Regelkaarten en procesbeheersing

Statistische procesbeheersing: het fundament van kwaliteit

Regelkaarten vormen de hoeksteen van statistische procesbeheersing (SPC) en gebruiken standaardafwijking om processtabiliteit in de tijd te monitoren. Ontwikkeld door Walter Shewhart bij Bell Labs in de jaren 1920, onderscheiden deze krachtige instrumenten tussen normale variatie (inherent aan het proces) en speciale variatie (die duidt op problemen die aandacht vereisen).

De genialiteit van regelkaarten ligt in hun eenvoud: plot uw metingen in de tijd, voeg regelgrenzen toe op basis van standaardafwijking en let op punten of patronen die problemen signaleren. Deze real-time monitoring voorkomt defecten voordat ze optreden, in plaats van ze achteraf door inspectie op te sporen.

Moderne productie-, gezondheidszorg- en dienstverlenende sectoren vertrouwen op regelkaarten om kwaliteit te handhaven. Van halfgeleiderproductie die nanometerprecisie vereist tot infectiepercentages in ziekenhuizen, SPC biedt een universeel raamwerk voor procesverbetering.

Typen regelkaarten

Verschillende gegevenstypen vereisen verschillende regelkaarten. De juiste kaart kiezen zorgt voor nauwkeurige procesmonitoring:

Voor continue gegevens (metingen zoals lengte, gewicht, temperatuur) is de X̄-R-kaart het meest gangbaar. U verzamelt subgroepen van monsters, plot het gemiddelde (X̄) op één kaart en de spreidingsbreedte (R) op een andere. Samen monitoren ze zowel procescentrering als variabiliteit.

Regelgrenzen berekenen

Regelgrenzen definiëren de grenzen van verwachte variatie. Ze worden ingesteld op ±3 standaardafwijkingen van de centrumline, waardoor 99,73% van de punten wordt gevangen wanneer het proces onder controle is:

Voor een X̄-kaart met de spreidingsbreedtemethode worden de formules:

Waarbij X̿ het totaalgemiddelde is, R̄ de gemiddelde spreidingsbreedte en A₂ een constante afhankelijk van de subgroepgrootte (bijv. A₂ = 0,577 voor n=5).

Constanten voor regelgrenzen

Western Electric-regels voor probleemdetectie

Een enkel punt buiten de regelgrenzen is niet het enige teken van problemen. De Western Electric-regels detecteren subtielere patronen door de kaart in zones te verdelen op basis van standaardafwijkingen:

• Zone C:Binnen 1σ van de centrumline
• Zone B:Tussen 1σ en 2σ van het centrum
• Zone A:Tussen 2σ en 3σ van het centrum

De vier primaire regels

Veelvoorkomende patronen herkennen

Ervaren professionals leren visuele patronen herkennen die op specifieke problemen duiden:

Python-implementatie

Maak een X̄-R-regelkaart met automatische regelcontrole:

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)