ یاغمور تھا جس نے میدان میں اس کی بنیادی وجہ تلاش کی۔
عام غلطیاں
- مبہم کنٹرول اور رواداری کی حد: صارف کی رواداری کے ساتھ کنٹرول کی حدود کو مساوی کرنا۔
- عام وجہ چھیڑ چھاڑ: ہر اتار چڑھاؤ کے لیے ایڈجسٹ کرنا اور تغیر پذیری میں اضافہ۔
- Cpk کو نظر انداز کرنا: صرف Cp کو دیکھنا اور سینٹرنگ ایشو غائب ہے۔
- ثبوت کے لیے AI سگنلز کا غلط ہونا: فیلڈ میں ویسٹرن الیکٹرک سگنل کی وجہ کی تصدیق نہ کرنا۔
- غلط چارٹ کا انتخاب: ڈیٹا کو خراب کرنے کے لیے مسلسل ڈیٹا چارٹ (X-bar) کا اطلاق کرنا۔
خلاصہ میں
- ایس پی سی کا جوہر عام اور خاص وجہ تغیر کو الگ کرنا ہے۔ عام وجہ سے مداخلت کرنا نقصان دہ ہے۔
- کنٹرول کی حدیں عمل سے آتی ہیں، رواداری کی حدیں ڈیزائن سے آتی ہیں۔ دونوں کو کبھی الجھنا نہیں چاہیے۔
- ڈیٹا کی قسم (X-bar/R, p, c...) کے لیے موزوں چارٹ کو منتخب کریں اور مغربی الیکٹرک قوانین کے ساتھ پیٹرن تلاش کریں۔
- Cp پھیلاؤ کی پیمائش کرتا ہے اور Cpk مرکز کی پیمائش کرتا ہے۔ Cpk < Cp مرکز کے مسئلے کی نشاندہی کرتا ہے۔
- AI تیزی سے شماریاتی سگنل تیار کرتا ہے۔ فیلڈ معائنہ وجہ کی تصدیق کرتا ہے، فیصلہ انجینئر پر منحصر ہے۔
درخواست کا کام
کسی عمل (حقیقی یا خیالی) سے کم از کم 20 مسلسل پیمائشیں لیں اور USL/LSL اقدار کا تعین کریں۔ AI کو اس ڈیٹا کے ساتھ Cp اور Cpk کا حساب لگائیں۔ ڈیٹا سے σ اور مطلب کا حساب لگائیں اور ہر قدم کو دکھایا جائے۔ تنقیدی توثیق: Excel یا Python میں σ, Cp اور Cpk کی قدروں کا دوبارہ حساب لگائیں اور AI آؤٹ پٹ سے موازنہ کریں۔ پھر ویسٹرن الیکٹرک کے قواعد کے ساتھ ڈیٹا کو اسکین کریں اور پوچھیں "میں فیلڈ میں اس کی تصدیق کیسے کروں؟" ہر ایک سگنل کے لئے. سوال کا جواب دیں۔ آخر میں، اگر Cpk < Cp، فیصلہ کریں کہ پہلے سینٹرنگ یا اسپریڈنگ کو درست کیا جانا چاہیے۔