Carta Kawalan dan Kawalan Proses

Kawalan Proses Statistik: Asas Kualiti

Carta kawalan ialah tunjang kawalan proses statistik (SPC), menggunakan sisihan piawai untuk memantau kestabilan proses dari semasa ke semasa. Dibangunkan oleh Walter Shewhart di Bell Labs pada tahun 1920-an, alat berkuasa ini membezakan antara variasi sebab biasa (yang wujud dalam proses) dan variasi sebab khas (menunjukkan masalah yang memerlukan perhatian).

Kehebatan carta kawalan terletak pada kesederhanaannya: plot ukuran anda dari semasa ke semasa, tambah had kawalan berdasarkan sisihan piawai, dan perhatikan titik atau corak yang menandakan masalah. Pemantauan masa nyata ini mencegah kecacatan sebelum ia berlaku, bukan menangkapnya melalui pemeriksaan selepas itu.

Industri pembuatan, penjagaan kesihatan, dan perkhidmatan moden bergantung pada carta kawalan untuk mengekalkan kualiti. Daripada fabrikasi semikonduktor yang memerlukan ketepatan nanometer hingga kadar jangkitan hospital, SPC menyediakan rangka kerja sejagat untuk penambahbaikan proses.

Jenis Carta Kawalan

Jenis data yang berbeza memerlukan carta kawalan yang berbeza. Memilih carta yang betul memastikan pemantauan proses yang tepat:

Untuk data selanjar (ukuran seperti panjang, berat, suhu), carta X̄-R ialah yang paling biasa. Anda mengumpul subkumpulan sampel, plot purata (X̄) pada satu carta dan julat (R) pada carta yang lain. Bersama-sama, mereka memantau kedua-dua pemusatan proses dan kebolehubahan.

Mengira Had Kawalan

Had kawalan mentakrifkan sempadan variasi yang dijangka. Ia ditetapkan pada ±3 sisihan piawai daripada garis pusat, menangkap 99.73% titik apabila proses dalam kawalan:

Untuk carta X̄ menggunakan kaedah julat, formula menjadi:

Di mana X̿ ialah min besar, R̄ ialah julat purata, dan A₂ ialah pemalar bergantung pada saiz subkumpulan (contohnya, A₂ = 0.577 untuk n=5).

Pemalar Had Kawalan

Peraturan Western Electric untuk Mengesan Masalah

Satu titik di luar had kawalan bukan satu-satunya isyarat masalah. Peraturan Western Electric mengesan corak yang lebih halus dengan membahagikan carta kepada zon berdasarkan sisihan piawai:

• Zon C:Dalam 1σ daripada garis pusat
• Zon B:Antara 1σ dan 2σ daripada pusat
• Zon A:Antara 2σ dan 3σ daripada pusat

Empat Peraturan Utama

Mengenali Corak Lazim

Pengamal berpengalaman belajar mengenali corak visual yang menunjukkan masalah tertentu:

Pelaksanaan Python

Cipta carta kawalan X̄-R dengan pemeriksaan peraturan automatik:

import numpy as np
import matplotlib.pyplot as plt

def create_xbar_chart(data, subgroup_size=5):
    """Create X-bar control chart with control limits."""
    # Reshape data into subgroups
    n_subgroups = len(data) // subgroup_size
    subgroups = data[:n_subgroups * subgroup_size].reshape(n_subgroups, subgroup_size)

    # Calculate subgroup means and ranges
    xbar = subgroups.mean(axis=1)
    R = subgroups.max(axis=1) - subgroups.min(axis=1)

    # Control chart constants (for n=5)
    A2 = 0.577
    D3, D4 = 0, 2.114

    # Calculate control limits
    xbar_bar = xbar.mean()
    R_bar = R.mean()

    UCL = xbar_bar + A2 * R_bar
    LCL = xbar_bar - A2 * R_bar

    # Check for out-of-control points
    ooc = (xbar > UCL) | (xbar < LCL)

    # Plot
    plt.figure(figsize=(12, 5))
    plt.plot(xbar, 'b-o', markersize=4)
    plt.axhline(xbar_bar, color='g', linestyle='-', label='CL')
    plt.axhline(UCL, color='r', linestyle='--', label='UCL')
    plt.axhline(LCL, color='r', linestyle='--', label='LCL')
    plt.scatter(np.where(ooc)[0], xbar[ooc], color='red', s=100, zorder=5)
    plt.xlabel('Subgroup')
    plt.ylabel('X-bar')
    plt.title('X-bar Control Chart')
    plt.legend()
    plt.show()

    return {'xbar': xbar, 'UCL': UCL, 'LCL': LCL, 'ooc': ooc}

# Example: Monitor a manufacturing process
np.random.seed(42)
# Simulate 100 measurements (20 subgroups of 5)
measurements = np.random.normal(100, 2, 100)
# Add a shift at subgroup 15
measurements[75:] += 3

result = create_xbar_chart(measurements)