Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Статистические методы в управлении качеством (использование программного продукта STATISTICA). Учебно-методическое пособие
.pdf
Рис. 4.16. Р-карта
Изменение контрольных пределов. В контрольных картах
Шухарта по альтернативному признаку контрольные пределы
находятся в пределах от –3 σ до +3 σ. В случае нормального
распределения это означает, что 99,73 % образцов будут
попадать между верхним и нижним контрольными пределами.
В модуле “Quality Control Charts ” можно устанавливать
контрольные пределы, которые будут определять “ценность”
процесса.
Допустим, что процесс является контролируемым, если
дефектов менее 10%. Тогда надо установить верхний
контрольный предел (UCL) на эту же ценность (10 % или 0,1),
т.е. заменить 3 σ на конкретное число р=0,1 (или 10 %). Для
этого выбираем закладку “Specs” в ре
диалоговом окне и нажимаем на кнопку UCL, чтобы открыть
диалоговое окно “Upper Control Limit”. В г
51
рафе “Specific value”
зультирующем
вносим 0,1 и нажимаем на кнопку OK. Для того чтобы
посмотреть, как изменится диаграмма, щелкните на кнопку
“Update” результирующего диалогового окна. Диаграмма будет
обновлена, и верхний контрольный предел будет показан как
0,1.
Примечание: остальные карты по альтернативному
признаку, а именно C-, U- и Np-карты строятся аналогичным
образом. В модуле “Quality Control Charts” выбираются
“С-chart for attributes”, “U- chart for attributes” и “Np-chart
for attributes” соответственно.
4.3. Построение контрольных карт скользящего
среднего (MA-карт) с помощью программы STATISTICA 6.0
Краткий обзор. В этом примере показано, как создавать
контрольную карту для скользящего среднего значения и
размаха. Такой тип карт полезен при обнаружении незаметного
тренда среднего значения. Будем использовать тот же файл
данных Cover.sta, ч
мы имеем дело со сдвигом процесса, который ведет к
увеличению средней ширины крышки. Нам бы хотелось
обнаружить такой сдвиг процесса как можно быстрее, т.к. такая
ситуация может привести к изготовлению слишком большого
количества бракованных изделий.
Процедура анализа. Откройте файл данных Cover.sta
через меню File – Open; этот файл будет установлен в
/Examples/Datasets. В опции “Quality Control Charts” выберите
“MA X-bar & R chart for variables” и нажмите кнопку OK для
получения диалогового окна “Defining Variables for MA X-bar
and R Chart” (рис. 4.17).
Щелкните по кнопке Variables в закладке Quick, в
переменную “Width” (Ш
то и в первом примере. Предположим, что
ыберите
ирина) и нажмите на кнопку OK.
52
Рис. 4.17. Задание переменных для карт скользящего
среднего и размаха
Поскольку выборки состоят из трех наблюдений, взятых из
реального производственного процесса, введите цифру “3” в
редактируемое поле опции “Constant sample size” (“Объем
выборки”).
Далее нам надо определить протяженность скользящего
среднего и метод оценки сигма. Протяженность означает,
сколько соседних выборок используется для одного скользящего
среднего, которое будет нанесено на карте. Например, если мы
задали протяженность, равную 3, то первое скользящее среднее
будет рассчитано из выборок № 1 – № 3, второе скользящее
среднее из выборок № 2 – № 4 и т.д. Заметим, что
протяженность определяет, какая линия скользящего среднего
будет на карте “зазубренная” или “гладкая”. Чем больше
величина протяженности, тем глаже линия (таким образом,
более заметен глобальный сдвиг). Для нашего примера возьмите
протяженность, равную 5, и введите в редактируемое поле
опции "Moving average span"
("Протяженность скользящего
53
среднего").
Нажмите на кнопку OK, для того чтобы получить
диаграмму, согласно рис. 4.18.
Исследуя карту скользящего среднего, можно заключить,
что, несмотря на то, что нет точек, пересекающих контрольные
пределы, имеются две области. Скользящее среднее
уменьшается от первой выборки до тринадцатой, а затем снова
начинается рост. Задайте критерий серий, т.е. другое
обозначение того, что "что-то не в порядке" в производственном
процессе. Для этого нажмите на кнопку "Runs tests" в диалоге
результатов.
Теперь надо исследовать причину, вызвавшую тренд
первых тринадцати выборок, устранить ее и наладить процесс.
Однако любой способ интерпретации карты всегда субъективен.
Другими словами, решение о наладке процесса должно быть
основано не только на обнаружении "выхода из-под контроля"
процесса и нарушении критерия серий на контрольных картах,
но и на знании технологии процесса.
Рис. 4.18. МА- и R-карта для переменной Width
54
4.4. Построение контрольной карты накопленных сумм
(CuSum-карта) с помощью программы STATISTICA 6.0
Краткий обзор. Данный тип контрольных карт особенно
хорошо подходит для обнаружения малых постоянных сдвигов
процесса (маленького дрейфа), которые могут оказаться
незамеченными при применении Х-карты.
Процедура анализа. Откройте файл данных CuSum.sta
через меню Fail – Open, установленный в /Examples/Datasets.
Выберите “Quality Control Charts”, затем выберите “CuSum
chart for individuals” в опции Variables. Щелкните на кнопку OK
для получения диалогового окна “Defining Variables for CuSum
X and Moving Range Chart” (Определение переменных для CuSum
арты и скользящего размаха).
X-к
В этом диалоговом окне (рис. 4.19) вы должны определить,
для какой переменной должна быть создана контрольная карта.
В нашем случае есть только одна переменная, поэтому
щелкните на кнопку Variables и выберите Var1 как
количественную переменную.
Рис. 4.19. Диалоговое окно определения переменных для
CuSum X-карты и скользящего размаха
55
Нажмите на кнопку OK, чтобы построить контрольную
карту.
Изменения в контрольной карте. Допустим, что
требуется изменить спецификации: центральную линию и сигма,
например, в соответствии с требованиями нормативных
документов. Нажмите на кнопку Center в опции “X (MA..)
specs”. В диалоговом окне “Chart center line” (центральная
линия карты) введите «10» и нажмите на OK. Далее нажмите на
кнопку Sigma, расположенную рядом с кнопкой Center. В
появившемся диалоговом окне введите «1» и нажмите на кнопку
OK.
Теперь щелкните на кнопку Update, чтобы
модернизировать диаграмму, согласно рис. 4.20.
Рис. 4.20. Модернизированная CuSum X-карта и карта
скользящего размаха
56
Последние две точки, как видно, выходят за границы
контрольных пределов.
Можно вывести описательную статистику, нажав на
кнопку Descriptives в опции Charts результирующего
диалогового окна. Появятся две крупные таблицы: первая
содержит статистику для CuSum X-карты, вторая – для карты
скользящего размаха.
4.5. Построение контрольных карт
индивидуальных наблюдений и скользящих размахов с
помощью программы STATISTICA 6.0
Краткий обзор. Этот тип контрольных карт используется
в силу дороговизны, неудобства или невозможности анализа
выборок, состоящих из ряда наблюдений. Так как не
используются выборки с многократными наблюдениями, то
нельзя определить стандартное отклонение, поэтому должна
применяться концепция скользящих размахов. Будем
использовать тот же файл данных (Cover.sta), что и в первом
примере, и будем контролировать переменную Width (ширина).
Процедура анализа. Откройте файл данных Cover.sta
через Fail – Open menu; этот файл будет установлен
xamples/Datasets. Выберите “Quality Control Charts”, затем
/E
выберите Individuals & moving range (контрольные карты для
отдельных наблюдений и скользящих размахов). Теперь
нажмите на кнопку OK, в результате появится диалоговое окно
Defining Variables for X and moving range (Определение
переменных для X-карт и скользящего размаха), согласно рис.
4.21.
Поскольку необходимо создать контрольную карту для
переменной Width (ширина), то щелкаем на кнопку Variables и
выбираем переменную Width (ширина). Обратите внимание на
то, что никакой выбор для определения постоянного объема
57
выборки здесь не нужен.
Рис. 4.21. Диалоговое окно определения переменных
Рис. 4.22. X и скользящего диапазона карты
для переменной Width (ширина)
58
Нажимаем на кнопку OK, чтобы построить контрольную
карту. Видно, что 6-я точка (выборка) выходит за границы
контрольных пределов (см. рис. 4.22) на обеих картах (X и MR).
Можно присвоить причину и действия к 6-й выборке, а также
исключить эту точку из вычисления параметров контрольной
карты (см. Пример 1: Назначение причин и действий, чистка).
4.6. Построение контрольных карт для кратких
производственных серий
с помощью программы STATISTCA 6.0
Краткий обзор. В некоторых ситуациях процесс
производства требует контроля малого числа выборок, но
множества партий, причем каждая партия характеризуется
различными средними значениями и размахами (или
стандартными отклонениями). Поскольку для каждой п
отбирается очень малое число выборок, то контрольные
пределы для каждой выборки не могут быть установлены.
Однако можно сочетать выборочное среднее (и размах или
стандартное отклонение) в единственной контрольной карте
сразу для всех партий, применяя преобразования к
соответствующим измерениям. Например, вы можете вычесть из
каждого измерения среднее значение для соответствующих
партий, следовательно, в некотором смысле, располагая все
измерения на одной и той же шкале. Смотрите раздел “Short Run
Transformations” или описание диалога “Specifications for Short Run Сhart” в
описании модуля “Quality Control”.
Этот пример продемонстрирует, как использовать модуль
“Quality Control Charts” в контексте малых партий. Будет
показано, как преобразовать исходные данные, вычитая
определенные константы (среднее значение в партии) из
каждого индивидуального измерения. Это позволит вам
построить выборочные статистики нескольких партий на одной
артии
59
карте. Предположим, что мы производим малыми партиями
доски для серфинга, которые красятся в три разных цвета.
Толщина краски (в микрометрах), различная для каждого цвета,
должна быть проконтролирована на X- и R- карте. Объем
выборки для каждой партии равен 3. Из предыдущих опытов мы
знаем, что средняя толщина покрытия для разных цветов равна
12,7; 13,6 и 15,0 соответственно.
Установка файла данных. Откройте файл данных
“Shortrun.sta”, установленный в /Examples/Datasets, через File –
Open menu.
Переменная “Measures” представляет собой исходные
измерения. Вторая переменная “Partmean” означает среднюю
толщину для каждого цвета (в партии). Третья переменная
ransf” содержит разницу между исходными измерениями и
“T
средними значениями для каждого цвета. В частности, средние
значения для каждого цвета вычитаются из исходных
измерений, используя следующую простую формулу: TRANSF
= MESAURES – PARTMEAN.
Заметим, что эта процедура предполагает однородные
изменения внутри партии. Если в пределах партии вариации
отличаются, то вы можете использовать различные
преобразования (т.е. стандартизовать данные делением на
стандартное отклонение в партии).
Если вы решили изменить данные в файле или ввести
новые значения в виде отдельных измерений “Measures”, то
необходимо каждый раз вводить и средние значения в партии
“Partmean”, переменная же "Transf" может быть автоматически
рассчитана. Опция "Autorecalculate when data change"
("Автопересчет при изменении данных") станет доступна, если
выделить переменную "Transf" в файле данных и выбрать
опцию "Variables - Recalculate…"
из выпадающего меню "Edit".
60
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]