Python для промышленных инженеров
Контрольные диаграммы краткосрочных прогонов (данные переменных) с Python
Создание диаграмм контроля качества с использованием библиотек Python
Графики контроля качества
Диаграммы контроля качества представляют собой отличный инструмент для инженеров, позволяющих отслеживать, находится ли процесс под статистическим контролем. Они помогают визуализировать вариации, находить и исправлять проблемы, когда они возникают, прогнозировать ожидаемые диапазоны результатов и анализировать модели вариаций процесса по особым или общим причинам. Диаграммы контроля качества часто используются в проектах Lean Six Sigma и DMAIC на этапе контроля и рассматриваются как один из семи основных инструментов качества для улучшения процессов.
Пределы контроля
Контрольные пределы представляют собой нанесенные линии выше и ниже центральной линии (т. Е. Среднего значения) на диаграммах контроля качества, которые функционируют как пороговые значения для идентификации сигналов (т. Е. Точек за пределами контрольных пределов) и помогают определить, находится ли процесс под статистическим контролем. Они определяются формулами, специфичными для каждого типа контрольной диаграммы, которые включают константы, которые различаются в зависимости от размера выборки. Такие константы перечислены в следующей таблице:
Графики краткосрочного контроля для непрерывных данных
Контрольные диаграммы краткосрочных тиражей (также известные как контрольные диаграммы отклонения от номинального) - это группа диаграмм контроля качества, используемых в средах с большим объемом и малым объемом (т. Е. С настраиваемыми продуктами). Диаграммы краткосрочного контроля, вместо того, чтобы оценивать вариации каждого измерения, они оценивают отклонения частей от их цели.
В следующих примерах каждый тип краткосрочных диаграмм контроля качества для непрерывных данных будет построен с нуля с использованием Python. Таким же образом будет предоставлено краткое описание каждой контрольной диаграммы. Давайте посмотрим на коды Python.
Диаграмма Target IX и диаграмма MR
Диаграмма Target IX (также известная как диаграмма отклонения по оси X, диаграмма разницы или номинальная диаграмма) и диаграмма MR используются для отслеживания и оценки согласованности данных переменных (измерений). Диаграмма Target IX похожа на обычную диаграмму IX с одним исключением: точки на графике - это разница между отдельной точкой данных и ее целью.
Диаграмма Target IX и MR-диаграмма могут иметь разные прогоны, объединенные на одной и той же диаграмме, только если отклонения разных целей идентичны. Чтобы использовать диаграмму Target IX вместе с с диаграммой MR размер выборки n должен быть равен 1, и для каждой выборки должно быть уникальное целевое значение.
На диаграмме Target IX ось y показывает отклонение от цели, целевое значение (т. Е. 0), центральную линию и контрольные пределы, а ось x показывает единицы выборки. На диаграмме MR ось y показывает диапазон перемещения, центральную линию и контрольные пределы, а ось x показывает единицы выборки.
Z-гистограмма и W-диаграмма
Z-гистограмма и W-диаграмма используются, когда различия между запусками с разными целями слишком велики для использования диаграммы Target IX и MR-диаграммы. Z-гистограмма и W-диаграмма - это тип нормализации X-гистограммы и R-диаграммы для данных, сгруппированных по подгруппам.
Диаграмма Z-гистограммы и диаграмма W могут иметь разные прогоны, объединенные на одной диаграмме только, если размер выборки n одинаков для всех частей. Полосы Target X 2 и Target R могут быть получены из предыдущих контрольных диаграмм, исторических данных, предыдущего опыта или номинальных характеристик.
На Z-гистограмме ось y показывает нормализованное отклонение от цели, центральной линии (т. Е. Целевое значение = 0) и контрольных пределов, а ось x показывает группы образцов. На W-диаграмме ось y показывает нормализованный диапазон, центральную линию (т. Е. Целевое значение = 1) и контрольные пределы, а ось x показывает группы образцов.
Диаграмма Z и диаграмма MW
Диаграмма Z и диаграмма W используются, когда различия между прогонами с разными целями слишком велики для использования диаграммы цели IX и диаграммы MR. Диаграмма Z и диаграмма W представляют собой тип нормализации диаграммы X и диаграммы MR.
Диаграмма Z и диаграмма W могут иметь разные прогоны, объединенные на одной диаграмме только, если размер выборки n одинаков для всех частей.
На диаграмме Z ось y показывает нормализованное отклонение от цели, центральной линии (т. Е. Целевое значение = 0) и контрольных пределов, а ось x показывает единицы выборки. На диаграмме MW ось y показывает нормализованный диапазон перемещения, центральную линию (т. Е. Целевое значение = 1) и контрольные пределы, а ось x показывает единицы выборки. .
Заключительные мысли
Диаграммы контроля качества представляют собой отличные инструменты для анализа стабильности процессов и получения важной статистической информации, которая будет использоваться в проектах Lean Six Sigma и DMAIC для улучшения процессов. Инженеры по качеству и производственные инженеры должны уметь интерпретировать их точно, чтобы выявить нежелательные тенденции, которые могут привести к потенциальным несоответствиям, чтобы предпринять предупреждающие действия, а не корректирующие действия, и, таким образом, уменьшить количество брака и отходов.
В этом руководстве представлены пошаговые инструкции по созданию краткосрочных диаграмм контроля качества с нуля с использованием нескольких библиотек Python. Учитывая его высокую популярность среди профессионалов и ученых, Python представляет собой отличный инструмент, способный создавать диаграммы контроля качества для статистических целей. Несмотря на то, что существуют другие программы и программное обеспечение, в которых они также могут быть созданы (например, Minitab, R, Microsoft Excel), инженеры по качеству и промышленные инженеры сами решают, какое из них использовать, исходя из своих навыков программирования и анализа, соблюдая при этом цели организации и спецификации клиентов.
— —
Если вы нашли эту статью полезной, не стесняйтесь загрузить мой личный код на GitHub. Вы также можете написать мне по электронной почте [email protected] и найти меня в LinkedIn. Хотите узнать больше о приложениях для анализа данных, анализа данных и машинного обучения в инженерной сфере? Изучите мои предыдущие статьи, посетив мой профиль на Медиуме. Спасибо за внимание.
- Роберт
