Statystyczna kontrola procesu służy do monitorowania, a następnie zarządzania monitorowanym procesem. W przypadku złożonych systemów może być konieczne wygenerowanie modelu w celu określenia, jak będzie wyglądać wykres SPC dla określonych stanów zmiennych. Pozwala to również zarządowi obliczyć średnią i oczekiwaną odchyłkę, aby utworzyć tabelę kontrolną SPC dla określonych zmiennych wejściowych, zamiast konieczności uruchamiania systemu i tworzenia nowego wykresu za każdym razem, gdy zmienia się dane wejściowe procesu.
Przegląd statystycznej kontroli procesu
SPC zbiera serię wartości dotyczących zaobserwowanych charakterystyk (wysokość, waga, wymiary). Te wartości są przedstawione na wykresie. Średnia procesowa jest obliczana. Jest to linia środkowa wykresu SPC. Następnie obliczane jest odchylenie standardowe. Górny i dolny limit kontrolny są określane, a następnie umieszczane na wykresie. Wykres SPC jest następnie monitorowany. Wszelkie tendencje są rejestrowane. Wszelkie tendencje zbliżające się do górnych lub dolnych granic kontrolnych spowodują działania naprawcze.
Modelowanie serii czasowej
Modelowanie szeregów czasowych mierzy proces w określonych odstępach czasu. Seria linii trendu lub krzywych jest następnie obliczana dla istniejących szeregów czasowych danych. Linia trendu to proste równanie algebraiczne. Model szeregów czasowych może następnie prognozować, jaka linia trendu będzie w przyszłości. Linia trendu może być płaska, trendująca lub zwyżkowa.
Modelowanie wielowymiarowe
Wielowymiarowy oznacza wiele zmiennych. Model wielowymiarowy ma kilka zmiennych, wszystkie z własnymi związanymi równaniami. Te zmienne mogą obejmować czas, szybkość procesu, zmienność materiału i dowolną inną zmienną procesową. Model wielowariantowy jest tworzony w oparciu o uwzględnienie wszystkich tych czynników. Wielowariantowy model statystycznej karty kontroli procesu zostanie utworzony przez wprowadzenie różnych czasów. Ten model może następnie pokazać, jak wykres SPC powinien wyglądać w czasie dla różnych wartości zmiennych.
Modele stochastyczne
Procesy stochastyczne są zasadniczo przypadkowe. Te procesy są modelowane poprzez przypisanie prawdopodobieństwa do każdego możliwego wyniku. Model jest następnie tworzony poprzez wielokrotne uruchamianie równania w celu wygenerowania najbardziej prawdopodobnego wyniku i prawdopodobieństwa innych wyników. Modele stochastyczne są również nazywane symulacjami Monte Carlo.
Sztuczne sieci neuronowe
Ten typ statystycznego modelu sterowania procesem jest skrócony do ANNs. ANN są najbardziej złożoną formą statystycznych modeli sterowania procesem. Symulują procesy z wieloma wejściami, które mogą się różnić, etapy pośrednie, które mogą się różnić i różne wyniki wyjściowe. SSN dostarczy następnie wyniki. Jeśli proces ma jakieś procesy stochastyczne wraz ze zmiennymi określonymi przez równania liniowe, SSN może dać szereg wyników. Jeśli zostanie uruchomiony wiele razy, da to najbardziej prawdopodobny, a więc "średni" wynik dla wykresu SPC dla tak złożonego procesu.
