Статистический контроль процесса используется для мониторинга и последующего управления процессом мониторинга. Для сложных систем может потребоваться сгенерировать модель, чтобы определить, как диаграмма SPC будет выглядеть при определенных состояниях переменных. Это также позволяет руководству рассчитывать среднее и ожидаемое отклонение для создания контрольной диаграммы SPC для конкретных входных переменных, вместо того, чтобы позволить системе работать и создавать новую диаграмму при каждом изменении входных данных процесса.
Обзор статистического контроля процесса
SPC собирает ряд значений наблюдаемых характеристик (рост, вес, размеры). Эти значения указаны в графике. Среднее значение процесса рассчитывается. Это используется в качестве центральной линии диаграммы SPC. Затем рассчитывается стандартное отклонение. Верхний и нижний контрольные пределы определяются и затем помещаются на график. Диаграмма SPC затем контролируется. Любые тренды записываются. Любые тренды, которые приближаются к верхним или нижним контрольным пределам, приведут к корректирующим действиям.
Моделирование временных рядов
Моделирование временных рядов измеряет процесс в определенные промежутки времени. Последовательность линий или кривых тренда затем рассчитывается для существующих данных временных рядов. Линия тренда - это простое алгебраическое уравнение. Затем модель временного ряда может предсказать, какой будет эта линия тренда в будущем. Линия тренда может быть плоской, восходящей или нисходящей.
Многомерное моделирование
Многомерный означает много переменных. Многомерная модель имеет несколько переменных, все со своими собственными уравнениями. Эти переменные могут включать время, скорость процесса, изменения материала и любую другую переменную процесса. Многофакторная модель создается на основе учета всех этих факторов. Затем будет создана многомерная модель для статистической контрольной диаграммы процесса, введя другое время. Затем эта модель может показать, как диаграмма SPC должна выглядеть со временем для различных значений переменных.
Стохастические модели
Случайные процессы по существу случайны. Эти процессы моделируются путем присвоения вероятности каждому возможному результату. Затем модель создается путем многократного выполнения уравнения для получения наиболее вероятного результата и вероятностей других результатов. Стохастические модели также называют симуляциями Монте-Карло.
Искусственные нейронные сети
Этот тип статистической модели управления процессом сокращен до ИНС. ИНС являются наиболее сложной формой статистических моделей управления процессами. Они моделируют процессы с несколькими входными данными, которые могут различаться, промежуточными этапами, которые могут различаться, и различными конечными результатами. Затем ANN даст итоговые результаты. Если в процессе есть какие-либо случайные процессы наряду с переменными, определенными линейными уравнениями, ANN может дать ряд результатов. Если запустить его много раз, это даст наиболее вероятный и, следовательно, «средний» результат для диаграммы SPC для такого сложного процесса.
