Beweglichkeit Qualität Qc

Erstellen von verschobenen Durchschnittsdiagrammen aus Rohdaten Siehe MACMA1 in der SAS / QC-Beispielbibliothek Bei der Herstellung eines Metallclips ist die Lücke zwischen den Enden des Clips eine kritische Dimension. Um den Prozess für eine Änderung der durchschnittlichen Lücke zu überwachen, werden Untergruppenproben von fünf Clips täglich ausgewählt. Die Daten werden mit einem gleichmäßig gewichteten gleitenden Durchschnittsdiagramm analysiert. Die in den ersten 20 Tagen aufgezeichneten Lücken werden in einem SAS-Datensatz mit dem Namen Clips1 gespeichert. Die folgenden Aussagen erzeugen die Auflistung des Datensatzes Clips1 in Abbildung 9.5.3. Ausgabe 9.5.3 Teilauflistung der Datensatz-Clips1 Der Datensatz Clips1 heißt in auseinandergezogener Form, da jede Beobachtung die Tag - und Abstandsmessung eines einzelnen Clips enthält. Die ersten fünf Beobachtungen enthalten die Spaltmessungen für den ersten Tag, die zweiten fünf Beobachtungen enthalten die Spaltmessungen für den zweiten Tag und so weiter. Da die Variable Tag die Beobachtungen in rationale Untergruppen einteilt, wird sie als Untergruppenvariable bezeichnet. Die variable Lücke enthält die Lückenmessungen und wird als Prozessvariable (bzw. kurzer Prozess) bezeichnet. Die Variabilität innerhalb der Untergruppe der Spaltmessungen ist als stabil bekannt. Sie können ein einheitlich gewichtetes gleitendes Durchschnittsdiagramm verwenden, um zu bestimmen, ob das mittlere Niveau in der Steuerung ist. Die folgenden Anweisungen erstellen das in Abbildung 9.5.4 dargestellte Diagramm. Dieses Beispiel veranschaulicht die Grundform der MACHART-Anweisung. Nach dem Schlüsselwort MACHART legen Sie den zu analysierenden Prozess (in diesem Fall Gap) gefolgt von einem Stern und der Untergruppenvariable (Tag) fest. Die SPAN-Option gibt die Anzahl der Begriffe an, die in den gleitenden Durchschnitt aufgenommen werden sollen. Optionen wie SPAN werden nach dem Schrägstrich (/) in der MACHART-Anweisung angegeben. Eine vollständige Liste der Optionen finden Sie im Abschnitt Syntax. Sie müssen die Spanne des gleitenden Durchschnitts angeben. Alternativ zur Angabe der SPAN-Option können Sie die Spanne aus einem Eingabedatensatz lesen, siehe Vordefinierte Kontrollgrenzwerte lesen. Der Eingabedatensatz wird mit der Option DATA in der PROC MACONTROL-Anweisung angegeben. Output 9.5.4 Gleichmäßig gewichtetes gleitendes Durchschnittsdiagramm für Gapdaten Jeder Punkt auf dem Diagramm stellt den gleichmäßig gewichteten gleitenden Durchschnitt für einen bestimmten Tag dar. Der gleitende Durchschnitt, der am Tag 1 aufgezeichnet ist, ist einfach das Untergruppenmittel für Tag 1. Der gleitende Durchschnitt, der am Tag 2 aufgetragen wird, ist der Mittelwert der Untergruppeneinrichtung für Tag 1 und Tag 2. Der gleitende Durchschnitt, der am Tag 3 aufgezeichnet ist, ist der Durchschnitt der Untergruppe Mittel für Tag 1, Tag 2 und Tag 3.Contact Info Seitensuche, wann ein gleitender Mittelwertbereich verwendet werden soll Gleitender Durchschnitt Diagramme werden im Allgemeinen verwendet, um kleine Verschiebungen im Prozessmittel zu erkennen. Sie erkennen Verschiebungen von 0,5 Sigma auf 2 Sigma viel schneller als Shewhart-Diagramme mit der gleichen Stichprobengröße. Sie sind jedoch langsamer bei der Erfassung großer Verschiebungen im Prozessmittel. Darüber hinaus können aufgrund der Abhängigkeit von Datenpunkten keine typischen Ausführungstests verwendet werden. Moving Average Charts können auch bevorzugt werden, wenn die Untergruppen die Größe n1 haben. In diesem Fall könnte ein alternatives Diagramm das individuelle X-Diagramm sein, in welchem ​​Fall Sie die Verteilung des Prozesses abschätzen müssten, um seine erwarteten Grenzen mit Kontrollgrenzen zu definieren. Der Vorteil von Cusum-, EWMA - und Moving-Average-Diagrammen besteht darin, dass jeder Punktpunkt mehrere Beobachtungen enthält, so dass Sie den zentralen Grenzwertsatz verwenden können, um zu sagen, dass der Durchschnitt der Punkte (oder der gleitende Durchschnitt in diesem Fall) Grenzwerte sind klar definiert. Eine weitere Verwendung der Moving Average Charts ist für Prozesse mit bekannten intrinsischen Zyklen. Viele Abrechnungsprozesse und chemische Prozesse passen in diese Kategorisierung. Wenn Sie in festgelegten Intervallen abgetastet und die Zellengröße gleich der Anzahl der Untergruppen pro Zyklus eingestellt haben, können Sie beim Ablegen des ältesten Samples in der Zelle den entsprechenden Punkt im nächsten Zyklus abnehmen. Wenn die zyklische Natur des Prozesses gestört wird, dann werden die neuen Punkte wesentlich anders sein, was zu Kontrollpunkten führt. Wie bei anderen Steuerkarten werden Moving Average Charts zur Überwachung von Prozessen im Laufe der Zeit verwendet. Die X-Achsen sind zeitbasiert, so dass die Diagramme eine Historie des Prozesses zeigen. Aus diesem Grund müssen Sie Daten haben, die zeitgesteuert sind, die in der Reihenfolge eingegeben werden, aus der sie generiert wurden. Wenn dies nicht der Fall ist, können Trends oder Verschiebungen des Prozesses nicht erkannt werden, sondern stattdessen einer zufälligen (häufigen) Variation zugeschrieben werden. Moving Average amp Range Charts können verwendet werden, wenn die Zellengröße kleiner als zehn Untergruppen ist. Wenn die Zellengröße größer als zehn ist, verwenden Sie Moving Average Amp-Sigma-Diagramme. Andere Diagramme, die in den obigen Szenarien nützlich sind, sind die EWMA - und Cusum-Diagramme. Seit 1982: Die Kunstwissenschaft, um Ihr Endergebnis zu verbessern Quality America bietet Software zur statistischen Prozesskontrolle sowie Schulungsmaterialien für Lean Six Sigma, Quality Management und SPC. Wir begleiten einen kundenorientierten Ansatz und führen in vielen Software-Innovationen kontinuierlich nach Wegen, unseren Kunden die besten und kostengünstigsten Lösungen zu bieten. Die führenden Unternehmen in ihrem Bereich, Quality America hat Software und Training Produkte und Dienstleistungen für Zehntausende von Unternehmen in über 25 Ländern zur Verfügung gestellt. Copyright-Kopie 2013 Quality America Inc. SAS/QC Software Statistische Prozesssteuerung Fertigungsingenieure sind oft mit der Verwaltung der Variabilität eines Prozesses beschäftigt, was mit Kontrollkarten möglich ist. Die dem Kontrollschema zugrundeliegenden Ideen sind, dass die natürliche Variabilität in jedem Herstellungsprozess mit einem Satz von Kontrollgrenzen quantifiziert werden kann und dass eine Variation, die diese Grenzen überschreitet, eine Veränderung des Prozesses signalisiert. Shewhart-Diagramme Shewhart-Kontrolltafel mit mehreren Kontrollgrenzen Das Shewhart-Diagramm wurde 1924 von Walter A. Shewhart (1891-1967), einem Physiker an den Bell Telephone Laboratories, eingeführt. In der Industrie ist das Shewhart-Diagramm die am häufigsten angewandte statistische Qualitätskontrollmethode für das Studium der Veränderung des Outputs eines Herstellungsprozesses. Shewhart-Diagramme werden typischerweise verwendet, um Variation aufgrund von speziellen Ursachen von Variation aufgrund von gemeinsamen Ursachen zu unterscheiden. Besondere Ursachen sind lokale, sporadische Probleme wie der Ausfall einer bestimmten Maschine oder eine falsch aufgezeichnete Messung. Häufige Ursachen sind Probleme des Herstellungssystems, wie unzureichende Produktgestaltung oder übermäßige Feuchtigkeit. Sobald die besonderen Ursachen identifiziert und eliminiert wurden, wird der Prozess als statistische Kontrolle bezeichnet. Wenn eine statistische Kontrolle erstellt wurde, können Shewhart-Diagramme verwendet werden, um den Prozess für das Auftreten von künftigen speziellen Ursachen zu überwachen und die Auswirkungen von gemeinsamen Ursachen zu messen und zu reduzieren. Cusum Charts Zweiseitiges Cusum-Diagramm mit V-Maske Kumulative Summenkontrollkarten oder Cusum-Charts. Werden verwendet, um zu entscheiden, ob ein Prozeß in statistischer Kontrolle durch Erfassen einer Verschiebung des Prozeßmittels ist. Sie zeigen kumulative Summen der Abweichungen von Messungen oder Untergruppen von einem Zielwert an. Cusum-Diagramme können empfindlicher gegenüber Verschiebungen im Prozessmittel sein als Shewhart-Diagramme. Ein einseitiges Cusum-Schema. Oder Entscheidungsintervallschema. Eine Verschiebung in einer Richtung vom Zielmittel erfasst. Ein zweiseitiges Cusum-Schema. Implementiert mit einer V-Maske. Eine Verschiebung in beiden Richtungen von dem Zielmittel erfasst. Moving Average Diagramme Exponentiell gewichtetes gleitendes Durchschnittsdiagramm Gleitende Durchschnittsdiagramme können verwendet werden, um zu entscheiden, ob ein Prozeß in der statistischen Steuerung und zum Erfassen von Verschiebungen im Prozeßmittel liegt. Im Gegensatz zu einem Shewhart-Diagramm, bei dem jeder Punkt auf Informationen einer einzelnen Untergruppe basiert, kombiniert jeder Punkt auf einem gleitenden Durchschnittsdiagramm Informationen aus dem aktuellen Sample und vergangenen Samples. Infolgedessen sind gleitende Durchschnittsdiagramme für kleine Verschiebungen im Prozeßdurchschnitt empfindlicher. Auf der anderen Seite ist es schwierig, Muster von Punkten auf einem gleitenden Durchschnittsdiagramm zu interpretieren, da aufeinanderfolgende gleitende Mittelwerte in der Regel hochkorreliert sind. Jeder Punkt auf einem gleichmäßig gewichteten gleitenden Durchschnittsdiagramm. Die üblicherweise als gleitendes Durchschnittsdiagramm bezeichnet wird. Repräsentiert den Durchschnitt einer spezifizierten Anzahl der letzten Untergruppeneinrichtung. Jeder Punkt auf einem exponentiell gewichteten gleitenden Durchschnitt (EWMA-Diagramm) repräsentiert einen gewichteten Mittelwert der letzten Untergruppeneinrichtung. Sie können auch Steuerkarten mit dem SQC-Menü System. Southern Research Station erstellen Autor (en): van Deusen, Paul C. Datum: 2001 Quelle: Reams, Gregory A. McRoberts, Ronald E. Van Deusen, Paul C. eds . 2001. Proceedings of the zweiten jährlichen Forest Inventory and Analysis Symposium 2000 Oktober 17-18 Salt Lake City, UT. Gen. Rep.-SRS-47. Asheville, NC: US ​​Department für Landwirtschaft, Forstdienst, Southern Research Station. Pp. 90-93 Station ID: - Abstract Es gibt viele mögliche Schätzer, die mit jährlichen Bestandsdaten verwendet werden könnten. Der 5-jährige gleitende Durchschnitt wurde als Standardschätzer ausgewählt, um erste Ergebnisse für Staaten mit verfügbaren jährlichen Bestandsdaten bereitzustellen. Benutzerziele für diese Schätzungen werden diskutiert. Die Merkmale eines gleitenden Durchschnitts sind skizziert. Es zeigt sich, dass die gleitenden Durchschnittsmerkmale nicht immer mit den Zielen des Benutzers übereinstimmen. Es werden alternative Schätzer vorgeschlagen, die wünschenswertere Eigenschaften aufweisen können als der einfache gleitende Durchschnitt. Zitat: van Deusen, Paul C. 2001. Alternativen zum Moving Average. In: Reichen, Gregory A. McRoberts, Ronald E. Van Deusen, Paul C. eds. 2001. Proceedings of the zweiten jährlichen Forest Inventory and Analysis Symposium 2000 Oktober 17-18 Salt Lake City, UT. Gen. Rep.-SRS-47. Asheville, NC: US ​​Department für Landwirtschaft, Forstdienst, Southern Research Station. S. 90-93. Anfordern von Publikationen Sie können Druckexemplare unserer Publikationen über unsere Publikation bestellen. Notieren Sie sich die Publikation, die Sie anfordern möchten, und besuchen Sie unsere Publikationsordnung. Publikationsnotizen Dieser Artikel wurde von US-Regierungsmitarbeitern zu offizieller Zeit verfasst und ist daher öffentlich zugänglich. Unsere Online-Publikationen werden mit Adobe Acrobat gescannt und erfasst. Während des Capture-Prozesses können einige typografische Fehler auftreten. Bitte wenden Sie sich an den SRS Webmaster, wenn Sie Fehler erkennen, die diese Veröffentlichung unbrauchbar machen. Zum Anzeigen dieses Artikels laden Sie die neueste Version von Adobe Acrobat Reader herunter. Siehe MACMA1 in der SAS / QC-Beispielbibliothek Das vorherige Beispiel veranschaulicht, wie Sie gleitende Durchschnittsdiagramme mit Rohdaten (Prozessmessungen) erstellen können. Jedoch werden in vielen Anwendungen die Daten als Untergruppenzusammenfassungsstatistiken bereitgestellt. Dieses Beispiel veranschaulicht, wie Sie die MACHART-Anweisung mit Daten dieses Typs verwenden können. Der folgende Datensatz (CLIPSUM) liefert die Daten aus dem vorhergehenden Beispiel in zusammengefasster Form: Eine Auflistung von CLIPSUM ist in Abbildung 21.3 dargestellt. Es gibt genau eine Beobachtung für jede Untergruppe (beachten Sie, dass die Untergruppen immer noch durch DAY indiziert werden). Die Variable GAPX enthält die Untergruppen-Mittel, die Variable GAPS die Untergruppen-Standardabweichungen und die Variable GAPN enthält die Untergruppen-Stichprobengrößen (das sind alle fünf). Der Datensatz CLIPSUM Abbildung 21.3: Der Zusammenfassungsdatensatz CLIPSUM Sie können diesen Datensatz lesen, indem Sie ihn als HISTORY-Datensatz in der PROC MACONTROL-Anweisung wie folgt angeben: Das resultierende gleitende Durchschnittsdiagramm ist in Abbildung 21.4 dargestellt. Da die LINEPRINTER-Option in der PROC MACONTROL-Anweisung angegeben ist, wird die Zeilen-Druckerausgabe erzeugt. Das in den einfachen Anführungszeichen nach der Untergruppenvariable angegebene Sternchen () gibt das Zeichen an, das verwendet wird, um Punkte zu zeichnen. Dieses Zeichen muss einem Gleichheitszeichen folgen. Beachten Sie, dass GAP nicht der Name einer SAS-Variablen im Datensatz ist, sondern stattdessen das gemeinsame Präfix für die Namen der drei SAS-Variablen GAPX, GAPS und GAPN ist. Die Suffixzeichen X. S Und N bedeuten Mittel. Standardabweichung . Und Probengröße. beziehungsweise. So können Sie in einem HISTORY-Datensatz mit einem einzelnen Namen (GAP), der als Prozess bezeichnet wird, drei Untergruppenzusammenfassungsvariablen angeben. Die Variablen GAPX, GAPS und GAPN sind alle erforderlich. Der nach dem Sternchen angegebene Name DAY ist der Name der Untergruppen-Variablen. Moving Average Chart für Lückenmessungen Abbildung 21.4: Gleichmäßig gewichtetes Moving Average-Diagramm aus Summary-Daten Im Allgemeinen muss ein HISTORY-Eingangsdatensatz, der mit der MACHART-Anweisung verwendet wird, folgende Variablen enthalten: Untergruppe Variable Untergruppe Mittel Variable Untergruppe Standardabweichung Variable Untergruppe Stichprobengröße Variable Weiterhin Müssen die Namen des Untergruppenmittels, der Standardabweichung und der Stichprobengrößenvariablen mit dem Prozessnamen beginnen, der in der MACHART-Anweisung angegeben ist, und mit den speziellen Suffixzeichen X enden. S Und N. beziehungsweise. Wenn die Namen dieser Konvention nicht folgen, können Sie die RENAME-Option in der PROC MACONTROL-Anweisung verwenden, um die Variablen für die Dauer des Prozedurschrittes MACONTROL umzubenennen. Zusammenfassend hängt die Interpretation des Prozesses vom Eingabedatensatz ab. Wenn Rohdaten mit der Option DATA gelesen werden (wie im vorherigen Beispiel), ist process der Name der SAS-Variablen, die die Prozeßmessungen enthält. Wenn Zusammenfassungsdaten unter Verwendung der Option HISTORY (wie in diesem Beispiel) gelesen werden, ist Prozess das allgemeine Präfix für die Namen der Variablen, die die Zusammenfassungsstatistik enthalten. Weitere Informationen finden Sie unter 34HISTORY Data Set34. 13 13